电力设备运维专家问答算法 驴 世速且 忙 ca 11737 s ou 面向电力场景的大模型边缘计算技术开发 大量电力设备终端互联 更高的数据安全要求 场景边缘 计算要求 多种传感器数据协同处理 更快的响应要求 要求 电力大模型推理加速技术 技术体系 国产边缘计算设备推理框架 基于国产计算设备的电力大模型训练技术开发 HYGON 国产计算 设备 海 专业性要求高 要求 基于国产计算设备与电力大模型应用要求开发针对性的高效训练算法 电力通用大模型的开发需要基于国产计算集群开展软硬件协同优化，满足电力大模型的应用要求； 电力场景需要基于边缘计算的大模型部署方法，亟需开发相应的应用技术。 开发基于国产硬件设备搭建电力大模型应用体系 12/42 背景 4—— 自研电力大模型意义重大 ( 应用层 面 ) 真实电力场景部署应用 电力大模型轻量化技术 持 分 混合立体并行训练方案 2 模型构建：电力通用大模型研发 多模态数据统一编码器 电力通用大模型 4 部署应用：电力大模型轻量化与边缘计算部 署 实 时 交 互 模 块 检 素 增 强 模 块 工 具 调 用 模 块 模 态 对 齐 模 块 - 提供 部署 模型 提供模型 数据去重 敏感词去除 有兹督训练 人类偏好对齐

制造业数字化转型方法论参考架构：价值视角 （二）技术视角 技术视角是工业互联网平台建设的重要内容，基于工业 互联网平台开展企业数字化转型，需要我们回答究竟建设什 么样的工业互联网平台。从技术视角看， 工业互联网平台包 括边缘层、 IaaS 、工业 PaaS 和工业 APP ，本质上是构建 “数 据 + 算力 + 模型 + 应用”的整体解决方案，提供描述、诊 断、预 测、决策不同应用深度的服务。 联网平台的价值究竟是什么。从价值视角看，工业互联网平 该部分内容主要回答每个细分行业落地的整体解决方 案是什么？数字转型，重在实施。制造企业开展数字化转 型，除了在战略、组织、意识等方面需要转型之外，也需 要在实施层面有明确的“施工图”。本白皮书从边缘层、 PaaS 层、应用层等方面的具体技术细节入手，给出了每个 细分行业工业互联网平台落地应用的整体解决方案，确保 抓准行业数字化转型的着力点。 ix 目 录 一、钢铁行业 ....................... 71 10.3 推进应用场景落地的着力点...................................... 72 10.3.1 聚焦边缘数据，打造高效边云协同体系........... 72 10.3.2 聚焦模型开发，强化机理模型供给能力........... 72 VII 10.3.3 聚焦应用场景，深化解决方案应用推广

弹性IP 应用层弹性 AI for 弹性 弹性 for AI 平台层弹性 K8S弹性 业务中台弹性 Infra基础设施层弹性 网络弹性 计算弹性 存储弹性 布局弹性 制冷弹性 供电弹性 中心 边缘 终端 图 3 - 4 9 数 据 中 心 弹 性 分 层 安全的本质是持续对抗，其核心是攻击成本与防御 收益的博弈。组织应首先明确“业务安全目标”， 并以“ 保障业务确定性 ”为基本原则，采用“ AI时代（2020年至今）：应用层弹性向智能化跃 迁，机器学习算法赋予弹性“预测 - 决策 - 执行” 闭环能力。例如，自动驾驶数据中心通过LSTM神 经网络预测车路协同业务的流量波峰，提前30分钟 自动扩容边缘节点的AI推理容器，使障碍物识别延 迟从120ms降至45ms。AI弹性突破“被动响应” 局限，通过联邦学习整合跨域数据，结合强化学习 动态优化资源分配策略。 内生三层弹性并非替代关系，而是形成“AI驱动应 数据中心外延弹性通过“中心-边缘-终端”三级架 构的协同联动，构建起跨地域限制的全域资源调度 网络。实现跨数据中心横向协同与“中心-边缘”纵 向协同的数据分层处理与按需流动： 终端：如智能手机、工业传感器、智能摄像头等设 备实时产生海量数据。这些数据依据实时性、敏感 性和计算复杂度被分类处理，对于低延迟要求的业 务，终端数据直接传输至就近的边缘节点。 边缘：作为数据处理的“前哨站”，承担数据过

