有监督数据 人工搜集、标注 成本高昂、扩展性差 图像分类 目标检测 .* 芯 片 英伟达 GPU 华为昇腾 谷歌 TPU 海光 DCU AMD 芯片 寒武纪 MLU 单任务模型 CNN SVM RNN 决策树 LSTM GNN 合成数据 利用模型、仿真生成 虚拟现实 自动驾驶 生态 PyTorch TensorFlow MindScope 强化学习 前沿探索阶段 底层计算库： CUDA 、 CANN( 华为 ) 有监督微调 对比学习 * 互联网爬取、规模大 LLM 预训练 多维并行算法 状态监测、任务调度 语言通用模型： DeepSeek-R1 等 无监督数据 图像生成 集 群 从数据上讲，通用数据分布与电力领域多模态数据差异过大，专业程度低、关联性弱； 从模型上讲，开源通用模型缺乏电力专业预训练 ( 缺乏专业电力知识注入 ) , 多模态支持不足； 从 应用上讲，现有国产化电力大模型在真实电力任务上性能不够高、与实际需求仍存在差距。 模型角度 开源训练数据 开源部分代码 开源部分权重 × 模型趋于闭源化 开源通用模型 无 法 原 生 支 持 C i

信息化发展新趋势，遵从《公安交通管理科技发展规划(2021-2023 年)》、《江苏 公安智慧交通总体规划(2020-2030 年)》等上级工作要求，以及市局层面深化智 慧平安大道“四控建设”的任务工作部署，大力实施智慧警务战略，努力建设水 准 更高、品质更优、群众更认可的智慧平安大道，根据盐城市市局党委“一体两 翼 三大支持四轮驱动”部署安排，建设盐城公安智慧交通大脑一期项目。通过运 享统一平台的计算资源，同 时要保证业务数据安全访问以及计算资源对关键任务的保证。通过多租户功能提 供的层级式的租户模型，满足多个不同部门的组织架构层次关系，并按计算资源、 存储资源对租户能访问的数据、计算任务进行管理，提供数据的权限控制、计算 资源的隔离共享。 大数据平台支持并提供包括集群部署、集群管理、任务管理、服务管理、状 态监控、用户管理、告警、日志等在内的管理组件。 1、数据采集 本项目在公安网、视频专网上分别建设交通大脑综合应用平台，相应部署 不 同的应用功能。公安网侧重于车辆缉查布控，数据研判分析以及公安勤务管 理类 功能；专网侧重于前端数据采集，交通路口管控，交通信号控制，特勤任务 管理， 交通信息服务等方面。 交通管理数据交换通过传统关系型数据库与大数据平台的结合，实现各类数 据的采集、接入、存储。公安网部署核心数据库及相应的存储，通过数据、视频 安全边界接入平

全充裕、经济高效、供需协同、灵活智能的新型电力系统 2024 年 2 月 29 日，中共中央政治局就新能源技术与我国的能源安全进行第十二次集体学习。习近平总书记指出，我国能源发展 仍面临需求压力巨大、供给制约较多、绿色低碳转型任务艰巨等一系列挑战。应对这些挑战，出路就是大力发展新能源。推进 电网基础设施智能化改造和智能微电网建设，提高电网对清洁能源的接纳、配置和调控能力。 2025 年 9 月 24 日，习近平总书记在联合国气候变化峰会宣布 “超级大脑” 调度运行算法和系统面临分钟级时间窗口计算挑战 ——— — 大规模———— ———— 多任务一 口 全域感知 口 方 式 调 整 口 资源调节 研发更快 ( 小时→ 分钟 → ) 、更大规模 (10³→ 105) 、更自适应 ( 单任务 → 多任务 ) 电 网智能运行系 统 8156 66 云南 61 海南 利用率降低↓ 准确率，实现调度操作票全要素智能审核，快速完成故障分析和处置。 (2) 设备运维 · 提升电网安全隐患告警有效率； · 人形机器人通过 AI 与大模型技术结合，应用于电力设备巡检、倒闸操作等高危复杂任务。 (3) 智能客服 · 覆盖智能客服等十余个领域的百余个应用场景，具备意图识别、多轮对话等能力。 应用场景日益丰富 中国南方电网 CHINA SOUTHERN POWER GRID 24

