俱增。我们进入了一个计算力驱动创新的时代，这不仅影响着科技领域的演进， 更深刻地改变着社会的方方面面。目前，国家正按照“点、链、网、面”体系化 推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重 要标尺，相关研究工作意义深远。 随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 于算力、存力、运力以及发展环境本身，模型能力也成为决定人工智能深度赋 能的关键。 升，加速高质量 发展的新征程！ 邬贺铨 中国工程院原副院长 算力产业发展方阵指导委员会主任委员 综合算力指数 前 言 近年来，AI 快速发展。算力、存力、运力以及模型能力的协同 发展水平成为衡量地区数字竞争力的关键。算力支撑数据处理与计 算，存力保障数据的高效存储与调用，运力保障数据的跨域传输， 模型能力则深度释放算力在各场景的应用效能。如何更科学的评估 我国综合算力发展现状，全面把握区域产业短板与优势，成为推动 一步完善综合算力指数体系，新增“模力”分指数，优化评价指标。 整体上，从算力、存力、运力、模力、环境等维度衡量我国各省级 行政区的综合算力发展情况，并通过算力分指数评估全国各城市的 算力发展水平。 综合算力指数，河北省、江苏省、广东省、浙江省、北京市等 位居全国前列。其中，算力分指数方面，河北省、浙江省、江苏省 等全国领先；存力分指数方面，广东省、江苏省、河北省等表现优 综合算力指数

场格局中，这些无疑是一种核心的竞争优势。 我们对全球1000名企业高管的调研进一步 印证了这些关键战略举措的必要性。调研表明， 自主智能供应链正是价值创造的新高地。近三分 之二的受访企业计划在未来十年内大幅提升供应 链的自主化水平。 由此产生的财务效益十分可观。本次调研的 受访企业预计，息税及摊销前利润（EBITA）有望 增长5%，已动用资本回报率则有望提高7%。在运 营层面，企业有望将订单交付周期大幅缩短27%， 术能够以前所未有的速度和效率协调复杂的决 策，众多供应链与技术领域的领导者对此深表 认同。 我们对1000名来自10个行业的首席级高管的 调研显示，未来十年内，近66%的企业将致力于全 面提升其供应链的自主化水平。其中更有约40%的 企业期望达到高级自主化，即由系统处理绝大多 数运营决策。 那么，这对企业员工而言意味着什么？我们 的研究表明，在自主智能供应链的生态系统中， 人力依然是核心要素。事实上，最高效的自主智� （完全自主）的指数体系中，供应链各项活动的自 主化成熟度中位数仅为16%（平均成熟度则为21%）。 预计在未来五到十年内，该成熟度中位数将大幅 提升至42%。 为了更深入地理解如何向更高自主化水平迈 进，我们将典型的供应链流程划分为9个集群和 29项具体活动（见图3）。例如，“生产制造”集 群便涵盖了生产加工、产品组装以及包装等活动。 随后，我们将受访企业各项活动的当前状态及预 期

言模型的知识获取与创新的原理之上，探讨了其在应急管理信息化建设中的应用，针对智慧应急中面临的建设困境以及业务系 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、 决策支持的应急大脑，从而实现整体业务系统智能化水平从感知智能到认知智能的提升。 关键词 大语言模型，智慧应急，知识管理，应急大脑 引用格式 龚晶，黄欢. 基于大语言模型技术的智慧应急应用：知识管理与应急大脑 报 径，使其适应人工智能大模型时代的治理要求。 本文在分析大语言模型的知识获取原理与知识 创新的潜能之上，探讨了其在应急管理信息化建设 中的应用前景，针对当前智慧应急中面临的挑战以 及业务系统智能化水平的局限，提出了基于大语言 模型技术重构智慧应急的知识管理模式以及应急大 脑的概念框架，为应急管理信息化建设提供了新的 视角和技术路径。 1 大语言模型原理 大 语 言 模 型 通 过 词 嵌 入（word 开 始 涌 现 某 些 能 力（emergent abili⁃ ties）[5]，不仅能够理解和生成自然语言，还具有抽象 和推理的能力[6]，能在艺术创作、代码编写、科学研 究等多个领域展现出类似人类水平的创造力。这些 能力的涌现，使得知识创新不再受限于个体的认知 和经验，能够打破学科和专业的壁垒，加速知识的 融合和创新，预示着知识生产方式正在经历一场深 刻的变革，将引领我们进入了一个人机协作的知识

1 饮食习惯调查.............................................................................22 2.2.2 营养知识水平评估......................................................................23 3. 数据采集与整合............. 用户基础代谢率与活动量数据（通过智能设备实时同步） - 连续 72 小时膳食记录（支持图片识别与手动补充） - 血液检测关 键指标（如空腹血糖、血脂四项等） - 用户主观反馈（包括饱腹 感、精力水平等 1-10 级评分） 典型用户数据分析显示，平台可使营养干预方案的有效执行率 从传统方式的 43%提升至 81%，关键指标改善周期缩短 30%。这 种提升主要得益于三个技术突破：动态营养缺口算法能实时计算 3 优化营养摄入的目标 优化营养摄入的目标在于通过科学的数据分析和个性化建议， 帮助用户实现更均衡、精准的饮食管理，从而提升整体健康水平。 具体而言，该目标可分为以下几个方面： 首先，基于个体差异制定动态营养方案。通过分析用户的年 龄、性别、体重、活动水平、健康状态及生物标志物（如血糖、胆 固醇等），平台会生成符合其实际需求的宏量营养素（蛋白质、脂 肪、碳水化合物）和微量营养素（维生素、矿物质）分配方案。例

