2026面向行业的”云+AI“应用研究报告.pdf

2026 年年 1 月月前前言言行业大模型正成为推动产业智能化升级的关键突破口行业大模型正成为推动产业智能化升级的关键突破口。当前，人工智能正从技术探索迈向产业落地的关键阶段，随着“人工智能+”行动的深入推进，AI 不再仅是实验室中的算法模型，而是驱动千行百业智能化升级的核心引擎。这一过程的实现不仅要求 AI 具备强大的通用能力，更强调其在具体行业场景中的专业性、可靠性和可落地性。由此，能够深度融合行业知识、理解业务逻辑、支撑关键决策的行业大模型正是在这一需求驱动下，逐渐演变为支撑行业智能化升级的关键引擎。云计算正从资源供给平台云计算正从资源供给平台，跃升为跃升为 AI 创新的核心引擎创新的核心引擎。行业大模型的发展并非孤立的技术演进，而是高度依赖于底层基础设施与生态体系的协同支撑。在此过程中云平台不仅提供弹性可扩展的算力资源，支撑大模型训练与推理的高成本、高复杂度需求；更重要的是，行业云平台天然汇聚了长期沉淀的业务数据、流程规范、知识图谱与合规框架，是行业大模型的专业化提供了不可或缺的土壤。同时，云原生架构、多租户安全隔离、数据主权保障以及与 ERP、MES、CRM 等企业级系统的集成能力，使得 AI 能力能够真正嵌入实际业务流，实现从“演示效果”到“生产可用”的跨越。“云云+AI”的融合，正在催生一种全新的产业智能范式的融合，正在催生一种全新的产业智能范式：以 AI 行业云平台为底座，行业大模型作为智能引擎，通过平台化方式实现技术、数据、应用与商业价值的闭环。这种模式不仅解决了 AI 落地中常见的碎片化、孤岛化问题，更通过持续的数据回流、模型迭代与场景反馈，构建起可进化、可运营的智能系统，行业智能化的价值正通过“云+AI”的融合效应得以规模化释放。本报告聚焦本报告聚焦“云云+AI”深度融合的发展趋势深度融合的发展趋势，系统性梳理如何以系统性梳理如何以 AI 行业云平台作为支撑行业大模型可持续发展的核心载体行业云平台作为支撑行业大模型可持续发展的核心载体。通过分析行业云在高质量数据供给、可信运行环境、生态协同机制和商业化路径等方面的独特优势，深入探讨其如何赋能行业大模型实现从技术研发到业务价值转化的全生命周期管理。同时，结合气象、制造、医疗、能源等领域的典型实践，展望“行业云+AI”协同演进的技术路径与产业图景，旨在为各行业推进智能化转型提供兼具前瞻性与实操性的参考框架。目目 录录一、AI 行业云平台是 AI 在行业侧应用的最佳载体与价值放大器.1（一）数据基础.1（二）安全可信.2（三）应用生态.3（四）能力封装.4（五）开发支撑.4二、云+AI 典型应用实践.5（一）智能审方助手赋能药店零售审核.5（二）基于大数据边缘云平台的多模态充电桩智能规划系统.11（三）5G+云+AI 安全在钢铁行业应用.15（四）AI 赋能气象 MaaS 服务创新应用.23（五）电网计量问答与设备运维智能体.29（六）“本安数斯”能源生产安全卫士.36（七）基于现货市场机制智能云.44（八）东莞市人工智能大模型中心.491一、AI 行业云平台是 AI 在行业侧应用的最佳载体与价值放大器行业大模型的规模化落地行业大模型的规模化落地，离不开与行业场景深度融合的基础设离不开与行业场景深度融合的基础设施支撑施支撑。在通用大模型技术日趋成熟的背景下，如何让 AI 真正落地到行业一线，解决实际业务问题，已成为产业智能化的核心命题。单纯的模型能力提升已不足以应对复杂的行业需求，需依托一个能够连接数据、知识、应用与用户的综合性平台。行业云平台正是在这一需求驱动下，逐渐演变为支撑行业大模型发展的关键基础设施。AI 行业云平台是实现行业云平台是实现“云云+AI”赋能行业的关键载体赋能行业的关键载体。行业云是由行业龙头企业或区域政府单位统一建设，聚焦领先的实践经验和解决方案，以解决垂直行业或特定区域内需求的云平台，为行业内企业、集团内子单位、区域内企业提供 IaaS、PaaS、SaaS 等云上产品和服务。AI 行业云平台是在行业云平台基础上，新增对算力、数据集、模型、开发工具链等人工智能关键要素的深度支持能力，打造面向 AI 应用的综合性平台。由于 AI 行业云平台集成了行业专属的数据资源、业务系统、安全规范与服务生态，相较于通用云平台，AI 行业云平台更强调对行业特性的深度理解与支持，具备更强的专业性、合规性与集成能力。正是这些特性，使其成为行业大模型落地的理想载体。