耦合度低 （2）互不依赖，使用独立， 管理独立 湖内建仓，将数据仓 库与大数据平台的功 能统一在Hadoop体系 中实现，通过相关的 技术组件，实现数据 的集中存储和统一计 算。 特点： （1）基于Hadoop平 台同时构建数仓、数 据湖，技术栈较为统 一 （2）一套物理体系、 数据统一存储、统一 计算 湖仓并行，数据仓库与数据 湖分离搭建，部分基础数据 共享使用，湖仓间通过相关 技术组件直接实现数据共享， 2.1 建设目标 建设目标 01 02 03 04 • 平台采用全栈信创架构； • 围绕数据采集、存储、分析、应用等 全流程开展建设。 搭建湖仓一体化平台，实现全行数 据的高效汇聚和统一管理 • 升级数据平台原有查询服务，提高数 据查询效率和稳定性； • 引入新组件，为业务人员开展BI自助 分析和交互式分析场景提供平台支撑。 提升数据服务能力，丰富数据场 景应用 • 实现批处理、流式计算及流批一体数 实时计算 Flink SparkStreaming HetuEngin e（presto） 交互式 分析 ClickHouse 湖模块（MRS） 跨集群数据分析（Hetu） 湖仓一体架构 统一数据服务（数据中台） 共 性 加 工 层 集 市 层 实 时 数 据 区 数字化营销 数字化风控 数字化运营 Ranger 数据安全 Hudi 客户数据 账户数据 设备数据 交易数据

IaaS、AI PaaS、MaaS、AI SaaS 四层。一是 AI IaaS，即算网一 体化供给的基础设施服务，通过泛在网络推动东中西、云边端、通智超量、训练 推理等多类型算力“联算成网”，依托算网统一编排的算网大脑，实现算力的灵 活调度、即取即用。二是 AI PaaS，即面向各类 AI 开发者的工具平台服务，提 供覆盖 AI 研发、运营、测试等全环节的工具链和开发环境，显著提升全社会 AI 芯片、交换芯片、服务器整机等国产全产业链 伙伴，打造开放式架构大云磐石超节点，为大模型训练和推理提供更高吞吐、更 8 低时延的海量数据处理能力，推动解决国产智算核心“卡脖子”问题。 中国移动以统一开放互联的自主协议为基础，构建 64 卡互联规模、800GB/s 点对点带宽、微秒级时延的大云磐石超节点。一是以开放式硬件架构为核心构建 跨 GPU 厂商互通兼容的技术体系，并积极推进相关行业标准落地，打破产业壁垒； [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。 面向近期，深化研究 AI 芯片统一算力抽象机制及转换方法，强健高性能全

内蒙：鼓励煤矿推进4G、5G（多频组网）、WiFi、IoT等融合组网，实现煤炭一网管控。鼓 励各煤矿积极进行各类5G业务场景科技创新：对于环境检测类数据、井下人员数据、非标准 机电设备监测控制类等数据，采用统一的数据交换标准规范协议，对“采、掘、机、运、通” 等主要生产环境进行集成、联动控制。 重点：引导煤矿实现5G高低频组网、VONR语音及调度。至少实现5G关键应用场景。其中高 低频组网主推700M低频配合2 移动端具备不少于NFC\RFID、 蓝牙等至少2种进场通信功能。 各智能化应用系统部署应基于工业互联网架构、通过在集团统一部署工业互联网平台，服 务所属煤矿，避免单个煤矿单独建造，造成投资浪费；智能化矿井宜构建好数据治理和AI 管理平台，实现智能决策支持；数据接入统一数据采集框架，支持OPC\MODUBS\文本协 议等多标准的采集和数据入湖；建立煤矿数据资产库及数据建模分析能力。接入数据和治 自动控制 运行功能的智能系统，实现工作面落煤、装煤、支护、运煤作业工况自适应和工序协同 控制的开采方式等。） 33 33 34 关于智慧矿山的定义 对于智慧矿山，需要在定义上有一个清晰、统一的认识，只有概念清楚了，思想才不会模糊。 在新华三的解决方案蓝图中，对于智慧矿山的理解如下——“智慧矿山是以先进数字技术为 动能，以矿山高质量发展诉求为咬合点，在智慧化新场景下实现矿山运行新模式。”

