软件介绍
国《家食品安全检验检测技术研究中心组建》成立
近日，国家食品安全检验检测技术研究中心（国家食品安全危害分析与关键控制点应用研究中心）在北京正式揭牌成立，这一消息由市场监管总局官网对外发布。
该中心的组建，被视为市场监管总局深化综合治理能力的一项关键布局，同时也标志着在“十五五”规划启幕之际，我国食品安全技术体系建设迈出了坚实一步。此举不仅旨在强化从生产到消费全链条的食品安全监管，更被赋予了提升治理效能、增进民生福祉的深远意义。
新成立的国家食检中心将坚持党建引领，秉持“监管为民”的核心理念，紧贴国家食品安全战略部署，顺应新时期的监管需求与挑战，精准锚定自身职能坐标，从而为食品安全监管构筑起牢固的技术后盾。中心计划以科技创新为驱动，完善食品安全领域的科研体系，加速信息化技术的落地应用，并充分运用人工智能等前沿手段，以期更高效地识别、预防和化解潜在风险隐患。
在专业支撑方面，中心将双管齐下，既重视软科学策略研究，又推进硬核技术开发，系统性地深化食品安全基础探索。具体工作涵盖检验检测技术、方法、装备及标准规范的实用化研究，以及食品安全危害分析与关键控制点的应用探讨；同时，中心还将承担抽样检验、风险预警、检测机构能力评估等技术任务，为日常监管提供精准数据。此外，强化监管技术保障亦是重点方向之一，包括加快专业化、职业化食品检查员队伍的培养，全力支持飞行检查与体系检查的开展，并提升特殊食品领域的技术评价水平，为新质生产力的发展注入动力。
为促进社会共治格局的形成，国家食检中心将统筹行业内技术资源，推动食品安全信息的共享互通，深化科研协同，并积极拓展国际间的交流合作，汇聚各方智慧，为全面提高食品安全治理水平提供扎实的技术根基。
功能特点
自然资源部修订印发《临《时用海管理》办法》
自然资源部近日正式发布《临时用海管理办法》（下称《办法》），取代原有的《临时海域使用管理暂行办法》，该文件即刻废止。新《办法》共二十条，旨在对临时用海管理制度作出系统性升级，并在三大领域实现突破：分类施策、流程精简及全周期监管。
在分类管理层面，《办法》开创性地引入临时用海分类框架，清晰界定三种情形——须许可、可备案及禁办理。具体而言，凡触碰生态保护红线、改变自然岸线形态或功能，抑或对国防安全、海上交通秩序及其他合法海洋利用产生重大干扰的活动，必须申请临时用海许可；而海洋文旅、生态修复、防灾减灾、海洋监测、科研教育等非敏感用途，在不涉及红线或岸线变动的前提下，豁免许可，仅需备案即可；至于填海造地、跨海桥梁、海底隧道、海砂开采等旨在长期占用海域的项目，则一律排除于临时用海管理范畴之外。此外，《办法》针对各类情形配套了差异化管控细则，以便自然资源（海洋）主管部门及用海单位直观参照、精准执行。
就审批流程而言，《办法》将高效便民置于核心位置，综合前期实操经验及修订征询意见，仅当项目涉及岸线形态功能改变或建设非透水构筑物时，方要求提交海域使用论证报告表，从而避免论证范围过度延展。同时，审批环节得到大幅压缩，取消临时海域使用证发放步骤，确保用海主体在取得许可后即可动工，显著提升落地效率。
在全链条监管方面，《办法》强调依托自然资源管理与国土空间规划“一张图”平台进行审核，一旦核发临时用海许可或完成备案，相关信息将即时嵌入“一张图”监督系统，并同步通报执法部门，面向社会公开披露，以接受广泛监督。对于用海期满后的清理义务，《办法》亦予以强化，要求及时拆除所有临时设施与构筑物；而对涉及生态保护红线或岸线变动的项目，则进一步压实生态修复责任，督促用海主体严格履行修复承诺，确保海洋环境得以恢复。
使用说明
超《2500%！上半年集成电路制造业利润“狂》飙”
