易 合规，需通过合法交易场所开展，遵循《数据要素交易合规性指 引》，明确交易主体“来源合法、用途正当、不侵权”的责任；第五 是隐私与伦理合规，个人数据资产化需贯彻“最小必要”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 感信息的元数据（如访问日志中的用户标识、敏感数据标签）进行 匿名化、加密处理，防止隐私泄露；三是权限管控支撑，通过元数 据明确数据访问主体、权限范围、使用限制（如“仅用于内部分析” ），落实最小必要原则与授权要求；四是可审计性，记录元数据的 变更、访问日志，满足监管审计要求（如《数据安全法》“数据活动 记录”）；五是标准化与互操作性，遵循DCAT、ISO 11179等标准， 确保跨组织元 管控为核心、全程审计与应急为保障”，覆盖“收集-存储-使用-共享 -销毁”关键阶段。首先，前置数据分类分级，按敏感程度（如个人 信息、商业秘密、公开数据）划定保护级别，明确各环节管控标 准；收集环节需遵循“合法、正当、必要”原则，通过清晰告知（如 隐私政策）获取用户同意，避免过度采集；存储环节需落实加密、 访问控制、容灾备份等安全措施，严格遵守存储期限（如个人信息 10 超出目的后需删除）；使用环节需限制在收集目的内，对敏感数据

使用的强 化学习算法等多样化系统。更广泛的类别，如生成式对抗网络和大语言模型等， 是众多生成式人工智能应用的基础，要求在监管中将其纳入考虑。由于现行立 法在适应这一动态环境方面面临挑战，因此有必要采取细致入微的方法管理这 一广泛、快速发展的系统。由于竞争压力，快速发展的技术渗透到我们的生活 和商业实践中，但与此同时，法律框架却不完善且适应缓慢，造成了一种严峻 的局面。本文将探讨： ● 对训练数据和提示词数据的限制：《通用数据保护条例》概述了以 下处理数据的主要原则： ○ 目的限制：数据的收集和使用只能用于特定、明确界定或兼容 的目的。 ○ 必要性：只能收集和使用实现这些目的所必需的个人数据。 ○ 数据最小化：应尽量减少收集和使用的个人数据量，只收集绝 对必要的数据。 ○ 存储时限：必须尽可能缩短个人数据的存储时间，并且必须定 期设定和审查存储期限。 训练数据（以及提示词数据，它们也可能成为“训练数据”），即只在 数据从训练集中删除。 此外，反对权可能只适用于特定的数据元素或特定的目的，而不一定 适用于用于训练模型的所有信息，这可能会限制个人反对权的范围。这凸 显了开发透明且负责任的生成式人工智能以尊重个人隐私权的必要性。 ● 合规性：《通用数据保护条例》要求对数据处理活动执行数据隐私 影响评估(DPIA)，这也适用于人工智能系统的数据处理及其对数据主体造成 的风险。在用于训练大型生成式模型的大数据集中识别个人数据非常困难，

通过以上措施的实施，公共安全能够更好地利用 AI 大模型的 潜力，形成一种快速、灵活且智能的安全管理模式，为社会公众提 供更安全的生活环境。 1.3 文章目的 本文旨在探索在公共安全领域中引入 AI 大模型的必要性和可 行性，尤其通过视频智能挖掘技术来增强安全事件的监测、分析和 响应能力。在当前社会，随着城市化进程的加速和科技的迅猛发 展，公共安全面临的挑战日益增多。在这种背景下，传统的监控与 安全 大模型进行视频智能挖掘的有效性和可行性，为提升 社会安全水平提供有力支持。 2.1.1 视频数据采集 在公共安全领域，视频数据采集是实现 AI 大模型视频智能挖 掘的第一步，它为后续的数据分析和决策提供了必要的基础。为了 确保视频数据采集的高效性和有效性，本章节将详细阐述视频数据 采集的功能需求。 首先，视频数据采集设备应具备高清晰度和高帧率的录制能 力，以便捕捉到细节丰富且流畅的画面。同时，设备应在不同光照 可视化的大数据分析结果 通过以上各层的紧密配合与协同工作，形成一个高效、智能的 公共安全视频监控系统，能够显著提高应对突发事件的响应速度和 处理能力。同时，整个技术架构设计必须充分考虑数据的安全性， 采用必要的加密和身份验证措施，以防止数据泄露与滥用。 综上所述，该技术架构将为公共安全领域提供强有力的视频智 能挖掘能力，有效提升安全监控、事件识别和决策支持的整体效 率。 3.1 数据源与输入 在公共安全引入

