人工智能的诞生与发展 人工智能并不是一项全新的技术，它已经有近 70 年的发展历史。从 1956 年的达特茅斯会议， 到耳熟能详的“深蓝”和“AlphaGo”“AlphaZero”，再到一夜爆红的“ChatGPT”。人工智 能的发展并非一蹴而就，也并非一路坦途，每一次大的技术突破都会带来 AI 的春天，而下一次突 破前又是漫长的冬天。近 20 年，互联网带来的海量数据、算力技术的大幅提升，以及随着数字 员工推荐不同类别的福利产品。 很多公司在员工入职周年的时候都会通过系统自动触发 一封祝贺邮件，只是邮件的形式有所不同而已。而腾讯的做 法是，让系统提醒员工的上级领导，领导可以通过系统填写 祝福，还可以上传一张与员工的照片，并且通过一键邀请的 功能，邀请其他同事和伙伴一起参与祝福。最后会自动生成 一个记录该员工宝贵瞬间和祝福的海报、贺卡在员工入司周 年当天通过微信推送给他，让员工感受到上级、领导对于他 有负面情绪的 AI 数字员工，实现员工服务助手和高层战略助手 的功能。通过「AIGC 数字人助手」这种人工智能创新解决方案， 整合企业微信和 AI 助手的功能，实现了统一服务入口、快速构 建知识库、集成文档和信息调阅等核心需求。这一解决方案显 著地改进了集团的员工服务体系，提高了服务的时效性和专业 性，降低了人力成本。AIGC 数字人助手的应用将进一步推动集 团的数字化转型和提升竞争力，为员工和管理层提供更好的工

厂里 各种智能设备以及背后的路径规划、图像识别等算法，也 是高效复工复产的必要条件。 我们见证了智慧计算是如何在这场战疫中发挥巨大作 用的。3月4日，中央决定对人工智能、大数据中心等新基 建提速，这也是在为智慧计算的发展提速。我们讲过，计 算力就是生产力，智慧计算改造升级了生产力三要素，最 终驱动了人类社会的转型升级。智慧计算将劳动者由人变 成了人与人工智能的复合体，劳动者可以呈现指数增长； 放。由软件到硬件，从芯片到数据中 心，开放变革了IT产业的生产模式和 应用服务模式，持续推动着信息技术 的发展，促进了整个IT产业的生态繁 荣。 开源开放的IT才是健康的IT，开 源开放的软硬件也才是智算中心建 设所需要的。浪潮作为三大开放计 算标准组织的发起会员和白金会员、 OpenStack开源社区的黄金会员，一 直是开源计算生态发展的推动者，一 直在积极地将开源开放的建设理念和 标准向全球推广，一直在大力推进开 大家知道，基础设施必然要以 规模效应来实现降本增效，要能够快 速地建设。这就要求智算中心的建 设，就像现在盖房子一样，通过采用 预生产的标准化、模块化的硬件来实 现装配式的建设。从标准化的节点单 元到标准化的整机柜，到标准化的微 模块数据中心，再到整个智算中心， 像热播节目一样，层层组装，快速建 设。作为基础设施，要求不同的智算 中心要能够互联互通，包括管理上的 互操作，统一的调度、分发、监控、

onChan ge＃ 维持 ） 重点公司 重点公司 EPS（元） 23E 24E 评级 中国中铁 1.44 1.60 增持 中国铁建 2.24 2.49 增持 中国交建 1.31 1.43 增持 中国化学 1.06 1.23 增持 鸿路钢构 2.37 2.92 增持 华设集团 1.12 1.24 增持 设计总院 投资建议：设计行业需求增速放缓，设计人员成本高、信息化程度低的背 景下，政策持续落地推进工程数字化设计，AI 有望解决设计行业多痛点， 赋能设计提质增效，建议重视率先布局 AI 设计、抢占市场先机的设计龙 头：【华建集团】、【华设集团】、【设计总院】、【华阳国际】、【苏交科】。 ⚫ 风险提示：宏观经济下行风险、在手订单落地不及预期、省外业务开拓不 及预期、项目进度不及预期 ＃title＃ - 表 4、净利率对人效提升的敏感性分析 ............................................................... - 15 - 表 5、华建集团历年主要财务指标（亿元）........................................................ - 16 - 表 6、华设集团历年主要财务指标（亿元）.

