资源描述
数智园区行业参考指南
"IN" 数智时代 赋能园区转型
全国智能建筑及居住区数字化标准化技术委员会 (SAC/TC426) 英特尔（中国）有限公司
2023 年 12 月
前言
从云端到边缘端，数据正在出现爆炸式增长，数智技术正在带来颠覆式创新，物理世界与虚拟世界正在加速融合……变革的浪潮席卷而过。园区作为产业经济集聚的重要形态与主体，正在成为新一轮数智化变革的见证者与推动者。通过把握数智化技术带来的商机，融入蓬勃的数智生态，园区将能够持续挖掘数据价值，推动业务转型，从而释放创新价值，驱动社会经济快速发展。
但同时，在数智技术快速发展的背景下，园区数据快速增长， 大模型等创新应用不断落地，这意味着园区需要对云、边缘、网络等基础设施进行重构或优化，并利用创新的软硬件技术组合，满足数智园区在计算、存储、网络等关键资源方面的需求， 充分释放数智转型的潜能。
为了助力园区的数智化转型，全国智能建筑及居住区数字化标准化技术委员会 (SAC/TC426)（简称：全国智标委）与英特尔联合众多合作伙伴，发布了《数智园区行业参考指南》。本指南旨在总结中国数智园区的发展特征，并通过对于数智园区典型方案和案例的分析与总结，给出数智园区的技术趋势和参考架构，帮助园区更好地利用数智技术的创新成果，持续拓展数智园区的能力范围与服务边界，实现园区全状态实时化和可视化、园区管理决策协同化和智能化。
我们希望通过本指南，能够吸引更多园区加入到数智创新进程中来，助力园区内企业、人员、车辆、商业等要素的数智化管理与运营，不仅实现园区的高质量发展，同时也助力产业经济的转型升级。
主编单位：
全国智能建筑及居住区数字化标准化技术委员会 (SAC/TC426) 英特尔（中国）有限公司
参编单位（排名不分先后）：
特斯联科技集团有限公司、太一物联科技（深圳）有限公司、深圳市原基科技有限公司、开域集团、之江实验室
目录
1 数智园区概况及发展趋势 1
1.1 数智园区典型特征 2
1.2 数智园区发展概况 3
1.3 数智园区的关键技术与应用 5
1.4 数智园区面临的发展挑战 6
2 数智园区技术发展路径 8
3 数智园区系统参考架构 10
3.1 基 础 设 施层 12
3.2 网 络层 16
3.3 平 台层 17
3.4 应 用层 19
3.5 展 示层 21
4 数智园区解决方案集锦 23
4.1 特斯联低碳数智园区解决方案为园区节能减排提供智慧化助力 24
4.2 太一物联数智园区安全管理解决方案以智能守护园区安全 27
4.3 原基科技边缘计算方案助力园区实现智慧运营管理 29
4.4 面向数智园区的开域集团商业客流统计解决方案 31
4.5 之江实验室数智园区大运营管理体系 33
5 结语 37
1
数智园区概况及发展趋势
1 数智园区概况及发展趋势
1.1 数智园区典型特征
数智园区行业参考指南 | "IN" 数智时代 赋能园区转型
数智园区概况及发展趋势 | 3
在以多模态大模型、边缘计算、云原生等为代表的数字化、智慧化（简称：数智化）技术的驱动下，越来越多的园区倾向于通过数智园区转型，提升园区的运营效率，创造更高的数据价值，服务园区内的企业租户与个人用户，同时更好地驱动区域乃至产业发展。
数智园区是指充分利用智能传感器、边缘计算、人工智能、大数据、物联网等技术，聚合园区内各个系统、设备的泛在数据，并通过云 – 网 – 边 – 端的协同处理架构对数据进行高
效处理，从而让园区的建设、运营更加智慧化。在数智园区内，人、设备、系统将不再是独立的个体，而是通过数字孪生等技术，实现从物理空间到数字空间的广泛映射，并最终构成的有机生态体。边缘计算是数智园区的重要技术形态， 通过将数据处理转移到设备边缘与网络边缘，园区将能够近即时地对广泛的数据进行处理，降低云与网络资源压力，更好地为园区治理、社会民生、产业经济、运营管理、应急处置等提供更高效的数据决策依据，加速数智化转型。
数智园区存在以下几个典型特征：
• 从底层技术应用来看，数智园区更注重多模态大模型、云原生等技术的应用：
