计划协议 合同 供应商 另一个工厂 主数据 采购订单是正式请求供应商提供该采购订单规定的货物或服务。在采购订单里需指 定该物料是用于备货还是直接消费（如成本中心、资产或项目）。收货和发票校验 通常基于采购订单执行。 手工 采购订单 © 2011 82 - All rights reserved 66 采购订单 10 20 30 表头数据 项目 : 10 • 采购订单编号。 供应商 合同处理 © 2011 82 - All rights reserved 75 框架协议：合同 © 2011 82 - All rights reserved 76 对于基于定期计划的采购，我们不给供应商采购订单或批准订 单，供应商只会收到送货计划。送货计划的每一行代表指定的 送货要求，它包括： - 送货数量 - 送货时间 框架协议 - 计划协议 © 2011 82

基于区块链和区块链服务网络（BSN） 的可信数据空间建设指引 国家信息中心 2025 年 4 月 1 报告研究编写组成员 组长： 单志广 国家信息中心信息化和产业发展部主任、区块链 服务网络（BSN）发展联盟理事长 副组长： 张延强 国家信息中心信息化和产业发展部未来产业（区 块链技术与应用）处副处长 。 为引导各地方、各行业和重点企业有序推进可信数据空间 建设，国家信息中心联合有关单位开展专门研究，通过分析可 信数据空间的概念、特征和功能定位，提出“1+5+N+1”总体架 构，初步探索基于区块链和区块链服务网络（BSN）的分布式 可信数据空间建设的技术架构和实施路径，为相关单位有序开 展可信数据空间建设提供参考方案和专业指导。 I 目录 一、概念特征与功能定位 . 34 五、典型应用案例 .......................................................................... 36 （一）基于 BSN 构建可信数据空间 ...................................... 36 1．基础底座层 .................................

行规划，在运营、生产、服 务等业务领域基于内外部需求开展数字化转型探索工作。 b) 二级：组织应对数字化转型的组织、技术、数据和资源进行规划，完成局部业务的数据收集、整 合与应用，初步具备基于数据的运营和优化能力。 c) 三级：组织应具备数字化转型总体规划并有序实施，完成关键业务的系统集成和数据交互，在 运营、生产和服务领域实现基于数据的效率提升。 d) 四级：组 四级：组织应将数据作为支撑运营、生产和服务关键领域业务能力提升优化的核心要素，构建 算法和模型为业务的相关方提供数据智能体验。 e) 五级：组织应基于数据持续推动业务活动的优化和创新，实现内外部能力、资源和市场等多要 素融合，构建独特生态价值。 服 务 运 行 服 务 交 付 服 务 能 力 服 务 心 品 仓 備 配 逃 设 备 管 理 质 量 管 控 务创新人才、数字化转型 治理与管理人才等需求， 并有意识地吸纳和培养 相关人才 a) 应结合数字化转型战 略，建立岗位数字化评 价优化机制，持续优化 岗位数字化评价模型； b) 应基于数字化转型优 化调整战略，适时优化 调整组织结构与岗位 职 能 ； c) 应持续推进数字化转 型生态文化建设； d) 应建立专门的专家团 队、研究团队、执行团 队，支撑生态体系建设

80 4.1 金融 81 4.1.1 恒生电子：基于鲲鹏原生开发经纪场外业务系统，让证券数据处理更高效 81 4.1.2 宇信科技：基于鲲鹏原生开发金融软件，让金融信息处理更高效 83 4.2 电信 86 4.2.1 浩瀚深度：鲲鹏原生赋能 DPI 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 95 4.4.2 国能信控：基于鲲鹏原生开发新能源计算平台，为电力系统提供高效算力支撑 97 4.5 医疗 99 4.5.1 卫宁健康：基于鲲鹏原生开发新一代医疗信息系统WiNEX，让医疗服务更便利 99 4.5.2 东华软件：构建鲲鹏原生医疗经营管理系统，让医院运作更有序 101 4.6 水平软件 103 4.6.1 星环科技：基于鲲鹏原生大数据基础软件，让企业数据流转更快捷 103 4.6.2 深信服：联合鲲鹏共同推进企业级分布式存储EDS原生开发创新实践，让数据管理更可靠