通过以上措施的实施，公共安全能够更好地利用 AI 大模型的 潜力，形成一种快速、灵活且智能的安全管理模式，为社会公众提 供更安全的生活环境。 1.3 文章目的 本文旨在探索在公共安全领域中引入 AI 大模型的必要性和可 行性，尤其通过视频智能挖掘技术来增强安全事件的监测、分析和 响应能力。在当前社会，随着城市化进程的加速和科技的迅猛发 展，公共安全面临的挑战日益增多。在这种背景下，传统的监控与 大模型进行视频智能挖掘的有效性和可行性，为提升 社会安全水平提供有力支持。 2.1.1 视频数据采集 在公共安全领域，视频数据采集是实现 AI 大模型视频智能挖 掘的第一步，它为后续的数据分析和决策提供了必要的基础。为 了 确保视频数据采集的高效性和有效性，本章节将详细阐述视频 数据 采集的功能需求。 首先，视频数据采集设备应具备高清晰度和高帧率的录制能 力，以便捕捉到细节丰富且流畅的画面。同时，设备应在不同光照 可视化的大数据分析结果 通过以上各层的紧密配合与协同工作，形成一个高效、智能的 公共安全视频监控系统，能够显著提高应对突发事件的响应速度和 处理能力。同时，整个技术架构设计必须充分考虑数据的安全性， 采用必要的加密和身份验证措施，以防止数据泄露与滥用。 综上所述，该技术架构将为公共安全领域提供强有力的视频智 能挖掘能力，有效提升安全监控、事件识别和决策支持的整体效 率。 3.1 数据源与输入

空调机 • 风机 • 风机盘管 • 变频多联式空调 ( 热泵 ) 机 • 给排水 • 管道 施工总体控制 1 ：安全性 • 在整个施工过程中，安全始终是最重要的。确保施工人员遵守安全规范，佩戴必要的安全装备，并采取适当的防护措施，如避免触电、坠落和火灾等风险。 2 ：合规性 • 确保施工符合相关法律法规和建筑规范。了解当地建筑许可要求，并遵守电气、消防和安全等标准，对于规范中的强条严格执行 4 ：沟通与协调 • 与各个供应商、承包商和相关团队进行密切合作，确保施工进度和质量得到有效控制。及时沟通并解决问题，确保各项工作协调进行。 5 ：测试和调试 • 在完成每个施工阶段后，进行必要的测试和调试工作，确保安装的设备和系统正常运行，并满足设计和性能要求。 6 ：文件记录 • 保留所有施工过程中的相关文件和记录，包括施工计划、工程图纸、材料清单、施工报告和测试记录等。这些文件将对后续的运维和维护工作起到重要的参考作 排除工具和仪器，对故障设 备进行定位，找出故障原因 所在。 故障修复：根据故障定位结 果，采取相应的修复措施， 如更换故障部件、重新连接 电缆、调整设备设置等。 测试和验证：在修复故障后， 进行必要的测试和验证，确 保设备恢复正常运行。 故障处理： 故障记录和报告：对发生的 故障进行详细记录，包括故 障描述、定位和修复过程、 使用的工具和材料等信息。 生成故障报告，用于后续的 故障分析和改进。

A100，推理任务则主要受显存限 制，需要 4 至 8 张 A100，因此完整的模型无法在终端上离线运行。 优化后大模型可在旗舰机型芯片上运行，AI 落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 大模型训练对硬件的挑战：算力、内存和通信 .............................................. 8 终端部署具有必要性，轻量化技术优化模型 ....................................... 11 超低时延的智慧场景，终端部署具有必要性 ...............................................11 缩减优化模型，部署终端设备 图7：各模型位于 LM 损失等高线图上的位置 资料来源：DeepMind，国信证券经济研究所整理 资料来源：Sunyan’s Substack，国信证券经济研究所整理 因此，优质大模型的训练，高质量的大数据集是必要条件。目前主要的数据获取 渠道是公开的论坛，例如谷歌的 LaMDA 模型，在论文中表示其预训练数据 50%对 话数据来自公共论坛；12.5% C4 数据；12.5%的代码文档来自与编程相关的网站； 12

创建/删除：提供逻辑可信数据空间创建、删除等基本管理功能，允许可信数据空间参与方面 向场景需求，基于限定的参与主体、数据资源及使用控制策略创建逻辑可信数据空间并成为 该空间的可信数据空间运营方；允许可信数据空间运营方在必要时删除其管理的逻辑可信数 7 据空间。创建/删除可信数据空间应按照 NDI—TR—2025—02 确定的业务节点登记流程和要求， 上报可信数据空间基本信息； b) 配置修改：允许可信数据空间运 并基于本平台业务需求进行必要的拓展； b) 身份认证：可信数据空间服务平台向接入连接器提供符合 NDI—TR—2025—03 确定的用户身 份查询流程和要求的接口，并基于业务需求进行必要的拓展； c) 身份更新：可信数据空间服务平台按照 NDI—TR—2025—02 确定的业务节点服务流程和要求， 可以嵌套或调取接口等方式代理区域/行业功能节点面向接入连接器提供用户身份更新接口， 并基于业务需求进行必要的拓展； 身份信息查询：可信数据空间服务平台按照 NDI—TR—2025—02 确定的业务节点服务流程和 要求，可以嵌套或调取接口等方式代理区域/行业功能节点面向接入连接器提供用户身份查询 接口，并基于业务需求进行必要的拓展。 5.3.3.3 数据产品接口 数据产品接口负责接入连接器与可信数据空间服务平台之间数据产品信息的交互，应包含以下接口： a) 数据产品登记：可信数据空间服务平台按照 NDI—TR—2025—02

