注：特征用于描述概念（3.2）。 [来源：ISO 1087：2019，3.2.1,有修改] 概念 concept 由特征（3.1）的独特组合创建的知识单元。 注1：概念不一定对应到特定的自然语言。然而，他们受到社会或文化背景的影响，这往往导致不同的分类。 注2：这是术语工作中术语“概念”所使用和指定的概念的“概念”。这与工业自动化或市场营销等其他领域所指 定的概念差异很大。 [来源：ISO XXXXX—XXXX/IEC SRD 63235:2021 2 客体对象的属性。 注：一个或多个对象可以具有相同的属性。 [来源：ISO 1087：2019，3.1.3] 术语 term 用语言学的方法表示一个一般概念的名称。 [来源：ISO 1087：2019，3.4.2，有修改] 4 智慧城市系统概念构建方法论 概述 方法论是指一套连贯、综合的方法，可以从中为特定应用选择前后连贯子集。智慧城市系统概念构 来。 GB/T XXXXX—XXXX/IEC SRD 63235:2021 3 图 1 智慧城市系统概念视角 方法论框架 方法论框架是指一种方式或结构，支持在开发系统时使用多种不同的方法和语言。 注：该方法论框架的定义改编自ISO/IEC 16500-8:1999，3.15。 智慧城市系统概念体系方法论框架是指一种系统的系统思维方式，支持在开发智慧城市系统时，将 多维度、多领域、多

突破的 薄弱环节，无法满足全链路数据安全防护要求。 2、人工智能大模型语料发展与挑战 2.1 人工智能大模型语料发展趋势 1. 从大语言模型到多模态 / 具身智能大模型的语料演进 当前大模型技术正经历从弱人工智能（机器学习、神经网络、大语言模型）向通用人工智能（Agent、多模态、 具身智能）的范式跃迁。这不仅对于模型架构的设计理念进行了重构，同时也对大模型各阶段的训练语料提出 全新要求。 公开数据即将耗尽：随着智能化进程逐步推进，不同 语种的语料资源质量与规模差异巨大，在全球数据 训练集中，英语等主流语言拥有海量高质量数据， 中文 语料数据的占比仅为 1.3%。Epoch 研究表明， 基于 当前语料消耗速度，预计将在 2026 年，现有的 公开高质量语言数据即将耗尽。 领域数据流通困难：近年来，在数据流通、数据共享、 “ 数据开放已有很多先进探索，但依然存在 主动找 规制定数据加工的标准与规范。 11 多模数据对齐与合规制 约 数据融合对齐、数据产权确 领域数据流通困 难 “ ” 主动找数、被动供数 , 公开数据即将耗尽 预计 2026 年, 现有公开高 质量语言数据即将耗 0 1 0 1 0 1 0 0 1 1 0

提出未来智慧城市发展与 大模型结合的持续发展策略。 1 大模型的定义与核心特征 “大模型”是指基于海量多模态数据预训练、具有 巨量参数规模(通常在百亿至万亿级别) 的深度学习 模型,能够处理复杂语言理解与生成任务,并展现出强 大的泛化、推理和上下文学习能力。 大模型的核心特 征包括以下 4 方面 [5-6]。 其一,巨量参数:模型复杂度和能力的物理基础。 其二,预训练+微调范式:利用大规模无标注数据 提升公共服务效能与体验 公众对便捷、高效、个性化的公共服务需求日益增 长 [8]。 大模型驱动的智能客服、政策解读、办事引导、个 性化信息推送等应用,能够提供 7×24 h、自然语言交互 的“有温度”服务,显著提升公众满意度和获得感。 2. 3 驱动产业智能化升级 大模型作为强大的“生产力工具”,可广泛应用于 智能制造(如工艺优化、故障预测)、智慧金融(如风险 评估、智能投顾)、智慧文旅( [9-10]:基于大模型的政 务助手可自动解读冗长政策文件,生成简明摘要;智能 回答市民和企业咨询,提供精准办事指引;辅助公文撰 写、报告生成,提升行政效率。 例如,合肥市数据资源 管理局通过部署具备自然语言处理、图像识别等功能 的政务大模型,实现材料自动审核、表单智能填充,材 料审核效率提升 80%,办件登记效率提高 5 倍。 二是城市运行“一网统管”:大模型可融合分析来 自物联网传感器、视频监控、社交媒体、12345

