AI 知识库： 电力行业智能转型的新底 座 —— 将电力企业私域知识转化为生产力 01 行业洞察： 电力 AI 转型的三大挑战 02 解决方案： AI 知识库打造转型新底座 03 应用实践： 360AI + 电力典型应用场 景 04 未来展望：多方协同共建未来电网 CONTENTS 技术引擎： 成本归零 ， 引爆应用创新 成本归零：模型更强 ，且训练和推理效率持续提升

书》的发布，正 是产业界集体智慧的结晶。这本书系统梳理了技术趋势、架构设计和实施路径，将为行业的智能化转型提供重要参考。 面对千行万业的智能化浪潮，华为云将持续夯实“云原生 +AI 原生”的融合底座，让智能化应用深度融入企业核心 业务流。我们将长期坚持深耕根技术，在 AI、云计算等基础领域持续突破；坚持开放协作，与伙伴共建智能化生态；聚 焦客户价值，让技术创新真正服务于业务发展。 感谢应 3.2 特征 2：智能协作 3.3.3 特征 3：自主运行 3.3.4 特征 4：环境认知 3.3.5 特征 5：自我进化 3.3.6 特征 6：智能研发 4 智能应用平台，应用智能化的技术底座 4.1 云原生与 AI 原生双擎驱动，加速应用全面智能化 4.2 智能应用平台的核心定位：应用全生命周期的“智能驾驶” 24 24 26 27 28 29 31 码仓库演化为智能化“知识库”，使得函数和模块能够被动态检索、组合与验证，从而真正实现“AI 原生研发”时代 的全面到来。 智能应用平台，应用智能化的技术底座 应用全生命周期智能化白皮书 19 智能应用平台， 应用智能化的技术底座 04 PART FOUR 智能应用平台，应用智能化的技术底座 应用全生命周期智能化白皮书 20 人工智能与大模型技术正驱动全栈技术体系革新——从 AI 基础设施、大模型数据服务，到应用运行时与开发框

台，打通“研产供销服”全链路数据，驱动“买用管养换”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 动走向效率驱动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 效应、品类梯度与 海外高毛利市场，再配合软件化/服务化探索，构建复合利润池。 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 9 — 其五，数字化与智能化转型由“锦上添花”转为“生存底座”。在“速度竞争+体 验竞争+全域数据经营”的范式下，车企需要构建以数据为核心的全链条能力：研发 （模型驱动/云上仿真/数字孪生）、制造（柔性智造/质控追溯/能耗与碳管理）、供应 链（协同可视

业核心业务的平滑演进和持 续创新。为此，我们编写本技术白皮书，系统性地总结了主机现代化的关键技术体系与实践方法，包括： 建设韧性、开放云平台：软硬协同提升云平台韧性，构建新一代开放技术底座 平滑、高效迁移主机应用和数据​：以工程化技术实现主机应用和数据的全流程改造与迁移上云 应用开发与运维现代化转型：业务上云后，开展以应用为中心的敏捷开发和智能运维转型 同时 次自动弹性伸缩。 主流云厂商积极布局主机现代化解决方案，依托自身的云平台优势，提供系统的服务与工具，联合生态伙 伴形成技术与方案上的互补，面向不同客户，提供差异化解决方案。主要竞争力构筑方向以高可用云底座、 弹 性扩容能力及全流程专业服务等为主。 传统主机厂商也在寻求变革，提出主机现代化升级方案。如在原主机的基础上集成网络、数据、业务、应 用管理等连接工具，实现本地数据中心与云平台之间的应用与数据互联，组成主机 移、应用开发与运维 转型。各阶段的主要任务如图 2-1 所示： 图 2-1 主机现代化三阶段实施路径 阶段一：云平台建设 阶段二：应用和数据迁移 阶段三：应用开发与运维转型 开放平台底座 开放平台底座 业务应用 Java、GO、JSON、XML、HTML、JavaScript 应用 一体化运维 应用 敏捷发布 CI/CD流水线 Jenkins、Argo CD 需求与 设计管理