（一（一）数据基础数据基础：AI 行业云平台提供高质量行业云平台提供高质量、可治理的训练可治理的训练“燃燃料料”行业云平台的核心优势在于其沉淀了高价值行业云平台的核心优势在于其沉淀了高价值、低噪声的行业低噪声的行业特性特性数据数据。数据是大模型训练的“燃料”，行业大模型所需的并非泛化的互联网语料，而是高度专业化、结构化、场景化的行业数据。AI 行业云平台建设、运营方通常是行业内头部企业或地方政府出资的专业公司，长期服务于特定行业客户，积累了大量真实、动态、闭环的业务2数据，如金融交易记录、工业设备运行日志、医疗电子病历、政务审批流程等。这些数据具有高价值、低噪声、强关联等特点，是训练具备行业理解能力模型的稀缺资源。AI 行业云平台内嵌了大量由行业专家、标准规范和历史经验凝行业云平台内嵌了大量由行业专家、标准规范和历史经验凝练而成的结构化知识练而成的结构化知识。例如设备维修手册、监管合规条款、药品相互作用图谱、政策法规库等。这些知识以规则引擎、知识图谱、标签体系或向量数据库等形式存在，可提升其在专业任务中的准确性、可解释性与合规性。例如，当大模型回答“某类贷款是否符合监管要求”时，若能实时检索并引用最新的银保监会文件条款，其输出将远比仅靠语言模式推测的结果更具权威性和实用性。AI 行业云平台构建的闭环数据资产体系，是行业大模型实现深行业云平台构建的闭环数据资产体系，是行业大模型实现深度业务赋能的根本基础度业务赋能的根本基础。行业云平台所提供的是一套完整、闭环、可治理的业务数据资产体系它既包含“发生了什么”的事实记录，也包含“为什么这么做”“应该怎么做”的专业判断，构成了行业大模型区别于通用模型的核心竞争力，也是其实现深度业务赋能的根本基础。（二）安全合规：（二）安全合规：AI 行业云平台构筑合规可控的运行环境行业云平台构筑合规可控的运行环境AI 行业云平台的安全机制确保行业云平台的安全机制确保用户用户在享受大模型能力的同时，在享受大模型能力的同时，满足数据不出域等核心合规需求满足数据不出域等核心合规需求。在金融、医疗、政务等对安全要求极高的行业，数据隐私与系统可控性是 AI 应用的前提。行业云平台通常遵循严格的行业监管标准，具备数据不出域、本地化部署、审计追溯等能力，为大模型的运行提供了可信环境。通过私有化或混合部署架构，通过私有化或混合部署架构，AI 行业云平台行业云平台为高敏行业提供符为高敏行业提供符合监管要求的安全运行环境合监管要求的安全运行环境。通过构建“私有化大模型”或“混合部署”模式，企业可在保障核心数据安全的同时，享受大模型带来的智能化服务。例如，某大型金融机构采用私有化部署方式，在内部数据中心3运行专属的大模型，确保客户敏感信息不外泄，同时利用行业云提供的丰富 API 接口实现智能客服、风险评估等功能，满足银保监会的数据安全要求。这种“安全优先”的架构设计，是通用云服务难以替代的核心优势。AI 行业云平台支持细粒度权限控制与全链路审计，保障行业云平台支持细粒度权限控制与全链路审计，保障业务安业务安全全。AI 行业云平台还支持细粒度的权限管理和动态访问控制策略，确保不同角色只能访问与其职责相关的数据和功能。结合加密技术与日志审计机制，可以全方位保障数据及应用在整个生命周期内的安全性与合规性。（三）（三）应用生态：应用生态：AI 行业云平台打通行业云平台打通 AI 能力与业务系统的能力与业务系统的“最最后一公里后一公里”AI 行业云平台依托现有行业云平台依托现有 SaaS 和业务系统生态和业务系统生态，可可有效嵌入业务有效嵌入业务流程流程。大模型的价值最终体现在业务场景的赋能上。行业云平台往往已集成大量 SaaS 应用与业务系统（如 ERP），形成了成熟的行业应用生态。通过开放 API、SDK 或低代码工具，大模型的能力可以快速嵌入现有工作流，实现大模型应用落地的无缝集成。AI 行业云平台通过嵌入式行业云平台通过嵌入式 AI 模式模式，显著降低智能化应用的使用显著降低智能化应用的使用门槛门槛。例如，在客服系统中接入智能应答引擎，不仅能够自动解答常见问题，还能根据用户行为推荐个性化解决方案；在审批流程中嵌入合规审查助手，自动识别潜在风险并提供改进建议；在生产调度中引入预测性维护建议，提前预警设备故障，减少非计划停机时间。这种“嵌入式 AI”模式大幅降低了 AI 应用的使用门槛，加速了智能化在组织内的普及。AI 行业云平台的统一架构促进跨单位行业云平台的统一架构促进跨单位、跨部门的跨部门的 AI 能力共享与能力共享与协同，释放规模化效应协同，释放规模化效应。