一方面，市场小、客流不稳，使其难以摆脱补贴依赖； 另一方面，邻近枢纽与高铁网络，正持续分流其本就有 限的客源。 国内支线机场发展的困境 数据来源：航班管家 聚焦行业痛点， 打造智能决策新引擎 以智能引擎为枢纽，将海量、孤立数据转化为精准商业洞察，助力企业决策从“经验驱动 ”向“数据驱动 ”升级。 部分城市铁路 & 民航客流占比分布 飞机客流占比 火车客流占比 0.0% 10 亿人次， 同比增长 3.4% 票价持续下滑： 经济舱平均票价仅 846 元， 同比下滑 6.4% 数据来源：航班管家 数据基石 需求侧洞察（客流）、供给侧分析（运力）、市场侧研判（宏观） 技术引擎 预测需求弹性，构建动态定价模型 1,600 1,400 1,200 1,000 800 600 400 200 0 1/1 收益管理：从数据洞察到票价优化 动态定价 基

价值 五层架构体系 Cjty IoT 、 City Digit. City Al City APF 、 City Studio 七大技术引擎 可视化引擎 . 流程弓擎、 IoT 引擎氵 区块链引擎 A 引擎、 移动开 发引擎、搜索引擎 dsbs6 (CiyA) iCityA 城市操作系统 ( TacOS) 需求 场景 : 价值的全面亢扛通，让城市管理及服务更具韧性。 一个城市大脑 ：业务融合服务中 台 快速应用搭建中 心 开发者平 台 · · 基于人工智能、 区块链和问视化等创新技术引擎 ，构建开放式的轻量化敏捷型智能应用开发生态圈，为城沛治理、政府运行、公共服务，进 行城市可信身份认证、数据安全管理及人工智能汾析服务，处理超大规模多源数据，洞恶规律，全局协同。同时基于城市场景应用中的算法共 智能政策 智能公文 流程引擎 数据书架 10,000+ 数据标签 4 类知识图潜

1 4 各种应用集成 现有系统 网络 应用开发支撑平台 信息门户□ 运营支撑 搜索引擎 移动应用引擎 外部 数据 交互 数据库 权限认证□ 工作流引擎 数据支撑 办公数 据 报表管理 表单引擎 全文检索 数据交互引擎 数据同步□ 智能报表引擎 车辆管 安保管 理系统 理系统 服务平 台数据 中 间 件 支

1 0 1 3、数据空间与 AI 协同发展的关键挑战 在当前数智化转型加速的时代，数据与人工智能的协同创新成为推动各行业数字化、智能化升级的引擎。然而， 这 “ ” 一融合过程中面临多重挑战， 数据壁垒、隐私合规、技术异构性、信任机制不透明 成为数据 驱动 AI 创新的关键 瓶颈，Data+AI “ ” 协同创新存在 三不可 的核心挑战。 Lake、语料集对象存储各表 格式的元数据访问协议差异大，多个数据湖独立部 署元数据管理，异构数据湖无法形成全局数据地 图，跨系统数据发现成本高、血缘追踪割裂等。 · 缺少统一数据格式，跨格式数据计算性能差：多 引擎（Spark、Flink、模 型训推等）编排 场景下兼 容性 差，跨格式联邦查询通过多 catalog 路由，查询 计划复杂、性能差。 12 Metadata, caching, Indexing 促进，共同生长，形成繁荣的超级应用体系。 16 融合数据湖 统— 元数据管理 数据治理 语料供给 知识工程 智能 BI 引擎 智能用数 知识搜索 数据治理 语料加工

