对不同措施可能救援效果的推演能力 满足国家要求个性化预案的生成能力 次生衍生灾害处置等复杂任务的调度能力 IT 引 擎 ● 大数据治理平台 ·E GIS 多智能体协作 多智能体协作提升公共安全能力 构建大模型、深度挖掘小模型与技术方法能效，通过多智能体协作将大模型，灾害仿真模型、公共安全推理模型 、平台工具等多源能力进行融合，实现公共安全领域的数据分析、推演、内容生成与业务调度等能力。 “ 谊昆”大模型服务应急业务全场景

.......... 18 （一） 国际视角：技术引领与生态开放并行.................................................19 （二） 国内发展：多主体协同与自主生态构建.............................................20 五、 AI 计算节点未来趋势............................ 件-生态”综合体系竞争的关键跃迁。国际竞争围绕生态主导权展开， 呈现出技术垄断与开放协作两条路径。国内 AI 计算产业立足自身市 场条件与发展需求，探索出一条通过系统级架构创新弥补单点短板， 以开放兼容策略融入国际主流，借多主体协同加速构建自主生态的特 色发展路径，推动产业生态从“可用”到“好用”的稳健升级。国内 外 AI 计算节点产业生态对比如下： 表 1 国内外 AI 计算节点产业生态对比 对比维度 国际产业生态 通过联盟等形式深度合作。 来源：IDC，中国信息通信研究院 （一）国际视角：技术引领与生态开放并行 AI 计算节点作为支撑 AI 训练和推理的核心基础设施，产业生态 围绕生产类与应用类两类核心主体协同构建。生产类企业聚焦硬件研 发、标准制定与设备供应，筑牢计算节点底层支撑体系。应用类企业 侧重计算节点架构下的算力部署、场景落地与服务输出，加速技术商 业化转化。 1.生产类主体：筑牢技术壁垒、主导标准制定

用户可以 前往首页体验 H5 和网站开发。作为国内首个对话式应用开发平台，秒哒以"无代码编程+多智 能体协作+多工具调用"的技术组合，彻底颠覆传统开发流程。据了解，用户仅需通过自然语言 描述需求，即可自动生成完整功能代码，实现“3 分钟生成+1 小时迭代”的极致开发体验；“智 能体协作矩阵”内置十余个垂直领域智能体，用户可根据任务需求动态调整策略和行为，灵活 组建不同技能的虚拟开发团队；

以计算加速迈进智能化未来 ⸺IDC新一代云基础设施实践报告 趋势：云服务能力持续跃升，加速企业数智化转型与创新 01 目录 1.1 技术全面升级，为复杂的企业在线业务提供保障 1.2 软硬一体协同优化，应对AI时代激增的数据冲击 1.3 持续的融合创新，助力企业的国际化布局 挑战：企业多元业务需求与海量AI数据的冲击 02 2.1 在线业务面临性能与效率的极限挑战 �.� AI数据处理与计算协同的复杂度激增 构，结合对数据布局的优化，提供贴合不同在线业务需求的个性化存储服务，例如低时延块 存储（数据库多副本场景，<0.1ms延迟）、高带宽弹性盘（大数据单副本场景，吞吐量达 ��Gbps）、高速临时存储等。 1.2 软硬一体协同优化，应对AI时代激增的数据冲击 AI预训练和推理过程需要存储和预处理海量的多模态数据，数据向量化趋势也非常显著，为保障 AI应用特别是中小模型推理和传统AI搜推场景的实时响应，云基础设施也在架构层面做出了持续

但获得实时性的同时也损失了泛化性. 未来 一个可能的研究方向是使用大模型高层规划 + 小 模型底层控制的方式规避推理速度的问题, 或是对 模型本身进行剪枝、量化等优化操作[139]. 3) 具身多智能体协同. 面对现实世界中诸如灾 难救援、智慧城市管理、群体机器人协作等高度复 杂的任务, 单一具身智能体往往难以有效应对, 如 何设计有效的通信与协调框架, 使各具身智能机器 人之间高效沟通并综合各局部信息进行整合决策将 大模型的引入极大增强了具身智能的感知精度、 理解深度、规划智能及数据利用效率, 使其在家庭 服务、医疗、教育、工业等领域的应用前景广阔. 然 而, 挑战依然存在, 包括真实数据稀缺、实时推理、 多智能体协同等挑战仍需持续探索与优化. 在可预 见的未来, 融合基础模型的具身智能系统将更深入 地融入人类生活. References Turing A M. Computing machinery

括项目背景介绍、目标设定、初步预算安排以及各参与方的角色与 责任划分。 接下来，组建一支具备多元技能的团队是项目成功的关键。团 队通常包括项目经理、技术专家、数据分析师、造价工程师以及法 务和财务顾问。项目经理负责整体协调，确保项目按计划推进；技 术专家负责模型优化与技术支持；数据分析师则专注于数据处理和 模型验证；造价工程师提供行业专业知识和实践指导；法务和财务 顾问确保项目合规性和资金管理。 团队的职责分工应明确，并以任务列表形式呈现：

计划是确保项目顺利推进、按时交付和高质量完成的关键环节。首 先，项目团队需明确组织结构与职责分工，设立项目经理、技术负 责人、质量控制专员等核心角色，确保每个环节都有专人负责。项 目经理负责整体协调与进度管理，技术负责人专注于系统架构设计 与技术实现，质量控制专员则监督各阶段成果是否符合预期标准。 项目启动阶段，需制定详细的项目计划，明确项目里程碑与关 键节点。项目周期可划分为需求分析、系统设计、开发实现、测试

传感器数据：包括地震传感器、火灾探测器等传感器反馈的数 据，这些数据可以与视频数据结合进行多模态分析，提升事件 识别的准确性。 接着，对于数据输入方式，主要包括：  数据流录入：对实时监控视频采取连续录入的方式，采用流媒 体协议（如 RTSP）进行高效传输，确保数据及时进入分析系 统。  批量数据导入：社交媒体或无人机拍摄的视频和图像以批量形 式上传，使用 API 或 FTP 设施定期导入数据，使系统能够定 时获取外部信息。

in Multi-agent Coordination[M]. MIT Press, 2021. ISBN: 978-0-262- 04312-5. 6. 刘洋, 陈刚. 基于深度学习的多智能体协同控制系统[J]. 自动化 学报, 2020, 46(7): 1345-1358. DOI: 10.16383/j.aas.c200123. 7. Johnson, M., Taylor, S

随着审计行业数字化转型的加速，DeepSeek 等 AI 技术的深 度应用将重塑审计工作的全流程。未来 3-5 年，智能体技术将在三 个关键方向实现突破性进展：首先是审计作业模式的根本性变革， 通过构建多智能体协同系统，实现从抽样审计向全量审计的平滑过 渡。每个审计项目将形成由数据分析智能体、风险识别智能体、底 稿生成智能体等组成的自治网络，通过动态任务分配实现 7×24 小 时不间断作业，预计可使单个项目周期缩短