Ⓒ中国电信版权所有 满足单载波速率 400Gb/s 及更高的传输系统部署要求。 城域光缆网打破行政区域组网限制，相邻地市间实现跨县镇就近 光缆互通，城域多层结构逐渐加密网格，以满足城域网扁平化和边缘 下沉的需求。 针对新型光纤光缆，对低时延要求高的线路按需引入空芯光纤； 共建共享、管道资源稀缺等场景下，逐步推进大芯数光纤光缆应用； 在数据中心内部互联和海洋光缆传输等特殊应用场景，关注空分复用 城域光纤通信网目标架构的实现，在技术上主要依托低成本波分 复用技术、全光组网技术、城域光传送网（M-OTN）/OSU 技术，以 接入层 M2 乡镇机房/ 综合业务接入点 M3 一般机楼/ 深边缘DC/ AIDC M4 核心机房/ 浅边缘DC/ AIDC FOADM/ROADM /OTN ROADM/OTN ROADM/OTN 核心汇聚层 CO 地面接收站 4G/5G/6G 政企 P2MP 中小企业 具备泛在互联、确定性承载、高度智能化能力的通信基础设施，实现 企业信息网、工业控制网、设备连接网多子网的一网承载。 图 7 工业 PON 光网络目标架构 设备形态：具备算力和边缘工业应用的新型 OLT 和光网络单元 （ONU）设备，支持边缘算力、网络终端、软件化可编程逻辑控制器 （PLC）一体化集成，实现单节点集约赋能。 网络通信：面向智能制造中多源异构大数据的确定性传输需求， 基于多级协同的确

管 社 会 治 安 防 控 智 慧 党 建 咨 询 规 划 运 营 支 撑 使能中台（ Enabler@ONE ） （场景 AI 、视觉中枢、数字 孪 生、城市边缘计算） 汇聚中台（ Fusion@ONE) （业务融合、行业赋能、接口统一、云边协同） 数据中台（ Data@ONE ） （数据汇聚、管理、服务；数据智能） 5G 5G 井盖、 5G 灯杆、 5G 无人机、 5G 执法仪、 5G 可穿戴设备…… 应用层 平台层 基础设施 使能中台（ Enabler@ONE ） （场景 AI 、视觉中枢、数字 孪 生、城市边缘计算） 汇聚中台（ Fusion@ONE) （业务融合、行业赋能、接口统一、云边协同） 数据中台（ Data@ONE ） （数据汇聚、管理、服务；数据智能） 2.2 智慧城市运营中 井盖、 5G 灯杆、 5G 无人机、 5G 执法仪、 5G 可穿戴设备 …… 应用层 平 台 层 基础 设施 使能中台（ Enabler@ONE ） （场景 AI 、视觉中枢、数字 孪 生、城市边缘计算） 汇聚中台（ Fusion@ONE) （业务融合、行业赋能、接口统一、云边协同） 数据中台（ Data@ONE ） （数据汇聚、管理、服务；数据智能） 智慧 综合治理 大型活动

18 26.数据泄露事件的应急响应流程与合规要求？ 19 27.可信数据空间中数据安全风险评估的频率与内容？ 20 28.数据安全管理体系的认证标准（如等保2.0）如何应用？ 21 29.边缘数据在可信数据空间中的安全合规要点？ 21 30.可信数据空间中数据安全事件的报告义务与流程？ 22 四、技术标准类 23 31.可信数据空间的主要国家标准（如GB/T系列）有哪些？ 23 32 更新体系，确保合规性与防护能力同步提升。简言之，等保2.0的应 用不是“一次性达标”，而是以等级划分为基础，通过双轮驱动实现 从“被动合规”到“主动防御”的转变，最终保障数据安全与业务连续 性。 边缘数据在可信数据空间中的安全合规要点？ 29. 边缘数据因分布分散、实时性强、多源异构的特性，在可信数据空 间中需围绕“安全防护-合规适配-可信协作”构建核心要点。首先， 覆盖数据全生命周期安全：采集阶段通过匿名化、差分隐私减少原 （覆盖来源、流转、 处理），符合GDPR、《数据安全法》等关于数据主权、隐私保护的 规定。再者，边缘设备安全是基础：用零信任机制持续验证设备身 份，强化固件签名更新与漏洞管理，防范物理/远程攻击导致的数据 泄露。此外，跨域协作需建统一信任机制（如联盟链证书、TEE可信 执行环境），明确边缘节点、云平台、企业等多主体的共享权限与 责任边界。最后，配套实时监控与审计体系，动态监测数据流转，

