解成若干 个小任务，然后把这些小任务分配给地理、网络层级或逻辑上相互独 立的多个节点。这些计算节点可涵盖数据中心、边缘设备（如基站、 物联网网关）、终端设备甚至个人闲置设备等，通过网络连接形成协 同体系，实现算力资源的分布式协同与高效利用。分布式算力并非单 一形态，边缘算力是前者重要组成部分，是分布式思想的一种具体体 现。边缘算力强调“地理近端性”，即计算能力的部署靠近数据源， 以满 自主可控、高效协同的算力体系是提升国家核心竞争力的关键。国家 发改委等部门推动的“东数西算”工程，核心目标并非简单的“数据 西迁”，而是构建全国一体化的算力网络体系。推动该技术发展，能 将地理上广域分布、架构上高度异构、权责上分属多域的海量算力资 源，通过智能化感知与调度，整合成逻辑统一、弹性敏捷、安全可控 的国家级“算力资源池”。这不仅从根本上解决我国东西部算力供需 不平衡的结构 -边缘”协同计算体系落地，《关于进一步深化电信基础设施共建共 享的实施意见》中要求“促进基础设施智能化升级”，而分布式算力 感知与调度系统通过整合边缘节点算力资源，能够弥补集中式数据中 心在地理覆盖和低时延响应上的短板，形成“云边协同”的算力供给 体系。例如，中国铁塔拥有的 210 万站址资源，通过统一的感知与调 度机制，可转化为支撑“双千兆”网络、工业互联网、车联网等新型 基础设施的底层算力支撑。

2023-2024 坚持绿色发展 加快畜牧业转型升级…………………………………………………………………………78 推荐单位 ：新疆维吾尔自治区阿勒泰地区农业农村局 壮大特色品牌 助农致富增收——库尔勒香梨地理标志农产品保护工程项目……………………………78 推荐单位 ：新疆维吾尔自治区巴州库尔勒市人民政府 自主数智技术赋能产业发展 铸就可信新质生产力…………………………………………………………79 词云体现：传播、跨界、直播、畅销、上新、晒晒、摸底、名人、电商平台、互联网 大量“新”字头热词出现 词云体现：新兴技术、新路子、新机遇、新业态、新产业、新农村 农产品品牌意识增强 词云体现：品牌、一村一品、地理标志、标志产品 销售情况被更多关注 词云体现：销路、畅销、销售、消费者、旺季、订单、产销 数据来源：通过关键词方案拉取全网相关数据信息，其中包括：网站、数字报刊、互动论坛、微博、 微信公众号、客户端、视频平台等 个，省级 目录区域公用品牌 1100 余个，企业品牌 1700 余个，产品品牌约 2000 个，31 个省（区、市）均出台品 牌支持政策。截至 2024 年 11 月，全国绿色、有机、名特优新和地理标志农产品认定总数达到 8.1 万个。 2. 乡村旅游发展加速融入国际市场 根据文化和旅游部数据，截至 2024 年 11 月，全国共有 1399 个全国乡村旅游重点村和 198 个全 国乡村旅游重点镇（乡），超过

CV、INTERN（商汤）等 是指能够处理多种不同类型数据的大模型，例如 文本、图像、音频等多模态数据。这类模型结合 了NLP和CV的能力，以实现对多模态信息的综合 理解和分析，从而能够更全面地理解和处理复杂 的数据。代表性产品包括DingoDB多模向量数据 库（九章云极DataCanvas）、DALL-E(OpenAI)、 悟空画画（华为）、midjourney等 1.4 大模型的分类 大模型可以根据传感器数据实时调整生产参数，提 高生产效率和产品质量 物联网技术 单击此处添加文本具体内容，简明扼要地阐述您的观点。根据需要可酌情增减文 字，以便观者准确地理解您传达的思想。单击此处添加文本具体内容 智能语音技术 帮助企业更好地理解和利用数据。大模型可以对大量的数据进行分析和挖掘，提 取有价值的信息，而数据分析和可视化技术则可以将这些信息以直观的图表和报 告形式展示出来，方便企业管理层进行决策 企业AI大模型可以根据历史数据和实时数据来优化 业务流程。比如，它可以通过预测分析来提前发现 潜在的问题，并采取相应的措施来避免这些问题的 发生 优化业务流程 企业AI大模型可以帮助企业更好地理解客户需求， 从而提高产品质量。比如，它可以通过自然语言处 理技术来分析客户反馈意见，并针对性地改进产品 设计 提高产品质量 4.2 企业大模型的七大落地场景 来源：网络文章《大模型技术赋能企业：七大落地场景深度解析》

