| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
| 基于DPMA模型多场景“数字大脑”探索 |
| 第761期 作者：□文/白茹攀1 李萌萌2 时间：2025/9/16 10:07:07 浏览：24次 |
［提要］ 在数字中国和智慧城市全域数智化转型背景下，数字经济成为数据要素重组、竞争局面重构、体系结构重塑的重要支撑。研究发现：我国在数智化转型过程中常常面临“场景复杂” “路径迷茫” “技术受阻”等难题。为此，本文创新性地提出DPMA模型新型范式，将“数字大脑”从“单一场景”向“多元场景”模式转变，通过全域“数字大脑”新型智能体对多元化场景展开路径规划，从而帮助政府和企业实现场景应用协调，以实现数智化高质量转型发展。通过本文研究，基于DPMA模型多场景“数字大脑”可以在城市、工业、能源、交通、医疗、金融等环境中为降低应用场景使用门槛、赋能产业多模态发展、促进数字经济和实体经济深度融合等方面带来新思路，为后续研究提供参考。
关键词：DPMA模型；数字大脑；数智化转型；场景应用；AI大模型
中图分类号：F49；TP3 文献标识码：A
收录日期：2025年3月27日
近年来，“数字大脑”的建设推动具体场景智能化建设的进程，进而衍生出城市大脑、产业大脑、工业大脑、企业大脑、政务大脑、国资大脑、交通大脑等数十种概念。笔者对这些大脑研究发现，这类大脑智能决策一般倾向于单体决策，面对丰富的业态环境和复杂的应用场景，此种模式已不符合战略统筹和资源集约的要求。具体地说，社会科学的演进是建立在由大量特征多样、相互关联的人群并具备多样个体独立决策的复杂智慧生命群落的基础上，那么“数字大脑”的理解范畴也应该从单一场景的“数字大脑”向着复杂群落的多场景化“数字大脑”演进，也就是“数字众脑”的概念。然而，在我国数智化转型过程中，转型主体的应用场景也愈加多样，由此数智化转型过程中的“价值迷茫” “技术迷茫” “路径迷茫”的问题普遍存在，因此多场景建设“数字大脑”十分必要。
一、全域数智化转型下亟须建设多场景“数字大脑”
在单一场景中，涌现出各行各业的“数字大脑”。例如，城市大脑，是城市数字化运行的基础设施；产业大脑，是产业生态优化以及政府精准服务的信息化平台。这些单一场景“数字大脑”倾向于针对某具体行业或领域，大脑之间缺少必要的数据互通、信息共享的价值联动，资源利用效率较低，数字大脑模型健壮性不足，面对复杂、多元的应用场景，建设方极易造成资源浪费，极易形成“大脑烟囱”和“大脑孤岛”，造成“头痛治头脚痛治脚”的困境。
而在复杂的多元场景中，正如中国工程院院士吴志强在《“城市众脑”：理论模式及关键议题》中指出，人类的文明并不是把所有的社会群落的智商让渡给一个大脑，而是一群独立的智商协同，完成了文明的发展，而众脑就是这种文明进步的智能模式映射。因此，在“数字大脑”建设从单一场景模式跨越升级至高站位、统筹化、集约化的多元场景数字大脑模式过程中，伴随着场景多元迭代、技术多元迭代、认知多元迭代等内容，亟须创新型技术架构、实施路径以及部署模式，对全域数字大脑做统筹规划，即从单一场景“数字大脑”走向多元场景“数字大脑”的理论模式创新。具体“数字大脑”模型结构层级对比过程，如表1所示。（表1）
（一）全域数字化转型面临的系统性挑战
1、政府数智化治理新需求。2024年5月，国家四部委联合发布《关于深化智慧城市发展 推进城市全域数字化转型的指导意见》，文件指出要全领域推进城市数字化转型。由此可以看出，数字化转型的主体已由单一模式转向复杂的全域模式。因此，在面对复杂的数智化转型背景下，建设全方面、多层次的“数字大脑”挑战重重。