产品与架构已不能完全满足新的 AI 集群 的需求。随着计算密度的提升，采用低延迟、高带宽互联架构的 AI 集群因其性 能优势而被广泛采用。然而，在液冷整机柜的设计与部署过程中，不同厂家的 技术方案缺乏统一标准，这给终端用户的系统选型、设备部署及运维管理带来 了诸多挑战。 在技术发展层面，尽管面临诸多挑战，业界已在 OAI（开放加速器接口） 和 UBB（OCP 通用基板）等标准化方面取得了显著进展。特别是超节点整机 Scale up 低延迟互联的 8 个 OAM 模组形态，凭借其卓越的性能优势，已被各大 AI 厂商的高端产品广泛采用。然 而，由于各类 AI 芯片的功耗存在差异，不同液冷整机厂家的方案设计缺乏统一标准，加上 整机柜在供电和制冷能力上的差异，导致终端用户在部署 AI 集群时，难以实施标准化的部 署方案和一致的运维策略。此外，AI 集群的运行要求远高于传统通用计算的并行集群，为 实现更高的 加速器内部高速互联的新方向， 8 个 OAM 模组形态预计在未来 5 年内仍将是 AI 服务器的主流部署模式之一。 为应对上述挑战，本报告聚焦于液冷散热技术、整机柜设计与管理、智算架构设计以及 多算力统一架构底座等关键技术领域，提出了一套开放、灵活且高效的液冷智算架构解决方 案。该方案不仅能够兼容多种 AI 加速器，优化 AI 服务器的部署流程，还能显著提升运维 效率，有效降低液冷系统漏液带来的

, 以数字 技术作为引导 , 把减碳、减排作为考核目标 , 把新能源汽车的发展与能源转换效率结合在一起。欧洲 Easyway 项目， 智慧公路技术白皮书 04 针对全部路网开展网络化管理，根据统一规则进行关键路段的判别；通过跨国数据交换构建同步管理体系，覆盖 27 个国家和地区、3 万公里公路，以信息服务、主动交通管理为手段，侧重服务协同。 日本志在建设世界最安全道路，拟在 2030 年建成世界最安全和最畅通道路。2020 实现空间连通功能的安全高效提升。 信息互通是智慧公路的实现基础。 智慧公路采取全域道路一体化的 发展思路，随着 5G、物联网、人 工智能等技术的发展，基于数据 汇聚和处理机制在应用层实现道 路信息统一管理，为实现全场景 的互联互通奠定基础。具体特征 表现为感知数据从断面、集计交 通运行数据向个体非集计数据演 变；交通事件从被动辨识向风险 预警演变。 安全高效的空间连通 精准有效的信息互通 SD-WAN 信息感知 完整、精准 算法应用下发 实时、自动 行业资产 行业资产 应用使能 AI使能 智慧应用 态势 监控 交通 管控 应急 处置 拥堵 治理 安全 治理 运营 调度 统一 运维 图 1 理念：通过场景找技术图 图 2 智慧公路参考架构 感知 联接 计算 / 存储 数字能源 云 视频 事件检测 毫米波 流密速 鸿蒙 终端 智能化 F5G 硬管道 低时延

...................................................................................... 56 7.10.1 统一身份认证服务（IAM） ....................................................................................... IT、安全和隐私保护等云服务相关的技术岗位人员，以及其 他相关岗位人员 (主要包括营销、采购/合同、合规审计等云服务相关人员)。 说明 1. DevOps 和 DevSecOps 目前尚没有很好的统一中文译名。DevOps 是随着云服务 发展而由高科技公司的实践派而非理论派创造并逐渐成熟的从研发到运营的全线 工程流程和工具链实践。由于 DevOps 需要支撑云服务和其他线上功能的持续集 成持续部署 应对云安全挑战，全面满足云服务用户的安全需求。 图2-1 华为云安全防护框架 ⚫ 在组织方面，华为云最高管理层负责决策和批准公司总体网络安全战略。安全管 理部门负责制定安全战略，统一规划、管理和监督研发、供应链、市场与销售、 工程交付及技术服务等相关体系的安全组织和业务，确保网络安全保障体系在各 体系、各区域、全流程的实施，积极推动与政府、客户、合作伙伴、员工等各利 益相关方的

融合了多种感知途径与表达形态，能够同时处理文本、图 像、语音等多种数据，并进行深度语义理解和交叉模态处理，是实现通用智能的重要路径。大模型从早期简单的子任 务模型组合模式，逐步转变为端到端跨模态统一特征表示，实现了原生多模支持，为人工智能与现实世界复杂信息交 互奠定了坚实基础。 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 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， 人机、工业人工智能终端等。随着人工智能技术的快速发展与广泛应用，未来智能终端规模将快速增长，统一标准互 联互通、协同自治、应用一次开发多端部署、安全可信四大能力是实现城市海量终端全接入、全感知的基础。通过统 一物模型标准、设备接口标准、数据格式标准，同时以物模型为底座，统一协议，统一管理，统一授信，实现横向纵 向数据互通，并有效屏蔽不同厂商之间的差异。通过分布式软总线使城市终端、控制器与手持终端之间感知靠近、自

