智能化时代数据库自主可靠运维 白皮书 编制委员会 编委会成员（排名不分先后顺序） 朱正珊（福建海峡银行） 王义成（腾讯云数据库） 陈璐（福建海峡银行） 陈琢（腾讯云数据库） 张秀云（腾讯云数据库） 罗晓程（腾讯云数据库） 刘亚琼（腾讯云数据库） 编写组成员 李代丽 任朝阳 参编单位 �.� 数据快速增长挑战 �.� 需求、逻辑实现不可控挑战 �.� 复杂技术栈挑战 �.� 应急体系建设挑战 �.� 数据安全、合规挑战 第三章：可靠运维服务体系能力建设分析 �.� 建设自主可控的运维团队 �.�.� 具有团队建设预算 �.�.� 运维团队建设 �.�.� 运维团队能力可持续发展 �.� 制定对等的权责制度 �.� 构建完善的可观测体系 数据库与云架构）带来的管理复杂度、数据爆炸式增长对灾备能力的更高要求，以及数据安全合 规的刚性约束，对运维体系提出了更高要求，传统运维模式已难以应对。 在此背景下，ITPUB联合福建海峡银行、腾讯云数据库编写《智能化时代数据库自主可靠运维》 白皮书，旨在为企业提供一套兼具前瞻性与实践性的运维指南。 白皮书从智能化运维发展趋势切入，剖析AI对运维模式的重塑与落地挑战，展望智能运维发展趋 势。系统梳理数据增长、技术栈复杂、

深圳市政务服务和数据管理局：深圳市数智化底座 深圳市宝安区政务服务和数据管理局：宝安政务大模型 第七次人口普查：国产数据库支撑14.1178亿人普查 上海银行：国产数据库实践 四川银行：全栈自主创新云原生平台建设项目 中信建投证券：国产数据处理分析体系 瑞众保险：融合创新云和团险核心业务数据库去O 南方电网：云数底座&连接协同助力数字电网 鞍钢集团：国产分布式数仓项目 中国五环工程有限公司：“智改数转”项目 03 - 引言 当前，全球数字经济加速演进，人工智能技术日新月异，筑牢安全可 靠、自主创新的数字底座已成为推动产业数智化升级的必由之路。信 息技术融合创新（以下简称“融合创新”）通过突破关键核心技术、 赋能传统行业转型，正成为千行百业高质量发展的重要引擎。 一方面，国产数字化升级正在通过底层技术的自主创新，为人工智能 和数字化转型提供坚实基础：国产云基础设施，为智能计算提供算力 保障 以及其他领域加速渗透，涌现出一批成功实践，并正在进入规模化复 制阶段。 本报告精选了18个典型的融合创新实践案例，涵盖政务、金融、电 力、交通、医疗、传媒等行业。通过这些标杆实践的解读，可以洞 见各行业推动自主创新的思路和经验，为产业高质量发展提供参考 和借鉴。 国产数字化升级标杆实践报告 03 - 国产数字化升级-智能之基、效率之源、好用之选 - 04 国产数字化升级标杆实践报告

现？AI与人类是否会在社会和教育资源上展开竞争？这些重大问题，因AIGC的到来，再一次冲击了 现有的教育体系。 在微观层面上，教育的各场景和环节，都因AIGC技术的应用而有所助益，如教师侧的备课规划、作 业生成和批改，学生侧的自主学习、辅助练习、测试评估等，新技术与古老教育场景的结合，总会 产生令人欣喜的化学反应。然而，商业实践的落地是受到现实和周期限制的。从落地逻辑而言，当 前产品基本是原有教学场景和产品的替代，原有技 求；在学习主体方面，引发近乎科幻但并不遥远的哲学思辩：教育人类还是训练大模型，二者可 能存在着广义上教育资源的竞争。 AIGC技术在教师、学生、管理者多角色中，在学术科研、备课规划、作业生成和批改、自主学习、 辅助练习、测试评估的多场景中，都发挥着一定效力。从落地速度来看，表现为C端>B端>G端， 成人教育>高等教育>K12>幼教，教师>学生>管理者。具体到细分场景中，师生应用的全流程 闭环 势， AIGC技术具有显著的资源密集和依赖特点，大力出奇迹的暴力美学路径已被行业所验证，未来格 局仍会以有着多类型资源积累的大厂占据主要份额，创新企业可以依据特定场景深入理解而切入， 但若没有自主大模型仍然会受制于人。同时，通用大模型与教育垂类大模型的关系，正向着各司 其职、融合发展的方向持续演化，未来可能呈现出通用大模型与N个专家模型多重组合的形态。 在内容层面，基于神经网络技术的AI

