利好消息：OPPO大湾区数据中心即将全面投产

2023-03-15

3月7日，位于宁夏中维云基地的中国联通中维云数据中心二期工程数据机房正在安装空调和配电设备，预计到2019年具备安装服务器的条件。三月底； “闽宁云”数据中心三期工程正在有序开展地下水泵房剪力墙加固绑扎作业。 据了解，该项目一期已投产。 3月二期工程建成后，将投产2000个8千瓦机柜。 三期机房正在进行土建工程，预计6月份完工。 计划7月满足机电入学要求。

OPPO大湾区数据中心即将全面投入运营

来源：广州日报

3月7日消息，OPPO大湾区数据中心即将全面投入运营。 项目总投资14.76亿元，占地面积约106.5亩。 总建筑面积约10.5万平方米，包括4座数据中心和1座综合办公楼。 它是中国的超大型数据中心。 该项目将分四期建设。 一期工程计划建设1500个机柜。

烟台5G大数据中心项目主体建筑8月封顶

3月6日消息，中国移动烟台5G大数据中心将于2022年7月开工建设，建成后将拥有2000个机架的装机容量，可满足600万5G客户容量，覆盖400万千兆客户. 据了解，该项目位于山东省烟台市档案馆西侧，占地面积约15亩。 主要建设16层5G大数据中心，总建筑面积约3.6万平方米。 项目主体封顶工作将于2023年8月完成，12月完成装机。

业界关注

一、国务院机构改革方案：组建国家数据局

3月7日，根据提交第十四届全国人民代表大会第一次会议审议的国务院机构改革方案披露，我国拟设立国家数据局。 国家数据管理局负责统筹推进基础数据系统建设，统筹协调数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划建设。 它由国家发展和改革委员会管理。 3月10日，第十​​四届全国人民代表大会第一次会议召开第三次全体会议，表决通过了国务院机构改革方案的决定。 （来源：新华社）

>>>>>>【专业机构解读】：

国家数据局成立公告发布后，东兴证券、湘财证券、万联证券、长城券商等机构先后发布《方案》专业解读报告：

万联证券《筹建国家数据局，加快建设数字中国》（3月10日）

我国数据要素资源极为丰富，数字经济发展基础坚实。 从数据量来看，2021年全球大数据储量为54ZB，其中我国数据产量约占全球数据产量的23%。 预计到2025年，我国数据总量将占全球总量的28%。 从基础设施来看，我国数据中心在机架规模、市场规模、功耗等方面都保持着快速增长。 我国数据中心市场规模从2017年的946亿元快速增长到2020年的2239亿元，预计2023年将增长到3636亿元。我们认为，我国庞大的数据资源和蓬勃发展的数据产业表明，未来几年，数字经济将迎来井喷式发展。

数据中心：构建数字经济的根基，支撑数据要素的土壤。 数据元素的传输、存储、分析、计算、呈现等环节不需要IDC设施做支撑，尤其是在AI技术突破有望带来GPU算力需求爆发的当下，数据中心- 相关设施更为重要。 从IDC的下游应用来看，互联网是数据中心资源消耗最高的行业，接近60%，其次是金融行业，占20%，受益于信息密集型和高利润信息开支。 赛道稳步快速增长，2023年有望迎来增长拐点。

湘财证券《组建国家数据局助力数字中国建设》（3月10日）

数字基础设施主要指网络基础设施、算力基础设施和应用基础设施。 网络基础设施涉及5G、千兆光网络、IPv6、移动物联网、北斗等基础设施。 计算基础设施主要指数据中心和超级计算中心。 《方案》要求全面提升应用基础设施水平，加强传统基础设施数字化、智能化改造。 国家数据局的成立有望有力推动数字基础设施的发展。

