践行深度用云 主机上云 运维现代化核心能力 华为云计算技术有限公司 尚海峰 胡玉海 贡 青 刘征辉 林丽鑫 支新辉 王 飞 徐 俊 郭晓征 耿丽丽 马晓明 毛明强 张志炯 张 毅 王进行 马 韬 石 松 黄征彬 熊洪槐 钱 沛 秦丹涛 张瀚文 主机上云带来的运维新挑战 05-08 1.1 挑战1：如何基于应用视角设计高可用上云方案与高可靠运维保障方案 1.2 挑战2：云平台技术栈快速增厚，如何有效进行全链路可视监控 1.3 挑战3：云网深度融合，如何快速发现、定位、恢复问题 11.4 挑战4：如何应对运维安全与租户安全的双重挑战 主机上云带来的运维新挑战 挑战1：如何基于应用视角设计高可用 上云方案与高可靠运维保障方案 主机上 剑，在助力业务快速发展、快速创新的同时，也带来 了系统技术栈复杂度的急剧提升，给传统的IT运维方 式带来巨大冲击。 例如，应用的微服务化改造，带来微服务数量的指数 级增长，应用的调用层次和调用关系变得冗长；分布 式云原生的深度应用，使得业务链路更加复杂。当上 层业务应用出现故障时，排障过程可能涉及从应用到 网络的完整链路，这其中包含业务应用、云服务实 例、云基础设施和服务器、网络、存储等物理设备。 典型的业务流量路径如：应用>容器>PaaS实例>虚

全栈优化 软硬协同释放DCU 澎湃算力性能 DCU：全面兼容主流生态 / FULL ECOSYSTEM PROFILE 类CUDA API的 开源软件开发平台 原生支持多种加速库 及各类深度学习框架 提供完整的开发、 迁移、编译、调试工具 支持容器化工具 大规模部署 支持Kubernetes 和Slurm调度系统 功能健全的DCU软件栈 性能分析工具 主流HPC应用 Gromacs/VASP 当前函数功能 覆盖率 96.95%（15个半精接口 CUDA已标记为废弃 扩展组件层 支持并行解码/高版本组件/性能优化 框架工具层 全系列产品兼容/支持主流AI生态框架 基础算子层 支持深度算子融合/算子优化等操作 快速适配工具 FastPT AI框架 PyTorch/TensorFlow/JAX/Paddle/� 精度检测工具 LayerCheck 图优化组件 GraphRay 海光与天翼云联合推出基于海光DCU的智算一体机，通过整合天翼 云翼政通等智能AI应用、云管平台以及推理管理平台，支持接入主流 大模型驱动定制化功能，结合主流大模型实现一站式快速交付。 性能卓越：海光DCU与天翼云智能AI软件深度协同，满足复杂业 务场景需求，带来精准高效的AI应用体验。 灵活拓展：海光DCU全面兼容主流AI框架，推动业务快速上线， 并为客户自主研发预留弹性算力空间。 安全自主：采用海光DCU+CPU的全国产化方案，为私有化部

黄莺、路斌、郑峰、张昕、李光新、成思敏、李云帆、 鞠武军、谢怡珺、林叠守、姜熠龙、王庆、乔骥、王梓博、李鑫、 陈康翔、李震中、李海斌、何波、辛静清、乔琪、王博文、李亚琦 等 引 言 当前，全球数字化浪潮与国家战略布局深度协同，共同驱动软 件工程领域迈入智能化转型的关键跃升期。从《新一代人工智能发 展规划》确立“三阶段发展目标”的宏伟蓝图，到《数字中国建设 整体布局规划》构筑“2522”整体实施框架，央地协同的政策体系 持续强化，为技术自主创新与产业智能化升级注入了强劲的驱动力。 智能化时代，以大语言模型驱动的智能代码生成、生成式人工 智能赋能的辅助设计以及智能化测试与智能运维工具链为代表的前 沿技术变革，正以前所未有的深度和广度，系统性地重构软件工程 的方法论、工具链与实践范式。软件工程已超越其传统边界，跃升 为支撑数字经济高质量发展、驱动千行百业转型升级不可或缺的核 心基础设施。然而，面对工具生态割裂、工程链路协同不足、垂直 展等方面梳理数字化浪潮下软件工程智能化的变革背景；第二章聚 焦软件工程智能化初期实践，系统诊断当前面临的关键瓶颈；第三 章针对上述痛点，提出智能化标准体系总体架构；第四章围绕关键 领域展开深度分析；第五章总结软件工程智能化未来发展趋势，为 产业智能化升级提供系统性指引与行动思路。 目 录 一、 背景引入：数字化浪潮下的软件工程智能化变革需求 ................ 1 （一）

