人工智能行业研究报告-PDF版

腾讯云：《2025智能体驱动的大模型系统工程与产业实践》解读报告（16页）.pdf

智能体驱动的大模型系统工程与产业实践解读云服务商与电信运营商的合作探索2025年9月研究背景01智能体驱动的大模型系统工程研究02未来发展趋势03智能体驱动的大模型系统工程研究背景01伴随人工智能发展.

2025-10-14 16页 5星级

广西工信厅：2025年第二批广西人工智能产品、垂直领域模型和“人工智能+制造”典型应用场景（496页）.pdf

1附件 22025 年第二批广西“人工智能 制造”产品、垂直领域模型和典型案例2目录“人工智能 制造”产品.8一、医用气体报警系统区域报警分机.8二、北斗融合蓝牙的工业园区 3D 室内外车辆、人员定位及导航系统.11三、大载重无人机.12四、视频事件检测服务器.14五、充电停车一体机.16六、基于 AI 与多模态数据融合的分布式光伏智能运维关键技术的研发与应用.18七、无线充电.21八、AI 心电仪.23九、智能微耕机.25十、和德科创中心 BIM 智慧运维管理平台.27十一、统一运维智能体工厂应用研究.30十二、AI 易说.32十三、硫熏强度智能在线检测系统.36十四、光伏板自动安装机器人.38十五、云端化学智能分析平台及配套检测芯片.40十六、智慧校园 AI 教学辅助系统.42十七、生猪精准饲喂数智节粮设备.44十八、行业智能体一体化平台.46十九、基于人工智能的工业冷热源设备节能优化云控制柜.51二十、高速公路机电监管养云平台.54二十一、VRmama 消费循环引擎.57二十二、空地协同风电场巡检机器人及关键技术.60二十三、雷视融合交通事件检测系统.62二十四、隧道 LED 照明调光控制系统.63二十五、信创 AI 智能终端.65二十六、AI 汉语学习机.66二十七、AI 驱动的园区新能源管理与调度大模型.68二十八、智慧水务药剂投加智能管控平台.69二十九、智能可回收垃圾箱.71三十、基于 LSTM 动态误差预测模型.74三十一、基于边缘智能与深度学习的智能化养殖系统.77三十二、生成式 AI 智慧教育软件.79三十三、智慧园区全域可视安消一体化智控平台.83三十四、“友智味链”老友粉智能烹饪机器人.85三十五、动物人工智能精准识别验证系统.89三十六、AI 智能螺蛳粉售卖机.91三十七、水面水下一体化机器人.94三十八、高速铁路智能安防设备体系.95三十九、基于 AI 大模型的稀土金属冶炼智能化系统.98四十、新三农杺智慧农业全产业链管理系统.1003四十一、农药残留智能检测仪.101四十二、城市智慧住区综合管理服务平台.103四十三、车易慧智能体管理平台.104四十四、车易睿电机振动检测台.106四十五、高通量智能水环境分析仪.107四十六、碳酸钙粒度智能检测系统.108四十七、智能显微镜系统.110四十八、船舶智能过闸管理系统.112四十九、中药智能显微鉴别系统.115五十、智能笔记本电脑.117五十一、人工智能芯片晶圆级封测服务.118五十二、姿态感知智能健康办公装备.119五十三、自动研磨机.120五十四、基于 IP 的分布式人工智能 AI 音频感知互动终端.122五十五、广西既有建筑智能安全评估平台.124五十六、天清 MAF 大模型应用防火墙.127“人工智能 制造”垂直领域模型.129一、高速公路（复眼）监测模型.129二、高速公路车流预测大模型.132三、结构物灾毁视觉识别模型.133四、HVAC-EcoDistill 智能节能语言模型.135五、博依特工艺大模型.139六、华为云 SparkPack 企业 ERP 数字化转型套件.142七、多模态生物信号处理检测模型.144八、贺州市城区污染预测模型.146九、中国-东盟跨境投资智能风险评估系统.147十、自然资源视觉监测模型.149十一、舞心 AI（心理健康 X 舞蹈运动）模型.151十二、海上风电 AI 智能预警与监控模型.154十三、建筑遗产智能监测与预警模型.156十四、中央空调 AI 节能智控平台.159十五、语言文字智慧平台.161十六、创媒 AI 内容生成系统.162十七、一种基于互联网条件下风电场智能轨道新型轮式巡检机器人.164十八、视频事件检测大模型.166十九、多维异常事件模型算法引擎.167二十、道路定检大模型.169二十一、智鸿智管家-智慧环保系统平台.171二十二、工程造价领域易造价专用模型.173二十三、女书数智化传承平台.175二十四、东盟知识产权语料大模型.183二十五、广西水利工程安全运行管理平台.186二十六、智能林业融合分析决策模型(IFCAN).1894二十七、铝精深加工板带材生产高质量表面板形、质量缺陷在线快速识别预警模型及应用示范.191二十八、智昇氧化铝大模型.193二十九、大型结构健康大模型及智能机器人研发.195三十、财务大数据成本分析模型（基于先进制造业产业链大数据分析应用平台）.197三十一、交通信号控制大模型（Deep-Light）.200三十二、“桂表妹”-以旧换新人工智能消费大模型.202三十三、瑶医药 AI 研发大模型智能体开发及应用.204三十四、西江航运水情大数据平台.208三十五、中药成份智能鉴别模型.210三十六、生成式对抗网络数据增强的碳酸钙检测模型.212三十七、富氧侧 顶吹粗铜冶炼大模型.213三十八、林业产业供应链智能匹配模型.214三十九、AI 专家客服.215四十、文旅数字人.218四十一、多模态建筑行业大模型.220“人工智能 制造”典型案例.225一、基于 AIoT 的大规模全自动连续平压胶合板绿色智能制造系统构建与应用场景.226二、AI 预警摄像头赋能基层应急.228三、非织造新材料智能工厂建设.231四、万兆网络通讯产品智能智造柔性生产线.234五、安全管控-基于 AI 驱动的智能制造型人造板生产火花监测与自适应灭火一体化系统.235六、大王椰高端环保板材智能制造工厂.239七、运动鞋生产物流管理人工智能技术融合应用.242八、产品 BOM 和产品工艺路线管理模块.244九、人工智能助力灵山县传统村落集中连片保护利用示范项目.246十、结构件智能化拼焊技术的应用.248十一、基于物理信息神经网络的铝电极箔智能预测系统.250十二、基于多模态数据融合的人造岗石智能配色系统研发及产业化应用.251十三、基于数字孪生的柔性制造工厂设计平台.253十四、灵语 AI 中枢大模型.257十五、灵眸智能辅助驾驶大模型.260十六、柳州市基层医共体“云化验室”建设项目.262十七、数字化营销平台.263十八、智能仓储管理系统（WMS）应用案例.265十九、智能仓储.267二十、基于数字化生产过程中的数字化系统应用案例.269二十一、智能仓储.271二十二、压缩空气数字化节能云智控 SaaS 系统.273二十三、智能上下料与搬运系统.275二十四、硅橡胶制品产线智能化生产.279二十五、工业互联网协同制造虚拟仿真实训基地.2815二十七、广西钢铁 5G 云 地面车应急巡检车.286二十八、广西钢铁集团 5G 无人驾驶移动云舱.289二十九、防城港市防城区矿石行业监管与税收智慧共治平台.292三十、大型通道式车辆 AI 放射性监测系统.295三十一、产品全生命周期精密管理系统.297三十二、基于人工智能的智能槽控系统创新实践.300三十三、基于 AI 算法驱动的 PPB 级痕量燃气泄漏高精度智能巡检平台创新应用.302三十四、电子铝箔质量流智能控制及表面智能检测.305三十五、AI 数字人交互一体机.307三十六、智能客服桌面一体机.308三十七、可移动 AI 透明屏机器人.310三十八、三姐伴游智慧服务应用平台.311三十九、化肥转鼓生产自动造粒系统.313四十、FPF 未来猪场数字化管理平台.315四十一、窑磨专家先进控制系统.317四十二、智能选矿作业系统之基于 DeepSeek 等大模型研究与应用.319四十三、智能工厂管理系统.322四十四、智能物流系统.323四十五、智能服务系统.324四十六、AI 驱动的高隔离度低插损光隔离器工艺优化与量产应用.325四十七、基于 AI 巡检机器人的陆上风电全周期智能运维管理创新应用.328四十八、成型钢筋质量溯源系统.329四十九、AI 生产控制系统.332五十、成衣全流程虚拟仿真设计场景.336五十一、广西公路 AI 无人机自动巡检识别系统.339五十二、水利智能设计助手.341五十三、能源与碳排放智慧管理平台应用.343五十四、面向精准营养的种猪膳食纤维全流程智能生产体系.346五十五、南方有色车辆管理系统.347五十六、南方有色智能无人地磅系统.348五十七、南方有色智能 AGV 自动运输系统.349五十八、基于粮食行业仓储物流的智能在线监测.351五十九、粮食行业-AI 智能制造.352六十、大明矿业建材精品砂石骨料生产管理智能化和绿色化升级项目.353六十一、AI 技术在锻造生产设备中频感应加热炉控温中的应用.355六十二、智慧能源管控一体化平台.356六十三、110kV 江口开关站全景智能巡视监控平台建设.359六十四、“人工智能 制造”典型案例情况表.361六十五、生产管理-能源智能管控.364六十六、人工智能驱动的锂亚电池电芯组装及自动化注液产线.365六十七、迈柏覃塘基地自动化生产及智慧仓储系统.368六十八、冷轧厂 AI 数智钢卷平台在成本精益管理的研究与应用.369六十九、机器人智能仓储系统.370七十、机器人拣板系统.3726七十一、智能包装系统.373七十二、高校实训室 AI 管理助手.374七十三、机器狗智能校园调度巡检系统.378七十四、玻璃深加工智能制造设计.384七十五、车间级精益拉动智能排程优化系统.388七十六、一种 DCS 系统嵌入视频智能监控方法和系统.389七十七、香芋种植、采收、加工及品质管控溯源技术.392七十八、柏秀家居覃塘基地绿色家居智能生产线.393七十九、基于 AI 的锰电解过程元素精析及因果溯源系统.395八十、美高覃塘基地生产线手臂机器人生产优化系统.397八十一、基于 DCS 的甘蔗制糖全厂智能控制与工艺优化集成.398八十二、AI 智能投药助力博世科环保技术产业升级.400八十三、AI 人工智能质检系统.402八十四、“桂小通”出行服务智能体.404八十五、昭平电站大坝安全监测自动化.406八十六、基于 DeepSeek 模型构建的铝加工智能制造知识库应用.409八十七、面向白车身一致性 AI 校验应用.410八十八、汽车制动器油管胶套装配防错应用.411八十九、京南电站大坝安全监测自动化.413九十、广投北海电厂智慧煤场.416九十一、林浆纸智能仓储系统.419九十二、广西伊利智能化设备及管理系统应用.420九十三、基于 AUTOGLM-SCR 知识产权智能生成及合规校验大模型应用.422九十四、工程机械制造数智平台.425九十五、产品智能识别检测系统.427九十六、基于智能在线检测的精细化铜箔生产质量管控.429九十八、永达智能炼钢系统.433九十九、广西物流公共信息平台-物流产业大模型应用案例.435一百、瑶医药 AI 研发大模型智能体开发及应用.437一百零一、基于 EPKS 的智能化工厂安全管控系统.441一百零二、大藤峡水利枢纽船闸船舶智能过闸管理系统.443一百零三、粗细联全自动物流与人工巡检协同.445一百零四、AI 动作捕捉系统在元宇宙游戏项目（十二生肖-守护者）开发中的应用.447一百零五、贺州市新华发碳酸钙智能检测系统应用案例.449一百零六、数字化光伏玻璃智能制造应用项目.452一百零七、智能化质量管控系统.453一百零八、铸造工艺仿真系统.454一百零九、熔炼动态配料及铁水质量过程智能控制.456一百一十、机器人自动上下料系统.457一百一十一、多轴联动定位同心同轴自动焊接.459一百一十二、基于大模型驱动的信创服务保障平台.461一百一十三、数达智算一体机.462一百一十四、铝面智检.465一百一十五、医甲通.4667一百一十六、城市智慧住区综合管理服务平台.468一百一十七、基于大模型的富氧侧 顶吹粗铜冶炼工艺增强控制技术.470一百一十八、基于机器视觉的断纸与病纸在线质量智能检测.470一百一十九、人工智能 威客教学平台应用场景.472一百二十、基于机器视觉的电工合金材料检测研究与应用.474一百二十一、AI 会务一体机.475一百二十二、扶绥新宁海螺智能质量控制应用.477一百二十三、产供销协同管理系统.478一百二十四、基于人工智能技术的环保监测治理管控平台研发及应用.481一百二十五、管材加工岛与人工智能.484一百二十六、数控平面磨床智能磨削生产线.486一百二十七、基于 MES 系统管控以及数智化设备的协同制造.488一百二十八、竹木原料 AI 质检.489一百二十九、智能 3D 仓储管理系统.491一百三十、广糖大新制糖生产数字化驱动及智能化管理.492一百三十一、筒仓智能监测调控系统.494一百三十二、糖厂全流程智能生产管理平台应用.4958“人工智能 制造”产品一、医用气体报警系统区域报警分机申报单位名称广西珂深威医疗科技有限公司9联系人及联系方式秦文丽，18174157055人工智能产品名称医用气体报警系统区域报警分机人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西珂深威医疗科技有限公司成立于 2016 年，注册资金为 2693.3333 万，是一家集研发、生产、销售、售后为一体的医疗科技国家高新技术企业，生产和安装资质齐全，拥有特种设备生产安装许可证（GC2 压力管道），电子与智能化、建筑装修装饰、建筑机电安装工程专业承包二级资质，通过了 ISO9001 质量管理体系认证、ISO13485 医疗器械质量管理体系认证、ISO14001 环境管理体系认证、ISO45001 职业健康管理体系认证以及五星售后服务认证，全面保障产品质量与服务水平。公司位于桂林高铁产业园，占地面积约 73.78 亩，总建筑面积为 31753.89。公司现有员工 135 名，其中包括 40 名管理人员和一支由 20 余名组成的跨学科研发创新团队。2023 年公司在发达城市珠海市建立了实验室，配备了先进设备，每年研发投入占销售收入比例超过 6%。公司与多所高等院校建立了紧密的合作关系，将高校的技术优势变为企业的市场优势，提高企业的创新能力。在科技创新与成果转化方面成果显著，累计获得 58 项核心自主知识产权，包括 2 项发明专利、19 项实用新型专利、16 项外观设计专利以及 21 项软件著作权，荣获了国家高新技术企业、广西 2020 年新增战略性新兴产业企业、广西壮族自治区“专精特新”中小企业、桂林市企业技术中心等、广西创新创业大赛成长组优胜企业殊荣。公司产品线丰富，业务涵盖医用中心制氧系统、医用中心供氧系统、医用中心吸引系统、医用压缩空气供应系统、医用中心制氧远程监控系统、医用气体报警系统、医用信息化护理系统、医用智能传呼对讲系统、医用洁净手术室、ICU、医用洁净医学实验室、医用洁净消毒供应室、负压隔离病房等产品的研发生产安装，公司研发生产的产品均取得了国家医疗器械注册证，是全国拥有完备医气资质的领先企业。公司秉承“以服务求生存，以技术求发展”的经营理念，以扎根桂林，立足广西，覆盖全国，走向世界为战略目标，坚持以市场为导向，以满足客户需求为前提，不断提高技术水平和服务能力，追求卓越，开拓创新。二、产品简介产品概述区域报警分机是医用气体报警系统的核心组成部分，专为医疗机构设计，能够实时采集并直观显示医院各区域气体监测点的压力、浓度、流量及瞬时流量等关键数据，通过智能分析在数据超出预设上下限值时立即触发报警机制，有效保障患者用气安全与系统稳定运行。产品研发背景随着医疗行业的快速发展，医用气体系统在医院的临床治疗、手术支持及重症监护中发挥着至关重要的作用。根据 GB50751-2012医用气体工程技术规范要求，在医用气体工程中必须有医用气体系统监测报警功能，以确保气体供应的安全性和稳定性。然而，传统医用气体监测系统存在功能单一、操作复杂、数据记录不完整等问题，难以满足现代化医院对气体管理的精细化需求。在此背景下，医用气体报警系统区域报警分机的研发应运而生。该产品通过智能10化、网络化的技术手段，实现对医院楼层、护士站、手术室等区域供气压力的实时监测与智能报警，为医院提供更加安全、高效的气体管理解决方案。产品功能医用气体报警系统适用于监测医院楼层、护士站、手术室等区域供气压力的状况，实时数显被检测气体的压力，可依据各参数使用需求设定报警点，并实现超限报警，确保医院供气压力的正常。产品优势：（1）系统提供直观的图形化操作界面，支持压力数据曲线监测、历史数据记录及故障日志查询，帮助管理人员快速定位问题根源；（2）可根据气体类型（氧气、空气、真空、流量）设置独立的上下限报警阈值，当压力异常时自动触发声光报警，并通过微信、短信等方式向值班人员推送预警信息，实现分级响应。（3）通过物联网技术实现数据的远程传输与云端存储，同时支持本地一年以上的数据备份，确保数据安全性和可追溯性。（4）用户可通过微信小程序随时随地查看气体压力数据、接收报警通知。应用场景区域报警分机已在泸州市妇幼保健院（泸州市第二人民医院）、贵州省兴义市晴隆县人民医院、核工业四一七医院、昭平县妇幼保健院等全国上百家医院投入使用，覆盖手术室、ICU、产科等关键科室。2020 年新冠肺炎疫情期间，区域报警分机还成功应用于广西壮族自治区人民医院、广西壮族自治区龙潭医院、北海市结核病防治医院、广西百色市应急后备医院等四家广西“小汤山医院”，为疫情防控工作提供了有力支持。实际应用效果1.提高安全性：通过实时监测与超限报警，有效预防因供气压力异常导致的医疗事故。2.提升效率：减少人工巡查频率，提高医护人员工作效率。3.降低维护成本：通过数据记录与故障记录功能，便于及时发现并解决问题，降低维护成本。市场前景（一）政策驱动与行业增长1.强制标准落地：根据 GB50751-2012 规范明确要求，2025 年前二级以上医院需完成医用气体监测系统的改造。这一政策直接催生了百亿级的市场需求，为医用气体报警系统的发展提供了广阔的市场空间。2.新基建医疗投入：国家“十四五”医疗装备发展规划明确支持智慧医院建设，医用气体监测作为智慧医院的重要组成部分，其细分市场年增长率预计将达到 18%以上。（二）市场需求分析1.新建医院需求：随着医疗需求的不断增长，新建医院对医用气体报警系统的需求将持续增加。这些医院在建设初期就会考虑引入先进的医用气体管理系统，以提高医院的整体运营效率和服务水平。2.老旧医院改造：对于老旧医院而言，医用气体监测系统的改造升级已成为必然趋势。通过引入区域报警分机等先进设备，可以实现对现有气体供应系统的智能化改造，提升医院的安全性和管理效率。三、经济和社会效益11一、经济效益1.公司已于 2021 年 2 月 10 日取得医用气体报警系统第二类医疗器械注册证，注册证编号为：桂械注准 20212080028，在 2021 年-2024 年期间，累计实现销售收入：约 200万元。