临着设备老化、技术不足等问题。系统的老化不仅会导致故障频 发，还可能对乘客的安全隐患造成威胁。 为了应对这些挑战，各城市正在积极探索和应用新技术。其 中，人工智能（AI）作为现代科技的代表，对提高城市轨道交通的 管理效率和服务水平具有极大的潜力。AI 技术能够实现对客流预 测、设备监测、线路优化等多方面的智能化管理，有望在降低运营 成本、提升服务质量方面发挥重要作用。 以下是城市轨道交通行业现状的主要特点：  高成本： 安全风险评估与管理：利用 AI 大模型进行实时监控和数据分 析，提高安全管理的精确性和响应速度，帮助运营方快速应对 突发情况。 通过对以上应用的深入实施，城市轨道交通行业可以显著提升 服务水平和运营效率。借助 AI 大模型的强大功能，行业内还可以 实现智能化、精细化的管理，为未来的城市交通发展提供坚实的技 术保障。 1.3 本文目标与结构 本文旨在分析并指导城市轨道交通行业如何有效应用 动和系统整体性能的影响。 6. 执行操作：依据评估结果，调度员实时调整列车进出、停靠策 略，提高服务水平。 通过上述过程，可以有效提升城市轨道交通的服务质量，并在 面对突发状况时迅速作出反应，从而确保运输系统的高效运转和乘 客的满意度。这种以 AI 大模型为核心的实时数据分析与决策支持 方案，不仅增强了城市轨道交通的智能化水平，还为未来的可持续 发展奠定了基础。 2.1.2 预测客流量与车次安排 在城

U芯片 生态体系的建设，包括从芯片设计、制造到封装测试的全流程加速推进。华为、寒武纪、摩 尔线程、景嘉微、海光信息、沐曦科技、壁仞科技、燧原科技等企业通过加大研发投入、优化 生产工艺、提升测试水平等措施，在GPU设计、制造和封装等环节均取得显著进步，国产芯 片在性能、功耗、成本等方面不断取得突破，与国际巨头的差距不断缩小。 软件、系统、框架不断完善，除硬件层面的提升外，国产芯片还注重与软件、系统、框架 OpenAI的GPT-4、谷歌的Gemini、Mistral AI的Mistral、xAI的Grok-1等主流大模型都采用 了MoE架构，通过将不同的任务分配给不同的专家子网络，实现了用更少的计算量和内存 需求来实现同样的智能水平。 （4）端侧模型 端侧大模型作为人工智能领域的重要分支，其核心优势在于能够直接部署于智能手 机、个人电脑等终端设备之上，为用户提供高度个性化且即时响应的智能服务体验。鉴于 端侧环境的资源有 等。通过训练 大模型，可以实现医疗数据的智能化分析和管理，提高医院的管理水平和运营效率。 1.1.4.4 医疗健康进入新时代 �� （3）医学影像 在医学影像领域，大模型被用于辅助医生进行疾病诊断和治疗。通过训练大模型，可 以实现对医学影像的自动分析和诊断，提高诊断的准确性和效率。这种能力对于提高医疗 水平、保障患者健康具有重要意义。 2024年，大模型浪潮正式迈入应用深化与广泛落地的关键阶段。在保险行业，大模型

析，人工智能能够快速处理海量健康数据，为用户提供个性化建 议，同时优化资源分配。以下是当前主要的应用场景和具体实现方 式： 数据驱动的个性化营养方案 人工智能通过分析用户的生理指标（如 BMI、血糖水平）、饮食习 惯和运动数据，生成动态营养建议。例如，基于用户每日摄入的宏 量营养素（蛋白质、脂肪、碳水化合物）和微量营养素（维生素、 矿物质），系统会通过算法模型推荐调整方案。以下是一个典型的 数据类型 分析目标 输出建议 膳食日志（文 本/图像） 识别营养缺口与过量 补充铁剂或减少钠摄入 可穿戴设备数据 计算每日实际能量消耗 调整碳水化合物与蛋白质比例 血液检测报告 关联营养素水平与慢性病风险 增加 Omega-3 摄入以降低炎症指 标 自动化健康监测与预警 人工智能系统可实时监测用户数据，触发异常预警。例如： - 连续血糖监测（CGM）数据异常时，自动推送饮食调整建议（如 平台个性化营养方案生成的 核心环节，通过多维度数据融合与机器学习算法，为用户提供精 准、动态的膳食指导。系统首先整合用户的基础生理数据（如年 龄、性别、BMI）、代谢指标（血糖、血脂等）、活动水平及健康 目标（减重、增肌或慢性病管理），并结合实时穿戴设备采集的卡 路里消耗、睡眠质量等动态数据，构建用户健康画像。 数据预处理阶段采用特征工程方法对异构数据进行标准化处 理，例如： -