（四）辅助开展建筑设计工作 目前，在建筑工程设计中，采用了 AI人工智能技术的应用 主要体现在模型构造和图形构造两个模块。模型构建模块充分利 用了智能设计软件的语言建模功能，实现了基于计算机的三维建 模。利用建筑效果图、施工图纸和数据库，实现对建筑项目施工 的整个过程的仿真和分析。AI人造模型还可以将建筑的主要布局 和内容，都显示在终端上，通过 AI人工智能语言对装置过程进行 浏览，可以 AI人工智能提升建筑设计质量的有效策略 （一）加大对 AI人工智能发展的支持力度 随着现代科学技术水平的不断提高，将人工智能技术应用到 建筑设计中已是大势所趋。AI人工智能的出现，极大地提高了建 筑设计的全面性，让整个建筑业都能朝着数字化和智能化的方向 发展。但是，人工智能的发展和突破需要一个好的环境支持。因 此，首先，政府应该制定相关的政策和制度来扶持 AI人工智能 的发展，比如为研发 并对杀毒 软件和防火墙进行定期的升级，提高其抵御病毒和黑客的能力。 结束语： 综上所述，将 AI人工智能技术引入到建筑设计中，对于提升 建筑设计师人员的工作效率，减少建筑设计的成本费用，保障建 筑设计的科学性和合理性都具有十分重要的作用，是提升建筑企 业核心竞争力的重要手段。AI人工智能在建筑风格、建筑结构和 建筑空间等方面具有巨大的应用价值，因此，政府部门要加强对 AI人工智能的发展扶持，建设企业也要大力培养

13 亿元，当前已建成算力 0.8Eops ( 约 700 台服务器 ) AI 算力规模 每秒 80 亿亿次 是长三角当前投运规模最大、算力最高的智能计算中心 ! 相当于一小时可完成 100 亿张 图像处理 1 万公里 自动驾驶 AI 数据处理 300 万小时 语音翻译 南京智算中心算力规模 Aic 指 标 0. 8 Eops( 一期累 计 ) 1.8Eops( 二期累计 ) 2 熵 首批合作企业签约仪式 Cartueon nspur 南京智算中心运营团队提出三大原则： 基于系统化思维，提供专业化服务，建设和谐发展的智能计算生态。与原厂、政府部门、各类客户建 立 全面、全时段的密切合作与协同，实现建设、运营、应用三阶段统筹协同；与专业团队共建各类产业智 能处理中心；以智算生态聚合带动形成多 层 级产业生态体系，赋能多 个 产业应用场景 . 十

数据处理转换的过程中设计到多个数据层，为了保证数据的准确性、可追溯性 和唯一性等要求，对数据处理的过程进行相应的记录。 首先应该提供数据表追溯功能，对某一个数据表而言，可以查看它的数据转换 轨迹，数据由哪张表得来，经过了几层数据转换处理等。 3.2.2 数据采集 根据数据采集配置的内容，数据采集分为自动采集、人工导入、在线填报三种 途径。 3.2.2.1 自动采集 自动采集是由系统自动检测运行的。根据数据采集配置的系统自动导入的 在本模块中是对已定义的分类维护，维护各个数据项，包括名称、类型、 长度、引入数据项对应的要素表或者是枚举表、是否可修改等，以及根据采集 源数据格式调整数据项的先后顺序。信息项目的维护符合数据库建表的要求， 初次新增数据项同时在采集平台库中创建采集数据的物理表。 第 24 页 3.3.1.3 编码转换设置 本模块内容是对不同采集分类在采集格式中设置的引入类型数据项，如果 内外编码不一 数据库名、用户、口令、物理表名称、备注等。 3) 清洗规则设置 清洗规则模块中设置清洗规则名称、清洗源表、清洗目标表物理表名、目标表 数据项定义、清洗规则等。根据设置的清洗目标表物理表名和定义的数据项创 建维护清洗目标物理表。初始创建规则时，默认将清洗源表结构数据项定义复 第 27 页 制到目标表数据项定义中。 4) 汇总规则设置 汇总规则模块中设置汇总规则名称、汇总源表（可以多选）、汇总目标表物理

脱敏、合规、审批、汇聚 NAS 协议 HDFS 协 议 第 19 页 边缘存储 高 性 能 层 大 容 量 层 图 POSIX POSIX 张 量 并 行 l 混 闪 并 行 文 件 存 储 采 用 2 * 100 G R DMA 高 速 无 损 网 卡 上 联 leaf ； l 全闪采 用 2 * 100 零代码全流程可视化 面向广泛领域，提供低门槛、零代码的建 模工具，实现流程化、可复用、可追溯 高精度 AI 自动化开发 将业界最新模型和技术固化形成 CV 、 NLP 算法库，沉淀行业典型场景预置模 型 端到端 AI 应用 支持一键发布为 API 在线服务、或下 载 成为 SDK ，灵活适配各种运行环境 九天智算平台 : 自动可视化建 模 家宽推荐 结果预测 采购优化 财务稽核 九天自动建模 场景大模型 行业大模型 星火基础大模型 数据处理平台 数据预处理 数据标注 基 于 公 有 云 技 术 底 座 能 力 ， 联 合 科 大 讯 飞 共 同 构 建 超 算 智 算 平 台 。 本 方 案 架 构 主 要 包 括 底 层 算 力 集 群 、 星 火 智 算 平 台 等 。 是 面 向 运 营 商 、 高校 、 科 研 院 所 及 企 业

