�������������� ..................................................................... 14 6.2 场景 2、网络数据查询分析 ......................................................................... 16 6.2.1 ����������������� �������������� ..................................................................... 17 6.3 场景 3、网络拓扑生成 ................................................................................ 19 6.3.1 ��������������� ������������ ............................................................................ 20 6.4 场景 4、网络故障根因分析 ......................................................................... 21 6.4.1 �����������������

Reserved.  智驾地图是支撑L2级及以上智能驾驶系统的关键数据基础设施，其核心价值在于补充车载实时感知、提 供超视距信息及优化路径规划。  智驾地图正从重几何精度的高精地图向更注重拓扑、语义与鲜度的轻量化地图演进，其具体形态随自动 驾驶算法需求动态演进，众源更新成为保障鲜度的关键技术。 5 资料来源：公开资料、专家调研、泰伯智库 市场概述 智驾地图的定义、核心特征与要素 支撑城市NOA落地 - 众源更新探索 轻地图成为主流 重语义/拓扑/规划 - 与端到端算法深度 融合 - 地图成为在线先验 与离线训练数据源 - 兼顾AP友好性 驱动: 感知算法进步 (Transformer, BEV等) 驱动: 成本压力/规模化 (数据闭环, 众源成熟) • 精度按需: 对绝对几何精度要求动态调整，部分场景下拓扑关系与 语义准确性优先度更高。 • 要素按需: 地图 智驾地图与传统导航地图的区别 特征 传统导航地图 智驾地图 主要目的 人类驾驶员路径规划、导航指引 服务自动驾驶系统 (机器)，辅助感知、规划与决策 核心要素 道路网络、兴趣点(POI)、基本交通规则 按需提供车道拓扑、关键语义要素、精确道路属性等 精度要求 道路级别 (典型精度5-10米) 按需达到车道级或更高精度 (如信号灯等关键要素位 置，<50cm) 更新频率 相对较低 要

伙伴云 客户服务云 销售云 现场服务云 智能分析云 微 信 端 企 微 端 云原生计算 虚拟机CVM 容器平台TCS 云原生存储 块存储CBS 对象存储COS 文件存储CFS 云原生网络 私有网络VPC 路由网关 数 据 库 TDSQL Mongo DB Redis 中 间 件 CKAFKA ROCKETMQ ES 大 数 据 SPARK/FLINK CLICKHOUSE 堡垒机 DDOS WAF 云监控 微 服 务 Dubbo SpringCloud Prometheus/ Grafana 端侧接入层 负载均衡CLB 域名解析 DNS 网络加速 CDN 鉴权 OAuth2.SAML2 系统接入层 轻联IPAAS 统一身份认证 鉴权 OAuth2.SAML2 连接产品 连接客户 连接员工 连接伙伴 公有云 私有云 分布式云 项目/人才/生态 智能制造部 储能事业部 XX 创新实验室 端 端 边 设备监控、数据采集、模型应用 边缘设备管理、数据 存储、边缘推理训练 云 边 端 协 同 GPU 服务器 网络 计算 存储 网络 20+ AI 质检项目 1000T 数据存储 X 倍 效率提升 千万/年 成本节省 管控 硬件 AI平台 数据管理 推理训练 模型应用 机房 智 能 云 平 台

多 方面因素，制定出最优的电力调度方案。这有助于提高电网对新能源电力的消纳能力，降低弃风、弃光率，提高新能源发电的利用效率。 10 ◼ 能源管理： 1、电网状态监测与故障诊断：利用 传感器网络收集电网的实时运行数 据，如电压、电流、功率因数等， AI 大模型可以对这些数据进行实时 分析和处理，监测电网的运行状态 。一旦发现异常情况，如电压波动 、电流过载、设备故障等，能够及 时发出警报，并对故障进行诊断和 ，帮助能源企业和交易商及时调整经营策略和交易计划，降低政 策风险。 4二、能源市场与交易 4三、能源数字化转型 （一） 17 ◼ 能源网络优化与安全管理数字化： 1、智能电网优化：在智能电网中，Deepseek大模型可以对 电网的拓扑结构、电力负荷、分布式能源接入等因素进行综 合分析，优化电网的运行方式和潮流分布。通过实时调整变 压器的分接头、断路器的开关状态等，提高电网的供电质量 18 ◼ 能源网络优化与安全管理数字化： 3、智能维护计划制定：根据设备的运行状况、维护历史 和预测的故障信息，AI 大模型可以为能源企业制定个性化 的智能维护计划。该计划能够优化维护资源的分配，确定 最佳的维护时间和维护方式，提高维护效率和设备的可靠 性。 4、能源网络安全监测：能源网络面临着各种安全威胁，如 网络攻击、数据泄露等。AI 大模型可以对能源网络的流量 数据、通

