能 力的城市级一体化智能协同体系，将推动城市走向更高效、更可持续、更有温度的新时代。 人工智能技术将重塑城市发展模式，带领人类进入智慧城市新阶段。报告 “ 提出 AI CITY ”是 AI 原生的智慧城市，代表了智慧城市的内核升级、建设路线升维、底层逻辑演进，提出的 “ 1234MNX” “ 参考架构具有可落地性，值得学界和业界借鉴参考。相信亦希望通过 AI CITY”的探索实 践， 与表达形态，能够同时处理文本、图 像、语音等多种数据，并进行深度语义理解和交叉模态处理，是实现通用智能的重要路径。大模型从早期简单的子任 务模型组合模式，逐步转变为端到端跨模态统一特征表示，实现了原生多模支持，为人工智能与现实世界复杂信息交 互奠定了坚实基础。 AI CITY 发展研究报告 02 AI 发展经历了三次峰谷，正在向人机协同为特征的具身智能 3.0 时代前 进。大模型正在推动知识表示和调用 2018 年 9 月 17 2018 年 10 月 31 2019 年 5 月 16 2020 年 3 月 31 2025 年 4 月 27 表 3 部分城市人工智能发展目标定位 AI 原生城市，人工智能创新策源 地和应用高地 “全栈式 AI”先锋城市 全国算力成本洼地、模型输出源 地、数据共享高地、应用首发地， 具有全球竞争力和影响力的人工智 能产业发展高地 全国人工智能产业发展高地

语句，可能直接从数据库的缓冲池中获取返回结果。 对于原生态的 JVM 对象存储方式，每个对象通常要增加 12-16 字节的额外 205 XX 旅游数据中心大数据集成应用平台 开销，对于一个 270MB 的 TPC-Hlineitemtable 数据，使用这种方式读入内存， 要使用 970MB 左右的内存空间（通常是 2～5 倍于原生数据空间）；另外，使 用这种方式，每个数据记录产生一个 消耗几分钟的时间来处理（JVM 的垃圾收集时间与堆栈中的对象数量呈线性相 关）。显然这种内存存储方式对于基于内存计算的 Spark 来说，很昂贵也负担 不起。 对于内存列存储来说，将所有原生数据类型的列采用原生数组来存储，将 Hive 支持的 复杂数据类型（如 array、map 等）先序化后并接成一个字节数组来存储。 这样，每个列创建一个 JVM 对象，从而导致可以快速的 GC 和紧凑的数据存储； 要读取物理表就可以返回结果，比如重新运行刚运行过的 SQL 语句，可能直接 从数据库的缓冲池中获取返回结果。 对于原生态的 JVM 对象存储方式，每个对象通常要增加 12-16 字节的额外 开销，对于一个 270MB 的 TPC-Hlineitemtable 数据，使用这种方式读入内存， 要使用 970MB 左右的内存空间（通常是 2～5 倍于原生数据空间）；另外，使 用这种方式，每个数据记录产生一个 JVM 对象，如果是大小为

现应用的隔离、升级、迁移等，并实现了容器的整个生命周期管理(包括容器运 行状态监控，容器运行节点调度、启停控制等)。而当服务器整体资源不足时， 只需要向集群中增加服务器即可实现集群的横向扩展。此外，kubernetes 集群 原生支持服务的 Load Balance, 并且支持对多种存储协议的适配（如：iScsi\ Ceph\Fc\NFS\Gluster 等等）。 Kubernetes 集群采用 ETCD 作为基础的 Key/Value 级、迁移等，并实现了容器的整个生命周期管理(包括容器运行状态监控，容器 运行节点调度、启停控制等)。而当服务器整体资源不足时，只需要向集群中增 加服务器即可实现集群的横向扩展。此外，kubernetes 集群原生支持服务的 Load Balance, 并且支持对多种存储协议的适配（如： iScsi\Ceph\FC\NFS\ Gluster 等等）。 7.1.5 云管理平台开放性 提供丰富的 REST 的隔离、升级、迁移等，并实现了容器的整个生命周期管理(包括容器运行状态 监控，容器运行节点调度、启停控制等)。而当服务器整体资源不足时，只需要 向集群中增加服务器即可实现集群的横向扩展。此外，kubernetes 集群原生支 持服务的 Load Balance, 并且支持对多种存储协议的适配（如：iScsi\Ceph\Fc\ NFS\Gluster 等等）。 Kubernetes 集群采用 ETCD 作为基础的