结构化数据：交易所高频行情（1 分钟级 Tick 数据）、基本面 指标（PE、ROE 等）、宏观数据（CPI、利率等）  非结构化数据：财经新闻文本、社交媒体舆情、卫星遥感图像  替代数据：信用卡消费流、物流信息、搜索引擎热度 算法层采用混合建模框架，不同市场状态适用不同模型： 市场状态 适用模型 典型持仓周期 高波动趋势市 LSTM+Attention 机制 3-5 天 低震荡市 强化学习 PPO 算法 日内交易 ，包 括单日亏损超过 5%自动暂停、连续 3 次信号失效触发人工干预等 保护措施。 2.2 AI 在量化交易中的应用 在量化交易领域，AI 技术的应用已从辅助决策发展为驱动交易 策略的核心引擎。其核心价值在于通过机器学习、深度学习及自然 语言处理等技术，实现对海量异构数据的高效挖掘与动态建模，从 而提升策略的适应性与收益稳定性。以下是 AI 在量化交易中的典 型应用场景与技术实现路径：  分布式文件系统（如 HDFS）存储非结构化数据（财报 PDF、 新闻文本） 实时更新通过事件驱动架构实现，关键组件包括：  Kafka 消息队列处理实时行情流  Flink 流计算引擎执行逐笔校验  分布式锁保证多节点数据同步  每日收盘后自动触发数据完整性扫描，生成如下监控报告： 1. 缺失数据清单（按证券代码分类） 2. 异常波动记录（与 VIX 指数相关性检测）

这意味着，目前至少有近4.2亿人，在使用AI进行搜 索问答，数量占同期搜索引擎用户（8.78亿）的近一半。 其中，90%的用户首选国产大模型。 Copyright© 2025虎啸文化/秒针营销科学院 2025 中国数字营销生态图 年度解读报告 AI搜索正在快速取代传统搜索，与此同时，在营销端， GEO生成引擎优化也在快速取代SEO，大量以帮助品牌优化 GEO表现、提升商业可见性为目标的服务商也相继涌现， 2024年的111个。主要变化为： Copyright© 2025虎啸文化/秒针营销科学院 2025 中国数字营销生态图 年度解读报告 14个新增，其中8个直接新增的3级赛道（微短剧出 海、AI出海、AI内容测评、生成式引擎优化GEO、私域电 商、微短剧媒体、即时零售、圈层营销），和6个新增二 级赛道【AI技术】下的三级新增（智能体，知识库和RAG， 工作流，合成数据，算力平台，数据标注）。 8个调整，为原二级的AI营销，改为AI应用。受影响 在二级赛道的设置上，主要变化是，把“AI营销”这 个含义广泛的赛道，更名为更清晰的“AI应用”。并增加 了独立的AI技术。以区分市场中的技术供应商和应用供应 商。更名后的AI应用，根据新趋势，增补了“生成式引擎 营销GEO”、“AI内容测评”两个新三级赛道。 原有的AI洞察，更名为AI洞察与分析。新增的AI技术 赛道中，包括智能体，数字人（从元宇宙赛道调整），知 识库和RAG，工作流，合成数据，算力平台，数据标注。

能源效率，从而为客户创造更多价值。这本白皮书为企业带来深刻洞见与实用框架指南，激发深入思考。 ——印尼国家电力公司信息技术规划与战略副总裁 Handy Sanjaya AI时代，数据中心正成为数字化与智能化的核心枢纽和创新引擎。随着业务复杂性激增、网络威胁演变及技 术革新加速，这些正驱动数据中心向高可用、高安全和高灵活性演进。近期，我与很多客户伙伴、产业界的 朋友们进行了沟通和交流，大家都提到，韧性DC是当前数智基础设施建设的核心，但也面临居多挑战。华为 算力与数据的“Data Center”，成为支撑企业数 智化转型和国家数字经济发展的数字底座，正加速 成为“Digitalization Center”——数字化与智能 化的核心枢纽和创新引擎。 自诞生之日起，数据中心的使命便在持续演进。过 去，其核心职责是提供可靠的计算、存储和网络资 源。而今天，在AI、大数据、云计算、物联网深度 融合的驱动下，数据中心肩负着支撑企业全球化运 迭代发展，通过事件链与流程的连接，形成覆盖数 据中心各个部件的群体智能决策机制。这种群体智 能的持续进化，使数据中心在复杂风险环境中展现 出强大的协同决策力，成为保障业务永续运行的核 心智慧引擎。 共 性 参 考 框 架 层 企 业 DC 架 构 层 运行实 践层 韧性 DC 白皮书 23 22 一份给 CIO 规划建设数据中心的参考 韧性DC 的规划与建设 第 3 章 数据中心容灾系统的本质是价值中心

