调优 • 场景化 SDK • 启发式编程 • BoostKit 应用使能 • 鲲鹏亲和分析 • 毕昇编译器 • 毕昇 JDK • GCC for openEuler • 鲲鹏调试器 • 系统性能分析 • Java 性能分析 • 系统诊断 流 水 线 阶 段 门禁检查 鲲鹏版本编译构建 X86 版本编译构建 鲲鹏平台调优 X86 平台调优 鲲鹏平台测试 X86 平台测试 调优 • 场景化 SDK • 启发式编程 • BoostKit 应用使能 • 鲲鹏亲和分析 • 毕昇编译器 • 毕昇 JDK • GCC for openEuler • 鲲鹏调试器 • 系统性能分析 • Java 性能分析 • 系统诊断 通过鲲鹏 DevKit/BoostKit 开发代码：充分应用鲲鹏架构优势，性能更优 3.1.1.2 应用开发工具 应用开发工具支持创建鲲鹏应用工程，支持 鲲鹏原生开发技术白皮书 鲲鹏原生开发能力介绍 分布式存储 鲲鹏 BoostKit 分布式存储使能套件聚焦开源 Ceph 存储的性能低、成本高等关键挑战，通过存储算法加速库和存 储 Ceph 加速库等特性提升系统性能和降低存储成本，充分发挥鲲鹏算力优势，提供高性价比存储方案。 压缩算法 适用于块存储服务数据压缩和对象存储服务数据压缩，与主流开源压缩算法相比，压缩率可提升 25%，带宽性能 提升 10%。

合提供架构支撑；高可靠的运行特性化解了 网络、计算、存储等子系统的故障风险，保障集群作业的连续性；多场景的适配能力则能通过精细 化资源调度等机制，满足不同业务需求，最大化释放算力价值。 本文系统性地提出并论证了 “超节点将成为 AI 时代的核心计算单元” 这一重要观点，清晰地呈 现了超节点的基础定义与特征，包括技术层面的基础特征和扩展特征，以及系统层面的大规模、高 可靠、多场景特征。同时 下，随着并行规模持续扩大，系统节点间 通信带宽与可用显存容量成为制约大模型可扩展性的瓶颈，亟需计算架构创新以满足未来更大规模 模型训练的需求。超节点架构突破传统互联瓶颈与共享协议限制，不断突破系统性能上限，成为多 样化算力集群技术未来演进的必然趋势。本发展报告系统梳理了超节点技术架构的国内外演进路径 与生态发展格局，清晰界定了超节点需具备的技术特征与系统属性，为产业界提供了具有前瞻性的 技术正从单点能力突破，迈向更通用、更智能的未来。全球 AI 大模型正朝着更大规模、更高效率、 更强自主性的方向迈进，这意味着人工智能大模型的发展已进入一个系统性竞争的新阶段。这不仅 定义了技术的前沿，也对底层基础设施提出了前所未有的要求。人工智能大模型对计算基础设施的 挑战是系统性的，涵盖了算力、通信、功耗和运维等多个维度。 然而，这些看似分散的挑战，其根源几乎都可以追溯到一个核心的驱动理论——“规模定律”。

安全漏洞防护......................................................................................93 8. 系统性能优化..............................................................................................95 泛，尤其在数据驱动的决策支持、自动化流程优化以及智能分析等 领域表现尤为突出。然而，人工智能系统的性能和效果高度依赖于 其训练数据的质量和模型训练的精准度。在当前的技术实践中，数 据训练的效果评估往往缺乏系统性和标准化的考评机制，这导致了 模型训练过程中的效率低下和成果的不确定性。 为了应对这一挑战，本项目旨在构建一个全面的人工智能数据 训练考评系统，该系统将集成数据预处理、模型训练、效果评估等 可用性，确保在 7×24 小时的全天候运行中，故障恢复时间 （MTTR）不超过 30 分钟，系统可用性达到 99.9%以上。为此，需 采用分布式架构和负载均衡技术，避免单点故障的发生。 其次，系统性能需满足大规模数据处理的需求。在峰值时段， 系统应能够同时支持至少 1000 个并发用户，数据处理速度应达到 每分钟 1000 条记录的吞吐量。响应时间方面，普通查询操作应在 2 秒内完成，复杂分析任务不超过