党的二十大报告系统地论述了中国式现代化的重大成果，其中政府治理现代化是中国式现代化的先导工程。我国政府信息化起步可追溯到20世纪90年代，政府成立国家经济信息化联席会议，以启动重大信息化工程建设，随后以“数字政府”模式迭代演进升级。数字政府建设作为政府治理现代化的关键路径，多年来从数字政府1.0时代到数字政府2.0时代，政府数智化治理取得了良好进展，目前朝着数字政府3.0阶段高质量发展演进。
政府从数字化到数智化的转型是一个长期而且复杂的过程，不仅是技术上的应用升级，更是治理模式和体系的深化变革。目前，我国政府在数字化转型方面已经进入“深水区”，在推进数字政府建设过程中也遇到许多挑战，比如由于利益考量、避免问责和资源管控等原因，导致数据共享壁垒难以打破；政府采购模式本质上仍属于“交钥匙”工程，忽略各部分集成性，建设交运维后难以保证长效运营，即存在着“只讲财政投入不重视市场效益” “只管建设不管运营” “运营孤岛”等问题；在推动数字政府向3.0高质量发展过程中，社会、企业以及民众的多元共同参与程度参差不齐，无法形成合力。
2、企业数字化转型新需求。在新时代背景下，数字经济发展速度前所未有，5G、大数据、云计算、人工智能、区块链等技术加速创新，千行百业纷纷投身数智化转型浪潮，以数字化、网络化、智能化为核心动能，构筑了数智化供给新模式。以“数据+算力+算法”形成的智能决策模式，渗透到组织运营的方方面面，推动业务、能力与组织模式创新，实现价值不断提升。
随着数字经济的迅猛发展，多家央国企组建了专业化的数科公司，目前数量已有约500多家。笔者通过对招商局集团、华润集团、中国五矿集团、中国南方电网、中信集团、河南投资集团、广西投资集团等数十家企业数智化转型工作研究发现，目前影响数智化转型的主要难题在于大型央国企内部板块众多，业态丰富，场景复杂，直接影响数智化转型进程。
（二）单一场景“数字大脑”面临巨大挑战
1、信息数据规模膨胀。大量业务随着数字化改革迁移到数字基础设施中，5G、人工智能、云计算、区块链等技术的普及将促进新兴业务的快速发展，深刻影响人们的办公、家居以及出行。数据资源随着时代快速发展变得越来越容易获取。算力作为数据存储和处理的核心，是数字经济时代的新质生产力，是社会数智化转型的重要基础。截至2024年底，我国在用数据中心机架总规模超过830万标准机架，算力总规模达到了246EFLOPS。随着社会数字化、智能化、网络化快速推进，数据总量持续增长，这都表明了各行各业以及各领域对算力的需求日趋强烈。另外，大模型参数量和训练数据的快速增长也对算力提出了更高的需求，DeepSeek LLM、AlphaFold2、Sora、DELL-E、GPT-4等大模型也将进一步拉大算力缺口，表明了要想构建多元化“数字大脑”确实需要强大的算力做支撑。
2、多元主体决策受阻。在传统的社会风险治理模式中，政府是治理决策主体的核心，虽然社会组织、居民等主体起到了一定的作用，但主体多元化的治理理论与实践尚需深入探索。在不同行业均有数据标准，各领域主导模式导致数据挖掘及利用参差不齐，数据共享存在壁垒。随着各行业的系统、平台、数据逐步融合，当前主要压力是在利用这些多源、异构数据进行分析决策时如何处理好各部门对需求的有效协调。数据壁垒是系统间建设及运维过程中难以避免的难点，在面对不同的主体需求时，这个壁垒更加明显。即通过单一场景“数字大脑”很难兼顾到不同端口的决策要求，因此在实际数智化建设过程中数据壁垒很难被打破。