国家统计局近日披露了2025年上半年规模以上工业企业利润的关键数据。在算力需求持续井喷的背景下，电子行业利润同比飙升96.9%，为全部规上工业企业利润增长贡献了8.5个百分点；其中，集成电路制造业的利润增幅更是达到了惊人的2579.5%。7月27日，存储芯片巨头长鑫科技正式挂牌科创板，上市首日即高开471%，终盘涨幅465.82%，市值攀升至3.28万亿元，一举超越工商银行，登顶A股总市值榜首。
这一连串令人咋舌的数字背后，真实的算力市场究竟处于怎样的温度？这场算力“狂飙”又与普通人的生活产生了哪些千丝万缕的联结？近日，《每日经济新闻》记者借助在郑州举行的“光合组织2026智能计算应用大会”之机，深入一线展开了实地探访。
7月中旬的郑州，室外温度直逼40摄氏度。郑州国际文化交流中心内却人潮涌动，热闹非凡。走进一楼展厅，一台高达两人、颇为壮观的机柜赫然映入眼帘——这正是国内首台十万卡AI算力集群。围观者层层叠叠，不少人需仰头才能望见机柜顶部。展厅内人流摩肩接踵，站久了衣物便有些黏腻。一位工作人员向记者透露，空调其实已调至很低，但人气实在太过旺盛。沿走廊两侧，各厂商的服务器机箱整齐排列，每个展位前都围聚了数层观众，外围的人们不得不侧身从缝隙中探看。
现场人群大体可分为两类：一类是服务器零部件及整机制造商，另一类则是AI应用开发商。两类人群交织穿梭，过道中不时有人驻足互换联系方式，或探讨服务器性能参数，或交流行业最新趋势。午后从餐厅返回会场途中，依旧能听到三三两两的讨论声不绝于耳。这番火热场景，令记者恍如置身于上世纪90年代互联网初兴时的繁荣气息中。
根据国家统计局发布的上半年数据，服务器及高性能工作站相关领域中，计算机整机制造利润同比增长689.3%，计算机外围设备制造利润增长305.8%；电子器件制造领域中，集成电路制造利润飙升2579.5%，半导体分立器件制造利润增长31.2%；而在电子元件及电子专用材料制造领域，电子专用材料制造利润增长209.7%，电子电路制造利润增长26.9%。这些令人瞠目的数字，折射出怎样的市场真相？
“眼下连板卡都供不应求。”浪潮计算机产品经理刘树奇向记者坦言，“内存条价格从去年到现在翻了三倍，去年一条1万元，今年可能涨到3万元却依然一货难求。”刘树奇提到的板卡，正是服务器的“骨架”——那些常见的绿色电路板，承担着CPU、GPU、存储及各类网络组件之间的互联互通职能。
一位GPU厂商人士感慨道：“我们曾签下一个订单，约定连服务器一并交付，结果服务器价格每日一变，根本无法履约。原先一台服务器20万元，随后涨至50万元，再飙到80万元，即便有钱也拿不到货。”刘树奇补充说：“有一段时间，合同报价的有效期甚至仅为一周。一周之后需要重新核算，价格可能又已不同。”
从采访中记者获悉，这种供应紧张态势自去年末便已显现，至今仍未缓解。
那么，这场“飞驰”的订单浪潮由何支撑？算力热潮又与普通人相距多远？浪潮计算机AI产品部廖广山向记者解释，普通用户使用大模型时属于云端推理，调用的算力资源在云端完成，并不会占用手机本地算力。而若想解决私密性问题、确保数据仅在本地方流转，则需采用本地化部署方案。廖广山说：“本地化部署的主要支出在于购置服务器，模型代码是开源的，从官网下载镜像即可运行。”
一家AI应用服务商或科研机构若需本地化部署模型并开展训练，究竟需要多少算力？面对记者的提问，廖广山详解道：“这取决于实际目标，通常可分为预训练和微调两类。以DeepSeek为例，若在本地运行该模型，基准资源需求为1倍；若需微调，则需约4至8倍的资源；若是进行推理训练，则需20倍以上。你提到的应用场景应属于微调范畴。”
刘树奇举了一个生动的例子：假设某机构想开发一个模型，识别路口一天内通过的行人、车辆、动物数量及空气质量，便需先搭建模型框架，设定多个识别字段，例如什么样的轮廓属于“人”，哪些特征属于“动物”，什么形状算作“车”。模型初建之后，还需持续“喂入”数据，比如不同品牌、不同形态的车辆图片，让系统不断学习迭代。只要数据量足够庞大，模型自然会愈发精准。
