制作商、剧本商、平台运营商和分销商构成产业链中坚力量 备注：部分企业角色有重合，同家结构可能涉及多个角色，数据有做重复统计 来源：短剧自习室行业收录数据，截至日期2024年5月底，艾瑞咨询整理并绘制 根据短剧自习室行业图谱收录数据统计分析，有微短剧作品上过字节榜单、腾讯榜单的微短剧产业链核心环节的企业共中， 剧集制作商占比最高，达到33.5%，其次是剧本提供商（即IP版权商及原创剧本商）、平台运营商和剧集分销商，占比分 来源：艾瑞咨询研究院根据专家访谈、桌面研究自主研究绘制。 中国人工智能产业规模盘点 注：中国人工智能产业规模口径包括中国AI芯片市场规模、AI基础数据服务规模、计算机视觉市场规模、对话式AI与智能语音市场规模、NLP市场规模、知识图谱市场规模。 30+% 2028年大模型 产业规模加成 1）存量逻辑：大模型架构对现有人工智能产业带来重构加成，更多小模型方案被大 模型产品替代，实现产业存量扩张。 2）增量逻辑：大模型架构为人 2% 12.6% 计算机视觉模态（图像识别、图像生成） 语言语音模态（对话式AI、智能语音、NLP文本、知识图谱） 数据模态（机器学习产品） 49.6% 37.4% 13.0% 计算机视觉模态（图像识别、图像生成） 语言语音模态（对话式AI、智能语音、NLP文本、知识图谱） 数据模态（机器学习产品） 49 ©2023.3 iResearch Inc. www.iresearch

通用汇总 数据层 应用 数据层 元数据管理 数据血缘 ...... 人工补录采集 工商 ...... 数据采集/数据交换 数据访问统一入口 ...... 领导驾驶舱 统计报表 知识图谱 数据源 共性 加工层 明细 数据 汇总 数据 指标 库 主题层 湖仓一体 数据管控 司法 税务 征信 政务 监管 核心 信贷 互金 网贷 ECIF 2.4 数据流向 周期的标准化实施路径，显著 提升团队协作效率与整体效能。 • DataOps与MLOps的无缝对接与协调运作，实现模型与数据的紧密集成，确保模型能够实时获 取到最新的数据进行训练和推理，为知识图谱构建等提供数据支撑。 3.2 技术实现特点 多源异构数据统一采集存储 • 搭载统一的数据采集工具，以 标准化方式接入多源异构数据； • 采用分布式存储技术，将数据 存储于数据湖内，打破数据孤

Xuanhao xuanhao@qbitai.com 01 空间智能概览 目 录 02 自动驾驶 03 3D⽣成 04 具身智能 05 扩展现实（XR） 06 世界模型 07 空间智能玩家图谱 空间智能是主要基于3D视觉信息进⾏理解、推理、⽣成、交互的AI系统 4 信息来源：量⼦位智库 3D理解 数据 算法 3D⽣成 3D推理 交互 虚拟 世界 物理 世界 空间智能概览 感器数据构建最接近真 实世界的世界模型，覆 盖各种物理条件和环境， 有类⼈的完整认知能⼒， 可获得真实世界反馈 空间智能 空间智能概览 自动驾驶 3D⽣成 具身智能 扩展现实（XR） 世界模型 空间智能玩家图谱 26 信息来源：量⼦位智库 自动驾驶 具身智能 3D生成 XR 27 关于量子位智库： 量子位旗下科技创新产业链接平台。致力于提供前沿科技和技术创新领域产学研体系化研究。 面向前沿A