未来，随着医疗安全意识的提升和医疗设施现代化进程的加速以及医疗新基建政策，预计医用气体报警系统的市场需求将持续增长，为公司带来更为广阔的经济效益增长空间。2.带动上下游产业链发展，通过故障预警降低医院运维成本约 1 万元/年/家。二、社会效益1.保障患者安全：区域报警分机确保手术室、重症监护室等关键区域的医用气体稳定供应，实现监测声光报警短信通知，响应速度提升 75%，避免因气体中断导致的生命危险。2.增强公众信任与社会稳定：医疗事故的减少直接提升公众对医疗机构的信任度，缓解医患矛盾。区域报警分机作为“安全守护者”的形象，可增强社会对医疗行业的信心，维护社会稳定。二、北斗融合蓝牙的工业园区 3D 室内外车辆、人员定位及导航系统申报单位名称广西维构网络科技有限公司联系人及联系方式刘桥林 18007731225人工智能产品名称北斗融合蓝牙的工业园区 3D 室内外车辆、人员定位及导航系统人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：物流、GIS 系统一、单位简介广西维构网络科技有限公司是一家以地图、定位、AI、AR 等核心技术为核心的物联网领域国家高新技术企业。通过数字化 物联网技术的创新应用，致力于构建一个更加智能、安全、可持续发展的未来。维构科技 2021 年成立于山水如画的广西桂林，业务至今已承接国内 90%的省级行政区以及部分东盟国家；主要服务制造、交通、医疗、电信、能源、政务、商业等众多领域的企业，包括宝武集团、宁德时代、美的集团、国家电网等大型企业客户，以及科大讯飞、远望谷等 IT 行业细分领域明星公司。二、产品简介一、研发背景（一）概要：工厂物流作为智能制造建设中的重要一环，是确保制造流程连贯性和高效性的关键。当前，我国处于制造大国向制造强国迈进的重要关口期，智能制造作为这一转型的核心驱动力，其重要性不言而喻。工厂物流作为制造业的核心环节，其运作效率直接影响到企业的生产效益。（二）政策：中国为智能制造中的智能物流建设提出多项政策措施 2022 年 7 月 6 日工信部等八部门联合印发“十四五”智能制造发展规划。规划文件专栏 3 行业智能化改造升级行动中提到，“满足提高生产效率和产品良率、缩短研制周期等需要，建立复杂电磁环境下的企业通信网络和主动安全防护系统，实现企业内数据可靠传输；推进电子产品专用智12能制造装备与自动化装配线的集成应用；开发智能检测设备与产品一体化测试平台；建设智能物流配送系统，优化生产经营决策系统。”以上政策提及了智能物流建设，项目完全符合国家政策导向。（三）实际需求：智能制造发展过程中的重要需求1.厂内物流效率低，物流成本高2.厂内违章多，安全事故隐患大二、功能（一）基于 GIS3D 地图世界坐标功能（二）基于北斗室外定位 蓝牙的室内定位的定位功能（三）基于 AI 的最短导航路径功能（四）基于 5G、4G、LORA 通信传输功能三、应用情况产品已应用于国内 90%的省级行政区以及部分东盟国家，共 100 余个案例，其中有 3家全球龙头企业，分别为上海宝武集团、福建宁德时代、国家电网；多家国内行业龙头及知名企业，包括：广东美的集团、江苏亨通集团、长沙中联重科、云南西南铜业、河北津西钢铁、淮北焦化、东莞奥普特机器人等等。四、市场前景（一）当前市场规模：国内规上制造企业 476369 家，前 20%规上大企业 95273 家，智能化物流自东部沿海向西部内陆发展，购买企业比例会持续增加，市场规模得益于该领域内的强劲市场潜力，预计销售额将以年均 100%的显著增速持续上扬，充分展现出该行业的蓬勃生机与广阔前景。（三）国内外技术与产业发展动向：随着 5G 通信技术与北斗定位系统的不断革新与精进，室内外导航定位技术正日益成为提升运输及出行效率的关键力量。在全球范围内，众多企业正积极投身于该领域的研发创新与应用拓展，共同推动整个产业的蓬勃发展。三、经济和社会效益一、已实现的经济效益（一）上海宝武钢铁1.提升物流效率，降低物流成本；2.降低场内车辆行驶违章率（二）宁德时代某工厂1.提升车辆物流效率2.访客来访停车节约时间，提升访客满意度，提升企业品牌；3.新员工场内寻地方效率提升，不用再找人事和保安问位置，节约人力成本；（三）美的集团某厂区1.节约场内物流成本2.提升物流卡车入园平均时间；二、社会效益（一）提升公共安全保障，降低交通事故风险（二）促进资源节约与环境保护。减少能源消耗与排放（三）优化厂区空间利用三、大载重无人机申报单位名称桂林飞宇科技股份有限公司联系人及联系方式李宇钰 13707730827人工智能产品名称大载重无人机13人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介飞宇公司于 2007 年始就深耕高精度姿态方位模块、惯性姿态测量系统的航模平衡仪、飞行控制器以及固定翼无人机领域，是华南地区首批无人机及相关自动化产品创业公司。公司建有广西智能无人机工程技术研究中心等创新平台，并拥有一支由国家万人计划人才带领的研发创新团队。经过多年的技术积累，公司已掌握无刷电机精密控制技术、无人机飞行控制技术等领域的关键核心技术诀窍，并获得了 200 多件国内外专利授权，被授予专精特新“小巨人”、广西制造业单项冠军企业、西高新技术企业 100 强等多项荣誉称号。二、产品简介一、产品开发背景当前，全球低空经济正处于高速发展阶段，已成为推动航空产业升级、优化城市治理模式、提升应急救援能力的重要抓手。低空经济涵盖低空飞行器制造、飞行服务、基础设施建设及数据应用等多个领域，广泛应用于物流运输、应急救援、农业植保、国土监测、智慧城市管理等多个行业，是未来国民经济的重要增长极。广西作为西部陆海新通道的重要枢纽，依托其独特的地理区位优势、丰富的产业基础和广阔的应用场景，在低空经济发展方面具备得天独厚的条件。自治区政府已提出“科技兴桂”战略，明确将低空经济作为重点培育产业，并出台相关扶持政策，加快低空经济基础设施建设，推动无人机产业向自主化、智能化、产业化方向发展。然而，目前广西区内无人机产业仍处于初步发展阶段，核心技术受制于人，产业链布局尚不完善，特别是在大载重无人机、飞控系统自主化、多场景适配等方面仍存在技术瓶颈。同时，由于广西地形复杂，山地、丘陵、森林、海岸线交错分布，在应急救援、交通物流、农业巡护、能源巡检等领域，对高性能无人机的需求尤为迫切。因此，推进大载重无人机研发，突破自主可控的飞行控制系统，优化新能源储能与智能换电技术，对于提升广西低空经济竞争力，打造区域特色无人机产业链具有重要意义。二、产品功能1.推动低空物流发展依托大载重无人机和智能换电网络，突破传统物流配送瓶颈，实现偏远地区快速配送，推动城乡物流一体化发展。2.提升应急救援能力通过网格化无人机应急救援体系，实现精准物资投送、实时灾情监测和高效救援，提升广西及周边区域的应急响应效率。3.促进新能源与无人机融合应用采用高效新能源储能与换电系统，提升无人机续航能力，推动低碳化、智能化无人机技术在工业巡检、林业监测等领域的应用，为新能源与低空经济融合发展提供技术支撑。产品应用情况1.复杂地形应急救援场景在山区、森林等复杂环境中部署无人机应急救援网络，实现快速搜救、物资投送及灾害评估。无人机可携带急救包、通信设备等物资，确保救援行动的高效响应，响应时14间1 分钟。2.网格化应急换电与续航保障在城市及偏远地区布局智能换电站，形成50 公里半径的换电网络，支持无人机快速补能。结合大数据分析与智能调度系统，实现无人机高频次任务执行，提高救援及物流作业效率。3.大载重无人机物流运输场景针对边远地区医疗、应急物资配送需求，打造低空物流通道。无人机具备200 公斤载重能力，结合精准路径规划技术，提升在恶劣天气及高海拔环境下的稳定飞行能力，实现快速、安全的无人机运输。4.智能化调度与任务协同依托 AI 任务规划系统，支持20 架无人机同时执行任务，并确保数据传输延迟100毫秒。通过 5G/卫星通信，实现远程实时调度与精准任务执行，提升无人机集群作业能力。产品市场前景全球无人机产业正处于高速增长期，市场规模持续扩大，技术创新不断加快。近年来，随着 5G 通信、人工智能、大数据、云计算等技术的发展，无人机已从传统的军用、消费级市场向工业级市场拓展，并在多个关键行业展现出巨大应用潜力。飞宇公司研发的大载重无人机将围绕应急救援、物流运输、林业巡护等核心应用场景，构建智能化、多功能无人机系统，实现精准、高效的低空经济发展目标，市场前景广阔。三、经济和社会效益大载重无人机的研发及应用将推动广西低空经济的高质量发展，在技术创新、产业应用和经济效益方面取得显著成效。1.产业化示范效应通过部署 10 个示范应用场景，形成网格化应急救援与无人机换电网络，实现50 公里半径的无人机快速补能布局。无人机智能调度系统可同时管理20 架无人机，推动低空经济场景落地。2.经济与社会效益大载重无人机预计实现产值 2000 万元/年，将推动无人机产业链发展，带动相关产业升级。四、视频事件检测服务器申报单位名称广西计算中心有限责任公司联系人及联系方式肖杨 18277158818人工智能产品名称视频事件检测服务器人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：智慧交通软硬件一体机一、单位简介15广西计算中心有限责任公司（以下简称广西计算中心）是广西交通投资集团数字科技子公司，由成立于 1978 年广西最早的信息科技类科研院所广西壮族自治区计算中心改革转制而来，2017 年 12 月 28 日成建制划转并入广西交投集团，注册资金 2 亿元，是广西重要的新一代信息技术创新研究机构、智慧交通研发主力军和数字化转型主要推进力量。广西计算中心以提供专业的“数智化综合科技服务”为核心，立足“广西交投集团信息化和数字化建设的中心和主体”“智慧交通建设者、智能科技引领者、数字产业开发者”两大定位，围绕“智慧交通、数字政企、智慧城市”三个领域，聚焦“数据治理及应用、软件开发、智能硬件、智能化信息系统集成、数字科技前沿课题研究和解决方案及网络安全咨询服务”等五大业务，致力打造成为领先的智慧交通科技服务商和数字产业开发运营商。二、产品简介1.产品研发背景随着我国高速公路路网规模持续扩大、汽车保有量增多、车流量增大，高速公路道路安全运营与涉路施工安全管理效率低下的矛盾日益突出。传统高速公路人工巡查和被动式监控难以满足复杂场景下的实时管理需求。自 2021 年以来，得益于高速公路视频云联网工程的落地，高速公路基本已覆盖全程视频监控，监控视频覆盖密度为每两公里一对摄像机。但在高速公路应急指挥调度管理模式下，高速公路事件识别仍存在事件发现滞后、多场景覆盖不足、管理成本高昂等难题。视频事件检测服务器产品采用视频 AI、机器学习算法，通过对大规模视频数据进行实时处理和分析，实现对高速公路、施工场站的视频等多场景事件智能分析，支持管理人员快速发现潜在的事件和异常情况，满足高速公路监控和管理高效、准确的需求。2.产品功能产品可对高速公路异常事件识别、施工区域安全管理、服务区异常事件进行检测，并具备对应用场景的场景训练、识别、调优等功能。（1）交通事件识别利用智能视频分析技术，识别交通事故、车辆逆行、行人闯入、抛洒物、异常停车、骑行人员、车辆拥堵、道路施工、养护人员等高速公路异常事件。（2）施工区域安全管理可精准识别不穿反光衣、不戴安全帽、施工区域闯入等施工安全管理事件。（3）自动告警功能安全异常行为或状态自动告警，报警信息可视化呈现，帮助管理人员及时做出应对措施。（4）图片视频管理具备事件截图与视频结构化管理功能，可对事件识别出的大量截图与视频进行结构化搜索、存储和检索服务，支持快速定位关键图片与视频。3.产品应用情况目前本产品及相关技术已在广西全区约 5700km 高速公路上应用，对全区超 3000 路视频进行实时分析，事件检测准确率 96%以上，视频事件识别效率提升 90%以上，为全区约 60%的高速公路提供应急保畅技术支撑。4.产品市场前景2025 年全国高速公路通车里程约 19 万公里，按交通运输部“视频云联网”工程每两公里 1 对摄像机的视频加密建设要求，全国高速公路视频接近 40 万路，加之伴随高速公路建设、改扩建，以及常规的施工公司安全管理应用场景，视频事件检测服务器产品及16相关技术仍有广阔的市场空间。此外，视频事件检测相关算法经升级迭代后，可部署于前端，作为事件检测终端产品进行销售，可适用于网络受限的应用场景。三、经济和社会效益产品已取得销售金额 350 万元，相关产品及技术已在广西全区约 60%的高速公路上应用，预计 3 年内可产生直接经济效益超 500 万元，持续提升高速公路事件识别效率，保障公众安全出行、美好出行。五、充电停车一体机申报单位名称广西放心源电子科技有限公司联系人及联系方式周伟泉 13737279929人工智能产品名称充电停车一体机人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西放心源电子科技有限公司（以下称“放心源电子”），成立于 2022 年是一家集充电桩研发生产及运营服务为一体的高新企业。公司内设软硬件研发中心，生产技术中心,售后服务中心等部门,深耕新能源汽车充电桩核心控制技术。放心源电子以自研新能源汽车充电桩高度融合车辆智能服务设备（停车设备、洗车设备）的产品来投入市场，给运营商提供低成本、高便利、统一支付的充电站运营设备及围绕汽车服务打造的高价值链的一体化生态运营系统，获得产品利润及长期的运营服务费用，解决了充电车位的车辆乱停放，占位不充电，充完不走等行业痛点问题，为商户实现提高充电效率，增加收入。二、产品简介一、背景：随着汽车作为日常交通工具的普及，停车难问题一直难以有效缓解。特别是新能源汽车的快速推广，使得公共充电站的充电车位愈发紧缺。燃油车占用充电桩车位、新能源车充电完成后长期占据车位、新能源车不充电却占用车位以及其他各类占位现象，导致充电桩的利用率大幅降低，经济效益显著下滑。公共充电站占位不充电问题已成为新能源充电领域的突出痛点和难点，频繁引发客户因无法充电而进行的投诉等纠纷。二、功能通过将与充电桩控制连接的充电管理系统和与停车管理机控制连接的停车管理系统进行整合集中式管理,实现充电及相关功能和单车位停车管理功能。充电停车一体机固定于单个停车位上，对车位进行一对一管理。（一）当车辆驶入充电车位时，需先扫描挡板上的二维码。系统将通过摄像设备识别车牌，区分新能源车与燃油车。若为燃油车，扫描二维码后将进入充电停车一体化管理平台提供的禁止燃油车入内页面；若为新能源车，则进入平台提供的充值页面。车主按规定预充值后，车位闸杆自动抬起，车辆即可进入停车充电。充电结束后，完成充电订单及停车订单结算，车辆驶离。待车辆完全驶离后，车位闸杆自动放下，确保未经许17可的车辆无法停放。（二）在管理过程中，为防止新能源车充电后长期占用停车位，提升充电桩的使用率和效益，充电停车一体化管理平台将发挥作用。充电完成后，系统会发送通知至车主手机，并可设置超时加收较高停车费，促使车主主动驶离。针对私家车位，空闲时段可设置为共享车位，允许其他车辆进入停车或充电，从而充分利用社会资源，提高私家车位利用率，增加收益。（三）本充电停车一体机采用预充值后再开放车位的预先管理模式，智能化程度高，确保充电桩与停车管理机协调有序运行，为客户提供优质的人性化服务。三、应用情况（一）商业综合体与写字楼吸引新能源车主消费，提升商业地产竞争力。（二）住宅小区解决老旧小区充电桩安装难题，通过共享模式提高利用率。（三）公共停车场与交通枢纽政府主导的停车场改造项目需求明确，适合规模化部署。广西融洲物业服务有限公司于 2023 年 9 月 1 日采购我司安装一批充停一体机设备，并于柳州市融水苗族自治县望江路公共停车场安装，并成功运营至今。该充停一体机设备在柳州市融水苗族自治县融水镇望江路公共停车场的成功应用，不仅提升了停车场的智能化管理水平，还有效解决了新能源车充电难、停车位紧张等问题，受到了当地车主和物业公司的广泛好评。四、市场前景（一）全球新能源汽车销量持续攀升，充电基础设施需求迫切。充停一体机可解决充电桩与停车位分离的痛点，提升用户体验。据预测，2030 年全球电动汽车保有量将超3 亿辆，充电桩缺口巨大，充停一体模式能高效利用土地资源。（二）一二线城市停车位供需失衡，传统停车场智能化改造需求强烈。充停一体机通过整合充电与停车功能，可提高单位面积利用率，缓解“停车难 充电难”双重问题。（三）智慧城市与物联网技术成熟，5G、AI、大数据等技术助力充停一体机实现智能调度、远程监控、预约充电等功能，提升运营效率。三、经济和社会效益通过充电停车一体机建设，停车场可以提供充电服务，增加收入。通过数字化和精细化运营，科学安排充电时段和价格优惠，提升车位和桩位的利用率，从而增加经济效益。智能化的停车收费系统和维护管理降低了人工成本，增加利润空间。通过优化停车资源，减少车主寻找车位时间，降低城市交通压力。通过便捷的支付方式和优质的客户服务，提成用户体验，吸引更多用户，形成良好的口碑效应。六、广西融洲物业服务有限公司于 2023 年 9 月 1 日采购我司安装一批充停一体机设备，并于柳州市融水苗族自治县融水镇望江路公共停车场安装，并成功运营至今。该充停一体机设备在柳州市融水苗族自治县融水镇望江路公共停车场的成功应用，不仅提升了停车场的智能化管理水平，还有效解决了新能源车充电难、停车位紧张等问题，受到了当地车主和物业公司的广泛好评。18六、基于 AI 与多模态数据融合的分布式光伏智能运维关键技术的研发与应用申报单位名称中建泓泰通信工程有限公司联系人及联系方式谢益祥 13978659977人工智能产品名称基于 AI 与多模态数据融合的分布式光伏智能运维关键技术的研发与应用人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介中建泓泰是一家承担国内各类通信技术服务、电力新能源、信息系统集成、规划咨询设计业务的高新技术企业。公司成立于 2005 年 7 月，业务覆盖全国各省、自治区、直辖市，拥有完善的技术支持及服务网络。公司拥有员工 1000 余人，其中中高级职称、具有执业资格的技术、研发人才占 55%。公司管理团队成员大多是来自行业优秀企业、上市公司的高端人才，具备前沿的战略眼光和丰富的行业管理经验。公司拥有“分布式光伏运维工程施工总承包一级、电子与智能化工程专业承包一级、安防工程企业设计施工维护能力一级、电力施工总承包贰级、信息通信网络系统集成企业服务能力甲级、涉密信息系统总体集成、建筑智能化设计、电力承装（修、试）设施许可”等多项资质和认证，并先后取得数十项技术专利和软件著作权，打造了一系列专利产品和数百项行业解决方案。