数据处理

项目研制国内首套全自动直流电阻测试仪，在保证传统直流电阻测试精度的基础上，增加了远程调档控制、高低压绕组测试线自动切换控制、测试数据智能分析处理等功能，实现测试与数据处理的全自动、智能化。同时，为保证远程调档信号接入的快速性，准确性，安全性，项目研发了通用型试验转接装置。 全自动直流电阻测试仪的使用从根本上解决了110kV、220kV有载调压主变压器直流电阻测试中工作效率低、统筹难度大、智能化程度低的问题，通过专用接入端于接线、远程调档、智能数据分析可使工作效率显著提高，带来良好的经济效益和社会效益。

针对当前配电网巡检方式存在工作量大、效率低、状态量获取不足且易受主观因素影响导致漏检、巡视不到位、误判等问题，他提出采用移动终端开展配电网巡检，实现配网巡检工作任务自动下载、多状态量巡检数据采集与数据处理、前端与后台数据线上录入等功能，提升运检资源整合利用率，提高现场工作效率，降低人员劳动强度，可以促进管理工作的提升。

随着我国数字经济规模总量的不断攀升，实体经济、数字经济和信息服务的深度融合正加速产业数字化和数字产业化变革。算力作为承载信息数据的重要基础设施，已成为全社会数字化转型的重要基石。根据中国信息通信研究院最新发布的《中国算力发展指数白皮书（2023年）》显示，至2023年我国智能算力规模达到178.5EFlops，增速为72%，在我国算力占比达59%，成为算力快速增长的驱动力；据IDC等机构预测，至2025年，新增数据量180ZB，其中80%的增长来自于文本、图片、语音、视频等非结构化的数据。随着人工智能、元宇宙、高性能计算等领域的发展，激发了更多智能数据处理的需求和场景，对新型智能算力的需求激增。本研究围绕典型智能计算应用对异构算力的协同及调度需求，研究泛在异构算力参与训练或推理过程的协同需求、调度需求，研究泛在异构算力参与训练或推理过程的协同需求，包括异构算力类型、规模要求、性能要求、网络要求、数据传输要求等，分析异构算力协同的应用场景等特点，考虑同数据中心、跨数据中心、跨云边端多级、池化和非池化异构算力并存等各种场景下，算力协同的需求及可行性。研究分析异构算力资源分类整合、池化重构和智能分配等技术方案。研究分布式异构算力资源管理技术方案，包括管理跨数据中心、边缘及端侧的GPU、FPGA等异构算力设备，已虚拟化或池化的异构硬件，研究对异构算力资源进行标识和监控的方案，对算力进行细力度切分供给的技术方案，研究对计算任务进行异构算力匹配和调度的技术方案。包括如何匹配差异化的计算任务到相应的异构算力节点，如何支持异构算力资源高效和细粒度分配，基于应用场景的负载差异性，建立面向多样化异构算力资源和上层多场景需求的多元异构算力统一调度架构，统一资源实时感知，抽象资源响应和应用调度。研究分布式AI框架支持分布式异构算力的管理和调度技术方案。

为了指导国内运行核电厂开展设备可靠性数据采集工作，国家核安全局于 2015 年发布了《核电厂设备可靠性数据》，并于2019 年对其进行了适应性升版，同时将文件名修改为《核电厂设备可靠性数据采集指南》(以下简称“指南”)。 根据指南的要求，在上一版数据的基础上，以 2007 版《美国商用核电站设备和始发事件的行业平均水平》(NUREG/CR-6928)作为通用数据源，采用适当的数据处理方法进行了参数估计，对各核电厂新报送的数据进行了整合和处理，形成《中国核电厂设备可靠性数据报告 (2022 版)》(以下简称 2022 版报告)。2022版报告给出了我国运行核电厂商运至2021年底423 个堆年的44个常用设备类的可靠性数据统计结果，以及 7个安全重要系统的列不可用数据统计结果。本文件还与其他国家数据进行了分析对比，综合评价我国核电厂重要设备类的可靠性水平,可供国内各有关单位在PSA、MRRCM 等安全评价和可靠性相关工作中参考使用。

报告中称，数据处理成为制约机巡作业最大化的瓶颈问题之一。在质量评价的后续工作中应达到与缺陷识别算法关联，明确影响识别结果的关键指标；图像质量定量化评价，指导现场数据采集；通过图像处理技术，改进图像质量。