3、区域联动效应受限。产业是生产力变革的具体表现形式，实现实体经济和虚拟经济高度融合，为推动产业经济创新发展起到巨大作用。目前基于研究了解，“数字大脑”在不同主体之间的联动效应较差，因为“数字大脑”的神经元网络边界不止局限于城市这样的地理范畴之内，随着认知提升慢慢扩大到不同城市之间、不同区域之间、不同国家之间，那么从对社会发展的观察出发，将“数字大脑”与新一代AI技术结合，构建出一种面向复杂异构性群落的新型网络，以应对区域联动受限所带来的更多不确定性。而且，在面对复杂多元的场景数智化建设中，区域主体之间联动意识和形态也处于未知状态。
二、“数字大脑”在多场景中应用路径规划
多场景“数字大脑”是一种新型智能体，它具备类人特质、角色属性，能够感知环境，能够面对多元的复杂环境自主理解和决策，完成多种类型任务，从而帮助千行百业实现数智化转型。目前，我国拥有全球规模最大的数字化应用场景，多元场景“数字大脑”的路径规划及应用研究是一个复杂而系统的过程，它涉及到多个领域的知识和技术，旨在通过数据驱动的方式优化决策、提高效率，并为区域或组织的长期发展提供战略支持。该新型智能体不是局限于一个单一场景的系统感知，可类比基于强化学习的多智能体自适应性网络，本文将以“始于规划、分步实施、成于运营”的思路展开，以推动数字中国长效高质量发展。首先，本文创新性地提出“DPMA模型”，以工具形式引出“数字大脑”建设总体框架；其次，通过顶层规划设计，以架构形式明晰“数字大脑”建设的总体功能体系；最后，通过“云网边”部署架构，以探索形式明晰多场景“数字大脑”建设部署及运营模式。其中，该模型是由数字底座（Data）、PaaS平台集（PaaS）、MaaS大模型集（MaaS）、应用场景集（Application）等内容组成，即打造“数据+平台+模型+应用”的新型智慧化IT技术架构（DPMA），具体DPMA模型逻辑示意图如图1所示。（图1）
（一）加强顶层规划设计，打造“数字大脑”总体架构。随着我国经济发展进入新阶段，新质生产力的培育和发挥成为关键。数字经济作为新质生产力的代表，正加速塑造经济发展新动能。数智化转型不仅助力构建国内国际双循环的新发展格局，有效应对复杂多变的国际环境，确保经济体系的安全稳定；还为经济发展开辟新空间，推动质量变革、效率变革、动力变革。为了推动数字中国整体建设，赋能政企领域以实现数智化转型业务发展，本文在“DPMA模型”的基础上提出“1214”的多场景“数字大脑”总体建设框架，即以数据底座为支撑，以PaaS平台、MaaS大模型为两大驱动，以应用场景为牵引，以安全保障、组织管理、标准规范、运行维护为四大保障，基本涵盖了政企领域数智化转型所必需的数据采集、云网安全、共性使能组件、关键创新应用等技术能力，该架构可实现横向到边、纵向到底、整体协调的端到端发展格局，具体架构如图2所示。（图2）
基于DPMA模型的多场景“数字大脑”总体架构是以底层大量数据为基础，开发数十个智能平台，集成近百个智能大模型，生成超千个智能应用，为政府和企业的管理、生产、运营以及安全等多个环节提供数字化、智能化地支撑。从技术应用上，基于DPMA模型的多场景“数字大脑”紧紧围绕技术底座、技术资源、技术管理，快速打造技术领先的赋能中心，通过筑牢技术底座，持续优化提升物联网、大数据、新型计算、新型算法、应用组件、应用监控、知识管理、垂直行业大模型等核心技术服务，以可视化低代码开发模式，支撑各类场景应用快速开发迭代和复制推广。从实施要点上，要加强多场景“数字大脑”一体化建设的整体谋划，增强架构内部的整体性、系统性、协同性，通过“战略咨询+解决方案+建运一体+长效运营”的全生命周期服务模式，持续做好数据要素价值挖掘，实现全域数智化转型迭代升级。从推进思路上，应按照“有序组织、分场景推进”的原则，立足国家、省域和区域三大空间维度视角，构建“产业大模型+专业小模型”全新数字范式，协调多元主体决策，打破空间维度数据壁垒，改善供需关系不对称困境，根据应用场景分阶段、分主次、分轻重展开“数字大脑”建设工作。