实现深度的人机交互与设备间交互，并注重通过模型的涌现能力，实现园区数字孪生生态的自我塑造与运营，减少人工介入。例如，在安全管理中，通过多模态大模型的应用，园区安全管理系统能够自主识别视频中的各种对象， 判断是否存在安全隐患并自主上报，有助于减少人力投入、提升违规事件等时间敏感型应用的处理效率。在设备运行中，维护大模型可以分析设备的数据，实时检测设备运行状态，预测设备故障，并提前进行维护和保养。
• 从部署架构来看，数智园区更强调构建云 – 网 – 边 – 端的协同处理模式：
初级阶段的数智园区通常更强调云平台的构建，将负载集中
在云中进行处理，这种方式构建了数智园区的基础平台， 在交付效率、扩展性等方面有着突出优势。但随着园区内物联网终端的快速增加，需要采集、处理的数据的爆发式增长，以及应用对于时延要求的提升，将负载转移到设备边缘与网络边缘就具备了尤为重要的意义。而 5G 的商用则意味着可带来更高的带宽、不到 1 毫秒的时延、千倍于传统无线技术的容量，以及大规模机器对机器的通信能力， 能够充分释放网络连接在数智园区中的潜能。云 – 网 – 边 – 端的协同处理架构能够兼顾云与边缘的优势，可成为数智园区重要的基础设施，在制造业等对于网络带宽、时延非常敏感的场景中能够得到广泛应用。
云 – 网 – 边 – 端协同应该在架构层面实现统一的规划，不仅要推动基础硬件资源的架构统一，或是实现资源的跨架
构调度与运行，还应该引入经过优化与验证的软件系统。这将可以赋予基础设施出色的灵活性，实现资源的自动弹性伸缩，让网络和边缘侧可以更好地得到云端的赋能，最终加速业务创新与价值变现。
• 从驱动方式来看，园区的发展驱动力从流程驱动转变成为数据驱动：
在初级阶段的数智园区，强调的是流程驱动，即使用数字化技术重塑园区的管理、运营流程。而在数智园区时代，数据驱动成为园区发展的核心动力，终极目标是构建数智化底座以及数据分析应用体系，实现基于数据和规则模型，对园区各项事务进行自动处理、自动管控、自动预测和自动决策， 从而进一步释放数据潜力。
• 从建构方式来看，数智园区的建构方式逐渐转变为数字孪生：
数字孪生是将物理世界中的一些特性转换成数字，再经过数据处理，将数字转换成有价值的信息的过程。面向数智园区的数字孪生体能够在园区实体的基础上，将园区的人、物、水、电、气等所有要素数字化，在数字空间中对于这些要素进行映射，将物理属性快速转换成数据和结果，从而建立物理世界与数字世界的联系与互动实现，推动园区全状态实时化和可视化、园区管理决策协同化和智能化。要实现数智园区的数字孪生，需要将园区物理维度真实、详实地在虚拟维度上进行映射，处理数智园区所生成的多源、异构化、异质化数据，并实现智慧应用的跨平台交互等。
1.2 数智园区发展概况
数智化技术已经成为重塑产业发展模式、撬动经济发展的核心动力，未来 10 年数字经济更将是全球经济增长的主引擎。而数智园区作为数字经济的 “孵化池”、数智城市的 “缩影”， 在一定程度上代表了当今发展数字经济的新理念和新模式。
数智园区作为产业升级转型的重要载体，产业稳步增长，市场规模由 2019 年的 1,191 亿元增至 2021 年的 1,394 亿元。2022 年数智园区市场规模约达 1,543 亿元，预计 2024 年将进一步增至 1,941 亿元1。从园区方案类型看，规模最高的是园区综合治理方案，为 440.96 亿元，占比 31.63%。此外，园区综合服务、工业互联网和新型基础设施方案，分别
为 266.36 亿元、180.04 亿元、157.49 亿元，占比 19.11%、
12.92%、11.30%2。
信息与通信技术 (ICT) 的广泛应用是数智园区有别于传统园区的主要特点，也是驱动数智园区演进的关键因素。特别是随着 5G、人工智能等技术的发展，数智园区能够对园区内部资源进行更加高效、智慧化的管理，数智园区的运营者在这些 ICT 技术上进行了愈发广泛的投资。IDC 数据显示，2019 – 2023 年，中国数智园区在 ICT 上的总体支出将以年均 17.4% 的速度增长，到 2023 年，总体支出将达到 2,100 亿元3。
