使用的强 化学习算法等多样化系统。更广泛的类别，如生成式对抗网络和大语言模型等， 是众多生成式人工智能应用的基础，要求在监管中将其纳入考虑。由于现行立 法在适应这一动态环境方面面临挑战，因此有必要采取细致入微的方法管理这 一广泛、快速发展的系统。由于竞争压力，快速发展的技术渗透到我们的生活 和商业实践中，但与此同时，法律框架却不完善且适应缓慢，造成了一种严峻 的局面。本文将探讨： ● 对训练数据和提示词数据的限制：《通用数据保护条例》概述了以 下处理数据的主要原则： ○ 目的限制：数据的收集和使用只能用于特定、明确界定或兼容 的目的。 ○ 必要性：只能收集和使用实现这些目的所必需的个人数据。 ○ 数据最小化：应尽量减少收集和使用的个人数据量，只收集绝 对必要的数据。 ○ 存储时限：必须尽可能缩短个人数据的存储时间，并且必须定 期设定和审查存储期限。 训练数据（以及提示词数据，它们也可能成为“训练数据”），即只在 数据从训练集中删除。 此外，反对权可能只适用于特定的数据元素或特定的目的，而不一定 适用于用于训练模型的所有信息，这可能会限制个人反对权的范围。这凸 显了开发透明且负责任的生成式人工智能以尊重个人隐私权的必要性。 ● 合规性：《通用数据保护条例》要求对数据处理活动执行数据隐私 影响评估(DPIA)，这也适用于人工智能系统的数据处理及其对数据主体造成 的风险。在用于训练大型生成式模型的大数据集中识别个人数据非常困难，

A100，推理任务则主要受显存限 制，需要 4 至 8 张 A100，因此完整的模型无法在终端上离线运行。 优化后大模型可在旗舰机型芯片上运行，AI 落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 大模型训练对硬件的挑战：算力、内存和通信 .............................................. 8 终端部署具有必要性，轻量化技术优化模型 ....................................... 11 超低时延的智慧场景，终端部署具有必要性 ...............................................11 缩减优化模型，部署终端设备 图7：各模型位于 LM 损失等高线图上的位置 资料来源：DeepMind，国信证券经济研究所整理 资料来源：Sunyan’s Substack，国信证券经济研究所整理 因此，优质大模型的训练，高质量的大数据集是必要条件。目前主要的数据获取 渠道是公开的论坛，例如谷歌的 LaMDA 模型，在论文中表示其预训练数据 50%对 话数据来自公共论坛；12.5% C4 数据；12.5%的代码文档来自与编程相关的网站； 12

1. 任务（Task）：评估工程变更的合理性和必要性 2. 行动（Action）：审核变更申请文件、技术论证报告和成本影响分析 3. 目标（Goal）：确保变更决策的科学性，防止不必要的成本增加和进度延误 26 26 提示词模板 作为工程变更审计专家，请按照以下框架进行分析： 1. 任务：评估[项目名称]中[具体变更]的合理性与必要性 2. 行动：请对以下资料进行详细审核： 行动：请对以下资料进行详细审核： - 变更申请文件及理由 - 技术可行性论证 - 变更影响评估（包括成本、工期和质量影响） 3. 目标：形成专业判断，回答以下问题： - 该变更是否具有充分必要性？ - 变更方案是否最优？ - 变更成本是否合理？ - 对项目整体目标的影响评估 TAG 模型之所以能够应用于工程审计中的优势在于其简洁性和目标导向 性： 简化的三维结构使审计人员能够快速聚焦核心问题，避免信息过载；明确 未必就能满足应用的需要。此时， 可以通过反复修改问题的方式，来得到满足条 件的答案。同时，也可以在提问时，提交答案的方式，来提高正确率。 （3）人工审核结果：对于 DeepSeek 生成的答案，务必要谨慎评估其正确 性 和可靠性，然后再考虑其结果是否可以应用。人工智能能做到减轻人类的大 部分 工作负担，提高工作效率，但本研究团队认为，DeepSeek 还只能起到辅助 审计的 作用，在大大提

容灾高可用等。机房故障发生时，能够快速切换到备用机房，确保业务的持续运行。 在性能故障方面：应加强性能监控和分析，做到实时监控数据库性能指标，使用分析工具识别性 能瓶颈。可对慢查询进行优化，添加或调整索引以提高查询效率。在必要时增加数据库服务器的 CPU、内存或存储资源。 此外，数据库应急预案与应用系统、基础环境、网络架构等结合联动，形成完整的应急预案。 数据库运维知识库是保障运维效率、传承经验、降低风险的核心资产，其建设关键在于结构化积 并通过数据回档到当前实例的方式， 来解决误操作导致的数据问题。 �� 回档前，需要确保系统存在足够的可用磁盘空间； 回档期间，不能进行扩容、版本升级操作； 对于故障恢复场景，立即停止原数据库写入数据，并准备好必要的核对数据的前期准备。核对数 据包括从 binlog 中查找误操作时间点，并从业务侧（或缓存中）抽取业务日志互相核对。 前提条件： 数据回档是通过定期镜像和实时流水重建，将实例或指定库表回档到指定时间（精确到秒），且可 协议传输数据的工作效率会降低百分之十左右。假如为了安全保密，将一个数据库所有的数据通 讯应用都启用 SSL 技术来加密，并使用 TLS 协议进行传输，那么该业务系统的性能和效率将会明 显降低，而且没有这个必要，因为一般来说并不是所有数据都要求那么高的安全保密级别。 SSL 加密并不保护数据本身，而是确保了来往于数据库和服务器之间的流量安全。从某个角度来 看，由于企业内网天然的安全和隔离性，管理员通常可以放心内网传输安全，并在必须使用时再

