隐私保护计算 区块链 可信数据空间 数场 数联网 数据元件 第六章 国家数据基础设施技术发展趋势 68 全球将形成三种数据基础设施主流技术路线 国家数据基础设施将向“一空间（场或网）四技术”方向收敛 数据基础设施将实现人工智能大模型的“数据平权” 05 07 07 08 09 13 21 33 33 34 35 37 37 39 46 50 54 局、苏州市数据局、青岛市大数据发展管理局、大连市数据局、上海数据交易所、赣州市数字产业集团有限 公司、北京交通大学、北京物资学院、蚂蚁技术研究院、安恒信息技术股份有限公司、中国移动研究院、湖 南天河国云科技有限公司、浪潮云信息技术股份有限公司、上海零数科技有限公司等23家机构，共同倡议发 起成立“数据基础设施技术路线专题研究组（WG6-SG1）”，并先期开展了“国家数据基础设施技术路线研 究”课题，形成了《国家数据基础设施技术路线发展研究报告 二阶段是网络空间时代。上世纪90年代互联网在全球普及之后，人类社会又多了一个新的网络空间，从通讯和社交开始，人 类社会的工作、学习和生活等逐渐从物理空间向网络空间迁移；第三阶段是计算空间时代。2000年以后，随着移动终端、 云计算、物联网等新业态的不断出现，政府、企业和个人等不同主体，将越来越多的管理、服务、生产、经营、工作、学习 等事务迁移到网络空间，网络空间的传输功能逐渐被计算功能超越，网络空间也由此升级为计算空间；第四阶段是数据空间

1：能源央国企发展现状 （1） 石油 石油行业数字化转型是在原有的企业信息系统基础上，利 用信息技术、网络技术，实现企业生产、经营、管理全过程的 优化和变革。石油企业正在加快实施数字化转型战略，推进产 业数字化和数字产业化，建设数字油田、智能油田，加强数据 安全管理和信息共享，打造企业核心竞争力。 石油数字化的核心是利用数字技术的优势，将其与石油生产 经营管理相融合。通过数字化和信息化系统，建立数字化的石 枢，其数字化转型已经成为行业关注热点。而随着人工智 能、5G、物联网等新兴技术与电力业务深度融合，智能电网 实现了从物理电网向信息电网的转变。以“互联网+”为基础的 数字经济时代下，电力企业数字化转型势在必行，这是实现行 业高质量发展和有效化解能耗问题的关键所在。 当前，数字经济发展处于关键时期，数字化转型是企业提 质、增效、降本、提高竞争力的必然要求。随着技术的进步， 大数据、人工智能等技术在电力行业的应用正不断加深。为应 型的目标，需要企业进一步认清形势，把握机遇，探索建立符合 自身实际情况的数字化转型之路。 （3） 燃气 燃气行业作为一个传统行业，在发展的过程中也经历了很 多个阶段，从最初的人工管理到如今的数字化转型，随着互联 网技术、云计算和物联网的发展，燃 气行业开始面临着新挑战。所以从某种程度上来说，数字化转 型已经成为了整个燃气行业发展的一个必然选择。 燃气行业在数字化转型中主要需要考虑两个方面：一是基础 设

领 AI 技术在组织中的全面应用， 赋能管理，成为组织管理变革的代言人。 陈果（George Chen）先生 寄语：用 AI 生成“任务”和“流程”，从而利用 AI 来调度、驱动那些执行企 业业务的数字化服务。 HR 数智研究院理事，中国企业知识开源布道师，前波士顿咨询（BCG）数字 化咨询部门 Platinion 董事总经理，前 IBM 咨询、翰威特咨询全球合伙人。 特邀专家 7 普 IT 管理学院特约讲师、文思海辉技术有限公司集团副总裁兼首席信息官、ATA 公司副总裁。 于历濛先生 寄语：开放心态，拥抱变化。 灵 雀 云 联 合 创 始 人， 密 歇 根 大 学 罗 斯 商 学 院 MBA， 曾 在 SAP、 网 易、 Amazon、惠普等公司担任高管职位。 8 AI 在企业人力资源中的应用白皮书 鸣 谢 本白皮书也引用了研究院理事王崇良先生作品《当 供更强大、更准确的模型性能，以应对更复杂、更庞大的数据集或任务。大模型通常能够学习到 更细微的模式和规律，具有更强的泛化能力和表达能力。 大语言模型是一种基于深度学习技术的大型预训练神经网络模型，深度学习指的深度神经网 络模型，是人工智能的分支“机器学习”下面的一种算法模型。这一模型不仅规模仍在进一步扩大， 而且可以从对话反馈中不断进化，提升信息回答的准确性、逻辑性和流程性。 5.“AIGC”才是“王者” 人工智能生成内容（Artificial

人脸识别智慧化社区门禁出入口管理、 黑名单布控和访客登记管理系统 人脸识别服务管理预警平台 黑名单预警显示 管理电脑 人脸抓拍摄像机 访客终端 人证注册终端 人脸识别门禁闸机 / 考勤数据记录 门禁终端 云服务器 APP/ 预警提 示 大屏显示 API 接口 人脸识别智慧社区管理方案 人脸识别智慧化社区门禁出入口管理、黑名单布控和访客登记管 理系统的价值 1 2 3 4 5 社区不安全因素