级，联邦学习、可解释AI（XAI）等技术大规模应用，推动智能体误判 率显著下降。二是攻防对抗进入智能体博弈时代，攻防双方将围绕智能 084 中国工业和信息化 发展形势展望系列 体展开技术竞赛：防御端，多智能体协同防御体系广泛落地，通过分工 协作实现威胁预警、攻击拦截、溯源反制的全流程闭环；攻击端，AI生 成式攻击手段将更隐蔽，针对智能体的投毒攻击、逃逸攻击技术迭代加 速，推动安全企业加大对抗性训练技术研发投入。2025年4月，美国麻省 智能体可进化性带来不可 逆持续运行风险。2025年5月OpenAI的推理模型在安全测试中拒绝执行关 机指令，并在篡改代码后主动清理操作痕迹。三是多智能体协作的级联效 应使安全风险指数倍放大。2025年微软Copilot与Teams智能体协作时，攻 击者通过邮件触发Copilot漏洞，利用其协作权限窃取Teams加密信息。 （四）新兴技术融合应用带来全新安全挑战 数字化技术集群式爆发、融合发展，5G、物联网、人工智能、智

对不同措施可能救援效果的推演能力 满足国家要求个性化预案的生成能力 次生衍生灾害处置等复杂任务的调度能力 IT 引 擎 ● 大数据治理平台 ·E GIS 多智能体协作 多智能体协作提升公共安全能力 构建大模型、深度挖掘小模型与技术方法能效，通过多智能体协作将大模型，灾害仿真模型、公共安全推理模型 、平台工具等多源能力进行融合，实现公共安全领域的数据分析、推演、内容生成与业务调度等能力。 “ 谊昆”大模型服务应急业务全场景

.......... 18 （一） 国际视角：技术引领与生态开放并行.................................................19 （二） 国内发展：多主体协同与自主生态构建.............................................20 五、 AI 计算节点未来趋势............................ 件-生态”综合体系竞争的关键跃迁。国际竞争围绕生态主导权展开， 呈现出技术垄断与开放协作两条路径。国内 AI 计算产业立足自身市 场条件与发展需求，探索出一条通过系统级架构创新弥补单点短板， 以开放兼容策略融入国际主流，借多主体协同加速构建自主生态的特 色发展路径，推动产业生态从“可用”到“好用”的稳健升级。国内 外 AI 计算节点产业生态对比如下： 表 1 国内外 AI 计算节点产业生态对比 对比维度 国际产业生态 通过联盟等形式深度合作。 来源：IDC，中国信息通信研究院 （一）国际视角：技术引领与生态开放并行 AI 计算节点作为支撑 AI 训练和推理的核心基础设施，产业生态 围绕生产类与应用类两类核心主体协同构建。生产类企业聚焦硬件研 发、标准制定与设备供应，筑牢计算节点底层支撑体系。应用类企业 侧重计算节点架构下的算力部署、场景落地与服务输出，加速技术商 业化转化。 1.生产类主体：筑牢技术壁垒、主导标准制定

来十年，智能体将发展为侧重实践的行动系统。 此时人机之间的决策权将发生实质性迁移，智 能体获得更多直接与物理世界交互决策的能力， 能够自主闭环执行多类任务。 智能体的未来发展，关键在于攻克三大交 织融合的核心挑战：多智能体协同（通信与协 作）、云端环境交互（探索与执行），以及长 程推理认知（规避偏差累积与组合爆炸）。这 三者共同构成了通向高级智能的道路上必须逾 越的障碍。 未来十年，智能体将发展为侧重实践的行动系统 移动互联生态从 App 走向多 Agent 协同 2025 年可被视作多智能体协作的元年，人 类将通过专业分工协同最终创造璀璨的高级文 明。随着 AI Agent 技术的发展，移动互联网的 百万 App 不再是信息孤岛，而是变为智能体或 元服务相互连接，突破单一智能体边界，完成 复杂的任务，形成多智能体协同的新生态。 App 时代：生态以应用程序为中心。用户 是“驾驶员”，必须主动发现、下载、打开不 空间多模态交互界面 SMUI 交互界面演进路径 17 移动互联网向行动网络转型，“端到端 （E2E）任务成功率”将成为行动能力最核心的 指标，直接决定 Agent 时代用户入口的掌控权。 多智能体协同的竞争力构建属于系统工程，多智 能体系统的核心竞争力 = 强大基础模型 ×( 协同 框架 + 专业分工 + 学习机制 + 安全信任 )。 这是一个乘数效应，而非加法效应。其中 任何一项成为短板，都会严重制约整体能力的

4. 基于 AI 的自动化协同 随着 AI 技术的发展，智能体协同面临新的挑战：现有 AI 系统多以工具形 态存在，缺乏独立数字身份标识、明确责任边界与标准化协作协议；智能体间的 互动缺乏统一标准化接口与行为溯源机制，制约了大规模协同应用。​ 面向 Web3.0 的数字实体互联白皮书 21 数字实体网络为 AI 智能体协同提供了系统性支撑路径：为每个 AI Agent 配置独立数字 Web3.0 的数字实体互联白皮书 25 实体网络在继承语义网核心理念的同时，实现了三项关键创新：采用轻量化的结 构化数据容器替代繁琐的三元组表示，使语义标注成本降低 90%以上；通过动 态本体协商机制，允许实体在交互过程中按需交换语义理解规则，而非依赖全局 统一标准；特别是将语义处理能力下沉至网络协议层，使得普通开发者无需深入 语义技术栈即可享受智能化红利。这些改进使得语义互联从实验室走向大规模商

