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 引言 在《国务院关于印发新一代人工智能发展规划的 通知》进一步明确将大模型列为重点发展方向后 大数据价值未得到 深度挖掘,严重制约了智慧城市建设水平。 本文通过剖析大模型赋能智慧城市的必要性,为 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)

T PPI^H HTI |BES32®aa uaruw» — 鲁VnAtai i^ S.T :nunwz ».n.- im sjiHflun ■ OEgHpHRpc. 5.T.,嚅 瞿 舞91 ■> 4JA«HM« x -f^nn^W 4^n riH；M调 系统分折 数据分析 — 丨甲 LJ_ &!1 c ■fr BB&A. m^mm. ^wmm. « L5SBH + omi^ufianamKnmMssn

地面积紧张，因此风电不适于在园区大规模发展。以煤矸石或余热为能源输入的 机组，受限于园区主导产业类型，通常适用于化工为主导的特定园区。此外，由 于整体煤气化联合循环机组具有投资成本较高和可靠性较低的特点[91]，其适用 性低于天然气联合循环机组。 图 4-3 园区能源基础设施温室气体减排主要技术 4.2 工业园区能源基础设施存量特征与环境影响 4.2.1 园区能源基础的结构特征呈“大少小多”特征 作为适配机组贡献了绝大部 分环境效益。举例而言，综合情景下 0~30 MW、30~60 MW 和 120~200 MW 的 减排适配机组总计贡献了全部温室气体减排量、淡水节约量、二氧化硫减排量和 氮氧化物减排量的 91%、82%、89%和 86%。在单一技术情景中，M3 情景通过 将抽凝/纯凝汽轮机改造为背压汽轮机，显著提升机组能源效率，具有最大的温 室气体减排潜力。温室气体减排技术与淡水节约、二氧化硫减排和氮氧化物减排 低排放和节能改造工作方案》的通知 [EB/OL]. 2015. http://www.mee.gov.cn/gkml/hbb/bwj/201512/t20151215_319170.htm. [91] Liu H, Ni W, Li Z, et al. Strategic thinking on IGCC development in China [J]. Energy Policy, 2008

PE 2025E 2026E 2027E 2025E 2026E 2027E 300212.SZ 易华录 146 -0.97 1.61 3.94 -151 91 37 002609.SZ 捷顺科技 63 1.61 2.16 2.93 39 29 21 002236.SZ 大华股份 638 36.70 39.05 44.48

？ 63 88.数据跨境交易的合规流程与安全评估？ 64 89.数据流通的税务合规（如增值税、所得税）？ 65 90.数据流通争议的解决机制（如调解、仲裁）？ 65 十、风险防控类 66 91.可信数据空间的风险识别框架与维度？ 66 92.数据合规风险的评估方法（如定性/定量）？ 67 93.风险预警的技术实现（如AI监测、阈值触发）？ 67 94.风险处置的流程合规（如分级响应、记录）？ 讼的冗长与信息泄 露风险，调解与仲裁更贴合数据流通对“高效、保密、专业”的诉 求，是平衡数据利用与权益保护、维护数据生态稳定的关键工具。 十、风险防控类 可信数据空间的风险识别框架与维度？ 91. 可信数据空间的风险识别框架通常以“数据全生命周期覆盖+关键信 任要素关联”为核心逻辑，构建矩阵式分析体系——以数据采集、传 输、存储、处理、共享、销毁的全流程为横轴，以技术、管理、法 律

........................................... 91 4.5.6 勤务管理考核 ........................................................................................... 91 4.5.6.1 需求概述 ............................. ................................................................ 91 4.5.6.2 数据需求 ............................................................................................. 92 4.5.6.3 接口开发需求 .....

英国 214 5.5% 3 四川大学 中国 107 2.8% 4 德国 212 5.5% 3 中国科学技术大学 中国 107 2.8% 5 韩国 155 4.0% 5 法国国家科学研究中心 法国 91 2.4% 6 西班牙 144 3.7% 6 北京大学 中国 72 1.9% 7 印度 142 3.7% 7 清华大学 中国 66 1.7% 8 日本 134 3.5% 8 国家可再生能源实验室 澳大利亚 109 4.1% 7 马普学会 德国 46 1.7% 8 新加坡 91 3.4% 8 斯坦福大学 美国 43 1.6% 9 法国 83 3.1% 8 中国科学技术大学 中国 43 1.6% 9 意大利 83 3.1% 8 武汉大学 中国 43 1.6% 1366 189 109 546 123 91 205 111 83 83 中国 韩国 英国 澳大利亚 法国 美国 印度

89 6.2 数据整合方法......................................................................................91 6.2.1 数据汇聚技术.............................................................................94 6.2.2

光模块/xPU/SSD 作业隐患预测 拓扑/负载/劣化 健康度评估 隐患消减与优化 韧性价值 Agentic AI运维 基础设施 精细化探针、多维KPI高精数据采集 韧性 DC 白皮书 91 90 一份给 CIO 规划建设数据中心的参考 在数据中心遭遇不可避免的业务影响类故障时，如 何实现业务的快速恢复、精准定位并高效修复故 障，已成为降低平均故障恢复时间（MTTR）的核 心环

交通大脑架构图 基础设施服务（IAAS):主要承载着交通运行所需的环境和业务框 架,主要提供弹性的物理虚拟化服务框架，同时结合大数据的业务调 度引擎，提升对上层应用的基础服务。扩容计算服务、存储服务、 91 网络服务能力。 平台服务(PAAS):整合大数据基础平台中业务生态组件、大数据 组件与运维支撑平台，结合智能引擎，提供应用程序的运行环境以 及相应的信息处理能力，实现应用程序的自动部署和运行。新增高 白欣路-驿贸街 32 大学城中路-尚贤路 88 驿贸街-白市驿建隆货运部 33 大学城中路-重大东门 89 白欣路-白市驿派出所 34 思贤路-景阳路 90 白欣路-九州大道 35 思贤路-学善路 91 九州大道-九州国际汽摩城 A 区 36 思贤路-大学城第一中学初中部 92 九州大道-翔驿路 37 思贤路-科技学院南门 93 九州大道-巴林路 38 思贤路-大学城东一路 94 农科大道-高峰苑