1 2
3 援引自 IDC 发布的《China Smart Business Park Deep Dive Study》。
按技术类别划分的中国数智园区 ICT 支出
（十亿元）
200.00
150.00
100.00
50.00
0.00
2019 2020 2021
硬件支出 软件支出
2022 2023
服务支出
中国数智园区芯片支出及硬件支出
（十亿元）
200.00
150.00
100.00
50.00
0.00
2019
2020 2021
2022
2023
芯片支出 硬件支出
十亿元
2019
2020
2021
2022
2023
CAGR
硬件支出
74.11
83.50
95.00
108.98
122.38
13.3%
软件支出
7.57
9.83
12.08
14.92
19.36
25.4%
服务支出
22.86
27.23
34.51
42.22
52.78
24.0%
总体 ICT 支出
104.54
120.56
141.60
166.13
194.52
17.4%
十亿元
2019
2020
2021
2022
2023
CAGR
芯片支出
17.98
20.02
22.13
24.17
26.21
9.9%
硬件支出
74.11
83.50
95.00
108.98
122.38
13.3%
芯片/硬件 (%)
24.2%
24.0%
23.3%
22.2%
21.4%
/
图 1. 2019 – 2023 年，中国数智园区在 ICT 技术上的总体支出
数智园区行业参考指南 | "IN" 数智时代 赋能园区转型
数智园区概况及发展趋势 | 7
在数智园区中，以人工智能 (AI)、边缘计算等为代表的数智化技术应用深度不断拓展，带来了数智园区更多场景的突破， 由数智化技术赋能的智慧照明、自动驾驶等技术将在园区得到广泛的应用。毕马威研究数据显示，目前数智园区基础网络设备覆盖率超过 90%，智慧安全管理系统覆盖率超过 60%，智慧泊车系统覆盖率超过 40%4。
在技术创新的驱动下，将有越来越多的园区投入到数智园区的建设浪潮中，提升园区对于算力基础设施的要求。以大模型为例，数据显示，在大模型的驱动下，到 2026 年，全球AI 计算市场规模将增长到 2,536 亿元5，这将驱动 AI 服务器的持续增长。而作为算力基础设施的重要承载者与应用者， 数智园区的算力规模也将不断增长，带来多元芯片、服务器等领域的广阔市场。
数智园区在住建领域的结合主要体现在以下几个方面：
• 数据融合和业务融合：
通过统一标准的数据融合，可以构建项目、企业、人员和城乡等基础数据库，为后续高性能的数据分析夯实数据基础。同时，将应用场景、业务管理等各业务数据关联起来， 实现数据资源的共享共用，以反映综合业务场景的全貌。
• 园区建设：
数智园区可以充分利用智慧建筑的基础，集成控制摄像头、SOS 报警器、烟雾报警器、红外探测器、门禁系统、报警系统等硬件系统，实现感知、系统联动、统一控制。数智园区可以结合空间具体场景分析集成哪些子系统，比如对建筑空间某个区域进行 360 度无死角分析，可以对区域特殊
4 5
人员进行危险预警，另一方面可以对区域人流量进行高低峰监测，与管理系统进行联动，提前做好人流管理和服务应对措施。
• 产业分析和大数据产品：
通过实时分析、预警预测等方式，实现对注册登记、市场准入、项目投资、招标投标、法律服务、知识产权等住建数据资源的全生命周期管理，有效提升住建部门管理效率，加快行政体制改革步伐，同时也为社会提供大数据增值服务。
• 数据驱动决策：
数智园区能够利用建筑空间环境自然形成和运营累计的数据，通过数据运营分析，形成智能化决策。
综上所述，数智园区在住建领域有着广泛的结合点，可以通过数据融合、业务融合、园区建设以及产业分析和大数据产品等方面与住建领域实现深度结合。
1.3 数智园区的关键技术与应用
