大数据： 核酸检测 IT 数据 时延 边缘 、本地 IT 痛点 低 大 分布式 IT 挑 战 海关 AI ： 人证对 比 本地 Ø 低时延部署 Ø 分散节点管理 Ø 本地应用服务能 力 Ø 本地 IT 运维能力 新的挑战： 边缘 、本地 IT 需求快速 增长 位置 分散 环境 复杂 需求 趋势 传统 边缘计算 本地 IT 上云阻碍 验， 网络 、资源互通 基于腾讯云遨驰 Orca 理念的新技术架 构 本地部署 腾讯云管控 Availability Zone 1 云中心 DC TEZ 边缘可用区 VPN/ 专线 专线 边缘节点 合作伙伴机房 客户机房 CDZ 专属 可用区 CDC 专有 集群 VPN/ 专线 公有云 1 ： 1 能力完全输送 倍以上 客户案例 - 树根互联 / 三 一 分布式云产品 II ： TCS Edge 在专网中的边缘场景下， 为客户业务的就近运行和云边统一管理 提供软硬一体的技术平台， 支持弱网管理、边缘自治等能力， 并 提供底层运维、监控、高可用能力， 可帮助客户实现在安全合规 要求下的， 在专网边缘的异构工作负载稳定运行 面向客户群 面向客户需求 产品优势 产品优势 • 软硬一体交付，

智慧商贸 新零售数智化 5g+AI+ 边缘计算 重构人货场数字化生态 1 行业发展分 析 3 应用场 景 2 方案架构设 计 新 零 售 数 智 化 4 典型案 例 CONTENTS 加入星球获取更多更全的数智化解决方案 l “ 十四五”规划明确指出 ，要加快 AI 网络部署 ，构建 AI 应 用场景和产业生态。工业和信息化部等九部门共同出 台 了《 AI 应用“扬帆 ”行动计划 注重消费 掘数据价 趋势 数字化 l AI 切片技术实现网络资源的灵活分配 ，满足智慧商贸中不同业务场景 对 网络的差异化需求 ，如高清视频监控、实时数据传输等。 l 边缘计算规模化部署 ，将计算能力下沉到网络边缘 ，减少数据传输延迟， 实现本地数据的快速处理 ，如实时客流统计、设备状态实时监测。 l 数据中台成熟应用 ，整合多源数据 ，为企业提供统一的数据视图和数据 分 析能力 ，支撑精准营销、运营决策等业务。 实时数据大屏 + 动态报表分析 用户体验 标准化服务 电子导览 + VR 全景 + 个性化推荐 营销效率 广撒网式投放 标签化客群 + 多渠道精准触达 智慧商贸新模式对比 1. 基础设施： AI + 边缘计算 + 物联网构建智能终端网络 2. 用户运营：全生命周期管理（从拉新到复购的数字化链路） 3. 场景创新： VR 购物、 AR 导航、 AI 客服等沉浸式体验 业主定位

Unit,MTU) 可设 置为 1 400。 2. 4 边缘云方案 该技术方案的云边协同总体架构如图 1 所示。 5G 全连接工厂建设场景主要基于机器视觉 AI 的 分析应用、AR 辅助装配等,针对工厂目前的设备、机 器、仓储、物流调度等业务需求及后续产业智能化升级 规划目标,采用边云协同的解决方案,边缘云采用信息 交换模式(Message Exchange Pattern Pattern,MEP)方案。 ·56· �N����65 ���� �0 ���� 边缘云部署 AI 推理应用,中心云用于模型训练。 中心云和边缘云之间通过智能边缘平台( Intelligent EdgeFabric,IEF)解决方案(见图 2)实现边云协同。 通过边缘云、中心云的协同,实现 5G 定制网络的 稳定时延接入能力、可靠性保障能力以及差异化隔离 能力,中心云资源将基于 传统的“Wi-Fi+ 有线”方式无法达到数据传输的要求。 同时,考虑到私 密性及低时延要求,本文采用“5G 专网+MEC” 方案, 用来传输各种数据、视频等。 其中,MEC 部署在苏州 电信机房,作为网络边缘计算平台,和公网演进型分组 核心网( Evolved Packet Core,EPC) 共用机房资源,专 网的控制面和业务面流量均与公网 EPC 隔离。 公网 用户接入新空口( New

