应用开发包含 2 个特性能力。①行业应用引擎，支撑各行业各领域业务的引擎，包括搜索检索、GIS 等根据具体业务应用需要；②应用场景，围绕高价值应用场景图谱选择业务需要的应用开发功能。

　　党中央、国务院高度重视人工智能发展，为贯彻党的二十届三中全会精神，落实2024年政府工作报告关于“深化大数据、人工智能等研发应用，开展◆■★‘人工智能+’行动◆★■”等工作部署，国家信息中心在深度调研人工智能产业发展现状基础上，聚焦人工智能行业应用发展关键问题，面向制造■■■、交通、金融、医疗、消费等人工智能应用重点行业领域，研究撰写《人工智能行业应用建设发展参考架构》报告（以下简称“报告”）■◆■★■。

　　本报告旨在研究推进行业应用发展标准化的参考架构◆★★■，期望为各行业主体明确人工智能应用建设发展的重点和目标，降低应用开发和复制的边际成本★★■，促进人工智能技术的创新成果与产业深度融合，加快推进人工智能行业应用规模化落地提供有益参考。

　　模型服务包含 4 个共性能力，模型方面需重点关注基础模型★★★◆、模型训练、模型使用、资产沉淀，形成统一的模型服务■■。①模型组合：应关注模型的性能、可扩展性和适应性，因此具备几个主流国产基础大模型的组合能力■★◆◆，来发展和训练行业大模型；②模型工程工具链■★◆■：应关注工具链功能完整性、开放性和易用性，具备训练引擎■★★◆■、压缩引擎、对齐引擎■★◆■◆★、治理引擎等几个能力；③Agent 工程工具链：应关注便捷化、智能化的编排规划对应用“最后一公里■◆”的支撑■★★★◆，具备编排引擎、规划引擎、工具引擎■■■★、优化引擎等几个能力；④AI 资产管理■■■★★◆：应重点关注AI 资产的可沉淀、可交换和可复用，具备对模型、Agent 资产做好标准化管理和安全访问控制的能力。

　　共性能力以模型和数据两大关键要素提出共性支撑能力技术要求◆◆■★，特性能力以应用开发、数据处理■★◆◆■★、运营运维等依据业务的不同各具特点的要素提出。具体的，共性能力，是以数据和模型为核心的共性能力，是各种不同人工智能行业应用系统所需要具备的通用功能◆◆★，且需符合一定的一致性技术要求。特性能力■◆★★，指应用开发、运维平台和运营平台，以及数据服务中的数据接入、数据模型、数据存储和数据分析★■。特性能力是参考架构的组成部分，但对其实现方式不作统一要求★■★★◆，应根据建设实际情况适配实现方式。其中要重点指出的是，共性能力◆★■★◆◆，不对实现做具体约束；特性能力里不对功能做具体约束。即共性能力中的功能建议以任意开发形式建设◆■◆，并满足本报告中的技术要求；特性能力中的功能设计仅作示例，具体以实际业务需求为准，建成系统中存在该能力的相关功能即可◆◆■★。

　　运维平台（特性能力），是指面向人工智能应用系统需求，确保系统的稳定和安全。

　　运营平台（特性能力）◆■★■，是指面向服务用户提供用户管理、用户服务等相应功能。基于不同的业务目标◆■★，侧重点不同■■◆◆★★，具体有服务内部业务和服务外部客户两类。

　　近日，国家信息中心公共技术服务部研究编制的报告《人工智能行业应用建设发展参考架构》正式对外发布。

　　算力基础包含三方面的组成，基础设施、算力资源管理平台和AI开发平台。一是算力基础设施。包括了AI芯片、网络◆■◆★■、存储◆★■★◆、并行计算引擎等，作为数字基础设施的核心，为企业提供数据存储、计算和应用服务，是企业数字化转型的基石。二是算力资源管理平台。用于监控、调度和管理算力资源的系统★★◆■。算力资源管理平台是企业数字化转型中的关键工具，帮助企业优化资源配置，提高运营效率■◆■★◆。三是AI开发平台。包括AI深度学习框架、软件仓库、算法库、模型开发、训练微调■◆、部署等功能■◆。其提供了一套完整的工具和框架，使得开发人员可以更加便捷地进行AI应用的开发■■。

　　数据服务能力包含4个共性和4个特性能力，数据服务需重点关注采集■■★★、处理、共享、数据集管理，形成统一的数据服务。其中■★■★◆★，4个共性能力分别是★★■，①数据工程工具链★★◆■■：应关注训练数据质量，具备数据增强◆◆■■◆、数据评估★■■◆◆★、数据合成◆◆■★、数据清洗等能力；② 数据采集模块：由于质量和可用性是作为模型输入★■，使用模型进行推理和应用的关键，具备通信网关■★、数据标准规范、智能终端操作系统■★★★■■、数据安全隔离等能力；③行业数据空间■★★◆：由于数据可信交换是基地对外提供公共服务的基础能力，应具备可信交换、融合共享、安全策略、空间管理等能力■◆★；④数据集服务◆★◆：由于聚合和发展行业内高质量数据是不断迭代大模型的基础◆■■★■■，具备数据集发布管理、加密封装、权限认证★◆★、数据集规范管理等能力。4个特性能力分别是，①数据接入，可以通过多种方式实现★■，包括开放API接口、数据导入、数据源接入和数据埋点等方式；②数据模型■★◆◆■★，任意数据模型均可实现★◆◆■，网状数据模型和层次数据模型等；③数据存储★■◆◆，支持各类数据库的存储；④数据分析，支持各领域数据分析模型和展现形式■★◆◆■。

　　为寻求基于当前产业发展实际的“最大公约数”，围绕系统架构，梳理模型和数据驱动的共性技术基础能力建设，总体提出共性支撑能力技术要求■★，实现人工智能产业发展和行业智能升级协同。如图1所示，按照人工智能应用的通用技术架构，统一参考架构分为算力基础、数据服务◆■★◆、模型服务、应用开发、运维平台◆★、运营平台等6个主要部分■★★★■，其中◆■■■★，算力基础包含3部分组成，数据服务包含4个共性能力和4个特性能力，模型服务包含4个共性能力◆■，应用开发包含2个特性能力◆★■◆，运营和运维平台均为特性能力。

　　报告从算力基础、数据服务、模型服务、应用开发★■、运维平台★◆、运营平台等六个方面，提出人工智能行业应用建设的共性能力和特性能力。通过构建一套技术架构统一、数据规范统一◆■■、标准体系统一的参考架构◆★★■◆■，摆脱企业服务模式不同带来的限制◆◆■◆，降低供需边际成本，有效发挥规模效应■■★★，促进应用创新，激发市场活力，持续推动产业健康高效发展。