，而我国若 能率先打通“规划-技术-市场”全链条，或将输出能源数字化转型的 “中国方案”。本节通过详实的数据分析，揭示了算力产业爆发式增 长带来的能源挑战与电力系统新能源消纳困境，为算电协同的必要性 提供了量化依据。 1.2 国家政策规划，推动算力绿色低碳转型 在技术业务需求驱动的同时，国家层面的政策引导为算电协同提 供了制度保障和发展方向。国家层面已构建起较为完善的算电协同政 第九届未来网络发展大会白皮书 算电协同技术白皮书 10 推动能源与数字两大革命实现历史性交汇。 本章通过“问题-政策-实践-愿景”的逻辑链条，完整呈现了算电 协同的发展背景。技术业务需求揭示了协同必要性，国家政策提供了 制度保障，行业实践验证了可行性，最终形成“规划-调度-市场-产业” 四维协同的愿景框架。这为后续章节的技术架构设计和应用场景探索 奠定了坚实基础。 图 1-1 算力与电力协同发展驱动逻辑图 效率，也为实现弹性算力提供了必要前提，构筑算电协同系统的算力 基础设施底座。 2.2.2 多能互补电力协同调度 算电协同的本质，是算力系统对电力系统的深度感知、动态响应 与反向驱动。在以可再生能源为主体的新型电力系统中， “源网荷储” 一体化与“多能互补”协同机制成为能源高质量供应的关键支撑。实 现算力系统与电力系统在时空维度上的优化耦合，是推动绿色、稳定、 经济算电调度的必要路径。 在“

医疗诊断需要仔细分析复杂而常常相互 矛盾的病人信息，以得出准确的结果。  借助人工智能支持的医疗技术，可以快 速处理数以百万计的数据点，从而识别 信息中原本模糊不清的模式。  这有助于消除人为的错误，减少不必要 的大量测试，并提高医疗诊断的精度和 效率。 模式检测和认证的改进 检测罕见或健康异常状况能力的提高 紧急重要情况的预警 更为便捷的高级远程护理  特殊情况下，即使是经验丰富、受过专 特殊情况下，即使是经验丰富、受过专 业训练的医疗人员也难以识别罕见或异 常的疾病情况。  利用人工智能技术的医疗应用可以将患 者的病情与大量数据库进行比对，以便 发现类似情况。  有助于消除人为错误，并减少不必要的 重复测试和诊疗，提高医疗服务的效率 和准确性。  在需要将患者进行分类区分时，有些看似 无症状的患者或实际已经接近临界点，而 这些患者可能会被医生所忽略。  利用人工智能技术，医疗设备可以实时接 质量。  由于临床医师专业领域往往局限于单病种研究，且基层医生的误诊与漏诊率较高，CDSS的设计目的是为了帮助医生跨越单病种 知识限制、规范医师诊疗行为、把控医疗质量、避免医疗差错以及减少不必要的医疗费用支出。  根据知识库的形成方式，CDSS分为基于知识库和非基于知识库两类。  基于知识库的CDSS的知识库构建依赖人工预设好的知识库，并且知识库的内容必须有证据支持。  而

限性以及场景的新颖性，加之一些监管要求或政策条款 可能存在一定的滞后性或空白地带，导致了部分应用或 者个别环节濒临突破政策的边缘或者涉及政策的敏感界 限，从而引起一些合规安全问题或埋下一些安全隐患， 务必要引起足够重视。但是不能因为囿于合规担忧，完 全故步自封、停滞不前，也绝对不能为了效率提升，舍 弃合规底线，酿成不可承受之错。人民银行《金融科技 发展规划（2022-2025 年）》也明确提出，在风险可控、 年）》也明确提出，在风险可控、 依法合规前提下探索数字化转型最佳实践与最优路径。 因此，建议在数字化转型过程中推行“合规前置”机制， 将合规要求深度嵌入场景设计和技术应用环节。针对关 键风险点，需同步开发合规管控模块，必要时引入创新 技术方案解决合规安全问题，实现从“被动遵循”到“主 动治理”、从“事后合规”到“全程护航”的转变。这 样可有效避免因事后补救或系统重构导致的资源浪费， 有效防范数字化转型进程受阻的风险。 或者应用出现漏洞时被攻击者利 用直接攻陷。 应用（行为）→ 数据（落地）信任体系。每一层均进 行持续验证、动态评估，实现“永不信任，始终验证”。 基于最小化授权原则，各个平面的安全能力均围绕“最 小必要”原则设计，有效降低攻击面，解决传统边界安 全失效问题。 东方证券结合业务访问场景及网络架构特点，采用 微服务架构实现数据中心高可用部署，确保组件冗余与 弹性扩展。深度融合内建身份源，构建围绕业务系统的

