数智园区关键技术、应用及挑战分析

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。

目前，数智园区内的关键技术包括： 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。

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。