域核心服务共 性基础能力的 5 类标准件、实现数据采集和标准化转换的 2 个标准 化接口以及 1 个全流程工具库所组成，形成“5+2+1”共性基础能力 体系，以满足各类应用功能需求及时效性要求，分为边缘-区域-中心 三级云分层结构。 车路云一体化系统云控基础平台参考架构 10 图 1-2 云控基础平台功能架构 1.2 范围 本白皮书在《车路云一体化系统白皮书》定义基础上，综合运用 台进行合理分解与模块化设计，剖析车路云一体化系统云控基础平台 的整体功能逻辑架构，强化其核心组件的标准化与关联操作，克服数 据交互难题。整体功能逻辑架构的分析强调了网联车辆、路侧基础设 施、边缘云、区域云、相关支撑平台和第三方应用构成了一个高度互 联的信息生态网络。其中，边缘云依托边缘云一体化底座的网关、数 据高速缓存技术、标准化分级共享接口及融合感知、协同决策与协同 控制标准件实现车端和路侧数据接收、处理、融合感知、精准决策及 管控 区域云通过标准化分级共享接口、区域云一体化底座内的网关和数据 库以及一系列标准件，有效地吸收、整合来自支撑平台、边缘云及第 三方平台的数据资源。区域云融合感知标准件、协同决策标准件及交 通管控标准件依次接力，完成了对海量数据的深度挖掘、策略制定和 交通指令生成。区域云网关随后将这些关键信息回传至边缘云，选定 的融合感知、协同决策结果与管控指令通过标准化接口分享给第三方 车路云一体化系统云控基础平台参考架构

车辆识别管理应用 7. 数字识别应用 智慧工地解决方案设计原则 数据驱动，建立 大数据运营 标准化中台， 选单式应用 云边协同 软硬一体 新科技赋能新 运营模式 云边协同，软硬一体 云和边缘相结合，实现灵活的计算资源、网络资源的合理分配 建设智慧工地云柜标准化软硬件一体化产品，快速部署，多项目使用； 标准化中台，选单式应用 夯实智慧工地中台，建设好物联网平台、数据中台、业务中台、应用 门户 手机 app/ 小程序 智能大屏 智慧工地中台 技术中台 接入管理 设备管理 应用使能 数据管理 数据中台 业务中台 AI 原子算法库 AI 某省市 音视频管理 边缘设备管理 一体化 资源层 安全设备 网络交换机 UPS 制冷系统 服务器 共享存储空间 AI 算力单元 物联网平台 AI 云平台 智慧工地驾驶舱 应用管理 应用订购 计费结算 租户与权限管理 电需要，同时出现停电后也没 有备电机制  大多数边缘计算联动都是平台 侧执行，无法做到集数据采集、 策略应用设置、边缘计算、终 端联动一体化解决方案。无法 基于场景进行灵活选配相应联 动应用。 通信问题  目前多数成熟应用缺少无 线通信能力，无法实时将 数据回传，每个应用添加 独立的 DTU 实现数据回传 会额外加大建设成本。 边缘云柜解决工地场景痛点 算法 分析 LoRa

700M），约占全集团八分之一，占全省比例超 50%，5G 网络覆盖率达 96.2%，实 现全省县区以上连续覆盖。在打造 5G 精品专网的同时，广东移动设立大湾区创 新研究院，紧密结合网络、云、大数据、人工智能、安全、边缘计算、终端、区 块链（ABCDNETS）等多种技术，推动行业平台、产品、能力等研究全面体系化， 全面提升广东移动在垂直行业的信息化集成、行业产品能力。在网络安全方面， 广东移动积极推动实现技术 专网和网络安全建设需求，构造 一套适应于生产应用的高可靠性、高安全性的 5G 工业应用专网和泛终端安全接 入管控系统，助力古井在智慧制造的领域占据先机，为产业转型、质量提升提供 有力支撑。通过网络切片及边缘计算技术，在古井集团部署边缘 MEC 及本地应急 5GC 网络，为企业提供专属覆盖、网络定制、数据隔离、质量保证的基础连接网 络，实现适应不同应用需求的大带宽、低时延、安全可靠的数据传输，满足企业 生产、办公、管理等应用的通信服务需求。通过部署 工业互联网与安全技术，致力于解决企业在智能化转型中的网络连接和安全难题， 实现生产效率提升与业务创新。 1. 方案总体架构和主要内容 （1）方案总体架构 采用 5G+MEC 架构打造 5G 专网，通过网络切片及边缘计算技术，在集团部署 边缘 MEC 及本地应急 5GC 网络，为企业提供定制化基础连接网络，满足不同业务 场景的大带宽、低时延、安全可靠数据传输需求。 工业互联网安全解决方案案例汇编（2024） 46 图