............................................................................................4 三、重点任务与实施路径.............................................................................................. 一、方案总体概述 本实施方案基于低空经济交通基础设施建设及规划设计方案，围绕基 础设施建设、新型基础设施构建、数字化转型、人工智能与大模型应 用、数据要素开发利用等核心内容，明确各阶段目标、任务、实施路 径与保障机制，旨在高效推进低空经济交通基础设施建设，支撑低空 经济产业蓬勃发展，助力综合交通体系优化升级。 二、实施目标体系 2.1 短期目标（1 - 2 年） 1. 完成全国及 交通运行效率提升 50% 以上。 3. 形成成熟的人工智能与大模型应用生态，低空经济全产业链智能 化水平显著提升。 4. 建成全国性低空经济数据交易市场，数据要素对产业发展的贡献 率超 30%。 三、重点任务与实施路径 3.1 传统基础设施建设 3.1.1 通用机场建设工程 1. 选址布局 1. 依托《全国民用运输机场布局规划》，结合区域经济发展 水平、产业结构与低空经济需求，制定《通用机场选址技

为重点，以物联网、大数据、人工智能、智能网联汽车等新一代信 息技术为支撑，按照“一切业务数据化、一切数据业务化”的理念，建 设信息充分共享、数据深度挖掘、系统高度集成、部门协同联动的 11 城市智能交通管理系统。总体建设任务依据《重庆市智能交通管理 系统建设指导意见（征求意见稿）》要求，紧密结合高新区一、二 期智慧交通建设工程、重庆市主城区智慧交通系统升级改造工程与 高新区公安分局相关项目，充分利用各类应用平台及基础服务，实 道路交通安全排除 案、事件处理 勤务大队 道路监控 缉查布控 重点对象管理 案、事件处理 4.1.1.1 指挥中心 指挥中心的工作主要包括指挥调度、道路交通运行监测、缉查布 控、交通违法处理、警卫任务安保与道路交通信息发布等工作。在 日常工作中使用业务系统进行相应视频巡逻、道路运行监测分析， 在突发事件进行勤务安排等工作，是智慧交通业务系统的主要使用 者。 4.1.1.2 秩序大队 秩 智慧交通三期建设应能实现高新区智慧交通体系框架构建，明确 各项定位，指导高新区智慧交通可持续建设。为支撑开展指挥调度、 缉查布控、道路交通监测、重点车辆管理、交通违法监测、智能分 析与决策、设施管理与运维、警保卫任务等业务，建设智能交通集 成管控平台、交通大脑及基础应用系统等，为交通管理、缓堵保畅、 事故预防等提供科学决策依据。 4.2.1 完善智慧交通架构的需求 完善 “智慧交通集成管控平台+交通大脑”智慧交通体系框架构建，

..........83 8.1 项目阶段划分................................................................84 8.2 各阶段任务与交付物.....................................................86 8.3 资源分配与进度安排......................... 推理服务 器（808 Tokens/s 吞吐率），支持混合精度计算。 这些设备能够提供强大的算力支持，满足平台对各类 大模型训练和推理的算力需求。同时，要建立算力调 度机制，根据不同的应用场景和任务优先级，合理分 配算力资源，提高算力利用率。 存储系统：采用分布式文件系统（如 Ceph）和 对象存储，总容量≥100PB，支持冷热数据分级存储。 分布式文件系统能够提供高性能的文件存储和访问服 员在非工作时间访问敏感医疗数据时，系统将自动触 发额外的身份验证流程，确保数据访问的安全性。同 时，采用安全多方计算（SMPC）技术，使多个参与 方能够在不泄露各自数据的情况下协同完成计算任务， 进一步保障数据在协同处理过程中的安全性。 四、数据治理方案 4.1 数据采集与整合 4.1.1 采集策略 制定详细的数据采集目录，明确各部门的数据提 供责任和数据格式要求。根据不同数据的特点和更新

算法的低空运营平台，具备飞行计划报备、路 径优化、动态空域管理、设备监控等功能，对接民航 UTMISS 系统实现合 规飞行。 应用服务层：聚焦智慧物流、医疗急救、安防巡检三大场景，通过无 人机高效执行任务；数据中台整合飞行数据、物资流转数据，为园区管理 提供决策支持，并开放 API 接口接入第三方服务。 三、建设内容与设备清单 3.1 核心设施配置 项目 技术参数 数量 单 价 （ 万 元） UTMISS 系统，实现飞行计划自动报备、审 批状态实时跟踪；支持多用户权限管理，保障数据安全。 AI 调度中枢：基于强化学习算法，动态规划最优飞行路径，避开禁飞 区与拥堵空域；支持多无人机协同作业，提升任务执行效率。 电子围栏系统：划定园区内禁飞区、限飞区，无人机超出边界时自动 触发返航或悬停，保障飞行安全。 能源监控平台：实时监测充电桩电压、电流、充电状态，预测设备故 障，支持远程运维与能源调度优化。 2 年 620 484.2 135.8 101.6 第 3 年 850 534.2 315.8 417.4 投资回收期 2.8 年（含建设期 6 个月） 六、实施进度计划 阶段 时间节点 关键任务 前期准备 2025.06-07 完成空域申报、设备采购招标、施工图纸设 计；与合作单位（美团、顺丰）签订协议 基建施工 2025.07-10 屋顶停机坪加固与建设、电力扩容改造、起 降平台及充电桩安装

