端到端可靠性设计，保障系统稳定可靠运行 3.1.4 原生安全能力基线，构筑纵深防御高安全体系 数据层 3.2.1 五大核心要素，定义和设计云上数据库 3.2.2 基于数据迁移和同步技术，保障数据完整性与准确性 3.2.3 数据库和存储设备协同，高效实现大库备份和恢复 中间件层 3.3.1 业务中间件，支撑敏捷、高效的消息和事务处理 3.3.2 接入中间件，实现云上业务同云下业务的无缝连接 高可靠：硬件组件（处理器、内存、存储）普遍采用冗余设计，不会因单点硬件故障而引起系统中断 高安全：主机通常采用内置硬件加密模块，实现数据的加密处理与密钥管理，从而保障数据在存储、传 输及处理过程中具备机密性与完整性 (2) 管理运维层 主机的管理运维层包括硬件管理、操作系统管理、性能监控、故障恢复和备份管理等，它通常使用专有管 理工具进行集中控制和自动化运维。 业务应用层 硬件 与 操作系统层 管理运维层 功能。中间件层通常由多个组件组成，包含在线事务管理 器、数据库事务系统、MQ 消息队列、企业服务总线、Web 应用服务器、批处理等。该层与操作系统、数据 库深度绑定，通过 ACID 特性保障交易完整性。 (5) 业务应用层 业务应用层主要承载着客户核心业务应用系统，同时承担业务逻辑分析、数据处理、应用运行与管理等 核心功能。业务应用层直接面向企业和最终用户，负责支撑关键业务操作和提供服务。传统主机应用一般基于

能力发展等级要求 L1 L2 L3 L4 L5 L6 核心业务 系统 组织是否实 现核心业务 数字化？ （1）组织未实现 核心业务数字化 （2）组织缺少业 务系统对核心业 务进行完整的、统 一的支持 （1）组织考虑对 核心业务数字化 进行规划建设 （2）组织围绕最 基本的运营支撑 体系进行核心业 务系统的设计建 设 组织建设了核心 业务系统，主要包 括财务系统、人力 系统、OA （1）通过系统工 具监控竞争者活 动，以及消费者行 为方式的变化 （2）采用数字化 工具体系化收集 和管理数据 （1）通过数据分 析洞察市场机会 （2）基于机会场 景建立业态模型 （3）具备完整的 行业洞察系统支 撑能力 （1）建立各层级 和职能的协作落 地项目机制 （2）建立体系化、 整合的数据体系 （3）具有完善的 数据中台和分析 平台 形成成熟的研究 工具和数据模型， 以及相应的工具 具和分析能力 （1）通过系统工 具监控商业模型 的变化 （2）采用数字化 工具体系化地收 集和管理数据 （1）通过数据分 析洞察商业模型 差距 （2）基于业态模 型建立财务模型 （3）具有完整的 商业模型系统支 撑能力 （1）建立各层级 和职能的协作落 地项目机制 （2）建立体系化、 整合的数据体系 （3）具有完善的 数据中台和分析 平台 （1）在全生态的 层面制定策略进 行引导和协作

展 示功能外，还应具备分级管理、与行业管理平台数据对接的功能。 5.1.2 智慧工地信息化平台应构建标准化数据接口，各应用层级的数据格式应统一， 数据接口应规范，并保证数据信息传输的稳定性、一致性及完整性。 5.1.3 智慧工地信息化平台应符合数据和网络安全相关要求，各类用户账号禁止设置 弱密码。 5.1.4 智慧工地信息化平台应支持功能扩展升级。 5.1.5 智慧工地信息化平台宜由建设单位统筹规划设计，组织建设实施。 a）电子档案管理系统以及档案信息化基础设施、信息安全设施等各种设备应符 合国家有关信息安全和知识产权保护相关规定。 b）电子档案管理系统运行应安全可靠，防止电子档案被非授权访问、修改或删 38 建设功能 除，完整准确记录长期保存过程中相关变动信息。 c）应配备与电子档案管理系统相适应的安全保障设施和系统。 d）应严格管理电子档案管理系统的专用离线存储介质，并定期查杀病毒。 7.12.4 电子档案生成 。 7.12.5.3 能按标准生成电子文件及其元数据归档数据包，或向归档接口推送电子文件 及其元数据。 7.12.6 电子档案检测 7.12.6.1 电子档案检测包含真实性、可用性、安全性和完整性检测。 7.12.6.2 电子档案交接双方均应对电子文件进行检测，检测合格后方可移交归档，涉 及电子文件检测的主要环节有： a）电子文件形成部门在向本单位档案管理部门归档电子文件前。 39