动作分析 FPGA 加速 GPU 加速 平台 / 边缘云 5G 基站 5G 工业网 关 高清视频采集 5G+AI 视频监测类 场景与技术综述  实践：通过摄像头改为连接 5G 端计算网关，基于 5G 网络上行大带宽能力，将视频监控数据实时回传至边缘侧和中心侧 ，基于自主 研发的 AI 视频图像分析算法，对“人、车、物、场景”进行快速的检测 天窗清擦合 规性监测 发动机分装 合规性监测 5G+AI 视频监测类 应用实践 2 ：合规操作监测 通过摄像头改为连接 5G 端计算网关，基于 5G 网络上行大带宽能力，视 频数据实时回传至边缘计算服务器进行 AI 分析，为工厂提供人员安全行 为分析和实时预警手段 园区：安防监测 + 特征识别 物流：人车分流监测 5G+AI 安防成熟体系架构  基于 5G+AI 可以实时动态监控厂区、车间等场景特征，基于经验条 与 远 程 协 作 。  性能： 工人通过佩戴 AR 智能眼镜，实现 边参考边操作，提升新人上手速度 方案优势  多平台部署 ：支持公有云、私有云化部署  丰富的生态 ：集成边缘内容生态，可提供多种支持  功能 ：支持调取云端生产和设备信息， 实时工作过程指导，强制规范操作流 程，实时数据采集、分析、展示。  性能： 点检时间由十几分钟缩短至几 分钟，点检效率、问题溯源效率提升。

3.6. 跨网跨域融通 11 12 12 12 13 14 任务驱动式智能互联技术白皮书 01 概述 1 概述 随着“网络强国”、“数字中国”战略的深入推进，以 5G/5G-A、边缘计算、云计算为代表的新一 代信息技术正加速融入千行百业。中国移动端云互通网络作为承载多样化、高质量用云需求的关键 基础设施，已初步建成规模，通过人、车、家等泛在终端的智能连接，为用户提供了跨域访问、就 建难度进一步因“跨网、 跨域”需求升级而加剧。未来智能终端的交互将频繁涉及不同类型网络（5G/ 卫星 / 边缘网）、不同 管理域（运营商网络、公共网络与行业专用网）的互通，使得本就复杂的链路构建更添阻碍。 以跨区域山地 - 城市联合应急救援场景为例，一架负责空中侦查的无人机，在城市边缘时依托 5G 公 网通信，当飞至山区无 5G 覆盖区域，需自动切换至低轨卫星网络；以人 / 车 - 家互通场景为例，当 任务驱动式智能互联网络 4.3.2 终端态势感知 终端态势感知指通过5G网络赋能终端设备的多源环境感知与智能决策能力，利用机载传感器（LiDAR、 摄像头、IMU）、网络侧信道特征（如 5G-A 通感信号）及边缘算力融合处理，实现从“被动响应” 到“主动预判”的跨越。 低空无人机超视距作业场景要求终端实时感知空域气象突变、临时禁飞区动态及邻近无人机轨迹， 以规避碰撞与违规风险；车路协同自动驾驶场景中，

盖教学全流程，数据分析更精细，真正实现减负增效， 支撑教师精准教学与因材施教。数据安全是智能教育 的底线。通过云-边-端协同体系，学校可建立校本知识 库，实现数据可控、可管、可用。 具体措施包括边缘计算与本地部署确保核心数据不出 校，通过分级、脱敏和权限控制防泄露；建立AI伦理 审查，持续监控算法偏见与隐私，用数据提升效率。 未来教室将突破物理限制，成为无处不在的智能学习 环境。从学校到家庭、线上线下，所有场景均可被感 的幻觉问题。 数字孪生 为物理实体（如一间教室、一台发动机）创建的、可实时同步状态的动态虚拟模型，常用于虚 拟仿真与预测性维护。 边缘计算 在靠近数据源的物理位置（如录播主机、摄像头内）进行数据处理的计算模式，以降低延迟、 节省带宽、保障隐私。 端云协同 终端/边缘设备与云端数据中心协同工作的一种计算架构，各自承担最适合的任务，实现性能 与成本的最优化。 多模态 指能够处理和理解多种不同类型信 成本更低、操作更简便的普惠版智能装备。 更具创新性的是，可以探索云端共享的服务模式，如 在县域层面建立一个集中的、高性能的AI教育资源中 心（如VR化学实验室、AI音乐教室），区域内的薄弱 学校可以通过5G+边缘计算技术，以低成本、低延迟 的方式远程调用教育装备与服务。 第3章 第三章 宏观环境与发展驱动力 27 3.1 人工智能技术与教育的共振发展 AI基础阶段 深度学习 智能涌现 辅助教学