个）城市智算基础设施服务当地用户，满足数字 政务、城市大脑等城市数字化转型场景；通过（M 个）行业智算集群 服务教育、电力、金融、互联网等重点行业；并基于地市边缘节点（X） 按需将推理算力向边缘覆盖。 中国电信云化 IP 城域网(简称为新型城域网)具备原生算力业务 高效承载的能力，基于云网 POP 灵活架构以及城域 Spine-Leaf 的 Full-Mesh 组网优势，实现了云边/边边高效协同和算网快速对接。面 快递”的模式不仅效率低，还面临着硬盘损坏与数据丢失的风险。当 前基于网络传送的方案仍存在不足，百兆专线耗时长，而万兆专线 /OTN 专线成本高，亟需对网络进行升级，提供更为高效且具性价比 的数据入算服务。 为了实现海量数据的高效流转，网络需要具备网络级负载均衡能 力，全面提升整网的有效吞吐量，打造高运力网络，为数据高效传送 提供坚实基础。同时，网络需要具备高度的弹性与敏捷性，基于任务 式服务为企业按需提供弹性带宽，满足短时间内大批量数据传输的需 引发训练任务卡死等问题会严重影响训练效率，网络须具备高精仿真、 网络自愈等智能运维能力。 综上，跨集群协同训练服务对算力城域网的需求是：采用 400G/800G 高速链路，支撑 100km-500km 跨集群协同训练。基于 RDMA 无损数据传输保障跨集群训练的算效下降小于 5%。采用 4:1、 8:1、16:1、32:1 等高收敛比组网；网络高稳定运行，故障影响不扩散。 3.2.4.云边协同训推需求 大模型

将成为智能时代的全新信息系统入口 7  大语言模型（LLM) 是指使用大量文本数据训练的深度学习模型，可以用于生成自然语言文本或理解语言文本的含义。  大语言模型可以处理多种自然语言任务，基于大语言模型开发的ChatGPT或能够为用户提供信息系统入口/界面，同时可以管理计 算资源并支撑应用开发。 ChatGPT作为一种大语言模型，可以成为信息系统入口的界面 桌面和移动应用 资料来源：《AIGC: Anything 1-Billion（SA-1B），并将其开源于 GitHub。该模型的推出旨在促进机器视觉通用基础大模型的进一步研 究，为图像分割领域的研究和应用提供更加完备的解决方案。  SAM 模型基于 Meta 在 2021 年发布的 Unified Vision 模型架构，并在此基础上进行了优化和改进。该模型采用了多尺度特征 融合和深度监督等技术，具有更好的图像分割效果和更高的鲁棒性。SA-1B 助诊断和为 治疗康复规划的方案尤为重要。  冠脉和头颈类应用的市场前景较好，肺结节和肺炎类应用的市场覆盖率相对较高。乳腺和肝脏的应用目前仍处于研发阶段，商业 化进程正在推进。部分头部企业则主要基于某一临床科室应用起家，发展成为精品后，将业务线拓展至其他临床科室。  数据采集与结构化优势突出，图像标注更易标准化  不同科室对AI影像产品的需求存在差异点。  相关上市公司：祥生医疗

胸科医院利用DeepSeek开发“医学科研小助手”，优化无 管化手术临床路径，减少人工复核时间30%；同时，其结 核病感染风险评估程序通过实时数据分析，提升公共卫生响 应速度。  个性化服务与精准决策 基于患者多维度健康数据的AI模型可生成个性化方案。美年 健康“糖豆”AI智能体通过分析血糖、饮食等数据，提供糖 尿病管理方案，用户糖化血红蛋白值平均降低2.4%。此外 ，DeepSeek在医保欺诈检测中实现百亿级资金浪费的实时 助诊断和为 治疗康复规划的方案尤为重要。  冠脉和头颈类应用的市场前景较好，肺结节和肺炎类应用的市场覆盖率相对较高。乳腺和肝脏的应用目前仍处于研发阶段，商业 化进程正在推进。部分头部企业则主要基于某一临床科室应用起家，发展成为精品后，将业务线拓展至其他临床科室。  数据采集与结构化优势突出，图像标注更易标准化  不同科室对AI影像产品的需求存在差异点。 AI影像中疾病筛查及辅助诊断类应用最为广泛 行“AI+设备+场景”的深度整合 联影医疗及联影智能通过“AI+设备+场景”的深度整合，已形成从研发到商业化的全链条能力 联影医疗的AI核心产品线  uAI影智大模型  技术特点：基于多模态技术（影像、文本、语音），结合生 成式AI的通用性与医疗垂直领域的数据训练，支持跨模态融 合与动态学习。  应用场景：1）影像诊断：辅助肺结节、冠脉CTA等病灶检出 ，肺结节检出率提