AI 行业云平台通过统一的身份认证体系与4微服务架构，实现了跨系统、跨部门的高效协同。无论是集团内子单位还是区域内企业，都能基于同一套基础设施共享 AI 能力，形成规模化效应。（四（四）能力封装能力封装：AI 行业云平台的运营体系促进行业云平台的运营体系促进 AI 能力产品化能力产品化AI 行业云平台将大模型能力产品化，行业云平台将大模型能力产品化，形成形成可持续可持续的的商业模式商业模式。行业大模型的可持续发展离不开清晰的商业模式。行业云平台通常已具备成熟的用户体系、计费机制与服务体系，可将大模型能力封装为AI 产品，按需订阅、按量计费，实现商业化闭环。AI 行业云平台通过用户反馈与使用数据驱动模型持续迭代，形行业云平台通过用户反馈与使用数据驱动模型持续迭代，形成成“使用使用优化优化”正向循环。正向循环。以某省级工业 AI 行业云平台为例，该平台将预测性维护大模型作为 SaaS 服务向中小企业开放，企业可根据实际需求灵活选择订阅周期和服务套餐，极大降低了技术门槛与成本负担。同时，基于平台的用户反馈与使用数据，还可以持续优化模型性能，形成“使用反馈迭代”的正向循环，推动模型在真实场景中不断进化，真正实现“可持续运营”。AI 行业云平台的多租户运营体系兼顾安全隔离与资源共享，加行业云平台的多租户运营体系兼顾安全隔离与资源共享，加速产业级智能应用推广速产业级智能应用推广。多租户运营体系还支持不同规模、不同行业的用户在同一平台上独立运作，既保证了数据隔离与安全，又促进了资源共享与经验交流。这种模式不仅提高了资源利用率，也加快了新技术、新应用的推广速度，助力整个产业链的数字化转型。（五）（五）开发支撑：开发支撑：AI 行业云平台行业云平台降低智能应用开发门槛降低智能应用开发门槛AI 行业云平台预置行业基座模型与场景模板，避免重复开发，行业云平台预置行业基座模型与场景模板，避免重复开发，提升提升 AI 落地效率。落地效率。行业大模型要实现快速迭代与规模化落地，离不开高效、专业且贴合业务场景的开发支撑体系。AI 行业云平台在服务大量客户的过程中，逐步沉淀并集成了覆盖数据处理、模型训练、5评估优化到部署运维的 AI 开发工具链，显著降低行业用户的 AI 应用门槛。同时，平台通常预置了经过验证的行业大模型基座和典型场景模板，用户可在此基础上快速定制专属模型，避免重复造轮子。AI 行业云平台实现开发、数据、安全与应用的天然打通，提供行业云平台实现开发、数据、安全与应用的天然打通，提供开箱即用的开箱即用的 AI 工程化能力工程化能力。开发工具与平台内的业务数据、安全策略和 SaaS 应用天然打通，开发者可在不离开平台的情况下完成“数据模型应用”的端到端闭环。例如，某 AI 行业云平台推出 AI 开发套件能力，支持开发者通过配置化方式在 5 分钟内完成一个业务型 AI Agent 的搭建用户只需选择大模型引擎、上传内部知识库、开启联网或文件处理等扩展能力，即可一键发布至小程序或 H5 应用。AI 行业云平台行业云平台为行业大模型落地为行业大模型落地所提供的不仅是算力资源，更所提供的不仅是算力资源，更是一套面向行业用户的是一套面向行业用户的、开箱即用的开箱即用的 AI 工程化能力工程化能力，有效解决了“有数据不会训、有模型难上线、有应用不可维”等现实痛点，为行业大模型的持续演进和广泛应用提供了坚实的技术底座。下一章将深入探讨基于行业云的“行业云+AI”典型应用场景与实践案例。二、云二、云+AI 在各行业的典型应用实践在各行业的典型应用实践（一）（一）智能审方助手赋能药店零售审核智能审方助手赋能药店零售审核1、案例概述、案例概述国药数字科技（北京）有限公司（国药数科）作为中国医药集团有限公司（国药集团）的全资子公司积极落实集团工作部署，研发“AI 审方智能体”，以四川省为试点省份，充分调研 DTP 药房购药审核及结算业务流程，结合四川省医保局对单行支付药品和高值药品的管理政策、国家医保局智能监管“两库”规则，采用大模型提取用药规则及医保报销规则，构建审方知识库，同时一线药师发挥专业经验，积6极通过真实业务数据反复校验优化模型及智能体效果，为项目提供精准“业务大脑”；技术团队聚焦一线真实痛点，突破复杂医疗资料快速准确识别、复杂知识库自动化构建、复杂业务规则智能审核等技术难题，并综合利用 AI 辅助业务流程编排、机器人流程自动化等先进技术，打造“辅助审方智能体”，实现患者资料“一键归档”、合规要求“一键审核”、业务需求“一键开单”。