长城证券，《国务院组建国家数据局，聚焦数字经济全价值链数据要素和投资机会——数字经济专题》（3月7日）

继续看好数字经济相关环节的数据元市场建设和投资机会：

1) 数据要素市场化发展过程中涉及的数据权益、数据注册、数据定价（收益分配）、数据交易、数据监管（安全合规）等数据要素闭环价值体系；

2）数据基础设施方面，通信硬件设施将是数字经济发展最先受益的环节，包括以运营商为基础的技术基础设施基地、承载算力的IDC、服务器、“东风”带来的骨干网等。数据与西部计算”建设需求等产业链环节；

3）从云计算、大数据、人工智能、边缘计算等技术来看，未来应用对算力的高计算需求，将在对基础设施提出更高要求的基础上，进一步带动对相关技术和算法的需求。

2、“中证全指数据中心”指数即将发布

“中证全指数据中心”指数即将发布。 该指数选取经过流动性条件筛选的算力基础设施行业上市公司证券作为指数样本，包括22只成份股。 对于下一步，上交所和中证指数有限公司表示，将继续围绕实施高水平科技自立和建设现代产业体系等战略部署，进一步丰富服务实经济和国家战略指标体系，引导更多社会资金流向国家重点。 支持领域，畅通技术、资本和产业的高层次循环，帮助投资者更好地分享中国经济发展的红利。

3、多模态模型GPT-4即将发布

3月9日，微软德国CTO布劳恩在一场名为“AI in Focus——”的活动中表示，GPT-4将于下周发布，并将提供多模态模型。 “我们将在下周推出 GPT-4，我们将拥有提供完全不同可能性的多模态模型——比如视频，”Braun 说，因为他们教机器理解自然语言，然后从统计上理解以前只有可能的事情。 人类阅读和理解的内容。 与此同时，该技术已经发展到本质上“一刀切”的地步。 据悉，此次GPT4转向多模态，未来输入输出将以图像、视频等形式出现，或将对行业产生更具颠覆性的影响。

四、我国量子通信取得新突破

据3月8日消息，北京量子信息科学研究所袁志良团队利用光频梳技术，首次实现了开放式架构的双场量子密钥分发系统，实现了低损耗光纤400-公里、500 公里和 600 公里级别的安全编码。 作为全球首个开放式架构的双场量子密钥分发系统，成功实现了615公里的光纤量子通信，实现了量子通信实现的创新突破。 这一新架构将助力光纤量子密钥分发距离突破千公里级，为我国未来建设多节点广域量子网络奠定基础。

5、我国数据中心相关企业超过156.7万家，去年新增企业40.2万家

目前，我国数据中心相关企业超过156.7万家，2022年新注册企业近40.2万家，新注册企业年增长率达35.41%； 广东、北京、山东数据中心相关企业数位居前三，分别为24.2万家、17.7万家、10.5万家。

政策动态

1、广东省发改委印发《广东省绿色高效制冷行动计划（2023-2025年）》

3月8日，广东省发展改革委印发《广东省绿色高效制冷行动计划（2023-2025年）》（以下简称《方案》）的通知。 《行动计划》目标明确：到2025年，《冷水机组能效限值及能效等级》、《建筑节能与可再生能源利用通用规范》等相关标准全面实施，能效大型公共建筑和工业园区制冷系统装机量增加20%。 ; 新建项目中央空调常规电制冷机房年平均运行能效比EERao大于5.0，逐步改造EERao较低的制冷机房（不含冷库系统）大于 4.0； 着力提升节能智能运控和绿色运维水平，供冷系统整体综合能效水平提升25%以上，制冷机房、制冷系统和制冷系统数字化智能控制普及率冷端达到20%以上，区域集中供冷用户满意度大幅提升。

>>>>>> 《通知》提到（节选）

推进节能技改，加强制冷领域系统性节能改造，重点支持中央空调系统节能改造、数据中心制冷系统能效提升、园区制冷系统等重点示范工程冷链物流转型、绿色转型。 示范工程需建设数字化智能管控平台，优化负荷供需匹配，实现系统经济运行，大幅度提高系统能效和绿色水平。

