。建筑设计行业是人员密 集型产业，龙头企业的人力成本占比集中在 50%到 60%区间；人均创收、 创利较为稳定，收入增长主要依靠员工人数增长。建筑设计项目规模相对 较大、环节较多，容易出现信息偏差，协同管理方式低效以及信息化程度 低，制约设计院人效提升。 痛点三：行业集中度分散，龙头市占率提升缓慢。自 2018 年以来前五大 设计院的市占率基本保持稳定，自 2018 年由 9.64%上升至 2022 应用于设计的各个阶段，如通过 TransBIM 设计，协同效率可以提升 10 倍、人效提升 5 倍，设计成本降低 90%，建安成本降低 10%。 ⚫ AI+设计未来：龙头优势显现，设计行业痛点突围可期。 数字建设提供更多可能性，提升设计多专业、跨区域协同性。方案设计阶 段，AI 技术能够启发设计创意；初步设计阶段，AI 技术提高工程效益， 降低成本浪费；施工图设计阶段，AI 技术使得各方协同效率提升。 突破人员产能 8、设计院收入与员工人数增速相关性强.......................................................... - 5 - 图 9、传统模式点对点、理想模式同步协同.......................................................... - 5 - 图 10、我国 2021 年建筑信息化渗透率仅为 0.13% ..

公厅、国务院办公厅发布《关于加快公共数据开发利用的意见》，提出“加强数据基础设施建设，推动数据 利用方式向共享汇聚和应用服务能力并重的方向转变。”“研究制订数据基础设施标准规范，推动设施互联、 能力互通，推动构建协同高效的国家公共数据服务能力体系。”2024年12月31日，国家发展改革委、国家数 据局、工业和信息化部发布《国家数据基础设施建设指引》，正式按下国家数据基础设施建设的启动键，开 启了国家数据要素化事业的新征程。 车）、3D/XR平台（文化）等核心技术，确 保数据安全流通。 3、治理体系完善：设立CELT（语言）、 IDSA（工业）、CEDCHE（文化）等专业机 构，推行双认证、主权控制（如GDPR合 规）与分权治理。 4、生态协同推进：联动GAIA-X云平台、AI TEFs测试设施等基础设施，整合博世、宝 马、Europeana等跨行业资源。 二、核心特点： 1、主权优先：通过数据本地化、自主模型 （如XLM-RoBERTa）强化数字主权，降低 企业信息开放平 台）和数字金融平台（含Data Hub合成数据集）为核心。通过客户数据主权 保障、标准化监管数据共享及AI测试支持，推动金融创新，促进跨境投融 资，强化欧盟数字金融竞争力与监管协同。 通过CELT协调多国构建多模态语言数据生态系统，部署联邦学习与多模态AI 技术（如Wav2Vec 3.0、XLM-RoBERTa），集成eLangTech服务矩阵，强 化24种官方语言保护。联动AI

统一完善 云端 A 加速卡 终端智能处理器 P 乘院道连助说的，广五应用备美好指描 边缘 A 加速卡 云边端车 全面覆盖 生态运营 密切协同 Aic 智算中心 算力基础——寒武纪自主研发设计的人工智能芯片 寒武纪人工智能软件开发环境 采用端云一体的智能处理架构 可同时支持寒武纪端、边、云全系列产品 在云端 开发调试调优推理训练 loT 物联设备 Docker 容器化 训练推理系统 智能板卡管理插件 Kubernetes 容器编排 系统 Ceph 分布式存储 系统 集群监控系统 Kubeflow 分布式系统 车路协同 智能实验室 新基建相关 数据市场 公安、消防 其他项目服务 南京智算中心平台规划 电力、交通 云边一体化 能 安 防 音视频 安全 5G 人工智能大数据 算力 边缘 端侧 协同 供给 服务 感知 联动 边缘智能芯片 终端智能芯片

★ 整体空间 ★★★★★ 根技术： CV+NLP+ 语音 + 多模态 + 渲染 ... 智能语音问答 智能网联汽车 视觉感知 决策分析 车路协同 L4-L5 级自动驾驶 预测预警 市场成熟度 ★ ★ 整体空间 ★★ ★★ ★ 根技术： CV+NLP+ 语音 + • 问题描述：电网 PMS 、 GIS 、 SCADA 等系统数 据 分散 ，难以整合利用。 • 解决方案：大模型整合多 源数据 ，打破数据孤岛， 实现数据共享和协同分析。 • 国产化适配：使用国产数 据接口和数据治理平台 ， 如南瑞继保 IEC 61850 协 议适配器。 • 问题描述：光伏、风电出 力预测不准确，导致弃电 ，提升模型在边 缘设 备上的实时性。 技术点：飞腾 CPU 负责逻辑控制， 昇腾 GPU 负责计算，寒武纪 NPU 负 责边缘推理。 实现细节：构建端 - 边 - 云协同架构，优化资源分配和任务调度。性 能 提升：协同效率提升 30% ， 实现高效计算资源利用。 技术点：液冷系统 + 昇腾智能功耗控制， 优化数据中心能耗。 实现细节：训练阶段功耗≤ 25kW/ 节点，推理阶段≤ 10kW/