整、颠覆性技术的加速渗透以及市场动态的深刻演变在此交汇。在这 个全新的时代，企业与客户之间的关系已不再是线性的、可预测的流 程，而演变为一个复杂、动态、多维的生态系统。对于正在经历从高 速增长向高质量发展转型的企业而言，构建深度、智能且富有韧性的 客户关系，其紧迫性与重要性达到了前所未有的高度。 在此背景下，作为企业销售、服务与营销运营基石的客户关系管 理（Customer Relationship Management 响评估。这些法律法 规实质上确立了强制标准：任何 AI CRM 解决方案均须在产品架构与 功能设计环节遵守相关隐私和安全设计原则。这不仅是法律要求，也 是构成客户信任的基础。对于企业而言，选择深度整合合规能力的 AI 智能驱动增长：人工智能客户关系管理系统研究报告（2025 年） 3 CRM 平台，已从单一的技术选型问题，升级为核心的风险管控与业 务连续性战略。构建可信赖的合规性平台，既能有效规避法律合规风 直接服务于“新质生产力”的培育，助推企业 实现生产效率的整体跃升。在政策的东风下，企业有更强的动力和更 多的资源去投资于那些能够显著提升运营效率、优化客户体验、驱动 业务增长的智能解决方案。将 AI 能力与企业核心业务流程深度结合 的 AI CRM 平台，恰好切中了政策鼓励和企业需求的结合点，拥有更 加广阔的市场前景。 综上所述，政策与法规的双重作用力，正在深刻地塑造 AI CRM 市场的格局。严苛的合规要求，实际上是进行了一轮市场筛选，淘汰

.....................................................................................18 2.2.2 客户洞察深度................................................................................................... CRM 系统的功能更加强大，为企业带来更大的商业价值。 1.2 大模型在 CRM 中的潜力 在客户关系管理（CRM）领域，大模型的引入为解决传统 CRM 系统中的痛点提供了全新的可能性。通过深度学习和大规模 数据处理，大模型能够从海量的客户交互数据中提取出有价值的信 息，进而优化客户体验、提高销售转化率和增强客户忠诚度。首 先，大模型能够实现对客户行为的精准预测。通过分析历史数据， 价值。随着技术的不断进步和数据积累的增多，大模型在 CRM 中 的潜力将得到进一步释放，为企业带来更多的竞争优势。 1.3 DeepSeek 大模型的简介 DeepSeek 大模型是一种基于深度学习的人工智能模型，专为 客户关系管理（CRM）领域设计，旨在提升企业客户互动的智能化 水平。该模型通过在大规模数据集上的预训练，能够理解和生成自 然语言，具备强大的文本分析、情感识别和对话生成能

多挑战。在这一背景下，引入 DeepSeek 应用方案，不仅能够有效 提升中医药健康产业的技术水平，还能为其创新发展提供强有力的 支持。 DeepSeek 作为一种先进的人工智能平台，具备强大的数据处 理能力和深度学习算法，能够从海量的中医药文献、临床数据和患 者信息中提取有价值的洞察。例如，通过对中医经典文献的智能分 析，DeepSeek 可以帮助研究人员快速识别潜在的药效成分和治疗 方案，从而加速新药的研发进程。此外，在临床应用方 服务流程。 在实施过程中，DeepSeek 的应用方案将遵循以下关键步骤： - 数据采集与整合：整合中医药文献、临床数据和患者健康记录， 构建统一的数据平台。 - 智能分析与挖掘：利用深度学习算法，挖 掘数据中的潜在规律和关联关系，为研究和决策提供支持。 - 系统 开发与部署：开发基于 DeepSeek 的中医药智能诊断和健康管理系 统，并在医疗机构中推广应用。 - 效果评估与优化：通过实际应用 助 AI 技 术对中医药文献进行深度挖掘，可以为中医药的国际化推广提供强 有力的理论支持。此外，通过构建智能诊疗系统，提升中医药在临 床中的应用效果，推动中医药与现代医学的深度融合。总之，引入 DeepSeek 应用方案，将有助于中医药健康产业在新时代背景下实 现高质量发展。 1.2 DeepSeek 技术简介 DeepSeek 技术是一种基于深度学习和自然语言处理的先进人 工智能

客户的自然交互，大幅提升客户服务体验。例如，智能客服可以通 过上下文理解客户需求，提供个性化建议，从而降低人工客服的工 作负担。此外，AI 大模型在预测分析方面表现卓越，通过对历史数 据的深度学习，能够预测市场趋势、客户行为以及潜在风险，帮助 保险公司制定更科学的决策。 在具体应用场景中，AI 大模型可以实现以下功能： - 智能核 保：通过分析客户的多维度数据，自动生成风险评估报告，缩短核 的持续增长和创新。 2. 保险公司 AI 大模型应用概述 保险公司行业场景 AI 大模型应用概述 在保险公司行业中，AI 大模型的应用正逐步成为提升业务效率 和客户服务质量的关键驱动力。这些大模型通过深度学习、自然语 言处理和计算机视觉等技术，能够处理和分析大量复杂的数据，从 而为保险公司提供精准的决策支持和智能化的服务体验。 首先，AI 大模型在保险产品设计和定价中发挥着重要作用。通 过分 这种技术不仅减 少了人工客服的工作负担，还能够提供 24/7 的全天候服务，显著 提升客户满意度。 其次，AI 大模型在风险评估和定价方面具有显著优势。通过对 历史数据、市场趋势和客户行为的深度分析，模型能够精准预测风 险，并动态调整保险产品的定价策略。例如，在车险领域，AI 可以 通过分析驾驶行为、车辆使用情况等因素，为不同客户提供个性化 的保费报价。 在理赔处理方面，AI 大模型可以通过图像识别和数据挖掘技

