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。 也由此升级为计算空间；第四阶段是数据空间 时代。近年来，随着大模型等人工智能技术的突破，以及人们对网络空间依赖程度的加深，对原先在互联网上难以流通的非 结构化数据和私域数据提出了流通的需求，如何构建一个既能让数据高效流通同时又确保安全可信的数据空间，成为网络空 间升级为计算空间后的又一次的跃升。 可流通数据只占全部数据的很小部分。自上世纪90年代互联网普及以来，全球数据资源呈爆发性增长态势，特别是移动 Engine、网络私有部署的Virtual Private Cloud、全托管式AI平台Vertex AI、谷歌办公应用，以 及数据分析应用平台BigQuery等。其中，BigQuery是Google Cloud构建的高效安全数据流通平台。 BigQuery平台通过EDC组件并嵌入联邦学习，可以提供数据存储、数据处理、数据分析等全流程服务，以实现数据的 高效利用与处理。既能满足互操作性的要求，通过实现不同系

数字孪生流域建设背景 P4 2017 年 ， 习近平总书记提出要建设网络强国、 数字中国、 智慧社会 ，把“智慧社会” 作为建设创新型国家的重要内容 ， 这是党中央从党和国家事业全局出发做出的重要决策 构建智慧水利体系 ， 以流域为单元提升水情测报和智能调度能力 —2021 年《国家国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》 大力推进数字孪生流域建设 ， 并部署各流域管理机构…先行先试。 年水利部印发《关于开展数字孪生流域建设先行先试工作的通知》 大力推进数字孪生水利建设 ，支撑保障“四预”工作。 — 2023 年全国水利工作会议 数字孪生流域建设背景 P5 雨水情监测尚不能满足洪涝模拟的需求 ， 需要加快构建雨水情监测预报“三道 防线” 受全球气候变暖影响 ，我国极端暴雨频发 ，人民群众生命财产受到严重威胁 ，提升致灾暴雨精 细 监测、精准预报预警能力 ，延长洪水预见期、提高预报精准度 ，是打好洪涝灾害防御硬仗的重 针对低空降水研发了降雨观测快速扫描模式及短时临近降水预报系统 ， 解决不同水文模型对降水 产品时空精度的定制化要求 ，提高了对流域局地极端降水的监测的精度和时效性； 本成果可为延长雨水情的预见期、 构建雨水情监测的“三道防线”提供解决方案。 技术成果： 延长预见 期 第三道防线 水文站 P11 地基： l 全新硬件设计 ， 小型化、 轻量化、 低功耗化 整机重量≤ 150kg 、可快速拆解为天线单元、俯仰舱体、

倍，显著提升训练效率。 技术细节：采用梯度累积（累积 4 批次更新一次参数） ，优化训练 过程。 硬件配置：昇腾 910B ×8/ 节点， RoCE v2 网络（带宽 200Gbps ）， 构建高效分布式训练环境。 框架优化：自动并行策略（数据并行 + 模型并行混合）， 提升分布 式训练性能。 优化器选择：分布式优化器（ Horovod+ 昇腾通信库）， 优化梯度 样本 / 批， 影像数据 32 样本 / 批，适配 不同 数据类型。 技术细节： NPU （寒武纪 MLU370 ）专用于电力行业 AI 推理，如设备缺陷识别、实时告警。 架构描述： 构建异构计算架构，涵盖国产 CPU 、 GPU 、 NPU 及国际 GPU ，满足不同计算需求。 国产化适配： 优先采用国产计算设备，提升整体架构 的自主可控性。 预训练配置与训练流程 2% 。性能提升： 推理延迟降低 50% ，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≤

数据模型包括水利数据模型和水 利网格模型。水利数据模型是根据溪源溪小流域内的防洪、供水等多应用目标，多层次 的复杂需求，构建描述水利对象的空间特征、业务特征、关系特征和时间特征一体化组 织的数据模型。水利网格模型是根据福州行政区划、溪源溪流域、水资源功能区等需求 构建的网格化管理模型。以上数据模型在福州智慧水利平台水利数据资源中心已具备提 供该模型的支撑功能，故本次项目不再建设该数据模型。 闽江侯官水闸-葛岐水闸段洪水预报模型 溪源溪小流域洪水分别从侯官水闸、厚庭水闸和葛岐水闸等 3 处汇入闽江。在利用 溪源溪小流域一维水动力模型进行河道洪水预报时，需要将 3 座水闸外侧闽江预报水位 过程作为下边界，因此需要构建闽江水位预报模型。 3.2.2.1.2.4 淹没分析模型 漫滩洪水进入滩地，滩地淹没范围内农作物及建筑物存在一定的滩地淹没风险。淹 没分析模型可以计算沿河滩地淹没范围及淹没水深的变化过程，为滩地淹没风险分析提 蓄作用，提高水系的防洪能 力，实现系统的防洪作用最优。 3.2.2.1.3.3 调度效果评价模型 在调度执行完成后，需要通过对关键指标的计算来评价调度效果，为下一次调度提 供经验。因此，需要构建调度效果评价模型。调度评价模型包括单一评价模型和组合决 策模型。 3.2.2.1.4 溪源溪小流域模型接口及平台 通过对溪源溪小流域防洪调度模涉及的水文水动力模型、淹没分析模型、预报调度 耦合模型和调度寻优模型等的封装，提供

