......................................................................................... 5 （三）专业通用标准 ................................................................................................ 项目管理指南》规 定的 17 个要素，并可依据国内项目管理实践对个别要素进行适 当简化合并。 ——项目评价域，给出项目投资方或第三方机构组织的项目评价 的流程和方法。 ——行业应用层，说明通用项目管理方法与特定行业项目的结合 结果。特定行业项目包括各行业的固定资产投资项目，以及研发 项目、服务项目等。 ——能力评价域，给出人员和机构认证的评定标准。人员和机构 包括从事项目管理的人员、从事项目管理的组织、从事项目管理 ——项目管理流程、准则、方法、工具、数据； 3 ——项目管理绩效的定性定量评定； ——项目管理人员和机构的能力评定。 项目管理标准的制定需要广泛协商与协调。全国项目管理标准化 技术委员会宜侧重基础性、通用性，以及重点领域的项目管理标准。 行业应用标准宜与对口的标准化技术委员会协同解决。 项目管理标准体系建设发展宜博采众长、因地制宜。本指南附件 1、附件 2 分别给出了国内外相关标准现况，为全国项目管理标准体

延时提出新的要求，持续倒逼芯片、架构与系统级创新，需求与政策同频共振，正将中国算 力产业推向新一轮技术革命。 通用算力、智能算力、超算算力均保持高速增长，智能算力在增长竞赛中跑出“超级加 速度”。2025 年，全球总算力已攀升至约 3300 EFLOPS，在三大主流形态中，通用算力约 为 1150 EFLOPS，占比首次跌破 35%，降至 34.8%；智能算力则因大模型和 AI 智能体应用 芯片，基于全自研的 GPU IP、指令集和架构，拥 有多精度混合算力，内置大量运算核心，具有较强的并行计算能力和较高的能效比，在通用 性、单卡性能、集群性能及稳定性、生态兼容与迁移效率等方面均达到领先水平。 （5）海光 DCU（Deep Computing Unit），GPGPU 通用计算架构，自研 DTK 软件栈， 支持 PaddlePaddle、TensorFlow、PyTorch 等主流框架，已适配 从专有图形处理器转化为 6 通用并行协处理器。这一技术通过重构 GPU 底层硬件资源流水线设计与调用逻辑，使原本 仅处理图形渲染流水线的数千个计算核心，能够高效执行科学计算、数据分析和机器学习等 非图形化任务，实现了对传统 CPU 计算体系的革命性扩展。ASIC 通过定制化硬件架构，将 计算任务固化于电路设计，其核心在于以降低通用性为代价，针对特定算法或应用场景进行 晶体管级优化，实现远超通用芯片的计算效

介绍开发技术框架 及数据收 集 、 训练 、 部署 、 推理应用 等环 节的技术要点 ； 说明行业大模型 在医疗领域应用框架的各组件功能；通过实例给出大模型最佳实践建议。 其二， 介绍通用大模型评测框架的任务定义 、 数据准备和评测方法 ； 概 述 医疗 健康 领域大模型评测的科学性 、 安全 性 、 合规性 、 伦理道德等方 面， 并 列 举 中 文 医 疗 目录 03 医疗大模型评测 3.1 通用大模型评测框架 3.1.1.任务定义 3.1.2.数据准备 3.1.3.评测方法 3.2 大模型在医疗健康领域的评测概述 3.2.1.科学性：从通用能力到医学专业能力的提升 3.2.2.安全性：从潜在风险识别到安全输出保障 3.2.3.合规性：确保法律与行业标准的严格遵守 广泛覆盖医疗 领域的各个环节， 如辅助疾病诊断、精准 提供治疗建议、高效撰写医疗文书等， 致力于全面提升医 疗服务的效率与质量，推动医疗行业朝着智能化方向深度转型。 然而， 它们也面临一系列通用挑战。在基础设施 层面， 多数医疗机构缺乏高性能 GPU、充足的 存储资源以及高速稳定的网络连接， 这严重制约 了大模型的高效运行与部署。数据方面， 多源异构 医疗数据的整合极为复杂，