数智化技术的创新极大地拓展了数智园区的能力范围与服务边界，并成为数智园区相对于普通园区最重要的特征，以及关键的发展驱动力。推动基于创新技术的园区架构以及应用技术创新，已经成为数智园区提升效率、活力、竞争力的重要因素。目前，数智园区内的关键技术包括：
• AI
AI 技术可以帮助园区构建智能化的服务平台，在决策支持、安全管理、机器人客服、无人驾驶等方面提供创新的应用场景，提高园区的运营和管理水平。AI 技术与计算机视觉、自动化控制等技术的融合为数智园区赋予了前所未有的感知能力与控制能力。随着 AI 技术的发展，AI 系统需要具备柔性、持续学习和自主学习能力。例如，在机器视觉应用中，可以先通过少量数据建立基本的识别能力，然后通过人工干预的模式对相关的数据进行半监督地标注，以及自动化、持续性地训练，从而不断提升识别的性能与精度。
部署于边缘端的 AI 和深度视觉应用能够支持数智园区部署轻量级应用，直接在边缘端对数据进行清洗、预处理、聚合和筛选，降低云或数据中心的数据处理压力，节省网络带宽，同时加快特定环境下的应用响应速度。例如，在园
区路侧部署的边缘人工智能系统可以集中处理安全管理、流量调度和路灯控制等任务，提供人流统计、异常行为告警和环境控制（如动态调整灯光强弱）等功能。
随着大模型的快速发展，越来越多的数智园区客户开始关注这些 AI 领域的新技术，以此来进一步提升园区管理的效率和智能化水平。此外，以 ViT (Vision Transformer) 和SAM (Segment Anything Model) 为代表的视频大模型对于视频分析软件的实现带来了很多前所未有的进步。由于它的训练需要更少的标注且能够带来更高的准确率，视频大模型的使用可以显著降低模型更新和维护的成本。这些优势将驱动越来越多的客户考虑放弃原有的传统神经网络模型， 从而转向使用更有效的视频大模型来支撑其视频分析的软件负载。
• 边缘计算
借助融合了网络、计算、存储和应用，且在数据源附近部署的边缘终端，边缘人工智能可将 AI 工作流的推理部分从云或数据中心转移到就近部署的边缘计算终端，从而降低时延，节约网络带宽，同时满足隐私性和安全性等方面的要求。得益于此，边缘计算近年来在园区得到了广泛应用。
边缘侧的负载整合为人工智能在边缘计算的应用找到了突破口。人工智能为数据采集、分析和增值提供了全新的驱动力，也为整个物联网发展提供了新动能。虚拟化技术将在不同设备上独立的负载整合到统一的高性能计算平台上，实现各个子系统在保持一定独立性的同时，还能有效分享计算、存储和网络等资源。边缘侧经过负载整合，产生的节点既是数据的一个汇总节点，同时也是一个控制中心。人工智能可以在节点处采集和分析数据，也能在节点提取洞察做出决策。
• 物联网
物联网 (IoT) 指物物相连的互联网，通过现代通信技术、射频识别技术 (RFID)、全球定位系统、红外线传感器等多种信息传感设备，实时采集任何需要连接、互动的物体或过程等信息，与互联网结合建设一个超大规模的智能化网络系统。物联网可支持在数智园区中实现物与物、物与人与网络的连接，便于园区识别信息、管理与控制。物联网可凭借其开放性的特点，助力数智园区从根本上解决 “信息孤岛” 问题。
在 5G 等先进网络技术的支持下，园区海量的物联网设备可快速地接入网络，在对于网络带宽、时延非常敏感的场景中得到应用，提升园区的整体智能水平。
在园区内部署的边缘计算系统能够就近搜集物联网数据并进行处理，降低数据上传到云端所带来的网络成本与时延， 减少数据在终端与云端交互过程中产生的数据安全隐患。同时，应用在边缘节点的部署还有助于降低成本与网络压力。
• 5G
Wi-Fi 和 3G/4G 等技术已经在智慧园区的场景中得到广泛应用，但是，这些传统无线技术并非为工业运营技术 (OT) 级别的可靠性、时延、吞吐量和安全等特点而设计，因此无法满足相关要求。5G 将会带来强大的优势，以及大规模机器对机器的通信能力，从而充分释放网络连接在智慧未来园区中的潜能。例如，5G 能够支持园区海量的物联网设备快速地接入网络，推动增强现实 (AR) /虚拟现实 (VR) 等新型应用在园区的落地。