国家政策导向 1. 《东数西算工程》 ：优化数据中心 布局， 引导算力资源向西部倾斜 ， 促 进东西部协同发展。 2. 《算力基础设施高质量发展行动计 划》：推动算力与能源融合 ，促进绿 色低碳发展。 3. 《国家数据基础设施建设指引》 ： 强化算力与电力协同 ，助力数据中心 绿色转型。 行业需求洞察 数字经济 (GDP) ：《数字 中国建设 2025 2 4 3 l 聚焦大模型推理、 离线渲染、 生成 式 AI 开发、边缘计算协同四大核心 业务 ，满足人工智能项目开发全流 程算力需求 l 争取项目成果入选省级算力枢纽示 范案例 ，带动 “数据中心 - 智能终 端 - 数据应用” 产业链协同 ，助力 贵州千亿级数字产业集群建设。 l 算力规模 ：部署 144 台 8 卡 供电、散热） ，达成系统年非计划 停机时间≤ 4 小时目标 离线渲染 + 模型服务 + 算力租赁 l 采用 “计算 - 网络 - 管理 - 安全” 协同架构 ，各层深度联 动 ，为业务稳定运行提供支撑； l 分层协同 ： Spine 层与业务 / 管理 核心层构成骨干网， Leaf 层接入 服务器 ，管理 / 安全层独立部署 业务与目标

设备巡检应用 5. 机管通应用 6. 车辆识别管理应用 7. 数字识别应用 智慧工地解决方案设计原则 数据驱动，建立 大数据运营 标准化中台， 选单式应用 云边协同 软硬一体 新科技赋能新 运营模式 云边协同，软硬一体 云和边缘相结合，实现灵活的计算资源、网络资源的合理分配 建设智慧工地云柜标准化软硬件一体化产品，快速部署，多项目使用； 标准化中台，选单式应用 夯实智慧工  结构及使用都是按照模块化设计  便于搬运及收纳运输，可满足简部署  可实现 AI 智能分析，针对不同场景可实现不同人工智能 应用。  云边协同，实现智能云边联动，针对场景自主管理。 概述 智慧工地边缘云柜介绍 尺寸： 800x600x1600 （含底座 300mm ） 重量： 180KG 防护等级： IP55 设备安装空间 杆体升降空间 5G 融合通信，无限连接 借助 5G 融合通信技术，赋 能智慧工地的信息通信， 提供灵活部署、高带宽的 通信能力 云边协同的 AIoT 架 构 通过智能边缘的 AIoT 核心技术， 形成物联网与人工智能、云计算与 边缘计算相结合的架构体系，实现 主动预警、云边协同、高可靠、低 成本的智慧工地方案 标准一体化硬件资源 数据可视化，“一屏观天下” 真正实现生产和施工的实时可 视化，从管理层到班组成员，

诊， 到网课辅导、在线问诊、生鲜快递；从远程打卡、线上招 聘、线上会议到文档协同、工作提交；从线下到线上的迁 移，加速了社会的智慧进化，主要表现为以下三个方面： 首先是加速了经济活动的线上化变革。企业选择线上 办公，导致各种在线办公平台用户规 模指数级增长，其中钉钉平台超过 1000万家企业、2亿人协同办公；腾 讯会议系统上线仅两月，日活跃用户 就超过千万。学校选择线上教学，其 合架构代表着数据中心体系结构的未 来发展方向。融合架构从1.0到2.0， 已经实现了存储资源和异步计算资源 的弹性组合。现在的融合架构正处于 3.0阶段，也就是通过连接池化和重 构技术，实现不同的计算资源的协同 能力。通过软件定义来实现业务自动 感知和资源自动重复，使计算的性能和效率大幅度提升。 在硬件层面，通过硬件重构来实现资源置换。CPU与GPU、 FPGA、xPU等各种加速器将更加紧密结合，利用全互联 中国工业和信息化 ｜CHINA INDUSTRY & INFORMATION TECHNOLOGY 一样。从管理上，实现了智能化的运维，也就是智算中心 的无人巡检、故障自愈等。 软件定义的典型趋势是软硬件协同设计，由专用芯 片、FPGA处理更多的业务负载，由软件进行更智能化的 管理和调度。例如，基于FPGA和NVMe组成资源池，以 硬件辅助虚拟化的方式为虚拟机实例提供接近硬件性能的 计算、存储、网络功能，性能损失从传统软件模拟方式的