作用的复杂 网络，维护生态平衡对人类生存至关重要。 2. 促进经济可持续发展：良好的生态环境提供了丰富的自然资 源，直接影响经济发展和社会进步。 3. 提升公众健康水平：改善环境质量对降低疾病发生率和增强国 民健康水平具有直接影响。 4. 应对气候变化：生态环保行动是应对全球气候变化挑战的重要 手段，可以降低温室气体排放，缓解全球变暖的问题。 5. 推动社会公正：环境问题往往与贫困和不平等紧密相关，生态 收 集空气质量数据，运用机器学习技术预测未来几天的空气质量变 化，为政策制定提供参考。 在实际应用中，智慧诊断的效果表现为：  通过构建生态环境综合信息平台，提升了生态环境管理的智能 化水平。  行政部门能够快速响应突发的环境事件，降低了环境风险。  企业在生产活动中能够实时监控排放情况，减少了对环境的影 响。  提高了公众的环保意识，促进社会各界对生态环境保护的参 与。 保领域发挥更加重要的作用。建立更为完善的多模态 AI 大模型， 将为生态环境的实时监测、分析及预测提供强有力的支持。通过推 动智慧诊断的普及应用，能够有效提升国家和地区生态环保的治理 能力和水平。 1.3 多模态 AI 大模型的简介 多模态 AI 大模型是近年来计算机视觉、自然语言处理及其他 人工智能领域的研究与应用热点。这类模型通过融合多种不同类型 的数据源，如图像、文本、语音和传感器数据等，能够实现更为全

处书面授权，不得以任何方式抄袭、翻译《实践指南》的 任何部分。凡转载或引用本《实践指南》的观点、数据， 请注明“来源：全国网络安全标准化技术委员会秘书处”。 1 摘 要 以高水平人工智能安全标准保障高质量发展，全面提 升各行业人工智能应用安全水平，依据《中华人民共和国 网络安全法》《中华人民共和国数据安全法》《中华人民 共和国个人信息保护法》等法律，以及《生成式人工智能 服务管理暂行办法》《人工智能生成合成内容标识办法》 用安全风险以及 人工智能应用衍生风险开展安全风险识别以及风险分类。 注：安全风险识别参考《人工智能安全治理框架》2.0。 c) 按照安全风险识别结果，结合人工智能应用场景安全属性以及 智能化水平等，综合研判确定人工智能应用安全分级。 注：安全分级参考我国人工智能应用安全分类分级有关国家标准，分为 低安全风险、一般安全风险、较大安全风险、重大安全风险、特别重大 安全风险五级。 d) 梳理 行安全审计，并关注开源框架安全及漏洞相关问题，识别和修 复潜在的安全漏洞。 5 c) 针对模型研发和二次开发所使用的训练数据来源，在来源选择、 不同来源搭配、来源管理和追溯等方面提高安全水平。 注：参考 GB/T 45654-2025《网络安全技术 生成式人工智能服务安全基 本要求》中相关部分内容。 d) 规范训练数据标注流程，采用交叉标注、结果审计等质量控制 方法，提升标注准确性和可靠性，降低个体差异和个人偏见对

，车载智能软件的市场需求将持续上 扬。 下游分析 智能软件研发推动工业软件产业升级与加强全球竞争力。 通过引入人工智能、大数据、云计算等先进技术，智能软件能够显著提升工业软件的自动化、智能化水平，优化生产流程，提高生产效 率。2023年，中国工业软件市场规模显著增长至约2,414亿元人民币，实现了12.3%的同比增长率。截至2023年末，中国工业软件企业 的关键生产工序数控化比率攀升至62 推动制造业高端化、智能化、绿色化发展，大力发展服务型制造。同时，加快大数据、网络、人工智能等新技术的深度应用，促进现代服务业与先进制造业、现代农 业融合发展。 政策解读 该政策旨在，推动智能软件研发行业提升产品质量和创新水平，强调标准化、安全性与用户体验，促进技术自主可控，鼓励企业加大研发投入，增强国际竞争力，支 持智能软件在各行业的深度融合与应用。 政策性质 指导性政策 政策名称 《关于推动能源电子产业发展的指 信息系统及有关的先进计算、工业软 件、传输通信、工业机器人等适配性技术及产品。 政策解读 该政策旨在，推动能源电子产业发展，促进智能软件研发行业在能源管理、监控和优化中的应用，增强能源系统的智能化水平。这鼓励开发高效、安全的能源软件解 决方案，加速能源行业的数字化转型，提升产业竞争力。 政策性质 鼓励性政策 政策名称 《关于促进炼油行业绿色创新高质 量发展的指导意见》 颁布主体 发改委、国家能源局、工信部、生