实施数据中心冷却系统能效提升工程，落实《落实碳峰碳中和目标要求，促进数据等新型基础设施绿色高质量发展实施方案》中心与5G”（发改高技[2021]1742号），支持老旧数据中心（含事业单位数据中心）开展节能绿色改造工程，加强设备布局、散热结构、和外部防护结构，鼓励采用液冷服务器、热管背板、蒸发冷却、行级空调、自动喷淋等间接高效冷却系统，以及自然冷源等冷却方式。因地制宜，促进与机械冷却的高效协同，大幅提高能源效率数据中心。

2.湖南省工业和信息化厅《湖南省“千企智赋”行动计划（2023-2025年）》

3月6日，湖南省工业和信息化厅发布《湖南省“智能赋能千家企业”行动计划（2023-2025年）》，全面推进信息化赋能千行百业数字化转型，让更多的企业插上智能化的翅膀，可以提升企业的生产效率和产业竞争力。

>>>>>>规划重点内容（节选）

实施基础设施提升工程……优化算力布局。 积极参与国家“东算西算”工程，加大数据中心和智能计算中心统筹布局力度，推动行业龙头企业共享算力资源。

新建中国电信天翼云中南大数据中心、中国移动（湖南株洲）数据中心、中国联通中南研究院数据中心等数据中心，加快数据中心由存储向计算转型建筑能耗管理系统安装要求，着力提升数据中心的平均利用率。 针对特定场景建设边缘计算设施，推动边缘计算与云计算协同部署。

国际视野

1、微软的商业应用将在第二季度入驻 North 3 Data

据3月6日消息，微软的商业应用将于今年第二季度入驻微软北三数据中心（CN3 Data ）。 通过此次和解，包括365、Power在内的微软商业应用将在中国迎来业务的双扩张。

2. 本田固定式燃料电池单元为美国加利福尼亚州的数据中心供电

据3月7日消息，本田在美国加州托伦斯的固定式燃料电池发电厂正式启用。 该电站位于本田园区内，作为数据中心的备用电源。 此举将是本田零排放备用电源商业化的第一步。

3、启动“三叶草计划”，在爱尔兰建设两个数据中心

据3月7日消息，旨在让这款视频分享应用（APP）更好地保护欧洲用户数据的计划“三叶草计划”（ ）正在启动。 为此，该公司将在爱尔兰建设两个数据中心，用于存储欧洲用户的数据。

4. 美国初创公司将在月球上建立数据中心

3月7日，龙星数据（数据）获得500万美元融资，准备在今年晚些时候向月球表面发射小型数据中心箱。 月球数据中心最初将面向远程数据存储和灾难。 恢复。

5、阿里云携手迪拜控股升级迪拜数据中心

3月7日，阿里云宣布将继续与长期合作伙伴迪拜控股合作，共同升级迪拜数据中心，拥有最先进的云基础设施和更广泛的分析、数据库、行业等产品和服务。解决方案和人工智能。 为客户数字化转型提供最佳数字化解决方案。

根据国家“十四五”期间水务行业“安全、便捷、高效、绿色、经济、智能”的发展要求，各水务企业将积极探索推进水务数字化转型以智慧水务建设为抓手。 立足国家政策和行业发展现状，剖析水务数字化转型的机遇与挑战，结合国内外水务企业数字化经典实践，探讨智慧水务2.0的发展趋势自来水厂能耗管理系统设计，并思考未来“标准体系+数字资产+赋能技术”的数字水务，为我国水务企业制定和实施有效的数字化转型战略提供借鉴和参考。

0 前言

党的十九大报告明确提出“全面建设社会主义现代化强国”的宏伟目标。 水务行业作为支撑社会经济和城镇化健康有序发展的重要产业，已全面进入从“粗放式发展”向“高质量发展”、从“传统模式驱动”向“创新模式驱动”转变符合新时代的新要求。 “变革时期。根据《2035城市水产业发展规划》的发展目标，“到2035年，基本建成安全、便捷、高效、绿色、经济、智能的现代城市水系统。人民群众对美好生活的向往，基于韧性城市的需求和水务企业管理能力，水务行业将围绕饮水安全、“厂网河湖”水环境治理、城市排水防涝、聚焦水务行业数字化、数字化五个业务领域，其中，新信息技术赋能下的水务数字化转型是支撑传统水务行业破局的必然路径和核心任务补齐短板，实现高质量发展。