2、需求分析需求分析随着国家医保政策的调整，“双通道”药品面临国家医保的严格监管。特药医保业务经办流程繁琐，本身相关知识复杂，需审核的资料多且专业。同时专业药房业务量级大，巨大的处方量给药师带来沉重的审方负担，审方效率低且易出错，影响患者用药安全，并且超量超适应症使用未有效拦截，会造成医保基金滥用、损失。因此，需依托算法模型精准识别用药风险，为 DTP 药房实现一键智能化审方功能和一键开单功能，提升一线药师的审核效率，并确保药师审方的质控水平持续、稳定在较高水平。系统以云+AI 技术为核心，深度融合医保政策与药品审核规则，实现了从“人工经验审方”向“智能审方”的转型。主要满足了三个方面的需求：1）对于药房：系统推动行业从人工审核向智能审核转型，其“规则库构建-智能解析-一键开单”全流程方案，从传统人工走向智能，节省的不只是时间，更是患者的焦虑和药师的专业价值，效率的倍增，极大缓解了药师工作压力，降低了因人工疏漏导致的用药与报销风险，让药师得以专注于更复杂的临床用药指导。合规的不止是满足医保基金监管要求，有效防范超量、超适应症等医保违规行为，更重要的是帮助患者在合规前提下更好地享受医保政策带来的红利，助力医保基7金的合理使用与监管闭环。另外，数字化档案管理模式解决了药房特药资料存储难、调阅慢的行业共性问题。2）对监管机构：系统实现“合理用药+医保合规”双重质控，构建了智能的“防火墙”，实现了从“被动处罚”到“主动防控”的转变，为精细化监管提供了工具，推动行业提升审方标准化水平，助力行业应对医保飞检常态化趋势。3）对行业：为同类药房提供可复用的数字化路径，推动药房的服务数字化升级，提升了药房运营效率与服务标准化水平。成功探索了“业务+技术”深度融合的数字化转型路径，打造了鲜活可复制的样板，为进一步丰富人工智能在医药零售领域应用范围、探索智慧药店模式，继续在守护医保基金安全、提升“三医”协同效能上发挥示范作用。3、项目实施情况项目实施情况系统于 2025 年 8 月 18 日上线，系统和算力均部署在国药云上，所有数据在国药自有 IT 基础设施及算力上进行传递和计算，建设严格的数据隔离及保护机制，确保数据安全。系统在国控四川 6 家试点 SPS+药房落地，支持 508 种特药审核，审方效率提升 70%，准确率超过 90%，极大地提升了一线药师的审方效率，实现实现合理用药+医保合规双重质控，推动审核从“事后核查”向“事前预警”转型，满足医保基金监管要求，帮助患者在合规前提下更好地享受医保政策带来的红利。AI 辅助审方智能体的构建与运行，依赖于国药云平台的强大支撑。平台不仅为 AI 应用提供了坚实的基础设施保障，还在数据管理、安全保障以及运维支持等多个层面，构建了完整的技术服务体系，确保 AI 应用能够高效、稳定、安全地运行，从而真正发挥其在医药领8域的价值。图 1 国药云平台基础设施支持方面，国药云平台基于先进的云计算架构，为 AI辅助审方系统提供了强大而灵活的计算资源、存储能力和网络性能。在 AI 应用中，尤其是在模型训练、推理和实时审方过程中，往往需要处理海量的数据和复杂的计算任务，这对底层硬件资源提出了极高的要求。国药云平台通过高效的计算资源调度和分配机制，能够灵活应对这些高负载场景，保障 AI 系统的高性能运行。此外，平台采用高可用架构设计和云资源池化管理，不仅提升了资源利用率，也极大地增强了系统的稳定性与可靠性。为了保障全国范围内用户的顺畅接入，国药云还采用了 SD-WAN 技术，并结合多运营商接入方案，实现了跨地域、跨网络的高速、低延迟访问，确保各地药房和医疗机构都能高效使用该 AI 系统。9图 2 1+3+N 国药智慧云网体系弹性与扩展性方面，AI 应用常需要处理大量数据，云平台的弹性伸缩特性能够根据计算需求动态调整资源，保障 AI 应用在负载高峰期仍能稳定运行，确保服务的高可用性。云平台与应用场景结合方面，结合传统 OCR 与大模型的多模态信息处理能力，实现对非标准化资料的智能识别与语义理解；引入更多样化的专业模型，混合模型交替识别，关键信息互相校验的方案；为提升准确率审方要求，在识别后增加语义精确识别环节，显著提升知识命中准确率和结果准确率；并基于 AI 等综合手段动态规划审方业务流程，减少不必要的审方环节，提升并行度。算力总体消耗较少，并且总算力未增加的情况下，通过系统工程化方法，将系统并发能力提升一倍，信息识别准确率提升约 50%.