本报告中的行业数据主要为分析师市场调研、行业访谈及其他研究方法估算得来，仅供参考。 因调研方法及样本、调查资料收集范围等的限制，本报告中的数据仅服务于当前报告。本公司以勤 勉的态度、专业的研究方法，使用合法合规的信息，独立、客观地出具本报告，但不保证数据的准 确性和完整性，本公司不对本报告的数据和观点承担任何法律责任。同时，本公司不保证本报告中 的观点或陈述不会发生任何变更。在不同时期，本公司可发出与本报告所载资料、意见及推测不一 工业领域流传众多安全类相关概念且相互交错、极易混淆，必须深度剖析和关联分析，在明晰工 业互联网重塑安全能力和产业格局的前提下，明确讨论范围。 (2) 本报告立足工业生产，对工业互联网安全的定义强调网络安全技术、工业机理知识与行业合规要 求的融合，凸显其与工业生产深度绑定的特性。 2. 工业互联网安全建设现状与未来趋势 (1) 工业互联网发展迅猛且成果显著、但工业互联网安全现状不容乐观，业务、设备、数据等多维度 存在供应 系统统筹、自主 可靠、风险分级防护、行业适配”八大基本原则，这些原则与等保 2.0 对工控系统的扩展要求连 贯一致。 (2) 工业互联网安全能力构建需要一个多层级的体系化框架，包括八大原则层、合规能力层、行业差 异化匹配能力层、企业自身管理能力层、安全技术层和安全运维管理层。 (3) 明确围绕设备、控制、网络、平台、数据为五大核心防护对象的实施策略与实施路径，其中：设 备安全通过固件加

...................... 8 4 安全合规与隐私保护 ................................................................................................................... 10 4.1 安全合规与标准遵从 .......................... ..................................................................................... 61 7.11 安全与合规 .................................................................................................. 华为云通过结合业界先进的云安全理念，华为长年积累的网络安全经验和优势以及在 云安全领域的技术积累与运营实践，参考世界领先的 CSP 优秀安全实践、摸索出了一 整套行之有效的云安全战略和实践。华为云已经构建起多维立体、纵深防御和合规遵 从的基础设施架构，用以支撑并不断完善涵盖了 IaaS、 PaaS 和 SaaS 等具有优良安 全功能的常用云服务。在这背后，是华为云高度自治的扁平化组织，具备高度安全意 识和能力的研发运维运营团队，先进的云服务

转变，为数字经济的高质量发 展提供了坚实的制度保障。“数据二十条”在数据采集、评估、交易、应用等 环节提出了具体措施，还明确了一系列数据管理的标准和规范，确保数据的流 通和使用过程中的安全和合规。同年，中华人民共和国国家发展和改革委员会 发布的《关于加快培育发展数据要素市场的指导意见》进一步细化了数据市场 的培育措施，旨在建立安全、有序、高效的数据要素市场体系。通过这些政策 的实施，数 年，工信部发布的《工业和信息化领域数据 安全管理规定》对工业和信息化领域的数据安全管理提出了具体要求，明确了 企业数据安全保护的责任和义务，为行业数据的安全使用提供了指导。这些法 律法规的出台，不仅提升了数据的安全性和合规性，还增强了市场对数字经济 的信心，为数字经济的发展提供了坚强的法律保障。 1.2 产业背景 随着云和算力网络、互联网、大数据、人工智能及信息安全等技术的迅猛 发展，企业对数字化转型的需求日益迫切。各行各业都在积极探索数字化转型 放生态中 的信任需求。两者融合解决数字经济中的安全与信任机制。 数字可信和数字安全存在显著差异，主要体现在以下几点：  信任基础不同 第 14 页 数字安全依赖制度信任，通过明确的规则、合规要求以及设定安全边界来 确保业务安全，侧重于防范外部威胁，主要适用于单一主体运营环境。例如， 企业内部依据既定的安全规章制度，对网络访问权限进行严格划分，限制外部 非法访问。 数字可信依赖技术

基础。 高质量数据集量质齐升，持续丰富人工智能训练养料 国家数据局等17部门联合印发的《“数据要素×”三年行动计划（2024—2026年）》提出，强化场景需求牵 引，带动数据要素高质量供给、合规高效流通。我国高质量数据集建设取得积极进展，数据要素市场不断拓展新空 间，2024年数据生产量达41.06泽字节（ZB），同比增长25% 2。庞大的数据规模为人工智能模型的训练提供了丰富 的素材 部署，特别是“人工智能+”行动的提出，都体现出清晰的政策导向。 04 AI CITY 发展研究报告 发布时间 文件名称 发布机构 重点内容 2017年7月 《 新 一 代 人 工 智 能 发 展 规 划》（国发〔2017〕35号） 国务院 提出了面向2030年我国新一代人工智能发展的 指导思想、战略目标、重点任务和保障措施， 部署构筑我国人工智能发展的先发优势，加快 建设创新型国家和世界科技强国。 能高水平应用促进经济高质量 发展的指导意见》（国科发规 〔2022〕199号） 科技部等六部门 以促进人工智能与实体经济深度融合为主线， 强化主体培育、加大应用示范、创新体制机 制、完善场景生态，加速人工智能技术攻关、 产品开发和产业培育，探索人工智能发展新模 式新路径。 2022年8月 《关于支持建设新一代人工智 能示范应用场景的通知》 （国科发规〔2022〕228号） 科技部 围绕构建全链条、全过程的人工智能行业应用