“数字中国”建设是大势所趋。 国家“十四五”规划对水务行业数字化和新发展提出明确要求，水务数字化转型势在必行。 一方面，数字水务是数字经济的重要组成部分，是提升公共服务和社会治理数字化、智能化水平的基础板块。 在“生态文明”新发展理念和“碳中和”远景目标指引下，城市供水、排水、水环境等涉水事务建设、运营和服务的综合能力需要亟待改进。 另一方面，水务产业化还处于起步阶段。 与燃气、电力等其他公用事业行业相比，“互联网+”的运用能力相对薄弱。 要加快构建数字水产业链，打通“水安全、水资源、水生态、水景观、水环境、水管理、水经济”经济社会大循环，助力数字水利。水产业经营管理和服务模式升级创新。

在此背景下，准确分析水务数字化转型在智慧水务发展中的机遇和挑战，正确运用数字技术将其与水务企业基础设施、生产运营和商业模式相结合，总结水务数字化转型的路径和实践经验。适时开展智慧水务建设，是未来水务行业新格局下打造数字水务系统的重要基础和必要条件。

01 水务数字化转型的机遇与挑战

“十四五”产业结构、数字政策、数字经济和数字技术改革创新下，水务数字化转型机遇与挑战并存。

1.1 水务数字化转型机遇

（一）引领行业，水产业新格局拓展水务发展增值空间。 “十四五”期间，水务行业以生态文明建设和环境治理为重点，从“高耗能”、“粗放”向“低碳”、“绿色”、“可持续”转变。 水务业务范围也逐渐向上游“水资源节约”和下游“环境污染治理”延伸，形成了城市水务治理的一盘棋。 大中型水务企业产业集聚度和专业化水平不断提高，涉水综合业务和水环境综合治理加快发展。 一些小微企业着力深化水务细分，寻求地方优势。 在市场化改革趋势下，产业链上下游的智慧水务建设开发商也开始发挥集聚效应。 通过并购、融资等方式，集聚产业链优势资源，加快水行业软硬件平台研发、装备制造、解决方案研发。 推动。 智慧水务作为水务行业的热点领域，吸引了各行各业具有技术优势的外部企业进入水务行业，带来了理念、技术、资金和人才等方面的优势，也推动了水务行业的升级。 整个水务行业呈现出蓬勃发展的态势。 水务企业逐步从碎片化、粗放式、封闭式发展向规模化、精细化、生态化发展转变。 数字水务助力水务企业在规划建设、运营管理、技术研发等方面实现创新突破，把握发展高点和主动权。

（2）在政策激励下，数字水务迎来良好的外部发展环境。 近年来，国家、地方、行业等多层次出台一系列政策，为水务数字化转型提供有力支持，营造良好发展空间。 一是国家政策引领水务数字化转型的顶层愿景、目标和发展战略方向。 党的十九大明确提出，要加快信息化建设，建设“数字中国”和“智慧社会”。 国务院国资委办公厅印发《关于加快推进国有企业数字化转型的通知》，以“推动新一代信息技术与制造业深度融合，打造产业新优势”数字经济，推动国有企业数字化、网络化、智能化发展。” . 国家“十四五”规划提出“加快数字化发展，建设数字中国”。 二是地方政策大力支持水务数字化转型路径与实践。 各地相继出台“数字政府”、“智慧城市”、“智慧国企”、“智慧水务”等具体举措，加快产业数字化进程。 三是水行业专项政策加速企业数字化能力提升。 2021年，中国水协将发布《2035年城市水产业发展规划纲要》，提出智慧水务发展目标任务、实施路径和方法。