“如果只需保障训练过程的稳定性，比如确保AI短剧中人物形象前后一致，倒也不一定非得做本地化部署，购买大模型厂商提供的租户隔离服务即可满足需求。”廖广山补充道。
在算力价格暴涨的背景下，算力到底是离普通人更近，还是愈发高端、愈发遥不可及？中科曙光高级副总裁李斌对此表示，算力与普通人的距离正在缩短。“以郑州的曙光8000(登峰)为例，过去主要服务于科研院所的科学家，如今已有相当大一部分算力接入手机App后端，为各类Token服务提供支撑。或许在用户打开手机的刹那，背后调用的正是来自郑州的算力。”
在普通人眼中，服务器机箱的内部结构或许与台式电脑大同小异——同样包含CPU、GPU、存储、硬盘和散热组件。廖广山用一个形象的比喻解释：“如果说前者只是一辆玩具车，那后者便是真正的运载火箭。两者在设计复杂度、结构精密性及用途上完全不在一个量级，后者所能完成的计算任务也远为复杂。研发一套服务器需投入上千万元资金。”
然而，相似之处在于，随着算力需求的变化，服务器内部各组件的配比也在不断调整。李斌认为，在超长上下文的推理任务中，存储的重要性愈发凸显。海光信息服务器产品部总经理张攀勇则表示，随着AI Agent时代的来临，大量工作实际上由CPU承担，包括任务编排、工具调用与结果处理，以及记忆管理等；而GPU的角色则更聚焦于模型推理本身。这种变化也带来了一种范式转移。从他们的工作负载观察来看，CPU与GPU的配比已发生显著变化：过去在双路GPU服务器中，常见配置为一颗CPU搭配八颗GPU或两颗CPU配八颗GPU，比例大致介于1:4至1:8；而在当前的数据中心场景下，由于沙箱环境、存储系统、数据库、向量计算等多样负载的增加，整体配比已从往日的1:4、1:8逐步演化为1:1。
要让服务器机身更趋紧凑，廖广山认为可能需依赖液冷技术的进一步成熟。
算力是否存在结构性过剩的可能？李斌向记者表示，算力的短缺或过剩存在阶段性波动，但总体而言，AI驱动的需求仍在持续攀升，尤其是对高端算力的渴求，智能体兴起之后，算力需求将更加旺盛。“从IT产业发展的规律来看，同等性能或效果所需的成本大概率会持续下降，这是行业大趋势。长期来看，算力必将更加普惠。”李斌举例道，“在大模型爆发之前，行业最热门的是人脸识别技术。如今，这项技术的门槛与使用成本已大幅降低。未来大模型也可能沿循同样的路径。一方面，模型自身能力不断进化；另一方面，推理效率持续提升，单位任务所需的算力成本随之下降。最终，大模型将演变为像水电一样的基础设施，更加贴近大众。”
那么，算力的终极形态又会是怎样？李斌认为，未来的整体方向是云化，同时边端设备如具身智能等将配备轻量化算力以实现实时响应。个人无需购置笨重的本地设备，通过App即可轻松获取强大的AI能力。海光信息副总裁应志伟也向记者表示，算力终将如水电般即开即用，无论通过本地部署还是云端接入都能随时响应。所有业务都将深度融入AI能力，否则便难以适应这一时代。算力将无处不在，使用者在不知不觉中便可享受其便利，这才是真正的大势所趋。
“过去依赖大型算力中心，是因为模型复杂、体量庞大，对算力要求极高，普通终端设备难以承载，只能依托集中式算力完成训练和推理。这一方向不会改变，但也要看到另一面：当模型真正落地应用时，不同行业、不同用户的需求千差万别。程序员或许需要千亿甚至万亿参数的大模型来辅助编程，但在许多场景下，一个监控摄像头做人脸识别，几十亿参数的轻量模型就已足够。此类细分场景不胜枚举——嵌入式设备做电源波形检测时，网络延迟反而会抵消优势；孩子在家做数学题，本地小模型即可解决，无需调用云端大模型。”应志伟总结道。
更新日志
国《家食品安全检验检测技术研究中心组建》成立近日，国家食品安全检验检测技术研究中心（国家食品安全危害分析与关键控制点应用研究中心）在北京正式揭牌成立，这一消息由市场监管总局官网对外发布。该中心的组建，被视为市场监管总局深化综合治理能力的一项
句子6