无源物联网，是指没有采用电源（电池或者电线），而是通过采集环境中的微弱能量就能正常工作的物联网设备。 人们常说，“水乃生命之源”，而能量，则是驱动 IoT 设备工作的源头。在人类的发展史上，能源占据着举足轻重的地 位，目前人们对于能量的采集、存储与使用已经炉火纯青，以至于很多人都忽视了它的存在，而在 IoT 产业中，能量技术 在产业的地位也在迅速提升。 近些年涌现出来的 NB-IoT、LoRa 等新兴传输技术一个最主要的 能量，也可以传输信号，让系统非常的简洁，同时还 能节省成本，减小尺寸等。 第二种常见的就是采集太阳能 / 光能供电，太阳能供电可以获取较大的电能，但是系统较复杂，成本高，在某些场景 适用，但是对于大规模，低成本的物联网应用场景而言，明显是不适用的。 第三种，就是按压式发电，通过机械力改变材料的形变而产生电流，这种方式也有一些比较适用的场景，比如说开 关，遥控器等，但这种需要直接动手的方式，在大多数的场景中也不适合。 设备如果脱离了电池的束缚，可以做到更小的尺寸与更灵活的形态，甚至是柔性贴片式的形态，以方便应用。 此外，没有电池也可以降低很大比例的成本，尤其是对于很多低价格的产品而言，几毛钱的成本差异就会限制一大片 应用场景的使用。 物联网的愿景就是“万物皆可连接”，但对于很多低价格的产品比如矿泉水、零食、快递包裹等来说，产品的单价与利 润很低，采用电池连接，显然是不合适的。所以，采用低成本的无源连接方案成为释放千亿乃至万亿级连接量的必然之选。

同时存在。这种叠加态其实对于我们 生活在宏观世界的人来说很难想象。因为我们从出生到现在见到的世 界里的状态都是某一个确定的状态，比如光子要么处于水平偏振，要 么就是竖直偏振。一只猫，要么是死的，要么就是活的。同时处于死 和活的状态是一种什么样子，我们根本想象不出来。所以在量子力学 建立的早期，许多量子物理学家都很难接受其他人甚至自己提出的一 些理论带来的“奇怪”结论。其中对于叠加态的质疑就是著名的薛定谔 当纠缠态被测量时，其结果会出现关联。而这两种结果出现的概率由 量子态中的系数决定的。例如对于纠缠态α|00 +β|11 ，测量后的结果 总是两个白色朝上（00），或者两个黑色朝上（11）。而得到这两个结 果的概率分别为 α 2和 β 2。对于纠缠态α|01 +β|10 ，结果总是一黑一 白，也就是 01 或者 10。 对于两比特的最大纠缠态，我们叫做 Bell 态（Bell state），其有 四种情况，分别表示为： −|11 ), |Φ+ = 1 2 (|01 +|10 ), |Φ− = 1 2 (|01 −|10 ). 这四个 Bell 态是量子信息中经常用到的纠缠态，后续内容也会经常涉 及。对于三比特的纠缠态，常见的有 GHZ（Greenberger-Horne-Zeilinger） 态，也就是|GHZ = 1 3 (|000 ± |111 )。n 比特 GHZ 态的表达式为 10

经过环保、安全监管，国内化工行业的管控水平获得了较大程度的提升，部分企业或者赛 道具备先期实现智能升级的基础。我国自九十年代化工行业开始加速追赶以来，先期的化 工企业受限于当时的发展条件、技术水平和装置配置要求以及对于经济性的考量，生产装 置的人员依赖性相对较大，单套装置的配套人员数量相对较多，很多生产环节以员工的经 验为主要调节方式，流程管理、工艺优化、原料采购、库存管理等决策以人为核心主导。 自 2016 年 图表2：化工行业精细和大宗的赛道差异相对明显 来源：国金证券研究所绘制 不同的赛道 AI 的赋能节奏也会有明显不同。从现阶段看，对化工行业 AI 的赋能主要集中 于几个维度： ① 对于有具体或者相似路径设定的重复性环节，形成优化或者加速进程，比如配方研发、 产品设计等 ② 在部分岗位替换人工检测和审查，形成精准、高效且节约成本，比如质量检测、库存 调控、生产监管等； ③ 变革或将是主“战场”。在 AI 的布 局方向中，降本和拓品都相当重要，但相比之下，拓品对接的企业窗口相对较少，对于全 公司的“数字化”要求不是太高，但在部分赛道领域却可以成为目前行业卡脖子问题的重 要解决路径之一，从方向上，产品研发对接 AI 智能化的基础和速度或将有明显提振，同 时对于现阶段公司的稳定运行冲突较小。 化工的 AI 拓品将有望带动材料行业和大宗的基础研究领域形成明显突破。目前从技术突