度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针 对 性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。 2 ）通用大模型通过金融语料训练超越金融垂类模 型 可能性较小。通用大模型在行业数据量 ，性价比 ，精确性、适用性、实时性、推理速度 ，合规性和风险控制等方面表现欠佳。 通用大模型“ 百模大战 ” ， 头部模型国外领先较大 ， 平均水平国内外差距较小 大量数据训练提高了模型的准确率，并可以应 用于多种任务中 针对性的解决方案 更适合解决金融行业的具体问题，与行业需求 和合规性要求相匹配 可迁移性强 在数据量较少的特定任务上，通用模型也可以 通过微调进行有效的迁移学习，大大减少模型 的训练时间和计算资源 高精度和合规性 提供更精确、可信赖的金融信息和建议，同时 符合行业规定 劣势 特定领域深度较浅 可能不具备特定领域（如金融）的深入理解和 用性可能有限 模型复杂 通用大模型的结构非常复杂，使得模型的解释 性变得困难，导致模型的计算量增加，影响模 型的效率 更新和维护复杂度 金融政策和法规的变化可能要求模型频繁更新 以保持准确性和合规性 训练时间长 通用大模型的训练需要大量的计算资源和时 间，这对于一些小型企业来说是一个挑战 数据利用率低 垂直领域模型的训练数据相对较少，模型的准 确率可能会受影响 当前 AI 与金融的结合主要有两条技术路径：①通用模型

发布业内首部《面向智算的 算力原生白皮书》 [6]，推动统一算力抽象、编程模型及虚拟指令集等系列标准 [7][8][9] 及开源工作组建设 [10]，推出 COCA 算力原生平台，发布“芯合”计划 [11]，已实现 7 家智算芯片的一体接入。重点攻关异构设备统一接入 API 和异构集合通信库等 关键模块，实现智算应用跨架构一次开发、跨芯一键部署、随需敏捷迁移，服务 “分钟级”上线。 大模型训练与推理对算力基础设施的极致性能需求，中国移动构 建“卡间-机间”全栈智能互联技术体系，通过自主研发全向智感互联（OISA） 协议与全调度以太网（GSE）架构，突破传统互联技术在高带宽、低时延、大规 模组网等场景的瓶颈。二者协同构建“芯片-设备-集群”三层互联能力，形成从 卡内计算到跨机协作的端到端智算网络中国方案，为万亿参数大模型训练、多模 态 AI 应用及下一代智算中心建设提供高确定性、高可靠性的互联基座。 数据处理为大模型提供基础燃料，存在跨模态数据整合难、部分行业数据缺 失、标注工作耗时耗力等痛点，聚焦 AI 场景，创新大模型预训练数据清洗、AIGC 多模态数据整合、数据合成、智能标注等技术，为模型迭代提供合规、多样化的 数据燃料，推动自动驾驶、医疗影像等垂直领域 AI 应用落地。 面向近期，为 AI 提供高质量数据燃料。数据合成技术突破真实数据瓶颈， 通过模拟生成多样化场景数据支撑模型训练；多模态数据整合，利用全模态大模

位追踪系统、交互控制器和高性能计算平台组成。VR 技术依赖计算机图形学、 实时渲染、空间音频、触觉反馈等技术，以创造具有高度沉浸感和真实感的虚 拟体验。 区块链技术是一种分布式账本技术，通过密码学算法、共识机制和智能合 约，实现在去中心化网络中的可信数据记录和价值传递。区块链系统由数据层 （区块结构、链式存储、加密算法）、网络层（P2P 网络、数据传播机制）、 共识层（共识算法、激励机制）、合约层（智能合约、算法机制）和应用层 多方的高效协作。数据显示， 基于数字平台的产业链协同可降低沟通成本 30-50%，提高协作效率 20-40%，减 少错误和返工 15-35%。如某智能化住宅项目通过构建开放的数字协作平台，整 合了设计院、建材供应商、施工单位、物业公司等多方资源，实现了设计标准 化、采购集约化、施工工业化、运维智能化的全链条协同，将传统交付周期缩 短了 40%，同时提高了产品质量和客户满意度。 在可持 建筑企业的数字化转型不仅仅是技术的应用，更是组织管理模式的改变。 建筑企业在数字化转型过程中，面临着传统管理模式与新技术的融合难题，管 理人员在数字化技术的领导和运用方面的能力短缺，缺乏数字化转型的整体规 划和协调。 （一）传统管理模式的转型困难 建筑行业长期以来依赖传统的项目管理模式，许多企业在项目执行过程中， 依靠人工干预和线下流程来进行管理和决策。然而，随着数字化技术的逐步引 入，