数据管理与安全方面，AI 应用依赖于大量数据进行训练和持续优化，云平台提供了高效的存储解决方案和数据保护机制。国药云平台通过统一的安全管理体系、多层次的数据加密技术，以及严格的访问控制策略，保障数据在云端的安全与合规。云平台支持数据的快速备份、灾难恢复及高效的故障处理，确保 AI 应用数据的安全性和业务连续性。10图 3 集团网络安全&数据分级保护体系服务与运维方面，云平台为 AI 应用提供了完整的生命周期管理，从应用的开发、测试、部署到运维。国药云通过智能运维平台，结合监控、告警和自动化管理，保障 AI 应用的持续稳定运行。4、场景效益场景效益AI 辅助审方智能体不仅带来了效率的提升，更从合规、人力、体验多维度优化产业生态，是人工智能与行业结合的典型案例。图 4AI 辅助审方智能体1）效率提升，聚焦专业服务单处方全流程（审方+开单）时间从 10 分钟压缩至 3 分钟，智能审方环节仅需 40-50 秒，效率提升超 70%；系统稳定支撑日均超 100单审核，累计完成 2700 余单，适配高业务量级需求。截止目前完成 508 个品种的审核规则入库，说明书及医保规则录11入合计 1422 条，特药录入完成率达到 98%，通过大量全面的规则录入，大幅减轻药师重复录入、规则核对的工作，让药师聚焦用药指导等核心专业服务，人力效能显著释放。2）合规质控，精准拦截降低风险辅助审方结合药师人工复核后，问题处方有效拦截准确率超过 90%，AI 准确率持续提升，更加稳定的质控水平，更加多样化的审核视角，实现合理用药与医保合规双重质控。通过智能规则库精准匹配医保政策与药品说明书，避免人工审核疏漏导致的医保拒付、违规处罚等风险，满足医保飞检常态化监管要求，为药房合规运营筑牢防线。在 6 家药房的近 2 个月的试点过程中，已协助药师完成 2000 多笔订单的审核，成功拦截了 17 笔不合规报销，涉及医保基金 5 万元。3）运营优化与体验升级数字化档案管理实现患者资料安全存储与快速调取，解决特药资料存储难、调阅慢的行业痛点,目前已归档电子档案数 7000+；“一键审方+自动填单”简化操作流程，降低药师专业门槛与学习成本。对患者而言，审方周期（二）（二）基于大数据边缘云平台的多模态充电桩智能规划系统基于大数据边缘云平台的多模态充电桩智能规划系统1、案例概述、案例概述为破解行业难题，中国移动通信集团广西有限公司为广西电网有限责任公司、南方电网广西电动汽车服务有限公司打造“基于大数据边缘云平台的多模态充电桩智能规划系统”，构建“云边协同、云智一体”的解决方案：以大数据边缘云平台为统一基座，实现“人-车-桩-网”多源数据实时汇聚、治理，为上层 AI 智能体提供高质量的数据供给。同时，采用“大模型+AI 智能体”双引擎架构，将复杂的时空计算与业务分析能力封装为智能服务，用户通过自然语言交互，即可一站12式获得从需求预测、站址推荐到运营优化的全链路决策支持。2、需求分析、需求分析随着新能源汽车产业迅猛发展，充电需求呈现爆发式增长。国家能源局数据显示，2025 年国庆假期，全国高速公路新能源汽车充电量创历史新高，达到 12287.32 万千瓦时，日均充电量 1535.91 万千瓦时，较去年同期增长 45.73%。然而，当前充电桩布局普遍存在供需空间错配、数据要素割裂、潮汐需求响应滞后等问题。传统选址依赖人工经验与静态数据，难以实现多源数据的实时融合与智能分析，导致资源闲置与用户“找桩难、排队久”现象并存，制约了充电网络效率与服务体验。当前充电设施行业面临三大核心痛点，对智能化升级提出迫切需求：1）规划维度单一，科学依据不足充电设施选址决策高度依赖土地可用性、电力接入条件等静态物理因素，以及有限的局部历史充电数据，缺乏对动态人流、车流、区域功能演变等多维度时空规律的融合分析，导致布局与真实需求脱节，“盲目建设”与“充电荒漠”现象共存。2）数据价值沉睡，协同壁垒高筑影响选址决策的关键数据（如电网实时负荷、车辆行驶轨迹、商业热力、人口流动等）分属电力、交通、通信、规划等多个系统，标准不一、难以互通，形成牢固的“数据烟囱”。数据要素无法流动与聚合，其潜在的乘数效应无法释放，制约了整体决策水平的提升。3）运营手段僵化，难以动态适应充电需求具有显著的潮汐性、时段性等特征。传统运营缺乏基于实时数据感知和预测的智能调度能力，无法实现价格弹性调节、资源13柔性分配与用户引导，导致设施利用率波动巨大，运营商收益不稳，用户体验不佳。