华为云计算技术有限公司 序 全球人工智能技术正以迅猛之势持续革新，在研发、应用及产业生态等层面呈现出多元且强劲 的发展景象，并以前所未有的速度融入社会、经济和全球治理的方方面面，成为驱动商业价值、重 塑科研范式乃至影响人类未来的核心力量。 城市是 AI 技术创新融合应用的综合性载体，通过 AI 技术为城市赋能，是主动适应经济社会发 展，顺应城市发展趋势，探索城市创新治理手段的重要举措和可行路径。根据斯坦福大学《2025 人工智能引领城市算力服务变革 ..........................................................................13 2. 人工智能赋能城市治理范式变革 ..........................................................................13 3. 人工智能助力产业发展动能变革 . 训练和调优提供 更强大的计算和链接支撑。人工智能与城市应用场景深度融合，能够拓展智算应用场景，加速 AI 赋能落地，推动城 市算力服务从传统模式向智能化、一体化转变。 . 2、人工智能赋能城市治理范式变革 借助人工智能技术对城市运行数据的深度分析和模拟预测，能为城市治理提供科学依据和决策支持，实现对城 市问题的快速发现、智能分类、高效流转，对潜在风险的提前预警和防范，推动城市治理从传统的经验治理向数据治

..........................................................................................70 5.3. 范式建模................................................................................................. 逻辑模型设计 逻辑模型（LDM，Logical Data Model）设计过程是对概念模型的更进一步的实体 化，主要任务就是把概念模型设计阶段建⽴的 E-R 图，按选定的数据建模方法（3NF 范式建模、维度建模、宽表建模等），转换成相应的数据结构表或者详细的 E-R 图进 行描述。 2.2.4.1.4. 物理模型设计 物理模型（PDM，Physical Data Model）设计过程主要考虑的是在特定数据存储 系的定义和描述，来表 达实际的业务中具体的业务关系，数据模型的设计方法就是对数据进行归纳和概括的 方法。目前业界主要的模型设计方法论有两种： (1) 数据仓库之父 Bill Inmon 提出的范式建模方法，又叫 E-R 建模，主张站在业 务单位角度自上而下构建数据模型； (2) 数据仓库大师 Ralph Kimball 倡导的维度建模方法，主张从具体数据应用业务 需求出发自下而上构建数据模型。

指导 数据仓库进行数据存放、数据组织、以及如何支持应用的蓝图，定义需要追踪和管理 各种重要实体、属性、关系。 逻辑模型包括范式建模与维度建模两种建模方式。在数据仓库来源缓冲层、数据 运营层中，需要与源系统数据结构保持一致，因此以应用系统数据库设计通常采用的 范式建模为主；在数据仓库层中，以维度建模为主。 维度模型设计主要完成以下四个工作： 1) 选取业务处理：业务处理过程是机构中进行的一般都由源系统提供支持的自 主要包括维度建模与范式建 模。维度建模源于 Kimball 提出的总线式的自下而上（DM-DW）的数据仓库架构。 范式建模源于 Inmon 提出的集线器的自上而下（EDW-DM）的数据仓库架构。 范式建模作为一种符合 3NF 的标准数据建模方案，它的实施周期非常长，一致性 和扩展性比较好，能经得起时间的考验。但是随着企业数据的高速增长、复杂化，数 据仓库如果全部使用范式模型进行建模就显得越来越不适合现代化复杂、多变的业务 而维度环绕在其周围。 维度模式之所以被广泛使用，在于针对各个维做了大量的预处理，如按照维进行预 先的统计、分类、排序等。通过这些预处理，能够极大的提升数据仓库的处理能力。 特别是针对 3NF 的范式建模方法，维度模式在性能上占据明显的优势。 57 大数据平台项目实施规范 同时，维度建模法的另外一个优势是：维度建模非常直观，仅仅围绕着数据模型， 可以直观的反应出业务问题。不需要经过特别的抽象处理，即可以完成维度建模。

.................................................................................. 35 AI 驱动生物医药研发范式变革 ............................................................................................... 老 年患者放慢语速、使用方言交流，为年轻患者提供专业术语解读，全方位提升医疗服务体验，让优质医疗服务惠及 更多人群。 AI 驱动生物医药研发范式变革 政策支持、技术落地潜力以及市场需求的共同推动，将加速 AI 与医药的深度融合，驱动深层次的范式 变革。大模型将高效整合多维生物数据，从基因组学到临床信息，加速从靶点识别到候选药物筛选的整个过 程，助力药物发现和个性化治疗策略的制定。提前识别

