合规成本高：数据分级分类标准不统一，敏感数 据（如医疗、金融）脱敏处理需专业团队，数据供给 方难以承担人力与资金成本。 · 挑战二、数据流通效率低 ① 跨域系统数据协议不统一：政府、企业、行业数 据分散在异构应用系统中，数据结构、接口标准不统 一，跨域流通效率低； ② 安全与实时性矛 “ 盾：为满足 数据不出域、可用不可 ” 见 安全要求，隐私计算（如多方计算、同态加密、联 合分析）导致计算性能延迟增加 3、数据空间与 AI 协同发展的关键挑战 在当前数智化转型加速的时代，数据与人工智能的协同创新成为推动各行业数字化、智能化升级的引擎。然而， 这 “ ” 一融合过程中面临多重挑战， 数据壁垒、隐私合规、技术异构性、信任机制不透明 成为数据 驱动 AI 创新的关键 瓶颈，Data+AI “ ” 协同创新存在 三不可 的核心挑战。 3.1 挑战一、数据 AI 不可见 图 5 数据湖仓的架构演进发展历程 新要求，因 此 Data For AI 用数核心诉求是让全量数 “ 据 AI 看得 ” 见 。 · 多形态异构技术体系，跨系统数据 AI 不可见 当前模型训练 / 推理数据涉及多主体、多云、多业务 系统间的数据集成与数据汇聚，由于多主体大数据 平台建设采用异构技术平台、不同元数据管理、独 立数据接口标准，导致跨主体跨域间数据无法高效 流通、无法高效发现、汇聚、治理、加工、访问与检

年报告，全球顶级对冲基金中已有 78%将深度学习纳入核心 交易策略，其资产管理规模年均增长率达 23%，显著超越传统量化 基金表现。这一趋势背后是 AI 技术在处理高维非线性市场数据时 的独特优势：通过实时分析海量异构数据（包括行情数据、新闻舆 情、卫星图像等），AI 系统能够发现人工难以捕捉的微观市场规 律，并在毫秒级响应时间内完成交易决策。 当前 AI 量化交易系统的核心价值体现在三个维度：  风险 的动态学习能力相结合，通过数据驱动的方式捕捉市 场非线性规律，实现收益优化和风险控制。典型的 AI 量化交易系 统包含数据层、算法层、交易层三大模块，形成从市场信号识别到 订单执行的闭环。 数据层负责处理多源异构金融数据，包括：  结构化数据：交易所高频行情（1 分钟级 Tick 数据）、基本面 指标（PE、ROE 等）、宏观数据（CPI、利率等）  非结构化数据：财经新闻文本、社交媒体舆情、卫星遥感图像 保护措施。 2.2 AI 在量化交易中的应用 在量化交易领域，AI 技术的应用已从辅助决策发展为驱动交易 策略的核心引擎。其核心价值在于通过机器学习、深度学习及自然 语言处理等技术，实现对海量异构数据的高效挖掘与动态建模，从 而提升策略的适应性与收益稳定性。以下是 AI 在量化交易中的典 型应用场景与技术实现路径： 数据预处理与特征工程 AI 通过自动化特征提取与降维技术处理金融数据的非线性和高噪声

空调、照明等主要设备 是 窗墙材料 否 建筑年龄 否 用能行为 运 行时 刻表 是 冬夏、工作 / 节假日差异 是 电网侧 全市用电负荷曲线 是 实时电价 是 需求响应电价 是 多元 - 海量 - 异构数据融合的关键技术 研发平台和模型的第一步：需要什么数据 ? 能否获得 ? du ArcGIS 图像处理 + 地图信 息 A) 厘清建模所需数据与可获得性 收集答案 + 抽样验 证 + 数据集导 入 一建筑高度 建筑投影面积 一建筑外观形态 一建筑功能分类 一建筑年代 住宅 3 类 公共服务 商业 办公 工业 交 通 多元 - 海量 - 异构数据融合为“ 一张图” 8 地理空间与负荷仿真耦合的关键技术 全国约 4000 万城市建筑，厦门约 4.5 万个建筑，全流程自主化、自动 化 Data/Tim EnergyPlus 高保真的能耗仿