（三）在市场驱动下，数字经济为水务数字化转型注入长期动力。 数字经济已成为全球产业转型升级的重要驱动力，数字经济时代已经到来。 根据中国信息通信研究院发布的《中国数字经济发展白皮书》，中国数字经济规模从2005年的2.6万亿元扩大到2020年的39.2万亿元（见表1） ，数字经济占GDP的比重有所提高。 增至38.6%。 国家“十四五”规划在《“十四五”时期经济社会发展主要指标》中提出：预计“数字经济核心产业增加值占GDP 将从 2020 年的 7.8% 增长到 2025 年的 10%。” 市场规模预计将从2014年的65.6亿元增长至2023年的251亿元，其中蕴藏着巨大的数字红利。

（4）科技赋能，数字化新技术助力传统水务产业升级。 智慧水务借助以云计算、大数据、人工智能、5G为代表的新一代ICT技术，不断构建水务数字化运营场景，改变传统的人工运营模式。 一是实时感知，连接各地的传感器和智能设备，实时监测水文、水质等信息。 二是全面集成，实现各种异构系统的完全链接和集成，利用云计算对大量信息进行分析和存储，实现信息共享。 三是智能应用，充分利用物联网、云计算、数据仓库、智能决策支持等先进技术，支撑洪水预警、科学调度、客户服务等各类业务应用，使设施、流程，运营管理更智能。 四是协同运作。 通过统一的水务综合信息管理平台，实现区域给排水系统的统一调度、协同运行，实现资源优化配置和系统高效运行。 由此，水务管理、产品和服务质量将得到跨越式提升，服务质量、供水保障、水体治理、城市防涝、低碳发展、成本等水务业务数字化运营效果全面实现减量化增效。

1.2 传统水务面临的问题与数字化转型的挑战

抓住机遇的前提是直面问题和挑战。 一方面，2019年新冠疫情的爆发，进一步凸显了传统水务行业内部信息化基础薄弱、运营管理粗放、劳动强度大、资源利用率低、预防支撑能力不足等问题； 减少值班人员、全程线上服务、优质饮水保障、城市防内涝、污水零直接排放、“厂网江湖”一体化管控等管理升级也加速了推动水务企业迎接水务数字化转型挑战。

（一）直击问题，立足水务短板，推进数字水务建设。 城市水务系统复杂、流程长、环节多。 难以实现行业整体的数字化和各个环节的数字化。 特别是，以下问题也在一定程度上制约着水务数字化进程：

一是部分水务企业缺乏顶层规划，发展方向和路径不明确，导致制度建设偏离企业发展战略目标，导致应用系统相对分散、治理独立，制约了水务工作效率。企业数字化转型。

二是传统水务作业环节和作业流程管理仍然粗放，数字化应用能力不足。 水务行业工业自动化基础普遍薄弱，厂站网生产效率低； 给排水管理规范化、精细化程度不够，治安能力、运营成本和节能降耗水平较低； 系统有待优化，管理效率低。

三是大部分水务企业仍处于信息化初级阶段，数字化赋能业务水平较低。 水务行业在新一代ICT技术应用、数字资源挖掘、智能管理等方面任重而道远。

四是水行业全产业链和新消费链尚未打通，水数字价值实现速度和产业布局拓展缓慢。 特别是在设计规划、建设运营、服务咨询、涉水产品生产销售等水产业生态建设，以及新型水务服务等领域还处于起步阶段。

（二）直面挑战，立足智慧水务建设难点，有力保障水务数字化转型。 尽管水务企业在智慧水务发展方面取得了长足进步，如生产更精益化、管理更高效化、服务更便捷化、决策逐渐智能化，但水务行业数字化转型仍面临挑战，如产业创新发展、转型方向、业务与信息融合、长期发展保障等诸多挑战。