中建泓泰作为新基建核心建设者之一，坚持“一体两翼、深度发展”的战略，立足通信业务，深度发展电力新能源、信息系统集成业务，全面布局新能源投资、新能源运维、规划咨询设计等种子业务，已成为具备战略咨询与顶层设计能力的智慧城市综合服务商。同时，为实现碳达峰、碳中和“3060”目标，公司加大电力新能源业务板块的投入，现已拥有一流的风力和光伏发电专业技术人才和管理团队，是风力发电和光伏发电投资领域内产业链较完善的专业公司之一。以价值回报社会、以实力驰骋未来，中建泓泰凭借在通信技术、电力新能源、信息系统集成、工程咨询设计行业多年深耕优势和运营上万个成功项目的实力，打造了一个个对行业具里程碑意义的经典案例，形成了各业务独立发展又相互反哺的良好局面，推动中建泓泰业务一体化持续稳健发展。秉承“舍得、知止、待人如己”的经营哲学，聚焦信息化领域，坚持技术创新与变革，中建泓泰肩负“传播万物互联理念、缔造精彩生活”的使命，致力成为领先的通信技术服务、绿色新能源和专业物联网综合解决方案的提供商！经多年发展，中建泓泰公司取得了较为可观的经济效益，近三年的财务情况如下：2021 年实现销售收入 79217.62 万元，2022 年销售收入 96507.02 万元，2023 年销售收入76380.57 万元，公司稳步发展。公司注重通信信息技术的发展、研发核心技术知识产权保护；为实现更深度的专业化生产，公司内部成立了研发中心，搭建创新创业平台，制定了研发管理制度，为技术研发提供优越条件。研发中心设立了研发组织管理制度研发投入核算体系制度科技成果转化奖励制度创新创业平台管理办法人才引进管理办法等管理制度。规范了企业的技术创新工作，从项目管理、经费管理、人员培训、科技创新、人才引进及激励等方面都有明确的规定，确保研发中心的正常运行。中心拥有一批有创新精神的专业技术人员。研发中心的财务相对独立，实行财务专账核算制度。研发中心实行19项目制，拥有一批具有创新精神的专业技术人员，研发中心的财务相对独立，实施财务专账核算制度。中心面向当前科技前沿开发方向，进行重点课题和经费预算等重大问题的决策，制定中远期发展计划，明确目标和措施，并实行动态管理，根据市场情况及时对研发方向进行修改和调整。公司经过多年的研发，申请了 14 个专利，其中获得了 2 个发明专利授权，7 个实用新型专利授权，5 个发明专利处于实审中，并获得了 27 项软件著作权。二、产品简介一、研发背景当前，光伏行业正从粗放式发展向精细化运营转变，智能化运维成为提升电站效益的关键突破口。随着物联网、大数据等技术的发展，多模态数据采集与融合分析为光伏运维提供了新的技术路径。通过整合红外图像、电气参数、环境数据等多源信息，可以更全面地掌握设备状态，实现故障的早期预警和精准定位。同时，边缘计算技术的成熟使得分布式数据处理成为可能，能够有效降低数据传输压力，提升实时响应能力。在此背景下，研发基于多模态数据融合的智能运维技术，不仅符合行业技术发展趋势，也是解决当前运维痛点的必然选择。随着电力市场化改革的深入，光伏电站的运营效益直接关系到投资回报，对运维管理提出了更高要求。通过智能化手段降低运维成本、提升发电量，已成为行业共识，这也为本项目的研发提供了明确的政策导向和市场动力。总的来说，开展分布式光伏智能运维关键技术研发，既是行业发展的迫切需求，也具备技术实现的可行性。本项目通过多模态数据融合与智能算法创新，构建高效、精准的光伏运维体系，有望显著提升电站运营水平，推动光伏行业从“重建设”向“重运营”转变，为能源绿色转型提供坚实的技术支撑。二、研发总体思路本项目围绕分布式光伏发电站的智能运维需求，以 AI 与多模态数据融合为核心，构建“云-边-端”协同的智能化运维体系，实现光伏电站全生命周期的高效管理，主要研究内容包括新能源智能共享运维平台、基于边缘采集仪自动采集数据的平台、AI 智能体和大数据分析与挖掘。新能源智能共享运维平台通过集成设备监控、故障预警、能效分析及运维决策等功能模块，支持光伏电站数据的可视化展示，通过移动端实时上报数据的信息化管理，实现光伏电站运行效率的提升，提高设备故障运维响应速度。通过开发低功耗、高精度的边缘采集仪的数据采集平台，支持光照、温度、电流电压等多模态数据的实时采集与本地预处理，通过 4G/5G/NB-IoT 多模通信实现数据可靠传输，边缘计算能力达到毫秒级异常检测，大大降低了数据的丢失率，保证数据的完整性。构建基于深度学习和知识图谱的 AI 智能体，实现光伏组件在遇到隐裂、热斑、PID衰减等故障时能够精准识别，提高故障分析的准确率，再结合气象与历史数据，开发发电量预测模型，误差控制在 5%以内，通过优化光伏电站的储能调度策略，进而降低弃光率。构建光伏运维大数据分析平台，汇聚设备运行状态、环境参数以及运维记录等多元数据，深入剖析影响发电效率的核心要素，例如光伏设备的积灰情况与阴影遮挡问题，据此生成智能清洗及维护建议。借助 AI 算法不断优化电站运行策略，从而提升光伏发电的年均发电量。通过开展新能源智能共享运维平台、边缘采集仪自动数据采集平台、AI 智能体以及大数据分析平台的技术研究，将打造一套完备的分布式光伏智能运维解决方案。在数据采集与处理层面，系统将建立高精度的环境与设备监测网络，实现对光照强20度、温度、湿度、组件温度、发电功率等关键参数的自动采集与实时传输。通过设计统一的数据接入标准与协议，兼容各类光伏设备与传感器的数据接入，确保数据的完整性与准确性。同时，构建分布式数据存储架构，采用时序数据库与关系数据库相结合的方式，实现海量运维数据的高效存储与快速检索。在数据处理环节，通过数据清洗、特征提取、异常检测等技术手段，为上层应用提供高质量的数据支撑。在智能分析与决策支持层面，系统将重点开发多模态数据融合分析能力，综合运用统计分析、机器学习等方法，实现对光伏电站运行状态的全面评估与异常预警。通过建立故障预测模型，提前识别潜在风险，为预防性维护提供决策依据。同时，系统将构建知识库与案例库，集成行业专家经验与历史运维数据，为运维人员提供智能问答、故障诊断、处置建议等辅助决策功能。在运维任务管理方面，系统将实现工单自动派发、任务跟踪、资源调度等全流程数字化管理，提升运维响应效率与执行质量。在平台功能与服务层面，系统将构建完整的业务闭环，覆盖从售前咨询到售后评价的全流程服务。通过可视化大屏与移动终端相结合的方式，为不同层级的用户提供个性化的信息展示与操作界面。在售前阶段，系统可基于历史数据与电站特征，为客户提供定制化的方案设计与经济性评估；在实施阶段，通过严格的方案审核与质量控制流程，确保项目建设质量；在运营阶段，集成支付结算、财务管理等功能模块，实现电站运营的精细化管理；最后通过服务评价与反馈机制，持续优化运维服务质量。在技术架构设计上，系统将采用微服务架构与模块化设计理念，确保各功能组件的高内聚、低耦合，便于系统功能的灵活扩展与迭代升级。通过构建开放的平台接口，实现与第三方系统、设备的数据互通与业务协同。同时，系统将充分考虑信息安全与隐私保护要求，建立完善的数据加密、访问控制与审计机制，确保系统运行的安全可靠。三、经济和社会效益本项目实施以来产生了显著的社会综合效益，为促进清洁能源发展和生态文明建设作出了积极贡献。在推动就业转型方面，项目创造的智能运维新岗位为传统光伏技术人员提供了职业升级通道，通过系统化培训帮助大量基层运维人员掌握了数字化管理技能，实现了从体力劳动向技术操作的转变。项目带动的配套服务需求还催生了区域性的运维服务中心建设，为当地创造了新的就业增长点。本项目实施后产生显著的经济和社会效益，具体指标如下：1.经济效益。项目产业化后，预计企业年产值可达 5 亿元以上，新增产值达 500 万元以上，年利润超过 1 亿元，年税收达 5000 万元以上，投资回报率预计在 20%以上。这些经济效益将为企业创造可观的收益，同时为地方经济发展贡献力量。2.社会效益。项目将创造 500 个以上的就业岗位，缓解就业压力，促进社会稳定。通过提高光伏发电效率和智能化运维水平，预计每年可减少碳排放 100 万吨以上，助力实现“双碳”目标。此外，项目将推动分布式光伏产业向智能化、数字化方向升级，提升产业整体竞争力。本项目实施能够大大减轻人工进行项目财务核算的工作量，达到减员增效的目的，以下是效益测算过程：（1）合同管理：劳务数据专员取到合同信息后，区分合同分类，打开 Excel 表录入合同信息，与数据审核人传送文档审核，合同相关的资料收集分类保存，查找与打开审核需要时间，按一份合同信息的维护和传输审核需要消耗 20 分钟，一个工作人员一天要维护 20 份大概消耗 20*20=400 分钟，一个月耗时约 20.8 个工作日，一个工作人员 5500每月计算，按每年可减少时间成本 5500/月工资/25 天*20.8 天*12 月=54912 元。（2）成本管理：财务会计员要核算每个项目的普通成本、劳务费成本、税金成本、工程材料费成本和折旧成本，按每个项目核对要消耗 90 分钟，一天要核对 5 个项目，耗时约 80*5=450 分钟，一个月耗时约 23.4 工作日，一个工作人员 4500 每月计算，按每年21可减少时间成本 4500/月工资/25 天*23.4 天*12 月=50544 元。（3）经营核算年月周报表：实现报表上系统后预计导出来整理时间仅为 15 分钟即可。最关键的是系统的解决了经营核算的问题，对公司的整体运营管理起到决定性的支撑作用，同时也是进一步深入简政放权的基础之一，贡献是不可估量的。原先提取一次数据核算报表,每个月大约花费至少 3 个人 2 天时间,计 5500 月工资*12 月=6.6 万元（4）利润分享计算：杜绝正如春节前至今利润核算和分享数据出不来额问题，最关键的是系统的彻底解决了经营核算的问题，对项目的整体运营管理起到决定性的支撑作用，同时也是进一步深入简政放权的基础之一，贡献是不可估量的。（5）日常管理成本控制：测算可减少成本：按照年 70000 万元的产值计算，可节省700 万元的成本。社会效益指标为长期效益，将随着项目成果的广泛应用逐步显现。在生态环保方面，项目通过提升光伏电站运行效率，间接减少了化石能源消耗和温室气体排放。精准运维带来的发电量提升意味着每度绿电对应的环境效益得到放大。系统支持的预防性维护策略延长了光伏设备使用寿命，减少了因提前报废导致的资源浪费和电子垃圾产生。优化后的巡检方案降低了运维车辆的出动频次，相应减少了交通运输环节的碳排放。通过及时发现和处置光伏组件的热斑等问题，有效预防了可能发生的火灾隐患，保护了电站周边的生态环境。在生态脆弱地区建设的光伏电站，借助系统的精细化管控，实现了发电效益与生态保护的平衡发展。本项目团队与高校合作建立的实训基地，为新能源专业学生提供了实践平台，助力行业人才培养。系统积累的运行数据还支持了多项可再生能源政策研究，为政府部门制定行业发展规划提供了数据支撑。从长远来看，项目创造的生态价值将随时间推移持续显现。通过提升光伏系统的可靠性和发电效率，项目为能源结构绿色转型提供了技术保障。系统支持的分布式光伏发展模式，减少了电力远距离传输的损耗，优化了区域能源供给结构。随着应用规模的扩大，项目将在应对气候变化、改善空气质量、保护生态环境等方面作出更大贡献，实现经济效益与社会效益、生态效益的有机统一。七、无线充电申报单位名称广西放心源新能源科技有限公司联系人及联系方式周伟泉 13737279929人工智能产品名称无线充电人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西放心源新能源科技有限公司（简称“放心源”，成立于 2018 年，该商标做了全系列 42 个类别的保护，著作版权也进行了登记）。是一家是集充电运营管理平台研发、充电桩产销及运营服务为一体的高新企业。公司内设软硬件研发中心，汇聚业界顶尖人才，深耕新能源汽车充电桩核心控制技术与软件运营平台。同时，生产技术中心与售后服务中心并驾齐驱，专注于产品制造与售后保障，确保每一环节皆精益求精，引领行业发展新高度。二、产品简介22一、研发背景（一）能源革命与碳中和目标1.政策驱动：全球超过 130 个国家承诺 2050 年碳中和（UNFCCC 数据），2023 年中国新能源汽车渗透率达 31.6%，欧盟计划 2035 年禁售燃油车。2、电力替代燃油：电动汽车充电需求激增，国际能源署（IEA）预测 2030 年全球电动车保有量将达 3.5 亿辆，传统充电桩建设速度滞后（中国 2023 年车桩比 2.5:1，目标1:1）。3、电网压力缓解：无线充电支持智能调度（如夜间谷电自动充），国网实验显示可降低 15%电网峰值负荷。（二）充电体验痛点倒逼创新1、物理接口限制：（1）插拔损耗：特斯拉超充桩插拔寿命约 1 万次，高频使用场景（如出租车）接口故障率超 7%。（2）环境适配性：冬季充电枪冻结问题导致充电失败率增加 30%。（3）自动驾驶协同：通用 CruiseOrigin 无人驾驶出租车要求全自动充电，无线充电是实现“无接触能源补给”的核心技术。二、功能本产品由本产品由地面控制器总成、发射线圈总成以及车载无线充电机总成三部分构成。当车辆进入停车感应区，触发 RFID 无线身份识别，验证通过后，启动高频储能线圈，依据变压器传输原理，车端接收到感应电动势，进行 AC-AC 变化，得到 220V 交流电压，给新能源汽车充电。（一）安全可靠：无线充电都是自动充电，用户没有插枪的动作，接触到带电体的概率大大降低了，操作安全性是提高的。（二）充电场地的空间利用率高：对于充电站而已，如果能采用集中式的功率模块布置，还是会有一些优势的；我们可以将墙端的功率模块采取集中式的布置，每个车位后面就可以节省一些布置功率模块和枪、线的空间。布置的充电位越多，空间节省的就越多。再有就是原边线圈都放置并固定在车位上，不会额外占用更多的空间。（三）智能化程度高：无线充电不需要用户去插枪这个动作，解放了用户的双手。最重要的还是要给自动泊车技术（RPA、APA、AVP）进行一个系统融合，借助于自动泊车的技术给无线充电赋能，实现自动停车、自动充电的功能。从这个场景应用来说，无线充电与有点充电相比，其智能化程度是要高的。（四）不受天气影响：无线充电技术可以在各种恶劣天气条件下正常工作，如雨雪、高温等，这提高了充电的可靠性和便利性。应用情况（一）电动汽车（EV）1、公共充电设施：部分城市试点无线充电公交站（如韩国首尔、中国青岛）和出租车停靠站，通过地埋式充电板实现自动补电。2、家用充电：车企（如宝马、特斯拉）推出家用无线充电桩，但安装成本和效率限制普及。（二）工业与物流 AGV（自动导引车）：仓储物流中 AGV 通过无线充电实现 24/7运行。市场前景用户体验升级：无线充电无需插拔电缆，自动化充电流程可提升便利性，尤其适合家用、商业停车场及共享汽车场景。未来若与自动驾驶结合，车辆可自主完成充电，实23现全流程无人化。政策与环保需求：各国政府推动新能源汽车普及（如中国“双碳”目标、欧盟禁售燃油车时间表），无线充电作为配套技术可能获得补贴或标准支持。无线充电减少传统充电桩的物理占地和材料消耗，符合可持续发展趋势。技术突破磁共振、电磁感应等技术效率提升，部分方案已实现 85%-93%的传输效率，接近有线充电。（四）特定场景刚需：三、经济和社会效益一、经济效益（一）降低综合使用成本1、运维成本节约：无线充电设备无需频繁插拔，减少接口磨损和维护费用（如传统充电桩的插座更换成本降低 30%以上）。2、充电设施利用率提升：动态无线充电道路允许车辆行驶中补能，减少停车充电时间，提升交通效率（研究显示可降低充电站建设密度约 40%）。3、能源损耗优化：结合智能电网调度，无线充电系统可错峰用电，降低电网负荷，减少电费支出。（二）创造新市场与产业链1、设备制造与基建：预计到 2030 年，全球电动车无线充电市场规模将超 120 亿美元（CAGR45%），带动充电模块、线圈材料（如 Litz 线）、功率半导体（GaN/SiC）等产业链发展。2、服务模式创新：按需充电订阅制、道路充电“里程税”等新商业模式可能兴起。（三）推动产业升级1、汽车行业转型：车企可通过无线充电技术差异化竞争（如特斯拉、比亚迪布局专利），同时简化车辆设计（取消充电口，提升防水防尘性能）。2、物流与工业自动化：AGV 和无人机实现 24 小时不间断作业，仓储物流效率提升15%-20%。二、社会效益（一）提升用户体验与便利性1、“无感充电”体验：用户无需手动插拔充电枪，尤其利好老年人和行动不便群体。例如，家用无线充电桩可自动识别车辆并启动充电。2、城市空间优化：地埋式充电设施减少地面设备占用，缓解城市“充电桩占地矛盾”，美化公共环境。（二）促进绿色能源转型可再生能源整合：无线充电桩与光伏、风电结合，提升离网地区能源覆盖率。八、AI 心电仪申报单位名称广西晶格医疗科技有限公司联系人及联系方式詹远 13417370068人工智能产品名称AI 心电仪人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品24其他：一、单位简介公司创立于十余年前，深耕医疗半导体领域，尤其在 ECG 医疗芯片方面成果斐然，稳定出货量突破上百万片。基于创始团队深厚的广西家乡情怀，并致力于提升广西的科技土壤和环境，于 2024 年 12 月 30 日正式将总部迁移至广西南宁，并更名为广西晶格医疗科技有限公司。这是一家以 AI 医疗科技为核心驱动力的创新科技企业，业务广泛覆盖医疗器械、智能穿戴设备以及健康数据 AI 分析服务等关键领域。依托于过往积累的丰富技术经验，公司聚焦智能心脏健康监测领域，凭借自主研发的卓越 AI 算法与全国产芯片技术的深度融合与创新，成功攻克长时监测以及实时预警等技术难题，推出全球领先的便携式 AI 健康管理设备，有效填补市场空白。同步打造的 AI 健康云平台，集成了实时数据 AI 分析、精准 AI 异常预警以及专业健康报告生成功能，凭借“低成本、高精度”的显著优势，为百姓心脏健康管理提供有力支持，实现疾病“早发现、早干预”的全周期守护愿景。展望未来，晶格医疗将加快全球化市场布局步伐，锚定千万级用户服务目标，持续深耕 AI 技术在心血管健康管理领域的应用，致力于降低社会心血管疾病负担，奋力打造全球 AI 医疗科技领域的标杆企业，为人类健康事业贡献重要力量。二、产品简介AI 心电仪是一款深度融合 AI 技术的心脏健康监测设备，以我们公司自主研发的BAC201 心电芯片为硬件基座，搭载自研 AI-HRV 算法与云端智能分析系统，构建“端 云”协同监测体系，集高科技、人性化设计与精准监测功能于一体，通过长期、连续、不间断的心脏数据采集，为用户提供全场景健康管理方案。其 AI-HRV 分析引擎采用自适应学习架构，能动态优化心电信号质量，在复杂运动场景下仍保持 98%以上的心律失常识别精度。AI 心电仪支持 5 分钟快速 HRV 监测（即时评估心脏健康指数）和 12 小时长时程监测（静态/动态双模式），通过 AI 动态滤波技术过滤干扰信号，使用户在日常活动状态下仍能获取精准心电数据。