害救援功能、智慧 物流功能等对于视频的需求，采用了以光流场分析技术为基础的智慧视频用于目标 检测、目标识别和行为预判，为提高行为检测和分析的准确程度，设计了基于卷积 神经网络的学习机用于系统的深度学习和在线升级，完成了智慧视频为多项功能服 务的目标，实现信息的互联互通。 文章所采用的 ZigBee 技术很好地解决了智慧园区对于海量无线传感数据的采集 和传输问题，并利用智慧视频技术实现的行为检测和识别功能用于多项服务，以这 ··········································· 49 5.4 基于深度学习的智能系统扩充及升级·······························································52 5.4.1 基于深度学习网络的基本技术架构····························································52 因此，如何利用 ZigBee 技术具有的无线传感节点增删灵活、无线传感组网种类多、 节点容量大、能耗低、传输距离远等优势进行无线传感网络设计是文章拟解决的关 键技术之一。 4）设计智慧视频的算法和深度学习机的算法问题。随着科技的发展和技术的进 步，智慧园区会安装越来越多、越来越清晰的视频采集设备，而这些视频数据在多 个功能子系统的共享调用有利于管理者的集中管理和决策指挥，同时这些摄像头还

符合岗位需求的候选人，已成为人力资源管理的核心挑战之一。传 统简历筛选方法主要依赖人工阅读与判断，不仅耗时耗力，还容易 因主观因素导致筛选结果的不一致性。随着人工智能技术的迅猛发 展，尤其是自然语言处理（NLP）和深度学习（Deep Learning） 的突破，基于 AI 的简历筛选工具逐渐成为人力资源领域的新兴趋 势。其中，DeepSeek 作为一种先进的 AI 技术，具备强大的文本 分析与语义理解能力，能够自动化地处理海量简历数据，并从中提 模数据集，DeepSeek 可以识别简历中的技能、经验、教育背景等 关键要素，并基于预设的岗位需求进行匹配评分。其算法不仅能够 处理结构化数据，还能对非结构化文本（如自我评价、项目描述） 进行深度分析，从而全面评估候选人的综合素质。此 外，DeepSeek 还具备自我优化能力，能够根据 HR 的反馈不断调 整模型，提升筛选的准确性。 引入 DeepSeek 进行简历筛选的可行性主要体现在以下几个方 读，而 DeepSeek 可以在短时间内处理数千份简历，显著缩 短筛选周期。 2. 客观性增强：AI 系统基于数据驱动，避免了人为偏见的影 响，确保筛选过程的公平性与一致性。 3. 精准匹配：通过深度学习算法，DeepSeek 能够更准确地识别 候选人与岗位的匹配度，减少误筛或漏筛的情况。 4. 成本优化：虽然初期投入可能较高，但从长远来看，自动化的 筛选流程可以大幅降低人力成本，提升整体招聘效率。

入中国政府工作报告 1.1 人工智能概念 人工智能（ AI ），即人工打造的智能，旨在通过研究人类 思维方式，归纳人类思考规律，是计算机通过深度学习，能够模 仿人类的思考方式，实现人脑的部分功能，替代人脑解决特定问 题。 —— 深度学习：机器学习的一种，通过模式分析方法，建立能够模拟忍耐进行分析学习 的神经网络，实现机器智能化 1.2 AI 系统特征 （ 1 ）自适应和自我学习 与大数据：大数据类似于大脑中的记忆和存储的海量知识，是学习的原料  AI 与云计算：云计算充当大脑，完成对知识进行消化、吸收及再造的任务 1.3 云计算、大数据与 AI ※AI 离不开大数据，更需要云计算来完成深度学习 1.4 人工智能分类 （ 1 ）弱人工智能：突出人工智能的工具性，借鉴人类的某些智能行为，减轻人类 在某些领域智力劳动的负担 （ 2 ）强人工智能：强调“人造智能”，意在研发出具有心智和意识，能够按照其心 发展的基础，主要包括芯片、传感器、 算法、大数据等，其中大数据、计算能力和算法被视为拉动 AI 发展的三驾马车，缺一不可。  大数据： AI 发展的基础，是计算机模仿人类思考所需的“原材料”。优质的数据能够 提高深度学习效率，构建“护城河”，如科大讯飞的方言数据  计算能力：衡量计算机硬件的性能，是 AI 发展的核心动力。现实应用中需要解决的具体 问题越来越复杂， AI 算法对硬件计算能力的需求近乎无止境