一是水产业创新发展的挑战。 智慧水务在带来水务行业变革的同时，也带来了运营模式创新、认知创新、技术创新等方面的挑战。 传统的给排水运行模式难以重构。 业务和数字流程尚未形成合力。 数字化转型倒逼业务结构重构，运营模式创新任重而道远。 数字化转型将打破业务壁垒和制度壁垒，带来全流程乃至全行业的数字化发展，是统一的认知挑战； 先进管理理念、给排水技术和新一代信息技术融合不足，未形成多源头、多维度的技术支撑体系。 科技创新迫在眉睫。

二是水务数字化转型方向的挑战。 水务数字化正逐步向全面感知、智能管控、数据驱动、智能决策的方向发展。 全面感知要求行业不断扩大厂、站、管网的动态感知范围，提升给排水和水环境监管全过程的智能感知能力。 智能控制的发展离不开工厂设备和过程自动化的提高。 实现数据驱动，需要行业在数据采集、管理、应用等方面不断加大投入和力度，逐步形成以数据进行分析、诊断、决策的数据生态。 智慧决策是水务数字化发展的高级阶段。 要不断探索数据、模型和人工智能算法在运行调度、节能减排、应急处置等方面的深度应用。

三是水务与信息化融合的挑战。 信息技术的深入应用，业务与信息化管理模式的不成熟，复合型人才的缺乏，都将阻碍业务与信息技术的深度融合。

四是水务数字化转型的长远发展保障挑战。 水务数字化转型不可能一蹴而就。 在转型过程中，将面临人才、资金、机制、组织、生态链等多方面的挑战。 人才和资金的缺乏使得数字化转型工作难以为继； 没有合理的机制保障，将阻碍转型工作的有效推进； 组织保障是资源协调合作实现最优解的核心； 生态链的发展是企业内部资源与外部资源对接、产业链上下游协同、水行业持续健康发展的重要保障。

0 2 水务企业数字化转型实践

水务公司普遍踏上数字水务转型之旅。 2019年，国际水协会（Water，IWA）发布了一份数字水白皮书报告“Water: t the”。 报告指出，多家受访企业已经开始水务数字化转型，早期水务企业重点部署软件平台和新型传感器。 与智能水表一样，数字化程度高的企业逐渐应用VR、大数据、人工智能等技术制定智能化解决方案，葡萄牙等先进企业也开始对外提供服务和支持。 二十年来，中国水务领域发展迅速，成就显着。 2020年7月2日，国际水事智库Water（GWI）从全球视角，从十个维度综合分析水事领域，中国在全球竞争力排名中位列第13位。全球水工业。 近十年来，行业业绩提升程度一直处于领先地位，被评价为快速转型的十年。

2.1 国外数字水务典型案例

国外特别是发达国家特别重视水务数字化转型，力求将数字化优化技术与水务业务系统建设相结合，实现水务精细化管理。

苏伊士通过与公司合作，引入并融合数字技术，拓展数字化解决方案，为用户提供从管网设计到运营全生命周期的水务基础设施优化服务，抢占水务创新数字化解决方案的制高点。 借助该解决方案，大大节省了水利工程的基建投资，进一步满足了客户需求。

日本东京都自来水贯彻“确保稳定供水”、“完善地震时的应对措施”、“可饮用、口感好的自来水”三大供水指导思想。 构建覆盖供水监控、能源优化、应急供水、水质管理等重点业务的水务数字化系统，确保东京都自来水制定的18项具体任务和15项考核指标得到有效落实。

在《数字水务-新加坡经验分享》一书中，新加坡介绍了其对未来水务管理数字化的愿景，并分享了其转型路径。 新加坡数字化转型的最终目标是创建一个单一的高效水系统，其中水监测、污水和废水收集和处理、饮用水生产和分配的所有过程都可以在系统层面进行优化，而不是“每个”各走各的路。”

2.2 国内水务数字化案例

2.2.1 北控水务“全业务一体化”云平台

北控水务是目前中国最大的水务公司。 通过建立“全业务一体化”智慧云平台（见图1），实现了北控水务各项目运营管理的“云”部署和推进，有效加强了北控水务的统一管控和统一管理。控水对各项目的标准化管理提升了运营能力，同时也让智慧水务云平台成为北控推广运营模式的利器。