（二）筑牢DICT数字底座，夯实“数字大脑”基础支撑。DICT数字底座相当于“数字大脑”的感知神经网络，主要指“数字大脑”的各种实时感知设施、安全可信的通信网络，以及包含底层数据采集、标准化、存储、计算等内容，最终实现数据资源全面汇聚，数据要素全面归集。多场景“数字大脑”的数字底座，从整体架构层面也就是位于DICT数字基础设施层，主要包括以异构资源管理、运维管理、运营管理、云网混合管理等为代表内容的云基础设施，以光纤网、物联网、5G、卫星通信、千兆互联网、移动互联网、双域专网等为代表内容的网络通信，以摄像头、传感器、激光雷达、GPS、DCS、传感器等为代表内容的物联感知，以及以通算、智算、超算、量子计算等为代表内容的新型算力基础设施。
通过数字底座打造，基于对物联感知数据和静态业务数据做汇聚、治理、融合、开发、共享及应用，紧紧围绕以视频、图像等非结构化数据为新兴重点，根据不同的业务场景需要，将海量基础原数据高效处理成高价值供直接使用的有效数据，通过云底座算网能力，夯实“数字大脑”基础支撑，高效提高整体系统架构运行效率及性能。因此，数字底座独特增加新型基础设施模块，它主要包含了异构算力（GPU、FPGA、ASIC）、海量存储（对象、块、文件、并行文件）、无损网络（RoCE网络、InfiniBand网络、数据采集、智能调优、CT设备、IT设备）、数联网（DSSN）等内容。
从整体局势来看，国家正在探索建立数据产权制度，从而激活数据要素潜能，增强经济发展新动能。以河南省数据工作为例，河南省正在逐步构建集数据采集、治理、存储、确权、开发、交易、服务等于一体的数据要素生态体系，加快培育和建设数据交易市场，打造全链式产业生态布局，积极补齐数字产业生态短板。
（三）健全两大中枢功能，牵引“数字大脑”核心驱动。大模型的快速发展，对国内外区域创新和行业层次发展都产生了巨大影响。在基于DPMA模型的“数字大脑”总体功能架构中，PaaS平台和MaaS大模型作为牵引“数字大脑”核心驱动力，健全并完善两大中枢功能，对整体“数字大脑”的构建起到巨大的支撑作用。PaaS平台层主要划分为政务服务平台、物联网平台、AI算法平台、大数据平台、应用开发平台、区块链BaaS平台、数字孪生平台、运营平台等内容；MaaS大模型层主要划分为基础大模型、行业大模型以及支持MaaS工具链的第三方大模型等内容，具体包括基础大模型、政务大模型、工业大模型、教育大模型、医疗大模型、视联网大模型、代码大模型等内容。
在PaaS平台层中，以物联网平台为例，该平台基于数据底座中多类型设备，依据数十种标准化工业设备协议，进行数据收集、处理、可视化以及设备管理（如故障诊断与预测性维护），可实现物联网相关项目的快速开发、管理以及拓展。作为“数字大脑”物联网应用程序全要素数据汇聚并处理的关键平台，向下可对接智能终端设备，向上提供平台支撑，实现数据生产即处理，为智能制造行业提供低门槛高价值的解决方案。以AI算法平台为例，其基于大数据平台中沉淀的历史数据，通过算法编写、模型训练、模型管理以及模型服务等功能，结合政企侧历史过程和业务经验，沉淀为智能模型资产，助力城市安全、工业智能化升级。以数字孪生平台为例，通过数据预处理、数据管理、数据共享、空间查询、空间分析等功能，逐步成为全域数字城市转型、新兴产业集群培育、数据要素价值化的重要抓手。
