全国一体化算力网建设提供重要支撑。 算内网络无损、稳定、高扩展。行业积极推进机间和卡间互联 技术的发展。机间互联方面，探索自研交换机、端网协同协议、集 合通信库等技术以优化网络性能，通过智能调优和负载均衡算法提 升网络吞吐和训练效率，并结合低时延、高带宽的通信技术增强算 网协同能力。卡间互联层面，基于开放数据中心委员会 ODCC，腾 讯、阿里巴巴、中国信通院和中国移动等联合产业界就 ETH-X 等制 个省级行政区（省、自治区、直辖市）的综合算力发展 水平，同时，评估地级行政区的算力发展水平。指标数据来源、计 算方法和计算口径见附件一~附件三。 综合算力指数体系 4.0 如图 1 所示。 综合算力指数 11 来源：中国信息通信研究院 图 1 综合算力指数体系 4.0 综合算力指数 12 3.指数体系研究意义 在当今我国算力发展形势下，分析综合算力指数具有多方面的 重要意义。 摸底发展水平。指数聚焦我国的算力、存力、运力、模力及环 年启动省级 算力基础设施高质量发展行动，持续打造核心区、集聚区、边缘计 算节点“2+5+N”的全省一体化算力网络布局。 综合算力指数 14 来源：中国信息通信研究院 图 2 省级行政区综合算力指数 Top10 来源：中国信息通信研究院 图 3 省级行政区综合算力指数 Top10 历年情况 （三）算力分指数 综合算力指数 15 1.整体情况 我国省级行政区算力分指数 Top10

2023-01-01 影响 7 政策内容 加强面向新能源领域的关键信息技术产品开发和应用，主要包括适应新能源需求的电力电子、柔性电子、传感物联、智慧能源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 器仪表销售；仪器仪表修理；非居住房地产租赁；企业管 理；机械设备租赁；货物进出口；技术进出口；进出口代 理；网络与信息安全软件开发；商用密码产品生产；电子产 品销售；商用密码产品销售；通讯设备销售；通信设备销 售；通信设备制造；专业设计服务；工程管理服务；人工智 能基础软件开发；人工智能应用软件开发；信息技术咨询服 务；人力资源服务（不含职业中介活动、劳务派遣服务）； 信息咨询服务（不含许可类信息咨询服务）；虚拟现实设备 及教具销售；教学专用仪器制造；教学专用仪器销售；数字 内容制作服务（不含出版发行）；科技中介服务；铁路运输 基础设备销售；高铁设备、配件制造；高铁设备、配件销 售；铁路运输辅助活动；通信传输设备专业修理；通信交换 设备专业修理；通讯设备修理；移动通信设备制造；移动通 信设备销售；雷达及配套设备制造；雷达、无线电导航设备 专业修理；数字视频监控系统制造；数字视频监控系统销 售；云计算设备制造；云计算装备技术服务；云计算设备销

互模块则需要 提供多种界面形式（如命令行、Web 界面、移动应用等），并支 持多语言和多平台兼容性。 为了确保功能的可扩展性和模块化，各个模块之间应采用松耦 合的设计，并通过标准化的接口进行通信。此外，系统应具备良好 的日志记录和监控机制，以便及时发现和处理异常情况。在性能方 面，智能体需要能够处理大规模数据，并在保证精度的情况下实现 高效的决策和执行。 在具体实施过程中，我们可以采用如下技术栈： 学习框架，结合 Airflow 或 Luigi 进行任务调度。  用户交互：使用 Flask 或 Django 构建 Web 界面，通过 RESTful API 或 GraphQL 进行接口通信。 最后，为了确保系统的稳定性和安全性，我们需要在功能设计 阶段考虑数据加密、身份认证、权限控制等安全措施，并通过持续 集成和持续部署（CI/CD）流程，实现系统的自动化测试和发布。 2.3 系统的运行状 态，及时发现并处理潜在问题。此外，系统架构应支持模块间的松 耦合设计，便于后续的功能扩展和系统升级。 在具体实施过程中，可以采用微服务架构，将各个模块独立部 署，并通过轻量级的通信协议进行交互。这种方式不仅提高了系统 的灵活性和可扩展性，还便于团队协作和模块复用。同时，系统架 构应充分考虑性能优化，如通过缓存机制减少数据访问的延迟，或 通过负载均衡技术提高系统的并发处理能力。