峰，《智能建筑电气 技术》2022 年第 4 期）》，以运算速度为 300Pflop/s 的 S1 级超算中心（通常为国家级 超算中心或国家级实验室）为例，计算节点的用电需求为 25～28MW，高速网络、存 储等节点的用电需求合计 2MW 左右。 3） 智算中心 AIDC-智能算力：通常采用芯片异构计算架构，结合 CPU、GPU、NPU、TPU 等多种芯片，形成高并发的分布式计算系统。随着智算需求的持续增加，当前我国智算 领域的云计算应用，例如电商、金融、制造等 高性能计算、大规模科学计算等 人工智能、机器学习等 基础架构 物理基础层、虚拟化层、管理层、服务层等关键部分 高性能计算集群、大规模存储系统、网络架构 和管理与监控系统 AI 芯片与高性能计算节点、存储系统、网 络架构、智能化软件平台 计算方式 虚拟化计算环境 并行计算 分布式计算 资料来源：数字临西，Vertiv，华泰研究 根据各厂的芯片和服务器参数，虽然单瓦浮点算力以每代约 1 倍速率提升，但是同时我们 也看到随着效率的提升，服务器和机柜的功率参数以每代 40-60%的比例提升，主要系服务 器其它部件，例如内存、存储、网络等亦在同步提升功耗。尽管 DeepSeek 大幅降低了训 练成本，但是正在催生更庞大的应用生态，带动推理需求快速上升，我们认为训练向推理 的切换并不会改变功耗膨胀的大趋势，但是算力需求的结构性改变使得能效比和碳足迹逐

，确保 AI 与价值创造路径精准对齐。第三，企 业需要建立数据治理底层规则。通过明确数据采集点、流转路径及质量标准，形成"数据-流程-决策 "闭环治理框架。第四，识别流程熵增的优化靶点。企业通过拓扑关系分析揭示跨系统断点与冗余环 节，为 AI 提供明确的优化约束与决策依据。第五，沉淀持续改进的机制框架。企业构建包含流程责 任制、绩效评估体系及 PDCA 循环的运营机制，保障流程智能化的自适应进化能力。 需求分析 定向招募专家 workshop 交流 培训主题设定 爱分析专家 外部招募专家 研究报告 活动 媒体 数字化实践报告 厂商全景报告 市场洞察报告 网络研讨会 行业高峰论坛 数字化大会 数字化行业资讯 专家访谈 专家分享实录 | 2025 爱分析 · 流程智能化实践报告 22 法律声明

用AI让物联网设备变得更智能、更具自主性。但这是一个以设备为中心的“小数据”的定义。 从战略层面的“大数据”视角来看，AIoT是机器智能与现实世界之间的连接。用于AI训练和 推理的大数据最初是由网络边缘与事物和人交互的设备所采集的小数据。这些IoT传感器和 人类输入设备是真实数据的来源，它们让AI变得实用且有价值。换言之，互联设备构成了神 经系统，并将AI与我们的世界相连。AIoT让AI变得真实且有意义。 能源等。通 用连接需要在两个方面进行标准化——设备网络和应用层。让我们以消费电子行业为例来看 看这是如何运作的。 AIoT重新定义设备连接性 AI的爆发式增长促使联网设备制造商来满足IoT产品快速增长的需求，这些产品能为基于AI 的生态系统提供现实世界的输入。从连接的角度来看，这需要：（1）标准的、广泛可用的 基于IP的网络；（2）一个软件应用层，能在设备和应用之间实现直接、安全的多厂商通信。 接下来两个部分将探讨利用极少的IP网络以及特定领域应用层来打造面向大众市场的AIoT产 品的可行性。 标准设备网络 全球有数百种各具特色的设备网络——有线、无线、基于IP、非IP、全栈式、LAN、PAN、 LP-WAN、蜂窝网络、卫星网络等等，连接着数十亿台设备。这些网络在过去30年中不断发 展演变，每一种都有其令人信服的应用场景和商业模式。起初，网络的快速创新让嵌入式设 备制造