山西焦煤、蒙 草集团 航空 航天 研发周期长 产品种类多、 规模小 产业链特别长 数据源不统一 模型适配性不足 故障预测水平有 待提升 研发设计由串行异构 到并行协同转变 生产制造由以数映物 到数物融合转变 生产管理由单点对接 到动态调整转变 运维服务由定期维护 到视情维护转变 基于 MBD 的研发 设 计 基于 CPS 基于大数据分析的 供应链管理 基于 PHM 的运营 维 护 商飞、西飞 船舶 零件数量级大 生命周期长 资本投入大 技术要求高等 接单难 交船难 融资难 研发设计由串行异构 向并行协同转变 生产制造由数字化向 智能化转变 供应链管理由重经验 向重需求转变 盈利模式由卖产品向 卖服务转变 基于三维模型的协 同设计 基于 CPS 的智能制 ..................... 24 4.1 航空航天行业数字化转型趋势.................................... 24 4.1.1 研发设计由串行异构向并行协同转变................. 24 4.1.2 生产制造由以数映物向数物融合转变................. 25 4.1.3 生产管理由单点对接向动态调整转变..

突出功能特性，选择更重要、更具代表性的技术，并不以全面性覆盖为规范目的。 11.2.1 资源交互技术 主要包含数据资源识别、数据资源目录、数据资源处理、数据资源交互等数据的标准化互通 技术，确保异构数据资源的可信识别与高效交互。 11.2.1.1 数据资源识别 ——数据认证技术：通过数字签名、哈希校验或权威机构核验等手段，确保数据来源真 实、内容完整且未被篡改的技术，为数据可信流通提供身份和完整性证明。 可访问性。 ——语义发现技术：融合自然语言处理、多模态数据处理技术，通过语义规范体系实现数 据内涵解构与上下文建模，实现智能搜索和关联发现。 ——语义转换技术：通过映射规则、标准化协议，将异构数据转换为目标格式或结构，并 保持语义一致性、数据完整性和上下文关联，实现不同来源和不同类型数据的智能索引、关联 和发现。 11.2.1.2 数据资源目录 ——数据资源索引技术：通过构建多 虚拟化或流式处理等技术，将分散在不同系统、格式和协议中的数据进行抽取、转换和加载， 宜提供编程和调试环境、可视化工作流程设计器、多人在线协同开发、跨项目开发、本地数据 上传、文件版本控制等功能，实现多源异构数据的统一访问与分析，提升数据利用效率。 ——数据存储技术：利用分布式文件系统、云存储或时序数据库等方案，对结构化、半结 构化和非结构化数据进行高效存储与管理，确保数据高可用、可扩展和安全持久化，满足不同

韧性不是单点冗余，而是全局平衡。韧性不是将“零故障”作为不切实际的目标，而是让“恢复成为本能” 数据中心，一个典型的“开放的复杂巨系统” ·组件的多样性与异构性：数据中心集成成千 上万的服务器、网络设备、存储设备、电力与 冷却系统等，各组件来源多样、架构多样、协 议多样，形成高度异构的技术环境。 ·多维动态交互：数据中心必须同时支撑多租 户、多业务场景并发运行，资源调度、安全防 护、能效优化等要素高度耦合且实时变化。 中心容灾无缝调度，保障数据同步一致，处理异常 脏数据以确保数据完整性。 故障模拟与注入能力：支持通用场景（设备功能、 性能、容量等）及特化场景（多活策略、数据库、 中间件故障）注入，覆盖同构/异构环境。 自动化演练流程管理能力：故障自动感知、业务评 估、自动/人工决策；演练编排支持切换公告、备 份、预检、预验证等标准化流程；一键切换与回滚 提效，按灾难场景以优雅策略逐步恢复。 监控 0方案，通过总线安 全技术PCIPC（Peripheral Component Inter- connect Privacy Control）可以将xPU安全接入 CPU侧可信执行环境，从而实现AI异构算力场景下 的机密计算能力。与此同时，为了保证超节点AI训 练过程中的安全，华为以灵衢总线安全模式为基 础，将推出机密计算3.0+方案，在AI集群计算场景 下，可通过灵衢总线安全模式连接多个CPU内的机

