......................................................................................... 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

—— 中国建筑股份有限公司首席专家 李云贵 建筑企业推进AI赋能，关键在于如何将通用大模型“训练”为真正懂企业业务的专业化大模 型。实践证明，作为基本路径，通过提示工程（Prompt Engineering）、微调（Fine-Tuning）和 检索增强生成（RAG）这三项关键技术手段，即可以有效实现通用大模型的专业化适配。如果进 一步采用“大模型集成小模型”“建立混合专家模型”以及“开发大模型智能体”等进阶路径， 广联达科技股份有限公司创始人、战略发展顾问 刁志中 AI的技术潜力毋庸置疑，但对建筑企业而言，真正的转型升级不在于“是否用了AI”，而在 于是否构建了基于“产业AI”的AI应用能力。不同于通用AI的泛化逻辑，产业AI强调的是，通用AI 能力和场景数据、行业知识与专业软件的深度融合，能够深植于业务流程、理解工程语境、解决 实际问题。只有这样的AI，才能在高度专业、高度协同、高度独特、高度动态的建筑场景中真正 破局之道： 产业AI赋能建筑企业AI应用落地 二 当前，通用AI正以惊人的速度迭代，其在语言理解、图像识别等方面不断展现出卓越能力。 但不可忽视的是，对于建筑行业而言，通用AI并非“万能钥匙”。建筑业是典型的多工种协同、 多阶段交付、强项目驱动型行业，业务流程复杂且高度依赖现场经验、工程逻辑与空间场景。因 此，看似强大的通用AI，在复杂多变的建筑业务实践中却往往会“水土不服”。 建筑

束的整个业务周期的连接交互需求。同时，基础服务层也可以与底层进行跨层交互并且根据业务需求以 及传输情况提供底层传输路径的选择及切换。基础应用层用于实现各类应用功能，基础应用层针对共性 的业务诉求，可以定义包括通用通信框架、通用音视频框架在内的通用应用服务框架，供具体应用进行 华为园区网络星闪 SLE 物联数采技术白皮书 版权所有 © 华为技术有限公司 5 调用，实现模块化设计。基础应用层也可面向 均由物理层和数据链路层构成，如下星闪接入层协议栈架构图示意。  基础服务层由一系列基础功能单元构成，其中： a) 设备发现功能单元、通用管理功能单元(包括连接管理、测量管理等)、服务管理功能单元、 QoS 管理功能单元和安全管理功能单元构成了星闪无线通信系统的无线短距通用控制面； b) 多域协调与管理功能单元和 5G 融合功能单元为可选功能单元，属于星闪无线通信系统扩展 控制面； c) 数据传输与适配功能单元负责了数据封装等用户面功能，支持承载包括控制类数据、广播 类数据、实时数据、可靠数据和透传数据在内的业务数据传输。  基础应用层由多个通用应用服务框架以及一系列具体应用的配置文档构成。 注 1：基础应用层数据除了通过基础服务层递交到星闪底层传输外，也可封装成 IP 数据包的形式递 交给星闪底层。应用层数据直接采用 IP 传输的方式符合相关现行标准技术即可，不在协议规定范围内。

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，

� 1.�协作机器人定义�������������������������������������������������������������������������������12� 2.�通用智能机器人�������������������������������������������������������������������������������13� 3.�协作机器人特点� 一领域正经历着爆发式的发展。� 从工信部对具身智能的解释来看，具身智能指会思考的大脑�能感知和行动 的物理身体。所以，具身智能从概念走向量产，离不开核心载体（身体）的支撑。 协作机器人作为通用智能机器人代表之一，基于其本身的技术特性和作业能力， 成为了具身智能的优秀载体之一，是这一进程中不可或缺的关键存在。而作为对 智能具身化、情景化有着深刻实践的先行者，协作机器人在运动控制、一体化关 人工智能与大模型推动机器人产业跃迁� 人工智能自诞生以来，历经“符号主义”“连接主义”的迭代，但始终受限 于任务单一化、数据依赖强、泛化能力弱的瓶颈。直到以 ����������� 架构为核 心的大模型技术突破，才真正开启了“通用智能”的可能性，为整个智能领域带 来颠覆性的范式重构。� 大模型的核心优势在于规模化训练带来的涌现能力。与传统 �� 模型针对单 一任务设计、依赖人工标注数据不同，大模型通过万亿级参数规模、跨领域大量