开源通信协议。 ANP 的目标是成 为 " 智能体互联网时代的 HTTP " ， 希望通过这个协议定义智能 体之 间的理解方式，构建一个 安全、 开放、高效的智能体协 作网络。 数据来源：公开资料、甲子光年智库总结整理 互补的 A2A 协议，延伸 Agent 协作边界： MCP 打通 “ Agent - 工具” 连接， A2A 实现 “ Agent - Agent” 交互，二者构建智能体生 态 “工具连接 + 主体协作” 基础，为 AI 应用规模化落地与场景拓展提供支撑，加速 “ AI 数字化协作” 从概念到实用的跨越。 MCP 协议示意图 可通过集体行为适应动态环境 数据来源 《 》 甲子光年智库总结整理 从单智能体到多智能体生态， Agent 协议驱动智能体协作进化，重塑企业 AI 能力边界 Agent 协议是推动智能体从孤立执行到网络化协作的核心驱动力。 单智能体可处理简单任务 ，但受限于个体能力，难应对复杂场景且易因故障中断服务。 Agent

一、基础概念类 可信数据空间的核心定义及本质特征是什么？ 1. 可信数据空间是数字经济时代以数据可信流通与价值转化为核心目 标，通过隐私计算、区块链等技术手段，融合法律规范、行业标准 及多元主体协议，由政府、企业、个人等共同构建的新型数字生态 载体。其本质特征体现为“可信筑基、主权保障、协同创值、动态演 化”的逻辑统一：一方面，“可信”是底层支撑——既依靠技术实现数 据的安全存储、全链 确保空间符合《数据安全法》等法规，认证技术与流程的可信度； 技术服务提供商（如隐私计算、区块链、加密技术企业）是底层支 撑，通过“可用不可见”（如零知识证明）、数据溯源等技术，保障 数据传输、存储、使用全流程的安全与可信。各主体协同，共同构 建“权责清晰、安全可控”的数据流通环境。 可信数据空间对数据要素市场建设的核心价值是什么？ 6. 可信数据空间对数据要素市场建设的核心价值，在于通过构建“可 信、安全、可控”的数 小必要”原则，敏感 数据需经用户单独同意，避免非必要采集或滥用；最后是审计与追 溯合规，需建立全链路日志记录，确保数据产生、加工、交易等环 节可追溯，符合《网络安全法》日志留存要求。此外，跨主体协作 （如联邦学习）时需明确责任边界，不违反数据本地化或跨境传输 规定（如《数据出境安全评估办法》）。这些要求共同构建了可信 数据空间中数据资产化的“信任基石”，既保障资产价值实现，也防 范合规风险。

.................. 12 7.2 场景发现与价值规划 ................................................... 12 7.3 多主体协同与职责分配 ................................................. 12 7.4 数据供给侧匹配 .......................... 集多元生态主体与丰富数 据资源，打造满足多主体价值需求的场景解决方案。展开逻辑是基于不同类型可信数据空间的 特点和需求进行挖掘与规划，如各行业根据自身痛点确定核心应用场景，明确参与方职责，通过 跨主体协同实现场景落地，再经实践沉淀优化，形成可推广的模式，推动数据在各领域深度应 用。 ——数据资源是指可信数据空间内承载的各类数据资源，涵盖高质量数据资源和数据集， 为空间开发利用提供基础支撑保障。数据资源从如《GB/T 的细分能力要求。 表 1 可信数据空间能力要求与细分功能 可信数据空间维度 可信数据空间细分功能 与三大核心能力的映射关系 场景应用 场景发现与价值规划 价值共创能力 多主体协同与职责分配 资源交互能力 数据供给侧匹配 资源交互能力 数据交易与合约管理 资源交互能力 数据产品化与服务化 价值共创能力 场景数据产品与服务运营 价值共创能力 价值衡量与收益清算

用户可以 前往首页体验 H5 和网站开发。作为国内首个对话式应用开发平台，秒哒以"无代码编程+多智 能体协作+多工具调用"的技术组合，彻底颠覆传统开发流程。据了解，用户仅需通过自然语言 描述需求，即可自动生成完整功能代码，实现“3 分钟生成+1 小时迭代”的极致开发体验；“智 能体协作矩阵”内置十余个垂直领域智能体，用户可根据任务需求动态调整策略和行为，灵活 组建不同技能的虚拟开发团队；

“朗新九功”的技术核心体现为“时序预测”与“AI智能体”双引擎的协同。 时序预测引擎融合气象、电价、负荷等多维数据，实现高精度预测，对应横向基 座的模型能力；AI智能体引擎具备任务规划、工具调用、多智能体协同、记忆反 思能力，完成复杂决策，对应横向基座的智能体能力。 双引擎的底层，是多源多模态数据接入与处理能力提供的“原料”，以及知 识能力赋予的“行业智慧”。双引擎设计是“大小模型结合”理念的具体实现： �%的精度 提升；通过“远景天机”“天枢”双模型，远景能源在赤峰零碳氢能产业园风光资 源分钟级精准预测，让新能源利用率大幅提升。 朗新科技思路及做法 在纵向业务升维层面，“朗新九功”将时序预测、智能体协同与优化算法能力 深度嵌入多元新能源资产运营全流程，推动资产从“被动设备”向“主动收益单 元”跃迁。这一路径的本质，是以通用大模型为底座理解业务场景，以专业小模型 实现精准计算，以行业知识保障 安全边界，是当前技术攻关与工程实践的重点方向。 行业标准体系建设亟待加强。当前新能源AI领域的技术路线、数据格式、接口 协议、评估方法等尚处于“多元探索”阶段，不同厂商、不同平台之间的互联互通 存在障碍，客观上增加了跨主体协同的成本，也不利于技术成果的规模化复制推 广。标准的缺失还导致部分领域的重复开发，造成资源浪费。建立统一、开放、兼 容的行业标准体系，是降低产业协作成本、促进行业健康有序发展的重要基础。 复合