• 云计算
云计算作为分布式计算、网络存储、虚拟化、负载均衡等技术融合的结晶，可以按需提供动态扩展的计算和存储资源，具有高性能、虚拟化、动态性、扩展性、灵活性等特点，可以有效满足数智园区业务创新、快速部署的要求， 在实现数据共享、打破 “信息孤岛”、整合重用资源等方面具有天然优势。
• 大数据
数智园区大数据技术的应用主要体现在为园区提供大数据平台和工具，在云平台上集成园区管理和服务相关的各个系统，挖掘并聚集海量的数据。大数据中心作为数智园区的基础设施，是园区智慧的基础，为园区实现有效、高效的决策和服务提供支持。
1.4 数智园区面临的发展挑战
要推动园区向数智园区演进，园区的建设商或运营商不仅在管理上面临范围拓展、深度加大、需求量增多、环境复杂化等因素带来的诸多挑战，还将面临以下技术挑战：
• 缺乏整体性的设计，基础设施建设缺少指南
直到最近几年，数智园区逐渐从概念落到实践。数智园区如何定义、应用创新的数字化技术，如何推动数智园区的生态建设等问题纷纷浮现。许多企业均在推动自己的数智园区建设，但侧重点和认知大多基于企业自身的技术能力和业务相关性，无法从产业整体的角度构建数智园区。
特别是在基础设施层面，数智园区广泛存在 IT 基础设施缺少整体规划，软硬件之间缺乏充分的兼容与优化，算力、存储等资源无法敏捷扩展等问题，难以支撑上层应用的创新。
• 园区内部仍然存在设备与数据孤岛，体验不佳
虽然在数智园区阶段，大量的应用与数据已经打通，但是随着数智化技术的快速创新，大量智能化设备与应用不断加入，园区内不断产生新的孤岛。此外，随着大模型、数字孪生等系统的应用，数智园区对于数据间互联互通的深度提出了更高的要求。例如，在数智园区运营中，数智化系统需要近即时地采集不同设备、应用的数据，并进行分析，通过自主决策满足事中运营的需求。再如，在很多园区中，运营数据、能耗数据、物业数据、公共设施数据并没有充分地实现互联互通，只停留于园区基础数据、企业概况等一般数据的展示层面，对于数据的分析与利用停留于表层，难以通过多个系统的数据分享和关联，实现更深层次的数据挖掘。
此外，园区智能化设备还普遍存在着重功能轻体验的问题， 用户使用门槛高、体验效果差，这导致园区耗费资金引入的智能化设备处于事实上的闲置或低效应用状态，无法充分发挥智能化设备的价值。
• 数据处理存在显著时延，难以满足即时分析的需求
数智园区的一个重要方向是汇聚园区内部各种终端、应用的数据，以管理中枢为依托，对这些数据进行预处理，并通过
大数据、大模型等工具对数据进行分析以及利用，为园区的各项运营提供决策能力支撑，同时向智慧化、自动化的控制转型。但是，由于无法实现低延时、高带宽的网络覆盖，缺乏协同数据处理体系，目前大量数智园区对于数据的利用只能做到对于历史数据的分析与应用，无法做到即时性的数据分析。
此外，随着园区边缘端需要管理的设备与数据的快速增长， 边缘系统面临着巨大的时延压力，特别是在业务高峰期， 海量的数据处理需求可能导致时延快速增长。
与此同时，当前大量园区缺乏对于细粒度数据的获取、整合与分析能力，导致园区的运营依然停留在经验驱动，而非数据驱动层面。例如，在能源管理方面，受限于物联网传感器等设备的覆盖不足、缺乏边缘管控能力、网络带宽不足等问题，园区的管理中枢难以获取更细粒度的即时数据（如路灯的耗能数据，会议室的空调、照明等设备的即时耗能等），并做到设备级的精细管控。
• 数据挖掘支撑园区增值服务仍需探索
数智园区服务由园区管理委员会等主体提供。在现阶段理想的数智园区运行体系下，数智园区服务可以分为基础设施层面、运营管理层面，以及周边综合服务层面，其中包括空间信息管理、客户信息管理、租赁管理、公共设施预定管理、收费/计费结算管理、公共信息发布系统、物业服务管理等系统，目的在于为入驻企业提供高效服务，助力其降低运营成本、提升发展效率。
但是，当前园区所提供的服务仍然以基础设施层面的服务为主，且智能化程度较低，普遍存在能源管理、网络等系统建设落后于实际需求等问题，难以提供基于数据的运营管理、周边综合服务等增值服务，导致园区入驻企业难以获得数据的充分赋能，影响了降本增效目标的实现。