CANN( 华为 ) 有监督微调 对比学习 * 互联网爬取、规模大 LLM 预训练 多维并行算法 状态监测、任务调度 语言通用模型： DeepSeek-R1 等 无监督数据 图像生成 集 群 早期的深度学习受限于计算能力和数据规模，难以发挥优势。随后多层感知机与卷积神经网络结合反向传 播算法，显著提升了模型的学习能力。随后，基于注意力机制的 Transformer 架构改变了自然语言处理 的范式，使大规模预训练成为可能。近年来，大模型凭借超大规模参数和海量数据学习，在多模态学习、 推理和通用人工智能方向取得重要进展，为人工智能的发展开启了新的阶段。 大模型 模态扩展 真实龄据感知 电气信号始码 高雌特征映射 电气词表扩充 提 供 统 一 的 多 模 态数 据 表 示 基 础 算 子 基座 能力扩展 注意力机制 深层特征提取 自研高性能电力大语言模型 电力大模型全流程关键技术体系 1 数据生成：大规模高质量电力专业数据集构建 3 模型训练：电力大模型分布式训练关键技 术 预训练：基础模型能力训练 支 持 分

042 1.3 重点热点前沿⸺“全切片病理图像的弱监督深度学习框架” 045 2. 新兴前沿及重点新兴前沿解读 048 2.1 新兴前沿概述 048 2.2 重点新兴前沿⸺“人工智能大语言模型 ChatGPT 等在医疗健康领域的应用” 049 生物科学 1. 热点前沿及重点热点前沿解读 051 1.1 生物科学领域 Top 10 热点前沿发展态势 051 1.2 重点热点前 泌尿与胃肠等外科的临床应用、人工智能大语言模型 ChatGPT 等在医疗健康领域的应用四个方面，其中“人 工智能大语言模型 ChatGPT 等在医疗健康领域的应 用”前沿群包括四个新兴前沿，分别关注人工智能大 语言模型 ChatGPT 等在放射学、眼科、耳鼻喉科、护 理等医疗健康领域的应用（见表 24）。综合 CPT 指标、 前沿发展潜力及科技情报研究人员的判断，最终选取 “人工智能大语言模型 ChatGPT 8 3 人工智能大语言模型 ChatGPT 等在专科医疗场景中可靠性、适 用性及边界的系统性验证 12 245 2023.8 4 人工智能大语言模型 ChatGPT 等在放射学领域的临床应用潜力 与局限性 17 492 2023.7 5 新型模块化手术机器人系统（Hugo 等 ) 在泌尿与胃肠等外科的 临床应用 11 220 2023.7 6 人工智能大语言模型 ChatGPT 等在眼科疾病分类、诊断、护理、

正错误数据，将不同格式的数据转换为统一的格式， 实现数据的标准化。例如，将不同部门的身份证号、 地址等信息按照统一的规则进行格式化处理，确保数 据的一致性。 对于非结构化文本数据，如政策文件、执法记录、 病历资料等，利用自然语言处理（NLP）技术进行解 析和处理。通过文本分类、实体识别、关系抽取等技 术，从非结构化文本中提取关键信息，生成标准化的 数据格式。例如，从执法记录中提取执法时间、执法 地点、执法人员、违法事实等信息，形成结构化的执 用价值。 五、AI 模型部署与管理 5.1 大模型选择与部署 5.1.1 模型选型 通用模型方面，选择 DeepSeek-R1（671B 参 数）用于多轮对话、文本生成等场景，该模型具有强 大的语言理解和生成能力，能够满足政务领域复杂对 话和文本创作的需求；通义千问在知识问答、代码生 成等方面表现出色，可用于政务知识查询、智能办公 辅助等场景；智谱大模型在逻辑推理、数据分析等方 面具有 2 技术方案 基于 DeepSeek 大模型开发智能招生咨询机器 人，通过对招生政策文件、院校招生简章、专业介绍 等文本数据的学习，构建招生知识图谱。智能咨询机 器人能够理解考生和家长的自然语言提问，并从知识 图谱中快速检索相关信息，提供准确、详细的回答。 支持多轮对话，能够根据考生和家长的提问不断 深入解答，如当考生询问某所大学的某个专业时，机 器人不仅会介绍专业的课程设置、就业前景，还会提

性 高 · 磁 铁 可 旋 转 调 节 创意屏 数字人 AI 数字讲解员 AI 导览员 低空展厅中 ， AI 数字员工可以化身展厅 AI 导览员 ， 7*24 小时在线随时切换语言 ， 为参观者提供沉浸式的迎宾、 讲解导览等体验 ， 加速数字化、 智能化服务升级。 • 智能化 • AI 数字人可表现出人类的情感状态 ，带来更便捷、更温情的交互体验。 他们可以回答问题、提供解释和讲解、 导参观者 ，解说 展品的细节 ，使参观者获得更具沉浸感和互动性的展览体验。 l 多媒体展示 l 虚拟对话 l 产品演示 l 自动迎接 l 导览服务 l 问答互动 l 虚拟表演 l 语言切换 • 互动性 • 电子沙盘可以增强参观者和展示内容的互动。通过触摸屏幕或其他 交互设备 ，参观者可以直观地操作模型 ，进行缩放、旋转等操作 ， 从而更好地了解展示内容。 • 动态性 语音导览讲解 、 灵活移动自由发言用 较少的扬声 器 实 现 更 大 范 围 的 声 场 覆 盖 人声部分高保真还原 ， 细节 表现丰富为参观访客 提供 更 清 晰 的 科 普宣传 • 语言清晰 、 无失真 、 声压余量充分 、 声场分 布均匀 、 无声反馈啸叫 ， • 支持多点视频会议 ， 促进远程协作和决策。 • 快速响应紧急情况 ， 提供高效的指挥调度。 •