可信数据空间既是一种应用型设施，也是一种设施型应用1，，可 信数据空间的用户可以以安全、透明、可信、简单和统一的方 式访问数据。“应用”是可信数据空间建设的根本前提，如果没 有数据流通利用需求，则没有建设可信数据空间的必要；“设施” 是可信数据空间的基本属性，可信数据空间建设要为社会生产 和居民生活提供公共数据流通利用服务，属于数据基础设施范 畴。 “可信”是可信数据空间的关键特征，分别体现为用户身份可 信、数据流通可信、收益机制可信。 保了每个 DID 背后的实体身份的真实性和合法性，为数字身份 赋予了前所未有的可信度与权威性。在 BSN 实名 DID 的框架下， 用户可以在享受去中心化身份带来的自由与隐私保护的同时， 也能在必要时证明其身份的真实性，为数字时代的各类应用场 景提供了坚实的信任基础。 图 5 BSN 实名 DID 服务逻辑架构 BSN 实名 DID 服务有广泛的应用场景。例如，BSN 个人数 区跨境金融发展、互融互通的关键议题之一。然而，虽然多项 政策意见中针对跨境数据流动领域提出了一系列鼓励措施，但 目前想要打通数据流通仍存在一些问题和挑战。一是金融、政 务等数据属于重要敏感信息，跨境传输合规门槛高；二是缺少 必要的基础设施。 近年来，数据流动相关的法律法规渐趋完善，以区块链为 代表的创新技术亦不断发展，为金融、政务等重要敏感数据的 跨境流通带来新的解决思路。在此背景下，微众银行基于分布 式数据传输协议（Distributed

组织的成熟度要求 成熟度等级要求 能力子域 一级 二级 三级 四级 五级 组织建设 a) 应在重点部门或领域，明 确主要人员的数字化转 型职责 ； b) 应针对数字化转型需求， 配备必要的人员； c) 应积极培育主要人员的 数字化意识； d) 应识别数字化转型所需 要的人才 a) 应在组织架构层面，考虑 数字化转型相关团队或 岗位设置； b) 应通过职责、考核、培训 4.3 形成评估发现 应对照评估准则，将采集的证据与其满足程度进行对比形成评估发现。具体的评估发现应包括具 有证据支持的符合事项的良好实践、改进方向以及弱项。评估组应对评估发现达成一致意见，必要时进 行组内评审。 8.4.4 成熟度级别判定 依据每一项能力域的评估发现和打分结果，结合各能力域权重值，按照9.3 的规定，计算受评估方 23 GB/T 43439—2023 得分，并最终判定成熟度等级。

⽂化抵抗：许多年⻓者和照顾者仍然抵制让机器⼈接管亲密任务的想法，更倾向于⼈际互 动。  此外，⻓期依赖机器⼈提供情感⽀持可能削弱⼈际接触的深度。 技术上的限制：当前的模型，尽管复杂，缺乏执⾏所有必要照料功能的多⽅⾯能 ⼒，尤其在情感⽀持⽅⾯常常表现不佳。  数据隐私：强⼤的隐私协议对保护患者数据免受⽹络安全漏洞的侵害⾄关重要，尤其在 家庭环境中。  案例研究: 日本 ⽇本 ⾃动驾驶⻋辆是培训机器⼈中的⼀个当前⽰例。 考虑到⾼⻛险环境，⾃动驾驶⻋辆（AVs）必须接受数百万英⾥的驾驶数据培训，以 处理它们可能在道路上遇到的各种情况。尽管技术取得了进步，但如果不允许更多A V在我们的道路上⾏驶，就很难收集必要的数据来训练它们。缺乏⾜够的训练，AVs 可能不够先进，⽆法安全地⼤规模部署。⾼⻛险的医疗保健领域可能⾯临相同的问题 。 收集真实世界数据是⼀个具有挑战性且需要⼤量资源投⼊的过程。与受控实验室环 在促进创新和确保AI驱动机器⼈的安全性和可靠性之间取得平衡。 © 2024花旗集团 75 Citi GPS：全球视⻆和解决⽅案 2024年12⽉ 11. 基础设施 在各个领域⼴泛采⽤机器⼈需要与⽀持它们部署、维护和运⾏的必要基础设施同 步进⾏。 机器⼈采⽤所需的⼀个基础设施组件是建⽴充电站。就像电动汽⻋（EV）需要安装 ⼴泛的充电点⼀样，机器⼈也需要专⽤的充电基础设施。 从电动汽⻋（EV）的经验可以看出，建⽴充电站⽹络可能⾮常复杂，需要规划、投