56%) 。 行业数字化：智造业规模 24 年 1.55 万亿 ,25 年预 计 1.76 万亿 (CAGR 14%) 金 融 电 项目背景分析 第 3 页 l 需求本质： 构建 “弹性可扩展、算力多元化、绿色高效” 的区域级算力枢纽，既服务当前西部渲染业务，又为 AI 、大数 据 等新兴业务预留技术底座 ， 匹配西部数字文创产业算力的需求。 • 单台 GPU 服务器功耗≈ ，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 GPU 服务器 ，构建 1152 卡千卡级算力 集群 ，支撑千亿参数模型训练； l 网络能力 ： 基 于 大 二 层 架 构 与 Spine- Leaf 拓扑 ，实现端到端延 迟≤ 50μs ， 配置 2 × 1000W 冗余电 源 ，适配 10KW 高功率机柜 ，保障稳定运行； l 端口能力： GPU 服务器配置 25G 双网卡 ，分别连接不同 Leaf 交 换机 ， 构建 25G 双链路冗余 l 集中部署于特定机柜位置（靠近管理交换机），实现 管理流量与业务流量物理隔离。 l 承担集群管理、资源调

式变革。国资委文件也提出，国有企业要实现数字化转型，数 字化资产比重要从当前的30%提高到60%以上。央企集团总部 要率先打造数字化平台，加快形成集研发设计、生产制造、经 营管理和服务保障为一体的“端到端”企业数字化供应链体 系，构建以数据驱动为核心的敏捷响应和高效协同能力。 1.2 央国企数字化发展趋势 （1） 国家政策 据不完全统计，国家出台的与数字化转型相关的政策已 达45项之多，其中涉及国家战略发展、行业政策调整、企业经 双 重支撑。 （2） 经济趋势 央国企是我国的骨干和中坚力量，在推动国家经济社会发 展、保障国家安全和维护社会稳定等方面发挥着重要作用。随 着我国进入新的发展阶段，中央企业正在加快构建以国内大循 环为主体、国内国际双循环相互促进的新发展格局，央企应该 抓住历史机遇，从发展模式、业务布局、技术路径等方面做好 准备，以数字化转型来驱动高质量发展。 （3） 技术发展 数字化转 有大型企业的良好形象，连续5年被评为全省能源先进单位。 （2） 解决方案：在线客服系统、自助客服机器人 ①客服战略：实现全渠道服务升级 中国石化江苏石油：利用Udesk全渠道客服系统，获取最准 确的客户服务信息，构建了以客户为导向的、实现快速响应的 客服管理机制。中国石化江苏石油用户分布广泛，业务咨询量 大目繁杂：比如加油卡业务办理，每天会有大量的用户咨询和访 问，一系列问题需要客服来外理，此刻，高效的沟通胜过一切繁

经元来进行各种管理工作的开发和调节，从而解决了建筑设计中 存在的复杂的非线性映射问题，提高整个建筑的设计水平；三是 形状语法：该技术就是利用一种特殊的几何方法，对各种2D、3D 图形进行研究，并根据用户的需求和规则，自动构建出相应的图 形；四是集群智能技术：该技术是分布式人工智能技术领域的一 个重要研究方向。在一个特定的群体中，有许多非智能体，它们 之间仅能进行简单的信息传输和处理，而在微观合作中，它们可 以从 （二）进行多个设计方案的比较 AI人工智能技术也可以在施工过程中，实现高效的方案比 较。在设计阶段，要根据项目的建设需求和结构的特点，制定相 应的设计方案。在建筑物的实际施工和建立建筑物的3D模型构建 过程中，方案的内容可能会有一些差异，但利用人工智能技术， 在不同的施工方案之间进行实时转换，在相同的观测点上，通过 序列比，对各种设计方法的优缺点进行比较，可以获得更经济、 更有效的设计方法，保证设计决策的水平 可以通过多 个角度对建筑的结构和虚拟环境进行综合评价 [6]。 （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

