法去采集数据，数据的重 要性越来越凸显，而恰好，位置信息是一个最基础的数据维度，因此，谈数字经济，便离不开定位数据。 相比于需要用到 GNSS 的场景，室内场景或者点对点定位测距的需求频次更高，对于大多数的人来说，有 70% 以上 在室内度过，包括工作、学习、休闲娱乐、吃饭睡觉等，在 B 端生产环节，也绝大多数在室内场景。 室内定位场景与室外点对点定位测距场景也将延伸出庞大的市场机会，当然，高精度定位技术产业市场开发的难度也 一个主要需求点。 而最近几年，对于物资的管理，主要是可移动物资的管理需求在逐渐增加，对可移动物品的轨迹进行实时追踪，一方面， 可以加强对物资的安保管理，另一方面，可以加强对于物资调度与使用的效率，以实现企业的高效率运营。 在 to C 市场：人们在室内或者室外点对点寻找目标物的场景也逐渐增加，比如大型商场寻找某个商铺、大型医院寻找 某个科室等，此外，还有诸如地下停车场反向寻车、对于小孩、宠物等活体的看管监护，以及对于重要物件的便捷寻找等。 管监护，以及对于重要物件的便捷寻找等。 06 07 IOTE 2024 国际物联网展·深圳站 8 月 28-30 日 IOTE 2024 国际物联网展·深圳站 8 月 28-30 日 展位预定 展位预定 IOTE 2025 国际物联网展·上海站 4 月 23-25 日 IOTE 2025 国际物联网展·上海站 4 月 23-25 日 13530533040 13530533040 中国 UWB

实也可以称为 Network Embedding)。我们利用 Graph Embedding 技术，把这些实体嵌入到 低维的向量空间，可以直接比较他们的相似性，并能大大的提高简历和岗位的匹配效果。对于 具有较多类型节点且各类型节点的数量巨大来说这是比较好的尝试，而且取得了一些效果。 由于 graph embedding 的广泛应用，同时衍生出了很多计算 embedding 的方法，下面我们介 是根据词的共现关系利用 skip gram 和 COBW 将词映射到低维向量。DeepWalk 算法思路其实是利用了 word2vec 生 成 embedding 的一种方法 skipgram，对于已经建立的 Graph 来说每个节点可以是不同的实 体且实体时间可以有不同的关系，从图上的一个节点开始随机游走（random walk），如果节点 之间有 weight 可以根据 weight 的不同进行 越高则它们的相似性就越高。二阶相似性假定与其他顶点共享邻居顶点的两个点彼此相似 ( 无向 有向均可 )，一个向量和分别表示顶点本身和其他顶点的特定 “上下文”，意为二阶相似。对于 每个有向边，我们首先定义由顶点生成 “上下文” 的概率： 式子 (5) 是一个条件分布，对于顶点，我们的目的就是要拟合与其经验分布。为边的权重，为相 邻边的权重的和，因此最小化以下目标函数： d(,) 上文已经说明，来表示顶点的度数。这里我们令利用

数据空间内部通过协议或共识规则形成的数据权益分配机制。在 审理数据交易、服务等合同纠纷时，应充分考量数据来源合法、 数据质量保证、数据安全保障等多维度因素，结合行业标准和合 同约定，合理确定违约责任。对于数据价值与收益分配纠纷，应 坚持“市场评价贡献、贡献决定报酬”原则，区分原始数据提供、 技术加工、平台运营等不同贡献类型，合理确定各参与方的价值 8 贡献比例。同时，应加强数据要素市场竞争秩序和知识产权的司 实查明体系。 在审理涉数据安全责任的纠纷时，可结合各方主体的角色定位、 职责范围、技术能力，以及其所采取的安全措施是否与数据规模、 敏感程度相匹配等因素，进行综合考量，以合理分配各方责任。 对于涉及算法偏见等新型侵权形态的案件，可将审查重点置于开 发者和使用者是否建立了必要的算法透明度机制，是否提供了合 理的解释与申诉渠道等方面。与此同时，应积极引导和支持数据 纠纷的多元化解，鼓励当事人优先通过可信数据空间等场域的内 作出的管辖选择协议，审慎运用平行管辖、不方便法院等原则， 妥善化解管辖权冲突，为市场主体提供稳定、可预期的司法环境。 在微观层面，通过司法实践积极发挥规则明确与价值引领作用， 审慎处理“重要数据”的识别与保护边界问题。对于业内通行的 技术性指引文件，在国家层面出台明确的法律或行政规定前，司 法实践应持审慎态度。法院在审理个案时，不宜将其直接作为裁 判的法律依据，但可作为审查相关主体是否尽到注意义务的参考。 （

