*预警预测* 基于互联网搜索引擎的传染病监测 预警研究进展 黄思超1，刘魁2，蒋健敏2 摘要： 传染病监测预警是传染病防控工作的重要技术手段，互联网的快速发展与搜索引擎的普及应用为传染病的监测提供了 新的思路和方法。 本研究重点阐述了国内外研究者利用搜索引擎开展传染病监测预警的研究进展，为现有传染病监测预警系统 的完善和补充提供参考。 关键词： 传染病监测预警；搜索引擎；大数据；流行病学 中图分类号: 余年来我国的传染病监 测系统得到了快速发展，但仍存在一些不足，如监 测方法比较单一等［1］。随着互联网技术的飞速发 展，互联网搜索引擎的使用日益普及，产生大量的 电子数据，为传染病的监测预警提供了新的思路和 手段，该文基于国内外互联网搜索引擎的传染病监 测预警研究进展综述如下。 1 国内外主流搜索引擎发展 中国互联网络信息中心发布的第 36 次《中国 互联网络发展状况统计报告》显示：截至 2016 年 6 月，中国网民规模达 亿。我国搜索引 擎用户规模达 5.93 亿，手机搜索用户数达 5.24 亿。 网络搜索引擎可以帮助用户快速获取需要查阅的 信息，是第二大互联网应用。这从一个侧面反映出 搜索引擎对疾病监测的巨大潜力［2］。 国内外搜索引擎的种类多样，常用的有以下几 种。谷歌：是互联网公司谷歌的主要产品，被公认为 全球最大的搜索引擎。曾有媒体报道谷歌每天提供 超过 30 亿次查询服务。百度：于 1999 年底成立，是

2025年中国人工智能与商业智能 发展白皮书 AI驱动商业智能决策， 企业数字化转型的智脑引擎 China Artificial Intelligence and Business Intelligence Development White Paper 智能融合新纪元｜ AI 驱动 智能决策 企业数字化转型的智脑引擎与生态重构 2 ◼ 研究背景 随着数据成为企业核心生产要素，企 业对数据驱动决策的依赖日益加深， 业日益复杂的决策需求，其局限性日 益凸显。在此背景下，人工智能（AI） 与BI的融合成为发展趋势，人工智能与 行业智能（ABI）通过结合AI的自动化、 智能化能力与BI的数据分析能力，推动 商业智能向智能化引擎升级。 ◼ 研究目标 • 了解ABI的发展现状与代表产品 • 探析ABI当下的应用场景 • 挖掘ABI的行业实践与机遇 • 探索ABI的技术发展方向与落地领域 ◼ 本报告的关键问题 • 在数据接入、计算和模型搭建层，大模型提供强大的数据处理、计算支持及模型适配能力，能 够高效处理复杂数据集，支持多种数据源的集成和高效分析。 数据连接 数据库 文件 建模计算 数据建模 文件 搭建渲染 搭建引擎 渲染引擎 权限管理 数据权限 其他权限 12 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 AI赋能BI的核心价值分析 人工智能对商

OBO 的核心思想是：将光引擎从传统的可插拔模块中解放出来， 云智算光互连发展报告 直接安装到系统主板上，但交换或计算的电芯片仍然保持独立的封 装，如图 3 所示。光引擎与电芯片通过主板上的精密走线进行互连。 图 3 板上光学结构 由于移除了可插拔模块的“金手指”接口、外壳以及部分重复 的电路，缩短了电芯片与光引擎的电气路径，从而降低了信号驱动 的功耗。同时，如果光引擎损坏，可以单独进行更换，而无需更换 距离仍然较长，因此在超高速率传输场景下的优势并不明显。 2.2.2 近封装光学 NPO 的核心思想是：将光引擎非常靠近电芯片放置，但并不像 CPO 那样与电芯片共封装在同一基板或中介层上。它通常将光引擎 安装在同一基板上，通过极短的高性能电气链路与电芯片相连，形 成一个高度集成的系统，如图 4 所示。 图 4 近封装光学结构 NPO 将光引擎与电芯片物理分离，避免了电芯片的高温热量直 接冲击光器件，散热设计更简单、高效。由于电芯片本身是巨大的 云智算光互连发展报告 光引擎与电芯片共封装会导致波长漂移和性能下降。同时，由于光 引擎未与电芯片共封装，NPO 在可维护性层面具有优势，如果光引 擎失效，只需更换光引擎子模块即可，避免了大量的维护成本。 相比激进的 CPO 技术，NPO 技术是一种更务实、风险更低的路 径。并且，NPO 与传统光模块相比，其性能远超传统光模块，其主 要优势包括以下几点：  NPO 的光引擎拥有更大的可布置面积和更灵活的走线方案，可以