、关键 技术、解决方案与实践和未来技术展望，促进产业界对异构算力协同领域的深入 理解，加速技术成果的产业化应用。全球计算联盟智能计算产业发展委员会将与 产学研各界合作伙伴携手共进，推动国产算力底座性能持续跃升、异构算力协同 生态日趋繁荣，为人工智能时代的到来铺设更加坚实的算力基石！ 全球计算联盟 智能计算产业发展委员会 2025 年 7 月 2 目 录 第一章 算力产业发展现状 能算力规模达到 748 EFLOPS，为海量数据计算提供智能底座。随着更多用户和场景加入， 大模型的普及与应用落地带动了数据中心、边缘及端侧算力建设，从而驱动了算力需求的增 长。预计到 2026 年，中国智能算力规模将进一步增长至 1460.3 EFLOPS，并在 2028 年达 到 2781.9 EFLOPS。智能算力已不仅是技术底座，更是产业跃迁的“主引擎”，也将持续 向千行百业渗透，成 构算力协同生态体系包括统一计算、统一通信、统一调度和统一评测四方面，通过四个核心 维度的统一化实现异构算力资源的深度融合。 图 异构算力协同体系架构 （1）统一计算：打破异构壁垒构建算力融合底座 统一计算是异构算力协同的基础能力，旨在解决异构芯片生态割裂导致的“算力碎片化” 问题，构建底层异构硬件的统一抽象模型，从而实现对各类异构算力资源的一体“池化”。 将基于特定算力的编程应用程序

光计算作为后摩尔时代的新型计算范式，具有大带宽、低能耗、 抗干扰、高并行等特点，在处理人工智能、信号处理等任务方面具有 独特优势，有望突破传统电子计算的效能瓶颈，成为未来算力网络的 新型智能算力底座，支撑 AI+时代大模型的高效训推和创新应用。 本白皮书详细阐述了光计算的发展背景、内涵、总体技术架构与 技术路线，并针对当前光计算面临的问题及解决方案进行了系统性分 析。光计算的发展成熟需要产学研用各方凝心聚力，中国移动愿与业 着人工智能对算力要求的不断提升，基于集成光学平台的片上光计算在处理人工 中国移动 面向新型智算的光计算白皮书（2025） 6 智能模型并行计算任务时显现出独特优势，已成为当下业界研究的热点，有望成 为未来新型智算中心的智能光算力底座。（若无特殊说明，后续章节所述“光计 算”均指片上光计算。） 2.2 光计算总体技术架构 光计算技术架构包括硬件层、基础软件层、模型算法层和应用层，整体架构 和内容仍在持续完善过程中。 图 AI+时代新型计算架构研究的热点方向，正处于从科 研研究向产业落地加速转化的关键时。中国移动作为发展新质生产力的先行者、 排头兵，将充分发挥中央企业科技创新主体作用和产业引领带动作用，以构建绿 色高效的新型智能算力底座为目标，加快光计算技术的布局攻关，推动光计算从 “边缘推理”到“集中训练”逐步成熟，助力我国打造技术策源新高地，以技术 的“换道突破”实现产业的“弯道超车”。面向未来，中国移动希望与各界合作

全场景智能生活，共筑万物智联的鸿蒙世界。 鸿蒙系统将沿着智能化，空间化，一体化三大主线不断迭代，通过夯实三大平台能力：生 态使能，算力引擎和安全基座，为用户提供极致流畅的体验，为千行百业开发者提供创新的数 字底座，共同建设繁荣的鸿蒙新生态。 鸿蒙 2030 愿景： 挑战一：高效算力 空间建模和重建，沉浸式流畅体验，以及端侧 AI 推理决策等都需要终端算力的保 障，算力将成为新生产力，操作系统如何在后摩尔时代，通过不断优化，实现全系统 [9]，未来人与设备的协作方式，将从“以指令为中心”演进为“以意图为中心”，交 互入口也随之从基于应用程序的界面逐步演进为基于 AI Agents 的界面。 面向未来，鸿蒙系统将在整个 OS 层面构筑统一的 AI 系统底座，达到系统内所有组件都 高效灵活使用 AI 能力的系统级原生智能。在此基础上，构建常驻系统、结合系统底层能力的 系统级 Agent（即超级智能体），识别用户意图，完成服务闭环。同时，鸿蒙系统也将进一步 能够准确感知和还原现实世界，在虚实结合的世界中理解用户的意图，人机交互将还原人与真 实世界的自然交互，将数字信息内容在空间中沉浸式立体多维的呈现给用户。 操作系统作为虚拟世界和真实世界融合的技术底座和生态入口，应持续构建空间感知，空 间交互和空间呈现三大关键技术能力。 空间感知能力 为了支撑系统对物理世界的重现，以及模拟人与物理世界的交互，操作系统需要获取更加 全面的物理世界信息，例如