精功科技、精工钢构、会稽山 华夏系 河北 王文学 华夏幸福、玉龙股份、黑牛食品 银亿系 浙江 熊续强 银亿股份、康强电子、河池化工 广汇系 新疆 孙广信 广汇汽车、广汇能源、 ST 兴业 汇垠系 广东 万家乐、汇源通信、永大集团 长城系 浙江 赵锐勇 长城影视、长城动漫、天目药业 袁志敏、熊 海涛夫妇 广东 袁志敏、熊 海涛夫妇 毅昌股份、高盟新材、东材科技、 金发科技 资本系 地区 掌舵人 姚振华 万科 A 、中炬高科、韶能股份、南玻 A 鹏欣系 上海 姜照柏 国中水务、鹏欣资源、大康农业 万向系 浙江 鲁冠球 万向钱潮、顺发恒业、承德露露、万向 德农 茂业系 广东 黄茂如 茂业通信、茂业商业、 ST 商城 4 、关联关系图谱：通过互联网采集平台，整合行内外客户关联与交易信息，通过 OEC 平台进行深度挖掘与加工，识别 4 类 客 户关联关系，如：投资关系、担保关系、管理关系、股权关系四维度图谱。 对用户开放问题测试，分类和产品特征提取，准确率达到 95% 用智慧发现信息价值 Discover information 案例 - 某互联网理财平台产品智能推 荐 小富机器人智能推荐 泰岳融合通信平台 钱大掌柜理财管家 用智慧发现信息价值 Discover information 案例 - 某国有银行客服数据潜客获 取 贵金属潜客信息 基金理财潜客信息 出国金融潜客信息 结算通卡潜客信息

措施，以应对潜在的外部攻击和内部数据泄露风险。首先，系统应 采用加密技术对所有敏感数据进行传输和存储加密，确保数据在传 输过程中不被截获或篡改。建议使用 AES-256 加密算法对数据进行 加密，并结合 TLS 1.3 协议保障通信安全。此外，系统应部署严格 的用户身份验证机制，采用多因素认证（MFA），包括密码、生物 识别和一次性验证码（OTP），确保只有授权用户能够访问系统。 系统还需具备完善的访问控制策略，基于角色的访问控制 算等任务。该层通过微服务架构实现功能的模块化，每个模块独立 部署，便于维护和扩展。关键服务包括数据预处理服务、模型训练 服务、考评计算服务和结果分析服务。这些服务通过 RESTful API 或 gRPC 进行通信，确保服务间的松耦合和高可用性。 应用层提供用户交互和业务逻辑处理功能，包括用户管理、任 务调度、权限控制、日志记录等。通过统一的用户界面（UI），用 户可以方便地提交训练任务、查看考评结果、管理数据集等。为提 人工智能数据训练考评系统的总体架构设计基于模块化和分层 的原则，以确保系统的可扩展性、稳定性和高效性。系统采用微服 务架构，将功能模块划分为独立的服务单元，各服务单元通过轻量 级的 API 进行通信。总体架构主要包括数据采集层、数据处理层、 模型训练层、考评分析层以及用户交互层，各层之间通过标准化的 接口进行数据流转，确保系统的高效运行和灵活扩展。 数据采集层负责从多种数据源（如传感器、数据库、API

面对存算分离架构时也会带来数据一致性的挑战。一些分布式事务处理涉及多个计算节点和 存储节点，进一步增加了系统设计和实现的复杂度。 云原生架构带来系统架构和技术栈的新问题：例如如何处理微服务间频繁的通信、复杂的拓 扑、多样化存储以及动态多变的负载等，并强化隔离保障安全。云服务商通过持续增强弹性 伸缩、Serverless以及统一运维等云原生解决方案的效能，帮助用户降低成本。例如，在强 化弹性 处理过程中， 非结构化数据清洗、数据标注等工作的效率往往不高，也严重影响了AI应用目标的达成。 协同计算挑战：规模化的AI训练和推理任务，往往采用分布式架构执行，参数同步时的通信 需求巨大，传统云网络在高并发实时通信场景下难以满足 PB 级数据传输的低延迟需求。同 时，很多AI任务混合使用CPU、GPU、TPU等算力，但一些云平台对大量的异构算力缺乏统 一管理和调度框架，算力有效利用率长期难以提升。 速连接。单个计算芯粒拥有最多 43 个内核，可以在同一计算芯粒内高效地处理在线业务，对于大规 模在线业务（如 web 服务、缓存层、云原生微服务）可以在一个 Die 内分布完成，减少跨 Die 通信延 迟，更适合低延迟、大吞吐云业务场景。EMIB 高速封装桥接技术使计算单元之间通过高速桥互联， 同一个计算芯粒内无“非一致性内存访问” （NUMA）问题。在 SNC (Sub NUMA Cluster)

管执 法、指挥决策、救援实战、社会动员等应急管理能力。 大语言模型是具有大规模参数的深度学习模 型，通过对海量文本的训练习得语言的统计规律， 从而具有理解和生成自然语言的能力，实现人机之 间的有效通信。自2018年双向编码表示模型（bidirec⁃ tional encoder representations from transformer，BERT） 的出现，以及 2022 年第四代生成式预训练模型（gen⁃ 收稿日期 2023-10-19 录用日期 2024-01-12 国 家 社 会 科 学 基 金（20BZZ037）, 广 东 省 哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人, 硕士, 助理研究员。 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 龚 晶 1 黄 欢 2，* （1. 暨南大学 公共管理学院/应急管理学院，广州 更是知识的共同生产者。在人机交互的推动下，应 急知识库是一个开放、共创的知识系统，各方的知 识和经验将汇聚到应急大脑中，共同丰富和完善应 急知识体系，实现应急知识的协同创新。 大语言模型应急大脑是一个集成知识管理、感 知、思维、人机通信的智能系统，具有如下特点：1） 协同创新，在知识共创和协同演进的模式下，极大地 提高应急管理知识体系的活力和创新能力；2）全域感 知，不仅能够“看”到风险，“听”到风险，同时理解风 险，预测风险，为应急管理活动提供有效的决策依