城市大数据中心建设概要设计说明书 急办、发改委、经信委、信电局、教育局、科技局、公安局、监察局、民政局、 司法局、人社局、国土局、建设局、交通运输局、水利局、农委、卫生局、计 生委、环保局、规划局、住建局、市政园林局、城管局、统计局、安监局、物 价局、旅游局、工商局、国税局、地税局、食品药品监管局、气象局、质监局、 商务局、财政局、残联、编办、政务办、社保中心、公积金管理中心、医管中 心、交通 ≥ 3 机柜排间距 ≥1.2m （面对面）；≥1.0m（背对背） 4 机柜侧面与墙体间 距 1.2m ≥ 5 地板 铺设防静电活动地板 活动地板距地高度≥300mm（单机柜功耗>8KW 时，建 议地板铺高提高至 500mm） 楼板承重≥800Kg/m2 6 风道 机柜设计为前（装饰面）进风、后出风； 面对面摆放的通道为冷通道，背对背摆放的通道为热通 道 7 其它 保持良好的通风并远离热源 数据保密性 vCenter 管理时使用 SSL 方式进行加密，鉴别信息和管理数据 在传输过程中加密；系统管理数据和鉴别信息在数据库中以加 密方式进行存储；通过对数据分类（按名敏感性分：绿数据、 灰数据、红数据）实现数据机密性管理；通过审批、鉴权、监 控和审计对数据访问管理 数据备份和恢复 网络设备存在双机，备机上存留一份与主机一样的配置，改动 后进行备份；本地数据备份与恢复功能，完全数据备份至少每

计算层输 高速网络 业务数据 智算集群 数据流向 主要包括 软件 设施 硬设 施层 基础 设施 运 维 监 控 平 台 第 11 页 l 1152 张 GPU 理论总算力超 46PFLOPS ，可满足千亿参数大模 型训练对算力的极致需求； l 主 流 GPU 服 务 器 支 持 8 卡 中央，利用机柜中上部空间，避开底部 线缆区与顶部散热盲区 l GPU 配置：单台搭载 8 张 NVIDIA 4090 GPU ， FP32 算力达 40TFLOPS / 卡 ， 为模型训练、 渲染提供强劲算力支撑； l 硬件特性：支持 PCIe 5.0 高速互联 ， 配置 2 17 页 设备类型 型号 数量 关键配置 单价 小计 （万） GPU 服务 器 超微 S83-4090T8 144 2 ×25G SFP28+1×10G SFP+1×1G 电口 ,8 张 NVIDIA RTX 4090 GPU （单卡 FP32 算力 40TFLOPS ） Leaf 交换 机 华三 S6850-56HF 8 25G SFP28×48+100G QSFP28×8

究院主导研发，IDSA联合 130余成员推动。2017年 发布架构模型，2019年升 级为国际数据空间参考架 构3.0版（IDS） 建设路径 一、政策引导 1、德国2014年启动工业数据空间行动，资助500万欧 元建IDS架构 2、政府配资50%支持非营利研发，维持技术领先 3、2021年发布数据战略，联合法国推GAIA-X整合IDS 二、技术创新 1、弗劳恩霍夫研究院整合12所资源，跨学科协同研发 2、IDS 底座。数网、数算融合更加充分，数 据跨层级、跨地域、跨系统、跨部 门、跨业务的高效可信流通利用的 格局基本形成。 到2027年，总结试点经验做法， 形 成 国 家 数 据 基 础 设 施 建 设 机 制、路径和方案的共识，完成国 家数据基础设施建设顶层设计，提 出国家数据基础设施建设的具体 技术路线和路径，正式启动国家 数据基础设施系统化建设。 建设形成横向打通、纵向贯通、 据计算规模两个维度，提高隐私计算的计算效率， 增强隐私保护能力。 二、增强跨平台互通能力。通过城市和行业数据基 础设施建设试点，结合人工AI大模型，平衡数据供 给方与需求方的利益，优化数据处理效率，推动规 模化应用和“全国一张网”建设。 三、探索数据合规流通与标准化。通过技术手段，解 决数据流通过程中的数据确权、收益分配等问题，探 索数据高效流通过程中安全可信的解决方案。 未来三到五年数据元件需突破两大方向： 技