在MaaS大模型层中，该部分可集成开源大模型以及成熟商业大模型（如中国移动九天），并根据业务发展需要，培育或者引入行业场景模型，以带动产业发展。目前业界常用的基础大模型有DeepSeek、ChatGPT、九天大模型、智谱大模型等，以九天大模型为例，该模型是由中国移动九天团队开发的人工智能语言大模型，致力于提供泛在场景下的原创基础大模型能力，广泛应用于自动问答、智能客服等领域。政务大模型是行业大模型的一种，它基于政务领域实际需求，提供政务类的专项业务能力，该模型以通用模型为基础，深度整合了海量政务数据的同时，确保政务信息输出的精确性和合规性。工业大模型同样也是行业大模型的一种，它通过对工业领域海量的数据进行分析和建模，以实现应用场景高精度预测和决策。以中国移动上研院工业大模型为例，该模型针对17类服务场景，可面向不同客户提供大模型工具链、工业安监巡查助手、工厂管理助手、行业研究助手、设备运维助手等工业应用服务。
（四）践行应用场景赋能，坚持“数字大脑”服务牵引。应用场景层提供了政企数智化转型所需的多种多样智能化应用，具体以多租户SaaS化模式提供服务。政府侧，城市运行过程中会产生各种各样的数据信息，需要将城市运行过程中的不同平台数据、不同业务部门数据相互融合，包括综治、城管、教育、人社、交通、民政、医保等领域数据综合汇集呈现。企业侧，广泛涵盖了企业管理运营自动化（BA）和企业生产过程自动化（PA）等各个环节，也包括了安全生产、质量管控、研发设计、供应链管理、运营管理等智能化应用模块，这些系统和模块对场景赋能至关重要。
由于企业个性化需求，在基于DPMA模型的多场景“数字大脑”总体规划下，因为大模型的引入，重新塑造场景应用。只需对大模型进行微调和精调，就能快速生成具备软件功能的场景应用，彻底解决传统SaaS化满足客户定制化需求、标准化产品和规模化盈利等难题，最终实现低代码开发和轻量化部署。
（五）构建四大机制体系，强化“数字大脑”价值保障
1、构建安全保障体系。当前，随着网络信息技术的迭代升级，网络安全形势也愈发严峻，为此本文将提出安全保障体系，从多方面、多层次保障多场景“数字大脑”安全运行。具体地说，安全保障体系的构建符合网络安全和数智化建设发展的理念，以数据安全建设为核心，切实做好“数字大脑”底座、平台、大模型以及应用等部分高效安全运转。其中，数据安全核心目标是保障数据自身安全，进而保障平台层安全。另外，为保障大模型层、场景应用层的安全，构建起了政企安全大脑。
2、构建组织管理体系。构建多场景“数字大脑”组织管理体系必须从“数字大脑”建设方的情况出发，综合考虑“数字大脑”应用场景现状和实际情况，按照“数字大脑”建设的规律，着重解决“数字大脑”建设遇到的核心问题，在管理职能、组织机构、运行机制上进行科学的设计，将“数字大脑”建设纳入规范化管理之中。通过管控，可以帮助“数字大脑”在实际运行中实现良好的应用效果和可持续发展，以适应不断变化和发展的环境。
3、构建标准规范体系。标准规范体系是多场景“数字大脑”建设的基础，是保障多场景“数字大脑”稳定运行的基础。“数字大脑”的标准化工作可以确保“数字大脑”各模块无缝地进行数据交换和通信。这是多场景“数字大脑”建设的基础，能够提高“数字大脑”的整体效率和效益。
4、构建运行维护体系。多场景“数字大脑”运行维护体系是“数字大脑”系统运行和维护的重要保障，包括基础设施监控、应用监控和运维管理等内容。多场景“数字大脑”运行维护体系是实现“数字大脑”的重要保障，建立健全“数字大脑”基础设施，最终形成分层管理、权责明确、保障有力的“数字大脑”运行管理体系。
三、“数字大脑”在政企行业应用探索
数字是数智化转型重要的驱动力，以河南省为例，目前正在通过数字手段对传统行业开展全方面的改造升级，以加快数字经济与实体经济融合发展。通过基于DMPA模型的多场景“数字大脑”路径规划，明确了其架构组成和赋能组件，为了验证该“数字大脑”是否具备数智化转型强大核心能力，需结合政企具体行业场景做应用探索。