Deepseek 大模型于银行系统时，系统架构设计需要充 分考虑高可用性、安全性、可扩展性和性能优化。架构整体采用模 块化设计，分为数据层、模型层、服务层和应用层，各层之间通过 标准化接口进行通信，确保系统的灵活性和可维护性。 数据层作为系统的核心，负责数据的存储与管理。采用分布式 数据库（如 HBase 或 Cassandra）存储海量结构化和非结构化数 据，确保高并发下的数据一致性。同时，利用数据湖技术整合多源 LIME 或 SHAP，便于 监管机构审查。 服务层提供模型服务的接口与管理功能，采用微服务架构实现 模块化部署。通过统一的 API 网关对外提供服务，支持 RESTful 和 gRPC 等多种通信协议。服务层还包括负载均衡、容灾备份和自动 扩展机制，确保系统在高并发场景下的稳定性。为提升安全性，服 务层集成身份认证、访问控制和数据加密功能，防止未经授权的访 问和数据泄露。 应用层面向 大模型与银行系统的接口设计中，我们采用了一 种分层的接口架构，以确保系统的高效性、可扩展性和安全性。首 先，我们在数据接入层设计了统一的 API 网关，用于处理所有的外 部请求。该网关通过 RESTful API 与外部系统进行通信，并负责请 求的鉴权、限流和日志记录。为了支持高并发场景，API 网关采用 了负载均衡和缓存机制，确保在高峰期的请求能够快速响应。 在业务逻辑层，我们设计了多个微服务接口，每个微服务专注 于

到多个设备进行同步计算，适合大规模数据集；模型并行将模型参 数分布到多个设备，适合超大规模模型；混合并行则结合两者优 势，进一步提升训练效率。此外，使用高效的通信库如 NCCL 或 Gloo 可优化设备间数据传输，减少通信开销。 最后，模型训练完成后，需进行全面的测试和验证。测试集用 于评估模型的泛化能力，同时进行消融实验以分析各训练策略的贡 献。若模型性能未达预期，需调整训练策略或重新设计模型架构， 级存储，并支持动态扩 展。 网络资源的配置对于分布式训练尤为重要，需确保节点间的高 效通信。具体建议如下： - 网络带宽：采用 InfiniBand 或 100Gbps 以太网，确保节点间数据交换的低延迟和高吞吐量。 - 网 络拓扑：建议使用 Fat-Tree 或 Dragonfly 拓扑结构，以减少通信 瓶颈并提高网络效率。 以下是一个硬件资源配置的参考表格： 资源类型 配置建议 备注 NCCL（NVIDIA Collective Communications Library）实现高效 的 GPU 间通信，确保梯度同步的准确性和高效性。 为了优化分布式训练的性能，我们采取以下策略： 1. 梯度累积：在内存有限的情况下，通过累积多个小批次的梯度 后再进行参数更新，减少通信开销，同时保持较小的批大小。 2. 动态学习率调整：根据训练进度和硬件资源情况，动态调整学 习率，避免训练过程中的震荡或收敛速度过慢。

AI 智能体应用服务方案的技术架构设计中，采用分层 架构模式，以确保系统的可扩展性、稳定性和易维护性。整个技术 架构分为数据层、算法层、服务层和应用层四个主要部分，各层之 间通过标准化的接口进行通信和交互。 数据层负责存储和管理所有与业务相关的数据，包括结构化数 据（如客户信息、交易记录）和非结构化数据（如文本、图像、语 音）。数据层采用分布式数据库系统（如 Hadoop、Cassan 持流量控制、安全认证和监控功能。 o 微服务架构：采用 Spring Boot 或 Node.js 开发微 服务，确保系统的模块化和可扩展性。 o 消息队列：使用 RabbitMQ 或 Amazon SQS 实现异步 通信和解耦，提升系统响应效率。 5. 部署与运维 为保障商务 AI 智能体的稳定运行，需选用可靠的部署与运维 技术： o 容器化：采用 Docker 将应用程序及其依赖打包为容器， 确保环境一致性。 模型开发、自动化训练、生命周期管 理 自然语言处理 spaCy, BERT, Rasa 文本分析、语义理解、对话管理 系统集成 Kong, Spring Boot, RabbitMQ API 管理、微服务架构、异步通信 部署与运维 Docker, Kubernetes, Prometheus 容器化、编排、监控与日志分析 通过以上技术选型，能够确保商务 AI 智能体在性能、可扩展 性、稳定性及安全性等方面达到预期目标，同时为后续功能扩展和