安全企业、218 家数据基础设施企业。 六、典型数智企业（TOP10）榜单 2024 年 10 家典型数智企业（TOP10）分别是华为、联 通数据智能、Deepseek、蚂蚁密算、宇树科技、银河通用、 安恒信息、上海数发科、易华录、国家生物信息中心。 XI 前 言 自 2019 年党的十九届四中全会首次将数据作为继土地、 劳动力、资本和技术之后的第五大生产要素后，中共中央、 32 存储服务 指提供数据存储能力的基础服务。包括但不限于对象存 储、数据文件存储等。 33 人工 智能 基础大模型产 品服务 指以通用大模型为核心，通过微调或定制化开发，针对 特定任务或行业需求构建的预训练模型。这类模型在海 量通用数据（如互联网文本、书籍、网页等）上完成预 26 产品 服务 训练，可辅助完成文本生成、翻译、问答、图像分类等 基础任务。 34 服务 指以人工智能技术为核心，通过算法模型处理数据并为 用户提供智能化服务的系统。 37 智能芯片产品 服务 指面向人工智能领域设计的，主要用于加速人工智能模 型训练、推理等任务的专用或通用芯片。 4.数智企业 数智企业是以数据采集汇聚、加工分析、流通交易、开 发应用、安全治理，数据基础设施建设运营、人工智能创新 应用等为主业的各种企业。主要包括数据资源企业、数据技 术企

「硕士」学历，「全国」起薪最高 「博士」学历，「全国」起薪最高 15 应届生起薪 - 按城市 2024届 人力指标 人力资源核心指标 芯片设计 薪智 统计说明：在相同行业、时间下，计算各个城市的通用岗位的平均薪酬。 以某一城市的通用岗位的平均薪酬为基准，计算各个城市的薪酬系数，该薪酬系数即为城市薪酬 差异系数。 基准城市 城市区域 城市 差异系数 较上年变化 华东 上海 137.4 9.2 杭州 112 7 19.2 26.9 40.9 研发 产品研发工程师 14.3 22.3 34.3 17.8 28.3 42.5 生活服务 美容顾问 7.3 11.2 16.5 10.2 16.1 23.6 通用工程 机械维修工程师 8 11.2 17.4 9.2 13 20.3 制造工程 工艺工程师 9.5 12.9 19.6 10.6 14.2 21.6 制造工程 印刷员 6.2 9.2 14.6 6 模拟版图设计师 25.4 34.5 50.8 32.7 44.6 64.5 半导体研发 封装研发工程师 18.2 25.9 39.8 22.9 32.6 49.9 通用工程 机电工程师 12 18.6 27.4 13.8 22 31.5 通用工程 产品工程师 12.4 18.2 27.8 14.7 21.7 32.8 供应链 仓储专员 7.7 10.9 16.3 8.7 12.6 18.5 供应链

中国：云计算系列 行业研读 | 2025/07 • SaaS层的价值目标不在于直接盈利，而是作为流量入口，带动云厂商 在IaaS及PaaS的底层能力。在SaaS层的获客路径包括“企业级的降本增 效”、“通用流量级消费产品”以及“AI+硬件”的捆绑销售 智算产业价值路径——云企业价值增长路径 云厂商的价值增长路径（以阿里云为战略参考） 来源：头豹研究院 内层：IaaS层 智算主营增长 中层：PaaS、 中国：云计算系列 行业研读 | 2025/07 • SaaS层的价值目标不在于直接盈利，而是作为流量入口，带动云厂商 在IaaS及PaaS的底层能力。在SaaS层的获客路径包括“企业级的降本增 效”、“通用流量级消费产品”以及“AI+硬件”的捆绑销售 IaaS层产业机遇——IaaS层价值增长路径 IaaS层增长的商业闭环 来源：头豹研究院 此路径的核心是利用政策驱动力，以自有GPU硬件 设备进 数据能力产品化 能力2 通过提供从Prompt工程到知识注入、 安全审核等一系列低代码/无代码工具， 让客户能轻松地对基础模型进行“再加 工”，以适配自身业务 训练/微调工具链 能力3 通用AI技术封装成面向特定行业（如游 戏、医药、电商）的预制组件或解决方 案，从而极大加速客户的业务落地 行业化适配能力 能力4 云企业在MaaS层的差异化竞争点 15 www.leadleo

法的深度融合与适配。通过科学家提出关键 词和出版物数据库的匹配，可以发现在 AI4S 研究中运用最多的 AI 方法和技术（图 1.7）。 如今，大语言模型（LLMs）已经成为物质 科学、生命科学、社会科学等领域的通用科 研工具。强化学习方法在工程系统控制、数 学定理证明及物理模拟等复杂场景中占据主 导地位。计算机视觉技术在生命科学和地球 环境领域渗透显著。此外，分布式学习、图 神经网络、可解释 AI 和边缘智能在不同学 近年来，以大语言模型（LLM)1-3 为代 表的人工智能 (AI) 技术快速发展，已在多个 领域展现出先前技术所不具备的涌现能力。 借助千亿级参数规模，大语言模型不仅实现 了海量知识整合和逻辑推理能力的突破，还 展现出向通用人工智能演进的巨大潜力，具 有重要的研究和应用价值。学术界与工业界 纷纷将目光聚焦于大语言模型的相关研究， 力图突破计算复杂度高、安全对齐难、可解 释性弱等短板。与此同时，随着训练数据、 算力资源逐渐面临增长瓶颈，研究者正积极 动模型向知识增强 4、多模态融合 5,6 和深度 推理 7,8 方向演进，逐步催生出具备自主学 习和决策能力的智能体系统 9。这一趋势不 仅拓宽了人工智能的应用边界，更为实现真 正意义上的通用人工智能 (AGI) 奠定了坚实 基础。 1.2 最新进展 以大语言模型为核心的人工智能技术正 迈入全新发展阶段。在训练数据和算力资源 逐渐趋于饱和的背景下，研究者开始探索“第 二扩展定律”，即从训练阶段的规模效应延