2.2.2重庆水务大数据探索

重庆水务集团是一家拥有完整产业链的专业水务上市公司国有控股公司。 近年来，重庆水务集团高度重视智慧水务建设和数字化转型。 2019年投资逾3800万元，与阿里巴巴集团合作，共同打造智慧水务大数据中心。 在现场投入应用。

2.2.3 福州水务“1·3·6·8”数字水务战略

作为全国首批启动数字水务总体规划的水务企业，福州水务数字水务建设围绕“1.3.6.8”战略，“绘就”了数字水务建设3年（2019-2021年）蓝图）（见图2）。 福州水务数字水务建设聚焦高质量发展目标。 重点建设项目包括大数据中心、综合调度、水力模型、“互联网+”客服等，提升生产管理水平和客服质量。

2.2.4 深圳水务集团数字化转型实践

神水集团以“打造最值得信赖的环境水务综合服务商”为目标，打造了神水品牌的水务数字化系统，致力于成为国内水务数字化的引领者。 近年来，围绕集团发展战略，围绕水安全运营、水质提升和水环境改善，构建集团化数字化运营管理基础，融合智能化核心技术，驱动业务流程和运营模式创新，为升级赋能打造环保水务产业，打造智慧水务生态，实现集团高质量发展。

(1)自来水直饮供水全过程数字化控制。 2018年底，深圳盐田直饮水示范工程建成，盐田区率先成为全国首个实现自来水直饮的行政区，开创了自来水直饮先河。 在盐田直饮示范工程中，神水集团通过智能化手段构建了盐田直饮数字化管控系统，实现了从“源头到龙头”的水质安全监管一张图管理，实现了数字化管控直饮自来水的全过程（见图3）。

得益于盐田直饮数字化管控系统的支持，盐田区第三方客户满意度调查中水质、供水信息、供水服务满意度大幅提升（92.4%），位居全国第一。城市。

(2)数字化工厂。 针对传统厂站自控精度低、生产管理落后等问题，神水集团对光明水厂、洪湖净水厂进行数字化改造，使水厂运行更安全、更高效、更优质、更高效。更经济。

传统的水厂碱铝投加控制影响因素多，滞后性明显。 在光明水厂，采用神经网络算法建立数学模型，精确控制碱铝的添加量（见图4）。 通过在水厂引入过程智能算法，实现生产的精细化控制，使其初步具备自学习能力，水处理装置的适应性更强，生产更安全可靠，自来水厂的化学品消耗量显着减少。

洪湖净水厂在传统自控监控系统的基础上，运用多种人工智能算法进行数据分析，建立了涵盖有机负荷降解、生物脱氮等环节的完整的污水处理智能流程大脑，从而实现高可靠性。 、高稳定性、高精度的过程优化和控制，在确保工厂水质实时达标的同时，节能降耗10%以上（见图5）。

(3) 深圳河流域工厂网络和河流全要素数字化河流治理模型。 过去，因接收大量生活和生产污水、废水，河水污染严重，河水黑臭。 流域管理存在时空跨度大、涉水设施管控要素多、联合调控逻辑关系复杂等诸多治理难点。 针对上述问题，神水集团创新提出厂网河一体化全要素治河模式，通过源头管控、过程监控、结果可控的方式治理深圳河，构建一体化管控和治理模式。控制深圳河流域“厂、网、河”全要素。 有助于实现河口部分稳定的系统。

厂网河全要素治理模式通过四个“一”实现“厂网河”各要素的一体化管控，即：一个网构建流域治理要素逻辑，一个网络构建流域治理要素逻辑。地图监管涉水全要素数据信息，一个中心诊断排水系统关键问题，对异常事件进行闭环调度指挥。