算法部署 · 边缘 Al 算力支撑 6. 保障层：标准 与运维体系建设 · 标准规范制定 · 运维与评价体系 2. 网络层：低延 迟高可靠通信支撑 ·5G/CV2X 通信网络 · 边缘 - 云端互联 3. 数据层：全量 数据中枢建设 · 多源数据采集与融 合 · 数据存储与安全 3 、智慧路口总体架构 云计算 云平台 信号机 、检测器 信号灯 边缘计算 服务器 路侧 RSU ■ 智慧路口应用架 构 边缘计 算 智慧城市大 数据中心 公安交繁指 挥中心 交通运输局 指库中心 车辆 OBU ■ 逻辑架构 应用服务平台 运行监测 信号控制 事件监测 视频联动 应急响应 数据治 数据存 数据可 模型算 视觉识 语音识 自然语 高精地 交通事 交通流 驾驶行 安全 分 边缘计算应用 信号控制优化 诱导信息生 成 安全警告信息生成 视觉智能识别 雷达视频融 合 车道控制器 可变标志 RSU 边 云 ' 1 、 Al 全域感知与数据采集系

大模型、视频分析、数据融合）.............................................................................20 2.3 系统部署模式（云端+边缘计算）................................................................................................ 万小时标注数据的本地知识库建设，第二阶段（3 个月）通过 P- Tuning 实现领域适配，第三阶段（持续优化）建立动态更新的模 型微调机制。当前制约因素主要存在于数据合规使用层面，需建立 符合《网络安全法》要求的边缘计算架构，某省级公安部门的部署 经验表明，采用联邦学习技术可使数据不出域的同时保持模型 95% 的原始性能。未来 12 个月的技术演进将重点突破轻量化部署难 题，目标是在警务通移动终端实现 20fps 算法和硬件 条件设计，采用模块化架构确保可分期实施。 2. 系统总体架构 系统总体架构采用分层模块化设计，通过多级数据流转与智能 分析实现警民协同治理与视频数据的实时处理。整体分为数据采集 层、边缘计算层、云端分析层和应用服务层，各层之间通过标准化 API 接口与安全加密通道进行数据传输，确保系统的高效性与可靠 性。 数据采集层由前端感知设备构成，包括治安摄像头（1080P 及 以上分辨率占比

电力设备运维专家问答算法 驴 世速且 忙 ca 11737 s ou 面向电力场景的大模型边缘计算技术开发 大量电力设备终端互联 更高的数据安全要求 场景边缘 计算要求 多种传感器数据协同处理 更快的响应要求 要求 电力大模型推理加速技术 技术体系 国产边缘计算设备推理框架 基于国产计算设备的电力大模型训练技术开发 HYGON 国产计算 设备 海 专业性要求高 要求 基于国产计算设备与电力大模型应用要求开发针对性的高效训练算法 电力通用大模型的开发需要基于国产计算集群开展软硬件协同优化，满足电力大模型的应用要求； 电力场景需要基于边缘计算的大模型部署方法，亟需开发相应的应用技术。 开发基于国产硬件设备搭建电力大模型应用体系 12/42 背景 4—— 自研电力大模型意义重大 ( 应用层 面 ) 真实电力场景部署应用 电力大模型轻量化技术 持 分 混合立体并行训练方案 2 模型构建：电力通用大模型研发 多模态数据统一编码器 电力通用大模型 4 部署应用：电力大模型轻量化与边缘计算部 署 实 时 交 互 模 块 检 素 增 强 模 块 工 具 调 用 模 块 模 态 对 齐 模 块 - 提供 部署 模型 提供模型 数据去重 敏感词去除 有兹督训练 人类偏好对齐

平台构建工厂级与行业级的 工业数据大脑，提供智慧决策 服务。 边缘数据层 系统采用新一代设备物联技术，结合大量的人 机交互手段， 保证了离散制造业场景中种类繁多的 全生产要素的数据标 准 化。 三个维度构建工厂全数字化的解决方案 18 个标 准 模块 77 项标 准 功能 边缘数据层 物联数据采集 全 生 产 要 素 的 数 据 标 准 化 生 集中控制室 各种 车间看 板 · 覆盖 9 5 % 以 上工业设备的数据采集； · 内置 1000+ 工业通讯协议； · 支持边缘数据计算处理，时延不超过 3 ms ; 以太网、 5G 、 WIFI 网路基站 防火墙 交换机 17 寸电阻屏 集成读卡器、扫码枪 · 支持本地保存，保证数据完整性。 打印机 扫码枪 二维码 SHUYILINK 双数据 服务器备份 无线网络 边缘数据层 | 现场示 例 SHUYILINK 智能终端 PAD PDA 智能手表 婴数驱 成型设备 加工设备