配套小程序可实时呈现动态心电图、瞬时心率及心律异常分类（室性早搏、未知异常心搏、停搏等），结合自研 AI 识别模型，通过 AI 智能实时标记潜在的健康风险，为心律失常事件的早期筛查提供全面、精准的数据支持。这些数据不仅有助于用户了解心脏日常状态，更能为潜在的健康风险提供预警，长期使用有助于降低心脑血管疾病发生的风险。AI 心电仪升级版可与养老机构、诊疗机构等多平台实现数据对接，可实时采集相关生命体征数据，云端 AI 引擎持续分析用户心律异常趋势，当用户发生异常心律时，即可触发多重预警机制，联动养老/医疗机构平台，相关人员可即时介入处理。系统生成的AI 健康报告关联异常数据与生活习惯，提供个性化改善建议，配套小程序以统计图表直观呈现健康变化趋势。该系统突破传统监测场景限制，将心脏健康管理从医院延伸至家庭日常监测，让用户无需医学背景也可以掌握健康主动权，实现早发现、早干预的预防型健康管理普惠化，真正体现“以人为中心”的远程服务理念的革新。三、经济和社会效益一、经济效益分析（一）市场规模与增长预期据中研普华产业研究院数据，2024 年我国心电监护仪市场规模已达 41 亿元人民币，年复合增长率（CAGR）为 10.3%。按此增速保守测算，未来 5 年居家心脏监测设备市场规模有望突破 68 亿元。以 AI 心电仪的潜在市场容量约千万台。传统 Holter 监测单次费用在公立医院通常为 200-300 元（民福康数据），AI 心电仪25日均监测成本约 10 元（按 3 年使用寿命折算），长期监测费用仅为传统方式的 1/20-1/30。（二）卫生经济学价值随着人口老龄化的发展，中国居民心血管病患病率呈上升趋势。根据中国心血管病报告 2016统计，我国心血管病（CVD）现患者人数 2.9 亿，其中高血压 2.7 亿、脑卒中 1300 万，冠心病 1100 万；高危患者人数 7 亿以上，其中血脂异常 1.6 亿，糖尿病1.3 亿，肥胖 6000 万；需要长期管理的疾病人群庞大。中国心血管健康与疾病报告 2020显示，心血管疾病位列我国城乡居民疾病死因之首，每 5 例死亡中就有 2 例死于心血管疾病，形势严峻，给患者、家庭和社会都带来极大的负担。因此日常监测心血管功能对发现和控制疾病尤为重要。二、社会效益体现（一）健康管理提升连续心电监测可使心血管疾病诊断时间平均提前 2-4 个月（基于可穿戴设备长期追踪研究），有助于早期干预心律失常等风险。（二）医疗模式革新已与多家社区医院、养老机构完成数据对接测试，试点区域心血管事件从设备报警到医护响应的平均时间缩短至 18 分钟内（传统模式平均 45 分钟）。远程监测服务使农村心血管疾病患者规范诊疗可及性提升约 30%（贵州少数民族地区试点数据显示，县级医院就诊比例从 48.88%提升至 62.80%）。九、智能微耕机申报单位名称广西容县铁牛农机技术开发有限公司联系人及联系方式杨湘潮 1887758787915877060651（微信同号）人工智能产品名称智能微耕机人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西容县铁牛农机技术开发有限公司以科技兴农、质量兴企、诚信兴业为公司宗旨，以“敢为人先”的精神不断探索农机前沿关键核心技术，在农机基础研究、农机关键核心技术的突破的成就比较突出，并且成功发明世界首创的正反转转向差速器、智能耕耘机、智能微耕机，解决被外国“卡脖子”、技术封锁的难题，为中国南方用的微耕机实现智能化的发展走出一条光明大道，为广大农民规模化种植、轻松快乐农业、提高生产效率、提高资源利用率和提高抗风险能力提供智能农机装备，促进农民增产增收；为加快实现乡村振兴、中国式农业现代化提供先进农机技术和智能农机装备。实现中国南方的微耕机、耕耘机在南方小的田块能够高机动、精准、远程控制耕作。由“正反转转向差速器”技术支撑的智能六驱坦克耕耘机、一种模块化的智能耕耘机推广及应用，增加农民就业，促进农业增产、增收。二、产品简介26一、产品研发背景国内传统的微耕机产能过剩、市场饱和、效率不高。南方用的微耕机仿制成性、同质化严重、在基础研究方面没有突破，水田用的微耕机机动性、平衡性、通过性、转弯性都差，无法满足摇控的技术要求；农民耕作非常辛苦。二、产品功能1、智能六驱微耕机优点：摇控、北斗导航和定位、自动规划作业路线；功能：水陆两用、除草、开沟、培土、水田旋耕、旱地旋耕。2、智能四驱微耕机27优点：摇控、北斗导航和定位、自动规划作业路线；功能：水陆两用、除草、开沟、培土、水田旋耕、旱地旋耕。三、产品应用情况帮助容县种植沙田柚的农户除草、松土，每天 2 亩左右；农忙时节帮助种植水稻的农户旋耕水田，每天 12 亩左右。安装有“正反转转向差速器”（专利号 ZL2017107396889）的智能型“撂荒田复耕王”智能微耕机解决了中国南方深泥脚田、沼泽撂荒田无机可用的世界性难题；帮助容县 11000 亩撂荒田机耕服务、复耕复种。三、经济和社会效益一、经济效益：（一）、智能耕耘机研发创新阶段（2021 年度）：生产 1 台样机，下乡帮助农户机耕服务，企业营业额 2 万元，企业净利 1 万。（二）、智能耕耘机中试阶段（2022 年度）：已生产 2 台标准机，农机定制服务，下乡帮助农户机耕服务，营业额 4 万元，企业净利 2 万。（三）、智能耕耘机技术成熟阶段（2023 年度）：农机租赁、机耕服务 300 亩左右，平均每亩收服务费 200 元，营业收入 6 万元，企业净利 3 万。（四）、帮助容县 11000 亩撂荒田机耕服务、复耕复种。二、社会效益：（一）、推动科学技术进步：提高农业机械科学技术水平。（二）、保护自然资源和生态环境：解决中国南方撂荒水田无机可用国家级难题，改善农民生活环境，保护好国家自然资源、有效利用国家自然资源。（三）、保障社会治安：为粮食安全提供先进技术、先进农机装备支撑，“手中有粮，心中不慌”，国泰民安。（四）、改善人民物质文化生活：为乡村振兴、农业现代化、农机产业结构调整、农业新模式（智能化、规模化）提供先进技术、先进农机装备支撑。（五）、提升健康水平：智能耕耘机、智能微耕机的推广应用，让农民轻松快乐耕作，农民耕田不再辛苦，必然提升农民健康水平。（六）、提高国民科学文化素质：智能耕耘机、智能微耕机的推广应用，必须对驾驶员进行岗前培训，必然提高国民科学文化素质。（七）、培养人才：高科技农业机械装备的研发、生产、销售、售后服务，必须培养适应高科技应用场景的人才。十、和德科创中心 BIM 智慧运维管理平台申报单位名称广西戎光科技有限公司联系人及联系方式何振普 15107879041人工智能产品名称和德科创中心 BIM 智慧运维管理平台人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介28戎光科技创始团队源自具有 30 年历史的军工研究所，该所主要是从事国防工程智能化监测、控制和信息化管理系统的研究与开发。创始团队结合多年的研发积累和项目实施经验，逐渐形成了以BIM（建筑信息模型）、CIM（城市信息模型）、IOT（物联网）为基础，融合云平台、大数据、人工智能等技术应用，开发了面向建筑级、园区级、城市级，以“智慧运维”“智慧运营”“智慧管理”为目的系列数字孪生软件产品及平台，逐步形成了“工具 产品 平台 解决方案”的四维一体的发展模式。目标是基于数字孪生的虚拟世界，为建筑、园区（含军营）、地下空间（含人防）、城市智慧化的运维与可持续的运营管理提供全新的管理方式。二、产品简介一、研发背景产业园区是城市经济的重要载体，是智慧城市的特色功能区块和重要组成部分，因此智慧园区被认为是城市政府加强经济管理，提升对企业服务的重要抓手。从 2012 年至今，国家颁布了多项政策推进智慧园区的建设，国内更多的各类型园区投身于园区的智慧化建设中。在传统的园区管理体系中，部门之间是矩阵化管理，即相互牵制又相对独立，本位主义严重，沟通协调比较麻烦。建设智慧园区，必须从根本上改变传统模式，要利用新一代信息与通信技术来感知、监测、分析、控制、整合园区各个关键资源，并在此基础上实现对各种需求做出智慧响应，使园区整体运行具备自我组织、自我运行、自我优化的配力，为园区企业创造一个绿色、和谐的发展环境，提供高效、便捷的发展空间。随着园区发展的不断迭代，借助智慧化解决方案的园区将不再是单一功能的园区，而是向一个集产业发展、科学研究、居民生活等于一体的城市综合功能集聚区转变。智慧园区在逐步地消除人们学习、工作、生活之间的边界，让一切更自然地有机融合。和德科创中心项目（总建筑面积 441414.31）打造建筑物可视化信息模型（BIM）智慧运维管理平台。平台包括物业管理、环境管理、空间管理、消防管理、设备设施管理、能源管理、管网管理、资产管理等子系统，覆盖园区生产研发楼、微小企业生产研发楼、员工公寓、员工食堂、室外羽毛球场、室外篮球场等场所及相关配套设施。（二）产品功能1.两大中心：智慧园区运营管理中心：全方位展示“园区态势呈现、故障动态报警、安全实时监控、统计信息汇总、事件变化趋势”等多维宏观态势！智慧园区云资源及共享数据中心：共享数据中心可依照客户需求架构在腾讯云或已建设的私有云平台。2.四大平台：智慧园区“数字孪生”BIM 可视化监管平台基于 BIM 模型的三维可视化智慧园区监管平台，实时展现园区动态信息，提供满足园区未来发展需求的集成性管理系统。通过融合 BIM 模型、IOT 技术、虚拟现实技术等，实时呈现园区客观状态，构建“园区数字孪生”！智慧园区物联网平台构建统一的智慧园区物联网基础平台，存储各类智能化系统及终端设备监控状态信息与通过代理服务抽取底层数据，同时实现物联网数据的开放。智慧园区综合管理服务平台平台主要是作为智慧园区综合服务与管理的平台，目的是实现统一身份认证体系、29统一信息管理门户、统一运行态势呈现、业务应用服务、统一消息分发中心等，为智慧园区提供各类服务组件及业务应用，通过 WEB 及 APP 形式面向于使用人员。智慧园区数据驾驶舱基于云端海量数据处理能力，分析问题、辅助决策、监督成效，构建数据的可视化服务、场景服务以及云端的大数据托管服务，实现智慧园区的大数据应用。（三）应用情况1.本产品针对“大体量建筑物的运维管理涉及的专业和范围更广，管理内容更繁杂，成本难以管控，维护成本居高不下”的难题，解决传统的运维管理模式效率低、成本高、信息化程度低、信息孤岛等问题，能够大幅提升信息共享、运维管理、空间管理水平，实现智能化运维管理，更好地提高园区管理的效率和效益。2.通过对 BIM 模型的构件属性、三维视图、土建结构、管线结构、装饰装修等所有数据信息进行提取、分析、展示，以更加简单直观的方式来呈现，达到“所见即所得”。点击任意设施设备，都可以快速调出所有相关信息，通过三维模型，不仅可以查看隐蔽管线，还可以直观的查看管线的上下游关系，查看设备实时运行状态信息，实现园区情况的全面监测和各个空间精细化的管理。3.节约了大量的人工成本，提升了工作效率：把大量的工作交于平台去处理，出错率低，反应速度快，达到节约大量管理人员、工程人员、安防人员的目的，4.提升服务质量，构建和谐园区：智慧运维管理平台能够让物业能及时发现问题并快速解决，同时，园区安全方面、节能方面有了很大的提升，因此，业主智能生活体验得到了很大的提升，增强了园区业主与物业之间的信任度，建立良好沟通平台，建成和谐社区，创造和谐生活。（四）市场前景1.据住建部信息中心发布的中国建筑施工行业信息化发展报告显示，我国 BIM正在推动深度应用。虽然 38%的企业在进行 BIM 技术概念的普及，但是仅 10.4%的企业在进行大面积的 BIM 技术应用，而同期美国的 BIM 技术渗透率已经达到 70%以上。住建部 2015 年发布的关于推进建筑信息模型应用的指导意见中提出，2020 年以国有资金投资为主的大中型建筑和申报绿色建筑的公共建筑以及绿色生态示范小区BIM 技术应用比率达到 90%以上，市场潜力巨大。智慧建筑运维软件市场份额：按照 40%的渗透率估算市场份额超千亿。BIM 运维管理的软件及配套的相关产业市场规模预测如下：戎光科技整体解决方案的运营模式主要分三大块进行，一是产品标准化，快速销售，在标准化模式下进行市场推广与营销。其产品现已完成开发，进入测试阶段，按产品类别进行收费；二是服务平台化共享运营，以“服务化平台（PaaS）”的运营管理模式进行销售。其平台服务已完成，将以产品免费，服务收费的形式运营，通过给项目节约成本，每年收取节约成本中的一定分成，每年均可获得收入；三是大数据 AI 优化运营，以大数据分析 AI 应用优化运营管理。其产品免费，服务收费，数据收费，通过给项目于节约成本，每年收取分成，通过数据服务，收取费用。在市场升级这块，以智慧建筑 AI 大脑（建筑操作系统）【IBOS】为基础，向智慧城区 AI 大脑（城市操作系统）【ICOS】及智慧城市 AI 大脑（城市操作系统）【ICOS】层层递进，实现从单体建筑深化管理形成建筑大脑到片区精细化管理形成区域大脑，最终到城市统一化管理形成城市大脑的模式。三、经济和社会效益30戎光面向智慧园区的整体解决方案融合物业管理（设备管理、检修报修、日常巡检、维护保养等）、安防管理（视频监控、智慧门禁、入侵报警、电梯管理、停车场管理等）、实时监控（给排水监控、供配电监控、照明监控等）为一体，达到了提高服务品质、降低运营成本的目的，实现了智慧物业、智慧园区的目标。现阶段该方案已在 5 个园区中实现了应用试点和复制推广，并且还有数个园区正在洽谈中。平台基于建筑场景化应用提高运维人员的工作效率，通过信息化手段减轻工作人员压力、减少运维人员的人力成本，在管理模式配合改变的情况下，人力成本降低18；基于便捷的微信公众号或 APP 直接面向终端用户，增强业主或租户的用户体验，客户满意度提升 8，从而带来出租率提升达 31；基于物联网架构体系，提高建筑整体监测与控制能力，设备远程联动控制，报警信息快速响应，提升整体服务质量 75。项目落地前，园区的各智能化系统相互独立运作，没有联动，无法集成在一起，日常运维人力投入繁重，并且在发生报警时，无法及时联动各部门、系统实现快速响应；各智能化系统数据没有沉淀，无法形成有效的数据分析为园区日常运维提供科学指导。项目落地后，和德科创中心 BIM 运维平台集成园区各智能化系统，作为整个园区的智慧大脑，对整个园区实现了全方位、全天候的无死角监控，在日常运维、租户管理、出入口管理、视频监控等方面帮助企业节约大量的人力支出成本，提高了园区租户和业主的入住体验；针对各种报警事件，做到事前预测，事中及时联动响应，事后数据储存归档，有效及时解决了各种突发情况。十一、统一运维智能体工厂应用研究申报单位名称云上广西网络科技有限公司联系人及联系方式宾斌，18076582576人工智能产品名称统一运维智能体工厂应用研究人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介云上广西网络科技有限公司（以下简称“公司”），成立于 2018 年 7 月 20 日，是世界 500 强企业广西投资集团有限公司旗下数字广西集团有限公司全资子公司，注册资本2 亿元。公司定位为广西政务大数据运营开发应用服务商、广西壮族自治区政务信息系统建设、运维和大数据应用服务提供商、广西政务云平台市场化服务运营商。公司拥有ITSS 信息技术服务运行维护资质（3 级），涉密信息系统集成资质，信息系统集成能力、运行维护能力和增值电信业务经营许可证；获得高新科技企业认证，瞪羚企业认证，双软企业认证，信息安全管理体系认证和质量管理体系 ISO9001、ISO20000、ISO27001 认证，取得多家企业的产品兼容性互认证。云上广西业务范围覆盖大数据基础服务,数据处理与存储服务,信息技术咨询服务,软件开发及信息系统集成服务,云平台服务,云应用服务,大数据相关增值服务,大数据挖掘分析服务,数据交易交换服务,互联网信息服务,互联网接入服务,其他信息技术及互联网服务,计算机软件硬件技术、电子技术、网络信息技术的技术开发、技术咨询、技术服务,计算机信息网络工程的设计及施工服务等。31二、产品简介一、研发背景在数字化转型浪潮席卷各行业的当下，企业 IT 系统规模呈指数级增长，服务器、网络设备、应用程序数量急剧攀升，运维复杂度空前加剧。传统人工运维模式面临诸多困境：人工巡检效率低下，难以覆盖海量设备，易出现漏检误检；面对 TB 级的日志数据，人工分析耗时耗力，问题定位迟缓。大多数信息化系统曾因运维问题导致业务中断，造成了不可估量的损失。为贯彻落实国家和自治区关于开展“人工智能 ”行动的决策部署，统一运维智能体工厂应运而生，旨在借助前沿的人工智能、大数据分析等技术，打造智能、高效的运维体系，为企业数字化转型保驾护航。二、功能概览（一）总体架构设计统一运维智能体工厂结合“人工智能”的理念，采用分层架构设计，涵盖感知层、数据层、智能分析层和应用层。感知层通过各类传感器与采集工具，实时采集服务器、网络设备等运行状态数据；数据层运用分布式数据库与大数据存储技术，实现数据的高效存储与管理；智能分析层借助人工智能、机器学习等技术，对数据进行深度挖掘与分析；应用层为用户提供可视化操作界面与交互接口，支持与其他业务系统集成。（二）核心功能实现1、智能巡检：构建设备状态监测模型，实时监测设备关键指标，结合阈值判断与异常检测算法，实现故障预警。开发软件配置检查引擎，依据安全与性能标准，自动核查软件配置参数，识别版本漏洞。建立服务可用性监测机制，模拟用户操作，分析服务性能指标，定位性能瓶颈。2、日志分析：设计多源日志采集与整合模块，支持多种日志格式解析。运用自然语言处理与机器学习算法，实现日志内容分类与关键信息提取。通过关联分析算法，挖掘不同日志间的潜在联系，预测系统风险。3、智能决策与自动化运维：建立故障预测模型，利用历史运维数据与机器学习算法，提前预判系统故障。开发自动化修复引擎，针对常见故障实现自动修复操作。设计资源优化分析算法，根据系统资源使用情况，提供科学的资源优化建议。4、设备运维管理：基于设备状态监测数据和故障预测结果，制定科学合理的预防性维护计划。通过机器学习算法分析设备的运行规律和故障模式，确定设备的最佳维护时间和维护内容，实现预防性维护的智能化和精准化，降低设备故障率，延长设备使用寿命。三、项目创新点（一）多模态数据融合分析技术：将设备运行数据、日志数据、网络流量数据等多模态数据深度融合，通过先进的数据处理与分析算法，挖掘数据潜在价值，提升故障诊断与安全威胁检测的准确性。（二）智能自适应运维策略：基于机器学习算法，使智能体能够根据系统运行状态与业务需求，自动调整巡检策略、日志分析规则，实现运维策略的动态优化。（三）轻量化智能体部署技术：采用轻量化设计理念，优化智能体架构，降低资源占用，实现智能体在不同规模企业 IT 系统中的快速部署与灵活应用。三、应用情况目前，统一运维智能体工厂已在政务服务系统运维领域实现成功落地。在广西数字政务一体化平台运维项目引入该产品后，系统故障平均修复时间缩短了 30%，运维效率大幅提升，有力保障了政务服务业务的稳定运行。