2
数智园区
技术发展路径
运营管理能力是衡量数智园区的重要因素，数智园区运营应以园区的战略目标为指向，构建融合设备、应用、资源、业务、数据、知识、服务等于一体的平台化、生态化的运营服务群，推动资源合理配置与利用，助力园区实现高质量发展，为园区租户提供卓越服务，为产业经济注入动能。
数智园区目前主要经过了三个发展阶段：
数智园区行业参考指南 | "IN" 数智时代 赋能园区转型
数智园区技术发展路径 | 9
• 第一阶段：设备孤岛（2012 年以前）
本阶段的数智园区以单点应用为主，开始信息化应用，主要包括 OA、政务系统、单点智能硬件，采取碎片化、烟囱式、单系统的建设模式。随后，伴随着平台建设的加快与互联网技术的发展，园区开始积极部署互联网应用，包括互联网 + 政务便民服务、一站式政企服务、线上企业服务， 搭建运营管理平台、企业服务平台的应用。
在 2012 年前，大部分园区处于本阶段。园区处于各系统割裂建设和信息孤岛的状态，没有实现互联互通，运营数据效能低下，数据价值无法体现。传统园区缺乏系统性规划， 基于单点功能的建设导致系统孤立、管理粗放而且服务不足等问题，已难以满足用户日益增长的多样化需求。
• 第二阶段：数据整合、打通（2012 – 2020 年）
本阶段以数据服务主导，开始以数据服务、已建系统重构和数据平台建设打通数据，促进产业发展，出现云计算、大数据、物联网的应用。在本阶段，各园区聚焦于智能化建设，在基础设施智能化、数据协同、业务联动和可视化运营的基础上，出现物联网、工业互联、可视化的使用。
此阶段开启了智能管理型园区阶段，之所以能够实现这一升级正是因为物联网技术此时已经发展到了一定阶段，并可以广泛应用，实现园区内各种设备和系统的互联互通，
为园区的管理和运营提供更高效、便捷的解决方案，使其逐步成为数智园区。随着智能化物流园区、智慧旅游产业园、人工智能产业园快速发展，可视化集成方案的广泛应用，园区由智能管理型向智慧应用型发展，推动科技赋能、资源聚集、绿色低碳的智能化综合型园区快速升级，园区全面进入智慧决策阶段。
• 第三阶段：数智化时代（2020 年 – ）
本阶段以数字化和智能化的融合为主导，致力于构建园区数字生态与全景化智慧场景，达到万物互联、一体联动、智慧感知，包含数字平台、人工智能、物联网、5G、数字孪生等先进技术。
该阶段出现了云 – 网 – 边 – 端协同。在园区云的基础上， 数智园区通过 5G、边缘计算等技术将部分数据转移到边缘端处理，以缩短数据处理路径、降低数字化应用的响应时延，同时降低成本，在此基础上运行 AI、深度学习等应用，实现园区运营的自动化控制以及决策。
数智园区建设是一个系统性、复杂的工程，需要从边缘基础设施底座、网络、云平台、园区应用、数据展示等方面进行入手，拟定数智园区转型规划，并开展渐进式的建设路径。在第三章节，本指南将给出数智园区不同层面建设的参考建议，以助力更多园区推进数智化转型。
3
数智园区
系统参考架构
数智园区行业参考指南 | "IN" 数智时代 赋能园区转型
数智园区系统参考架构 | 21
针对数智园区的建设与运营需求，本指南提供了数智园区系统参考架构。该架构包含数字化企业、智能设备和高效服务等要素，能够组合、分析和分享这些要素捕捉的不同数据集。园区运营方应以服务产业经济发展为基本的出发点，通过部署先进的数智技术和强大的基础设施，提升园区的经济活力、数智化发展水平以及弹性，从而为园区内部的企业、居民提供重要价值。
数智园区应以数据为中心，以云（云计算）– 网 (5G) – 边（边缘计算）– 端（物联网终端）的协同为基础设施，以数据中心、融合边缘平台等基础设施建设为重要支撑，以园区生态建设为拓展方向。数智园区不仅可以为园区内部企业提供智慧服务，同时也可通过数字孪生技术吸纳、服务城市、区域乃至全国范围内的更多数字产业。