则从传统的服务接口演进为“智 能连接器”，通过动态编排与语义理解，支撑 Agent 间的自主协商与任务分解。此外随着云原生 AI 技术（如多模态大模型、 智能 Agent 开发与运行、检索增强生成、智能应用管理引擎、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升数倍以上，支撑智能化应用的多模交互、自主运行、智能进化、环境理解、智能协作、 智能研发等特征 ，学术界、科技企业和无数开发者探索数十 年的 AI 技术，迎来了应用大规模落地的奇点时刻。以应用智能体为代表的 AI 新范式，已成为推动行业变革的重要力量， 智能化必将成为驱动数字经济发展的核心引擎。 过去十年，云原生重构了 IT 基础设施；未来十年，AI 原生将重新定义企业运营范式。这场变革不是简单的技术迭代， 而是认知维度的跃迁——企业需要从“功能驱动”转向“价值创造”，从“流程优化”升级为“智能决策”。 智能应用平台的八大关键技术 4.3.1 多模态融合技术，实现多模态智能 4.3.2 智能 Agent 开发与运行，实现群体智能 4.3.3 检索增强生成，增强智能体个性化记忆 4.3.4 智能应用管理引擎，让应用自动运行与自主优化 4.3.5 智能组装与集成，扩展应用能力边界 4.3.6 统一的智能体可观测，支撑海量智能应用高效运维 4.3.7 多模态交互，建立双向人机协同体验 4.3.8 AI

体系优劣势，结合案例提出建设参考；核心技术提 出七大能力体系，包括感知、数据治理、仿真推演等，支撑城市、工厂等场景深度应用； 通过技术成果展示物联网、AI、GIS 等技术聚合创新，如易知微的渲染引擎、数字人插件 等实践突破；五、行业应用聚焦园区、港口、水利等五大场景，结合政策与市场需求推动 技术落地。全文通过理论剖析与实践案例结合，为数字孪生技术跨领域融合及产业化发展 提供系统性指引。 数字孪生可视化平台........................................................................101 （二） EasyTwin 数字孪生仿真渲染引擎...............................................................106 （三） 防洪“四预”智慧水利平台............... 然而，智能算法融合仍需攻克数据质量、模型可解释性及边缘计算实时性等挑战。未 来，随着 AIGC 生成高精度场景、边缘 AI 加速推理，数字孪生将迈向“感知-决策-执行” 闭环自治，成为产业智能化升级的核心引擎。 （一）复杂数据处理与孪生场景应用 数字孪生技术的核心在于对多源异构数据的深度融合与智能解析，其应用场景的拓展 高度依赖于复杂数据的高效处理能力。地理数据处理通过整合 DEM、LiDAR 等数据，构

外的服务输出。前端业务系统作 为业务的引擎承载实际业务并实 现在相关专业领域的功能支持， 而财务共享服务中心的运营管理 则作为支持业务的服务输出平台 提供相应的功能支持。因此，共 享服务平台可作为财务共享服务 中心的服务与运营管理的核心系 统，实现与财务共享中心相关系 统的对接。财务共享服务平台与 业务引擎的关系如左图 共享服务平台与业务引擎系统的关系 共享服务平台与业务引擎系统的关系 业务引擎 业务引擎 业务引擎 P64 业务 主支撑系统 服务模式 BU FSSC 信用管理 CRM/ECC 根据 BU 请求 /FSSC 主动服务 Y Y 应收记账 CRM/ECC 根据 BU 请求 /FSSC 主动服务 Y Y 账龄分析 ECC 以 FSSC 主动服务方式为主 Y 收款管理 EAS/ECC 以 FSSC 主动服务方式为主 Y 财务共享服务中心不同的服务模式 等） 以及将系统能自动化处理的业 务交 由人工智能来完成（如：票 据审核、 差旅标准核定、财务合规 性核定、 发票验真、发票认证等），处理完 业务数据的财务核算工作，系统再 根据规则引擎将业务数据自动转化 为财务数据（生成凭证、系统发票 等），以及自动对接银行进行网上 支付和收款，最后由财务确认（人 工或人工智能）核算数据后传入财 务后台，生成总账及报表

2025/07 4 www.leadleo.com 400-072-5588 ◆ GEO（生成式搜索引擎优化）：利用生成式AI技术创建与用户意图高度匹配的内容，提升其在AI搜索 中的排名和引用率，强调内容的可解析性与权威性，直接输出答案而非引导跳转。 ◆ AI搜索：基于大语言模型和自然语言处理构建的新型搜索引擎，具备语义理解和答案生成能力，区别 于传统的链接列表式搜索，代表产品包括秘塔AI、纳米搜索等。 以“高价值垂直行业”为增长引擎的三圈层布局 云厂商的高价值客户体系展现为一个清晰的三圈层模型，这揭示了其层层递进的市 场战略：首先，以技术实力雄厚、直购IaaS裸算力的公有云GPU主力客群为“压舱 石”，稳固业务基本盘；其次，依靠政策和预算驱动的政企单位作为“稳定器”，获 取大规模战略性订单；最终，将自动驾驶、生物医药、具身智能等高价值、高用量 的垂直行业客户视为“增长引擎”，通过深度赋能其具体的商业和科研场景，来开拓 行业内充斥中小厂商 做“GPU转售/出租”， 但体量小、毛利低、 技术服务弱，不具竞 争力。 ◼ 云厂商的客户战略，是以“核心技术客群”为压舱石、“政企单位”为稳定器、并以 “高价值垂直行业”为增长引擎的三圈层布局 云厂商的价值增长路径呈现为一个清晰的“内、中、外”三圈层模型。其内层核心是 IaaS智算主营业务，通过向互联网巨头、政企和自动驾驶等垂直行业大客户销售GPU 裸算力，构筑稳固且体量庞