构建标准底层框架 .................................................................................. 1 1. 色彩通用规范 ...........................................................................................2 2. 通过统一的时空坐标系实现数据价值的穿透式释放。 数字孪生世界白皮书 2 1. 色彩通用规范 正确的色彩规范能够使项目视觉效果更符合国际标准与行业惯例，减少用户的认知负 担，提升信息的传达效率。例如：使用红色表示停止或危险，绿色表示正常，黄色表示警 告。这些颜色在不同文化中可能有不同含义，但在大部分行业标准中是一致的。 预警色彩通用规范（跨行业共识）： 颜色 色值示例 语义 应用场景 红色 危险/故障/超限 特殊状态/自定义事件 系统调试模式、VIP 客户区域标注、实验性功能入口 2. 形状与符号语义 在数字孪生系统中，通用形状与符号语义模块是构建跨行业视觉语言的核心组件。通 过标准化、直觉化的图形设计，能够将复杂数据映射为可快速识别的视觉符号，降低认知 负荷。 数字孪生世界白皮书 3 水利行业通用符号示例 3. 空间映射比例 (1) 几何属性映射 用模型大小/高度直接映射数值。如：通过圆柱体不同高度及颜色叠加的柱状热力效果

务商 • 需求来源为通用算力的部署 • 销售模式为零售模式 • 需求端客户主要为通信企业与政企自用，互联网企业需 求逐步显现 • 供给端以运营商为主， 存在部分第三方算力中 心服务商 • 电商、游戏等移动互联 网产业的发展带来通用 算力的部署需求扩张 • 销售模式为零售模式 • 供给端第三方服务商在 资源端迅速扩张 • 需求来源以云服务、短 视频厂商带来的通用算 力为主 • 销售模式因云计算行业 销售模式因云计算行业 的高速发展发生变革， 定制批发的新模式诞生 • 供给端第三方服务商逐 渐成为市场主流 • 需求来源中大模型厂商 的智算需求快速增长， 云服务与短视频厂商的 通用算力保持稳定增长 • 销售模式以定制批发为 主，结合部分零售业务 • 第三方服务商占据定制 批发市场的主要份额 • 需求来源以智算为主要 驱动，通算稳定增长 • 受益于大模型的训练需 求增长，定制批发模式 再迎发展机遇 798 17,424 23,917 亿元 IaaS PaaS SaaS 关键分析 • AI大模型井喷，智能算力需求增速远超芯片性能提升和产能扩张速度的上限。相较于传统云资源池以CPU为通用计算主体，当下以GPU为代表的芯片成为提供智能 算力的主力军。借助云计算实现零散智算资源集中与纳管的优势，各大云厂商纷纷在智算领域进行布局，形成千卡、万卡智能云集群，以云服务的方式提供可便捷 获取

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

工程学科专家携手合作，共同借助 人工智能有效解决相关的单点问题。 （2）线上的工程智能（Level 2）：人工智能的应用从解决单一问题扩展至 解决某一类共性问题。人工智能专家和学科专家共同构建通用性较强的平台或系 统，赋能更广泛的工程研究和技术人员，使其能够更高效、更深入、更具创新性 地解决此类问题。 （3）面上的工程智能（Level 3）：在多个线上工程智能系统的基础上，构 建特定 为人 工智能技术提供了广阔的试验场和坚实的落地根基，强大的产业链配套能力能够 有力支撑 AI 与工程实践的深度融合。更为关键的是，以大模型为代表的新一代 人工智能技术取得了突破性进展，其强大的通用性、理解和生成能力，极大地降 低了 AI 应用的门槛，为构建系统化、平台化的工程智能解决方案提供了核心技 术引擎。这三大驱动力相互促进，共同催生了工程智能规模化的绝佳时机，推动 其从星星之火发 。同一工程领域内，不同项 目的需求差异显著：桥梁工程中跨江桥与跨谷桥的受力分析重点不同，汽车制造 中新能源车型与传统燃油车型的生产线参数设置迥异。人工智能模型若无法适配 这种场景特异性，仅依赖通用算法框架，难以在规模化应用中保持有效性。这种 专业性壁垒使得工程智能在跨场景迁移上面临极大挑战，进而导致工程智能多停 留在单点验证阶段，难以形成可复用的规模化解决方案。 4.2 可靠性挑战