成 iPad0517.4正式版已充许欧盟用户通过“侧款”方式下载应用。 2月 文生视频大模型Sora横空出世 2月16日，0penAlI发布文生规频大模型5ora，并引发广泛关注和持续热议 据墨，Sora可根据用户的文本提示创建量长60秒的规频，并能够深度模报 真实物理世界，生成具有多个角色，包合特定运动的复条场景，Sora的推 出开启了视频创作的新纪元，同时也为国内A频域注入了新的活力， 话：悟空，周边三天销售领近300万元，热门影视IP如永夜星河3也语上“吃谷 势”，从提救老商场到“谷子概念段”，2024年中目“谷子经济”市场规模达 1689亿元，同比增长超40%， 6月 短剧备案新规出炉，未经审核且备案不得上网传播 微短剧 2024年6月，广电总层下发美于微短剧备案最薪工作提示3，从2024年6月1日起， 微短剧将陈行分类分层审核，投资额度在100万元以上的“重点微短剧”由广电总层 AI检案为用户提供菜品背后的故事，包 24° 广泛关注。作为服务型AI原生应用的代 活其历史菜，营养虚分以及起味小知 表，「支小宝」通过连接支付宝生态，可 识等，其凭借精准的定位和独特的用户 hue 通过对话快速实规订票，打车等服务，此 保验，收获了大量思实用户 外，其还捐有场景感知系统，能根据用户 的使用习惯等提供个性化的服务和推荐， 七壶数据 趋势一 行业前景广阔直发展势头强劲，但商业化落地等仍面临诸多挑战

的测试类别，以便更 好地了解 5G 服务的 未来发展。 全球电信产业的利益相关者在2024年所开展的测试工作展示出未 来5G网络发展的优先事项。 安全与弹性。供应商的5G核心网络正在根据3GPP的安全保证规 范（SCAS）进行验证，而对于弹性的测试则专注于云原生网络 功能（CNF）如何在不同的云基础设施中得到执行和恢复。通过 上述这些验证与测试，人们相信5G SA可以处理复杂的现实需求 并提供服务的连续性。 自动化与生命周期管理。通过集成到敏捷开发管道中的自动化持 续测试，持续集成与持续部署（CI/CD）工作得到了推动。对基 于订阅的测试库的需求正在增长，这些测试库可用于评估功能性 及非功能性测试，其中包括合规性、容量、性能、弹性和安全性 等。这些因素对于运营商的无缝生命周期管理以及实验室到现网 的顺畅过渡至关重要。高级服务与功能。随着开始对各种先进用 例展开测试，这些用例将定义5G SA时代，其中包括： • 在专用网络中测试IEEE时间敏感网络（TSN），从而实现精 确驱动的应用以及5G局域网（LAN）功能。 • 2024年5G经典案例 在复杂环境中加速5G生命周期 管理与合规性进程 为了满足最新的合规标准，英国一家大型移动网络运营 商需要将网络漏洞测试时间从数月缩短至两周，同时还 需要应对5G解耦的复杂性问题。思博伦通过Landslide、 Velocity和VisionWorks解决方案帮助其进行自动化测试

同工作，共同实现联 盟网络的核心功能与价值。 在支撑技术方面，白皮书全面阐述了联盟网络的关键技术体系，涵盖跨域管 理技术、开放解耦技术、安全可信技术以及 AI 与智能体技术。这些技术相互配 合，共同确保联盟网络的高效运行、智能化管理与安全性。跨域管理技术实现不 同主体网络之间的无缝对接与协同工作；开放解耦技术促进网络能力的开放与资 源共享；安全可信技术保障网络交易与数据的安全；AI 与智能体技术则为网络 营商创造全新的交互模式与商业机会。 总之，联盟网络作为一种具有前瞻性与创新性的网络架构，将在 6G 时代发 挥重要作用，引领通信技术的发展潮流，为各行业的数字化转型与智能化升级提 供坚实支撑。尽管其发展面临技术、管理、标准化与合规性等多方面的挑战，但 联盟网络所蕴含的巨大潜力与多方面优势，预示着其必将成为未来网络生态的重 要组成部分，吸引更多的参与方加入，共同构建一个更加开放、智能、高效与安 全的网络世界。 目 录 生态”跃迁。 1.2.1 资源动态共享，提升全局效率 联盟网络通过虚拟化技术将频谱、算力、存储等资源抽象为可编程单元，支 持跨运营商的按需调度。例如，在大型体育赛事期间，运营商 A 可通过智能合 约临时租用运营商 B 的毫米波频段，使网络容量提升数十个百分点，同时减少 大笔基站冗余建设成本。区块链技术确保交易全程可追溯，结算效率较传统模式 提升数倍。韩国运营商 KT 与 SK Telecom