�N����7� �����0 ��� 大模型赋能智慧城市建设的路径与策略研究 魏天呈 郭真 杨云龙 (中国联合网络通信有限公司智能城市研究院,北京 100080) 摘要:近年来,人工智能技术特别是大模型(Large Language Models, LLMs)的突破性进展,正深刻重塑 全球产业格局和社会治理模式。 作为新一轮科技革命和产业变革的核心驱动力,大模型凭借其强大的 关键词:大模型;智慧城市;数据要素;城市治理 中图分类号:F49;F299. 2;TP18 文献标志码:A 引用格式:魏天呈, 郭真, 杨云龙 . 大模型赋能智慧城市建设的路径与策略研究[J]. 信息通信技术与 政策, 2025,51(8):91-96. DOI:10. 12267/ j. issn. 2096-5931. 2025. 08. 013 0 城市管理者和政策制定者提供“人工智能时代” 下大 模型城市赋能体系的建设思路,探讨大模型与智慧城 ·91· ���E�����0 市相结合的 3 种典型场景,提出未来智慧城市发展与 大模型结合的持续发展策略。 1 大模型的定义与核心特征 “大模型”是指基于海量多模态数据预训练、具有 巨量参数规模(通常在百亿至万亿级别) 的深度学习 模型,能够处理复杂语言理解与生成任务,并展现出强 大的泛化、推理和上下文学习能力。

...................................................................................... 76 4.3.2 访问控制机制................................................................................................. ...........................104 6. 交易策略开发与验证...........................................................................................................107 6.1 策略设计原则.................................. ..........................................................................................114 6.2 策略回测方法...............................................................................................

测 与 统计分析。 1 3 4 2  对全国碳排放权交易及相关活动 进行规定，包括碳排放配额分配和清 缴，碳排放权等级、交易、结算，温 室气体排放报告与核查等。  重点排放单位应当控制温室气体排 放，报告碳排放数据，清缴碳排 放配额，公开交易及相关活动信息， 并接受生态环境主管部门的监督管 理。 绿色建筑 碳排放 管理平台 智能运维  推进既有建筑节能改造 ，公区照明占 10% 左右，其他办公用电 占比 30% 以上。 大数据感知体系 策略执行体系 • 园区制冷采暖用能结构复杂，采用冷水 机组 + 地源热泵 + 锅炉（风盘 + 散热 器） + 多联机空调 + 单体空调。管理难 度大，用电消耗大，缺少统一的多源数 据监测管理 • 缺少以需定供的空调运行控制，节 能运行算法策略执行，满足正常办 公使用下提升用能效率、节约用电 以及降低碳排放 • 基于现有智能化基础，搭建园区低碳运营管理体系 基础配套硬件设施较为完备，双碳背景下园区运营服务管理需依靠智能化平台、技术及服务助力整体提档升级。 02 设 计 方 案 总体思路 低碳管理 （看的见、看得清） 低碳控制 （控得住） 低碳能源 （供得绿） 能碳双控，智能诊断 供需平衡，深度节能 主动减排，正向资产 低碳运维 （管得好） 数字员工，创新服务 节能降碳是一项复杂且精细的系统性工程，涉及

预期的承诺，包括但不限于数据的内容、使用者、使用方式、使用次数、使用范围、使用环境等。 使用控制 usage control 2 在数据的传输、存储、使用和销毁环节，通过集成在数据应用、算法和运行环境中的技术手段，确 保相关参与方按照数字合约约定的使用策略对数据进行分析、计算和处理等，实现对数据使用的时间、 地点、主体、行为和客体等因素的控制，从而保证对数据的使用符合预期。 数据资源 data resource 为厘清可信数据空间的内涵与外延，本小节从多个视角对可信数据空间的核心特征进行详细描述。 从技术组成角度，可信数据空间以数字合约、使用控制技术为核心，以数据跨主体流通使用的可信 （符合预期）为目标。通过数字合约技术描述特定参与方对数据内容、使用方式、使用次数等流通利用 行为的预期并达成共识；通过集成在特定软硬件环境中的使用控制技术对使用数据的算法、应用进行控 制和审计，实现对数据访问、分析、计算等行为的管控，保证数据的流通及使用过程及结果符合预期。 系统，支持数据提供方、数据使用方、数据服务方通过接入连接器提供数据、使用数据以及提供增值服 务，是依据数字合约执行使用控制的系统载体。 从生态关系的逻辑角度，可信数据空间是在接入连接器及服务平台上形成的数据流通要素和关系的 集合，包括：提供方、使用方、服务方等参与主体，数据、算法、服务等空间资源，策略、合约、法规 等共识规则。一套可信数据空间系统应支持构建多个逻辑的可信数据空间生态。不同的逻辑可信数据空