深圳河流域“厂、网、河”全要素一体化管控系统，有效识别排水系统关键问题，为智能调度提供决策支持，有效保障河道整治顺利实施管理。 目前，深圳河水质已达到地表水Ⅴ类标准。

0 3 水务数字化转型未来发展趋势

未来，水务行业发展要与时俱进，科学应对，迎接挑战，把握机遇，推动数字水务发展。 数字水务发展重点包括以下几个方面：

一是推动水务领域产业数字化和数字化产业发展，形成完整的数字水务价值链和生态链。 在水务行业加快数字化转型步伐的同时，数字化产业也将蓬勃发展，形成相互促进、多方协同，共同推动水务行业升级发展。

二是加快大数据、人工智能、数字孪生等技术在水行业融合发展，培育水行业发展新动能。 数据作为数字水务发展的重要生产要素，可以创新水务运行管理方式，为城市水务集约化建设、协同管理、资源共享和应急联动提供新思路、新途径。 人工智能作为推动水务行业发展转型的核心驱动力，首先可以赋能基础水务设施的通用AI能力，为数字化转型打下智慧基础。 , it can the and of and . and model have new and new in the water , smart , fine , , and smart .

3.1 " + Water "—Smart Water 2.0 of Water

the deep of the , big data, and in the water , a water space that the three of " ", " " and " ", and new , new , and new . It will be the main of Smart Water 2.0. on the " ", " " and " ", the value of water , , and model .

The first is to build an - and water with + as the core, an and with cloud as the core, the , multi- data and , and build - and smart water , build a twin for urban water and , and -based of the , as well as , , and -.

The is to build a full-chain water with the water + as the core, , and build a smart water ; the of the , build a water brand model, and the depth of the water chain in to the , green and of the chain.

The third is to build an water model with water + as the core, rely on the to users with , form a high- water , and build an mall based on this, a of .

3.2 first - water of water

In the of smart water , on the one hand, the of the water in is , the is not , and the lack of for smart water is to cause the of smart water to be , and the is easy to from the goals, and the is ; on the other hand, due to lack of norms and , the of smart water is , such as , data types, , , etc. There are no to , and each uses and . After the is , the be , and the of . An for the above is the lack of water . At , the total of in the field of has 2,000, but for water are still , and a needs to be . In order to solve the of , , and of smart water , in the , it is to sort out, , and at all and to guide the and of smart water. units such as water units, water , , and water and in in the of the smart water , a water that is both and , and lead the and of smart water .

3.3 of value - data the value of of water

At , many water are still in the of , and there are such as low data and data . They need to be cured by means of data , data and use, and data . the value of your data. and data , and use can make data more and , data and among , and in-depth of data- . In , data , such as data , data loss, and data are and , and data is . On the one hand, the data can be made more , and the data of plant , and sales , etc. are more . make more and ; on the other hand, data are often to , lack of and , etc. With the help of data , can be found in a more , the , safe and of the water and , .

3.4 — and to the smart of water

Water -edge such as "big data + of + cloud + " as well as and edge with water to form new + new . The model of the water and , the model of the water and pipe , and the AI ​​ will be used in water and , , flood and , and , etc., to the of - and , to the of the water and .

One is . with model , and site , scale , , and , guide and , - basis for and of the , and for the of plant , , etc. means.

The is smart . On the one hand, with the of and the of , water and and are from and to and , and the plant with fewer and no one on duty. The is , safe, , and up to . On the other hand, the real-time model of the water and with high and is used as the core of the , with , AI , etc., to in the , and to The pipe is in to for and .

The third is to and . Using , and other , and and in the , and send early for high-risk , and check and other in . to the level of the pipe , and at fixed , the risk of , and and of water , flood and .

The is and . With the help of twin and of , a twin the chain of water and will be a new model for water and . the twin of water , such as water , water , , and pipe are on the , and then data , model and other are used to and fault of , and It for the and - of and and event .

: This is for the of more . If there is an error in the or of your legal , the with the proof of , and we will and it in time, thank you.

Use the "scan" to add "Guten "