供数据传 输的效率。并且由于 hadoop 平台在数据处理时，可以对压缩文件进 行自动解压，因此可以提供数据处理的效率，减少 IO 传输时间。  整合层 整合层对于业务数据的存储，采用第三范式关系表的形式，这 样可以方便后续数据分析时直接采用 SQL 方式进行表的关联处理。 因此在整合层，历史数据存储一般采用 HIVE 存储方式，并结合分区 方案进行处理。在数据从技术缓冲层到整合层过程中，可以采用 3 数据架构  数据缓冲层 数据缓冲层与源系统的数据结构一一对应，它是数据存储的临 时存储区域。方便数据处理重跑及应用系统数据过渡至大数据平台。  整合模型层 面向分析型业务主题建立三范式模型，构建全系统级的单一数 据视图，模型扩展性强且具有业务中立性，用于支持各类整合型的 分析型应用。  共性加工层 依赖于对应用共性需求的的分析，提炼出对数据集成平台具有 共性的数据访问 会和 云内部系统数据必须依照一套相同的存放规则进行处理，它们和其 他数据的关联以及刷新的频率等都应该保持同步。  灵活性 整合层模型是一个基本上满足第三范式要求的语义关系模型， 这种设计方法能够最大程度上减少冗余。 第三范式的设计同时保证了整合层模型的灵活性和扩展性。面 对新的需求，整合层模型的这种结构能够进行简单、自然的扩展。 这种特性使得整合层模型在设计过程可以“想大做小”——在有一个全

还能够根据用户管理的组织和部门结构在地图上展示出设备或者设备组的地理 位置。 （2）事件及流量管理 系统能够采集全网中各类网络设备、安全设备、主机、数据库、应用系统 等的日志、告警和事件，并对这些信息进行范式化、过滤、归并，形成统一的 事件格式，包括统一事件严重等级、统一事件类型和名称等，使得管理员能够 在系统的管理控制台上方便地浏览所有安全事件，并确保信息的一致性。针对 所有安全事件，系统能够通

，对输入到数据库中的数据要有审核和约束机制。 5. 规范化原则：数据库的设计应遵循规范化理论，规范化程度过低的关系，可能会存 在数据冗余等问题 ，解决的方法就是对关系模式进行分解或合并（规范化），转 换成高级范式。 6. 可扩展性原则：数据库结构的设计应充分考虑发展的需要、移植的需要，具有良好 的扩展性、伸缩性和适度冗余。 7. 安全性原则：数据库的安全性是指保护数据，防止非法用户使用数据库或合法用户 建设方案 V (2) 预留字段的类型无法预测 ，预留字符型还是数值 ，无法去预测和评估； (3) 常见在预留的扩展字段中，这些预留的扩展字段往往会破坏数据库最基本的范式要 求，数据库的范式的最基本要求就是原子性和唯一性，而扩展的字段本身的定义是 不明确的，是非原子的和非唯一的。 2. 数据结构扩展思路 (1) 业务垂直拆分 随着业务的发展，一台写库显然不能够满足高并发的情况，但是考虑到写库是有状

23 第 4 章 面向工程审计行业的 DeepSeek 提示词工程 在数字智能交互的复杂生态系统中，有效沟通已经成为连接人类认知与人 工智能计算能力的关键中介。提示词工程作为一种新兴的交互范式，本质上是 一种高度精准的语言转换技术，它通过系统性的语言策略，将抽象的专业需求 转化为可操作的智能响应。 DeepSeek 系列的大语言模型尽管功能强大，但其输出质量高度依赖于输入

施方案具有可扩展性。如，对隐蔽性工程要有足够的前瞻性， 为了保证较长时间内的系统扩容、变更、升级等可能性而预留 相应预埋管线和接口等。 3. 建模方法 数据建模方法常用的有实体建模法，维度建模法，范式建 模法三种数据建模方法，不管哪种数据建模方法都是使信息结 构清晰、易于存储和读取。 （1） 实体建模法 实体是现实世界中存在的事物或发生的事件，是现实世界 中任何可识别、可区分的事物。实体可以是人，可以是物，也 另外就是在进行维度建模时，仅仅依靠维度进行建模，不能保 证数据来源的准确性和一致性，不适合在数据库底层使用。 （3） 范式建模法 范式就是规则，是符合某一级别关系模式的集合，构造数 据库时必须遵循一定的规则。关系数据库中的关系必须满足一 定的规则，即满足不同的范式。 66 范式建模法是将原始数据信息根据一定的数据结构和转换 模型，分解、转化为规范的格式，使数据遵守一定的约束条件， 每一个

无锡市城市运行管理中心建设基本完成； 网络 与信息安全水平评估达标； 数字经济新业态基本成形； 人工智 能等新技术、中台架构等新理念在城市治理、民生服务等领域 广泛应用。 (三)品牌塑造， 形成建设运营的新范式(2023-2024 年) 本阶段， 逐步实现“ 一流的治理”， 逐步建成“ 一流的城市”； 成功打造新型智慧城市建设的“ 无锡品牌”， 积累形成一批 “ 无锡经验”，不断对外输出“ 无锡模式”；逐步形成具有自主学习、 推进大数据应用立法， 进一步制定数据标 准、采集、更新、应用等配套管理制度与评价办法， 系统谋划 公共数据、社会数据的交换共享、开放交易以及基础支撑， 在 创新城市治理模式、市民服务方式与经济发展范式中发挥数据 价值。 完善信息化项目审核评价细则。 扩大功能点评估在软件类 项目审核中的应用， 加强项目评审的效益导向， 强化对评审 专 家的绩效考核， 优化项目绩效评价指标体系， 将评价结果