................................................................................ 25 4.3 TRACE 模型：系统性项目审计方法 .......................................................................................... 25 DeepSeek 提示词工程 在数字智能交互的复杂生态系统中，有效沟通已经成为连接人类认知与人 工智能计算能力的关键中介。提示词工程作为一种新兴的交互范式，本质上是 一种高度精准的语言转换技术，它通过系统性的语言策略，将抽象的专业需求 转化为可操作的智能响应。 DeepSeek 系列的大语言模型尽管功能强大，但其输出质量高度依赖于输入 的精确性和结构性。正如专家咨询中的关键洞察，提问的艺术决定了知识获取 合：背景维度使审计人员能够充分理解工程项目的特定环境和条件约束；示例维 度则通过类比学习机制，使抽象的审计发现转化为可操作的改进方案，增强审计 成果的实践价值。 4.3 TRACE 模型：系统性项目审计方法 TRACE “ 模型通过 任务（Task）-请求（Request）-行动（Action）-背景（Context） 25 -示例（Example ” ） 五个维度，构建了一种细粒度的任务分解系统。工程审计领域

内部审计数智化转型背景与调研目的 一、 转型背景：政策、技术与需求驱动下的必然选择 (一) 政策指引：指明内部审计数智化转型的发展方向 在全球数字经济浪潮及我国“数字中国”战略背景下，国家层 面通过系统性政策布局，统筹推进内部审计数智化转型，各部委、 各省市相继出台配套文件，细化落实举措，形成上下联动、协同推 进的政策格局。 1. 中央审计委员会和审计署 2018 年 5 月，习近平总书记在十九届中央审计委员会第一次会 化时代永远走在 业务部门之后的发展定律，展现出积极拥抱和探索智能的趋势。 全国内部审计数智化转型发展研究报告（2025） 19 图 12 发展规划制定情况与规划内容 各单位“十五五”规划系统性考虑各要素。由图 12 可见，从已 制定“十五五”内部审计规划的单位中，我们看到各单位对于内部 审计数智化发展过程中的数据、平台、模型、人工智能等关键技术 要素进行了通盘考虑和规划，呈现对现有信息化基础进行巩固和优 深度延伸至战略规划、电力营销、工程项目全过程等多元化领域。 近年来，审计重心经历了显著转变，更加聚焦于评估企业战略与国 家能源安全、“双碳”目标等重大部署的匹配度，关注能源体制改 革等重大政策的落地成效，并系统性检视关键领域的内部控制有效 性，推动内控体系从“形在有”向“效在用”的实质性提升。 在数智化基础方面，电力行业龙头企业已建成行业领先的数据 中台，为审计数智化提供了坚实的数据基础，但跨系统数据融合的

华为混合云现代化运维体系 核心能力及最佳实践 政企而言，IT架构建设作为组织战略目标实现和业务创新发展的核心引擎，是一项战略 性、系统性工程，然而IT架构的建设往往不会一蹴而就，而是会随着技术革新逐渐引入 新的平台、新的产品和技术。因此，政企IT架构的发展演进进程中普遍存在不同架构、不同代 际、不同厂商平台并存的情况。运维人员需要全面了解不同平台的部署、升级、维护等操作，这 核心 能力，期望能够帮助政企客户从传统架构运维到云化架构运维转型，以数字化和智能化为驱动， 构筑混合云现代化运维新体验。 其中，运维体系作为混合云运维能力建设的基础性、系统性工程，面临着对技术、组织、制度需 进行系统性重构的巨大挑战，其核心在于通过数智化的运维体系实现“效益”、“效能”、“效 率”、“效果”的最大化。 效益：指经济效益，包括可盈利或其他与盈利相关的要素。运维要以效益为目标，对准业务价 运维安全如何保证：如何建设全面、高效的运维 安全保障体系 这些问题并非孤立存在，而是相互交织构成了政企 数智化转型道路上的系统性瓶颈。面对上述挑战， 单点零散的改进显然已力不从心，因此，突破单点 瓶颈，构建一个具备持续演进能力的现代化运维体 系，已成为支撑政企业务可持续发展、实现战略目 标的关键系统性工程。这就要求政企用户跳出“救 火式”思维，以体系化、工程化的视角，重新审视 和规划适配业务智能化发展的现代化运维体系建设

据亿邦动力不完全统计，2025年产业互联网赛道的投融资事件超过70起，其中，具身智能领域获得的融资金额和交易数量远超其他 细分赛道，表明资本市场正在对以具身智能为代表的新一代产业数字科技进行前瞻性的战略卡位，“资本高度集中”意味着系统性布 局，“早中期为主”是赌定其高成长潜力，“大额融资”是重金押注头部标杆，“多次融资”则表明资本持续看好及长期陪跑态度。 资本高度集中： 具身智能领域占比超六成 资本偏好高成长性： 融资轮次以早中期为主 纯市场资本比例 2025产业互联网投融资事件 资本结构 - 11 - 资本动向：国资重构产业互联网投资逻辑 资料来源：公开资料整理 国有资本正在以“产业协同”为核心逻辑、通过以投促引等方式，系统性加大对产业互联网核心环节的投资布局。其投资更看重对地 方经济的整体实质贡献而非单纯财务回报。这将为产业互联网企业带来两个明确机会：其一，主动融入区域产业规划，借力地方产业 集群实现自身业务落地与扩张 三一重工：“根云平台”让设备数据创造新价值 产业互联网平台引领数据资产化实践 - 19 - 工业数据要素智能应用模式 数据资产证券化模式 资产化与AI化激活数据要素价值 在深度价值链实践中，数据要素经过系统性的采集、治理、建模与应用，转化为可量化、可决策、可交易的数据资产，将有效推动产 业大范围价值创新：对内，指导精准洞察优化研发、生产与供应链，实现降本增效；对外，催生出供应链金融、数据产品交易等高附