强了对油井、 装置、管线温度、压力、流量、振动等多源数据的实时采集与边缘预处理，并结合低轨卫星互联 网增强天空地海一体化通信能力，为生产优化、安全管控与协同决策提供稳定、低延时、高可靠 的数据底座，全面赋能企业运营智能化升级。 �� 1.3.2 云边算力协同，增强业务快速响应能力 企业云计算平台提供了高效、弹性、高可用的基础计算资源服务，承载生产、经营、管理、销售 等各类业务系统的部 在云端和边缘端的协同部署，全面增强响应效率和用户体验。 1.3.3 统一数据智能底座，推动业务深度洞察与协同创新 企业通过构建统一数据智能底座，横向贯通勘探、炼化、销售、研发等各业务域系统，纵向整合 从集团至基层单元的多层级数据，实现对结构化、非结构化及实时、历史等多类型数据的统一接 入与管理。该底座能够帮助各级岗位员工提升对自身业务的深度洞察能力，从而改进和优化工作 流程，企业管理 “三智”技术能力⸺即以智能感知实现全要素数据采集，以智能平台支撑业务融合，以智能决 策优化资源配置，这种分层递进的技术体系，是衔接战略目标与场景解决方案的关键枢纽，也为 “四新”新智运营场景提供统一能力底座。 为此，石化盈科与IDC共同提出了石油石化新智运营技术框架，以提升新智运营成熟度为目标， 以智能感知、智能平台、智能决策为核心能力，结合“数据+AI”和“网络信息安全”两大治理体 系，形成层

而是赋能千行百业、重塑核心竞争力的关键引擎。AI浪潮带来了前所 未有的机遇，同时也对数字基础设施提出了严峻的挑战。海量数据的 处理、极致的低时延交互、复杂的模型训练与推理，都呼唤着一个更 加敏捷、高效、可靠且智能的AI基础设施底座。 《人工智能就绪度白皮书：企业数智化转型的AI变革路径与评估指南》 的发布，恰逢其时。它凝聚了思科与毕马威在企业AI变革转型的深度 思考与实践洞察。我们深刻认识到，企业若想在这场AI变革中占得先 础设施侧、组织体系侧的系统化推进思路。主要呈 现以下特征： • 在技术架构侧，企业通常以落地场景的体系设 计为起点，采取混合部署方式推进大模型落地 应用，并统筹考虑云端风险应对、私域安全防 护、模型幻觉应对等问题，以重构技术底座， 适应创新之变； • 在数据语料侧，企业着眼于数据治理框架搭建 和数据质量提升，推进数据语料的深度治理， 并且已初步形成数据标准化体系、智能清洗工 具等共性选择； • 在基础设施侧，企业兼顾创新与务实，充分权 就绪度等级后综合计算得出企业整体AI Ready的对 应等级。 企业可结合该体系和相关模板客观评价自身的AI发 展水平，明晰在行业竞争中的相对位置，并结合 “以评促建--价值为锚--安全为纲--架构先行--筑牢 底座--内外兼修--快速迭代”的AI Ready“七步” 变革行动指南制定面向更高等级的能力提升计划。 © 2025 毕马威华振会计师事务所(特殊普通合伙) — 中国合伙制会计师事务所，毕马威企业咨询

策略，适应 网络变化与新兴业务需求，形成感知 - 决策 - 优化的闭环管理，为企业关键业务提供高可靠、高效率 的网络传输保障。 3.2.3 一网多能 一网多能基于 5G-A 技术构建统一数字底座，通过一套网络设施同步满足园区、工厂、产线等多层级 业务场景的差异化需求，实现从广域覆盖到精准控制、从通信连接到环境感知的融合服务，显著降 低企业多网重复建设的复杂度与综合运维成本。 产线级场 透明化生产空间。 园区级场景中，网络进一步融合通信与感知能力，通过通感一体化与切片技术，实现周界入侵检测、 车辆轨迹管理及应急指挥调度等综合功能，将传统通信网络升级为兼具环境感知与安全保障的智能 化园区数字底座。 通过多层能力的系统化部署，5G-A 网络成功构建了从控制域到连接域再到感知域的完整服务体系， 为工业企业提供了一张真正实现“能力可按需部署、业务可跨层协同”的融合网络基础设施。 3.2.4 完成网络配置、服务保障或定位增强等任务。 3.2.5 多模态感知 多模态感知通过融合视觉、雷达与 5G-A 通感一体化等技术，构建“人 - 机 - 环 - 货”全要素、高精 度的实时感知体系，为复杂工业场景提供稳定可靠的数据底座。 多模态感知以视觉感知、雷达感知和 5G-A 通感为基础，分别实现亚厘米级成像、全天候测距与精准 定位追踪，并通过时空对齐与特征级融合算法，在边缘侧完成多源数据的智能整合与语义映射，有 效应