1 泛园区能碳综台管理系 统 2 P.1 设计背景 泛园区能碳综合管理系统的设计背景是受到节能减排政策和新能源发展政策的推动 ，结合企业 和园区对能源管理和环境保护的需求 ，以及数据管理和分析的要求 …… 系统基于先进的数字技术和智能化算法的综合能源管理系统。它实现了对能源数据的实时采集 、监测和分析 ，优化能源消耗和供应 ，提高能源利用效率和可再生能源的比例 …… 方案详述 方案详述 P.2 加入星球获取更多更全的数智化解决方案 泛园区能碳综合管理系统的设计背景是受到节能减排政策和新能源发展政策的推动 ，结合企业和园区对能源管理和环境保护的需 求 , 以及数据管理和分析的要求。 系统的目标是通过监测、分析和优化能源使用 ，减少碳排放 ，提高能源利用效率 ，并支持园区的可持续发展。 随着全球对能源资源的关注和环境保护的重要性日益凸显 ， 国家出台个多项节能减 排

? ? ? ? ? ? ? 汇报提纲 东软在档案领域的实践 数字档案馆建设的背景 数字档案馆的建设目标和内 容 东软数字档案馆解决方案 东软承担本项目的各类保障 1 2 3 4 5 案例及总结 6 SEAS 数字档案馆建设背景 东软数字档案馆解决方案 Neusoft SEAS 政策环境 档案信息化面临的主要难题，随着国产 版式技术和电子文件元数据标准的的不 断完善和技术发展，一些先进技术势必 会引入到档案行业中从而带动整个档案 行业的不断发展。 SEAS 数字档案馆建设目标和内容 东软数字档案馆解决方案 Neusoft SEAS 建设目标 建设应用于局域网、政务网、因特网的数字档案管 理系统。  实现对电子文件、电子档案的网上接收  实现对档案资料的标准化、规范化、电子化的 安全保障体系建设 东软数字档案馆安全保障体系建设方案 法规标准 基础设施 组织管理 安全技术 全程控制 规章制度 标准规范 档案安全 保管环境 存储设备 利用设备 监控设施 预防设备 组织建设 协调交流 安全培训 平台安全 网络支撑 系统运行 服务应用 灾难恢复 前端控制 日常维护 容灾备份 利用与服务 恢复与抢救 业务监控 SEAS 东软数字档案馆解决方案

未来网络技术发展系列白皮书（2025） 东数西算算网协同调度 业务场景白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 ● 本白皮书版权属于紫金山实验室及其合作单位所有并受法律保 护，任何个人或是组织在转载、摘编或以其他方式引用本白皮书中的 文字、数据、图片或者观点时，应注明“来源：紫金山实验室等”。 否则将可能违反中国有关知识产权的相关法律和法规，对此紫金山实 验室有权追究侵权者的相关法律责任。 限公司、中航信云数据有限公司 II 主要编写人员： 罗曙晖、张晨、孙婵娟、张玉军、潘凤薇、周俊、芮美芳、陆明明、 高新平、李屹、陈晓波、赵芷晴、梁木 III 前 言 2023 年底《关于深入实施“东数西算”工程加快构建全国一体 化算力网的实施意见》（简称意见）发布后，全国一体化算力网的建 设浩荡展开。《意见》中多次提及“算网协同”，明确指出“加快算网 协同编排调度技术部署应用”、“探索算网协同运营机制”。 就是面向东数西算的算网协同。 《东数西算算网协同调度-业务场景白皮书》（简称白皮书）的编 制，是基于国家东数西算“安全新总线”项目所开展的算网协同工程 实践。“安全新总线”通过 400Gbps 互联了国家八大枢纽节点、以及 多个国家超算中心，可根据任务时延、带宽需求提供广域确定性网络 传输质量，并通过网络操作系统开放网络资源的调度能力，算网协同 调度平台即原生构建其上。 白皮书以业务场景视角切入，对东数西算算网协同调度的调度架