32四、市场前景随着企业数字化转型的深入推进，对高效运维的需求持续攀升，统一运维智能体工厂市场前景广阔。据市场研究机构预测，未来五年内，智能运维市场规模将以每年超过30%的速度增长。在各行业积极拥抱数字化的趋势下，统一运维智能体工厂能够满足不同规模、不同行业企业的多样化运维需求。其强大的功能、出色的应用效果，使其在智能运维市场中占据有利竞争地位，有望成为企业数字化运维的标准配置，引领行业发展新潮流。三、经济和社会效益一、经济效益（一）降低企业运维成本：统一运维智能体工厂的智能巡检系统能实时检测关键指标，提前发现故障隐患并预警，减少突发故障带来的业务中断时间。软件配置检查引擎自动核查软件配置参数、识别版本漏洞，降低了软件漏洞导致的安全事故风险及相应的修复成本。同时，自动化修复引擎针对常见故障自动修复，减少了人工处理故障的时间成本（二）提高企业服务效率：通过服务可用性监测机制定位性能瓶颈并优化，以及智能决策与自动化运维模块的资源优化建议，保障了系统稳定运行，提高了业务处理速度。这使得企业能够承接更多业务，增加收入。在政务服务系统中，业务处理效率提升，减少了群众和企业办事等待时间，间接促进了经济活动的高效开展。（三）助力企业拓展市场：统一运维智能体工厂强大的功能和出色的应用效果，帮助使用该产品的企业在市场竞争中脱颖而出。以政务服务系统为例，稳定高效的服务提升了政府部门形象和公信力，吸引更多企业和人才投资发展。企业凭借稳定的 IT 系统运维，能更好地满足客户需求，拓展业务范围，增加市场份额，进而带来更多经济收益。二、社会效益（一）提升运维服务质量：统一运维智能体工厂保障了广西数字政务一体化平台稳定运行，使政务服务办理更加顺畅。以前群众和企业办理业务常因系统故障等待，现在故障减少，办理效率提高，节省了办事时间和精力，提升了政务服务满意度，增强了政府公信力，促进社会和谐稳定。（二）推动行业数字化转型：该项目为各行业数字化转型提供了高效运维解决方案，解决了企业数字化转型中的运维难题。其成功应用为其他行业树立了标杆，降低了行业数字化转型风险，加快各行业数字化进程，提升行业整体竞争力，推动社会经济数字化发展。（三）促进技术创新与人才培养：项目研发和应用过程中，多模态数据融合分析技术、智能自适应运维策略等前沿技术得到发展和创新，带动相关技术领域进步。同时，培养了一批掌握人工智能、大数据分析等技术的专业人才，为社会技术创新和人才储备提供支持，促进技术创新生态发展。十二、AI 易说申报单位名称广西九城网络安全技术有限责任公司联系人及联系方式李欧 15578825597人工智能产品名称AI 易说人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能33移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西九城网络安全技术有限责任公司成立于 2021 年 6 月 21 日，是一家专注于技术研发、人工智能 教育的高新技术企业，致力于通过 AI 技术重塑语言学习方式，打造智能化、个性化、全球化的教育解决方案。核心产品为 AI 易说英语学习、交流软件，覆盖 K12、成人自学、职业培训、日常交流等多场景需求。广西九城网络安全技术有限责任公司以 AI 为核心驱动力，通过技术创新打破语言学习壁垒，已构建覆盖全场景、全年龄段的智能英语教学生态。未来将持续深耕“技术 教育”融合，推动全球语言教育的公平化、智能化与人性化升级。二、产品简介一、研发背景(一).市场需求驱动1、全球化背景下，英语作为国际通用语言，在学术、职场、文化交流中的重要性日益凸显。2、传统英语教学存在资源分配不均、师资不足、个性化教学难实现等问题，急需技术赋能。3、新冠疫情加速在线教育普及，用户对灵活、高效、智能的学习工具需求激增。(二).技术发展推动1、人工智能（AI）技术成熟，包括自然语言处理（NLP）、语音识别、深度学习等，为语言教学提供底层支持。2、大数据分析能力可精准捕捉学习行为，实现个性化学习路径规划。(三).政策与资本支持1、各国教育信息化政策鼓励“AI 教育”创新（如中国“十四五”教育规划、欧盟数字教育行动计划）。2、教育科技赛道融资活跃，AI 语言学习产品成为投资热点。产品功能与核心优势AI 易说产品以 AI 技术为核心，重新定义英语学习方式，解决传统教学资源不均、效率低下的痛点。通过个性化、情景化、智能化的功能设计，满足多元用户需求，覆盖从儿童到成人的全年龄段市场。产品适配了中文以及东盟越南、柬埔寨、缅甸、老挝、马来西亚等多国语言版，打破语言与文化的双重壁垒，通过母语辅助、本地化内容和技术适配，显著降低学习门槛并提升效率。未来，随着技术迭代与全球化战略推进，产品有望成为 AI 语言教育领域的标杆，兼具社会价值与商业潜力。.适配东盟十国多国语言版通过实时性、多语言兼容性与技术协同性，AI 易说成为全球化时代沟通的核心工具。其价值不仅体现在效率提升与成本节约，更深层次推动了文化交融、知识共享与社会公平。随着 AI 与神经科学的发展，同声翻译将逐步迈向“无感化”，进一步消除人类语言边界。AI 易说除了标准中文、英语版本还适配了东盟十国语言版，适配的国家版本有：1.文莱达鲁萨兰国（BruneiDarussalam）2.柬埔寨王国（Cambodia）3.印度尼西亚共和国（Indonesia）4.老挝人民民主共和国（Laos）345.马来西亚（Malaysia）6.缅甸联邦共和国（Myanmar）7.菲律宾共和国（Philippines）8.新加坡共和国（Singapore）9.泰王国（Thailand）10.越南社会主义共和国（Vietnam）.智能语音交互系统1、实时对话练习：AI 虚拟教师模拟真实语境，支持多场景对话（日常交流、商务谈判、学术讨论）。2、发音纠错：语音识别技术即时分析发音准确度，提供针对性改进建议。(三).自适应学习引擎1、个性化路径：基于用户初始测试、学习进度和薄弱环节，动态调整课程难度与内容。2、知识点图谱：可视化呈现语言能力短板，精准推荐练习内容（如语法、词汇、听力）。(四).沉浸式情景教学1、虚拟现实（VR）/增强现实（AR）模块：模拟海外留学、职场会议等场景，增强学习代入感。2、影视化内容库：通过电影片段、新闻播报等真实语料训练听力与口语。3、智能人机交互：通过人机交互语音识别和 NLP 技术，AI 可实时分析学习者的发音、语法和用词错误，提供针对性指导。AI 支持无限次对话练习，弥补传统课堂“一对多”模式下开口机会不足的缺陷，强化语言应用能力。(五).即时反馈与激励系统1、练习结果秒级反馈，生成学习报告（如流利度、词汇多样性、语法错误）。2、游戏化激励机制（勋章、排行榜）提升用户学习粘性。（六）实时翻译系统支持在中文、英文以及东盟诸国语言间实时转译。方便这些国家人员商务交流。(七).多终端覆盖1、支持 PC、手机、平板及智能硬件（如 AI 学习机、智能音箱），无缝衔接碎片化学习场景。三、应用场景与案例(一).目标用户群体1、K12 学生：辅助校内英语课程，强化应试与口语能力。2、成人自学：职场人士提升商务英语，备考雅思/托福等国际考试。3、教育机构与企业：为学校、培训机构、跨国企业提供定制化教学解决方案。(二).应用案例1、某一线城市中学试点：引入 AI 口语陪练系统后，学生平均口语成绩提升 30%。2、跨境电商企业培训：通过商务英语情景模拟模块，员工谈判成功率提高 25%。3、AI 模拟雅思/托福口语考官，根据评分标准（如流利度、逻辑性）生成评估报告。4、用户与 AI 虚拟客户进行商务谈判，AI 通过语速、用词强度分析用户说服力并提供策略建议。5、通过动画角色引导儿童完成趣味对话，AI 自动调整语速和词汇复杂度，适配低龄学习者。四、市场前景与竞争优势(一).市场规模与趋势1、全球在线语言学习市场规模预计 2025 年达 210 亿美元（CAGR18%），AI 渗透率持续提升。2、新兴市场（东南亚、拉美）英语学习需求爆发，推动产品全球化布局。(二).竞争35优势1、技术壁垒：自研 NLP 算法与多模态交互技术，支持超低延迟语音交互。2、数据积累：千万级用户学习行为数据训练模型，精准适配不同学习风格。3、成本优势：AI 替代部分人工教学环节，降低用户学习成本（仅为传统 1 对 1 课程的 20%）。(三).商业模式1、ToC：订阅制（月度/年度会员）、单课付费、增值服务（专家 1 对 1 辅导）。2、ToB：为学校/企业提供 SaaS 服务，按账号或定制方案收费。三、经济和社会效益AI 人工智能英语教学产品已创造显著经济价值（降本增效、市场扩张）与社会效益（教育公平、能力提升），未来随着技术突破与政策支持，其“普惠性”与“智能化”特质将进一步释放潜能，成为推动全球教育变革的核心力量。一、经济效益(一).市场规模与增长全球市场扩张：据 GlobalMarketInsights 报告，2023 年全球 AI 教育市场规模已突破200 亿美元，其中语言学习类产品占比超 30%。中国 AI 英语教学市场规模达 85 亿元（艾瑞咨询，2023），预计 2027 年将增长至 220 亿元，年复合增长率（CAGR）超 25%。企业收入增长：典型企业如 VIPKID 通过引入 AI 口语陪练功能，2022 年用户付费率提升 18%，单用户年均消费超 3000 元。Duolingo 财报显示，2023 年 AI 驱动的个性化课程贡献了其总营收的 45%，付费用户突破 600 万。(二)成本优化与效率提升用户成本降低：AI 课程费用仅为传统外教 1 对 1 课程的 20%-30%（如 CamblyKids的 AI 课程月费约 200 元，真人外教课程约 1000 元）。企业运营提效 AI 助教可替代 40%的标准化教学任务（如作业批改、发音纠错），降低机构人力成本约 35%（科大讯飞教育白皮书，2023）。(三)新兴市场潜力东南亚、拉美等新兴市场英语学习需求激增：印尼 AI 英语学习 App 下载量 2023 年同比增长 120%（SensorTower 数据），巴西用户付费意愿增长率达 65%。企业全球化收入占比提升：中国教育科技公司猿辅导旗下 AI 英语产品“斑马英语”海外营收占比从 2021年的 5%增至 2023 年的 22%。(四)就业与产业带动新职业创造：AI 课程设计师、语料标注员等新兴岗位需求增长，2023 年仅中国 AI教育相关岗位招聘量同比增加 50%（LinkedIn 数据）。产业链协同：带动智能硬件（如 AI 翻译笔、学习平板）销量增长，2023 年全球教育智能硬件市场规模达 150 亿美元（IDC 报告）。二、社会效益(一)教育公平与资源下沉覆盖偏远地区：中国“AI 英语课堂”公益项目为西部乡村学校提供免费 AI 教学系统，2023 年覆盖 3.2 万所学校，学生平均成绩提升 15 分（满分 150）。普惠特殊群体：针对听障学习者，AI 手语翻译 英语教学系统已服务超 10 万用户（如韩国 SignAI 公司案例）。(二)学习效果提升效率数据验证：用户使用 AI 口语陪练后，雅思口语平均分从 5.5 提升至 6.5（历时3 个月，数据来自 Speakly 用户调研）。企业培训场景中，AI 商务英语课程使员工谈判准备时间缩短 40%（微软内部培训报告，2023）。36(三)跨文化交流与社会包容性文化认知增强：80%用户通过 AI 跨文化情景模块（如模拟国际会议）后，对英美社交礼仪的掌握度提升 50%（EFEducation 调研）。语言障碍破除：跨境电商从业者使用AI 翻译 情景教学后，海外客户投诉率下降 30%（阿里巴巴国际站案例）。(四)教师角色转型从教学到育人：AI 承担标准化教学后，教师专注设计创新课程，试点学校教师备课时间减少 50%（北京某重点中学实践）。技能升级：2023 年全球超 20 万教师参与 AI教学工具培训，其中 75%表示教学效率显著提升（OECD 教育报告）。十三、硫熏强度智能在线检测系统申报单位名称南宁职业技术大学、广西开帆智能科技有限公司联系人及联系方式韦联琦 13077776417、陆建英 13557988988人工智能产品名称硫熏强度智能在线检测系统人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介南宁职业技术大学是由南宁市人民政府举办的一所公办本科层次职业大学，是全国首批 28 所广西首家国家示范性高职院校、“国家优质高等专科学校”、2019 年作为广西唯一职业院校入选全国 56 所“中国特色高水平高职学校和专业建设计划”高水平学校建设单位。2024 年 5 月，教育部批准以南宁职业技术学院为基础整合资源设立南宁职业技术大学。学校智能制造专业群实训设备配套完整，科研设备有充足保障。目前在校内建有国家级电工电子自动化实训基地、先进制造技术实训基地，设备值约 1.5 亿，设有数控加工技术实训中心、GE 智能平台自动化实训中心、现代控制技术实训中心、工业机器人应用中心等，完全具备该项目实施的研究试验条件。学校图书馆专业资料丰富，为项目研究提供充足资料保障。图书馆大楼总建筑面积 28000 平方米，由主楼、副楼、东西裙楼四部分组成，是广西高职高专规模最大的图书馆。图书馆设有阅览座位 2500 个；现有馆藏纸质图书文献 80 多万册，电子图书 75 万种，31 个数据库，形成了涵盖哲、经、法、文、理、工、管、教等学科门类相结合的多科性、多层次、多载体且特色明显，能有效支撑学科建设和人才培养的藏书体系,为项目研究提供充足资料保障。广西开帆智能科技有限公司是一家从事工业智能设备、自动化产品及节能设备等产品研发、设计制作及销售服务的公司。公司研发队伍有广西大学等院校专家团队的参与，目前拥有自主研发的系列专利产品高、低温，立、卧高效全自动燃硫炉，高、低温二氧化硫气体洗涤冷却系统，硫熏强度在线检测装置、蜂窝式换热器气鼓、垂直循环立体停车系统等多项专利技术产品。公司致力于服务工业企业以及民用设施及产品服务，顺应工业时代技术的发展为客户提供优良品质的产品及服务。二、产品简介一、产品研发背景制糖业是食品行业基础，广西是中国最大的糖料种植基地和食糖主产区，食糖产量占全国总产量的 60%左右，制糖产业是广西的支柱型产业。国内 90%的制糖厂采用亚硫酸法工艺生产白砂糖，目前糖厂对澄清中和工艺的重要指标“硫熏强度”多采用人工滴定37检测，进而粗略计算 CaSO添加量，整个生产过程依赖人工分析数据、手动调节参数和经验决策，存在检测精度低、劳动强度大、指标波动大、无法根据来汁量及二氧化硫含量变化实时调整硫磺量、二氧化硫泄漏风险高、辅材浪费严重、产品质量不稳定且成本增加等问题。为解决痛点，提升制糖工艺和产品质量，降低生产成本和环境风险，研发了硫熏强度智能在线检测系统。二、产品功能（一）实时数据采集与精准控制：实现制糖澄清工段中硫熏的关键数据实时采集，通过三级“滤波”机制和动态差分阈值算法，精准控制碘液滴定，确保硫熏强度控制的精确性。硫熏强度精确达1ml 以内，数据采集周期为可调（3min 以上）。（二）预警与质量追溯：当实测值与工艺参数设定值的偏差超过5%阈值时，自动触发预警机制，同步记录偏差数据，支持质量追溯分析，符合 HJ/T397-2007 监测规范要求。（三）闭环控制与节能降耗：系统实时输出 4-20mA 或 0-10V 控制信号给糖厂燃硫系统，实现闭环控制，减少硫磺和石灰等辅材的浪费，降低蒸发、煮糖积垢，减少白糖灰分，提高制糖质量，降低生产成本。（四）智能化协同与远程管理：支持工业物联网双模通信，将单机控制升级为网络化智能终端，实现硫熏检测数据实时监测、集中管理及远程控制，提升设备协同效率与决策分析能力，助推数字化糖厂建设，实现生产过程的“自动化、信息化、智能化”。三、应用情况该系统已在广西东亚糖业集团驮卢糖厂、扶南糖厂试点应用，取得了显著成效。通过精准控制硫熏强度，有效解决了传统人工检测和控制方式带来的诸多问题，提高了成品糖的品质，降低了生产过程中的能耗和物耗，减少了环境污染，提升了企业的生产管理水平和经济效益。同时，系统的智能化功能也为糖厂的数字化转型奠定了基础，得到了用户的高度认可和好评。四、市场前景广西作为中国最大的糖料种植基地和食糖主产区，拥有众多制糖企业，对提升制糖工艺和管理水平有着迫切需求，该系统有望在广西制糖行业得到广泛应用和推广。此外，其先进的技术和智能化功能也为其他地区的制糖企业提供了一种有效的解决方案，可逐步拓展到全国乃至国际市场，为制糖行业的数字化转型和高质量发展提供有力支持。还可推广应用于化工、食品环保等工业现场恶劣环境，检测样液温度范围 0-100 度，环境温度70 度。三、经济和社会效益硫熏强度智能在线检测系统已在广西东亚糖业集团驮卢糖厂、扶南糖厂投产使用，已经实现的经济和社会效益：一、经济效益（一）降低原材料消耗1.硫磺消耗量降低：通过精准控制硫熏强度，使用自控型燃硫炉可显著降低硫磺消耗量。在广西东亚糖业集团驮卢糖厂和扶南糖厂的应用中，硫磺消耗量较传统人工控制方式降低了约 0.01-0.03的硫磺甘蔗。2.石灰耗量减少：系统优化了石灰的使用，减少了石灰的浪费，石灰耗量降低了约80%。（二）提高生产效率和产品质量1.减少滤泥量：系统优化了澄清过程，减少了滤泥的产生，降低了滤泥清理成本。382.减少蒸发罐积垢：通过精准控制硫熏强度，减少了蒸发罐的积垢，提高了设备运行效率，降低了用于清除积垢的设备维护成本。3.降低白糖二氧化硫残留量提高产品质量：达到国家标准：30mg/kg 以下，争取达到 20mg/kg 以下，每提高一个级别可以提高销售价格 20 元吨白糖。4.提高经济效益：每榨季可以提高经济效益约 250 万元以上。（三）优化生产管理1.自动化控制：系统实现了硫熏强度的在线检测和自动控制，减少了人工干预，降低了劳动强度，提高了生产过程的稳定性和一致性。2.数据追溯与分析：系统支持数据实时监测和集中管理，便于生产过程的质量追溯和数据分析，为企业优化生产流程提供了有力支持。以糖厂进榨甘蔗总量为 100 万吨来计算，达成的经济效益约 400 万元，如下表所示。序号收益名称金额（万元）备注1稳定硫漂强度参数稳定2节约硫磺 300 吨54减少的硫磺对蔗比为 0.03%计3节约石灰 656.25吨26.2减少 80O 的石灰量4多产糖 112.5 吨65.3糖价 5800 元/吨计5减少蒸发缺罐积垢5每年可降低清除积垢费用6减少二氧化硫残留量提高产品质量250平均产糖率为 12.5%7合计400.5二、社会效益（一）环境保护1.减少二氧化硫泄漏：系统通过精准控制硫熏强度，减少了二氧化硫的泄漏风险，降低了对环境的污染。2.节能减排：优化生产过程，减少能源消耗和废弃物排放，符合国家节能减排政策，有助于推动制糖行业的绿色发展。（二）劳动条件改善1降低劳动强度：系统实现了自动化控制，减少了人工操作，降低了工人的劳动强度，改善了劳动条件。2.