、“东数西算”工程 的深入实施，已构建形成八大国家算力枢纽节点、十大国家数据中心 集群，借助 SRv6 等相关协议，能够实现跨地域智算资源调度，实现 计算任务与算力设施的动态匹配；借助端云混合推理、联邦蒸馏等技 术，可进一步加快大模型端侧部署与应用进程。分布在智算中心和终 端侧的各类数据资源通过承载网进入不同的数据空间及其下属存储 单元，将为下一阶段数据的融合创新提供基础设施支撑。各地区在规 为解决基层工作任务量大、经办精细化管理要求高、服务响应时 效有待进一步提升等痛点问题，可依托行业大模型的深度训练与推理 能力，实现文字交流与语音互动、精准捕捉群众画像、深刻理解其需 求与意图，助力人社行业服务模式变革，构建智能经办新模式。南宁 智慧人社联合创新实验室依托 DeepSeek 推理模型的政策理解能力和 千问大语言模型的泛化问答能力，构建了人社智问、智办、智审、智 策 AI 系列智能体 据局的有关部署，各地区、各行业正在积极推进数据流通利用基础设 施建设，建议各地方、各行业充分利旧前期的政务数据底座，将以大 模型等为代表的新技术纳入平台建设范畴，依托大模型的多模态能力、 推理能力、自然语言交互能力加速政务数据的整合管理，助力多主体 间高效共享利用。 三是推进大模型集约部署，加速资源高效整合利用。一体化政务 37 大数据体系建设重在“一体化”，以一体化的平台能力赋能数据管理，

加密流入 数据接入 • sql • python • 低代码开发 密态研发 • 数据分析 • 机器学习 数据计算 • 数据导出 • API调用 结果交付 • 训练 • 精调 • 评估 • 推理 • 应用 大模型密态化 安 全 保 障 图：隐私保护计算技术的技术特点 面向隐私保护 数据不可见 数据价值流通 数据可用 一系列技术方案的集合 TEE，联邦学习，多方安全计算， 密态计算等等 三是消除数据异质性和模型偏差。反事实学习与特征解耦。通过生成全局对齐的反事实样本，打破局部数据偏见，缓解 辛普森悖论；个性化联邦学习。允许各参与方在全局模型基础上进行本地微调，适应自身数据分布；跨学科研究。通过因果 推理与隐私保护计算结合，解决数据偏差问题；迁移学习融合。在样本和特征重叠较少时，利用迁移学习补充分布差异，提 升模型泛化能力；端云协同计算。结合边缘计算优化端侧训练效率，通过分布式特征标准化提升模型准确率。