边缘新生 . 连接未来 火山引擎新 & 代边缘云解决方案 沈建发 火山引擎边缘计算高级产品总监 WWW.VOLCENGINE.COM Copyright 。 2022 北京火山引擎科技有限公司 A:: rights reserved. 应用前端载体移动化 截至 2021 年 12 月 , 我国使用手机上网的网民比例达 99.7% ——CNNIC 第 49 次《 中国互联网络发展状况统计报 信通院云计算白皮书 （ 2021 ） 现代 IT 应用架构演 进 多终端模式 中心云部署 单机模式 单点部署 集群部署 云边部署 CS 模式 BS 模式 5-40ms 超低时延，火山引擎边缘云助力极致体验 计算、网络 ( 加速 ) 、渲染、安全 更高清 更实时 更沉浸 需求驱动边缘革

在下一朵云上，解锁AI发展新动能 �.� 获得先进技术能力是当前企业选择下一朵云的首要核心驱动力 �.� 围绕AI构建多云能力的三大步骤 �.� 最佳实践 第五章 IDC建议 第六章 关于火山引擎 �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� IDC观点 当前，企业所处的发展环境正在经历深刻变革，新技术、新环境、新业务等 创新之路铺设坚实基石，其提供的灵活性与扩展性极大增强了对业务动态变化的 支持，确保企业能够在瞬息万变的市场中敏捷前行。这一系列价值凸显了多云策 略作为驱动企业数字化转型与持续增长核心引擎的关键作用： 多云战略成为企业推进全球化部署的催化剂与本地化服务的赋能引擎：在竞 争激烈的商业环境中，多云策略为企业提供了至关重要的全球化竞争优势。 尤其对于那些致力于提供全球化服务的企业来说，多云环境不仅是一种必要 的选择，更 旧，单机性能无法承载更多用户流量。 为应对以上挑战，沐瞳与火山引擎达成合作，基于服务器与网络相应服务，实现 了多云架构下东南亚区域的多云容灾，极大限度保障业务连续性，为玩家提供极 致游戏体验。 多云容灾，保障业务连续：通过将火山引擎云资源纳入企业业务层调度体 系，企业可在其他供应商出现故障时，实现流量无缝切换至火山引擎，从而 保障业务连续性。 海外网络，实现超低时延：针对东南亚市场，优化了主要运营商的网络延

*预警预测* 基于互联网搜索引擎的传染病监测 预警研究进展 黄思超1，刘魁2，蒋健敏2 摘要： 传染病监测预警是传染病防控工作的重要技术手段，互联网的快速发展与搜索引擎的普及应用为传染病的监测提供了 新的思路和方法。 本研究重点阐述了国内外研究者利用搜索引擎开展传染病监测预警的研究进展，为现有传染病监测预警系统 的完善和补充提供参考。 关键词： 传染病监测预警；搜索引擎；大数据；流行病学 中图分类号: 余年来我国的传染病监 测系统得到了快速发展，但仍存在一些不足，如监 测方法比较单一等［1］。随着互联网技术的飞速发 展，互联网搜索引擎的使用日益普及，产生大量的 电子数据，为传染病的监测预警提供了新的思路和 手段，该文基于国内外互联网搜索引擎的传染病监 测预警研究进展综述如下。 1 国内外主流搜索引擎发展 中国互联网络信息中心发布的第 36 次《中国 互联网络发展状况统计报告》显示：截至 2016 年 6 月，中国网民规模达 亿。我国搜索引 擎用户规模达 5.93 亿，手机搜索用户数达 5.24 亿。 网络搜索引擎可以帮助用户快速获取需要查阅的 信息，是第二大互联网应用。这从一个侧面反映出 搜索引擎对疾病监测的巨大潜力［2］。 国内外搜索引擎的种类多样，常用的有以下几 种。谷歌：是互联网公司谷歌的主要产品，被公认为 全球最大的搜索引擎。曾有媒体报道谷歌每天提供 超过 30 亿次查询服务。百度：于 1999 年底成立，是

