生动实 践和典型案例。2024 年，依据乡村振兴实践中的典型性、引领性、创新性、可持续跟踪性四 个维度，在全国范围内从国家部委、地方政府、科研院所、大专院校、涉农企业五大渠道征集 案例，共收到推荐案例 466 个。通过与来自国家部委、地方政府、科研院所、相关高校 20 名 涉农专家的细致论证，确保了内容的代表性与权威性。 《CMG 乡村振兴观察报告（2023-2024）》紧扣年度乡村振兴的核心议题，推出乡村振 谱写乡村振兴“水文章”…………………………………54 推荐单位 ：水利部水库移民司乡村振兴水利工作处 展会助农接续发力 “土特产”搭上消费帮扶快车……………………………………………………………54 推荐单位 ：商务部财务司 科技赋能全域水稻单产提升打造可复制可推广示范样板…………………………………………………55 推荐单位 ：湖南杂交水稻研究中心 油菜“三全高效”打造农业丰收 ………………………………………………………………55 推荐单位 ：中国农业科学院油料作物研究所 浙江大学深化“1+1+N”农推模式 共谱乡村振兴协奏曲…………………………………………………56 推荐单位 ：浙江大学 “金菊花”造就“金银谷”南京农大助力麻江产业振兴………………………………………………………56 推荐单位 ：南京农业大学 苹果新优品种 助力乡村产业振兴…………

eRrQvM6MoMqRuOmPvNwMsQuM 真实世界vs.虚拟/数字世界：不看表面看初衷 此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 所谓“真实世界”和“虚拟/数字世界”只是初期表现形式的不同；本质差异在于“中心化”和“去中 心化”的初衷。 ① 以“中心化”为初衷的“真实世界” 而是由其背后生态系统的活跃度、完整性和共识基础决定的。 3 实虚合作、网链融合是趋势；AI+机器人帮助形成闭环 此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 ① RWA无所不包，其中法币与土地会构成最具双向影响力的两次“实虚合作” —— 第一次形成“法币 稳定币”；第二次形成“土地链服务商”（类似于云服 香港稳定币经济生态 此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 6 稳定币：机制、分类和 风险 此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 数字货币的兴起是金融科技领域的里程碑事件 金融创新浪潮

全光网络投入，教育信息化示范场景也在不 断丰富，在科技的催化下，教育行业的智慧化转变将很快实现。 智慧教育 F5G 全光设计指南是在业界全光高校的优秀设计经验基 础上，归纳总结出的智慧高校设计参考及推荐配置，供各学校/设计单 位等使用，各学校/设计单位可根据实际情况进行增删或者调整。 ONA绿色全光网络技术委员会 4 4 C O N T E N T S 目 录 前 言 室等可采用 Type C 双归属 的方式进行组网保护。 Type B/Type C 的保护范围如下表所示。 表 2-2：Type B/Type C 保护的比较 保护方案 保护范围 推荐场景 Type B 单归属 OLT 的 PON 口、主干光纤 / Type B 双归属 OLT 设备，OLT 的 PON 端口和 OLT 的上行端口、主干光纤 教育子网、办公子网、 Combo）。 （2）高流量区域 高等教育的高流量区域主要包括教学子网（普通教室等）、办公子网和宿舍 子网等区域，这些区域有较大流量业务的需求（如教室有远程教育的要求等）。 高流量区域推荐采用 XGS-PON（含 XGS-PON Combo）技术，以支撑大流量 的业务上传和下载。 （3）普通流量区域 ONA绿色全光网络技术委员会 43 43 高等教育的普通