的数据加载 到目标数据存储系统中 。同时， 结合自主开发 的数据处理算 法， 对 ETL 工具进行定制化扩展， 提高数 据处理的效率与 准确性。 继续延续上文总体结构内容 通过编写脚本语言， 实现对复杂数据清洗与转换任务的自 动 化调度与执行， 大大减少人工干预， 提高数据处理的时 效性 与稳定性 。例如， 在每天凌晨定时启动 ETL 任务， 对前一 天产生的新材料实验数据 理确保核心数据在整个数据空间内的一致性与 准确性 ，提升 数据质量和业务协同效率。 联邦数据库技术：构建联邦数据库系统，连接来自科研机构、 企业 、行业协会等不同主体的分布式数据源 。通过定义统一 的数据访问接口和查询语言 ，使得用户能够像访问本地数据 库一样， 对分布在不同地理位置 、不同类型的数据库中的数 据进行联合查询与分析 。例如， 科研人员在研究新型复合材 料时， 需要同时获取不同科研机构的实验数据和企业的生产 基于内存计算，具有更高的处理速度和更灵活的编程 模型， 能够支持实时数据分析 、交互式查询和机器学习算法 的快速迭代 。Spark 提供丰富的 API， 包括 Scala 、Java 、 Python 和 R 等语言接口，方便开发者进行大数据应用开发。 其内置的机器学习库 （ MLlib） 和图计算库 （GraphX）， 为 新材料数据的深入挖掘和分析提供强大的技术支持。 内存计算与编程模型：Spark

人工智能大语言模型 ChatGPT 等在专科医疗场景中 可靠性、适用性及边界的系统性验证 12 245 2023.8 新兴前沿 4 人工智能大语言模型 ChatGPT 等在放射学领域的临床应用潜力与局限性 17 492 2023.7 新兴前沿 5 新型模块化手术机器人系统（Hugo 等 ) 在泌尿与胃肠等外科的临床应用 11 220 2023.7 新兴前沿 6 人工智能大语言模型 ChatGPT ChatGPT 等 在眼科疾病分类、诊断、护理、教育等方面的应用 25 742 2023.6 新兴前沿 7 人工智能大语言模型 ChatGPT 等在护理教育及 医疗健康领域的应用、影响、挑战与整合路径 8 180 2023.6 在该领域的17个研究前沿中，美国几乎全面领先， 有 15 个研究前沿的研究前沿热度指数得分排名第一， 仅在热点前沿 9 排名第二、新兴前沿 5 排名第七。德 国在热点前沿 2021.8 热点前沿 6 语音驱动的 3D 面部动画和同步技术 19 2226 2021.7 热点前沿 7 6D 目标姿态估计和跟踪技术 23 1757 2021.7 热点前沿 8 基于语言模型的蛋白质结构预测 31 7424 2021.5 热点前沿 9 神经渲染和深度伪造的生成与检测 20 3764 2021.3 热点前沿 10 通过图神经网络等技术优化分子表征学习 6 1873

2 数据中心网络发展趋势与挑战 随着数字经济的加速发展，人工智能、大数据、云计算、区块链等新一代信息技术已 成为社会生产力的关键支撑，尤其是以GPT-4、Llama和DeepSeek为代表的大语言模 型（Large Language Models, LLMs）在人工智能领域取得突破性进展，引发了对算力 资源前所未有的需求。 在数字经济加速发展的背景下，算力已成为新型基础设施的重要支撑，是推动经济社 对不同的业务变更诉求，分别编写针对 性的自动化工作流。同样，工作流的编写需要依赖人工，依赖编写人员对业务变更诉求、网 络变更步骤、工作流编写技能，都有比较深入的理解。 自动化Agent，内置大语言模型的学习理解能力，通过提前预训练和模型微调，使模 型具有编写设备对接驱动包和编排工作流的基础知识能力。在此能力基础上，通过对不同厂 商不同款型设备的操作手册等资料进行学习理解，就可根据资料内容，自动生成用于设备对 进 行学习，结合已经生成的设备动作包，可将客户已有的变更流程生成自动化工作流，在后续 遇到相同变更任务时，可直接执行工作流，提升网络变更效率。除此之外，面对新的业务变 更诉求，自动化平台结合大语言模型能力，针对用户文字输入的变更意图描述，也可自动生 成网络变更工作流，真正做到将运维人员的变更意图直接转化生成为网络变更工作流的能力。 基于大模型技术突破变更工作流的生成技术，提升作业自动化效率，降低Runbook流