*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

统 数 据 DATA AGENT DATA AGENT ETL ETL 离线计算 引擎 离线计算 引擎 分布系统 文件 分布系统 文件 工业流数据实时分析 工业流数据实时分析 通用 SQL 分析引擎 通用 SQL 分析引擎 工业级算法分析引擎 工业级算法分析引擎 通用搜索引擎 通用搜索引擎 消息队列 消息队列 内存存储 Redis 内存存储 Redis NO-SQL 库的增量实时 接入采用 CDC 、 binlog 方案，实现采 用数据库日志 的方式无负荷 接入 1. 数据采集 - 实时数据接入处理 kafka 、 flume 数据接入 流式计算引擎 (storm 、 spark-streaming) Hadoop 分布式数据库 内存数据库 Gobblin/Kettle/Sqoop • 支持到多种数据源，支持到各种关系型数据以及 MongoDB/HBase 据到信息的输入输出关系， 实现对连续数据流的实时分 析 通过对数据的深层挖掘建立 预测模型，实现对不可见因 素当前和未来状态的预测 航天数据公司数据分析的三个发展阶段 2. 大数据基础平台 - 分布式计算引擎 Spark 2. 大数据基础平台 - MPP 数据库与 Hadoop 相结合 核心目标：资产建模，连接资产和数据源 资产分类原则：属性分类（质量、压强等）或用户自定义（位置信息、资产供应商等）

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

AI智能中枢层：AI 算法驱动的决策能力升级 2.2.4公共应用层：标准化基础能力支撑体系 2.2.5技术支撑层：系统稳定性与安全性的底层保障 2.3关键能力支撑 2.3.1全域数据整合 2.3.2智能算法引擎 2.3.3安全与治理基座 10 12 12 13 14 15 15 16 18 20 20 20 20 21 21 21 21 23 23 23 24 入到决策执行的一体化风控体系。该框架涵盖设计理念的 合规性、安全性、前瞻性与系统性四大原则，核心架构的 外部系统层、业务应用层、AI智能中枢层、公共应用层 与技术支撑层五层协同，以及关键能力支撑的全域数据整 合、智能算法引擎与安全治理基座三大支柱，共同为企业 外汇风险管理提供标准化、智能化、高可用的平台能力， 助力企业在复杂市场环境中实现风险的可视、可控、可优 与可创。 转型基石：外汇风险数智化管理框架 第二部分 步推动了计算引擎层的智能算法应用。 获取各类数据后，可通过AI智能算法模型进行敞口量化及智能套保策略建议；可结合 策略支持Agent判断合适的套保比例，结合汇率判断及智能套保策略选择合适的交易策 略、交易组合。 2.2.3 AI智能中枢层：AI 算法驱动的决策能力升级 外汇风险管理系统以AI为驱动，构建起多层协同架构。首先，模型及算力层以 DeepSeek—R1为推理引擎，结合LST

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