（一）全域“数字大脑”部署模式。为了提升我国数智化转型能力，需要在政府的政策指导下，整合内外部优质资源，加强交叉学科融合创新，聚焦多领域大模型预训练和算力基础设施建设，激励社会各界积极完善多场景“数字大脑”建设，推动产业链上下游协同发展。从集约化角度考虑，基于DPMA模型的多场景“数字大脑”的整体部署架构是按照“云网数”组成，即通过“一个数字大脑+N个边缘云脑+边端数采”模式构成，从而实现“云网联动，数用合一”的效果，最终实现应用低代码开发、轻量化部署。
从纵向上来看，对于城市安全、智能制造、水利、医疗、新型基础设施等多元场景设备，是在底层完成边端数采过程，然后数据向上传输供电子政务外网、工业互联网等边缘云脑进行边缘处理，统一汇聚至边缘云脑数据湖存储并完成算网融合计算，紧接着数据再向上传输至数字大脑数据湖，对数据根据功能属性完成处理，供基于DPMA模型的多场景“数字大脑”训练和决策。反之，通过数据反哺、反复抽取迭代，形成纵向循环，从而更好地挖掘高价值数据要素应用场景。
从横向上来看，基于DPMA模型的多场景“数字大脑”具有自主学习能力，依据其底层超强算力资源，集约化处理多场景数据，以实现价值高度集中化，避免了算力资源浪费，从而能够面对多元的复杂环境进行自主理解和决策。另外，“数字大脑”内置基础大模型和行业大模型，但随着技术和生产升级迭代，必须横向与具备专业知识的垂直行业合作开发大模型，经过生态合作、反复循环迭代，形成横向循环，从而健壮大脑判断决策能力。需要注意的是，针对金融、电信、能源等数据敏感行业场景，建议采取企业私有化部署，保证数据安全。此外，横向需具备传输展示媒介，包括IOC可视化大屏、领导驾驶舱、移动端App等内容。
具体地说，在端侧，做深赋能企业数智化转型的智慧城市、智能制造等解决方案；在云侧，做好链接产业、园区、城市的产业云脑平台，打造生态化的数据增值服务。最终实现纵向、横向双循环，具体基于DPMA模型的多场景“数字大脑”部署架构如图3所示。（图3）
（二）全域“数字大脑”场景探索
1、城市建设场景。城市大脑是智慧城市从纵向应用智慧化为主转向横向协同平台化为主发展的必经阶段。以智慧城市为例，基于DPMA模型的“数字大脑”可重点依托其PaaS平台层能力，完善人口库、法人库、宏观经济库、自然资源和空间地理库，以城市事件智能化处理为目标，拉通DPMA模型底层数据与MaaS大模型资源，建立开发工具集和微服务框架，构建面向业务应用的大数据组件、基础工具、模型算法，整合地理信息、道路实景、虚拟现实场景等城市地理信息，重点聚焦到城市安全、应急指挥、政务服务、医疗服务、文旅服务、智慧园区、交通出行、城市管理等重点城市智慧化场景应用，放大数据要素乘数效应，不断提高社会治理水平，实现城市治理全领域能力集约化建设和统筹化管理，为推动经济社会可持续发展提供新路径，助推城市全域数字化全面升级。
2、工业建设场景。为了深入实施数字化转型战略，以河南省近几年规上企业数智化转型为例，目前河南省委、省政府高度重视制造业高质量发展，河南移动重点聚焦“7个万亿级集群、28个重点产业链”、规上企业“一转带三化”、“5G创新场景规模化推广”等领域，有序推进“工业诊断、数字化转型”一体化工作。面对河南省制造业31个大类分布全省18个地市的复杂背景，依托基于DPMA模型的“数字大脑”强大PaaS工业互联网平台和工业大模型功能，引导企业激活数字资源生产要素，“一链一策”开展制造业重点产业链数字化协同改造，具体通过自动化采集数字底座OT类数据（物流设备、仪器仪表、SCADA、AGV、感知设备等），批量上传至IT系统平台（OA、ERP、PLM、MES、WMS、CRM、SRM、TMS、LIMS、ELN等），依托工业大模型工具链、视觉检测、安监巡查等能力，企业根据运营自动化（BA）和生产过程自动化（PA）两种数智化转型方式，结合企业自身生产工艺和营收能力，分阶段分步骤实施“自动化-信息化-数字化-智慧化”数智化转型路径探索。另外，针对中小型工业企业数智化转型，“数字大脑”工业大模型可结合低代码平台，提供“小快轻准”的SaaS化服务，还需综合解决方案总集成方做生态牵引，将工业技术原理、行业知识、生产经营诀窍等知识进行标准化、产品化和平台化，降低中小企业工业场景理解门槛，降低上平台、用平台门槛。