正处于向智能泛在云转型的关键时期。天翼云作为国家云基础设施建设与服务提供的主力军，既要满足 海量的内部业务（如智能客服、智能运维、用户行为分析）与外部用户（如中小微企业 AI 建模、智慧城 市边缘智能计算等）对 GPU 算力的多样化需求，又面临着传统云计算服务模式下 GPU 算力供给的多重 瓶颈。基于当前流行的 Serverless 编程范式，各大云计算厂商纷纷推出了基于函数即服务 FaaS（Function- 应用正在加速普及，针 对传统云计算 GPU 资源 供给模型存在的粗粒度 分配、弹性能力不足以及 运行成本高昂等问题，业 界正在探索面向智能应 用的 FaaS 平台技术来满 足中小模型推理、边缘智 能等“泛在化、动态化和 碎片化”的 AI 算力需求。 OSDI SOSP ASPLOS EuroSys ATC • GPU 云函数沙箱：阿里云和 Microsoft 陆续推出了面向 与不可抵赖审计能力 [125]。 容器安全研究的核心在于应对其共享内核模型带来的固有风险。容器被广泛部署用于在共享计算基 础设施上打包、隔离和复用应用程序，但其安全保障依赖于操作系统。在真实云和边缘计算场景中，容器 可能部署在管理员权限不可控的主机上，宿主操作系统一旦被攻破或被恶意操控，传统的容器隔离机制 就会失效。为此，有研究提出了一种突破传统假设的容器安全模型：即容器运行时不再默认依赖宿主机

基础和安全基础四个重点方面，构建统一技 术语言、统一逻辑架构、统一业务语言和统一知识基座。 5.2.4 物联能力应评估企业工业边缘/网络能力、数据采集和生产/运营管控的情况。工业边缘/网络能 力重点评估企业新型网络覆盖情况，以及工业互联网标识解析的使用情况、边缘计算节点数量等。数据 采集重点评估数据采集自动化率、数据采集颗粒度和数据采集更新频率等。生产/运营管控重点评估企 业智能生产及运营管控情况、产品全生命周期可追溯等方面。 系统化管理体系融合（两化融合管理体系） 数据基础 数据标准化（统一知识基座） 元数据管理 安全基础 网络安全基础资源库 信息系统安全 数据安全 运营系统安全 物联能力 工业边缘/网络能力 新型网络覆盖率 边缘计算节点数量 数据采集 数据采集自动化率 数据采集颗粒度 数据采集更新频率 生产/运营管控 数字化财务管理能力 DB FORMTEXT 31 FORMTEXT XXXX 数据基础 数据标准化（统一知识基座） 数据治理能力成熟度评估 安全基础 网络安全基础资源库 信息系统安全 数据安全 运营系统安全 物联能力 工业边缘/网络能力 新型网络覆盖率 工业互联网标识解析的使用率 边缘计算节点数量 数据采集 数据采集自动化率 数据采集颗粒度 数据采集更新频率 生产/运营管控 数字化研发率 DB FORMTEXT 31 FORMTEXT XXXX

工厂 5G+ 边缘云  5G: 高可靠 / 低时延 / 海量连 接  Machine to Machine  边缘计算： ― 低时延 / 节约带宽 ― 化整为零 / 降本增 效 ― 算力 + 边云协同  网络安全 + 数据安 全 …… 行业云 智能制造  决策层： AI+ 大数据实现设备管理，产 品管理和服务管理。  设备层 ― 设备： 5G+ 边缘计算连 接工厂 和监控等场景的边缘计算应用核 心能力。 5G 在生产制造中的应用—— 5G 的主要应用场景  传感器  设备升级  原料 / 部 件  制造 / 装 配  仓储 / 物 流 …… 数字化改造 边缘云应用 智能制造 10 工艺 质量 装配 岗位 区域 … 5G  5G 网络宏微结合灵活覆 盖  采集设备接入 5G 网络 边缘云  分流采集数据至边缘计算平台 分流采集数据至边缘计算平台  边缘计算平台按需配置加速硬件  软件分布式部署在边缘计算平台  如采用集中管理模式，需要与中心云的 管理平台互联 中心云  支持集中管理模式 边缘计算平台协同 前端 UI 按场景提供交互界 面。 支持图片及视频采集。 支持每个采集设备单路或多路 识别。 图片视频处理，标记和上报。 数据存储查询。 AI 核心能 力。 Web 服务 提供数据查 询呈现能力