下降，端 到端 CPO 有望成为主流技术选择。在产业生态建设方面，移动云将 加大与相关厂商的合作投入，包括封装厂（OSAT）封装能力建设、 基板厂商提升大尺寸基板制作工艺及能力、连接器厂商提供通用的 可拆卸光纤接口方案的合作等，通过全产业链生态逐步建立构建端 到端全光互连芯片生态。 在具体的实施层面，移动云在超节点 Scale-Up 网络互连技术研 发和部署方面会分场景、分阶段推进：针对整机柜超节点方案，推 在横向扩展中逐 渐暴露性能、成本、扩展性的三重矛盾。未来大规模智算集群性能 上限的突破将依靠 OCS 为代表的光互连模式，通过全光算网的 Scale-Out 能力，可支撑未来百万卡级智算集群的落地，为通用人 工智能的发展提供底层算力底座。 云智算光互连发展报告 5. 产业生态与标准化 5.1 光电领域互连标准 在光电领域互连标准中，目前主要囊括了：CPO、LPO、Chiplet 几个领域。 Implementation Agreement V1.0》，于 2024 年 9 月正式批准发布，该标准规范了用于网络设备 应用的 OIO 可插拔外置激光光源的外形、光学接口、电气接口、热 管理与通用管理接口等，适用范围包括 CPO、NPO 及 OIO 等场景。 在国内，中国科学院计算所联合电子标准院牵头制定了《半导 体集成电路 光互连接口技术要求》(T/CESA 1266-2023)标准草案，

时计算任务。这种多模态负载的并行处理需求，对系统资源调度算法和架构设计提出了新的技术挑战。 架构及方案概览 负载整合方案类型介绍 负载整合解决方案有多种实现形式，主要分为以下几类： 单系统方案 Linux 作为全球最通用的操作系统之一，Linux 在工业自动化领域占据着举足轻重的地位，承载着各类关键工作负载的 运行。然而，Linux 系统在设计初期并未针对实时性进行优化，导致其早期版本难以胜任实时任务处理。随着 系统在工业现场仍保持着不可替代的地位。 该整合方案具有以下显著优势： 1. 架构简洁统一，仅需系统配置即可实现实时 域与非实时域的隔离 2. 全方案运行于 Linux 环境，具有出色的开放性 和平台通用性 3. 资源利用率高，系统管理维护简便 然而，该方案也存在若干局限性： 1. 实时域与非实时域的隔离机制尚不完善，任一域 的任务异常都可能导致系统级故障 2. 部分专为 Windows 平台开发的应用程序无法直 Windows 上开发针对实时核的运动控制程序，Kithara 提供了 KRmotion 运动控制系统 开发平台，包含了可视化工程配置，设备调试，变量监控，模拟仿真等功能，并集成了 I/O 控制、通用运动控制、机 器人控制、CNC、实时视觉等功能模块，为用户提供了一套基于 Windows 的纯软件解决方案，无需运动控制卡， PLC 等专用硬件即可实现高速高精度运动。 商用软件方案概览 图：KIthara

Know-how ，是通用 AI 模型进化为“行业专家”的关键燃料 ，是将企业智慧沉淀 为不可复制竞争优势的核心资产。 知识驱动 AI ： 高质量数据与 Know-How 知识库是 Agent 成功的关键 构建行业专属大模型 电力行业知识 高质量 知识库 设备维修智能体 商情分析智能体 运行控制智能体 Know-how 通用智能体 电力行业专家模型 电力行业专家模型 私有数据 业务逻辑 行业知识 通用模型 · · · 随着新型电力系统数智化转型的加快 ， 以人工经验为主导的设备检修与运维计划难以满足新型电力系统的安全性与高效性要求 ; 各类电力设备在规划计划、 采购建设、 运行维护、 退役处置等生命周期内积累了大量的多源异构数据 ，这些数据闲置在各系 统 中 ，未能加以有效应用。 设备数据现状的复杂性 设备的全生命周期数据分布于各个