时发现疾病 风险。  个体化干预：基于预测结果，为医生提供个性化的干预建议。 在实际应用中，DeepSeek 可以嵌入医院的健康管理系统中， 为患者提供持续的健康监测和风险评估服务。例如，对于糖尿病患 者，DeepSeek 可以分析其血糖数据、饮食记录和运动情况，预测 血糖波动的风险，并通过个性化的饮食和运动建议帮助患者控制病 情。此外，DeepSeek 还可以与可穿戴设备集成，实时采集患者的 医疗数 据通常包含电子健康记录（EHR）、医学影像、基因组数据等多种 类型，这些数据往往存在缺失值、噪声和不一致性。因此，需要进 行数据清洗、归一化和特征工程，以确保输入数据的质量。例如， 对于 EHR 数据，可以通过填补缺失值、去除异常值以及标准化处 理来提升数据的可用性。 接下来，特征选择是模型构建的关键步骤。DeepSeek 技术利 用自动特征提取功能，能够从复杂的医疗数据中筛选出对疾病预测 技术采用深度学习算法，如卷积 神经网络（CNN）、循环神经网络（RNN）和长短期记忆网络 （LSTM），来构建高精度的预测模型。这些算法能够捕捉数据中 的非线性关系和时序特征，从而提高预测的准确性。例如，对于癌 症早期预测，可以利用 CNN 对医学影像进行特征提取，并结合 RNN 对患者的病程数据进行建模，从而实现对癌症风险的精准评 估。 此外，模型验证与优化是确保模型性能的重要环节。通过交叉

版权申明 电力行业数字化转型 TDengine 驱动数据管理和实时监控解决方案 写在前面 � � 电力行业作为国家基础设施的基石，肩负着向全社 会供应持续、稳定电力的使命。电力系统的稳健运 作对于维护国家的安全、促进经济的繁荣以及提升 民众的生活水平至关重要。TDengine，作为一款 以时序数据库为核心的大数据平台，凭借其突破性 的底层技术创新、卓越的性能和稳定性，持续助力 电力行业提高运营效率与可靠性，为电力行业的数 安全等挑战，还包括一系列战略性和技术性的挑战。这些挑战直接影响电力系统的运行效率 和可靠性，具体表现为以下业务痛点： 业务痛点分析 01 01 02 行业背景、业务痛点与需求 电力监控系统需要实时分析和响应，这对于确保电网的稳定运行和电力供应的连续性至关重 要。然而，在大数据量环境下，复杂的计算任务常常耗时过长，难以满足对实时性的要求。 这种处理时效性低的问题限制了电力系统对突发事件的快速响应能力，进而影响了电网的可 要由于它们在适应行业快速演变 和应对数据量爆炸性增长方面的不足。 具体来看，这些数据库在应对电力行业日益增长的复杂数据场景时显得捉襟见肘，特别是在 性能方面，它们难以满足电网实时监控和设备管理对于高并发处理和即时响应的需求。随着 数据量的持续攀升，传统数据库在可扩展性方面也显现出短板，它们往往难以以经济高效的 方式进行水平扩展，以适应数据存储和处理需求的不断变化。同时，维护这些系统的成本也