因此，亟需一个能够打通数据壁垒、承载智能算法、并支持敏捷迭代的一体化平台。本项目旨在构建一个以行业云平台为数字底座、以多模态 AI 为核心引擎的新型解决方案，实现对充电设施“规-建-运”全生命周期的数据驱动与智能决策，推动行业从“经验驱动”向“智能驱动”的范式变革。3、项目实施情况项目实施情况本项目构建以大数据边缘云平台为核心基座，贯穿“数据-模型-能力-应用”全链路架构，通过云边协同机制，将底层海量数据与上层AI 智能体深度融合，形成从数据感知到智能决策的完整闭环。架构图如下：图 5 项目架构图本项目中，行业云平台与 AI 应用的深度融合主要体现在以下三个方面，云平台为 AI 应用提供了坚实底座和核心支撑：1）云平台构建了 AI 应用的统一数据基座14项目基于“N+X”资源池构建了智算中心，通过分布式架构实现对运营商信令、电网负荷、车辆轨迹、地理信息等多源异构数据的规模化接入、治理与融合。云平台采用 Flume+Kafka+Flink 的实时处理架构，对海量数据进行清洗、对齐和标准化，形成高质量、标准化的数据供给，彻底解决了传统模式下数据孤岛、数据质量不高的难题，为上层 AI 模型的精准训练和推理提供了可靠的数据保障。2）云平台提供了 AI 全生命周期管理能力平台采用“集中训练、分布推理”的云边协同架构。在云端，利用强大的算力资源完成 15 亿参数出行大模型的集中训练与迭代优化；在边缘侧，通过部署轻量化推理引擎，实现低延迟的智能决策服务。云平台的统一管控与弹性调度机制，可根据业务负载动态分配计算、存储资源，保障了 AI 应用的高性能、高可用和弹性扩展，实现了 AI模型从开发、训练到部署、运维的全流程高效管理。3）云平台实现了 AI 能力的标准化服务化赋能平台将复杂的 AI 算法模型（如轨迹补全、需求预测、选址评分等）封装为标准的 API 服务接口，并通过构建自然语言交互界面，极大地降低了 AI 技术的使用门槛。无论是充电设施的选址分析，还是应急管理的预警推送，均可通过统一的服务门户按需调用 AI 能力。这种服务化的赋能模式，使得智能决策能力能够快速、低成本地赋能于电力、应急、文旅等多个行业场景，实现了“一基座多场景”的乘数效应。4、场景效益场景效益本项目通过 AI 与云平台的深度融合，在成本、效率、价值和资产盘活等维度取得了显著成效：1）成本控制：通过 AI 智能决策替代传统人工选址与数据分析，15每年可节省 3 人选址团队人力成本约 30 万元，并削减外部商业数据服务费用约 50 万元，实现年化综合成本节约 80 万元。2）效率提升：依托出行大模型，实现了选址策略的自动化生成，将传统需要 30 天以上的复杂选址流程缩短至 3 天内完成，效率提升超过 90%。试点充电站平均利用率提升 18%，用户排队等候时长下降23%。3）价值创造：通过实时数据监测与智能调度，优化了充电桩运营策略，提升了运营商收益。同时，将沉淀的数据要素复用于应急、文旅等领域，开辟了新的收入增长点，累计带动经济效益 1961.98 万元。4）资产盘活：基于统一的数据底座和能力平台，项目沉淀的高价值数据资源在交通管理、应急预警、文旅洞察等场景中被重复调用，跨行业数据复用率高达 80%，支撑了项目的快速规模化应用。（三）（三）5G+云云+AI 安全在钢铁行业应用安全在钢铁行业应用1、案例概述案例概述由中国移动通信集团湖南有限公司（以下简称“湖南移动”）联合湘钢、华为、启明星辰等合作伙伴，共同打造了面向钢铁行业的“5G+云+AI 安全”工业互联网安全运营体系，主要面向钢铁行业智能制造转型中的新型安全挑战，针对终端接入风险、传输安全威胁、事件响应滞后等痛点。项目深度融合 5G 传输加密、MEC 边缘安全防护、工业协议深度解析等技术，构建了集智能监测、预警、处置、溯源于一体的闭环安全防护系统。2、需求分析、需求分析当前，钢铁行业在数字化转型过程中面临严峻的新型安全挑战。传统安全方案难以适应工业互联网环境，主要表现为三大痛点：一是16工业协议与设备高度复杂，涉及 PLC、天车等专用设备及多种工业协议，传统规则引擎覆盖率不足 40%，无法深度解析异构流量；二是威胁响应效率低下，平均事件处置时间超过 10 分钟，误报率高达 30%，高度依赖人工研判；三是企业安全原子能力缺失，尤其广大中小企业缺乏可弹性部署、持续运营的安全基础设施。