以数据为中心是指数智园区需要以数据资源为重要生产要素、以全要素数字化转型为重要推动力，将数据价值的挖掘作为园区发展的重要引擎，并全面覆盖数据收集 – 传输 – 存储 – 处理 – 分析的全生命周期流程。要实现以数据为中心，需要在数据收集阶段，通过分布在公共空间、工厂车间、会议室
等区域的摄像头、机器人等物联网互联设备获取数据；在数据传输阶段，通过 5G 等技术与应用实现高带宽、可靠低时延和大规模的数据传输；在数据处理与分析阶段，从云数据中心到边缘端进行算力分配与协同，并衍生计算机视觉、自然语言处理等智慧型应用。
构建云 – 网 – 边 – 端整体协同体系有助于提供更加高效、灵活、成本优化的数字化基础设施，形成一种新的 IT 服务能力， 帮助数智园区用户更好地支撑 AI 等创新型应用。
云 – 网 – 边 – 端协同应在架构层面实现统一的规划，不仅要推动基础硬件资源的架构统一，或是实现资源的跨架构调度与运行，还应该引入经过优化与验证的软件系统。这将可以赋予基础设施出色的灵活性，实现资源的自动弹性伸缩，让网络和边缘侧可以更好地得到云端的赋能，最终加速业务创新与价值变现。
本指南推荐的数智园区系统参考架构包括基础设施层、网络层、平台层、应用层、展示层等不同的层级，各个层级之间实现高效的协同，支撑园区的各种应用与服务。
Web 端
APP 端
…
园区生活
企业服务
招商推广
设施运维
环境空间
能效管理
资产管理
车辆管理
人员管理
物业管理
综合安防
交互终端
微信端
大屏
安
标
全
准
管理
规范
展
示
应用层
层
平台层
网络设施
交换机
路由器
…
终端感知
RFID/NFC
…
云基础服务（容器管理，网络管理，计算服务，存储服务，安全服务 …）
…
建筑建模
地理信息
物联网
大数据
人工智能
音视频
智能水表
智能电表
照明
空调
闸机
门禁
摄像头
传感器
防火墙
网关
物联网
园区专网
互联网
移动通信网
网
络
层
基
础
设
施
层
图 2. 数智园区系统参考架构
安全管理与标准规范是贯穿整个数智园区的重要能力。安全管理要求园区遵循网络安全法、等保等法律法规要求，建立数据安全治理体系与网络安全运营体系。其中数据安全治理体系要求园区能够对数据进行合理的分类与控制，通过可信计算等方式，提供安全的数据融通服务，联合分析、联合训练、联合预测等应用不透出原始数据以及基于数据应用逻辑层面的授权， 保证场景化的数据融通安全需要，满足商业的自主性、可控性、安全性，为企业提供透明可控的安全流通环境，可随时管控和退出，永保数据控制权。
网络安全运营要求园区制定全面的网络安全策略，对于园区内各种信息化的设备与应用状态进行管理，并建立威胁响应机制，在发现问题时通过阻断等措施进行快速处置。对于已经发生的损害，可通过恢复能力及时降低威胁的扩散，并修补损失。
标准规范在数智园区建设中发挥着非常重要的作用。标准规范可以确保园区的建设遵循统一的标准和规范，使得各个系统之间能够相互兼容和互联互通，避免形成信息孤岛。同时，标准规范还能够促进网络资源和信息资源的整合、共享与利用，形成一个紧密联系的整体，获得高效、协同、互动的整体效益。
在数智园区建设中，标准规范还可以帮助园区建立统一的组织管理协调架构、业务管理平台和对外服务运营平台，打造统一的工作流程，协同、调度和共享机制。这可以推动园区改善运营效率，提高服务质量，同时也能够建立统一的应急管理与日常管理体系、对内与对外服务体系，提升园区的整体运营水平。标准规范可以在数智园区的建设中起到指导和规范的作用，使园区的建设更加标准化、规范化，提高园区的整体运营水平和竞争力。
3.1 基础设施层
基础设施层主要包括边缘服务器硬件、开放智能边缘系统、核心微服务等，能够为上层的应用程序提供计算、存储、网络等资源支撑。边缘计算平台对于数智园区有着至关重要的意义，能够支持园区运营商在数据源（例如路灯、出入口、车间）附近处理并分析数据，可以加快响应速度并减少占用的网络带宽。同时，边缘计算还能降低与将数据发送到云端相关的成本和复杂性。此外，在边缘管理数据和应用有助于提高安全性，在许多领域确保本地数据监管合规。由于在这些方向上具备突出优势，算力正在快速向边缘转移。