通过不断评估和采用数字技术，例如环境隐形智能、增强的互联劳动力、多模式用户界 面 （UI） 和多功能机器人，帮助扩展连接。 2  确定培养“智能”的机会，其中对规模和效率和适应性有很大的需求。这包括代理 AI、 自主数据收集、决策智能 （DI） 和智能仿真。  默认情况下，通过使用严格的治理方法（包括将风险管理作为 IT 创新流程的一部分） 来管理每个数字化转型计划的安全性和可持续性功能。 1.3 2025 工业机器人通常针对单个任务进行硬编码，需要大量干预才能进行 更改。这导致公司维护着庞大的异构机器人队列，每个机器人都是 为特定任务而设计的，这与可以接受多种角色训练的人类不同。  多功能机器人甚至可以作为灵活的劳动力，自主适应各种任务。由 于新颖的外形和智能软件。他们可以在一天中扮演多个角色，并最 终在初始编程之外自学新任务。  多功能机器人必须在人类环境中安全运行，在非传统机器人设计的 空间内导航。这需要新颖的外形尺寸，并注重故障安全作安全，以 可参看【3】。 下面是多功能机器人的几个案例。  亚马逊全自主的移动机器人 Proteus：2012 年，亚马逊收购了机器人公司 Kiva，该公 司率先研发了名为“驱动单元”的仓库机器人。十年过去，亚马逊如今拥有超过 52 万 个机器人驱动单元。同样在 2022 年，该公司推出了 Proteus（见图 5），这是一款完全 自主的移动机器人，旨在安全地融入亚马逊员工工作的同一物理空间。Proteus

..........................................................................................38 2.2.4 自主任务规划与决策............................................................................................ 一个准确的、界限明确的定义，将会造成产业界的混淆甚至混乱。因 此，对标准化工作而言，明确人形机器人概念的内涵与外延，已然成 为一项极为紧迫且重要的任务。 首先，人形机器人属于机器人范畴。机器人是具有一定程度自主 5 能力的，可以执行移动、操控或定位任务，可编程的机械致动机构 （programmed actuated mechanism with a degree of autonomy to perform 目前，国内主流科技咨询公司对人形机器人概念的观点主要如下： 1）人形机器人是具备人类外形特征和行动能力的智能机器人，以 双腿行走的方式，通过手臂和身体的协调完成功能，基于通用型算法 和生成式 AI，具备语义理解、人机交互、自主决策等能力，并利用人 机交互实现任务理解与反馈，需要强大的感知计算与运动控制能力 （《创业邦》）； 2）人形机器人是一种仿生机器人，指形状与尺寸与人体相似，能 够模仿人类运动、表情、互动与动作的机器人，并具有一定程度的认

器人。 （三）工业领域将成为短期内智能机器人应用落地的主战场 自动化水平高、结构化、封闭式的工业场景是当前技术条件下智 能机器人最大的应用市场。工业环境相对标准化，生产流程固定，对 机器人的自主性和泛化性要求较低，部分领域如汽车、电子信息等已 3 经率先实现了工业机器人的规模化应用。根据国际机器人联合会 （IFR）在 2024 年 10 月发布的《2024 年世界机器人报告》，2023 人工智能技术的进步和机器人应用的扩展（图 1）。第一阶段是无智 4 能阶段，机器人只能执行简单的预设任务，缺乏自主性和适应性；第 二阶段是基础智能阶段，机器人开始具备基本的感知能力，能够对外 界环境做出简单的反应；第三阶段是中等智能阶段，机器人能够进行 更复杂的感知和处理任务，如图像识别和语音识别；第四阶段是高度 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上 渡。随着深度学习算法的优化以及多模态感知技术的融合，工业机器 人将具备更强大的感知、认知和决策能力，能够更加精准地识别复杂 环境中的物体、声音和图像，理解人类的语言和意图。同时，工业机 器人将具备更强的自主学习能力，能够根据环境变化和任务需求进行 自我调整和优化。从模型架构来看，结构相对简单、参数较少的机器 学习模型正在转化为多层级、大参数量的深度学习、强化学习模型， 学习方法也从手动数据标记转变为自动的数据特征提取。从支撑要素

的主动协作，形成以平台为中心的数据流通模式。这种模式下，用户数据的流通 边界由平台间的技术接口和商业协议决定，而非数据主体的自主意愿。 要实现以用户为中心的跨平台数据可信流通，必须突破现有架构限制，在网络层 建立原生的数据信任与授权机制。这一挑战的核心在于：如何在不影响平台独立 性的前提下，使数据主体能够自主控制其数据的跨平台流动。 （四）下一代网络的关键突破点 为了应对全球数字化转型和数字经济的快速发展，在 OSI 参考模型和 TCP/IP 架构的基础上，针对数据互联需求，抽象出数字实体（Digital Entity） 概念，通过在传输层之上构建网络原生能力，实现数字实体可发现性、属性可获 取性、连接自主性、交互真实性与可解析性，这可能是下一代网络发展的关键突 破点。 本白皮书基于 OSI 网络七层模型（参考模型）、TCP/IP 模型（实际应用模 型），遵循组网完备性原则提出未来网络模型，以支持数字实体互联。参考图 网（Semantic Web）和 Web3 代表着两条具有深远影响的技术路线。前者致 力于解决机器理解网络信息的根本性问题，后者则着眼于重构互联网的信任基础。 尽管两者的技术路径存在差异，但在构建智能化、自主化和可信化的数字生态系 统方面展现出显著的协同潜力。 （一）语义网构建意义互联的网络空间 1．概念与目标 语义网（Semantic Web）是由万维网联盟（W3C）主导、Tim Berners-Lee