针对上述痛点，项目团队开展了系统性需求分析，重点聚焦四大典型场景：MEC/CRM 等办公网面临虚拟化边界模糊、数据泄露与非法控制风险；无人天车/远程 VR 等 5G 应用存在数据窃取、恶意操控及网络覆盖稳定性问题；工业控制网络需应对外部攻击、内部漏洞及供应链威胁；企业普遍缺乏全天候安全运营能力，导致运营目标不清、流程不完善、风险不可控。基于此，项目规划并实施了“云-边-端”协同、AI 驱动的安全运营体系。核心路径涵盖终端接入认证、MEC 边缘安全防护、传输加密、数据安全防护及态势感知系统建设，并将云端原子能力（态势感知、僵木蠕拦截等）下沉至工业现场。3、项目实施情况项目实施情况5G+云+AI 安全在钢铁行业应用平台为湘潭钢铁提供工业资产管理、漏洞风险、安全事件、威胁风险、数据识别、数据泄露监测、AI+安全大模型等能力，服务企业的工业智能制造、工业供应链安全、工业+AI 大模型等场景。图 6 安全运营平台1）打造“安全管家”产品由信安部牵头，协同信息化支撑中心、网维中心、信息技术中心，17建立网络安全赋能工作机制，打造标准化安全产品，2024 年 4 月已完成。图 7 网络安全赋能工作机制2）制定资费和套餐由政企部牵头，协同云能，明确目标客户，制定资费价格，打通计收流程，2024 年 4 月已完成。图 8 套餐与资费3）运营平台打造由信安部牵头，协同启明星辰、云能打造安全运营托管服务能力底座，2024 年 6 月已完成。18图 9 运营平台4）做好安全运营保障由信安部牵头，协同信息化支撑中心、网维中心、信息技术中心，组织开展网络安全运营服务产品交付，组织省级专家做好二线售前、售中、售后支撑服务。图 10 态势中心5）系统核心功能1资产管理。依托自动化的互联网资产探测平台，基于域名或IP 地址信息采用系统探测、应用探测、端口服务探测、WEB 探测等多种技术对暴露于互联网的资产进行主动发现，获取其服务的主机、系统、应用、框架、中间件、数据库等信息，通过资产数据采集器与数据合并关联工具整理后，系统性的可视化生成详细的资产信息列表，包含域名、IP、端口，中间件(如：weblogic、nginx、Apachelog4j 等)、应用(如：OA、邮件、财务等系统、网络设备、视频监控服务或者非19WEB 类的 ES、redis、mongodb、ldap 等)、框架(Springboot、strust2、Thinkphp、indexCMS、JEECMS)等信息，自动全面的帮助构建暴露于互联网侧的资产与风险台帐。图 11 资产管理概览图 12 资产管理详情2漏洞风险。通过专业的漏洞扫描工具，对应用系统进行非破坏性的漏洞检测，识别操作系统、数据库、中间件上可能存在的安全漏洞，发现系统面临的安全威胁，并输出详细的漏洞检测报告，报告中包括对应的漏洞修复建议，并在漏洞修复完成后进行复测，验证漏洞是否修复成功。3安全事件。监测安全运营范围内发生发现的安全事件，并提供相应的处置、跟踪等必要的响应措施，确保安全事件的完整闭环。20图 13 安全事件对采集到的安全数据进行安全分析，挖掘安全潜在风险，协助客户快速发现与定位安全事件，了解安全威胁与影响。图 14 风险研判4威胁风险。将威胁情报信息（如恶意 ip 地址、恶意 URL、恶意域名等）与安全事件特定的信息（如源地址、目的地址、请求域名、载荷内容等）进行实时关联分析实现威胁情报信息获取到威胁情报分析利用，为湘潭钢铁企业提供安全管理提供纵深防御能力。5数据识别。对数据资产有全盘的掌握，针对业务系统复杂、数据资产分散、内容不详、风险不清、无法检测等问题，基于资产测绘引擎通过主动+被动相结合进行多维数据资产属性测绘，明确管理对象，梳理数据资产目录，对数据进行分级分类管理，同时对数据的21流动进行监管测绘，从而完善数据通信双方信息及构建数据资产业务、应用和风险的上下文关联信息，摸清数据资产家底，为数据安全监管提供基础资料。6数据泄露监测。基于流量、日志、数据包、文件等进行分析，结合数据安全治理场景的监测分析引擎，挖掘敏感数据、重要数据跨境等安全事件。系统支持数据安全分析，内置数据安全知识库，包含个人普通信息、个人敏感信息、用户相关数据；单位/企业自身相关数据、研发域数据、生产域数据、基础属性类数据、征信、气象、医疗卫生、地理、摄像头等方向。同时，支持 MYSQL/ORACL/SQLSERVER/HIVE/PostgreSQL 等操作审计、异常连接、爆破分析等数据库风险的监控。针对明文分析引擎通过对明文信息中敏感数据、医疗影像/生物特征类数据等内容的识别，对境外代理访问行为、敏感信息批量/高频传输等行为的监测，从而防止明文数据泄露，保障数据安全。