网协同，务须明确“算力网”和“算网协同”的内涵。 2025 年 4 月，《全国一体化算力网监测调度平台建设指南》（简称 指南）正式公开征求意见，对算力网的内涵进行了阐述，从顶层设计 来看，算力网不是对于多方传统云计算平台进行简单的封装与转售： 使用方式，将从传统的“买算/租算”转为“用算”；渠道特征，将从 传统的“互联网自选下单订购”转为“算力网动态调度消纳”；网络 连接，可基于互联网或专用网络，专用网络相比于互联网可实现更好 用 性。  数据集处理策略 ●算网协同调度平台针对不同特性的数据集采用差异化处理方式 。 在整体数据集处理方面，在数据迁移完成后再启动数据处理应用，以 此确保数据处理的准确性与高效性。而对于持续更新 / 增长的动态 数据集，在部署数据处理应用的同时即刻启动处理流程：对源和目的 的数据集间进行实时高效地同步，从而满足业务对数据时效性的严苛 要求。 4.1.3 业务流程 步骤一： 心的算力、存储和网络资源情况，最终生成包含任务调度结果、流量 调度结果和数据调度结果的调度结果集，为后续的任务执行提供详细 的指导方案。需要注意的是，若涉及混合调度场景，系统将遵循既定 规则，对资源进行筛选。具体而言，对于归属于自治系统的资源，系 统不会将其纳入本次混合调度的资源池范畴，避免调度请求在两个系 统间循环往复的乒乓效应。 25 图 4-4 东数西算-协同调度与结果生成 步骤四：调度结果实施与数据迁移

技术-多项技术进步，特别是⼈⼯智能（AI）的发展，已经显著改变了机器 ⼈的前景 2 经济-机器⼈可以解决劳动⼒短缺问题。随着⼈⼝⽼龄化和更为严格的移⺠政策加剧，短 缺问题变得更加棘⼿ 此外，对于功能强⼤的机器⼈来说，投资回报周期相对于⼈类的吸引⼒越来越⼤。劳动 ⼒在全球国内⽣产总值中占⽐超过50%。因此，市场机会可能是巨⼤的 3 改善-技术进步使⼈们摆脱了单调的任务，增加了休闲时间。继续这⼀趋势，⼈⼯智能机 在AI- 启⽤移动的机器⼈。第2-8章探讨了AI机器⼈的潜在⽤例，从清洁、驾驶、交 付，到⼯业、建筑、零售、酒店和护理领域的使⽤。我们对9个⽤例领域的专 有分析预测到2050年将有41亿个机器⼈。对于⼀个⽤例，⼈形机器⼈，我们 进⼀步将其分为7个领域。我们的⽅法论将在下⽂中进⾏总结。 3. 挑战 - 第10章探讨了值得关注、辩论和解决的12个挑战。 和解决⽅案。 尽管存在挑战，但我们得出结 中的⼈类⽔平表现上取得了22%的改进 ，包括阅读理解和⽂本补全。这⼀重⼤⻜跃之后是GPT-4的开发，⽐如现在在回答 医学考试问题⽅⾯优于⼈类。 语⾳识别是多模态⼈⼯智能的另⼀个关键组成部分，特别是对于需要直观与⼈类互 动的机器⼈。2017年，微软的语⾳识别系统达到了5.1%的词错误率（WER），与 ⼈类抄录员的表现相匹敌。更近期的模型，如Google的WaveNet，在某些场景中 ⽐⼈类更准确。