科技数据集 气象数据集 …… 知识库 智能制造知识 医疗知识 信息提取 统计分析 文本向量化 图像特征提取 …… 模式发现 监督学习 无监督学习 深度学习 …… 知识表达 决策树 知识图谱 模型解释技术 …… 医药知识 精准运营知识 风险管理知识 …… ETL工具 元数据管理 数据去重 数据纠错 缺失值填补 异常值检测 …… 基础库 人口库 宏观经济库 空间地理库 …… 握 不同区域、不同时间段的问题热点，为领导决策提供科学数据支撑。宜兴市积极推动落地政务场景，加速助推城市治 理效能提升和智能化转型。 1、案例概述 “天机镜”大模型以盘古大模型为底座，融合双图谱事件链、Agent智能体、场景小模型、智能问策、应急预 案生成、事故报告自动总结、工单任务智能分拨、社情民意分析等全能力的城市智能体大模型，基于昇腾910B与鲲 鹏920等全国产化芯片路线开发， 要素审核 文本校验 知识问答 多轮对话 表格查询 多模解析 全文索引 知识推荐 知识图谱 代码能力 智能搜索 逻辑推理 语音识别 语音合成 图片识别 图片分类 以图搜图 万物分割 文本比对 … 风险隐患识别 多维事件耦合分析 多模态融合分析 事件智能分拨 智能问策/双图谱 数字人交互 应用场景 …… 自然灾害及生态环保安全 城市公共安全 企业生产安全 城市生命线安全

有先进的技术能力和丰富的行业专业知识，为金融机构和锚定企业提供便利 低 高 增长潜力* 分类描述 部门 供应链金融科技解决方案的技术应用，2024年，中国 1 2 人工智能 ✓ 通过数据挖掘、深度学习和知识 图谱技术，迭代风险管理模型， 扩大风险管理的范围 ✓ 有效地识别和甄别根据以往经验 无法准确量化的金融欺诈事件 区块链 ✓ 将整个产业链上的信用转移给深 层的供应商 ✓ 提高票据流通的效率和灵活性 低债权转让难度，提升交易处理效率 利用射频识别、红外感应器、GPS等信息传感设备，实现线上数据和线下货物的实时追踪，将需求端和生产端整个 环节信息无缝对接起来 利用数据挖掘和深度学习与知识图谱技术，不断迭代风控模型，扩宽风控维度，有效识别、筛选靠过往经验无法准 确定量的金融欺诈事件 通过供应链金融科技解决方案赋能，传统供应链金融服务行业的各个痛点与难点得到了有效解决 1 2 3 … • 报告与实时监控 • 抵押品检查 • 客户反馈系统的开发 • … 云计算 人工智能 区块链 • 存储 • 并行计算 • 分布式计算 • … • 自然语言处理 • 光学字符识别 • 知识图谱 • … • 密码存储 • 智能合约 • 接口适配器 • … 核心企业解决方案 金融机构解决方案 … 供应链金融科技解决方案提供商 大数据 • 实时计算 • 数据仓库 • 数据挖掘 … 供应商

www.iresearch.com.cn 基础云服务产业图谱 来源：艾瑞咨询研究院自主研究及绘制。 6 运营商 IDC CDN 大数据 集成商 SDS SDN/SD – WAN 超融合 综合云厂商 非公有云厂商 操作系统 云原生 数据库 软件 RDMA NVLink AI 芯片 GPU ASIC FPGA 互联协议 PCIE NVLink IPOS 算力管理 …… 算力监控 算力调度 自然语言处理 模式识别 知识图谱 机器学习 数据采集 数据交易 数据处理 数据标注 模型训练 …… 模型部署 模型测试 算力资源池 向量数据库 SSD 与AI应用开发伙伴、行业应用开发者等合作，依托智算中心提供的资

求，对采集过程进行动态调整，使得数据采集不仅具备高效性，还能灵活应对各种变化。 图 2：6G 智能内生数据采集分析体系示意图 如图 2-1 所示，网络数据采集模块的架构可以分为三层：第一层是知识图谱构建，第二层是数 据分析，第三层是特征数据集。这三层架构能够提供强大的数据处理和可视化能力，通过对网络数 13 / 33 据的深入分析，实现对网络运行状态的全面监控与优化。在数据采集的过程中，主要通过硬采、软 嵌入智能化能力实现自优化与自适应服务。在架构设计上，用户面功能将依托超级边缘节点的智能 内生机制，构建数据平面与智能平面的双向闭环：通过实时采集空口状态、网络负载及业务特征等 多维数据，运用知识图谱技术构建动态特征数据集，结合分布式的边缘 AI 模型进行实时推理，实现 无线资源调度、计算任务编排、QoS 保障的智能决策。例如，针对 XR 业务的高带宽低时延需求， 用户面可基于 AI 驱动的 泛在连接的基础上，采集到 数据会提升，6G 通信网络也需要具备数据采集质量保证机制，为不同需求的数据提供差异性保障。 其次，针对大规模和多维度的数据，亦要采用一些数据分析技术如机器学习、深度学习和知识图谱 等，对收集的数据进行智能处理，发掘数据内部规律，提取出有价值的网络规律。 5G 网络，为了传输用户的业务或连接数据，其方法是 UE 先发起 PDU 会话建立，发起 PDU 会 话的目的是为了建立