7AI+安全大模型。AI+安全大模型通过引入人工智能技术，实现对网络安全风险的智能化识别、分析和响应。安全大模型基于海量工业领域安全数据和先进的算法模型，对网络流量、系统日志、应用行为等进行实时监测和分析，快速识别出潜在的安全威胁。同时，通过自动化响应机制，能够在发现威胁后迅速采取隔离、阻断、告警等措施，有效遏制威胁扩散。4、场景效益场景效益1生产效率显著提升。建成 5G+MEC 尊享网络：2.6G+4.9G 混合组网，双 MEC 部署，实现数据不出园区，端到端业务时延从 26ms降至 9.9ms，单服务器转发能力达到 15Gbps，满足低时延、大带宽和安全性需求。通过 AI 安全大模型的智能研判与自动化响应，安全事22件平均处置时间从超过 10 分钟缩短至 3 分钟以内，响应效率提升300%，极大减少了因安全威胁可能导致的生产中断时间。同时，平台实现了对 428 台工业设备和 21 种专用协议的实时深度监测，将传统安全方案的覆盖盲区降低了 80%，累计成功处置异常事件 9263 次，有效保障了生产系统的连续、稳定运行。2运营成本大幅降低。项目为企业带来了直接且可量化的经济效益，年均节省运维成本达 450 万元。这主要得益于云化部署模式降低了 70%的初始硬件投资，以及 AI 自动化运营减少了对 12 名高技能安全人力的依赖，人力成本节约约 350 万元。此外，该方案已创造直接订单合同超 900 万元，展现出良好的市场回报与商业可持续性。3安全防护水平实现质变。智能化应用使安全运营的精准度与广度发生了根本性改变。平台通过 AI 算法对海量告警进行智能降噪，将误报率从 30%以上降低至 10%以下，有效释放了运维精力。同时，其对 150 多种工业协议的深度解析能力，将协议覆盖与理解率从不足40%提升至 95%以上，实现了对 APT 攻击、勒索软件等新型威胁的精准识别和有效防御。4系统可扩展性与标准化程度高。该方案已形成可快速复制的标准化产品与服务。新项目的部署周期从传统的数月缩短至数周，效率提升 80%以上。其“云-边-端”协同架构与模块化设计，已成功适配并推广至三一重工、港口、电力等 10 余个跨行业项目，防护设备超1 万台，验证了解决方案强大的行业普适性与规模化推广能力。5社会与行业效益显著。项目超越了企业自身的经济账，产生23了广泛的积极影响。它通过构筑可靠的安全底座，保障了钢铁等关键基础工业的生产连续性，间接守护了产业链与民生稳定。同时，该模式以运营商云端服务的普惠方式，显著降低了广大工业企业，尤其是中小企业获得高水平安全防护的技术门槛与成本，为整个工业领域的数字化转型提供了安全护航，起到了重要的行业示范与引领作用。（四）（四）AI 赋能气象赋能气象 MaaS 服务创新应用服务创新应用1、案例概述案例概述联通（上海）产业互联网有限公司联合上海市气象局、上海市经信委、上海人工智能实验室以及上海联通等企事业单位共同打造集人工智能气象应用技术创新、产业孵化以及国际合作于一体的综合性平台-气象 AI-MaaS 平台。该平台以 强基赋能生态共创 为核心，构建了“强基础设施+大能力平台+高质量运营”的创新体系，通过融合算网基础设施、畅通气象语料资源、整合大模型基础组件，打通了人工智能产业上下游，实现“人工智能+气象”服务一站式开发应用，赋能产业生态共建，加速“人工智能+气象”服务于各行业场景应用。2、需求分析需求分析全球气候变化背景下，重点产业对上海天气预报服务能力提出新的需求，上海市高温热浪、超强台风等极端天气气候事 件总体呈上升趋势，气温显著增高。近 150 年来，上海平均气温增温速率为0.18/10 年。同时，这 150 年间，上海暴雨日数和雨量显著增多，降水极端性增强。这些包括暴雨、台风、高温在内的极端天气气候事件，对能源、航运、航空等行业的安全运行带来更大的挑战，对精细化气象预报服务业务能力提出了更高的需求。随着深度学习技术和大规模人工智能模型的快速发展，人工智能在各个行业中的 应用需求24迅速增加，尤其是在数据量庞大、预测复杂的场景中展示了显著优势。气象预测作为多变量、高复杂度的领域，传统预测模型在处理海量气象数据时存在精度瓶颈和数据处理性能的限制。相比之下，基于深度学习的大规模气象模型，通过对历史气象数据的训练和分析，可以识别出复杂的气象模式，实现对未来天气的高精度预测，为提供满足能源、航运、航空