采集系统，网络数据可视化处理更加高效 86 4.2.2 恒安嘉新：基于鲲鹏原生开发安全采集分析平台，保障企业信息系统安全稳定运行 89 4.3 政府 91 4.3.1 超图软件：基于鲲鹏原生开发地理信息系统，让自燃资源评估更高效 91 4.3.2 深圳防灾减灾技术研究院：鲲鹏原生助力地震观测数据高效处理 93 4.4 电力 95 4.4.1 广州海颐：基于鲲鹏原生开发高性能、高可靠电力系统软件，加速电网数字化转型 (Gbps) 单位功耗效能比 原方案 鲲鹏方案 91 / 鲲鹏原生开发技术白皮书 鲲鹏原生开发行业案例 北京超图软件股份有限公司（以下简称“超图软件”）是自然资源领域领先的解决方案供应商，聚焦地理信息软 件（Geographic Information Software，广义 GIS）和空间智能（Geospatial Intelligence，GI）领域的基础软件 与应用，其自主研发的 能够快速处理和分析海量空间、属性数据。在灾害应急救援过程中， 全面深度分析各类地理信息、应急资源、灾害现场数据，为灾后救援提供有力支持。为确保科学有效防灾减灾， SuperMap GIS 借助多源数据融合手段搭建应急管理数字底座，助力政府部门高效应急防范，在风险评估与情景模 拟、突发事件快速响应、灾后重建规划等领域发挥积极作用。 4.3.1.2 鲲鹏原生方案 为了全面推进地理信息产业数字化的自主创新进程，打造高性能、可持续的解决方案，超图软件携手鲲鹏针对

更好地支持商业决策和产品设计，以便管理层和业务决策者 释 更好地理解和应用模型结果，推动产品设计和业务决策的优化。 保险产 品设计 风险因素识别 分析大量的健康险相关数据，包括历史赔付数据、人口统计和医疗资料等，从中识别出潜在的风险因素，有助于产品精算人员更 好地理解不同客户的风险特征，并制定相应的保险策略。 风险评估 和预测 个性化建议 根据个 根据个人医疗历史和风险因素，为产品精算人员提供个性化的保险建议和方案，这有助于产品精算人员更好地理解客户需求，并 提供更符合实际需要的保险产品。 测试 使用历史数据和模拟技术来进行风险模拟和压力测试，以评估产品设计的可靠程度和稳定性。 保险产品 方案设计 客户需求分析 可以通过对海量数据的处理和分析，发现不同因素对于客户需求的影响，从而为保险公司提供更准确的市场研究结果。可以利用

已从试点阶段迈向大规模应用，并采用基于人工智 能驱动的商业模式。IDC 的人工智能应用模型（AI Adoption Model）描绘了人工智能从新兴技术发 展为赋能引擎的演进路线，以便帮助我们更好地理 解当前的战略转变和能力变化 ： » 第一阶段 ：实验期（2023 年 –2024 年）—— 生成式人工智能竞赛 ：各组织开展碎片化人工 智能实验，通常在战略、数据和工具方面各自 为战。各项举措仍然处于探索阶段，缺乏统一 19.3 ZB 5年CAGR约为24.9% 5年CAGR约为 13.6% 527.5 ZB 48 全球数智化指数（GDII）2025 如图 24 所示，数据生成量与存储规模之间的关系 跨越了地理边界，直接反映了全球数智基础设施的 整体发展水平。从 90 个样本国家中，我们可以看 出一个明显趋势，绝大多数国家的数据生成量远超 出本土存储装机容量，这表明存储缺口已成为全球 性挑战。 还要承担辐射周边国家和跨国企业的重任。 例如 ： » 新加坡、爱尔兰、日本 ：凭借全球领先的数据 中心枢纽地位，吸引了大量投资，业务辐射周 边整个区域。 » 瑞典、加拿大、澳大利亚 ：凭借得天独厚的绿 色能源资源、战略性地理位置和先进的联接基 础设施，已成为区域性数据中心的重要节点。 » 马来西亚、印度尼西亚、智利、印度 ：作为新 兴的数据中心市场，已提前布局存储设施以满 足未来的消费需求。其中，印度的潜在市场规

