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

远超铜缆互连方案。此外，连 接距离得到极大扩展。光信号的低损耗特性使其能够轻松覆盖数据中 心内数百米甚至10公里以上的距离，彻底打破了铜缆在远距离传输上 的桎梏。 更为重要的是，光互连在信号完整性上展现出压倒性优势。多根 铜缆并行传输时固有的串扰和反射问题，需依赖复杂的均衡算法进行 补偿，而光信号在传输过程中几乎不受电磁干扰，其传输损耗比电信 号低4至5个数量级，且与传输频率无关，从根本上保障了信号纯净度。 线难度，降低了数据中心的运营成本，并为未来更高密度的集成提供 了宝贵的物理空间。 图 1-6 铜缆和光纤的部署对比[5] 尽管面临初期成本高和技术门槛高等挑战，但光互连技术所带来 的低损耗、长距离、高带宽密度、高信号完整性以及低空间占用等核 心优势，使其成为突破超节点规模和算力极限的关键支撑。通过将光 电转换技术集成到芯片级别，光互连不仅拓展了传输距离，降低了系 统功耗，更通过光信号的长距离传输解决了单节点规模扩大的空间限 容量受制于集成电路工艺的发展，使得电交换芯片在制程工艺、转发 架构与缓存设计等方面面临诸多挑战，交换芯片更新迭代速度明显放 缓，网络规模难以快速扩展；高速SerDes和复杂转发架构导致功耗和 延迟不断上升，信号完整性问题也需要依赖复杂DSP补偿。 光交换为突破电交换的限制提供了新的路径： 一是，其在光层面直接完成端口间的切换，无需O-E-O转换，彻 底绕开了制程、缓存和SerDes衰减等物理瓶颈，可支持极高传输速率

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

建造之复杂、运营之艰险，无不凝聚着极致的智慧，但在数字化的进程中仍然举步维艰。 在安全为本、效率为王、绿色为先的新时代，传统的规模化竞争态势正在被重构。决定未来竞争优势 的，是船舶能否从诞生之初就拥有完整的数字基因，其全生命周期的数据是否可以在安全、可信的规则下 自由流动，持续赋能，创造前所未有的价值。然而，现状是，我们的行业仍被禁锢在数据孤岛中，宝贵的 造船和航运数据在漫长的产业链中断裂、沉寂，无法形成驱动创新的合力。 革命。 数字化的发展趋势和行业痛点，催生了“数字船舶”的概念。本白皮书不是一份停留在畅想层面的技 术报告，而是面向整个造船和航运业的一份行动宣言和系统解决方案。本白皮书明确提出“数字船舶”的 完整概念与核心内涵：它是以统一语义为基础，以唯一数字身份为标识，以模型为载体，集成设计、建 造、运营、拆解全生命周期各阶段核心数据集，并依托权威数据源注册体系与可信数据空间，实现数据跨 主体安全交换 制 等 几 乎全 部 船 舶 数 字 化 生 态 的 关 键要 素 ， 其 完整 性 、 通 用 性 、 权 威 性 、 安 全 性 、 便利性 等 特征， 是 让数 据 得 到 利用 、 产 生 价 值 的 其 它双边或 多 边机 制 所不 具 备 的 。 从 这 个 意 义上 讲， 数 字 船 舶 是 承载完整 生 态 圈的 唯一 数 字 底 座 。 （ 2） 数 字 船 舶 是 全 域

与可操作性的参考指南。基于我们在算力基础设施领域多年的技术积累与项目经验， 本白皮书聚焦算力运维的全生命周期管理，涵盖从基础设施到 IT 设备、从软件系统到 数据应用的全维度运维场景，构建了包含组织架构、技术体系、评价指标在内的完整 能力模型。我们希望通过分享在电气系统冗余设计、液冷技术运维、AI 能效优化、数 据安全防护等关键领域的实践经验，为行业同仁提供切实可行的解决方案。​ 本白皮书的研究范围覆盖算力运维的核心技术域与服务场景，具体包括六个主要 数据备份与恢复策略： （1）. 数据备份是保障数据安全的关键措施。制定全面的数据备份策略，包括全 算力运维体系技术白皮书 - 16 - 量备份、增量备份和差异备份。全量备份定期对所有数据进行完整备份，适合 数据量较小且变化不大的场景；增量备份只备份自上次备份以来发生变化的数 据，备份速度快、占用存储空间少；差异备份则备份自上次全量备份以来发生 变化的数据，恢复时只需全量备份和最近一次差异备份即可。 差异备份即可。 （2）. 选择合适的备份介质，如磁带库、磁盘阵列等，并采用异地备份方式，将 备份数据存储在不同地理位置，防止因本地灾难导致数据丢失。定期进行数据 恢复演练，验证备份数据的完整性和可用性。当数据丢失或损坏时，能够按照 预定的恢复策略，快速从备份数据中恢复业务数据，确保业务连续性。例如， 在数据库遭受恶意攻击数据丢失的情况下，通过及时恢复备份数据，将业务损 失降到最低。 2

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

技术实现跨 设备/云端协同。这一层直接面向用户，将前两层的技术能力转化为实 际服务，如通过AI分析心率异常数据，经OS推送预警通知至手机，并同 步至医疗机构系统。技术完成从物理信号到用户价值的完整转化。 中国智慧养老产业 白皮书 | 2025/09 www.leadleo.com 400-072-5588 8 中国智慧养老发展历程 中国智慧养老已实现从地方信息化试点向国家战略的系统性升级， 端化，华为Watch D等设备实现向医疗器械的价值升级。生态层面，多模态协同构建全域健康数据网络，提 升用户粘性与使用场景。行业正从硬件销售转向“健康服务+数据生态”高附加值模式。 ◼ 报告完整版/高清图表或更多报告：请登录 www.leadleo.com ◼ 如需进行品牌植入、数据商用、报告调研等商务需求，欢迎与我们联系： service@leadleo.com 中国智慧养老产业 白皮书 主要企业外骨骼机器人布局及NMPA获批情况 ◼ 康复机器人正从外骨骼阶段向更舒适、智能化的第三代演进，覆盖部位持续扩展，功能深度融合 近年来，康复机器人已从末端牵引式逐步演进至外骨骼式，在产品完整性、人性化与智能化方面持续提升。目前 行业处于外骨骼式发展的第二阶段，覆盖范围从上肢到下肢等多部位，兼具康复与辅助功能，且训练模式日益丰 富。从近年获批产品来看，康复机器人呈现以下发展趋势：适用