物流监控  计费管理  运输优化  合理运输管理功能，实现运输资源利用率的体大提 升，降低整体运输成本  优化路 线规划 系统 : 帮助降低运输成本和运输时间  内置的规划和计费引擎，提高运输管理效率和准确 性  内置报表工具，满足用户个性需求  可视可追溯，保证货物安全，提高客户满意度 结合物联网和 GPS 技 术，实时管理运输作业 和运输工具 车载监管系统 移动网站 （ H5/WAP 网 站）与客户 WEB 信息同步 移动端微网页 智能适配生成 提供 CMS 内容 管理后台系统 多套微网站模 板选择 43 聚门户后台管理 + 聚合引擎 功能 系统平台统一管理发布，参数设置。 主要是管理购买我们产品的用户，以及产品升级等。 自建站内容个统一发布，已有网站的爬虫参数设置，聚门户所有单位管理门户，与前端用户交互回复界面。 客户管理权限 系统消息 可以和购买我们产品的用户互动，以系统管理员的身份向客户发布信息；如“服务要到期了快点缴费的信息” , 微平台 的用户就能在消息框中接收到。  聚合引擎 功能 介绍 用户通过信息来源的自定义利用聚合引擎技术可以实现对已建设网站用户或 指定网站的内容爬取、汇聚和多个客户端呈现。 目录页 CONTENTS PAGE 一、总述 二、智慧物流园区解决方案 三、聚门户技术实现

超越小模型的、不可预测的新能力,如复杂推理、代码 生成。 其四,多模态融合:处理和理解文本、图像、语音等 多种信息形式。 大模型不仅是人工智能技术发展的重要里程碑, 更是驱动新质生产力发展的关键引擎,其应用正渗透 至智慧城市建设的各个环节,推动城市运行模式向更 高阶的智能化方向演进。 2 大模型赋能智慧城市建设的必要性分析 大模型代表了一种颠覆性的通用人工智能技术范 式,具有“强认知、泛应用、深融合” 深度赋能城市治理、经济活 动和公共服务。 大模型赋能智慧城市建设的必要性主 要体现在以下 4 方面。 2. 1 破解复杂治理难题 智慧城市面临海量异构数据、多元主体诉求和瞬 息万变的事件,传统规则引擎和浅层人工智能难以有 效处理。 大模型强大的语义理解、信息抽取、逻辑推理 和知识关联能力,为精准感知城市态势、智能研判风 险、科学辅助决策提供了前所未有的技术支撑。 2. 2 提升公共服务效能与体验 访投诉、经济数据等,大模型可辅助识别潜在的社会矛 盾、经济风险、公共安全隐患,进行早期预警和趋势预 测,助力政府主动治理、防范化解风险。 3. 2 大模型+智慧经济与产业 大模型是驱动产业智能化升级的核心引擎 [11-12], 为智慧经济注入强劲动能,具体表现在以下 4 方面。 企业智能服务与赋能:面向企业提供基于大模型 的智能营销(如生成个性化营销文案、广告创意)、智 能客服(如处理复杂咨询、提升转化率)、智能办公(如

程；协同效率评估指标（如决策时效、事项闭环率、满意度）及评估周期等。 ——空间运营者应建立协同机制。聚焦技术运维、身份认证、合约执行与审计等基础能力， 空间运营者应通过自动化运维平台、统一身份管理系统和智能合约引擎，实现对各方接入、调用 与行为的实时监控与自动化合规检查；聚焦数据策略、定价模型、合规规则与争议仲裁等治理能 力。 ——空间运营者应维护协同角色名录，并与身份管理系统联动，将角色与权限、合约模板和 据交易相关系统，确保各方接入的可信性与可追溯性。 TDSA/A-001-2025 14 ——空间运营者应配置可扩展的供需匹配引擎，在数据类型、数据质量等级、时效要求、价 格区间、合规标签、使用场景等多维度条件下实现自动撮合。匹配引擎的算法规则应保证公开、 可解释与可验证，算法更新需记录版本信息并向相关方通报；对匹配失败的请求，系统宜提供可 操作的改进建议或备选方案。 ——空间运营者应对目录发布申请进行形式与实质审核，包括合规审核、技术接入审核 等，并在规定期限内完成审批；对不符合要求的申请应明确驳回理由并指导整改。 ——申请通过后，目录条目应自动在平台检索引擎中生效。 ——产品上架应以目录结构为基础，确保产品信息与目录框架精准匹配。 ——应支持按名称、标识、行业、分类、标签、合约类型等多维条件进行精准或模糊检 TDSA/A-001-2025