................ 21 8.6.2 可信交付协议与机制 ............................................... 22 8.6.3 服务质量控制 ..................................................... 22 8.7 数据价值评估与生命周期管理 ..................... 数据产品和服务 data product and service 基于数据加工形成的，可满足特定需求的数据加工品和数据服务。 3.13 数据资产 data asset 特定主体合法拥有或者控制的，能进行货币计量的，且能带来经济利益或社会效益的数据 资源。 3.14 数据处理 data processing 数据操作的系统执行，以实现特定目的的数据收集、存储、使用、加工、传输、提供、公开、 可信、不可篡改、可追溯等特性，主要用于解决数据流通过程中的信任和安全问题。 3.27 使用控制 usage control 指在数据的传输、存储、使用和销毁环节采用技术手段进行控制，如通过智能合约技术，将 数据权益主体的数据使用控制意愿转化为可机读处理的智能合约条款，解决数据可控的前置性 问题，实现对数据资产使用的时间、地点、主体、行为和客体等因素的控制。 TDSA/A-001-2025 6 3.28

4.1 身份认证机制.............................................................................46 3.4.2 访问控制策略.............................................................................48 4. 数据治理框架........ 数据生命周期管理..............................................................................58 4.2.1 数据采集与存储策略..................................................................60 4.2.2 数据更新与删除协议.............. ...................................................................................105 7.4 投资预算与成本控制........................................................................107 8. 运营与维护..............

.......................................39 3.2 路径规划与控制算法...........................................................................41 3.2.1 碰撞避免策略..................................................... 术、交通流量预测与优化、公共交通资源分配等方面。例如，智能 交通信号控制系统利用 AI 算法，能根据实时流量数据自动调整信 号灯周期，大幅减轻交通拥堵情况。根据相关统计，采用智能交通 管理系统后，城市的平均行车速度可提升 15-25%，交通事故发生 率降低 10%-25%。 具体的应用方案可以包括以下几个方面： 1. 智能交通信号控制：通过安装摄像头和传感器收集道路上车辆 的实时数据，利用机器学习算法，进行交通流量的分析和预 的实时数据，利用机器学习算法，进行交通流量的分析和预 测，从而自动调整信号控制策略。 2. 自动驾驶汽车的推广：结合 AI 技术，通过传感器数据和地图 信息，开发自动驾驶车辆，不仅可以减少人工驾驶带来的安全 隐患，还能优化城市的道路使用效率。未来，逐步推进与公共 交通结合的项目，让自动驾驶车辆作为接驳车，提升公共交通 的便利性。 3. 交通流量预测系统：利用深度学习模型分析历史和实时交通数 据，预测短

计划明确推进企业、行业、城市、个人、跨境五类可 信数据空间建设，可信数据空间建设目前还处于发展 初期面临诸多堵点问题与挑战： · 挑战一、数据供给意愿不足 ① 权属不清与价值分配难：数据产权界定模糊，数 据供给方担心共享后失去控制权或收益被稀释。例 如，担忧数据泄露导致核心竞争力丧失； ② 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 Data science Data warehouse ETL · 缺少统一权限管理，合规管控复杂度高：异构元 数据管理多重权限体系叠加、审计日志分散，满足 统一 IAM 策略、统一审计的技术成本高、漏洞风险 大。 ② 缺少云边端一体化管理，中心训练 -> 边缘推理纵 向数据供给不足： · 云边端数据孤岛导致语料碎片化：大量高价值行 业数据（工业设备、医疗检测、城市治理监测）滞留 击风险，攻击者可以伪造证书截获明文数据。另一方 面，跨域管控机制缺失，导致数据跨域流通时不能及 时阻断数据截取行为，导致数据泄露事件。 · 数据权限策略不可控。多系统权限孤岛与多角色 协同失效，导致多系统（如标注平台、训练集群、推 理 API）权限策略不互通；权限粒度与效率的冲突， 导致 “ 过细管控 按数据字段或操作步骤分权（如 ABAC 模型）， ” 导致审批流程冗长，拖累治理效率 ；过粗管

——工信部产业发展促进中心智能电网与装备专委会主任、国家智能电网重大专项（2030）项目责任专家 刘建明 在电力行业，韧性数据中心发挥着举足轻重的作用。作为关键基础设施，电力系统高度依赖于持续的数据支 撑和完整可靠的控制系统。而韧性数据中心不仅能够保障电网的稳定运行，还能够支撑实时荷载管理、故障 检测，在各类突发情况下实现快速恢复，从而增强电网稳定性、预防停电事故、加强网络安全防护、确保运 营合规。随着可再生能 具备韧性基础能力，已完成基础安全防护，关 键 领 域 具 备 冗 余 设 计 ， 恢 复 能 力 可 达 小 时 级，但对故障仍被动防御。具体表现为：建立 基础责任部门；基本明确责任主体；设立基础 流程（资源扩容、事件响应、安全策略等）； 审批以手工为主。 DRMM L1：被动应对 韧性核心域能力缺乏，无弹性、故障恢复能力 以天计、故障率高。具体表现为：无基础责任 部门、无责任主体、依赖个体能力、无流程、 临时应急性处理。 约束。在逻辑层，数据中心以通用分层领域为 基础增加韧性的视角，实现四大核心能力的虚 拟 子 系 统 、 与 应 用 系 统 密 切 配 合 ； 在 物 理 层，则确定韧性DC布局、韧性DC模块层 次、购买或自建的策略、接口集成规范。企业 DC架构提供业务、应用与DC间对齐环境，实 现跨组织、跨领域协同，以及韧性DC四大核 心能力与DC通用能力间、DC四个核心能力之 间的有机关联。 ·智能演进机制：组织迭代进化、渐进流程优