字可信技术来解决。 中国移动作为网信领域的排头兵，积极响应国家战略，勇担新质生产力国 家队职责，携手产业上下游合作伙伴，大力建设基于区块链技术的电信级开放 可信基础设施，加力推进制定“统一目录标识、统一身份登记、统一接口要求” 的标准规范，着力构建支持“多主体、多平台、多领域、多应用”的数据要素 流通新范式，合力打造数字可信新生态。 本白皮书阐述了数字可信内涵和外延，以及其作为数字经济基础的重要性， 开放无缝接入（Seamless） ............................ 27 3.6.3 安全可信（Security） ................................ 27 3.6.4 统一的跨链协议与身份协议等新规范（Standard） ........ 28 第 5 页 第四章 数字可信的典型实践 ........................................ 准的数字身份服务能力。通过生物识别能力构建，如指纹、面部识别等，可凭 借生物体特征，进行高效且难以被冒用的身份验证，极大地保护了个人信息可 信；分布式数字身份（DID）可作为构建信任网络的基础，其保障了个人在各平 台上拥有为一切统一的数字身份，增强个人对自身数据的控制权，简化身份验 证流程，提高效率和便利性，同时减少中央化系统中的安全风险；以密码学为 基础的钱包技术，可为数字资产可信管理与存储赋能；零信任可作为可信身份

技术瓶颈与融合问题：建筑行业数字化技术应用存在技术标准不统一、系 统兼容性差的问题。不同技术平台和工具的数据格式、接口标准不一致，导致 系统集成困难，信息孤岛现象严重。在实际项目中，设计使用的 BIM 软件与施 工管理的项目管理系统可能无法直接对接，数据需要多次转换，不仅增加工作 量，还容易出现数据丢失和错误，影响项目管理效率和成本控制。为解决这一 问题，政府和行业协会应加强数字化技术标准制定，推动统一的数据标准、接 口 年，中国已建立起较为完善的 BIM 标准体系， 包括《建筑信息模型应用统一标准》等一系列国家和行业标准。目前，BIM 技 术在中国的应用已从单点试验阶段迈向规模化应用阶段，特别是在大型公共建 中国建筑业企业数字化研究报告 10 筑、基础设施项目中的应用比例显著提高。 当前 BIM 技术面临的主要挑战包括：跨专业协同难度大、数据标准不统一、 软硬件投入成本高、专业人才短缺等。同时，BIM 数据 和视频数据，实现全方位监测和智能分析；中国中铁"铁路建设大数据平台"通 过对历史项目数据的挖掘，形成标准化工期和成本预测模型。 目前，建筑业大数据分析面临的主要挑战包括：数据收集标准不统一、数 据质量参差不齐、分析工具与建筑业专业需求匹配度不高、专业数据分析人才 缺乏等。未来发展趋势包括：与 BIM、IoT 等技术深度融合，形成多源数据融合 分析能力；从单点分析向全流程智能决策支持系统演进；从企业内部数据分析

层—— 包括操作系统和云管理平台；PaaS 层——主要是通过使用容器环境对应用软件 进行微服务化定制封装，使用 DevOps 理念对云原生应用进行持续部署和集成， 使用容器编排工具对容器进行统一集群管理；SaaS 层包括政府、金融、电信等各 行业业务软件。此外，还包括整个平台的安全管理、运维管理及相应的标准制定 遵循。我国拥有全产业链能力的综合型云厂商主要有阿里云、腾讯云、华为云、 在人工智能领域可以通过开发具有自主知识产权的通用性人工智能操作系 统和控制软件，研发基于 CPU/GPU/ASIC/FPGA 异构体系的云计算服务平台，研发 同时支持逻辑推理、概率统计、深度学习等范式的统一计算框架，来实现信息技 术创新。 国家新一代人工智能开放创新平台是国家认可、由企业主导的 AI 开放创新 平台，目前已经有百度（自动驾驶）、商汤（智能视觉）、旷视（图像感知）、科 大讯飞（智能语音）等 生解决方案能够在满足企 业信创要求的同时，实现科技创新。 在软硬件的兼容适配方面，基于信创云操作系统在纳管不同 CPU 架构的服 务器方面具备天然优势，各种信创和非信创体系的基础设施都能够被统一管理； 同时，上层应用通过容器的标准化封装之后，信创云操作系统可以为容器提供自 动化的环境识别、资源分区、应用调度等能力，从而屏蔽了服务器集群使用多个 传统操作系统带来的差异性。这也为信创过渡和综合选型提供了技术手段。