*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

迟高达数微秒，单机架互连功耗占比更是超过40%，这一系列瓶颈已 成为制约超大规模智算集群算力释放的核心障碍。 相较于传统可插拔光模块等设备级光互连技术，芯片级光互连正 在开辟全新的技术路径和产业赛道。它通过先进封装将光引擎与电芯 片合封在一起，把电信号的传输距离从米级大幅压缩至毫米级，从而 改写了物理层互连架构，实现50%以上的系统能效提升。由此构建的 “芯片—设备—集群”一贯式全光互连架构，已被业界广泛认定为下 Output）为代表的创新方案成为替代铜缆方案的优秀选择。这 些技术的核心在于最大程度地缩短电信号与光引擎（OE, Optical Engine）之间的距离，实现在芯片层面即完成光电转换，从根本上规 避了传统可插拔光模块的高成本与易故障问题，同时继承了光纤传输 的技术优势。 功耗显著降低。NPO、CPO等技术将光引擎与GPU封装在同一基板甚 至同一芯片上，将电信号路径缩短至厘米甚至毫米级别，大幅减少了 信号在传统 数据传输场景中的主导角色，甚至直接替代芯片上的电IO功能，最终 实现信号在传输过程中远距离、低功耗、高密度的目标。其中，实现 光电转换的光引擎（Optical Engine，OE）是光互连技术的核心。根 据应用场景、光引擎与xPU芯片的距离以及封装集成程度的差异，业界 衍生出许多技术范畴，我们将其主要分为两大类：设备级光互连和芯 片级光互联。 如下图所示，在未来十万卡级以上的智算中心集群设计中，设备

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

养换”全周期的服务创新与可持 续增长。 本白皮书由袋鼠云智能团队联合多位中国头部车企行业专家、一线交付团队共同 撰写，旨在呈现一条中国汽车产业面向未来的数智化路径——以数据为底座、以智能 为引擎、以协同为核心，重构行业的数字化秩序 。通过深入的市场分析、体系化的场 景解构与企业实践的深度复盘，我们力求为行业面临的系统性挑战，提供一套可落 地、可执行的系统性解法 。我们希望通过此白皮书，与行业伙伴共同探索汽车产业数 与体验驱动的可持续增 长。 这正是本白皮书撰写的初衷。我们希望通过深入的市场分析、体系化的场景解构 与企业实践的深度复盘，呈现一条中国汽车产业面向未来的数智化路径——以数据为 底座、以智能为引擎、以协同为核心，重构行业的数字化秩序，让“车”不再只是机 械的集合，而成为流动的智能体。 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 6 — 目录 引言：在动荡与重塑中迈向数智化汽车时代 然而，对增长的构成与驱动力进行深度分析后可以发现，一个复杂且充满结构性 矛盾的“分化”现实已十分明显。整体增长的质量与可持续性，正面临着新的考验。 1. 增长引擎呈现“双重特征”：出口拉动与政策支持 2024 年市场整体增长并非源于内生性的、均衡的市场扩张，而是体现出对两大特 定驱动引擎的较强依赖性：  核心驱动一：出口业务的快速扩张。出口市场是支撑 2024 年整体数据增长的关 键力量。全年中国汽车出口总量达到

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、数字人等实 践突破；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 .......................................................................... 75 1. EasyTwin 数字孪生仿真渲染引擎.............................................................. 77 2. EasyV 数字孪生可视化平台.............. 力现代化的核心抓手，也是数字中国建设的重要基石。港口，作为水陆交通的枢纽站与集 结点，是城市建设中至关重要的一环。港口城市不仅承载着对外开放的核心枢纽功能，更 数字孪生世界白皮书 67 是区域经济高质量发展的引擎。近年来，随着“一带一路”倡议和全球航运网络的深度布 局，港口城市在国际贸易、产业集聚、城市更新等方面发挥着越来越重要的作用。然而， 港口城市面临港产城高度耦合、空间利用复杂、交通物流压力大、生态环境敏感等突出矛

跨越，才能为实体经济注入强劲新动能。 在此背景下，中国移动积极响应国家战略部署，依托自身网络优势与技术 创新能力，提出“5G-A×AI 算网智一体化”解决方案。本白皮书系统阐 述了以“算为引擎、网为根基、智为大脑”为核心的一体化架构理念，重 点介绍了边缘智能核心网、异构算力平台、智能驱动中枢等关键技术体系， 并结合在工业制造领域 的真实案例，展现该架构在提升生产效率、优化 运营成本、增强安全保障等方面的实际成效与价值。 面向推动新型工业化、培育新质生产力的核心战略，中国移动创新构建了 5G-AxAI 算网智一体化技 术体系，该体系以“算为引擎、网为根基、智为大脑”作为核心理念，强化“连接 + 算力 + 能力” 深度融合，推动数字基础设施从“被动支撑”向“主动赋能”跃迁，同时助力千行百业实现数字化 转型与高质量发展。 算为引擎：面对 UPF 转发与 AI 推理等差异化负载，算力平台需突破通用架构局限。通过轻量化内核、 异构计算与云边协同，实现 异构计算与云边协同，实现 CPU/GPU/NPU 等多样化算力资源的统一池化与智能调度，使算力灵活 流动，紧密协同网络需求与 AI 任务，成为驱动业务智能的强劲引擎。 网为根基：5G-A 网络不再仅是数据传输的管道，而是演进为具备内生智能的“感知 - 保障”系统。 通过异构接入、一网多用等多维能力，网络能够主动感知业务意图（如低时延、高可靠）和实时状态， 并动态调动资源予以精准保障，为算力调度与

料标注、模型训练、应用部署到智能体构建的完整工具链，将极大降低企业对AI能力获取与应用 门槛。唯有在行业大模型能力上实现系统性跃升，AI才能真正从“可用”走向“有用”，成为建 筑企业可持续发展的新引擎。 —— 中国建筑股份有限公司首席专家 李云贵 建筑企业推进AI赋能，关键在于如何将通用大模型“训练”为真正懂企业业务的专业化大模 型。实践证明，作为基本路径，通过提示工程（Prompt E 势》中指出，80%的核心技术趋势与AI密切相关，预计 到2028年，15%的日常运营决策将由自主Agent完成；到2030年，80%的人类将每天与Agent协 作。人工智能正从边缘工具跃升为核心引擎，这场变革无可回避。 与此同时，近年来，建筑行业面临市场萎缩、利润下滑、客户不满意等多重挑战，传统粗放 式发展模式已难以为继。建筑行业正处于由高速增长转向高质量发展的关键节点，正在开启一场 深刻而系统性的转型升级大变局。 化、施工精细化。这三大环节不仅决定 了项目成败，也决定了企业经营的盈亏，是AI应用产生经济价值的主战场。 只有真正“为项目省钱、为企业省钱”，AI才能摆脱“成本中心”的角色，转化为“价值创 造引擎”。建筑企业也才能在AI时代不再只是跟随者，而是主动塑造自身新竞争力的引领者。这 就是我们所倡导的“价值驱动”的AI能力构建之道。 AI与BIM深度融合， 实现高质量设计和高价值交付 设计一体化