显了产业标准化的迫切需求。从产业技术发展与创新推动出发，需要 通过标准化推动基础共性技术通用化、零部件模块化、接口统一化， 助力产业降本提质；从产业生态构建和持续优化出发，需要通过标准 化降低生产和维护成本、建立全产业链协助网络、激发市场活力；从 29 提升用户体验和社会接受度出发，需要通过标准化规范集成与应用要 求、规范伦理和隐私保护，进而提高用户信任度；从监管角度，需要 通过标准化，促进产业合法合规，提升市场信心。未来，人形机器人 步提高仿人机械臂的工作空间与灵活度。其中腕关节的球铰设计要求 末端同时具备俯仰和侧摆能力，传统串联关节难以实现。通过新型的 线性执行器与并联机构的组合，能够更好地分配负载，降低惯性和反 冲效应，提高机械臂的响应速度与操作精度。通过拓扑优化与增材制 造技术，机械臂的每一部分都能够根据实际工作需求进行精确设计， 既保证了结构的强度，又降低了整体的重量。利用新型复合材料与多 材料加工技术，能够提高机械臂在高强度、高频率操作下的耐用性与 足也是提高机器人运动能力常见的解决方法。基于执行器的选择与布 置，腿足结构设计与加工技术对人形机器人的运动能力、稳定性和效 率起着关键作用。早期的大框架、大重量设计经过运动学、动力学分 析和拓扑优化等技术的改进，现已成为可在保证腿足强度的同时达到 轻量化与可靠性的平衡设计。同时，利用增材制造技术融合多材料多 工艺方法构建复杂的机械框架也提高了腿足的灵活性，兼顾强度、惯 量、运动范围、

首先，企业需要加强其数字系统的网络安全和信任。好 消息是，对于系统和数据来说，建立这个新的基础并不 意味着从头开始。许多先前的技术和战略投资现在可以 带来新的回报。例如，像零信任和实体行为分析这样的 网络安全策略将至关重要。你无法控制不良行为者，但 你可以控制如何保护系统和人员免受他们的影响——鉴 于AI对数据的依赖，保护每个人的数据越来越重要。促 进生态系统规模信任的分布式账本技术也是将传统信任 网络适应为新基于技术的信任网络的一个很好的例子。 网络适应为新基于技术的信任网络的一个很好的例子。 你不必信任使用这些技术的实体，因为系统确保他们遵 守设定的任何协议。最终，整体的优秀网络安全对于实 现AI的信任和安全至关重要。 这是为什么信任不仅仅是在今年报告中众多趋势之一。 它不是企业需要考虑的因素——它是 the 考虑因素。随 着每家公司都在AI普及的背景下进行自我革新，技术本 身不能是唯一的关注点。只有在建立在信任的基础之上 ，才能获得AI的好处，这需要成为每位领导者首要的任 、基于 意图的系统未来。但这同时也意味着构建和训练这些系 统的方式将发生根本性的变化。正如人工智能之父杰弗 里·辛顿所说：“我们设计了学习算法，但当这个算法与数 据交互时，它会产生复杂的神经网络，这些神经网络擅 长做事情，但我们并不真正了解它们是如何做到这些事 情的。” 37 查看以数字核心重新构思：第二章。 其次，如果速度和效率会扩大技术的普及，那么抽象化 将扩大我们使用它的人和方式。正如COBOL对汇编语言

⼯业配送机器⼈：适⽤于⼯⼚和仓库，优化物料运输和物流操作。 张玮 创始人兼首席 执行官 浦都机器人 通过利⽤先进的⼈⼯智能技术——如⼤型语⾔模型（LLM）、计算机视觉、机器学习、传 感器融合、深度学习和拓扑 导航-我们使我们的机器⼈直观、精确和⾼效。这些创新推动了我们机器⼈的商业 化和⼴泛部署，显著提⾼了⽣产率和可靠性 根据Markets and Markets的数据，到2028年，全球商业服务机器⼈⾏业预计将