务通过最优路径调度到最优的计算节点，在实现用户体验最优的同时， 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 3 保证网络资源和计算资源利用率最优化。 算力网络的核心思想是基于泛在分布的网络实现无处不在的算 力资源，通过构建一张计算资源可感知、可分配、可调度的新型网络 来实现计算任务的统筹分配和灵活调度，算力资源云边端跨域分布和 算网深度融合是其典型特征，为多元用户按需提供优质高效的算力资 服务闭环优化、智能运维等，使能算网自动化、自优化、自修复、自 学习，实现算网精细化自主运营，算网运营者将更多关注于算力网络 的规则制定和流程管理，而不需要在算力网络运行过程中进行干预。 对于算力网络使用者来说，基于 AI 技术构建的智能化算网服务流程， 能够快速识别新业务，使用智能的交互方法来全面洞察用户意图，在 实现资源高效利用的同时保障极致的客户体验。算网使用者仅需简单 的操作，便可获取最优的服务。同时，对于算力网络本身来说，AI 周期的自动化、 智能化运维能力，提供敏捷运营和全场景服务。当前，服务生成网络 概念已获行业共识，能力分级标准已基本统一，如图 1-2 所示。 图 1-2 服务生成网络智能等级划分 基于上述思想，服务生成算力网络通过算网服务生成，即算网全 流程的自动化运行、高效的资源利用率、自适应的优化调整、持续的 智能演进、智简的服务体验、全场景的业务承载等，为各行业提供优 质的算网资源服

....................................................................................... 11 2.1.2 基于结构的靶点发现计算辅助方法 ................................................................. 11 2.2 AlphaFold .................................................................................. 13 图 10 基于配体的虚拟筛选和基于受体的虚拟筛选流程 .................................................. 13 图 11 ADMETlab 3.0 数据及 DMPNN-Des 已有系统生物学平台/系统/方法 ..................................................................................... 11 表 6 基于结构的靶点发现主要策略 .......................................................................................

效性。时效性指信息在特定时间段内具备使用价值的特性，其核心在于信息能否 在需要时及时传递并发挥作用。时效性直接影响信息的决策价值——过时的信息 如同“失效的药品”，即使内容完整准确，也可能导致判断失误或机会丧失。 互联网基于"尽力而为"（best-effort）的数据传输机制，能够满足大多数常 规信息传输需求，例如电子文档传输、门户网站新闻资讯等典型的 Web1.0 和 Web2.0 应用场景。然而，特定类型的信息对传输时效性具有严格要求，超出时 差错检测与纠正（循环冗余校验等）、流量控制（避免网络拥塞）、介质访问控 制（解决多设备共享同一传输介质的冲突）等。 为了实现数据能跨二层网络传输，网络层（也被称为三层网络）将数据抽象 为数据包（Packet），主要功能包括：基于 IP 协议进行逻辑寻址（如 IP 地址）、 路由选择（确定最佳路径）等，实现跨网络通信。三层网络与具体的网络介质无 关，极大扩展了网络互通的范围。 三层网络解决多个二层网络互联互通的问题，作为通信终端的主机之间的传 架构。更关键的是，这种碎片化导致两个根本性问题：一是缺乏对数据语义的标 准表达方式，造成约 30%的系统集成错误源于数据理解偏差；二是中间网络设 备（如 CDN、防火墙）因无法理解应用层数据内容，只能进行基于 IP 和端口的 浅层优化，导致缓存命中率等性能指标下降 40%以上。这种现状与 OSI 模型标 准化的初衷形成鲜明对比，亟需在网络架构中引入统一的数据抽象层，在保持格 式灵活性的同时实现语义