保障工人健康：减少了工人在硫磺炉房内接触有毒二氧化硫气体的机会，保障了工人的身体健康。（三）推动行业升级该系统的应用促使制糖业澄清工艺关键设备升级换代，促进糖业技术装备进步，为制糖行业的智能化、自动化生产提供了示范，有助于推动整个行业的技术升级和创新发展。十四、光伏板自动安装机器人申报单位名称广西智拓科技有限公司39联系人及联系方式唐钰媛 15578072219人工智能产品名称光伏板自动安装机器人人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西智拓科技有限公司是一家为助推广西工程机械行业智能制造发展和产业升级，而投资组建的以工业机器人集成应用为核心的先进智能制造科技公司，肩负着开拓智能制造创新技术的研发和应用，帮助工程机械制造技术从传统制造模式向数据化、信息化、智能化制造模式发展。公司以焊接工序的工业机器人应用技术服务和产品提供为主业，并拓展到智能装配机器人技术、智能物流技术等其他工艺领域，自主掌握了多项关键技术，目前，公司重点产品的关键技术 78 项，其中已掌握的技术 32 项，其余 47 项将列入技术发展规划，有计划地开展研发，逐步提升智拓的产品技术能力，从而更好的服务客户。二、产品简介一、研发背景光伏产业作为我国战略性新兴产业，对推动能源结构转型、促进生态文明建设具有重要战略意义。2024 年，我国光伏产业持续高速发展，新增装机容量达 2.78 亿千瓦，同比增长 28%，继 2023 年突破 2 亿千瓦后再创新高。然而，当前分布式光伏安装仍以人工为主，存在效率低下、劳动强度大等问题，难以满足行业快速发展的需求。为此，本项目致力于研发高效的智能化安装设备，应用智能化视觉系统，利用视觉AI 功能，智能识别光伏板及其所需的安装位置，并引导工业机器人完成抓取光伏板，安装光伏板的作业过程，提升安装效率、降低人工劳动强度，为光伏产业可持续发展提供技术支撑。二、产品功能1.多视觉图像拼接识别：采用 3D 视觉设备，对光伏板进行识别。由于光伏板尺寸较大，视觉设备只能对其四个角进行拍照识别，然后利用先进的图像拼接算法，识别整个光伏板的空间位置，并将空间坐标传输给抓取机器人，2.高精度视觉识别定位：对光伏板需要安装的位置，采用高精度视觉设备进行识别拍摄，生成安装位置的空间坐标，倾斜角度等，再利用手眼标定技术，配合视觉设备与机器人设备坐标系的转换算法，将光伏板的安装位置坐标，安装角度等信息传送给抓取机器人，使其更精准的进行光伏板的安装。3.与工程机械底盘融合：工业机器人通过自主定义的通讯协议，与履带式工程机械底盘进行有机融合，提高了工业机器人的作业距离。三、应用情况光伏板自动安装机器人已经应用在沙漠地区的光伏板安装作业中，实现了光伏板自动安装，人工辅助的工作模式。40四、市场前景1.光伏行业市场增长我国光伏行业作为一个新兴产业，一直高速发展，随着业内努力提高技术水平、突破技术壁垒，光伏产业持续高速发展；加之政府宏观调控，积极引导。光伏行业是环保、安全、取之不尽用之不竭的能源，未来前景无限光明，发展空间极其广阔。2.储电技术发展推动市场增长经过广大发电、储电专家们的努力，储电技术有了新突破，自主研发生产的风能、太阳能并网储能技术已通过国家检测，完全可以进入应用领域，在技术上也和国际发达国家齐头并进，基本能够适应迅速增长的新兴光伏市场的需要，推动光伏产业的增长。三、经济和社会效益本产品已完成 200 万的销售收入十五、云端化学智能分析平台及配套检测芯片申报单位名称柳州康云互联科技有限公司联系人及联系方式姓名：吴湜溪联系电话：18277143331 邮箱：人工智能产品名称云端化学智能分析平台及配套检测芯片人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介柳州康云互联科技有限公司成立于 2016 年 3 月 21 日，是广西本土专注于“互联网 医疗检测”的国家级高新技术企业。公司运用人工智能与生物传感技术，致力于为基层医疗和家庭健康提供轻量化检测解决方案，业务涵盖云端化学智能分析平台研发、便携式检测设备生产以及基层医疗信息化服务。核心优势：技术研发：累计申请国内外专利 80 余项，涵盖试剂、传感器、算法、系统集成等全产业链，形成“抗环境干扰的多模态生物信号处理算法”“微流控芯片多通道集成技术”等核心技术壁垒。自主研发的“云端化学智能分析平台”首创“手机拍照 云端算法”检测模式，无需专业设备即可实现 200 余项检测，检测误差率0.3%，达到二甲医院41检测水平。产业布局：作为广西基层医疗数字化转型标杆企业，已完成近 20 家卫生院“云化验室”系统部署，服务超 30 万县域人口，2025 年计划融入广西基层医共体建设，逐步拓展至全区 14 个地级市。资质认证：公司通过 CE 认证（欧盟医疗器械指令 93/42/EEC）、ISO13485 质量管理体系认证，检测结果与柳州市部分二甲医院开展检验结果互认试点，一致性达 95%以上。二、产品简介（一）研发背景针对基层医疗机构“设备贵、项目少、效率低”和家庭健康检测“操作难、不精准”的痛点，康云互联自 2016 年起持续研发“云端化学智能分析平台”：2019 年：完成技术原型验证，在柳东新区 4 个村卫生院启动试点，实现检测数据联网上传国家健康管理平台。2020 年：推出“互联网体外诊断解决方案”，支持新型冠状病毒抗原/抗体检测，技术参数通过广西医疗器械检测中心验证。2024 年：响应柳州市紧密型县域医共体建设（柳政办20249 号），优化设备组合（含血糖总胆固醇分析仪、医用红外体温计等 15 项设备及耗材），推出适配县域基层场景的综合检测方案。（二）核心功能极速智能检测：通过智能手机拍照上传检测芯片图像，云端 AI 算法 5 秒内完成 200余项检测（含尿常规、生化指标、传染病筛查、肿瘤标志物等），2025 年规划新增基因检测等 35 项，覆盖基层 90%以上常见检测需求。抗干扰技术：搭载抗环境干扰算法，在光照变化20%、温度变化5环境下仍能准确识别检测结果，生成标准化报告并实时同步至 公共卫生平台及电子病历系统。全场景适配方案：设备组合体积 50cm35cm15cm，重量 4.3kg，适配卫生院检验科、村医入户诊疗等场景，支持离线检测与 4G 网络数据缓存，断电后可维持 8 小时续航，便携性较传统设备提升 70%。（三）应用情况区域部署：在柳州市融水苗族自治县、柳城县等县域完成近 20 家卫生院部署，设备覆盖柳州北部山区、偏远乡镇共 8 个交通不便区域，村医入户检测携带便利性提升 60%，累计完成检测超 10 万例。政策适配：技术方案与柳州市“提升县域内医疗卫生服务信息化水平”政策导向深度契合（柳政办20249 号），2025 年计划通过“政府采购 企业配套”模式，完成柳州市 50 家卫生院、30 家村卫生室的设备及系统覆盖。三、经济和社会效益（一）经济效益营收与成本优化：2020-2023 年营业收入稳定在 200-300 万元区间，2024 年聚焦研发投入，实现技术服务收入占比提升至 35%。基层医疗机构单套设备采购成本较传统方案降低 60%，2022-2024 年已部署 20 家卫生院年节约设备采购支出 800 万元。产业带动与就业：累计创造就业 120 人，研发岗占比 30%，2023 年研发费用加计扣除减免税费超 20万元。2022-2024 年累计采购本地传感器、芯片封装组件 561 万元，拉动柳州配套产业产42值增长 1000 万元。社会效益医疗公平与效率：解决 30 万县域居民“检测难”问题，基层检测覆盖率从 25%提升至 40%（柳城县卫健局 2024 年统计报告），跨区域转诊率下降 15%-20%。早期慢性病筛查率提升 25%，相关病例发现周期缩短 30%，降低医保重症支出约 200万元/年。产业赋能：2020-2021 年获政府补助 101.76 万元，用于基层设备捐赠与系统试点（利润表第 23行），成为广西“千村万户健康工程”配套设备供应商。与广西科技大学共建实验室，累计培养专业人才 80 余名，强化区域医疗科技人才储备。十六、智慧校园 AI 教学辅助系统申报单位名称贺州学院教师教育学院（师范学院）联系人及联系方式朱炎艳 15777459481人工智能产品名称智慧校园 AI 教学辅助系统人工智能产品类别人工智能基础硬件（含智能传感器、DeepSeek 大模型一体机等）通用大模型工业软件人工智能开放平台及服务智能医疗智能家居智能可穿戴设备智能服务机器人工业机器人智能网联汽车无人机（船）其他：教育智能化管理系统（一）单位简介贺州学院教师教育学院（师范学院）是一所具有深厚历史底蕴和丰富教育资源的学院。学院现有小学教育、学前教育、应用心理学、音乐学、舞蹈学、数学与应用数学、体育教育7 个专业。学院办学条件优良，教学设施先进，建有教师技能实训中心、智慧教室等。学院注重学科建设、专业建设和课程建设，培养具有扎实专业知识和较强实践能力的高素质教师人才。毕业生就业率保持在 90%以上，为广西特别是桂东地区的教育事业做出了积极贡献。（二）产品简介研发背景：当前小学教育面临教学资源分布不均、课堂互动效率低、教师工作负担重等挑战。传统教学模式依赖人工操作，难以满足个性化教学需求，且教育数据分散、分析滞后，阻碍了教学质量的持续优化。智慧校园 AI 教学辅助系统以“技术赋能教育”为核心目标，通过人工智能技术重构教学流程，为教师、学生及管理者提供智能化支持，推动教育从“经验驱动”向“数据驱动”转型。核心功能：智能教学设计：基于课程标准与学情数据，自动生成个性化教学方案，推荐适配教学资源（如课件、习题、微课），减轻教师备课负担。课堂互动优化：通过语音识别与自然语言处理技术，实时分析课堂问答、小组讨论等互动环节，生成互动热力图，帮助教师调整教学节奏。学情动态监测：整合学生课堂表现、作业完成度、测验成绩等多维度数据，构建学情画像，支持教师精准定位学生知识薄弱点。教学资源协同：搭建云端资源库，支持校际间教案、试题、案例的共享与协作，促进优质教育资源均衡配置。43应用场景：课堂教学：辅助教师实现差异化教学，提升课堂互动效率。课后辅导：通过智能推荐系统为学生推送针对性学习资源。教育管理：为学校管理者提供数据化决策支持，优化资源配置。市场前景：本系统以小学教育场景为核心，未来可扩展至职业教育和终身教育领域，形成覆盖全学段的智能化教育解决方案。通过技术普惠性设计，系统适配城乡学校不同需求，助力缩小区域教育差距，推动教育公平化进程。（三）经济和社会效益经济效益：智慧校园 AI 教学辅助系统的开发与应用，为小学教育领域的经济效益提升提供了多维度的支持。首先，系统通过技术赋能显著降低了教育管理的运营成本。传统教育管理中，教师需要投入大量时间进行教案设计、作业批改、学情分析等重复性工作，而 AI 技术的引入能够自动化处理这些任务。例如，系统可自动生成适配不同班级学情的教学方案，推荐个性化习题库，减少教师备课时间；同时，智能批改功能可快速完成作业反馈，将教师从繁琐的事务性工作中解放出来，使其更专注于教学创新与师生互动。这种效率的提升直接转化为人力成本的节约，学校可将更多资源投入教学设施升级或教师培训，形成良性循环。其次，系统的规模化应用推动了教育资源的集约化利用。传统模式下，优质教育资源（如名师教案、精品课程）往往集中在少数学校，城乡差距显著。AI 系统通过云端共享平台，实现教案、课件、教学案例等资源的跨校流通，减少重复开发成本。例如，乡村小学可直接调用城区学校的优质资源，而城区学校亦可借鉴乡村教育中的实践创新，形成资源互补。这种共享模式不仅降低了单个学校的资源采购压力，还通过技术手段打破了地域限制，使教育资源分配更加高效合理。此外，系统的智能化管理功能优化了学校的运营效率。例如，通过数据化分析学生出勤、课堂表现、学业成绩等信息，学校管理者可快速识别教学薄弱环节，精准调配师资力量或调整课程设置，避免因信息滞后导致的资源浪费。长期来看，这种数据驱动的管理模式将推动学校从“经验决策”转向“科学决策”，减少试错成本，提升整体运营效能。社会效益：在小学教育领域，智慧校园 AI 教学辅助系统的社会效益更为深远，其核心在于通过技术普惠推动教育公平，赋能教师专业成长，并促进学生全面发展。1.促进教育公平，缩小城乡差距城乡教育资源配置不均是当前基础教育领域的突出问题。乡村学校常面临师资短缺、教学资源匮乏等挑战，而 AI 系统的引入为破解这一难题提供了新路径。通过云端资源共享，乡村教师可快速获取城区优质教学资源，如名师课堂录像、标准化教案模板等，弥补自身经验不足；同时，系统的智能评估功能可为乡村学生提供与城区学生同等质量的学情分析，帮助教师制定针对性辅导计划。例如，系统可根据乡村学生的知识掌握情况，自动推送适配其能力水平的微课视频或练习题，减少因师资力量不足导致的学习断层。这种技术赋能使偏远地区学生也能享受个性化教育，为教育公平注入实质性动力。2.赋能教师专业发展，提升教学能力教师是教育体系的核心力量，而 AI 系统通过数据化反馈与资源支持，成为教师专业成长的“智能助手”。一方面，系统可实时记录教师的课堂教学行为（如提问频率、互动模式、知识点讲解时长），并基于教育学理论生成改进建议。例如，若系统检测到某教师在课堂中单向讲授时间过长，可提示“增加小组讨论环节”或“引入多媒体互动工具”，帮助教师优化教学策略。另一方面，系统为教师提供持续学习平台，集成国内外先进教学案例、教育研究论文及培训课程，支持教师自主提升专业素养。这种“技术 人文”的双重支持，不仅缓解44了教师的工作压力，更激发了其教学创新的积极性，推动教师从“经验型”向“研究型”转变。3.助力学生个性化成长，培养核心素养小学阶段是学生认知能力与学习习惯形成的关键期，而传统“一刀切”的教学模式难以满足学生的个性化需求。AI 系统通过多维度学情分析（如课堂参与度、作业正确率、知识迁移能力），为每位学生构建动态成长档案，并据此推荐差异化学习路径。例如，对于数学基础薄弱的学生，系统可自动推送趣味化数学游戏或分步讲解视频，激发学习兴趣；对于学习能力突出的学生，则可提供拓展性探究任务，培养其批判性思维与创新能力。此外，系统通过情感计算技术（如语音情绪识别、面部表情分析），可捕捉学生的课堂情绪变化，及时向教师反馈学生的心理状态，助力教师开展情感关怀与心理辅导，促进学生身心健康发展。4.构建家校协同生态，增强教育合力家庭教育与学校教育的协同是提升教育质量的重要保障。AI 系统通过家校互动平台，实时向家长推送学生的学习进展、课堂表现及个性化建议，帮助家长更科学地参与子女教育。例如，系统可生成“家庭学习指南”，指导家长如何配合学校巩固知识点，或推荐亲子共读资源，促进家庭教育与学校教育的无缝衔接。这种透明化、协同化的教育模式，不仅增强了家长的教育参与感，还缓解了因信息不对称导致的家校矛盾，形成教育合力。长期社会价值从更宏观的视角看，智慧校园 AI 教学辅助系统的普及将对社会产生深远影响。其一，通过提升小学教育质量，系统为后续教育阶段输送了基础扎实、综合素质高的学生群体，为国家人才培养奠定基石；其二，技术赋能让更多教师从重复劳动中解放，转向教育研究与创新，推动教育理论的实践转化；其三，教育公平的推进有助于缩小社会阶层差距，促进社会和谐稳定。长远来看，这种以技术驱动教育变革的模式，不仅是教育现代化的必然选择，更是实现社会可持续发展的重要支撑。十七、生猪精准饲喂数智节粮设备申报单位名称广西扬翔集团股份有限公司联系人及联系方式汤姣姣，0775-4566991人工智能产品名称生猪精准饲喂数智节粮设备人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西扬翔集团股份有限公司坚持以习近平新时代中国特色社会主义思想为指导，深入贯彻党的二十大及历次全会精神，坚持“以农为本、以猪为业、以猪富农”的发展宗旨，秉承“科技改变养猪业”的发展思路，以新质生产力驱动发展“从农场到餐桌”全产业链高质量发展，在农场环节的智慧畜牧产业带生猪全域数智育种、全域数字智能节粮、数字智能养殖生产；餐桌环节以智能厨房为支点提供便利餐饮方案等，以“数字智能 智能设备”提质传统产业和创造新消费模式。公司积极参与脱贫攻坚、乡村振兴建设，荣获全国就业与社会保障先进民营企业、全国社会扶贫先进集体、全国“万企帮万村”精准扶贫行动先进民营企业等荣誉，为农业农村经济发展做出了贡献，是全国最大猪精生产企业、全国养猪 10 强企业、广西民营企业 100 强（第 13 位）、广西企业 100 强（第 42 位）。45扬翔集团以人才和创新为驱动力，打通“料、养、宰、商一体化”的全产业链，实现了从农场到餐桌的全产业链跨越式发展。扬翔集团与华中农业大学、广西大学、中国农业大学、中山大学等 10 多所高校建立产学研合作机制，引进合作院士 3 人，合作专家55 人、教授/博士 38 人、硕士 300 多人，各类专业技术人员 1500 多人；组建农业农村部生猪健康养殖重点实验室、博士后科研工作站、广西院士工作站、广西猪基因组育种和遗传改良技术创新中心、广西生猪育种和智能养殖创新联合体等科技创新平台 13 个；先后承担国家重点研发计划、广西创新驱动发展专项等国家及自治区级科技项目 27 项、贵港市本级科技项目 3 项；已累计获得授权专利 313 件，其中：发明专利 53 件、实用新型专利 204 件、外观设计专利 56 件，登记软件著作权 69 件；参与了“常规种猪精液”（标准号：GB23238-2021）等 4 项国家标准的起草；“龙宝 1 号猪”获得农业农村部颁发的畜禽新品种（配套系）证书；荣获国家技术发明奖二等奖、广西科技进步一等奖、全国农牧渔业丰收奖、神农中华农业科技奖等省部级以上奖项 14 项、贵港市本级科技奖励 5项。二、产品简介一、研发背景目前生猪养殖生产实践中，根据群体需要提供营养，肉猪个体营养需要无法精准评估与供给，为保证性能表现，常常使供应量大于肉猪个体实际需要量。同时，当饲养环境发生变化或猪群健康度变化时，无法及时修订调整营养方案，传统饲料供应模式是以商业工厂大规模生产通用饲料，精准营养难以落地。这些现实场景导致肉猪养殖过程存在巨大的饲料浪费，肉猪出栏料肉比在试验中可以达到 2.3，但在实际生产中常常在2.8-3.0，显著高于试验群体。另外，我国地源性饲料原料丰富，但由于这些原料存在批量少、供应周期性和质量波动大等特点，商业工业化饲料工厂无法使用，不能发挥替代粮食消耗的作用。农业农村部于 2024 年 12 月 31 日发布 农业农村部关于实施养殖业节粮行动的意见，旨在推动养殖业节粮降耗、降本增效，保障国家粮食安全和畜禽水产品供应安全，促进养殖业高质量发展。二、功能特点本产品以智能饲料厂“精喂坊”为核心，从原料、检测、营养、生产制造到饲喂，通过智能算法建立全链路数字化在线连接，从而实现个体精准营养，提高生产效率，节约饲料粮消耗。同时，智能饲料厂“精喂坊”建设在猪场周围，为单场供料，一方面可以满足个性化配方生产和饲料输送；另一方面，可以为猪群实时提供定制营养方案，从而实现地源原料的批量灵活使用。