本文档仅作为用户使用阿里云产品及服务的参考性指引，阿里云以产品及服务的“现 状”、“有缺陷”和“当前功能”的状态提供本文档。阿里云在现有技术的基础上尽 最大努力提供相应的介绍及操作指引，但阿里云在此明确声明对本文档内容的准确性、 完整性、适用性、可靠性等不作任何明示或暗示的保证。任何单位、公司或个人因为 下载、使用或信赖本文档而发生任何差错或经济损失的，阿里云不承担任何法律责任。 在任何情况下，阿里云均不对任何间接性、后果性、惩戒性、偶然性、特性或刑罚性 安全白皮书 SECURE & TRUSTWORTHY MaaS 阿里云百炼集成云原生安全设计，实现租户隔离、数据加密存储及传输、细粒度权限 控制等能力，确保客户数据在整个生命周期内保持机密性和完整性。此外，阿里云百 炼通过建设 CMaaS（Confidential MaaS）帮助客户解决“使用中”的数据保护问题， 打造 AI 隐私保护信任新范式。 2.2 负责任的 AI：安全、合规、向善、透明 生防护，全栈多层纵深防御”为核心理念，深度融合产品全流程安全建设、纵深防御 与零信任架构、红蓝对抗反向校验。 2.1.1 面向攻击的安全高可用 为保障 AI 基础设施的持续稳定运行，阿里云设计了完整的高可用架构，建立了专业 的稳定性团队与故障应急响应机制，并将多年实践经验沉淀为产品能力，助力客户实 现系统级稳定性保障。 ● 系统网络层：DDoS 防护。阿里云的 DDoS 防护能力，可随业务流量峰值、威胁

的透明化推理机制重构企业决策信任体系。与传统大模型的 " 黑盒生成 " 模式不同， DeepSeek 以低成本、开创性地实现了推理过程的可视化追溯。通过思维链（Chain-of-Thought）的完整呈现， 决策者可以清晰洞察 AI 的思考路径：从问题解析、知识调用到逻辑推演的全过程透明可见。这种 " 白盒化 " 设 计不仅使技术专家能够验证算法可靠性，更让业务管理者直观理解结论生成逻辑进行判断，有效解决了传统 等多方面趋势相互交错影响，基于 AI 实现员工入职 环节高效自助，既是彰显雇主品牌形象、增强“第一印象”的有效手段，同时也是人力资源部门精简人力、赋能 员工融入的得力助手。 添加小易机器人获取完整版方案 22 CHAPTER 2 AI 在企业人力资源中的应用白皮书 2.0 试点是主旋律，AI 迎新、一站式入职成探索主战场 现有数据表明，员工入职模块应用 AI 仍以“试点”居多，能实现单个或多个业务单元全员启用的不足 价值仅在算薪、薪资结构分析初有尝试，此次调研发现，AI 能力已被深度应用于薪酬自动 化处理、薪酬市场分析、薪酬预测与规划、薪酬结构优化等多个业务场景中。本次受访企业中，实现 AI 应用的 添加小易机器人获取完整版方案 27 CHAPTER 2 AI 在企业人力资源中的应用白皮书 2.0 场景中以薪酬自动化处理、薪酬市场分析最为普及，占比均为 33.3%，此外薪酬结构优化、薪酬预测与规划次之， 分别均为

开发者：帮助开发者了解 HarmonyOS 生态的技术架构、开发工具和关键创新， 以便能够更高效地进行应用开发。 ⚫ 合作伙伴：如硬件厂商、软件供应商、服务提供商等，为他们提供合作的机会和 方向，共同打造完整的生态链。 ⚫ 行业用户：包括企业、政府机构等，助力伙伴了解 HarmonyOS 生态在行业应用 中的潜力和解决方案，推动行业数字化转型。 ⚫ 其他对 HarmonyOS 生态感兴趣的读者。 也提供了语言基础类库，为应用开发者提供常用的基础能力。 ArkTS 语言基础类库能力示意图: 14 2.1.5ArkUI（方舟 UI 框架） ArkUI（方舟 UI 框架）为应用的 UI 开发提供了完整的基础设施，包括简洁的 UI 语法、 丰富的 UI 功能（组件、布局、动画以及交互事件），以及实时界面预览工具等，可以支持 开发者进行可视化界面开发。 针对不同的应用场景及技术背景，方舟 UI 机密文件会 通过密文存储，在支持 DLP 机制的设备上可以通过端云协调进行认证授权，获取对数据的 访问和修改的能力。 DLP 是系统级别的，应用开发者只需要做少量的适配甚至无需适配，即可获得完整的数 据防泄漏保护。 27 DLP 整体解决方案有 3 个主要部件构成。 ⚫ DLP 权限管理部件： 权限管理底层服务，负责沙箱应用创建、凭据管理交互。 ⚫ DLP

与机器视觉技术在控制领域的深度融合，智能化控制已成为推动产业数字化转型的核心引擎。英特尔基于异构计算 优势，为不同应用场景构建了分层化的 AI 赋能体系，提供从轻量级到高性能的全谱系解决方案。 依托英特尔统一的软件工具链和完整生态体系，这一技术架构为边缘产业的多场景应用提供了坚实的技术基础，加速 AI 技 术在各行业的深度融合与规模化落地，全面赋能智能制造和工业 4.0 转型。 • 集成显卡方案 iGPU：例如，英特尔® RTX64 RTX64 是英特蒙 (IntervalZero) 实时操作系统 RTOS 平台里的主要产品，与 Windows 操作系统并存的同时还可以 在多核心处理器上支持确定性与硬实时。这一完整的解决方案提供了世界级的使用者体验，优于诸如 DSP、FPGA 和 MCU 等实时硬件，并且大幅减少了需要确定性或硬实时性的系统开发成本。对称多处理架构的 RTX64 充分利用 了 64 位内存和效能的优势。独特的是 本地化工业级大模型：MCCoder 采用专门针对工业控制领域优化的中小模型 (SLMs)，结合丰富的自动化代码生成示例 与训练数据，能够通过用户的自然语言指令实现高效的控制代码自动生成。系统完成了代码生成-验证-解读的完整闭环流 程，确保生成代码的质量和可靠性。 • RTX 负载整合技术：基于英特尔酷睿 Ultra 系列处理器和 RTX 负载整合方案，MCCoder 实现了运动控制和 AI 推理在同 一处理器上