现应用的隔离、升级、迁移等，并实现了容器的整个生命周期管理(包括容器运 行状态监控，容器运行节点调度、启停控制等)。而当服务器整体资源不足时， 只需要向集群中增加服务器即可实现集群的横向扩展。此外，kubernetes 集群 原生支持服务的 Load Balance, 并且支持对多种存储协议的适配（如：iScsi\ Ceph\Fc\NFS\Gluster 等等）。 Kubernetes 集群采用 ETCD 作为基础的 Key/Value 级、迁移等，并实现了容器的整个生命周期管理(包括容器运行状态监控，容器 运行节点调度、启停控制等)。而当服务器整体资源不足时，只需要向集群中增 加服务器即可实现集群的横向扩展。此外，kubernetes 集群原生支持服务的 Load Balance, 并且支持对多种存储协议的适配（如： iScsi\Ceph\FC\NFS\ Gluster 等等）。 7.1.5 云管理平台开放性 提供丰富的 REST 的隔离、升级、迁移等，并实现了容器的整个生命周期管理(包括容器运行状态 监控，容器运行节点调度、启停控制等)。而当服务器整体资源不足时，只需要 向集群中增加服务器即可实现集群的横向扩展。此外，kubernetes 集群原生支 持服务的 Load Balance, 并且支持对多种存储协议的适配（如：iScsi\Ceph\Fc\ NFS\Gluster 等等）。 Kubernetes 集群采用 ETCD 作为基础的

户使用软件。 图 3-16 安装 AnythingLLM 图 3-17 等待安装完成 19 图 3-18 AnythingLLM 安装完成 3.3 DeepSeek 工程审计知识扩展 原生的 DeepSeek 并不一定包含工程审计领域的知识，幸运的是 DeepSeek 支 持第三方知识的扩展，以工程造价知识为例。 启动安装好的 AnythingLLM ：在桌面上双击 AnythingLLM

Oracle/Mysql/Mssql 等多种类型数据库自动存跨库关联查 询；支持使用自助数据集创建透视分析、电子表格；支持自助数据集引用到其它 数据集，自助数据集支持来源于可视化查询、 SQL 查询、原生 SQL 查询、存储 过 程查询、JAVA 查询、组合分析。 自助仪表盘 自助仪表盘提供拖拉拽界面能够让业务人员快速完成数据集准备、可视化探 索和仪表盘的制作，简单易用，还能通过抽取数据到 38 智 慧 城 市 系 列 - 公 共 服 务中 台 力。克服了海量关联图数据存储的难题，通过自定义图存储格式和集群化存储， 实现了传统数据库无法提供的低延时多层关系查询。 支持原生图存储 为数据存储设计了专有的图存储结构，并以高效的压缩格式存储于分布式存 储引擎 Shiva 中，借助图分区算法，图数据可按策略分散存储于集群中，拥有 良 好的可扩展性，并具备存储任意规模图的理论能力。 “ ” 权限设置表保存了 不看谁的动态 、 不让谁看我的动态 的权限数据。 82 动态消息 版本号控制 动态扩散 权限设置 未读提醒 推荐记录 RSS 评论 重复 token 点赞 原生动态内容 分享信息 智 慧 城 市 系 列 - 公 共 服 务 中 台 图 4-16 内容与资讯平台数据库 2.6.5.9.功能结构 内容与资讯平台的消息通知、评论点赞提醒等，依赖于消息平台(IM)

系统下达到车间或产线的任务进行 进一步详细分解，可具体到人、数量、工位、设备、时间等。 3.5.4返修任务派工 该模块主要用来对生产过程中或检验后不合格且需要返修的产品重新进行任务派工， 可派工到原生产人员处也可指定其他人员。 3.5.5生产任务管理 可对生产任务进行管理，如暂停任务，重启任务，关闭任务等，任务处于不同的状态 时，会对生产过程产生不同影响。 3.6 设备数据采集管理系统