伴为用户带来更美好 的全场景智能生活，共筑万物智联的 HarmonyOS 世界。 HarmonyOS 系统将沿着智能化、空间化、一体化三大主线不断迭代，通过夯实三大平 台能力：生态使能，算力引擎和安全基座，为用户提供极致流畅的体验，为千行百业开发者 提供创新的数字底座，共同建设繁荣的 HarmonyOS 新生态。 1.2 HarmonyOS 应用“千帆启航” HarmonyOS 铃声快捷管理：点击我的铃声按钮快速跳转“设置-声音与振动”管理铃声。 55 铃声设置组件效果图： 2.4 图形 2.4.1AR Engine（AR 引擎服务） AR Engine（AR 引擎服务）是一个用于在 HarmonyOS 上构建增强现实应用的引擎， 提供了运动跟踪、环境跟踪和命中检测等空间计算能力。通过这些能力，可让您的应用实现 虚拟世界与现实世界的融合，为您的应用提供全新的视觉体验和交互方式。 NativeImage、NativeVsync、Drawing 等模块。 2.4.3ArkGraphics 3D（方舟 3D 图形） ArkGraphics 3D （方舟 3D 图形）基于轻量级的 3D 引擎以及渲染管线为开发者提供 基础 3D 场景绘制能力，供开发者便捷、高效地构建 3D 场景并完成渲染。 ⚫ 提供加载并解析 glTF 模型的能力，支持开发者将 glTF 模型文件置于应用文件沙盒

虽然传统形态的终端终将增速缓慢、趋于饱和，但随着新材料、感知技术、显示技术、AI 大模型等技术的发展和突破，前沿科技类和颠覆创新类新形态终端正不断涌现，以其强大的新 技术威力，不断突破传统边界，成为市场增长的新引擎。预计从当前到 2030 年，全球消费电 子市场年复合增长率为 6.6% [6]，人均智能终端数量不断增长。 前沿科技类终端是指近几年出现的智能物联类生活场景用途设备，如可穿戴设备、虚拟现 实设备、智能家居（不含 致力于以用户体验为中心，打造全场景智能操作系统，携手生态伙伴为用户带来更美好的 全场景智能生活，共筑万物智联的鸿蒙世界。 鸿蒙系统将沿着智能化，空间化，一体化三大主线不断迭代，通过夯实三大平台能力：生 态使能，算力引擎和安全基座，为用户提供极致流畅的体验，为千行百业开发者提供创新的数 字底座，共同建设繁荣的鸿蒙新生态。 鸿蒙 2030 愿景： 挑战一：高效算力 空间建模和重建，沉浸式流畅体验，以及端侧 AI 鸿蒙 2030 愿景及关键特征 - 19 - 鸿蒙 2030 白皮书 端云协同的大模型能力 大模型是 AI Agent 的大脑，是 AI Agents 实现推理决策、自主规划和执行的逻辑引擎。 端侧大模型和云侧大模型协同工作，能够发挥 LLM 大模型的最大潜力，并且从成本、能耗、时延、 隐私安全、个性化等多方面为用户提供极致体验。 云端的超级大脑可以解决复杂问题，提升回答的质量，一般以参数量在千亿级别的大模型

为 JS 引擎，具有更优的 JS 执行性能，同时还提供了一套完整的包含 UI 组件、布局机制、 动画能力的渲染框架，通过渲染引擎对 UI 元素进行绘制。 类 Web 范式实现层面可以进一步部署到轻量化的设备上。通过轻量化设计的思路，将 JS Framework 下沉到 C++层，以减小 JS 的内存占用，使用 C++进行更为严格的内存分配 管理，并采用更为轻量的 JS 引擎，UI 部分采用轻量的 部分采用轻量的 UIKit 并结合轻量图形引擎最终实现 百 K 级别设备的支持，从而在轻量化设备上可执行的应用，也可以在硬件规格更高的设备上 执行，而无需重新开发。这也就是采用类 Web 开发范式的优势所在，采用统一的开发范式， 开发者无需关心具体运行时的前端框架、JS 引擎与后端 UI 组件，系统会根据运行平台不同， 采用最佳的模块，保障应用在不同平台都可具有出色的运行性能。具体的实现原理如下图所 的屏幕形态，因此其窗口系统存在 很大的差异。为更好的管理这些差异性，鸿蒙系统设计了统一的窗口系统，给开发 者提供统一的编程模型。  组件共享及面向对象：多个应用组件在运行时共享同一个虚拟机引擎，从而减少复 杂应用运行内存的占用。采用面向对象的开发方式，使得复杂应用代码可读性高、 易维护好、可扩展性强。  逻辑与界面解耦：窗口部分可单独销毁和重建，窗口与应用组件可跨设备运行，应