件的能力，可以实现软硬件深度协同优化，提升智算中心的性能和效率。电信运营商拥有覆盖全国甚至全球 的骨干网络和接入网络，这为智算中心互联提供了得天独厚的网络优势，可以为用户提供低延迟、高带宽的 连接服务，尤其是在边缘计算场景下更具优势。 AI的发展依靠算力、算法和数据。OpenAI在2020年提出Scaling Laws（尺度法则）。对于基于trans- former的大模型而言，在AI训练中有以下结论：1 的自愈与性能的自动调优，实现高可靠、智慧化的网络运维。 2.3 产业实践：运营商云网融合 vs 互联网巨头自研生态 电信运营商具备天然的网络基础设施优势，拥有覆盖全国乃至全球的光纤网络、数据传输通道以及边缘 计算节点。运营商智算中心和边缘计算的协同部署上更具灵活性和效率，能够更好地实现“云网融合”和 “算网一体”。互联网公司虽然也自建或租赁大量的网络资源，但其核心优势在于应用层和内容服务，网络 能力更多是为自身应 智算网络核心技术 19 中国电信智算建设重点规划“2+3+7+N+M”的智算布局，建设“中心集群+边缘DC”一体化的 AIDC，在内蒙古和贵州打造两个公共智算中心，在京津冀、长三角、粤港澳大湾区、成渝等地建设大型智算 中心和超算集群，重点承载AI训练、高性能计算等需求，在省会城市及重点地市部署边缘算力池，提供低时 延的推理算力，满足工业互联网、自动驾驶等场景需求，实现通算、智算、超算及量子计算融合发展。此

SOE SoC: 专用芯片，数字能源 PaaS, 保护测控自动化一体化。系统设计针对强实时性应用和 弱实 时性应用分类处理数据。 工程数据分析：物理模型、统计分析、边缘智能 底层系统：专用操作系统、通讯服务、实时数据库、 SOE 、 任务调度、能量调度、保护控制、数据存 储 物 理 广 泛 接 入 光伏 风电 氢能 生物质 API 公有云 / 私有云 / 混合云 / 数据机房 / 云边协同 华南理工大学 South China University of Technology 边缘智能、 物联代理、 双向互动 、 边缘计算、 自 由聚合 E 云 边 ( 数 字 能 源 终 ) ) 端 ( 能 源 实 构建基于电力物联网“云管边端 ” 的自动化技术架构，支撑海量 对 象接入 充分发挥“云一边”协同系统优 势 ， 充分消纳海量异构信息和业 务应用请求 构建边缘计算终端的分区自治机 制 ，实现采集数据实时处理和就 地分析 构建基于云原生技术的边缘计算 终端架构，实现终端功能软件定 义、业务应用快速部署 建立资源弹性分配机制，在不同 时空尺度满足各类业务应用的实

核心生产力。从海量数据处理到人工智能训练，从云端服务支撑到边缘场景落地，算 力基础设施的规模与复杂度呈指数级增长，其稳定运行与高效管理已成为关乎企业核 心竞争力与社会数字化进程的关键命题。在此背景下，传统 IT 运维模式面临着从硬件 设备到软件系统、从单一架构到多云环境、从被动响应到主动预防的全方位变革挑战， 亟需构建一套适配算力时代特征的系统化运维体系。 当前，算力基础设施正经历着通算、智算、边缘计算多态融合的发展阶段，高密 系四个维度搭建运维能力框 架；（4）质量评价指标体系章节提出科学的指标设计原则与分级模型；（5）未来展 望章节分析智能化、绿色化、模块化等前沿发展趋势；（6）典型场景实践章节通过通 算、智算、边缘算力三类案例展示运维体系的落地效果。​ - 2 - 算力时代的运维已不再是简单的设备管理，而是融合技术创新、管理科学与绿色 理念的综合性系统工程。我们相信，通过构建科学高效的算力运维体系，将有效提升 智算数据中心运维实践-**全液冷智能算力数据中心................................................................. - 64 - 6.3 边缘算力中心运维实践-**边缘机房...........................................................................................

的时代，如何突破发展瓶颈，实现高质量增长，成为摆在每个制造企业面前的必答题。 浙江锦华新材料股份有限公司（以下简称“锦华”）也曾面临类似的困境，管理基础薄弱，员工士 气低迷，在集团内部几乎被边缘化。然而，通过导入霍尼韦尔卓越运营体系，浙江锦华用六年时间 完成了令人瞩目的蜕变――营收增长 3 倍，人均效能提升近 4 倍，从后进单位跃升为行业标杆。 作为这一历程的参与者、亲历者，我深切感受 2017 年，锦华面临的内外部挑战日益严峻，主要体现在以下三个维度： 1.2 历史挑战与管理困境 1.1 企业概况与行业地位 管理基础 薄弱 员工士气低落与 经营困难 安全事故冲击与 集团边缘化 当时企业运营存在显著的提升空间，决策流程缺乏系统规范，部门间协 作机制尚未有效联动，导致部分工作推进存在不确定性。机动部门的职 能划分存在优化空间，多岗位职责交叉影响了决策效率。 临近 方面的提升空间。 2017 年，因急于追求盈利目标，锦华在管理层面出现疏漏，导致一起 严重安全事故，成为舆论焦点。此次事故造成直接经济损失，也让原本 在集团内部形象不佳的锦华处境更为艰难，几乎处于被边缘化状态，甚 至一度被列为“表现欠佳的二级单位”。这次事故犹如一记警钟，让管 理层深刻意识到：缺乏系统的管理体系，企业将难以实现长期可持续发展。 * 数据出处：锦华卓越运营管理报告 第一章