(NLP).、 智能助手和聊天机器人、神经网络等。 图表.11.已开展 AI 审计的机构所采用的 AI 技术 ( 五 ) 当前数智化审计还没有充分开展 当前组织对数智化审计虽然有领导的支持和必要的数据支撑，但是数智化审计的实施还 没有充分开展起来。 15 数智化审计调研报告 •.只有 24.08% 的组织开展过 IT 审计，仅有 15.71% 和 9.95% 的组织开展过数字化和智 有一定 技能和经验的专业人员来应对复杂的审计挑战。 从统计数字来看，71.73% 的受访者认为其组织对于数智化审计项目实施、团队组建、 工具采购等专项资金投入所占信息化投入比例不到 1%。缺乏必要的专项资金投入意味着组 织无法购买、维护或升级最先进的审计工具和技术。这可能导致审计过程效率低下、数据分 析不准确或过时；也意味着没有足够的资金来为员工提供培训和专业发展机会，或者是可能 无法购买所需的资源或支付外部专家的费用。 化工具应用等方面的综合能力。然而根据数据 显示，能够自主开展 IT 审计且效果良好的组织只有 25%（见图表 23），能开展数智化审计 和智能化审计的更是少之又少，这意味着大多数组织可能缺乏这些必要的专业知识和技能。 这些统计数字揭示了组织在自主开展包括 IT 审计在内的数智化审计方面面临较大的挑 战。同时，这也显示了国内存在着企业及各类机构对第三方数智化审计服务需求的巨大的市 场机会。

等，这 类软件适合对点云数据进行后期处理和建模，能够进行模型的 细节精修、材质贴图及渲染。 3. GIS 软件：ArcGIS、QGIS 等地理信息系统软件用于处理和分 析空间数据，能够为建模提供必要的地理参考和数据集成，确 保模型与实际地理环境的高度一致。 4. 虚拟现实(VR)和增强现实(AR)工具：如 Unity、Unreal Engine 等，这类工具能够将三维模型嵌入到虚拟环境中，支 最后，数据接口模块提供了与其他系统或模块的连接点，允许 数据的传输与共享。该模块支持 RESTful API 和消息队列技术（如 Kafka）等标准，可以实现数据的实时更新与推送，为前端应用和 模型训练提供必要的数据支持。 数据层各个模块的协同工作，可以确保整个系统的数据来源丰 富、更新及时，数据质量高，有效支撑铁路沿线实景三维 AI 大模 型的应用。 在整个数据层的设计中，应注意以下关键点：  当某些异常数据无法修复且可能对分析结果产生更大影响时， 可以考虑将其从数据集中去除。此时，应量化保留与去除数据的影 响，确保去除的合理性，以免误伤正常数据。因此，在去除前，最 好进行一次综合分析，确认去除该数据的必要性。 具体操作流程如下： 1. 数据采集 收集切片数据，进行初步统计分析。 2. 异常检测 使用统计模型检测异常数据点。 3. 异常标记 将检测到的异常数据标记，例如对数据表添加

段，维护数据的安全性和隐私。  共享平台建设：建立跨部门、跨行业的数据共享平台，加强不 同系统间的数据互通，促进资源的高效利用。  人才培养与技术支持：加大对相关技术人才的培养力度，提供 必要的技术支持和服务。 随着技术的进步，省级可信数据空间将为各类社会经济活动提 供有力的支持，推动各级政府的数字化转型，提高社会治理与服务 的科学化、智能化水平。在此基础上，相关部门也应持续关注新技 最后，数据伦理也是数据治理框架的重要组成部分。在利用数 据的过程中，要尊重个人隐私和数据主体的权利。建立数据伦理审 查机制，对新数据项目进行伦理审查，确保在数据的收集和利用过 程中充分告知数据主体，取得必要的同意。此外，针对数据的删除 和匿名化处理，应制定明确的政策，以防止不当使用。 通过上述措施，省级可信数据空间的数据治理框架将能有效保 障数据的质量、安全性和合规性，为更高效的决策和服务提供坚实 首先，数据质量标准的制定是基于业务需求和行业最佳实践。 标准应涵盖齐全性、准确性、一致性、及时性、唯一性和可理解性 等关键指标。以下是建议的主要数据质量标准： 数据质量维度 说明 齐全性 数据集是否包含所有必要的字段和记录。 准确性 数据是否反映真实世界的情况，减少误差。 一致性 数据在不同系统或数据集中的表现是否保持一致。 及时性 数据在生成、存储和使用过程中，更新的及时程度。 唯一性 数据记录是否存在重复，确保记录的唯一性。