华农财险 全流程数字化研发管理实践 李翔 华农保险技术中心总经理 www.top100summit.com 李翔 华农保险技术中心总经理 “ 12年互联网从业经验 8年自主创业 4年金融保险行业 从19年从0到1按照互联网模式组建了研发团队，逐步建立起了科技团队的数字化管理 体系，对研发流程进行全流程数字化监控和管理，不断提升人员产能，提升研发效 率。 ” 讲师简介 www 建设科技华农，赋能公司高质量发展 2年9个月 完成核心系统自主能力建设 行业最快速度 22个 自研数字化系统 33项 知识产权许可 5代 天网智能风险预警体系 大中台小前台 科技架构 符合华农模式 “ 稳 后 台 大 中 台 小 前 台 ” 科 技 架 构 “ 线 上 化 、 数 字 化 、 智 能 化 “ 分 阶 段 加 速 推 进 注：蓝色为自研，橙色已具备自主开发能力 井喷式增长 快速迭代创新 top100summit.com 数字化建设路径:自主研发&合作共建 2年9个月行业最快速度实现科技自主可控 • 核心0%自主 • 组建自研团队 • 启动线上化探索-阿波罗车 险、商城、阿凡达 2019年 7月-12月 • 核心0%自主 • 自研团队成型 • 大中台、小前台、稳后台 • 线上化产品-华保星 • 数字化产品-天眼 2020年 • 核心50%自主-天路外部 • 数字化运营元年

.. 35 4.3 算网服务智能生成 .................................................................. 37 4.4 业务流程自主管控 .................................................................. 42 4.5 服务自优化与持续演进 .......... 力网络（SG- CNC, Service-Generated Computing and Network Convergence）技术， 开展原创性、先导性的基础理论及关键技术研究，旨在形成具有自主 知识产权及产业把控力的算力网络应用体系，为我国经济社会的数字 化、网络化和智能化发展夯实底座。 从行业应用角度来说，随着各种新技术、新应用、新场景和新模 式等不断涌现，多元业务的不同服务需求对算力网络的自动化和智能 AI 技术来赋予算力网络基础设施智能化、业务 流程一体化、服务能力自优化、算网运维自动化等能力，进而为多元 应用提供泛在、高效、灵活、安全的服务化算力供给。在此基础上， 服务生成算力网络还强调能力自主优化和智能自适演进，面向动态变 化的应用场景和服务需求能够通过自学习、自演进来不断提升自身业 务服务质量和智能化能力。 本白皮书阐述了服务生成算力网络的发展背景、目标愿景、体系 架构、使能

充分挖掘。 《智能世界 2035》及时为我们描绘了 AI 的发展愿景，深入探讨了技术融合将如何推动工业和 服务智能系统的转型。报告展望了物联网可能涵盖的各类工业系统，包括自主交通系统、智能电 网、智能工厂与农场以及自主通信网络等。此外，报告还全面分析了 AI 在医疗、教育、智能家居、 智慧城市和商业创新等服务领域的应用及影响。除了强调 AI 在这些领域的关键作用外，报告还探讨 了 AI Sifakis 序言 为实现上述愿景，我们仍面临诸多超越通用人工智能范畴的技术挑战。我们的目标不仅是创造 一种“能够理解、学习任何人类所能完成的智力任务的机器”，更在于让机器能够整合自身能力， 自主行动，感知现实环境，并以自适应且可靠的方式追求其目标。 智能系统的构建正在颠覆传统的系统工程，需要将基于传统 ICT 模型的开发与数据驱动的 AI 技 术相结合。我们需要通过混合解决方案构建智能 产品相关风险至关重要。以阻碍创新为由公 开反对加强监管，实际上是一种只顾短期利益的做法，长远来看不利于未来的发展。 因此，在这一背景下，我们需要开发更可靠、更能适应实体经济需求的 AI，向我们期待已久的 自主系统演进。这将有助于平衡 AI 的战略博弈，也将促使我们与志同道合的伙伴携手合作，以兼顾 发展与安全的方式监管 AI，造福社会。 2007 年图灵奖获得者 十年意味着什么？二十年前，人工智能的