1、人工智能技术快速演进实现关键跨越 AI发展经历了三次峰谷，正在向人机协同为特征的具身智能3.0时代前进。大模型正在推动知识表示和调用方式 升级，改变未来数字发展的底层逻辑，通过“大模型+知识库”的方式重构传统数字化应用、赋能千行百业。 03 AI CITY 发展研究报告 AI Agent成为人机交互和产业应用的关键载体 AI Agent依托大模型在感知、认知、推理等方面的优势能力， 技术工具与基础设施范畴，成为AI CITY的核心生产 力，始终贯穿城市技术架构、应用场景、产业发展，推动各类AI应用在AI原生架构上自然生长。 下一代智慧城市的底层逻辑变迁： 通过“大模型+知识库”改造信息化系统，利用大模型的涌现能力、知识存储方式以及跨领域推理能力，基 于多个智慧场景生产出的高质量数据，训练人工智能模型，最终打造自感知、自适应、自决策、自控制、自 组织、自学习的城市智能体。 CITY的知识融合、模型驱动模式替代。 当前智慧城市“一网通办”“一网统管”“一网协同”的实现方式和实际效能也将发生质的蝶变。 2、传统智慧城市的应用为分立式，多个服务入口并存。AI CITY中统一的大模型底座、统一的知识库可重构 交互方式，支撑多个分立式应用集成为一个应用、一个交互入口。 3、传统智慧城市通过汇聚、融合、应用数据，在特定领域执行单一任务。AI CITY全量汇聚来自各领域的知 识，由知识直接面向复

增强检索生成（RAG）技术面临多源知识库管理复杂、动态场景下知识更新 延迟等核心瓶颈。未来技术演进将围绕增量式检索、自动化知识库管理和更新三 个方面，提升模型生成内容准确性和逻辑可溯性。 面向近期，优化检索过程。调整检索参数，更好地平衡语义搜索和关键词搜 索的权重。优化重排序过程，提高对检索结果的筛选和排序能力，如改进的倒数 排名融合算法（RRF）。 18 面向中远期，加强知识库的管理和更新机制。自动从各种数据源中获取新知 最终形成跨协议自组织、多目标自适应、全周期自进化的智能体。 面向近期，引入低代码的编排模式，使任务流程设计更加直观和高效。推进 MCP 协议标准化整合，实现动态接口发现、权限声明标准化和服务质量量化。建 立反思机制，构建错误模式知识库并实现策略优化。 面向中远期，通过蒙特卡洛树搜索（MCTS）实现智能体的自适应决策优化， 构建混合价值评估模型，融合领域知识图谱，实现更加深思熟虑和适应性强的自 主规划机制。 2.5.5 AI 汇聚至云端，通过多模型和智能体编排技术，满足复杂场景需求。 面向中远期，结合行业知识库与领域模型，推动跨行业协同创新。支持跨组 织、跨行业的协同，逐步构建全球化的智能体网络。 2.6.2 模型智能体融合 以算网大脑为载体，提升智能运营能力。通过分层融合和动态路由等技术， 自动将简单任务调度至小参数量模型，复杂任务调度至大参数量模型，专业知识 调度至行业模型，并叠加知识库、运行时环境等工具，在业务精度不下降的同时， 实现客户效益最大化。

年全国总决赛一等奖 3 解决方案：基于第五代至强® 的 CPU 算力方案 为中国电信网络大模型提供高效能推理 CPU 在传统上被视为更适于 AI 负载中的通用计算，例如大 模型应用的前期数据准备、知识库的存储和处理等工作。随 着更多 AI 加速技术嵌入 CPU，以及围绕 CPU 平台的 AI 生 态逐步完善，CPU 平台所具备的多项优势使其能在满足大模 型推理性能的同时，又可兼具成本、绿色节能等方面的优势。 平台的网络大模型推理算力方案 进行即时 / 近即时处理。为了更好地满足业务需求并提升使用 体验，中国电信选用了符合 OTII 标准的边缘服务器。 网络大模型 训练 网络大模型 推理 网络大模型 推理 知识库 数字平台 数字平台 GPU 训练资源池 至强® CPU 推理资源池 至强® CPU 推理资源池 标准 / 液冷 服务器 标准服务器 OTII 服务器 集团 省公司 大模型 平滑迁移

AI助手 常用办公平台进行智能化转型。在办公领域的原始 流量积累为智能PPT功能发展带来较多流量和行业 know-how；头部办公套件直接形成智能生成入口。 传统办公套件 基于自身积累的行业知识库或PPT模板组件 库与大模型结合，为内容或设计资源管理属 性增添文档生成的应用场景。 资源获取与AI创作平台 集成多个大模型，依靠其自身的PPT模板库 及排版、美化能力形成PPT平台，以多个大

运营和停用下线全生命周期的可信管理。 对于安全需求分析过程，需要根据行业合规要求，用户安全要求、用户隐私 要求、功能要求、行业安全标准、内部安全标准等进行安全需求分析，并且在日 常工作积累中沉淀形成安全需求知识库进行复用。 对于设计过程，需要针对服务、产品系统进行整体的安全设计，对产品系统 进行受攻击面分析，确定暴露面，根据分析结果形成威胁列表，针对识别出的威 胁风险进行安全功能设计保证产品的安全能力。 在线化项目立项、评审，立项评审有记录、可追溯；与相关等工具集成，实现需 求、任务和缺陷之间的关联，实现全过程追溯。 （2）统一软件研发环境 通过对过程成果的抽取，逐步沉淀如代码库、文档库、技术组件库、业务组 件库、知识库等软件资产，形成统一的软件研发环境和企业级的复用体系，实现 内知识、经验、软件资产的逐步积累和共享，提高开发效率和质量。 （3）构建自主应用体系 基于信创建设，建立企业可控的应用研发体系，围绕体系逐步建立统一的应