过数据学习和改 进的技术。机器学习包括监督学习、无监督学习、强化学习等方法，它们可以用于预测、 分类、聚类等任务。 ● 深度学习（Deep Learning）：这是机器学习的子领域之一，通过构建深层神经 网络模型来进行复杂的模式识别和特征提取。深度学习在图像识别、自然语言处理 等领域取得了显著的成果。 ● 自然语言处理（Natural Language Processing，NLP）：这是使计算机能够理解、 5.0% 50 AI 在企业人力资源中的应用白皮书 创新案例 腾讯在弹性计划模式的基础上，增加了游戏化的元素， 同时利用数字化技术描绘员工福利画像，通过员工画像建模， 结合员工生命周期构建场景化福利，并时刻关注社会环境变 化趋势，根据趋势预测员工需求，进一步优化员工画像，为 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 该企业在提供员工服务和支持方面一直面临着很多问题。例 如，员工服务窗口不统一，服务数据记录不完整，缺乏服务 流程规范化，这导致了内部工作效率低下，无法进行量化考核。 为了解决这些问题，核心需求是整合服务资源，实现融合共享； 构建智能服务体系，降低成本并提高效率；实现可视化统计 分析体系。 通过引入 AIGC 智能问答机器人，员工服务资源得以整合， 服务内容得以融合共享。现在，员工可以通过统一的服务入 口获取所需支持，无论是有关员工福利、薪酬查询还是培训

语音交互算法的训练语料数据量将很快突破百万小时 ，训练数据包含大量不同用户的口 音数据、多领域歧义语料数据和具备复杂语法规则的数据。随着大规模语料样本数据的不断积 累 ，需要更好利用智算中心具备的大数据挖掘技术、深度学习算法 ，构建更加高级的语音模型， 为客户提供流式计算、在线计算、大规模离线计算等多种形式的服务 识 别 检 测 高性能识别检测平台往往需要支持处理 10 万 + 的物体识别能力 ，具备分钟级别的模型 生成响应速度 通过平台开放接口的方式将行业领军企业的算法能力、数据资源及运营服务等输出 给 IT 基础薄弱的企业 • 据 OpenAI 统计， 自 2012 年以来随着深度学习模型的演进 ，模型计算所需计算量已经增长 30 万 倍， AI 模型构建所需算力呈现出阶跃式增长特点 • IDC 在《 2020H1 中国加速计算市场调查报告》指出 ，预计到 2024 年 AI 加速计算市场规模将达到 2019 年的 2.6 倍 智能计算中心经济社会效益分析 一站式交付，加速算力 产业链的形成 加快 AI 算法公司和行业用户快速对接 ，带动一批新兴的专业化大数据企业崛起，驱 动一批创新型企业加速成长 带动新能源、新材料等高新技术产业发展，进而构建起以 AI 算力为核心的人工智能 产业新生态体系 加速 Al 生态对接 推动创新产业聚集 智 算中 心 凭借其强大的 AI 算力能够为不同用户提供算法产品与服务，解决用户面临的业务痛 点，实现用

(Private Clouds) 是为一个客户单独使用而构建的，因而提供对数据、安全性和服务质量的最 有效控制。该公司拥有基础设施，并可以控制在此基础设施上部署应用程序的方式。私有云可部署在 企业数据中心的防火墙内，也可以将它们部署在一个安全的主机托管场所，私有云的核心属性是专有 资源。 私有云可由公司自己的 IT 机构，也可由云提供商进行构建。在此“托管式专用”模式中，像 Sun ， IBM 一个公司企业数据 中心内的专用云。此模式赋予公司对于云资源使用情况的极高水平的控制能力，同时带来建立并运作 该环境所需的专门知识。 所谓私有云是相对于公有云的一个概念，私有云是为一个客户单独使用而构建的，因而提供对数据、 安全性和服务质量的最有效控制。私有云可部署在企业数据中心的防火墙内，也可以将它们部署在一 个安全的主机托管场所。简单粗暴一点来说就是某一个公司为自己公司储存数据，搭建业务应用系统 理 UI ， 支持自动创建、配置所需的资源。 平台定位：关注的云平台的统一管理，而不是底层的虚拟化或 具体资源。支持平台资源和应用快速扩展。 数据中心弹性扩展，满足未来业务增长的需要。 帮助客户构建自助、标准化的服务型基础设施的 同时， 降低管理成本。 • 可集中部署，统一管控，故障自恢复，系统更 加健壮，运行零风险。 • 从业务应用、中间件、基础设施层三层一体化 安全管理和保护。 •