52.9% 的用户每天 至少使用一次智能PPT 28.4%的用户使用智能PPT 70.0%的应用用户对智能PPT的 推荐值≥8 • 随着大模型技术的落地应用，智能PPT实现从有到优的演进：从渗透率来看，目前智能PPT的渗透率已接近30%，其中70%的应用用户 高度推荐使用，约50%的使用者认为智能PPT工具易用并频繁使用，约35%的使用者可实现直接使用，为智能PPT工具贴上了好用的标 百度文库智能PPT部分界面示例 按需加页 + 多风格选择 文本丰富 + 图表结构 识别意图 + 自主生成完整逻辑 「简约 or 专业」 布局选择 专业图表选择多 美化功能升级 智能推荐模板 单页美化 上传素材 多功能在线编辑 指令修改 专业图表生成 图表结构丰富 多类型选择 可视化体验增强 文本质量提升 准确性 需求严格依从 时效性 支持单页续写 逻辑严谨、完整 AI助手一键导入/分享、协同编辑等 生成内容真实满足需求 不跑题不编造，大部分内容实际可用 框架与内容生成的逻辑性 生成PPT合理连贯、内容有说服力 专业图表及内容样式丰富 普通职员：高频使用并乐于推荐，市场类岗位正广泛应用智能PPT 3.2 智能PPT核心用户使用情况 “普通职员”使用智能PPT -使用频率 14% 41% 39% 5% 1% 每天均需制作三次以上 每天均需制作一到三次

打造宁夏枢纽节点云安全运营管理平台，有效保障网络与数据安全...................... 51 1 一、多元算力一体化布局 案例 1.构建算力基础设施 铸就多元算力一体化布局 推荐单位：北京市政务服务和数据管理局、北京市通信 管理局 申报单位：中国电信股份有限公司北京分公司、天翼云 科技有限公司 随着人工智能大模型应用蓬勃发展，大模型训练存在的 计算显存限制、风冷算力密度较低、智算资源利用率较低等 22EFlops，纳管适配 多种智算芯片，支撑北京区域近 200 家企事业单位数字化、 智能化转型升级，产生了良好的经济社会效益。 案例 2.异构融合、应用引领、促进数据互联互通的超算互联平台 推荐单位：天津市数据局 申报单位：国家高性能计算机工程技术研究中心 国家高性能计算机工程技术研究中心以应用引领、实现 算力高效利用为目标，构建了国产软硬件协同、跨区域算力 调度的超算互联平台。平台以互联网模式运营算力设施，实 万个，形成算力多元、领域全面、高效运行的 服务平台，促进我国算力资源的网络化、普惠化、标准化发 展，支撑构建全国一体化算力网建设。 图 1 超算互联平台整体架构 案例 3.临港算力创新实践 提升枢纽节点集约化成效 推荐单位：上海市数据局 5 申报单位：临港算力（上海）科技有限公司 针对当前国内算力供给存在多元组合算力交付周期长、 算力资源分散难以被集中调用等问题，临港算力（上海）科 技有限公司与长三角国家枢纽节点上海青浦集群加强业务

DeepSeek大模型的应用场景 3.3 大模型与其他技术在企业中的融合应用 厦门大学大数据教学团队作品 3.1 大模型的行业应用领域 大模型的应用领域非常广泛，涵盖了自然语言处理、计算机视觉、语音识别、推荐系统、医疗健康、金融风控、工业制造、 生物信息学、自动驾驶、气候研究等多个领域 （1）自然语言处理 大模型在自然语言处理领域具有重要的应用，可以用于文本生成 （如文章、小说、新闻等的创作）、翻译系统（能够实现高质量的 大模型在语音识别领域也有应用，如语音识别、语音合成等。通过 学习大量的语音数据，大模型可以实现高质量的跨语言翻译和语音 识别以及生成自然语音 （4）推荐系统 大模型可以用于个性化推荐、广告推荐等任务。通过分析用户的历史 行为和兴趣偏好，大模型可以为用户提供个性化的推荐服务，提高用 户满意度和转化率 3.1 大模型的行业应用领域 大模型可以用于自动驾驶中的感知、决策 等任务。通过学习大量的驾驶数据，大模 DeepSeek大模型的应用场景 n 个性化推荐（高频应用） 个性化购物推荐：电商平台使用DeepSeek根据用户购买 历史推荐商品 个性化电影推荐：流媒体平台使用DeepSeek根据用户观 看历史推荐电影 个性化视频推荐：视频平台使用DeepSeek根据用户观看 历史推荐视频 个性化旅游推荐：旅游平台使用DeepSeek根据用户偏好 推荐旅游目的地和行程 个性化内容推荐：内容平台使用DeepSeek根据用户兴趣