负载均衡 (Ingress/Istio)
核心微服务
Deploy With
聚类及归档服务
特征匹配服务
存储服务
大数据服务
AI 推理服务
数据结构化服务
…
PaaS
分布式存储框架
( Ceph, MinIO )
数据库框架
( SQL/Greenplum Redis HBase )
Smart Edge Open
微服务网格 (Istio) 网络
安全
控制面板
存储
…
基于 K8s 的容器化基础服务
操作系统，部署/配置服务，容器运行
IaaS
基于英特尔® 至强® 处理器的边缘服务器硬件（网卡，存储等）
智慧交通应用
智慧园区应用
智慧社区应用
公共安全应用
SaaS
参考应用程序
推理框架 ( OpenVINO)
大数据框架 ( Spark )
数智园区的边缘计算设备包括边缘服务器、边缘 AI 计算盒、网络视频录像机 (NVR) 等设备。其中，边缘服务器可以分为管理服务器、大数据服务器、存储服务器、多媒体服务器、视频分析服务器等多种形态：
图 3. 数智园区基础设施层架构
管理服务器
管理园区各个子系统的功能并提供远程管理的 UI 界面。利用数字孪生技术可以生成生动的 3D 大屏管理界面并投射在控制中心的视屏墙。通过该方式，可以有效地管理园区各个功能并实时展示其当前状态。
大数据服务器
对从前端采集的传感器数据或者结构化的视频数据进行进一步的数据处理，并对当前和过去的历史数据进行数据挖掘。
存储服务器
存储前端采集的传感器数据，视频数据以及分析后得到的各种元数据。
多媒体服务器
根据请求可以播放和广播指定的视频流。
视频分析服务器
对录制的多路视频流进行视频 AI 分析，并将分析结果存储到存储服务器，以备后续进一步处理和制定决策。
管理服务器
行业业务管理
大数据服务器
数据治理，数据挖掘
存储服务器
数据存储和访问
多媒体服务器
媒体广播和播放
视屏分析服务器
视频分析
图 4. 面向数智园区的边缘服务器常见类型
§ 单条神经网络推理流水线
§ 多条神经网络推理流水线
§ 数据融合流水线
视频 AI 计算盒
无缝接入现有视频系统
传感器
网络视频录像机
IP 摄像头
深度摄像头
显示
AI 或报警服务
边缘服务器
数智园区的边缘服务器还应该采用支持跨不同层次的高可用设计，包括 K8S、存储和服务工作负载等，同时可支持系统管理和热备份，以及通过故障管理快速恢复。此外，用户还能够在边缘服务器的基础上，打造更加敏捷的云平台，既可以将其部署为私有云，也可以与公有云集成，从而实现从云端到边缘端的统一数据处理。
边缘 AI 计算盒通常用于在设备边缘端进行实时的视频分析， 利用其卓越的 AI 算力，对前端采集的视频进行快速的分析处理。边缘 AI 计算盒可以运行多条神经网络推理的流水线，甚至可以将多条流水线分析的结果进行融合。
图 5. 面向数智园区的边缘 AI 计算盒
视频 AI 计算盒在数智园区有着广泛的应用。例如，视频 AI 计算盒能够通过网络摄像机对指定区域进行视频管理与分析， 提供视觉洞察，实现停车道闸、车牌识别、楼宇梯控、门禁管理、异常检测、智能照明等场景应用。通过与现有园区信息系统、终端设备的连接与工作负载整合，视频 AI 计算盒还可助力实现智能化、自动化的事件发现与推送处理，为园区提供整体智慧管理解决方案。
视频 AI 计算盒有助于降低 AI 方案的开发门槛，帮助客户快速实现量产原型机的开发，进行方案验证。在成熟算法与硬件平台解决方案组合的加持下，视频 AI 计算盒可支持客户将产品开发周期从几个月缩短至几个星期，大幅加快产品上市速度。
显示
网络视频录像机负责管理和接入前端的摄像头，接收前端摄像头推送的视频流并存储到本地磁盘，拼接多路视频流并显示在外部显示器上，典型的软件负载包含摄像头接入管理、存储、推流、视频处理及拼接、视频分析。
数智园区的边缘融合基础设施通常需要满足以下需求：
• 边缘终端需要提
展开阅读全文
浙ICP备2021020529号-1 | 浙B2-20240490 