EPS 大模型训练要求。 口奠定数据驱动 - 知识引导 - 算法增强的关键技术路径。 难点 ■ 电网数据规模大，维度多，单一维度难 以精确描述电网全貌，融合转换是实现 数据驱动的基础 异构数据高维表征 电力系统高维向量表征 ( 数字传感系统 ) 电气量 电气节 气象观 测值 点属性 测值 地理 节点位 图结构 位置 置编码 编码 GRID 42 高并发实时轻量化推理技术 大模型量化与剪枝蒸馏技术 基于轻量化算子的模型框架加速技术 基于异构算力硬件资源的加速推理技术 算子友好性 算子计算简化 推 理 效 率 提 升 口提出电力系统时空融合的自掩码、自监督预训练方法。 口提出异构算力轻量化加速方法。 时空掩码 时空重建 自监督大模型 预训练

[7] 的特点,能够跨 越传统信息化系统的边界,深度赋能城市治理、经济活 动和公共服务。 大模型赋能智慧城市建设的必要性主 要体现在以下 4 方面。 2. 1 破解复杂治理难题 智慧城市面临海量异构数据、多元主体诉求和瞬 息万变的事件,传统规则引擎和浅层人工智能难以有 效处理。 大模型强大的语义理解、信息抽取、逻辑推理 和知识关联能力,为精准感知城市态势、智能研判风 险、科学辅助决策提供了前所未有的技术支撑。 实现材料自动审核、表单智能填充,材 料审核效率提升 80%,办件登记效率提高 5 倍。 二是城市运行“一网统管”:大模型可融合分析来 自物联网传感器、视频监控、社交媒体、12345 热线等 的多源异构数据,实现对城市运行状态(如交通拥堵、 市容环境、安全隐患)的实时、全面、深度感知。 智能派 单系统可基于大模型理解事件描述并精准匹配处置部 门和资源,提升事件处置效率。 例如,安徽省肥西县城

一站式平台，一个 DataArts Studio 平台 即可完成数据全生命周期的开发治理工作， 加速传统数据治理流程 7 倍以上  数据湖统一管理：单平台统一接入多种数 据源，支持 30+ 同构 / 异构数据源和华为 云各类基础数据服务  支持模型资产沉淀，构筑行业知识库，通 过模板一键导入导出能力复用数据资产和 模型，将原有 1 个月的数据建模工作缩短 到 1 天以内  支持公有云、混合云部署，灵活支持客户

SCADA …… …… - 26 - 在生产设备互联的基础上，打通各信息系统，实现集团的智能工段、智能车间，最终走向智能智能 工厂和智能制造 传感器 PLC 第三方 OPC 数据库 SCADA 异构设备互联及管理平台 工段 车间 工厂 质检 技术 计划 工装 设计 工艺 生产 物资 提质增效 目标 车间 A 监测分析中心 总体监测分析中心 车间 B 监测分析中心 BOM BOM 2022.1 协同 管理 数字化营销服务平台二期 补课 创新 基础 支撑 总部、锅炉、动装试点实施 MDM ESB 数据中心扩容、灾备及私有云建设 外部门户整合 电机、国际、佳电的异构平台 统一 HR ：薪酬、绩效、考勤 HR ：招聘、培训、员工自助 财务合并 财务共享 全面预算 税务管理 供应商关系 管理 档案管理 法务管理 科研项目管 理 审计管理 OA ：锅炉、