人形机器人通过对环境信息的分析和处理，理解并识别出环境中 的物体、场景及它们之间的关系，从而做出合理的决策和行动。随着 深度学习等人工智能技术的不断发展，人形机器人在场景理解方面也 取得了显著进步，能够更准确地理解复杂的场景信息。多模态数据融 合技术也提高了人形机器人对环境信息的感知和处理能力，使其能够 更准确地判断环境中的情况。但目前的融合以图像、文本和语音为主， 对于感知信息的运用却局限于一类信息解决一类问题，缺乏对多模态 指令去控制机器人的运动与操作，同时再将机器人的视觉、力觉、触 觉等各种感觉反馈给人，实现人与机器人的深度耦合。多模态人机交 互将听觉、视觉、力觉、嗅觉，以及红外、激光、温度等多种模态的 感知信息进行融合，更加准确地理解人、物体和场景，进而能更加自 然地交互。在多模态交互中，自然语言处理技术起到了至关重要的作 用。通过自然语言处理技术，机器人可以理解人类的自然语言指令， 并进行相应的回应和操作。除了基本的语言交互外，业界正在研究情 提高了生产线 的适应性和柔性，满足了多样化产品需求。 77 该案例不仅验证了人形机器人在动态工业流水线中的实际可行性， 还为其他企业提供了可以借鉴的具体解决方案。通过该应用，企业能 够更好地理解和应用机器人技术，推动工业生产的自动化进程，降低 对人工劳动力的依赖，从而在提高产能的同时降低生产成本。此外， 该成功案例也加速了机器人产业的工业化进程，推动了工业自动化技 术的普及和发展。

算力网络能够进一步赋能 AI 产业加速进化，为 AI 计算提供“随处可 得”的优质算力服务，支撑大模型训练和高效的模型推理，有效地推 动 AI 应用的广泛落地和创新发展。为了使研究人员更直观、更深入 地理解服务生成算力网络，并提供面向新一代算力网络建设的参考方 案与灵感启发，本白皮书从 AI 技术与算力网络结合的角度入手，从 概念、架构、技术、场景、生态、挑战等多个方面对服务生成算力网 络进行系统、全面的阐述。 务生成算力网络进行交互，就像与一个人类进行对话一样。同时，服 务生成算力网络可以根据用户的历史数据和行为习惯，提供个性化的 服务和建议。通过分析用户的历史查询记录、喜好偏好等信息，能够 更好地理解用户需求，从而提供更加符合用户偏好的回答和解决方案。 能力自主优化：服务生成算力网络能够根据自身的学习和经验积 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 48 累不断进

（19）自贸区分账核算单元是否严格隔离资金，跨账务单元调拨是否具备 真 实贸易背景？（检查分账核算系统设置，验证资金调拨审批单据） 6 、操作风险 （20）移动展业设备定位功能是否实时监控，超出预设地理围栏是否自动 锁 机？（实地测试 PAD 设备定位功能，检查异常移动预警记录） （21）金库双人管库模式下生物识别系统是否具备活体检测功能，备用钥匙 启用是否触发总行预警？（突击检查金库门禁日志，核验生物特征失效处置流 分析其审批客户特征与风险指标的统计显著性差异，并结合客户经理的历 史业 绩、专业背景等因素进行综合评估） 7 、通过物联网数据验证抵押物状态？（例如对存货质押业务，能否利 用 RFID 、GPS 数据实时监控质押物数量与地理位置变动，需要验证物联网设 备数 据与信贷系统数据的同步性，识别虚假质押或重复质押行为） 8 、利用时序数据分析贷款展期规律，识别通过频繁借新还旧、还旧借新 操 作掩盖实质不良贷款的异常模 况；风险分 类 滞后，部分贷款逾期 90 天才下调至关注类。 4 、处理结果：重组风险暴露贷款 3200 万元，清退 2 名严重失职客户经 理； 上线移动端贷后检查系统，强制关联现场拍照与地理信息。 5 、案例启示：需将物联网技术与信贷管理系统整合，实现贷后检查过程 可 追溯。 五、运营与渠道审计 （一）基础审计场景应用问题 1、渠道管理类 32 （1）如何发现线下网点超范围经营？（如未经批准销售保险产品，可安

会识别自治系统所属的资源范围，并在资源筛选与调度过程中，将这 部分资源予以过滤，转而在其他更为广泛的资源池内，对算力需求进 行优化匹配与调度。算网协同调度平台依托其庞大的资源数据库，其 ●中涵盖了来自不同地理区域 、各类资源供应主体的丰富资源信息，从 众多外部资源中筛选出最契合算力使用方需求的资源组合，实现跨区 域、跨系统的资源高效调配，以满足自治系统资源提供方作为算力使 用方的复杂需求。 此 云供应商作为算网资源的主要供应方，承载着满足用户多元需求 的重任。在实际业务场景中，云供应商虽具备一定规模的资源储备， 但常因各类因素难以全方位契合用户诉求。 例如，在地域性方面，部分用户对数据存储与处理的地理位置有 严苛要求，期望数据能就近处理以降低延迟、提升响应速度，或是出 于法规、安全等考量，限定资源必须部署在特定区域，而云供应商现 有资源布局无法覆盖；在价格层面，随着市场竞争加剧与用户成本控