非实时应用程序在同一平台上并发运行，有效利用共享的计算和网络资源，提升了系统整体效率和资源利用率。 英特尔如何帮助解决 基于 PC 控制的实时性能 行业挑战 • 更小的抖动（例如 <10 微 秒），对于确定性实时性能 是必需的，以应对更短的控 制周期（例如 125 微秒或更 短）。 • 需要更低的网络延迟以支持 更短的周期时间（例如 125 微秒或更短），以及更多轴 的控制（例如超过 100 个 资源比较丰富的平台，也有追求低功耗从而 硬件资源有限的平台。针对不同平台的硬件特点，负载整合方案的选择也应不同。对于低功耗平台，往往硬件资源有限， 从 CPU 核数、内存、I/O 资源的角度考虑都比较适合采用单系统方案或者没有额外 Host 系统的多系统方案，可以有效节 约额外的系统开销；对于硬件资源比较丰富，需要集成较多功能的平台，多系统负载整合方案可以为用户提供更多样化的 资源分配（包括 CPU、内存、I/O Hypervisor 的特点是它 能够确保关键的实时应用与其他非实时任 务的隔离，这对于需要精确控制和高可靠 性的自动化和控制系统至关重要。它支持 多核处理器，可以将实时和非实时工作负 载分配到不同的核心，从而提高性能和效 率。此外，RTS Hypervisor 的紧凑设计 最小化了系统的开销，保证了实时任务的 快速响应时间，这对于机器人控制、运动 控制和复杂的工业过程自动化尤为重要。 通过使用 RTS

同领域的典型案例，力求 展现供应链金融在不同场景下的实践智慧与突破。 我们期望，本白皮书能为读者提供一个全面、深入、前瞻地理解中国供应链 金融的分析框架。无论是对于金融机构、科技企业、产业链上的核心企业与中小 微企业，还是对于政策制定者与学术研究者，都能从中获得有价值的洞察与启发， 共同推动我国供应链金融健康、规范、可持续发展。 1 目录 前 言.................. （一）巴塞尔协议对供应链金融的影响 《巴塞尔协议》（尤其是巴塞尔协议 III）作为全球银行监管的核心框架， 11 对银行开展供应链金融业务产生了深远影响。其核心在于通过设定严格的资本充 足率要求，促使银行更加审慎地管理风险。对于供应链金融，其影响主要体现在： 一是风险加权资产（RWA）计算。协议规定了不同类型资产的风险权重，促 使银行更加谨慎地管理供应链金融业务中的风险。 二是交易对手信用风险。协议对交易对手的信用风险管理提出了更高要求， （三）国际反洗钱（AML）在供应链金融中的实施 反洗钱（AML）是全球金融监管的重要内容，供应链金融也不例外。国际反 洗钱组织（FATF）制定了一系列反洗钱标准和建议，为各国反洗钱和反恐融资提 供统一的行动指南。对于供应链金融业务而言，金融机构需要在开展相关业务时 严格遵守反洗钱要求。例如，金融机构需要对供应链中的客户进行身份识别和尽 职调查，确保交易的真实性和合法性；建立可疑交易监测机制，及时发现和报告