低空交通管理系统建设工程 1. 系统架构设计 1. 采用 “云 - 边 - 端” 协同架构，建设全国统一的低空交通管 理云平台，部署飞行计划管理、空域管理、流量管理、安 全监控等核心模块。在边缘节点（如飞行服务站、机场） 部署边缘计算设备，实现数据的本地化处理与快速响应。 2. 开发适配不同类型低空飞行器的终端应用，支持飞行计划 申报、航路规划、冲突告警等功能，确保飞行器与管理系 统的实时交互。 2

最优的价格，优质的平台，优质的资料 欢迎加入我们团队精心创建的知识星球社群 智慧园区 集成使能 应用使能 应用集成平台 物联网平台 智能边缘服务 三维建模服务 ROMA IOT IEF BIM+3D GIS 4. 智能动态展示工地过去、现在、未来，趋势分析、预测、模拟等 · 云化 + 服务化 1. 公共能力平台化服务 2. 节省成本：边云协同架构实现视频安防云化和端侧应用统一管理，实现云端运维，减少边缘节点的运维成本投入 3. 资源弹性，按需取用，全国工地就近接入 · 标准、开放性 1. 平台 + 生态，应用敏捷开发 2. 兼容主流开源生态 3. 工地多样异构系统接入 安全施工 工地响应时间由

实时监控、分析和优化管理，从而有效解决交通拥堵、事故频发和 环境污染等问题。 首先，智能交通管理系统通过布设在城市各主要交通路口和道 路上的传感器和摄像头，实时采集交通流量、车速、路况等数据。 这些数据通过边缘计算或云计算进行处理，迅速生成交通状态报 告。这一过程中的数据应用包括流量预测、交通密度分析和异常情 况监测等。 接着，系统结合历史数据和实时数据，运用机器学习算法对交 通模式进行分析，预测未来的交通流量和可能出现的拥堵点。这种 变化 的交通环境。 这样的交通预测分析系统不仅能够提前识别潜在的拥堵情况， 指导交通疏导和指挥，还能够为城市规划、公共交通调度提供可靠 的决策支持。随着技术的不断发展，结合大数据、人工智能和边缘 计算，交通预测分析的准确性和实时性将不断增强，为实现智能交 通管理提供更为坚实的基础。 2.3.1 数据收集与处理 在智能交通管理系统中，数据收集与处理是交通预测分析的基 础环节。为了实 接下来，采集到的图像数据经过图像处理算法进行实时分析。 这一过程通常包括以下几个关键步骤： 1. 图像预处理：包括噪声去除、对比度增强和图像校正等，以提 高后续分析的准确性。 2. 特征提取：利用边缘检测、角点检测等方法，从图像中提取出 具有重要性的信息特征，这些特征将对后续的目标检测和识别 至关重要。 3. 目标识别和分类：通过深度学习模型，例如卷积神经网络 （CNN），将提取到的特征输入模型，进行目标的识别和分

、类型、宽 度、坡度和曲率等车道信息。第二类是车道周边的固定对象信息， 152 比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物 及其他道路细节，还包括高架物体、防护栏、数目、道路边缘类型、 路边地标等基础设施信息。支持路网台账服务包括提供道路编号、 道路名称、道路长度、道路宽度、功能等级、道路类型等信息。支 持辖区和区域划分。 6.1.2.2.1数据采集服务 在建设范 系统架构 按照统一数据接口和协议标准完成数据对接，应符合集成平台、 交通大脑接口要求及数据要求。 图 项目建设方案-40 系统架构图 210 第一层为路侧设备层：由各类摄像机、雷视融合一体机、边缘计 算工控机、信号机等设备构成，本次将会复用建设的标准化路口设 备。 第二层为数据引擎层：负责数据标定、雷视等多源数据融合、算 法指标模型、事件识别、数据诊断分析等。 第三层为平台应用层：①综合诊断分析：信控配时诊断、交通状 交通信号控制机》标准要求。 6.5.1.4.2物联边缘网关 1）功能参数 （1）网关由底板、核心板、物联网集中器模块三部分组成； （2）支持系统内温度检测； （3）支持掉电检测；支持插紧检测； （4）支持电源、运行、业务指示灯； （5）物联网集中器支持自动低功耗控制技术，支持 4 级 QoS， 支持数据分段、重组、重传；支持数据加解密； （6）采用边缘计算，支持毫秒级的数据实时分析、事件实时响