大规模数据中心网络的关键技术之一。 22 4.2.2 网络级负载均衡技术 AI集群训练过程中，参数通过高速互联网络在不同的服务器间进行同步交互，这些通信 流量具有共同的特征：流量大且成周期性、流数量少，且并行任务间有强实时同步性要求， 通信效率取决于最慢的节点。上述的流量特征导致网络较易出现负载分担不均、整网吞吐下 降的问题，从而影响AI集群训练的性能。 当前网络均衡的主流技术有两种：流级负载均衡和逐包负载均衡（有些文献中也叫包喷 AI ECN 2.0技术 由于稀疏模型的兴起，网络拥塞成为影响模型训练的重要因素。引起拥塞的原因有： ALLTOALL类集合通信的接收端多打一；MOE多种并行类型并发时对网络通信带宽的争抢； 多任务混跑共交换设备上下行链路。 DCQCN是当前主流网络设备都支持的拥塞控制技术，华为在DCQCN基础上研发了AI ECN技术，动态调节ECN参数来实现动态无阻塞，被广泛应用在数据中心场景。 随着 统数据中心网络被视为“透明管道”，仅负责数据的转发与路由，所有计算任务均由服 务器端完成。而在大模型训练、分布式推理等高性能场景中，频繁的集合通信（如 AllReduce、AllGather）会产生大量中间数据传输，造成网络拥塞和端侧处理瓶颈。在网 计算通过在交换机或网卡中嵌入可编程处理单元，在数据流经网络设备时实时执行特定计算 任务。例如，在分布式训练中，多个GPU需将梯度数据汇总并平均，传统方式是将所有梯度

力弱、智慧能力差等问题，分为总站与分 站两级部署。 总站汇集和分析所有分站数据，提供整体态势感知、数据研判分析、预测预警和指挥调度等功能，统 筹执行跨区域、跨站协同查控任务； 分站支 撑 单站的人、车、物查控任务，主要提供分类引导、快速安检、拦截封控等功能。 站级查控应用 指挥调度 综合分析 日常管理 现场查控勤务 车辆 智能 拦截 车辆 人员 处置 工位 安检 核查 一车一档 巡逻机器人 执法记录仪 5G AR 眼 镜 网格巡区划分 巡防“必到点 / 线”标 注 AR 实景巡控 数据总览展示 警情 / 警力在线 巡控可视指挥 地图可视化展示 快速反应圈划分 巡防任务管理 巡防数据可视化 巡防考核管理 巡防实战指挥 巡防排名 抽查点名查岗 巡防轨迹核查 21 3.6 智慧安防小区管控 面向公安机关和社区物业提供小区安全监控服务。通过智能终端采集小区内的人、车、物等数据，上传 区 外 网 车辆数据 门禁数据 重点对象管理 数据可视化 监控点信息 人员登记信息 人员数据 档案管理 房屋数据 周界预警数据 数据统计分析 移动应用 预警管理 报警信息 任务管理 视频监控 车辆图片信息 人脸图片信息 设备数据 视 频 专 网 22 3.7 智慧内保管控 面向有内保需求的单位建立符合行业标准的智慧内保信息系统，依法采集单位内部相关基础数据和业

架，对大规模的新材料数据进行分布式处理和分析。Hadoop 通过 MapReduce 编程模型实现对海量数据的并行处理， 将数据处理任务分解为 Map 和 Reduce 两个阶段， 分别 在集群的多个节点上并行执行， 适用于大规模数据的离线 分 析任务 。例如， 在对新材料实验数据进行统计分析时， 利用 Hadoop 的 MapReduce 模型， 将数据分散到集群的 力学模拟软件（LAMMPS）、量子力学计算软件（Gaussian）、 有限元分析软件（ANSYS） 等 ，对新材料的结构 、性能 、制 备过程等进行模拟计算 。平台提供友好的用户界面， 方便研 发人员输入计算参数、提交计算任务，并实时跟踪计算进度。 计算完成后， 研发人员可以在平台上查看计算结果， 包括模 拟数据 、图表 、可视化模型等 。通过模拟计算， 研发人员 可 以在实验之前对新材料的性能进行预测， 优化实验方 提高研发效率。 联合研发 ：平台为科研机构 、高校和企业之间开展联合研发 项目提供全方位的支持和协作环境 。各方可以在平台上创建 联合研发项目， 邀请合作伙伴加入， 共同制定项目计划 、 分 配任务、共享数据和研究成果。平台提供实时沟通协作工 具， 如在线讨论区 、视频会议系统 、文档共享平台等， 方 便各方 人员进行交流和协作 。在联合研发过程中， 各方可 以实时共 享实验数据 、模拟计算结果