CIIT FORUM 工信论坛 44 中国工业和信息化 ｜CHINA INDUSTRY & INFORMATION TECHNOLOGY 智算中心成为新基建的基本条件 与智慧时代动力源 文／王恩东 计算力就是生产力，智慧计算改造升级了生产力三要素，最终 驱动了人类社会的转型升级。智慧计算将计算力驱动的信息化设备变 成了生产工具，使生产力得到前所未有的解放。智算中心融合多元算 力，为社会 生在线上课；腾讯课堂有超过140万 老师，每天有2000万中小学生在腾 讯课堂上学习。工信部发布的数据显 示，2020年春节期间，移动互联网流 量270万TB，同比增长36%。经济活 王恩东 中国工程院院士 DOI:10.19609/j.cnki.cn10-1299/f.2020.04.006 工信论坛 45 ｜ 2020 年 4 月刊 动的线上化变革，让大家在这个过程

间 航 段 按 50%统 计 。 符 合 规 定 的 船 舶 获 欧 盟 燃 料 符 合 证 书 ， 否 则 将 受 处 罚 。 该 条 例 对 航 运 及 能 源 全 产 业 链 影 响 广 泛 深 远 ， 影 响 广 度 和 深 度 或 超 EU ETS。 1.3 中国 在 国 际 航 运 减 排 规 则 和 国 内 碳 达 峰 碳 中 和 目 标 的 双 层 驱 动 下 ， 我 态 运 输 ， 采 用 长 管 拖 车 ， 灵 活 性 强 ， 适 合 短 距 离 、 小 规 模 运 输 ， 单 次 运 输 量 有 限 ， 能 量 损 耗 较 大 ； 技 术 成 熟 ， 广 泛 用 于 氢 气 分 销 ， 但 运 输 成 本 高 ， 主 要 用 于 200公 里 以 内 的 短 距 离 应 用 场 景 。 （ 2） 低 温 液 氢 运 输 ， 适 合 长 距 离 、 大 中 应 用 。 3.2.2 港 口 储 存 加 注 全 球 超 过 100个 港 口 正 在 推 进 氢 能 项 目 ， 这 些 氢 能 项 目 主 要 分 布 于 欧 洲 、 北 美 和 东 亚 。 欧 盟 计 划 到 2030年 实 现 每 年 1000万 吨 氢 的 进 口 与 本 地 生 产 ， 支 持 工 业 和 航 运 业 脱 碳 。 多 个 港 口 正 开 发 氢 气 进

编制组成员 中国铁塔股份有限公司 闫亚旗、董玉池、潘三明、聂昌、贾平胜、徐佳祥、安颖、王东、汪涛 北京邮电大学 谢人超、唐琴琴、杨煜天、马霄鹏、汪硕 江苏省未来网络创新研究院 魏亮、方辉、孙玉刚、尹鹏、林枭、韩风、占昊天、王磊 I 前 言 随着算力网络的飞速发展，算力资源呈现出泛在化、异构化、分 布化的显著趋势。如何高效感知、协同调度这些广泛分布且动态变化 的算力资源，以 算力已成为驱动社会进步的核心生产力。随着人工智能、物联网、元 宇宙等技术的爆炸式发展，传统的集中式算力计算模式面对如此庞大 且多样化需求，已经难以有效应对。分布式算力感知与调度技术应运 而生，成为应对海量、泛在、实时计算需求的关键基础设施。这一理 念旨在构建一个能够动态感知全网算力资源，并根据任务需求进行智 2 能化、自动化、最优化调度的新型信息基础设施，降低计算延迟与成 本，支撑新型智能化应用的落地。 分布式算力感知与调度是现代计算范式的核心支柱。它通过构建 全域资源认知神经网和智能调度决策中枢，实现了对泛在、异构、动 态算力资源的有效整合与按需供给。其核心在于全局化资源视图、多 目标动态优化、高度环境适应、跨域无缝协同、智能学习进化以及对 可持续性的深度关切。随着算力网络（CPN，Computing Power Network） 概念的兴起和“东数西算”等国家级工程的推进，分布式算力感知与 调度技术将持续演进，其智能化、自动化、绿色化水平将不断提升，