求 ，提供“硬件 + 软件 + 服务”的全流程快速定制化专用 机器人产品 ，大幅缩短产业链流程。 自动驾驶 自动驾驶行业具备典型的海量数据 、高并发、 实时处理等计算属性 ，呈现出高度多元主体协同、智 能识别和感知、系统模拟仿真计算、决策分析和预测预 警等特性。该产业的高度集成化需要智能计算中提供先 进的 AI 技术支撑 ，快速推动新产品的研发、测试和应 用 AI 芯 片 在为各类用户主体提供多元化 传统产业数字化的叠加 效应、乘数效应 智能计算中心的建设原则 保障网络安全和数据安 全，创造新供给，激发 新需求，培育新动能 夯实基础 培育生态 保障安全 创新发展 总体规划 政企协同 需求牵引 先进适用 智能计算中心的建设要点 以培育区域 智能生态圈为根本 以全面提升 AI 计算力为核 心 着力推动 AI 产业创新聚 集 以促进数据 开放共享为基础 免 资金使用效率可能不高 涉及国家安全或重大公共利益的项目 （如政务领域 、基础数据库 、信息安全平台设施 建设等项目 ） 企业建设 运营模式 财政资金压力较小 大企业平台化和整体性优势 ，有利 于加快区域间协同发展。 政府控制力较弱 存在大企业绑架风险 不涉及国家安全，具有公共服务特征和一定公益 性和盈利空间的项目 （如通信网络 、社区 、文旅等项目 ） 政府购买 服务模式 财政短期资金压力较小

不仅要作为革命者、先行者，率先实现企业人 力资源管理的数字化转型，更要推动企业开展与数字化转型相适应的企业文化与组织变革，打造 数字化人才队伍、提升数字化人才密度，帮助各级管理者提升数字化领导力，培养员工的数字化 思维，协同相关部门打造数字化工作场所。人工智能时代更是如此，因为它不仅仅关乎“生产力”， 更关乎“生产关系”。所以，我们人力资源管理从业者，一定要持续学习和关注，至少要了解其 基本原理，使用好相关工具。 GPT 大语言模 型，并且通过微调 Prompt( 提示词 ) 的方式来训练符合公司 OKR 执 行要求的目标框架。现在，员工只需直接输入自己具体要做的事情、 完成的时间、计划达成的量以及需要协同的同事，大模型就会自动 帮助员工生成合理清晰的 OKR 目标。这种方法能够解决员工在目标 制定过程中遇到的困惑和迷茫，确保每个目标都能够明确、可衡量 且具有挑战性。通过 GPT 大语言模型的智能生成，员工可以更加轻 关于企业要如何在人力资源管理中引入 AI 技术，特别是 AIGC，HR 数智研究院副院长缪青和 理事孟盛先生建议企业可以把日常的管理工作分为文档类、流程类和数据类，然后针对三类工作 分别入手： ● 文档类：推动办公和协同软件的升级，如：在全公司推广使用微软 365 Copilot 或 AI WPS，帮助员工做信息归纳整理、信息格式转换等大量的文档类工作； ● 流程类：推动流程的智能化，比如：简历的自动处理和匹配；

报警信息同步推送，同时，可联动广播语音提醒，形成抓拍台账，保存于后台数据库。 | 安全监管 |AI 安全隐患识别系统 “ 设备管理” : 设备管理系统，旨在通过在各类工程设备上加装专用的安 全监控系统，协同整个信息化平台，达到监督作业状态、 危险预警 / 报警、避免事故发生的效果。 > 塔吊安全监测 > 吊钩可视化 > 电梯安全监测 > 车辆管理 > 电箱监测 设备商、设备、操作司 机，在智慧监管系统入 口 L 1 D i 1 如 L 模型与项目文件的关联 二维图纸与三维模型联动 BIM 现场协同管理： 模型分享 41 画 8:4 a ET I11 D 0 □ 契 材 口 腿 I 构伴 M 号 里编 刻盾 IE DLi B.1D:1!]