3、能源建设场景。由于工业能源场景具有地域分布广、装机规模大、装备协议差异大、数据监控难等问题，为了实现能源场站的统一管理、统一控制，需基于DPMA模型中的物联网平台、大数据平台等能力统一采集数字底座中各场景设备数据，预处理后定期归档到大数据平台进行数据质量、数据标准、数据开发以及数据清洗等处理，结合工业大模型能力，为智慧化管理、企业智能化调度、生产数字化管控提供数智化转型动力。以智慧电厂为例，生活垃圾发电作为环保产业智能化研发应用的切入点，其工艺过程是将生活垃圾送至焚烧炉中燃烧，将热能通过蒸汽机发电机组发电的能量转换，实现资源循环利用，由于生产过程复杂且依靠人工经验调控参数，给垃圾发电数智化带来阻力。为此，可依靠本文提出的基于DPMA模型的数字大脑，依托人工智能、大数据等技术，通过投喂大量历史数据和人工操作记录，并通过大脑反复模拟调试，让“数字大脑”逐步具备自动识别火焰形态、准确预测工况变化趋势等能力，在反复迭代训练下，逐步觉醒自主学习、调节、优化的“意识”，以实现设备自动高效精准运行，各类生产指标明显改善，综合厂用电率明显降低，入炉吨发有效提升，人工操作量显著减少，直接实现降本增效。另外，可结合内外部数据，完善产业大模型能力，健壮更加智能更加精准的“数字大脑”，也有助于智慧电厂快速实现数智化转型。
4、交通建设场景。交通系统的数字化、网络化、智能化是交通强国的核心支撑。以智慧物流为例，通过基于DMPA模型中数字底座的数据打通和汇聚作用，再通过PaaS平台层中物流公共信息服务平台，可构建高效的物流服务体系，促进区域交通设备、信息、技术、企业、园区、人员等物流资源要素快速整合。通过全域“数字大脑”分析与决策能力，实现物流服务与实体经济无缝对接，将有效提高物流效率，降低物流运转成本。以智慧高速为例，基于5G、大数据、数字孪生等新兴技术，通过“数字大脑”中管控系统和泛在互联功能收集高速公路中的相关数据，在数字底座中对数据进行分类整理、分析，再通过数字大脑PaaS平台数字孪生等模块，将高精地图和三维引擎相结合，实现毫秒级异构数据融合，纳米级数据驱动精确映射，追踪率全程跟踪，全面提升高速公路交通现代治理能力水平，全面提高智慧隧道安全风险防控能力。
5、医疗建设场景。医疗领域的数字化和智慧化建设是“数字中国”建设的重要内容。以智慧医疗为例，随着人口老龄化和医疗需求的不断增长，智慧医疗是在人工智能技术上的另一个重要应用领域，基本可以覆盖到智能问诊、生物及中试研发、医学知识问答、医保知识查询等众多方面。当然，通过基于DPMA模型的“数字大脑”可整合医疗领域海量多模态数据，针对应用场景需求，如电子病历理解等诸多应用领域，通过MaaS大模型层中的医养大模型，依据超大的规模参数量、强大的医疗知识库和突破性的技术创新，将不断深化到医学影像辅助诊断、疾病预测和风险评估、康养智能助手、辅助诊断病历分析等医疗应用服务场景之中。