与应用开发陷入"先有鸡还是先有蛋"的困境，加之现有 Web 内容缺乏平滑迁移 路径，导致采用率低迷。架构设计上，过度集中的标准体系难以适应领域需求， 且网络基础设施无法利用语义信息，形成应用层与传输层的割裂。这些系统性缺 陷严重制约了语义网的规模化落地。 （二）Web3 与公链：构建信任原生的网络结构 1. 概念与目标 Web3 是近年来兴起的互联网演进范式，其核心理念是“通过区块链技术重 构互联网基础架构，实现去中心化的数字生态”。与 Gas 费用等设计抬高了用户门槛。经济治 理方面，通证经济易受投机影响，DAO 治理普遍存在参与度不足问题。架构设 计上，链上链下数据协同效率低下，跨链互操作性不足又形成了新的生态割裂。 这些系统性挑战制约着 Web3 从金融创新向更广泛场景的拓展。 三、数字实体互联网络 （一）概念与内涵 在传统互联网中，网络通信的端点是“设备”或“应用”，而不是“实体本 面向 Web3.0 的数字实体互联白皮书 基于语义的自动化协同：依托数字实体所处的语义环境，数字实体之间无 需依赖中心化平台，通过网络基础设施实现点对点交互。 （三）关键价值 当前数字化进程中，互联网在数据隐私保护、身份管理机制及信任体系构建 等方面正面临系统性困境。这些深层次问题不仅制约着社会协同效率，也阻碍了 产业协作深化与智能系统发展。在此背景下，构建以数字实体为中心的网络体系 成为破局关键 —— 这一新型架构不仅为跨组织协同、智能体交互及用户自主权

Memcached）。同时，应对 Deepseek 模型进行性能优化， 如模型剪枝、量化等，以减少推理延迟。 6. 监控与告警：集成 Prometheus 和 Grafana 等监控工具，实 时监控系统性能和资源使用情况。设置告警机制，确保在异常 情况（如高延迟、资源耗尽等）发生时能够及时响应。 7. 日志管理与分析：部署集中式日志管理系统（如 ELK Stack），统一收集和分析 Deepseek 践，实现持续集成和持续部署（CI/CD）。通过自动化测试和部署 工具，确保大模型的更新和升级能够快速、安全地应用到生产环境 中。同时，引入监控和告警系统（如 Prometheus 和 Grafana）， 实时跟踪系统性能和健康状况，及时发现和解决潜在问题。 以下是集成方案的关键技术栈： - 微服务架构：Spring Boot、gRPC - API 管理：Kong、Apigee - 容器化与编排： Docker、Kubernetes 此外，为了应对可能的异常情况，应实施实时监控和警报机 制。通过设置合理的阈值和异常行为模式，系统能够自动检测潜在 的安全威胁，并及时通知安全团队进行处理。监控范围应涵盖网络 流量、用户行为、系统性能等多个维度。 最后，确保审计过程本身的安全性也是重要的一环。审计人员 的访问权限应严格限制，且所有审计操作都应记录在案。审计结果 的报告应进行加密存储，并仅限于授权人员访问。通过上述措施，

参数即可实现性能提升 , 适 配边缘端部署。 4: 完成系统性实验与设计洞察输出 : 通过多组消融实验明确了事件窗口、 训练策略的关 键影响 , 为事件感知与 VLA 模型的融合提供了可复用的工 程化设计参考。 影响展望 : 1: 对具身智能学术研究前沿的影响 : 为事件驱动感知与 VLA 模型的融 合提供了系统性的实证参考 , 验证了无需大规模事件预训练 , 即可通过 , 抓取放置任务成功率 从 0% 提升至 20%-25%, 分拣任务成功率从 5% 提升至 32.5% 。 总体而言 , E- VLA 为事件驱动感知可有效融入 VLA 模型提供了系统性实证 , 为 突破传统帧式成像限制、打造更具鲁棒性的具身智能指明了方向。 代码与数据集将在 E-VLA 项目页面开源。 3.2 E-VLA