由此可见，肉猪全域数字节粮智能装备技术可以降低饲料浪费、提高生产效率和增加地源性原料使用，从而节约饲料粮，保证粮食安全。三、应用情况扬翔集团内部猪场和合作场已上线精喂坊相关设备，精喂坊协同上游的原料采购、原料检测、配方系统，以及下游的精准输送、饲喂系统，实现精准营养闭环。通过精准营养算法，形成猪只专属营养计划，并做到动态定时定量精准饲喂，让每一头猪的营养摄入更精准。显著提高了猪场的生产效率和管理水平。四、市场前景随着生猪养殖行业的规模化、集约化发展，人工智能、物联网、大数据等技术在养殖领域不断发展，对精准养殖技术的需求日益增长。精喂坊作为精准养殖的核心设备之一，在当前养殖成本不断上升、环保要求日益严格的背景下，养殖企业迫切需要提高养殖效率、降低成本，精喂坊能够满足这一需求，具有广阔的市场空间三、经济和社会效益46一、经济效益项目自 2023 年开始前期试点工作，已在示范猪场进行了 1 年半的实践，启动试点猪场 2 个母猪场，20 个肉猪场，涉及 1.5 万母猪，40 多万头肉猪，覆盖华南、华中、华北、东北区域，示范点实现节粮 5%，开发利用非粮型资源节粮 5%，料肉比2.5，头均成本降低 40-60 元。二、社会效益技术应用推广到全行业肉猪全程料肉比由 2.9 进步到 2.5，肉猪节粮 44 公斤/头，中国年出栏约 7 亿头肉猪，总节粮 3000 多万吨/年；同时该系统拓宽地产原料和替代原料等非粮转饲料粮的使用，预计节粮 2300 多万吨；应用该系统猪料豆粕用量由 15%降低到 10%，减少大豆需求 1400 多万吨，大幅降低进口依赖，有效保障粮食安全。十八、行业智能体一体化平台申报单位名称广西华云大数据有限公司联系人及联系方式张敏，15577338877人工智能产品名称行业智能体一体化平台（工业、政务、医疗、教育等）人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西华云大数据有限公司是由桂林市政府国有独资桂林经开信息产业投资有限责任公司与由华为技术有限公司推荐的杰出生态合作伙伴代表华为共同出资成立的国有控股公司，作为华为在广西的信息产业落地支撑公司，负责华为广西相关云计算数据中心的建设、运营、管理等支撑工作；牵头落实“数字桂林”信息化建设，负责桂林华为云计算数据中心的运营及管理。依托华为的品牌、市场影响力及华为的技术支撑，在广西提供华为有关的产品、技术及服务并依托桂林华为云计算数据中心（广西壮族自治区级大数据副中心）及桂林政务云平台，为广西地方信息化发展进行产业赋能，为经济发展提供数字引擎。聚焦大数据解决方案、智慧政务、智慧医疗、智慧教育、智慧文旅等方向。二、产品简介一、研发背景当前，人工智能与传统产业正加速深度融合。党和国家高度重视人工智能在各行业的赋能作用。习近平总书记强调，人工智能是新一轮科技革命和产业变革的重要驱动力量。在 2024 年政府工作报告中，国家部署了“深化大数据、人工智能等研发应用，开展人工智能 行动”等举措，旨在以应用牵引促进人工智能技术与制造、政务、医疗、教育、文旅等行业深度融合。各行业数字化转型升级迫在眉睫，但与此同时也存在诸多痛点和挑战：制造业：生产过程复杂多变，仍面临效率瓶颈和质量提升难题；工业数据分散且利用不足，算法模型往往难以直击业务痛点，成功案例难以复制。芯片算力等底层技术有待突破，制造企业对新技术的接受度和专业人才储备不足。政务领域：政务服务流程繁琐，跨部门协同效率不高，基层治理中信息孤岛现象突出；在传统模式下，政府工作人员遇到业务痛点需依赖外部技术力量解决，数字化响应速度慢，公众满意度提升受限。47医疗领域：医疗资源区域分布不均，基层医疗专业能力薄弱；医生工作负荷沉重，诊疗流程易出现延误或差错。尤其在影像诊断、病例分析等环节，专业人才缺口大，难以及时满足患者需求。教育领域：优质教育资源供给不足，因材施教难以全面实现；教师在备课、批改等重复性工作上耗费大量精力，个性化辅导学生的精力相对不足，城乡数字鸿沟依然存在。文化旅游：文旅行业服务同质化严重，难以满足游客日益多样的个性化体验需求；景区管理和安全监测主要依赖人工，人力成本高且响应不够实时，旅游消费潜力未被充分激发。以上痛点导致各行业智能化升级步履维艰。而现有的人工智能应用形态也暴露出适配性差、开发门槛高、系统割裂等突出问题：一方面，不同行业缺乏统一的 AI 应用标准和框架，企业各自为政开发模型，往往需要大量额外的场景适配和定制，创新成果难以在行业间复用，推广成本居高不下。另一方面，许多单位缺乏足够的 AI 专业人才和开发能力，导致智能应用开发门槛高企。“AI 业务”融合缺少固定模式，算法与业务流程衔接不畅，开发周期长、投入大，不具备可持续性。此外，由于系统割裂和标准不统一，不同部门和业务系统之间数据难以打通，形成数据孤岛，严重制约了 AI 赋能效能。安全方面也存在隐患：部分领域对国外基础软硬件依赖度高，一旦遇到“断供”风险，将威胁相关 AI 应用的持续运行和业务连续性。基于上述背景，本项目依托国产自主可控的芯片算力和大模型技术，研发“行业智能体一体化平台”。平台设计初心在于构建以智能体为核心、通用且可扩展的行业 AI 能力底座，打通从大模型到具体应用的落地环节，降低 AI 应用开发验证门槛，提高部署效率。通过打造统一的技术架构和工具集，解决当前各行业 AI 应用标准不统一、系统碎片化的问题，充分发挥规模效应以降低边际成本，促进行业间应用创新成果的共享复用。平台将成为支撑制造、政务、医疗、教育、文旅等多行业数字化智能升级的关键底座，助力我国各领域抓住新一代人工智能变革机遇，实现高质量发展和治理能力提升。二、行业智能体一体化平台核心功能围绕上述目标，“行业智能体一体化平台”将重点研发以下六大核心功能模块，为用户提供完备的 AI 能力支撑：国产化自主可控部署能力：平台将全面适配国产 CPU/GPU 及 AI 加速芯片，支持在本地私有环境和信创环境下部署运行。通过对国产硬件和操作系统的优化适配，确保系统在不依赖国外云服务和软硬件的情况下稳定高效运行，保障数据安全和业务连续性。指出部分国外技术存在断供风险，本平台坚持核心技术自主可控，可有效规避外部供应链中断带来的隐患，符合国家网络安全和信息化战略要求。零代码智能体快速搭建工具：提供所见即所得的可视化构建环境，业务人员无需编写代码即可通过“搭积木”“拖拉拽”的方式创建智能体应用。平台内置丰富的预训练大模型和行业模板，用户只需配置少量参数和知识库，即可在分钟级生成对话问答机器人、流程自动化代理等智能体。深圳龙岗的实践表明，借助低门槛的智能体搭建平台，哪怕零技术基础的政务人员也能自主开发 AI 应用。“人人都是 AI 开发员”将成为现实，极大降低 AI 赋能各行业的技术门槛。多模态数据处理能力：平台支持文本、语音、图像、视频等多模态数据的统一接入和处理。内置多模态预训练模型，能够对不同类型的数据进行理解、分析和生成，实现跨模态的信息融合。例如，制造业用户可利用平台同时分析设备传感器数据和生产线影像，实现对异常的综合判断；医疗用户可将影像、病历文本等多源数据交叉验证，提高48诊断准确率。通过多模态能力，平台可满足各行业丰富场景下的 AI 应用需求，突破传统单一模态模型对现实世界复杂信息理解的局限，使智能体具备更加全面的感知和认知能力。多用户多角色协同管理机制：提供企业级的团队协作和权限管理功能。支持多用户协同开发同一智能体项目，不同人员可扮演不同角色（如业务专家、模型训练师、系统管理员等）各司其职。平台设有细粒度的权限控制和审核流程，确保敏感数据和模型仅授权人员可访问，满足政企单位对安全合规的要求。通过内置的版本管理和日志追溯，团队成员可以并行开发、测试和部署，并保留变更记录，实现 AI 应用开发的协同高效与可管可控。这一机制有助于打破部门壁垒，促进业务与技术人员共同参与智能体创建，形成良性的 AI 创新协作氛围。开放 API 与主流行业软件系统互联能力：平台将提供标准化的开放 API 接口，便于与各行业现有的信息系统对接集成。通过 RESTfulAPI、SDK 等方式，企业可将智能体功能嵌入到现有业务流程中。例如，在政务场景中，可将智能问答机器人通过 API 接入政务服务门户或办公系统，实现“一网通办”的智能咨询；在制造业场景，可将智能体连接 MES/ERP 系统，实现对生产计划的自动优化决策。某政务共创平台已验证了此模式：零代码开发的智能体可通过 API 嵌入各类信息化系统业务流程。本平台的互联能力将确保 AI 能力与原有 IT 系统无缝衔接，避免形成新的信息孤岛，打造开放共融的产业 AI生态。基 于 RAG 技 术 的 私 有 知 识 库 集 成 与 智 能 问 答：平 台 内 置 RAG（Retrieval-AugmentedGeneration，即检索增强生成）技术，用于将用户私有知识库与大模型深度结合。用户可导入企业文档、行业法规、教材资料等知识库内容，平台通过向量数据库对知识进行索引。当智能体接到提问时，先检索相关知识片段，再将检索结果与提示一并输入大模型生成答案。这种 RAG 增强机制弥补了通用大模型知识更新不及时、易编造事实的缺陷，使智能问答基于企业自身的私有知识而非凭空猜测，回答更加准确且与实时信息密切相关。基于 RAG 的私有知识库集成功能可广泛用于企业内部知识问答、政务政策解读、医疗指南查询、校园问答等场景，实现专属知识、一问即答的智能客服与助手。综上，平台通过上述六大功能的有机结合，将打造一个通用、灵活、安全的 AI 能力底座。它既能适配国家信创环境要求，又兼顾易用性和扩展性，为不同行业快速定制智能体应用提供了可能。平台强调开放协同，既连接人机，又连接系统数据，真正实现各行业智能化升级所需的基础设施能力。三、预期应用情况“行业智能体一体化平台”具备高度通用性和可扩展性，面向制造、政务、医疗、教育、文旅等重点行业提供智能体支撑能力，预期将带来显著的经济效益和社会价值。（一）制造业桂林制造业正处于转型升级关键期，拥有先进装备制造、新一代信息技术等产业集群。平台引入后，预计助力当地如桂林福达股份等企业，通过设备预测性维护智能体，提前 72 小时精准预测设备故障，将设备停机时间减少 40%，保障生产连续性；工艺优化智能体依据大数据与 AI 分析，助力产品不良率降低 25%，每年为单企业节约成本超800 万元。智能决策助手整合供应链数据，实现智能排产与物流优化，订单交付周期有望缩短 15%-20%，增强桂林制造业在全国乃至全球产业链中的竞争力。（二）政务领域桂林市政务服务在优化营商环境、提升群众满意度上持续发力。借助平台，智能政务服务助手可整合社保、户籍、税务等 300 余项办事指南，实现 24 小时在线智能咨询与业务申报，群众办事“最多跑一次”甚至“一次不跑”，整体办事效率提升 60%。智能决策分析智能体基于城市运行大数据，辅助城市规划、交通治理等决策，使决策周期从49原本的数月缩短至数周，科学性提高 40%，推动桂林政务服务向智能化、高效化迈进，打造数字政府新标杆。（三）医疗行业桂林医疗资源分布不均，基层医疗服务能力有待提升。平台应用后，智能问诊助手可承担 80%以上常见疾病的初步问诊，引导患者合理就医，缓解大医院接诊压力。在桂林县级及基层医院，医学影像识别智能体辅助诊断，将诊断效率提高 2-3 倍，漏诊率降低 15%，提升基层医疗诊断准确性。同时，智能护理助手为慢性病患者提供康复指导，患者护理满意度提升 15%-20%，促进桂林医疗服务均质化发展，完善分级诊疗体系。（四）教育领域桂林教育系统致力于提升教学质量与教育公平。平台的智能教学助手助力教师自动批改作业，覆盖全市中小学 80%以上作业量，教师批改时间缩短 70%，将更多精力投入个性化教学。个性化学习推荐智能体依据学生学习情况，为全市 30 万 学生精准推送学习资源，学生知识掌握率提高 15%-20%。教育管理智能体协助学校优化排课、资源调配等工作，学校运营成本降低 10%-15%，推动桂林教育向智慧化、个性化大步迈进。（五）文旅产业作为世界级旅游城市，桂林文旅产业发展潜力巨大。平台部署后，智能旅游规划师每年为超 50 万游客定制个性化旅游路线，涵盖漓江山水游、阳朔乡村游、兴安历史文化游等特色线路，游客满意度提升至 95%。景区智能管理助手通过实时监测客流量，合理调控游客分布，安全事故发生率降低 50%。文化遗产保护智能体利用 AI 技术，辅助桂林石刻、灵渠等文化遗产的保护与修复，效率提升 30%，实现文化传承与旅游发展双赢，擦亮桂林文旅名片。四、市场前景（一）行业需求广阔随着全球数字化转型提速，人工智能作为新质生产力正加速融入各行各业。制造、政务、医疗、教育、文旅等领域对智能体平台的应用需求持续增长。据预测，未来五年我国行业级人工智能市场年复合增长率有望超过 30%，本平台所面向的多行业、多场景市场空间广阔，具备良好的成长潜力。（二）政策红利推动国家高度重视人工智能与实体经济融合，先后出台“十四五”数字经济发展规划人工智能产业发展三年行动计划 等系列政策，明确提出加快构建人工智能产业生态，推动 AI 在制造、政务、医疗等行业广泛应用。平台依托国产软硬件体系，契合国家“自主可控、安全可管”的技术路线，将持续受益于政策支持与财政扶持，具备良好的推广与落地环境。（三）技术演进优势以大模型为代表的基础 AI 能力正在快速发展，智能体作为“模型能力产品化”的关键形式，正成为企业落地 AI 的主流路径。平台采用开放架构设计，支持多模态接入与模块化部署，具备良好的技术演进适配性。随着智能体技术的持续突破，平台将不断扩展适用场景、丰富智能体形态，持续保持技术领先与应用竞争力。（四）生态构建潜力平台具有强大的“平台 生态”拓展能力。通过标准化 API 接口与插件机制，可吸引各类开发者、高校、企业共建应用生态，推动形成“开发共享再应用”的正向循环。未来平台有望发展为行业级智能体生态枢纽，支撑上下游协同创新，加速 AI 技术从科研成果向产业价值的转化。综上所述，“行业智能体一体化平台”顺应人工智能发展趋势，切中多行业智能升级需求，具备政策优势、技术优势和生态优势。项目建成后将成50为推动政产学研用融合发展的关键引擎，在助力产业高质量发展、提升国家数字化治理能力、保障关键技术自主可控方面具有重要战略意义。三、经济和社会效益经济效益：“行业智能体一体化平台”以国产化、自主可控为核心，构建通用、可扩展的 AI能力底座，显著提升各行业的运营效率和经济效益。（一）降低企业运营成本：平台通过零代码开发、多模态数据处理和智能决策支持，帮助企业实现流程自动化和资源优化配置。制造业企业可通过预测性维护和工艺优化，降低设备故障率和产品不良率，预计年均节约成本超过 20%。政务机构通过智能政务服务助手，提升办事效率，减少人力成本和运营支出。（二）提升生产效率和市场响应速度平台支持多用户协同管理和开放 API 接口，实现跨部门、跨系统的高效协作。制造企业通过智能体辅助供应链优化，缩短订单交付周期 15 %，提升市场响应速度。教育机构通过智能教学助手，提高教师备课和作业批改效率 60%，优化教学资源配置。（三）促进新兴产业发展平台为各行业提供智能体开发和部署能力，催生新的业务模式和服务形态。文旅产业通过智能导览和文化遗产保护智能体，提升游客满意度，推动文旅数字化转型。医疗行业通过智能问诊和影像识别智能体，提高诊断准确率和服务效率，促进智慧医疗发展。社会效益：“行业智能体一体化平台”作为新一代人工智能基础设施，具有显著的社会效益，主要体现在以下四个方面：（一）加速行业与公共事业的智能化转型，提升整体服务效能平台通过提供通用、可扩展的智能体开发与部署能力，推动制造、政务、医疗、教51育、文旅等多个行业的数字化升级。例如，政务领域的智能体应用可提升办事效率，减少群众等待时间；医疗领域的智能问诊助手可提高基层诊断准确率，缓解大医院压力；教育领域的个性化教学助手可优化教学资源配置，促进教育公平。这些应用不仅提升了公共服务质量，也增强了社会治理能力。（二）培育人工智能人才，构建区域创新生态平台的低门槛开发环境和开放 API 接口，降低了人工智能应用的技术门槛，激发了广大业务人员的创新热情。通过与高校、科研机构的合作，平台可作为人工智能人才培养的重要载体，推动校企联合培养模式，提升人才实践能力。此外，平台的生态系统建设将吸引更多开发者和企业参与，形成良性的创新生态，助力广西打造人工智能产业高地。（三）推动“人工智能 行业”融合，促进跨行业协同创新平台支持多模态数据处理和多角色协同管理，打破了行业间的信息壁垒，促进了数据共享与业务协同。例如，制造业的智能体应用可与政务数据对接，实现产业政策精准落地；医疗领域的智能体可与教育资源整合，推动健康教育普及。这种跨行业的融合创新，将催生新的业务模式和服务形态，提升整体社会创新能力。（四）强化自主可控能力，保障国家数据安全平台全面适配国产芯片和操作系统，支持本地私有化部署，确保关键技术的自主可控。在当前国际形势下，构建安全、可靠的人工智能基础设施，对于保障国家数据安全、提升网络安全防护能力具有重要意义。平台的推广应用，将有效降低对国外技术的依赖，增强我国在人工智能领域的自主创新能力。综上所述，“行业智能体一体化平台”不仅在经济层面具有显著效益，更在社会发展、人才培养、创新生态构建和国家安全等方面发挥着重要作用。其推广应用将为我国实现高质量发展和社会治理现代化提供有力支撑。十九、基于人工智能的工业冷热源设备节能优化云控制柜申报单位名称广西华蓝数智科技有限公司联系人及联系方式赵桂香 13657880466人工智能产品名称基于人工智能的工业冷热源设备节能优化云控制柜人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：能源管理一、单位简介52广西华蓝数智科技有限公司积极响应国家双碳战略和数字中国战略，依托华蓝集团（股票代码：301027）在城乡建设领域的深厚沉淀，以“构筑数智低碳的美好人居环境”为使命，致力于成为一流的建筑设备数字化运营服务商。公司拥有一支对城乡建设领域理解透彻、技术先进的专业团队，涵盖绿色建筑、暖通、电气、给排水、自动化控制、物联网、计算机技术、地理信息等多个专业，公司已取得工程设计电子通信广电行业（电子系统工程）专业乙级资质证书、合同能源管理服务 5A 级认证证书、节能技术服务 5A 级认证证书，具备提供咨询、设计、投资、建设、运营维护等全过程综合服务能力，为客户提供智慧低碳建筑（城市、园区、工厂）整体解决方案、建筑设备数字化运营等服务，助力数字化、智能化、绿色化转型升级。广西华蓝数智科技有限公司已成功在广西、广东、湖南、以及江苏等地开拓布局，建立了从项目评估、设计规划、施工实施到后期运维的完整业务链条，高效高质地完成项目，为客户带来实实在在的节能经济效益，已服务全国能源管理项目 75 个，管理设备40286 台，累计节能 653.40 万 kWh，累计减少碳排放 3637.41 吨 CO2，相当于种植 19.88万棵树。