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

AI 赋能央企数智化转型研究报告 ——迈向世界一流企业的智能引擎 2025 年 12 月 AI 赋能央企数智化转型——迈向世界一流企业的智能引擎 2 目录 第一章：AI 赋能央企数智化转型发展概况 ................................................. 4 一、AI 赋能央企数智化转型政策导向 一、AI 赋能央企数智化转型未来展望 ................................................. 40 AI 赋能央企数智化转型——迈向世界一流企业的智能引擎 3 前言 当前，全球正处于一场由人工智能引领的产业变革浪潮中，中央企业 （简称“央企”）作为国民经济的“顶梁柱”和“压舱石”，肩负着引领产 业升级、保障国家经济安全与战略发展的使命。其数智化转型不仅关乎自身 理复 杂性与市场创新敏捷性之间的深层矛盾。 当前人工智能作为一项前沿技术，其核心在于如何激活海量数据要素的 潜在价值，并转化为前瞻性的决策力与创新性的业务模式。是构筑未来核心 竞争力的战略引擎。 白皮书一方面展现了我司对央企数智化转型的深入研究，另一方面希望 能为央企数智化领域服务商精准找到突破央企的机会与切入点，本报告会重 点研究 AI（Artificial Intelligence

构建多技术融合的湖仓一体化平台 打造银行数据智核新引擎 陕西农信湖仓一体建设实践 数字化转型取得积极成效，形成数字金 融和科技金融、绿色金融、普惠金融、 养老金融协同发展的良好局面。 做好数字金融大文章 目录 项目背景 01 项目方案 创新点及技术实现特点 02 03 04 运营分享 01 项目背景 主要内容：立足自身实际与发展定位，制定推动陕西农信高 质量发展的数字金融战略框架。 Hudi 客户数据 账户数据 设备数据 交易数据 外部数据 架构优势 平台能力 1、支持灵活多样化的灾备方案 • 平台高可用性、健壮性提升 2、交互式查询、自助分析能力 • Hetu引擎跨湖仓交互式查询 • 标准JDBC接口，支持各类BI工具对接 3、管道式数据互通 • 数仓支持通过外表方式访问数据湖的数 据 • 数据初始化、历史数据归档更容易 4、元数据互访 • 仓模块直接访问湖模块元数据，打通数 技术实现特点 多源异构数据统一采集存储 • 搭载统一的数据采集工具，以 标准化方式接入多源异构数据； • 采用分布式存储技术，将数据 存储于数据湖内，打破数据孤 岛。 Hetu引擎实现数据协同 • 基于Hetu引擎，实现湖仓内 GaussDB、Hive、HBase、ES、 ClickHouse等海量异构数据的秒 级交互式查询。 DSG+Kafka+SparkStreaming+Flink+Hudi

2025年中国人工智能与商业智能 发展白皮书 AI驱动商业智能决策， 企业数字化转型的智脑引擎 China Artificial Intelligence and Business Intelligence Development White Paper 智能融合新纪元｜ AI 驱动 智能决策 企业数字化转型的智脑引擎与生态重构 2 ◼ 研究背景 随着数据成为企业核心生产要素，企 业对数据驱动决策的依赖日益加深， 业日益复杂的决策需求，其局限性日 益凸显。在此背景下，人工智能（AI） 与BI的融合成为发展趋势，人工智能与 行业智能（ABI）通过结合AI的自动化、 智能化能力与BI的数据分析能力，推动 商业智能向智能化引擎升级。 ◼ 研究目标 • 了解ABI的发展现状与代表产品 • 探析ABI当下的应用场景 • 挖掘ABI的行业实践与机遇 • 探索ABI的技术发展方向与落地领域 ◼ 本报告的关键问题 • 在数据接入、计算和模型搭建层，大模型提供强大的数据处理、计算支持及模型适配能力，能 够高效处理复杂数据集，支持多种数据源的集成和高效分析。 数据连接 数据库 文件 建模计算 数据建模 文件 搭建渲染 搭建引擎 渲染引擎 权限管理 数据权限 其他权限 12 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 AI赋能BI的核心价值分析 人工智能对商

........................... 5 2. 智能客服问答引擎介绍................................................................................................... 7 2.1 FAQ 问答引擎......................................... ......................... 7 2.2 任务问答引擎............................................................................................................. 7 2.3 图谱问答引擎...................................... ....................................................................... 8 2.4 表格问答引擎............................................................................................................ 8 3.