..........85 携程金融自动化迭代反欺诈模型体系.........................................................100 微众银行在联邦推荐算法上的探索及应用.................................................113 机器学习中的隐私保护.......................... 首先，简单介绍下在推荐场景中应用。比如广告推荐，通常上，广告商会给予平 台方用户的用户标签，用户存在用户标签之后，平台方则会将相关类别的用户找 出，然后将广告推送给对应的用户；另一种方式是广告方提供种子包给平台方， 平台方会找到相似的用户，然后将广告推送给相关的用户，常见的应用场景有 Facebook look like、Google similar audiences。 在黑产场景中与推荐场景中的应用类似，主要分为两个任务场景： 黑产用户在被处理后，通常会快速地申请新的账号或使用备用账号，因为在对黑 产的挖掘过程中就不可避免地会出现孤立点，类似在推荐算法中的冷启动问题。 以 node2vec 算法为例，算法通常会通过游走去构造训练的节点段，那么如果孤 立节点没有连边的话，节点是无法出现在训练集当中。为了解决该问题，引入一 个解决推荐系统冷启动的算法——EGES，将每一个节点的属性特征映射到一个 embedding 特征，然后将每一个属性的

弹性架构需应对“双 11”百倍流量脉冲，实现资源利用率与成本的最优平衡；  实时融合要突破 T+1 滞后，在毫秒级完成交易分析联动；  AI 原生必须激活“一方数据”价值，通过向量化+SQL 融合降低智能推荐开发门槛；  全局最优则要求简化异构系统堆叠，将总拥有成本降低 30%以上。 本书凝聚了 OceanBase 与零售领军企业的共同实践。您将看到：  泡泡玛特如何以 99.999%系统连续性承载百万级抽盒并发； 文档）、内容数据（商品详情页图文、用户评论、客服对话记录、营销素材）以及结构化数据（交 易记录、会员信息、供应链数据、精准的用户行为标签）。 这些沉淀在企业内部的高质量、高相关性数据，是训练行业专属模型、构建精准推荐引擎、实现 个性化服务的基础，构成了企业差异化竞争的核心资产。有效管理和利用“一方数据”是 AI 赋能 零售的核心前提。 最后是支撑 AI 全链路应用。 AI 在零售“研、产、供、销、服、管 化了 技术栈，消除了数据冗余和 ETL 复杂性，从而显著降低了运维负担和总拥有成本。 一体化云数据库的 HTAP 能力，能够实现库存扣减与销量预测的同步联动，并支持动态定价、实 时风控和个性化推荐的秒级响应 。这意味着零售商可以根据实时库存、销售数据和市场动态， 瞬间捕捉市场变化和消费者需求，实现即时决策、即时调整商品价格和促销策略，将数据转化为 即时战略资产。 第二，多模一体化，整合零售企业全量数据资产

珠宝品牌提供了更多展示和销售 的机会。 6 珠宝行业的新机遇 随着全球技术的革新，珠宝行业面临着以下新的技术及机遇： · 技术赋能消费体验：虚拟试戴技术（AR / VR）、AI驱动的个性化推荐和区块链技术， 正在重塑消费者的购物体验。 · 年轻消费者的崛起：Z世代（1995-2009年出生）作为主力消费群体，对个性化、社 交互动和品牌故事的重视推动了珠宝市场的营销创新。 （数据来源：McKinsey《State 如何打通线下及线上数据：构建全渠道数据融合体系，打破线上线下数据壁垒，实现 信息互通与协同增效。 · 如何整合线下门店与线上商城的用户身份数据，形成统一的用户画像？ · 怎样依据线上浏览偏好为线下顾客提供精准的产品推荐与服务引导？ · 如何将线下活动的参与数据与线上营销链路相衔接，拓展营销深度与广度？ · 怎样通过线上数据分析优化线下门店的布局与陈列，提升顾客到店转化率？ 04 珠宝行业数字化实践 13 品功能迭代、算法优化等场景验证最佳方案，结合统计学原理与真实用户反馈数据量化 决策，确保业务在正确的增长方向前进，提高用户体验从而实现商业价值的增长。对电 商页面、促销活动或推荐文案进行实验优化，例如测试节日珠宝的推荐文案，提升转化 效果。 · 群组管理：包括群组圈选、群组画像和营销策略画布，支持灵活的用户群体提取方式、 精准的群组管理与策略制定。7 种群组圈选方式，支持使用行为数据、行为序列、标签