模式提供业务及运行支持服务。 6.10.7.5 内部会议 场景 在内部会议 模式 ，如下图红色框中所示，领导坐席扇形会议桌，可满足中型 内部会议 应用 需求。 6.10.7.6 领导会议桌椅 材质：生态原生板材 以 E1 级高密度板为基材，经过耐酸碱、防虫、防腐特殊处理，采用木皮 贴面，纹理清晰自然，表面平整光滑、耐磨性好，采用聚脂面漆，经 9 道磨退 工艺精心处理，全封闭涂装工艺,漆面光泽度高，无颗粒、无气泡，优质五金配 色泽均匀；高密度环保海绵，具有硬度适中，不变形等特点；基材达到防火阻燃 B1 级标准；胶粘剂：采用环保改性 PVAC 白乳胶，环保喷涂。采用实木四脚 架。 6.10.7.7 参会人员会议桌椅 材质：生态原生板材 以 E1 级高密度板为基材，经过耐酸碱、防虫、防腐特殊处理，采用木皮 贴面，纹理清晰自然，表面平整光滑、耐磨性好，采用聚脂面漆，经 9 道磨退 工艺精心处理，全封闭涂装工艺,漆面光泽度高，无颗粒、无气泡，优质五金配 第七代智能 Intel 酷睿处理器 6.10.7.9 四屏显示 屏幕扩展、复制、组合，三种方式，提高并行处理效率 RAPIDBOOT 快速启动技术开机时间缩短 30% 原生 USB3.0 -4 个后置 USB3.0 接口 -速度提升 10 倍 -提供 50%-80%的额外供电 可选无线模块 让办公桌面更简洁、部署更高效 绿色环保 卓越

机制，保证了数据写入时不会因数据异常而导致 数据 的丢失 ； 高性能，具备非常高的写入性能，对 Rowkey 的查询能够查到毫秒 级别，对高并发也有很好的适应能力。 HAWQ HA WQ 是一个 H a do o p 原生的、大规模并行 SQL 分析引擎，适用于数 据分析 场景。由于如下原因，HAWA 是当前最为热门的、H a do o p 上 SQL 引擎： 对 标 准 的 完 善 支 持 ： AN SI SQL 会把这些比较大的分区写入到硬盘，由此来保证可扩展性。 大规模并行 S QL 分析处理引擎 HA WQ (分析型数据库) HA WQ 是一个 Ha do o p 原生大规模并 行 SQL 分析引擎，针对 的是分析性应用。和其他关系型数据库类似，接受 SQL, 返回结果集。但它 具有大规模并行处理很多传统数据库以及其他数据库没有的特性及功能。主要如 格式(文本， S equ e n ce Fi l e,Av ro,P a rq u e t 等等)以及其他外部系 统 (H B a s e 等),并且用户自己可以开发插件来访问新的数据源。 原生的机器学习数据挖掘库 MA DLi b 支持：易于使用及高性能。 第 1 2 9 页 与 Ha do o p 系统无缝集成：存储、资源、安装部署 (Amb a

等新技 术，建设新型的示范性智慧城市。 四 智慧水务方案总体设计 1 统一的整合研发框架 Mirs 整合研发框架Mirs 是一套由多个子系统平台、应用模式、Web+原生二 次开发环境、运营实施模式于一体的应用整合二次开发平台。主要用于解决 应用孤岛，异构系统的整合与二次开发。更偏向于在整合环境使用对独立产品 或项目有一定适应性。 除相关软件开发产品或安装包外，还提供面向决策、市场、工作组织、软 表达不同含义，并且客户端可以通 过Accept header 来与服务器协商格式，例如你希望服务器返回 JSON 格式 还是 XML 格式。 3. 请求的回复格式支持 JSON，XML，并且可以扩展添加其他格式。 4. 原生支持 OData。 5. 支持 Self-host 或者 IIS host。 6. 支 持 大 多 数 MVC 功 能 ， 例 如 Routing/Controller/Action