以数智融合之力，赋能千行百业 | CCF TF 166回顾

深城交数研智算PDT首席架构师李治蓉老师分享了《智算中心建设方案的探索与实践》，分析了全球及中国AI算力发展格局与趋势。全球层面美国保持领先，企业主导技术突破；中国通过“东数西算”等政策驱动国产替代，构建起覆盖中央到地方的全链条智算政策体系。聚焦资源能效瓶颈（东西部算力供需失衡、数据中心高能耗）、生态结构性障碍（算力孤岛、利用率低至30%-40%）及产业协同不足等核心挑战，提出投建运一体化解决方案，以深圳开放智算中心为例，通过“一个中心+一平台+一园区”模式整合多元算力、跨域调度平台及产业生态，实现PUE＜1.2、训练效率提升40%等突破。典型案例如鹏城云脑Ⅱ和风光电储一体的海洋智算中心，验证了智算中心作为产业操作系统的价值。

观点金句

“智算中心不是算力工厂，更是产业创新的操作系统。”

“解决资源错配、技术异构、应用脱节三大痛点，是释放新质生产力的关键。”

“投建运一体化模式是智算中心可持续运营的蓝图。”  

爱康集团技术副总裁罗源老师分享了《医疗AI数智化转型：企业实践与生态创新》，聚焦于企业引入AI技术时的关键考量与实践路径。指出企业需明确项目价值定位，权衡短期收益与中长期战略目标；需评估业务成熟度，区分老业务（需解决历史数据治理难题）与新业务（可快速适配新技术但回报有限）的差异化挑战；垂类行业应结合技术实力选择自研或三方合作模式，并参考行业最佳实践。爱康集团以健康管理助手为例，展示了从基础大模型搭建、知识库增强到智能体（Agent）任务落地的三阶段演进路径，强调通过自然语言交互提升医疗数据可及性，推动行业服务平权。为企业提供AI落地的系统性框架，揭示医疗行业技术变革趋势，并传递“保持技术敏感度与健康状态以拥抱AI红利”的积极理念，助力企业在数据治理、模型优化与应用创新中找到平衡点。

观点金句

“企业数字化转型三阶段：信息化→数字化→AI化，大模型让企业直接跨越到AI阶段。”

“医疗AI的核心挑战是数据质量与隐私，但最大机遇是彻底重构健康交互方式。”

“Agent不是聊天机器人，是能调用工具完成任务的智能体——这是医疗AI的终极形态。”

竞技世界系统部经理杨建荣老师分享了《打造数智化时代“无感扩容”的数据库架构》，系统阐述了其在应对数字化场景数据爆炸、智能驱动等趋势下的核心价值。技术层面，通过分布式集群的无缝迁移、零代码侵入的数据延伸处理、热点数据动态扩展等能力，实现了业务侧无感知的性能提升与容量扩展。核心观点强调，无感扩容需攻克三大关键问题：数据同步完整性保障、冷热数据分层校验的一致性管理，以及高并发场景下的平滑切换机制。通过构建平台化操作体系，结合离线和在线数据稽核校验，辅以优先级策略和缓存协同机制，有效解决了数据覆盖、延迟风险等痛点。该方案为企业应对业务爆发式增长提供了可落地的技术路径，既能提升系统弹性支撑能力，又能通过自动化流程降低运维复杂度，保障数据一致性和业务连续性，为数字化转型中的数据库架构优化提供了重要实践参考。

观点金句

“无感扩容的本质是应对数字化压力的架构弹性策略。”

“数据同步完整性、集合一致性、异常修复——解决这三问题才能实现真正的无感。”

“冷热温数据分层处理：用离线稽核保一致，用在线稽核提效率。” 

阿里巴巴（控股）企业智能算法负责人陈祖龙老师分享了《橙蜂晓蜜：大模型时代的企业数字化实践》，核心观点包括：1、技术架构从人工评测逐步升级为自动化系统，通过引入大模型微调、RAG增强和Long-RAG技术有效解决多轮问答、意图路由和语义截断问题；2、Agent系统通过结构化企业API和工作流（如请假审批、会议室预定），显著提升办公场景智能化水平；3、评测体系创新方面，与高校合作构建的自动化评测系统实现与人工评测91%的一致性，降低90%人力成本。揭示了AI落地需注重底层数据治理与业务逻辑梳理，模型效果提升依赖技术选型（如千亿参数模型切换）与工程实践（如Long-RAG处理长上下文）的协同优化，为企业智能化转型提供了从技术架构到评估体系的完整方法论参考。

观点金句

“大模型落地的脏活累活：文档结构化、数据闭环、反馈链路——缺一不可。”