当前，全球正处于新一轮科技革命和产业变革浪潮之中，以5G、云计算、人工智能、工业互联网等为代表的数字技术快速发展，深入到社会生活和经济发展的各个领域，赋能全球经济发展活力。先进计算产业扮演着重要角色，既是数字经济规模增长的助推器，又是数字经济发挥赋能作用的技术驱动力。先进计算技术的应用推动信息和数据处理能力大幅攀升，成为前沿技术加速突破的关键力量和产业数字化转型的重要驱动，行业应用逐步走向深化，计算赋能作用愈加显著，先进计算产业与实体经济深度融合，加速向制造、交通、金融、教育、医疗等传统行业渗透，带动产业数字化转型升级，促进各行各业生产效率提升。把握新一轮科技革命和产业变革机遇，推动现代化产业体系建设，需要深入推进先进计算产业应用。依托国内大市场加快内循环建设，推动先进计算技术与各行业进行深度融合，提高产品适配能力，推动先进计算应用规模化发展。

随着人工智能技术的迅速发展和应用，大模型作为其中的重要组成部分，正逐渐成为推动人工智能发展的重要引擎。大模型以其强大的数据处理和模式识别能力，广泛应用于自然语言处理、计算机视觉、智能推荐等领域，为各行各业带来了革命性的改变和机遇。根据中国软件行业协会教育与培训分会（简称教培分会）的信息搜集、数据分析与走访调研，本研究报告旨在深入探讨人工智能大模型技术岗位以及相关的能力培养问题，帮助企业和机构了解当前大模型行业的现状与未来发展趋势，为人才的培养和发展提供参考和指导。在本报告中，我们将首先对人工智能大模型的概念和特点进行阐述，并介绍国内大模型发展的情况，同时对大模型面临的挑战与趋势进行探讨。接着，本报告将重点关注人工智能大模型涉及的关键技术、关键技术岗位图谱。我们将对这些技术岗位的具体要求和职责进行详细解析。除了技术岗位分析，本报告还将探讨人工智能大模型的能力培养问题。随着大模型的不断演进和应用拓展，如何培养具备相关技能的人才成为关键。我们将结合当前人工智能人才供需的现状，国家人才政策与部署、企业人才需求与培养模式，探讨如何结合现状与挑战，提高人才的应用能力和创新能力。在报告编写过程中，教培分会通过对行业、企业、院校与劳动者的调研与访谈结果进行多维度分析，研究当前人工智能大模型发展趋势，企业人才供需、人才培养模式与产教融合现阶段的情况，并对不同群体的需求归纳与总结，提出了对AI大模型技术人才培养与服务模式的分析、意见与建议，供大家参考，并希望给予指正。

地下空间是国家国土空间的重要资源，也是基础设施建设的重要方向。盾构工程建设作为地下空间工程建设中一个核心环节，面临着分散难监管、安全隐患难排查、施工效率难保障、掘进风险难把控、设备故障难定位、盾构施工数据难存储等诸多难题。随着盾构装备向复杂化、巨型化发展，以及施工规模的扩大，如何对工程建设现场进行有效监控和管理，是所有施工单位和建设单位需要解决的问题。中铁工程服务有限公司以远程数据采集为手段，依托大数据处理技术与移动互联网技术成功开发研制了盾构在线监测云平台，为地下空间建设项目提供了施工现场集成化管理和智能分析预警服务。

集成了数据处理、在线建模、先进控制、在线优化控制、 智能控制等技术所形成的流程工业智能优化控制系统，具有自学习能力，能够实现在线建模功能，可针对不同装置、不同生产过程形成最适合的控制模型和优化模型，通过通用先进控制模块使各流程工业装置达到 “快、准、稳、优”的最 佳控制效果，并通过通用优化模块使装置或整个系统达到最优的运行状态，从而实现节能、节水及资源综合利用。

电力技改检修造价智能管控以2015年版《电网技术改造工程定额及费用计算规定》和《电网检修工程定额及费用计算规定》为依据，通过对电力技改检修工程造价工作流程的梳理，研究工程费用异步并行计算、多模式串匹配数据处理、资源智能推荐知识库构建及工程造价计算过程反演等关键技术，实现工程智能化录入，快速组价，降低预算编制人员的专业门槛，满足工程批次建设要求。 本项目主要用于电力技改检修工程编制估算、概算、预算、结算及工程审核等工作。