实时仿真与优化， 减少物理原型的迭代次数，加速验证和试验环节；利用 PLM（产 品生命周期管理）或 PDM（产品数据管理）平台，整合设计、开 发、测试和管理环节的数据流；开发模块化设计工具和知识库， 将标准件和模块化设计直接应用于新产品研发。 —10— 对运营成本的下降进行统计分析，平均下降 19.74%，有 84% 的企业运营成本下降超过 10%。“节流”是企业运营的核心策略 和 化设计工作主要涉及产品设计、工艺标注两大方面。数字化模型 设计的建设将遵循模型仿真模拟设计模式，以模型设计标准规范 体系为依托，定义产品成分、装配的数字化设计流程，建立基于 仿真模拟的成分库、标准件等工程知识库及模型检查工具，构建 基于数字化模型的产品配料全三维设计环境，有利于提高产品设 计和工艺设计的质量和效率。 （三）取得成效 数字化项目建设起止日期为 2021 年 1 月至 2023 年 12 准化，并实时反馈现场工序、机组、物料生产制造事件信息，有 效提高数据准确性和现场物料盘点效率，助力成本下探与“两金” 压降。其次，以研发设计、检化验、过程质量系统为质量闭环管 控，建立近 200 万条质量专家知识库，实现销产数据自动处理转 化，客户合同自动产线设计等，成功提升产品合同自动质量设计 成功率和不合格品处置效率，助力营收和利润增加。 南南铝加工智能制造项目的实施，成功缩短订货到交货时 间、降低运营成本、增加产销量和提升生产效率。

用互联网、物联网、大数据、云计算、人工智能等技术，引入精细化管理理念，实现机器 与机器之间、人与人之间、人与机器之间的互联，实现基础工业企业的信息化管理及生产 过程的智能化数字化的控制。构建选煤专家知识库，推进管理过程的智能化，形成完善的 洗选过程智能感知、智能控制、智能管理与智能决策能力，实现主要工艺环节、主要操作 岗位及重要设备实现智能无人操控，建成安全、节能、环保的智能化选煤厂。 目前， 图：智能化选煤厂参考技术架构 第一阶段：重点开展智能化选煤厂标准建设、关键技术攻关、基础装备完善工作，适时进 行成熟技术推广。 第二阶段：强化大数据技术与选煤专业知识的深度结合与应用，建设选煤专家知识库，推 进重点单元的智能化研究，建成完善的选煤厂生产执行系统，实现生产过程控制和管理智 能化。 第三阶段：全面实现智能化，对主要工艺环节、主要管理岗位及重要设备实现智能感知、 智能决策、自动执 中按照选煤厂的业务流程建立准备系统、分选系统、运销系统等全厂业务模型及数字模型， 打造数字双胞胎场景，实现虚拟和现实数字孪生的选煤厂。 四、构建信息化基础设施 包括网络平台建设、云平台建设、数据中心建设、专家知识库建设、系统安全保障、交互平 台建设等内容。充分应用现有技术的便利性，通过物联网传感器及物联网平台实现环境实时 检测，通过视频AI算法实现人、设备等违规操作的识别，通过5G+机器人方式实现自动化巡

字化服务产业领域创新突破。 数字社会和数字政府是先行保障，并促进数字经济多元化发展。 20 国家数字化发展范式与路径 在线上对接方面，各类移动终端及广域覆盖的网 络令民众可随时随地与健康知识库、专家医师等资源进 行对接。如肯尼亚民众通过数字卫生信息系统 eCHIS 向社区提交健康自查报告，eCHIS 通过分析居民历史 健康信息得出疾病风险。迄今为止，eCHIS 已覆盖肯 尼亚所有地区、约

情绪感知决策树：识别用户情绪等级并触发安抚话术 逻辑层 ■ 家架构 (MoE) : 动态激活子模型降低 计算 量，支 持 万级 并发。 ■ 知识自迭代系统：通过 RAG+ 微调机制自动更新知识库，拦 截错误信息。 业务支 持 ■ 智能分拣与优先处理：紧急问题自动升级至人工客服。 ■ 个性化推荐：基于用户画像推送充电优惠或商业券 业务逻辑 ■ Al 客服处理高频咨询→复杂问题转人工→服务数据反哺运营

能力。DSC 通过数据安全总览整合数据安全生命周期各阶段状态，对外呈现整体云上 数据安全态势，帮助用户实现数据安全全生命周期管理。 服务具备以下功能： ⚫ 敏感数据识别：在 AI 和专家知识库的双重加权下，精准识别敏感数据和文件，覆 盖结构化（RDS）和非结构化（OBS）数据类型，实现云上全场景覆盖。 ⚫ 数据风险检测：用户异常行为分析：基于深度行为识别技术，建立用户行为基 线，实