：引入智能体思想进行知识增强 • 闭环（网状）：动态多向循环迭代 • 优势：异构数据 / 长链路 / 多跳 / 强逻辑 关 系类推理效果好 • 知识内容：动态 / 完整性 • 检索质量：高（多专家协同研判 / 验证） • 响应方式：主动优化 • 计算能力：优（数学智能体 /SQL 智能 体） • 学习能力：主动学习 • 向量检索 • 单向（流水线）：检索 --> 重排 --> 生成 • 问题 ： 3 跳以上逻辑的任务 ，链式方法 会 因早期错误不可回溯而崩溃 • 知识内容：静态 / 不完整性 • 检索质量：低 • 响应方式：被动 • 计算能力：弱 • 学习能力：无 • 典型应用场景：简单的文档问答 图式推理 + 非实时证据 （仍然是静态推理） （仍然是静态推理） • 核心：基于知识图谱的关联关系进行推 理 • 单向（流水线）：检索 --> 重排 --> 生成 • 问题 ：图谱构建、维护成本高 • 知识内容：静态 / 不完整性 • 检索质量：中（保障事实性正确） • 响应方式：被动 • 计算能力：弱 • 学习能力：无 • 典型应用场景： 医疗症状关联诊断辅助 AI 企业知识库特点

生态复用场景：复用存量代码。 9 C/C++支持组件 为构建符合鸿蒙技术标准的应用开发能力，提供了一套完整的 C/C++开发 组件体系，具体包括：  NDK（Native Development Kit）：作为鸿蒙应用开发的核心工具套 件，NDK 对外发布提供完整的编译工具链、系统 C API 接口、C++运 行时环境支持。  libc 标准运行时库：基于开源 MUSL C++运行时库：采用 LLVM 项目的 libc++作为基础，提供完整的 C++标准库实现，支持 C++11、C++14、C++17 和 C++20 标准。  编译工具链：选用毕昇编译器作为官方指定的 C/C++编译器，确保符 合最新语言标准规范、支持特有的编译优化、提供稳定的工具链支持。 这套组件体系共同构成了鸿蒙系统对开发能力的完整支持，为开发者 提供了高效、稳定的 C/C++开发环境。 对所有上架应用进行代码签名，并在运行时加载字节码前执行签名 校验：  签名机制：在打包阶段对应用内容进行数字签名，包含字节码文件。  运行时校验：ArkTS 运行时在执行字节码前验证签名完整性。  篡改防护：一旦检测到签名异常或字节码被篡改，应用将无法执行。 这一机制防止了上线后应用注入代码或篡改行为。 仓颉安全能力概述 仓颉是静态类型语言，程序中所有变量和表达式的类型都是在编译期确定

智算产业通过“硬件-云平台-大模型-应用”的四层结构联动，构建了从底层 算力到顶层商业场景的完整价值链 智算产业链可分为四层，底层为基础硬件，包括GPU/AI芯片等底层基础设施。 上一层为云平台层，包括智算平台及云服务厂商。再上一层为大模型层，包括 MaaS/Agent平台，以及最上层的应用与终端层，是以软硬件的形式将模型和技 术能力落实在实际的商业场景中。四层共同组成智算完整的产业价值链。 层级 核心角色 代表环节 当前态势 底层硬件 研发的算法，结合行业交叉的大数据，以多元化的调研方法，挖 掘定量数据背后的逻辑，分析定性内容背后的观点，客观和真实地阐述行业的现状，前瞻性地预测行业未来的 发展趋势，在研究院的每一份研究报告中，完整地呈现行业的过去，现在和未来。 ◆ 研究院密切关注行业发展最新动向，报告内容及数据会随着行业发展、技术革新、竞争格局变化、政策法规颁 布、市场调研深入，保持不断更新与优化。 ◆ 研究院秉承匠心 况下，头豹可能会为报告中提及的企业提供或争取提供 投融资或咨询等相关服务。本报告所指的公司或投资标的的价值、价格及投资收入可升可跌。 ◆ 本报告的部分信息来源于公开资料，头豹对该等信息的准确性、完整性或可靠性不做任何保证。本文所载的资 料、意见及推测仅反映头豹于发布本报告当日的判断，过往报告中的描述不应作为日后的表现依据。在不同时 期，头豹可发出与本文所载资料、意见及推测不一致的报告和文章。头豹不保证本报告所含信息保持在最新状