6、金融建设场景。随着数智化建设逐渐走深走实，金融行业面临着前所未有的机遇和挑战，构建以数智化驱动的金融高质量发展新生态。根据细分金融领域，比如银行、证券、保险等，通过基于DPMA模型的“数字大脑”，挖掘海量金融大数据，在数据底座实现政企侧、居民侧等涉及各类行为数据汇聚集成，在PaaS平台侧资源共享，在金融大模型侧加强对金融知识、技能、工具和全流程的基础把控。聚焦到担保领域，担保业务在服务实体经济中具有“放大器” “减负器” “助推器”的优势，但因其业务数据量大且繁杂，各类数据存储多为电子表格，数据录入、更新、归类、汇总及统计分析耗时长、效率低，极易造成数据缺失和误报，对此可通过“数字大脑”中智能风控平台，依托自动化预测、评级和决策等方式，减少风险损失，提高风控效率；也可通过区块链BaaS平台，保障担保业务数据系统安全、可靠、稳健运行。
综上，单一场景“数字大脑”倾向于单一行业或领域，大脑之间缺少必要的数据互通、信息共享的价值联动，资源利用效率较低，这类大脑智能决策一般倾向于单体决策，面对丰富的业态环境和复杂的应用场景，此种模式已不符合战略统筹和资源集约的要求。另外，面对场景复杂、路径迷茫、技术受阻等数智化转型难题，建设方极易造成资源浪费。本文通过“DPMA模型”，即打造“数据+平台+模型+应用”的新型智慧化IT技术架构（DPMA），以工具形式引出“数字大脑”建设总体框架，通过顶层规划设计，以架构形式明晰了“数字大脑”建设的总体路径规划，通过“云网边”部署架构，以探索形式明晰了多场景“数字大脑”建设部署及运营模式。最终，基于DPMA模型的多场景“数字大脑”可以有效降低应用场景使用门槛，推动经济结构重塑，以数据驱动的方式优化决策、提高效率，以“始于规划、分步实施、成于运营”的思路为区域或组织的长期发展提供战略支持，最终为推动数字中国长效高质量发展提供思路。
在后续数智化转型过程中，应多联合产业生态，可将多场景“数字大脑”与脑机接口、人形机器人、eVTOL（电动垂直起降飞行器）等新业态多维融合对接，让多场景“数字大脑”具备更强大的智力，更好地促进经济社会发展。
（作者单位：1.中国移动通信集团设计院有限公司河南分公司；2.城发环境股份有限公司）
主要参考文献：
［1］Experimental Games and Social Decision Making［J］.Annual review of psychology，2020.
［2］许扬平.智慧城市建设对低碳发展的影响研究［D］.杭州：浙江科技学院，2023.
［3］高云婕，刘丹.光伏产业大脑建设模式初探［J］.合作经济与科技，2024（11）.
［4］吴志强，甘惟，李舒然，等.“城市众脑”：理论模式及关键议题［J］.城市规划学刊，2023（06）.
［5］徐江荣.数字时代的标准化——技术、标准、产业的互融互促［J］.中国标准化，2022（22）.
［6］孟圆.密集成立数科公司 央企布局数字经济新赛道［J］.国资报告，2023（02）.
［7］Jang R J.ANFIS：adaptive-network-based fuzzy inference system［J］.IEEE Trans.Systems，Man，and Cybernetics，1993.23（03）.
［8］张蕊.构建基础制度体系“数据二十条”来了［N］.每日经济新闻，2022-12-20（001）.
［9］王洁.三大运营商入局AI大模型［N］.中国信息化周报，2023-07-31（017）.
［10］李瑞男.呼和浩特智慧城市应急平台建设研究［D］.北京：北京邮电大学，2018.
［11］周波，辛超，李龙.城市大脑标准化路径研究［J］.信息技术与标准化，2023（12）.
［12］王皓，潘昱杉，潘毅.生成式人工智能大模型赋能的元宇宙生命体：前瞻和挑战［J］.大数据，2023.09（03）.
［13］陆岷峰.金融强国与金融新质生产力：构建以数智化驱动的金融高质量发展新生态［J］.中国流通经济，2024.38（05）. |
|
|
|