中国建筑业企业数字化研究报告 13 习和决策。在建筑业中，AI 技术主要包括机器学习、深度学习、计算机视觉、 自然语言处理、知识图谱等核心技术分支。以中国领先的人工智能公司 DeepSeek 为例，其自主研发的多模态大模型 DeepSeek-R1，融合了建筑领域的 专业知识图谱，能够实现对设计规范、施工工艺等专业文本的语义理解，为建 筑全生命周期提供智能决策支持。这些技术通过算法和模型，赋予计算机系统 问题，特别适用于图像识别和自然语言理解。计算机视觉技术使机器能够"看懂 "施工现场和建筑构件，实现自动检测和识别。自然语言处理则使 AI 系统能够 理解和生成人类语言，支持智能文档处理和交互式设计辅助。知识图谱通过构 建概念间的关联网络，形成结构化的知识体系，为 AI 系统提供推理和决策的基 础。 在建筑领域，AI 技术的实现依赖于高质量的建筑数据集、适配建筑特性的 算法模型、高性能的计算基础设施以及专业领域知识与 确保异常数据及时修正。安全保障方面，实施分级加密策略，对核心知识产权如设计 模型应用数字水印技术；构建访问控制矩阵，明确不同角色的数据权限。元数据管理 方面，开发元数据注册中心，记录数据资产的来源、处理逻辑和使用情况；建立知识 图谱，展现数据间的关联关系。生命周期管理方面，制定与建筑项目周期匹配的数据 保留策略，明确从立项到运维各阶段数据的存储周期和归档方式。 数据价值体系的实施：数据价值体系建设着眼于应用创新。数据流通方面，构建

中间件等；新兴信创包括信创云、大数据、人工智能等；行业应用包括应用软件、 行业应用等；信息安全包括密码技术、网络技术、信息对抗等。图 4.1 和图 4.2 分别展示了信创产业链和信创产业图谱。 14 图 4.1 信创产业链 图 4.2 信创产业图谱 4.1.1 基础硬件层 4.1.1.1 中央处理器 中央处理器 CPU（Central Processing Unit）是一台计算机的运算核心和

提 升实战水平。 典型行业应用实例 打造“云-边-端”协同、行业专属化的 II-SOC（工业互联网安全运营中心），构建“监测-分析-响应-优化”的全 流程安全运营体系。通过引入数字孪生、知识图谱等先进技术，实现对工业系统安全态势的精准感知和智能决策。 （一）端侧：部署轻量化、低功耗的安全探针，实现对设备运行日志、PLC 指令数据、传感器数据等多源信息的 实时采集。探针采用边缘计算技术， 并将关键信息上传至云侧进行进一步分析。​ （三）云侧：作为 II-SOC 的大脑，云平台集成 AI 分析引擎、数字孪生系统和知识图谱。AI 分析引擎对多源数 据进行关联分析，挖掘潜在的安全威胁和攻击模式；数字孪生系统通过对工业系统的虚拟建模，实时模拟系统运行状 态，直观展示安全事件对系统的影响；知识图谱整合工业领域的安全知识、漏洞信息、攻击案例等，为安全决策提供 知识支持。当检测到威胁时，云平台自动触发响应策 聚焦供应链和车联网安全。端侧收集供应商系统日志、车联网终端数据，包括车辆行驶数据、用 户操作数据等；边侧对数据进行隐私计算，过滤敏感信息，确保数据安全合规；云侧利用 AI 分析供应链攻击模式，通 过知识图谱关联分析供应商历史安全记录、行业攻击趋势等信息，识别异常订单请求、数据异常传输等潜在风险。在 某汽车品牌遭遇供应链勒索软件攻击时，II-SOC 迅速定位受感染供应商节点，通过零信任访问控制技术切断数据交互，