讨了部分现行法规，并阐述了在地区、国家和国际层面开发和部署负责任的人 工智能的注意事项和最佳实践。 本文高度概括了当前人工智能（包括生成式人工智能（GenAI））的法律 和监管情况。虽然内容并非详尽无遗，但对于组织来说，这是一个了解自身现 状并确定负责任和合规的使用生成式人工智能应该考虑哪些关键因素的起点。 由于技术的不断进步以及法律和政策环境的演变，提供一份完整的概述是 具有挑战性的。因此，我们建 数据主体的权利：授予个人对其个人数据的各种权利，包括访 问、更正、删除和限制处理的权利。 ○ 安全措施：要求组织采取适当的技术和措施来保护个人数据免 遭未经授权的访问、披露、更改或破坏。 ○ 自动化个体决策制定，包括画像：对于包括画像的自动化决策 制定，必须征得数据主体的明确同意（《通用数据保护条例》第22条）。 ● 生成式人工智能的《通用数据保护条例》合规性： ©2025 云安全联盟大中华区版权所有 15 欧盟《通用数据保护条例》 看起 来似乎只影响用于训练模型的数据，但实际上该法规也适用于模型输出。这 包括处理意外生成的输出和恶意使用深度伪造技术，这些都可能损害个人声 誉和违反道德原则。所以制定明确的指导方针和保障措施对于确保负责任地 开发和使用生成式人工智能、降低风险和保护个人免受潜在伤害至关重要。 1.2.3 个人权利和控制 ● 访问和更正权：个人有权了解和访问生成式人工智能使用的其个人 数据，并在数据不

支持。 �.� 建设自主可控的运维团队 � �.�.� 具有团队建设预算 运维团队可以采用自建、外包或者二者结合的方式。 外包方式比较灵活，成本低，但是稳定性不足，较难深耕业务场景，对于贯彻标准和规范也面临 挑战。 自建团队方式，稳定性高，成本也相对高，但是便于贯彻公司战略、标准和规范，实现业务、开 发、运维协同发展。 自建团队可以通过内部培养，或者外招人才。内部 福建海峡银行一方面进行常规问题知识库建设，同时也收集同业问题案例整理实践指导手册。 为智能运维提供数据准备工作，通过AI、RAG等新技术，打造智能运维能力。 高可用运维 构建实战指南 第四章 �� �� 对于金融、电商、O�O、社交应用、零售、SaaS服务提供商等企业来说，普遍存在用户基数大（百万 级或以上）、营销活动频繁、核心交易系统数据库响应日益变慢等问题，为了提高数据库在高并 发、实时交易场景 对某些业务，特别是金融业务而言，数据的强一致尤为重要。如果出现数据丢失，就意味会给组织 或用户带来直接的金钱方面的损失，甚至影响企业的商誉和信誉。 因此，数据的一致性是数据库 设计中最需要考虑的问题之一。另外一方面，相对于传统的单机数据库，分布式环境下的事务一 致性是分布式数据库的重大挑战，网络时延和操作系统调度等不确定因素，给分布式事务一致性 的保证带来诸多困难，但是TDSQ分布式架构有一套完整的分布式事务一致性逻辑，可避免带来