“AI评测不能靠人工——用算法对齐人类评估偏好，效率提升10倍。“

清华大学高性能所助理教授章明星老师分享《从同构走向分离的大模型推理系统》，介绍了在分布式推理引擎Mooncake和轻量化推理方案KTransformers上的技术突破及行业影响。核心观点包括：Mooncake作为开源分布式推理引擎，已通过架构设计形成广泛业界影响力，被英伟达Dynamo系统参考，并计划通过深度合作提升其底层性能，但需数百GPU的起步门槛；而针对低并发场景提出的KTransformers，通过深度解析稀疏化大模型特性，创新性地采用CPU-GPU异构架构，结合英特尔AMX指令优化与量化技术，实现了用24GB显存和382GB内存运行671B大模型，性能较传统方案提升数倍，且支持多并发与国产硬件适配。为云上高并发场景提供规模化推理方案，同时为边缘计算和本地部署开辟低门槛、高性价比路径，推动大模型在实验室、办公室甚至个人终端的普惠应用。两项技术均以开源形式推进生态共建，助力行业探索稠密与稀疏模型在不同硬件环境下的最优架构选择。

观点金句

“以存换算、以弱补强——这是破解大模型推理成本困局的两把钥匙。”

“边缘推理轻量化：让每间实验室都跑得起百亿模型，才是AI平权的真义。”

成都能源发展股份有限公司产投及数字化负责人张古博老师分享了《数据和大模型驱动的虚拟电厂建设与运营体系》，系统阐释了大数据、AI及大模型技术如何驱动行业效能升级。指出虚拟电厂通过多模态数据融合、复杂系统建模与实时决策优化三大核心能力，有效整合交通、能源等多维数据资源，构建精准预测模型与智能调控体系，破解传统能源系统数据割裂、响应滞后难题。成都能源公司的实践案例表明，交能融合平台通过动态交通数据与能源需求深度协同，创新充电设施智能选址模型与云边端协同调控中枢，实现能源配置精准化、响应速度毫秒级，显著提升充电设施利用率与用户服务体验。该案例展示了数据驱动下虚拟电厂从被动响应向自主生态跃迁的演进逻辑，为行业突破高比例可再生能源接入瓶颈、构建高效能源生态系统提供了方法论支撑与前瞻性启示。

观点金句

“虚拟电厂不是技术秀场，而是‘能源大脑’——它用数据指挥千万瓦级的交响乐。”  

“交通数据+能源数据：多模态融合让城市呼吸可视化。”

“云边端协同秒级响应：断网也不怕，边端自治才是能源安全生命线。” 

北京两两数智科技有限公司联合创始人&CEO张煌老师分享了《产业数智供应链平台助力地方城投业务转型》，重点探讨了国有企业及城投公司通过构建数字化供应链综合服务平台实现转型升级的路径与价值。核心点在于通过整合物流、仓储、贸易等系统，搭建数据驱动的产业服务矩阵，制定优先级明确的实施路线图，结合供应链金融与数据资产运营，推动城投公司从传统基建主体转型为产业生态组织者。该模式通过优化产业链协同效率、降低企业运营成本、沉淀产业数据资产，为地方政府带来GDP增长、就业拉动、招商引资等经济价值，同时帮助城投公司改善现金流结构，实现轻资产化运营和可持续造血能力。以湖南某城投为例，平台建设已形成日均数万单的交易规模，通过对接国际口岸与保税区实现通关配送一体化，并赋能中小企业数字化转型。

观点金句

“城投转型本质是从‘输血’到‘造血’——产业数字平台是新的心脏。”

“产业数字平台是新基建：用数据激活沉默资产，用连接撬动金融活水。” 

CCF TF 数据科学SIG主席巴川老师分享了《多模态数据分析企业级应用实践》，探讨了多模态数据分析技术在直播内容处理中的应用实践。通过AI技术实现视频内容的结构化分析与高效筛选：首先，借助图像识别、音频分析和文本处理技术，将长视频切分为短视频并提取关键信息（如牌局类型、炸弹数量、反转剧情）；其次，结合观众互动数据、情感分析和专家评分系统，构建多维评价体系筛选精彩片段；最后通过机器与人工协同机制，实现从数小时直播中快速定位高传播价值内容。展示了如何运用多模态技术（包括YOLO算法、情感识别、语音特征分析）解决实际业务痛点，显著提升内容生产效率和精准度，为直播运营、短视频分发提供了可复用的技术框架与方法论参考。

观点金句

“多炸牌局=精彩内容？用YOLO算法数炸弹，剪辑效率提高100倍！”

“OCR挖文字+目标检测抓人脸——机器比人更懂直播高潮点。”

“观众骂声也是宝：负向情绪峰值=必剪片段，这是舆情数据的新价值。”