二零二四年二月二十三日 证券研究报告 当前 AI 与金融的结合主要有两条技术路径：①通用模型 + 金融语料训练金融大模型 ，②金融垂类大模型。 1 ）双方优劣具有相对性。通用大模 型 优势：泛用性强、灵活性和利用率高、可迁移性强。劣势：特定领域深度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针 对 性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。 1. 通用+金融VS金融垂类哪方更强 通用 + 金融 VS 金融垂类哪方更强 通用语言大模型 金融垂类大模型 优势 泛用性强 由于在多样化的数据集上进行了训练，通用模 型能够处理各种话题和领域的问题 领域专业性 在金融领域具有专业的理解能力，更精熟于金 融术语和概念 灵活性和利用率高 大量数据训练提高了模型的准确率，并可以应 当前 AI 与金融的结合主要有两条技术路径：①通用模型 + 金融语料训练金融大模型，②金融垂类大模型。 由于设计和训练目的不同，通用语言大模型与金融垂类模型在优劣上具有相对性。通用语言大模型在泛用性、灵活性、数据利用率、 迁移性上相比金融垂类更有优势，而在专业性、针对性、高精度和合规性上，金融垂类模型更胜一筹；在复杂度问题上，通用语言大模 型在结构上更加复杂，影响模型效率，而金融垂类模型则是在更新维护上具有复杂性。

金融大模型的两条技术路线 证券研究报告 当前 AI 与金融的结合主要有两条技术路径：①通用模型 + 金融语料训练金融大模型 ，②金融垂类大模型。 1 ）双方优劣具有相对性。通用大模 型 优势：泛用性强、灵活性和利用率高、可迁移性强。劣势：特定领域深度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针 对 性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。 1. 通用+金融VS金融垂类哪方更强 通用 + 金融 VS 金融垂类哪方更强 通用语言大模型 金融垂类大模型 优势 泛用性强 由于在多样化的数据集上进行了训练，通用模 型能够处理各种话题和领域的问题 领域专业性 在金融领域具有专业的理解能力，更精熟于金 融术语和概念 灵活性和利用率高 大量数据训练提高了模型的准确率，并可以应 当前 AI 与金融的结合主要有两条技术路径：①通用模型 + 金融语料训练金融大模型，②金融垂类大模型。 由于设计和训练目的不同，通用语言大模型与金融垂类模型在优劣上具有相对性。通用语言大模型在泛用性、灵活性、数据利用率、 迁移性上相比金融垂类更有优势，而在专业性、针对性、高精度和合规性上，金融垂类模型更胜一筹；在复杂度问题上，通用语言大模 型在结构上更加复杂，影响模型效率，而金融垂类模型则是在更新维护上具有复杂性。

实践真知，企业级 Agent 实践的新范式 Part 02 价值认可，场景重塑与价值深挖 Part 03 蓬勃发展，企业级的生产力再造 Part 01 概念泛化，商业价值推动产业发展 目 录 2 AI Agent 的兴起并非偶然。大模型、算力供给、能源供给、开源、生态系统和产业应用的同步发展，共同“托举”起 记忆 • 模块记忆 Part 02 价值认可，场景重塑与价值深挖 Part 05 来日正长， Agent 的翻涌带来无限可能 Part 01 概念泛化，商业价值推动产业发展 Part 04 实践真知，企业级 Agent 实践的新范式 Part 03 蓬勃发展，企业级的生产力再造 目 录 数字经济及企业数字化转型带来为企业级 数据来源：公开资料，专家访谈，甲子光年智库整理 www.jazzyear.com 33 Part 05 来日正长， Agent 的翻涌带来无限可能 Part 01 概念泛化，商业价值推动产业发展 Part 04 实践真知，企业级 Agent 实践的新范式 Part 02 价值认可，场景重塑与价值深挖 Part 03 蓬勃发展，企业级的生产力再造