了整体性能的提升。 网络延迟瓶颈 大模型训练需要多机多卡完成该轮所有集合通信操作后才可进行 下一轮迭代，这种同步性特征要求智算网络必须提供极低的长尾时延， 避免出现木桶效应[8]。根据理论推算，对于千亿参数规模的大模型训 练来说，动态时延由 10us 增加至 1000us，GPU 有效计算时间占比将 降低 10%左右。同样，大模型推理对网络时延也有着更高的要求，以 确保能够为用户提供优质的推理服务。 高性能传输层协议（如远端内存直接访问 RDMA、定制化传输协议 等），通过将数据流绕过处理器卸载到网卡，在相同处理开销下显著 提升传输速率，与智算负载的高带宽要求非常契合。然而，智算中心 对于互连网络的速度需求远超普通数据中心，而光网络的引入又带来 网络核心带宽的进一步提升，因此对端侧网络协议栈的处理速度提出 了极高要求。 当前，端侧高性能网卡的单端口速率已提升至 800 Gbps 络资源空置，也需要全新的方式方法。 2.3 网络层：路由收敛滞后挑战 在传统数据中心环境中，网络拓扑结构相对稳定，边界网关协议 (BGP)凭借其成熟的路由收敛机制能够有效应对偶发的拓扑变化，数 十秒的收敛时间相对于静态的拓扑而言是可以接受的。 然而，光电协同交换网络的出现彻底改变了这一局面。光交换技 术具备在数毫秒甚至微秒级别进行链路重配置的能力，拓扑切换频率 较传统网络提升了数个数量级。在这种高频动态变化的网络环境中，

佩信集团 佩信集团 佩信集团 佩信集团 佩信集团 佩信集团 佩信集团 佩信集团 佩信集团 佩信 01 人力资源数字化转型是继“三支柱”转型之后，人力资源领域又一次意义重大的转型。对于员工规模大、 工作地点分布广的大型企业，适合将人力资源共享服务中心（ HRSSC ）作为人力资源数字化转型的 重要支柱，从而更好地服务员工和支持管理者。 生成式 AI 进入应用爆发期，为数字化 佩信集团 佩信集团 佩信集团 佩信集团 佩信 HRSSC 的发展主线是提升数字化水 平 基于大型企业共同的关注点， HRSSC 的发展目标可以表述为： 来源：佩信行业研究院自主研究绘制 对于实现目标的路径，多位 HR 提到了 9 个要点。从调研的总体样 本 来看，最被普遍看重的前 3 点都涉及优化服务流程和采用新技 术， 第 6 点涉及提升人员技术应用能力。因此，提升数字化水平 可以作 统一人力资源服务标准流程  员工培养  企业文化建设 大型央国企  支持多元业务管理协同  满足国资监管要求  数字化干部管理 不同性质的大型企业对 HRSSC 作用和价值特有的关注 点 对于 HRSSC 的作用和价值，不同性质的大型企业 HR 既有共同的关注点，也提到了体现各自特性的主要关注点。可以看出，央国企注重发 挥 多元业务带来的优势及应对相关挑战，民企注重及时响应市场环境和业

在人力资源领域的应用与探索，无论深度还是广度均 有突破。从过去谨慎观望到如今“走起来“甚至“跑起来“，AI 应用与实践已渗透到人力资源管理的各业务模块， 并有少部分企业明确表示已实现深入应用；68% 的受访企业对于 AI 应用与人力资源各个业务场景，表现出 高意愿度、高使用度等特征； AI 在人力资源中的应用现状概览 非强制要求，不愿意使用， 使用频率较低 18% 非强制要求，并愿意使用， 使用频率较高 智能化工时管理，优化排班效率 17.0% 15.5% 11.1% 9.8% 9.3% 7.7% 6.7% 6.2% 5.9% 6.2% 4.6% 企业人力资源管理 AI 应用主要目标 此外，AI 技术对于人力资源管理的核心价值越来越受企业高层关注与重视。超过 75% 的受访企业认为 AI 技 术可以辅助发现工作盲区、增强效率。员工体验、招聘效率、跨部门协同成为企业人力资源领域探索并应用 AI 技 成。 除此之外，本次调研还发现，探索 AI 在人力资源应用的国有企业队伍更加壮大；作为响应国家政策、探索构建 新质生产力的排头兵，国有企业承担 AI 技术与人力资源业务场景的融合创新探索的重任，对于加速人力资源 领域生产方式革新、提升新质生产力水平等具有重要价值。 16 CHAPTER 2 AI 在企业人力资源中的应用白皮书 2.0 1.3 “制造”向“智造”的进程更上一层 与一年前