S1440522070001 分析师：亓良宸 qi liangchen@csc.com.cn SAC 编 ÷:S1440524080005 本报告的核心逻辑 如何理解 DeepSeek 的出现对于国内金融业数字化转型的价值与意义 ? 一、低成本、高性能。 DeepSeek 通用及推理模型在性能不输头部同类大模型的基础上，成本相较于头部大模型下降至数十 分之一以 下，同时开源、本 与“价值分发” ; 结论 4 : 人机协同的本质是认知能力再分配，并非效率叠加，人类与 AI 认为的“困难”各不相同 ; 结论 5 :“ 电力 + 算力 + 数据”是大模型本身的关键，但对于金融应用不断动态沉淀下来的数据和模式创新才是核心胜负手 ; 结论 6 : 智能客服的价值不只是 24 小时在线及拟人化的服务，而在于比客户早半步看见需求 ; 结论 7 : 理解业务与理解技术同样重要 数字化转型的核心逻辑，最后一部分对券商、保险、信贷、供应链金融及其他金融科技机构业务逻 辑的痛点和 数字化价值进行深入探讨，以期对金融行业的智能化和数字化转型提供参考。 内容摘要 如何理解 DeepSeek 的出现对于国内金融业数字化转型的价值与意义 ? 一、低成本、高性能。 DeepSeek 通用及推理模型在性能不输头部同类大模型的基础上，成本相较于头部大模型下降至数十 分之一以 下，同时开源、本

个动态演进的过程。如何及时跟进、明辨方向、有序竞争、引领创 新，需要业界、学界、监管部门集思广益，共同推进。 [1] 所谓联邦身份管理，即不同应用都将认证的功能委托给可信任的第三方认证模 块，对于身份的认证和授权都可以通过这个第三方模块进行。 第二章 Web 3.0：变革与应对 陈永伟《比较》研究部主管 互联网的形态是随着技术的发展不断演进的。在经历了Web 1.0 和Web 2. 台就在事实上获得了对用户信息、用户接入等的掌控权，而用户本 人反而失去了对这一切的掌控权。在伍德等一些区块链从业者看 来，Web 3.0应该打破现状，让用户从垄断平台手中夺回本应属于他 们自己的权利。 一些文献对于伍德的论述做了进一步概括和引申，认为他所讲 的Web 3.0是一种可被用户拥有的互联网。知名区块链研究机构 Messari的研究员江下（Eshita）就做过如下概括： Web 1.0是“可 读”（read）的互联网；Web 是PoS（权益证明）共识，这就意味着当有人掌握足够多的STEEM， 并将其转化为SP之后，就可以发动至少51%的攻击。这个时候，整个 社区的民主决策将会完全受到破坏。[4] 对中心化搜索的变革 对于用户而言，从互联网的海量信息中检索出自己需要的信息 是非常困难的事情。在Web 1.0和Web 2.0时代，人们主要依靠搜索 引擎来解决这个问题。 从技术性质上看，搜索引擎本身很容易导致中心化。一方面，

度的动态路由与自适应调度能力，能够应对卫星轨道变化、链路中断、 业务突发等复杂情况，保障业务连续性。此外，星座规模和节点分布 的高度冗余赋予了网络极强的抗毁性和弹性，在单点故障或区域性灾 害中仍能维持通信链路畅通，这对于应急通信、国防安全等领域具有 战略意义。 从网络协同的角度看，卫星互联网承载网与卫星互联网接入网之 间是骨干与接入的关系，接入网完成用户与卫星之间的直接通信，承 载网则负责将这些接入流量在全球范围内进行传递与交换。与地面核 面网络控制器 集中进行，另一部分则由卫星互联网路由器分布式自主完成，如图 3-3 所示。 通常情况下，对于一些全局性、稳定性要求较高的路由策略，如 网络的骨干路由规划等，由地面网络控制器根据对全网拓扑和业务需 求的综合分析来制定，并将相应的路由表项下发给卫星互联网路由器。 而对于一些局部性、实时性要求较高的路由调整，如应对局部链路故 障或突发业务流量变化等情况，则由相关的卫星互联网路由器自主进 极小，这使得激光链路具有很强的抗干扰能力。在复杂的空间电磁环 境中，激光信号不易受到其他电磁信号的干扰，能够保证通信的稳定 性和可靠性。而且，由于激光束的高指向性，在卫星之间建立激光链 路时，所需的发射功率较低，这对于能源受限的卫星来说具有重要意 义，可以有效降低卫星的能源消耗，延长卫星的使用寿命。​ 然而，激光技术在星间/星地链路应用中也面临一些挑战。一方 面，激光通信对卫星之间的捕获、对准和跟踪（Acquisition