二、产品简介一、研发背景“十四五”规划开局后,“双碳”战略明显加速，大力推动节能减排，加快建立健全绿色低碳循环发展经济体系，推进经济社会发展全面绿色转型，助力实现碳达峰、碳中和目标。此外，在“十四五”节能减排综合工作方案中明确，到 2025 年，全国单位国内生产总值能源消耗比 2020 年下降 13.5%。因此，在节能降耗和“碳中和”的大环境影响下，为了加快推进工业领域向更加安全、高效、低碳、环保的方向高质量发展，工业发展也要随之向绿色低碳转型，如何通过绿色改造、优化用能结构、实施绿色运营管理，打造现代化、高质量、高水平的绿色工厂，已是工厂运营管理者亟需解决的重要问题。2022 年 6 月，工业和信息化部等六部门印发工业能效提升行动计划，明确要大力提升重点行业领域能效，持续提升用能设备系统能效，统筹提升企业园区综合能效，有序推进工业用能低碳转型，积极推动数字能效提档升级。到 2025 年，重点工业行业能效全面提升，规模以上工业单位增加值能耗比 2020 年下降 13.5%。2023 年 11 月，广西壮族自治区工业和信息化厅等三部门印发广西壮族自治区工业领域碳达峰实施方案，指出要推动重点用能设备节能增效，实施锅炉、电机、变压器、风机、水泵、空压机系统等通用设备能效提升工，鼓励企业对低效运行的风机、泵、压缩机等电机系统开展匹配性节能改造和运行控制优化。到 2025 年，全区规模以上单位工业增加值能耗较 2020 年下降 15.8%。为了响应了国家及地方节能减碳政策的号召，我公司自主研发基于人工智能的工业冷热源设备节能优化云控制柜，优化工业领域冷热源设备运行管理，提升用能品质，降低能源消耗水平，延长用能设备使用寿命，加快提升工厂、园区的生产效率和现代化管理水平，为可持续发展提供前进的动力。产品功能基于人工智能深度学习模型搭建工业冷热源设备节能优化云控制柜，通过实时采集和分析冷热源设备的运行数据、能耗数据，运用 AI 模型算法动态预测工厂用冷/用热需求，及时优化调整冷热源设备控制参数，以追求整体能效比值最优化为目标，降低制冷/制热主机、空压机、水泵、冷却塔、风机等设备能耗，从而有效降低工厂冷热源系统的总能耗。（一）多源数据感知53实时采集工业冷热源系统主要设备（如制冷/制热主机、空压机、水泵、冷却塔、风机等）、设施（如出水管、回水管阀门、冷量计、电表）的运行参数、室内外环境参数，通过高性能计算平台，将数据过滤、清洗，并分析、提取有效特征参数，通过对多源传感器采集的数据进行融合，生成实时、高效、综合的设备、环境感知结果。（二）AI 精准负荷预测基于历史数据与当前环境条件、设备运行情况，采用先进的深度学习模型预测未来短时期的冷热负荷趋势，为系统提供前瞻性的操作依据，使得冷热源系统能够提前调整，避免过载或低效运行，确保供需平衡。（三）AI 精细化设备调度基于预测和实时监测数据，系统 AI 模型能够自动生成精确的设备控制指令，包括设备的启停、负荷合理分配以及运行模式的自动切换。在低负荷时段，模型会自动减少主机运行数量，调整水泵频率至经济转速，从而节省能源；而在高负荷时段，则能确保所有设备高效协同运行，满足冷量、热量需求的同时保持最佳能效比。（四）多变量协调控制系统综合考虑了环境温度、湿度、室内温湿度要求、设备运行状态等多个变量，通过精细化的算法模型，实现对空调系统内各组件的多维度、多层次协同优化，动态调节冷冻水温度、冷却水流量，确保主机和水泵等关键设备始终工作在高效区间，避免不必要的能耗损失。（五）AI 深度自学习通过深层神经网络 AI 模型的多参数迭代，高精度模拟设备运行机理，不仅能自动适应环境变化，还能自我学习和优化，随着运行数据的积累不断精进控制策略，实现管理的持续迭代升级。（六）人机交互体验通过大屏、触摸屏、手机 APP、触摸平板实时展示控制系统功能，不仅提供了全面、直观的设备运行管理情况和工厂、园区环境信息，还集成了安全提醒功能及短信推送功能，进一步提升了系统的智能化水平和用户体验。应用情况基于人工智能的工业冷热源设备节能优化云控制柜已投入到江苏国晟世安新能源有限公司厂区、湖南立方锂电池工厂、贵州达沃斯光电有限公司、安徽胜利精密制造科技有限公司杭埠工业园等工厂、园区，实现工厂、园区冷热源设备管理智能化升级，提升能源数字化管理水平，能源消耗水平下降 30%左右，单位产量能源消耗量、万元收入能源消耗量显著下降。市场前景政策支持国家层面出台了一系列政策以推动工业节能发展，如进一步加强节能标准更新升级和应用实施20242025 年节能降碳行动方案等，这些政策不仅提出了节能降碳的目标和任务，还强化了法规和标准，为工业节能提供了政策支持和方向指引。越来越多的制造业企业开始关注产品的全生命周期管理，致力于减少资源消耗和环境污染。市场需求随着国家双碳政策的推进和国际市场碳税压力加大，制造业企业生产运营成本不断增加，越来越多的企业开始重视节能减排，进一步推动了节能改造市场的需求增长。技术优势随着大数据、人工智能、物联网等技术的不断成熟和应用，中国制造业的数字化转型将进一步加速，工业制造业企业也将更加重视通过数字化手段提升生产效率、降低生54产成本、增强市场竞争力。人工智能算法在数理计算、目标寻优方面具有独特的优势，工业节能是 AI 技术的理想应用场景，能够产生实实在在的经济价值。基于人工智能的工业冷热源设备节能优化云控制柜通过 AI 算法模型优化冷热源设备控制流程，提高能效比，增强空气净化能力，使能源管理更智能化、精准化，为高端制造企业恒温恒湿洁净车间提供更加高效、可靠解决方案。三、经济和社会效益（一）经济效益基于人工智能的工业冷热源设备节能优化云控制柜已于 2023 年应用于湖南立方锂电池工厂，通过七次节能率对比测试，得到综合节能率为 46.73%，2024 年节省电量为184 万 kWh/年，节约电费为 133 万元/年；于 2024 年应用于江苏国晟世安新能源有限公司厂区，节能率测算为 27%，预计年节省电量为 243 万 kWh/年，预计年节约电费为 170万元/年；于 2025 年应用于贵州达沃斯光电有限公司厂区，节能率测算为 35%，预计年节省电量为 511.23 万 kWh，年节省电费为 373.62 万元。（二）社会效益通过在工厂、园区实施基于人工智能的工业冷热源设备节能优化云控制柜，响应了国家及地方节能减碳政策的号召，完善用能管理流程，提升用能品质，延长用能设备使用寿命，实现了能源系统数智化，设备管理智能化，能源数据清晰化，减轻了企业能源管理负担，为企业可持续发展提供前进的动力。二十、高速公路机电监管养云平台申报单位名称广西智投机电工程有限公司联系人及联系方式兰书棋 18877280496人工智能产品名称高速公路机电监管养云平台人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西智投机电工程有限公司是广西交通投资集团有限公司（以下简称交投集团）下属企业广西机械工业研究院有限责任公司（以下简称机械院）全资子公司，实行合署办公管理模式。公司以高速公路机电工程全产业链业务为核心，通过信息化、智能化技术，提升高速公路机电、运维、养护项目标准化、规范化水平，致力于成为广西高速公路机电养护、运维工程领域主力军。智投公司注册资金 10008 万元，持有公路交通工程（公路机电工程）专业承包壹级资质、施工劳务资质、路基路面养护乙级资质、桥梁养护乙级资质、隧道养护乙级资质、交通安全设施养护资质，主要承接公路机电工程，公路通信、监控、收费、隧道等机电施工、运维业务；自成立以来，智投公司、智通公司累计承接机电建设及运维项目 60余个，施工足迹遍布广西各地，在机电建设及运维领域拥有丰富经验，公司坚持“机电施工 智慧交通”双轮驱动，做大做强公路机电工程施工、运维、养护和智慧交通研发业务，培育壮大高速公路机电工程全产业链，积极探索高速公路运维、养护管理新模式，通过科技创新实现降本增效，运用信息化管理手段，推动区内高速公路运营质效提升，进一步优化公路设施服务能力。55二、产品简介研发背景作为国家治理体系和治理能力现代化的重要组成部分，应急管理现代化备受国家关注，陆续出台的应急管理现代化相关政策，为智慧应急工作提供了政策指引。2022 年 关于加强交通运输应急管理体系和能力建设的指导意见中强调，到 2025 年，要基本建成组织完备、协同有力、反应灵敏、运转高效的交通运输应急管理体制、机制和应急救援体系，到 2035 年，交通运输应急管理能力达到世界先进水平，依法应急、科学应急、智慧应急和共建共治共享的综合交通运输应急管理格局全面形成。信息化时代，智慧应急作为一种新兴的危机管理机制，正逐渐成为现代社会应对各类紧急情况的重要工具。应急工作本身存在流程繁杂，多部门协作处理日常事务等特征，需要复杂的技术整合应用才能提升整体效率和精准度。大模型的出现有望凭借规模化优势解决这些应急工作难题，大模型、物联网和人工智能的发展提升了交通运输应急管理的预测预警和实时监控能力，以大模型等新技术推动应急管理工作发展，聚焦完善应急业务事前监控预警体系和模式，整合创新应急业务应用场景，全面提升事中事后辅助指挥决策、救援实战和社会动员的能力，通过多项智能化技术快速提升应急管理效能。本项目结合数据中台与大模型在交通应急安全领域打造一个集数据采集、存储、处理、分析、决策于一体的“智慧交通大脑”。平台采用人工智能、云计算、大数据等先进技术，整合静态属性数据、动态感知数据、应急巡检情况等交通运营数据资源，实现全面监测和感知，从而提供科学的运维管理决策，为公路交通事业的发展和公众安全出行保驾护航。功能（一）构建基于大模型技术的移动单兵监测交通应急安全平台为了实现交通应急管理业务的标准化、信息化、智能化、精细化，基于现行国家相关标准规范，研究机器学习、人工智能等先进技术在交通应急管理业务领域的应用，对应急管理业务进行数据分析和挖掘，发现数据中的隐含关系和趋势，提取有价值的信息用于应急管理决策的支持，实现对应急管理决策的科学化，为高速公路应急管理业务提供全方面的支撑。（二）高速公路多源数据的数据支撑底座为解决交通应急管理数据碎片化、数据安全性、数据资产价值发挥等问题，研究交通应急管理业务数据构成、数据价值，构建一个应急管理数据支撑底座；研究统一的数据标准，夯实信息数据基础；研究数据共享机制，确保数据的通用性和可访问性；研究数据安全机制，建立全面的数据安全管理流程。整合数据、提供数据标准和接口、建立统一的数据管理机制，帮助用户更好地管理、利用和保护数据资源，为交通应急管理业务智能化建设提供可靠、可用、可信的数据支撑。（三）地理信息技术的研究为了对道路资产、交通设施和周边环境等信息的集中管理和智能化查询，基于地理信息技术，研究基础地图服务、搜索服务、图层叠加服务、路况渲染服务、点聚合服务等内容，构建轨迹纠偏服务，构建交通应急管理的地理信息系统（GIS）。实现对道路网络进行精确的空间数据管理，将应急管理数据以可视化的方式呈现，包括病害分布图等，帮助应急管理人员更好地了解道路状况、进行科学决策，并及时响应应急救援需求。（四）研究交通应急大模型研究交通应急管理业务场景下的大模型技术，通过与数据中台对接，通过数据清洗、数据增强、数据回流等过程后对模型进行训练，达到基于用户输入的应急提示生成各种内容、自动总结应急管理方案，提取出核心要点、根据应急方案、计划等数据，生成基56本的成本预算的效果，构建符合当地实际情况的应急管理业务知识体系，促进机电应急管理工作以经验为主导向以标准为主导的转变。应用情况该平台在广西高速公路部分路段和特定设备中得到应用示范。该项目的实施将各个产业链环节紧密连接起来，实现了数据共享和协同作业。同时，该项目通过技术创新和应用推广，不断推动产业链的升级和完善，为相关企业提供了广阔的发展空间和商业机会。成果将进一步应用于平南、田新、巴田、平武、桂柳改扩建及两桥等机电工程，有效促进集团高速机电与管养的运维业务、管养全流程服务可视化、快速交付验收等多维度的数字化升级。积极推动高速公路机电工程建养护科技创新与产业发展的深度融合，为企业数字化转型夯实坚实基础；有效促进了广西高速机电与管养的运维业务、管养全流程服务可视化、快速交付验收等多维度的数字化升级通过优化科研资源配置。市场前景长期以来，我国针对交通突发事件的预防与应急准备、风险监控、应急处置与救援等应急管理模式相对单一，常以经验为根据制定应急救援方案，缺乏对交通突发事件的系统认识、未来可能情景的聚类分析，导致在提升公共安全风险监测预警和应急响应的整体能力方面，存在一定短板。大模型作为一种整合了多种数据源、模型与算法的决策支持技术，可以对复杂的交通系统进行全面建模与分析，为交通应急安全决策提供科学依据。通过大模型的运用，显著提升数据应用、信息整合和共享能力，实现应急管理工作的智能监测和预测，不仅可以有效提高交通应急决策的效率和科学性，促进各个部门和利益相关方的交通应急数据共享和交流，提高工作协同和信息共享的效率，还能降低运营成本，延长交通系统的使用寿命，具有广阔的应用前景。近年来，广西公路交通应急安全业务逐渐实现了信息化的转型与升级，但在其发展过程中仍存在一些痛点和困难。项目实施后，为广西应急安全平台形成统一的数据标准体系，通过先进的数据处理技术和算法分析，为用户提供全面、准确的决策支持。还可以促进交通应急数据的共享和交流，提高工作协同和信息共享的效率。为广西地区的交通应急安全工作带来巨大的改变和提升，具有广阔的应用前景。三、经济和社会效益经济效益项目成果应用于交通应急管理业务中，服务对象包括各高速集团、各个机电设备维护部门、公路业主单位等，为其提供全面、准确的数据支持和智能化决策。中国智慧交通市场规模保持高速增长态势。2023 年中国智慧交通行业市场规模已达 2817 亿元，预计 2026 年将突破 4000 亿元。本项目通过微服务技术，可根据客户需要场景进行定制化功能模块的开发，满足不同地区客户的需求，通过 SaaS 平台，实现快速构建、快速复制、敏捷规模化，快速推广应用到交通应急管理业务应用场景中。项目立足广西以南宁为业务发源地和项目示范点，计划陆续在华南地区展开推广，为客户提供服务，逐步在全国市场推广应用。与基建行业龙头企业，如广西北投、广西交投、建工集团、中铁隧道等开展战略合作，依托合作伙伴的产业资源优势，共同推广产品。以高速公路应用场景为例，目前广西高速公路建设 8000 公里路段，根据数据显示每200 公里平均有 6 个标段，预计广西全区共有 240 个标段，其需求量大，以标段作为试点，项目目标每年增加 2 个试点。项目预期在实施期内建立 1 个示范点，主要以广西南宁市管辖区域内标段为主，广西其他城市管辖区域内标段为辅，共计实现 1000 万元，利税 110 万元。57社会效益平台能够对道路交通事故，道路损坏，设备病害、疲劳、损伤等方面进行深入分析，并基于数据结果提供具体的应急方法和措施，帮助决策者及时制定科学合理的应急计划。平台的应用在各交通应急管理场景中充分体现了技术适用性和社会价值。主要体现在：（一）实时监测，提升应急安全管理水平通过大模型技术，平台能够实时监测交通的运行状态，掌握道路内违规停车、变道、逆行等情况并及时进行干预，将传统人工巡检升级为 24 小时实时在线巡检，显著提升设备故障与隐患的检出率，大大缩短了应急响应时间，通过对视频数据进行智能分析和处理，实现提前感知、主动诱导、精准管控，提高了决策的准确性和可靠性。（二）增强交通应急响应能力平台通过实时监测和智能分析，精准定位人员和车辆的位置，实时监测其动态，还能与外部的应急救援力量进行实时通信和协作，提高救援的效率和准确性。同时，平台支持信息共享和协同作战，不同部门、不同岗位的应急人员可以实时了解现场情况，协同完成应急响应任务。（三）提升公众安全感与满意度平台可以提前发现潜在的安全隐患并采取措施加以消除，为公众提供更加安全可靠的出行环境。同时，平台通过精准预测和调度，优化道路通行能力，可以减少因交通拥堵造成的燃油消耗和时间成本。这有助于提升公众的安全感和信任度，增强公众的出行体验和满意度。二十一、VRmama 消费循环引擎申报单位名称医劢德发展（广西）有限公司联系人及联系方式黄祺俨，手机号（微信）19077412901人工智能产品名称VRmama 消费循环引擎人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介医劢德发展（广西）有限公司由一群平均年龄 30 岁的大学生创业者于 2022 年创立，核心团队毕业于中国人民大学、广西大学、中山大学等，深耕数字资产、区块链技术、软件开发、领域 6 年，曾与广西壮族自治区大数据发展局及广西数字浪潮服务有限公司及广西圣保堂投资有限公司合作，成功试点“中国-东盟区块链数字集市医疗救助工程”，积累了丰富的区块链 公益实践经验。公司与乐予慈善基金会成立了“乐予慈善基金会志愿守护专项基金”专注于为志愿者或曾经为公益事业奉献的人群服务，将 AI 消费引擎与公益事业相结合，打造“消费-公益”联动模式。公司积极响应国家数字经济、促进消费和退伍军人、大学生就业创业等政策。我们并非 AI 技术背景出身，但我们坚信技术应该服务于人，应该用来解决实际问题。通过整合前沿技术与本土资源，探索“消费-公益-数字资产”创新模式，致力于为广西乃至全国实体经济转型贡献青年力量。58二、产品简介一、项目概况与核心定位(一)项目使命与愿景使命：以 AI 智能体驱动，将用户日常消费行为转化为可感知的数字权益，实现“支出变收入”，赋能个体与实体经济，并创新公益服务模式。愿景：构建数据驱动、价值共享的“消费-公益-创业”闭环生态系统，为数字经济发展贡献创新力量。(二)核心定位VRmama 平台：AI VR 赋能的生态核心，连接消费者、商家、服务提供方与社会资源。技术定位：“AI 应用创新者”，整合前沿技术，解决实际应用问题。二、产品简介(一)产品研发背景市场痛点与行业趋势洞察：(1)消费者端：日常消费价值被忽视，个性化需求（尤其是民生、公益类）缺乏有效解决途径。(2)商家端：获客难，数字化转型挑战大。(3)AIAgent、数据要素价值化、社区经济是重要发展方向。VRmama 的机遇与技术渊源：(1)VRmama 团队在区块链应用领域拥有深厚积累，特别是在成功试点中国-东盟区块链数字集市医疗救助工程的过程中，我们依托桂链及“腾讯联盟链”构建了可信的医疗救助与公益存证体系。基于此经验，我们将这一技术沉淀应用于 VRmama 消费引擎的信用分与医疗金数字凭证系统中，确保了其安全、透明与高效运行。(2)我们将此区块链技术与 AI 智能体、VR 技术相结合，创新“消费引擎”模式，旨在解决上述痛点。(二)产品核心功能AI 智能体驱动的“支出变收入”引擎：(1)智能消费记录与分析：多渠道（OCR 小票、合作商家同步、手动补充）记录用户授权的消费数据。(2)价值贡献评估与双轨数字凭证转化：AI 智能体评估用户消费行为的“价值贡献度”。基于“桂链”技术，转化为“信用分”（平台消费贡献数字凭证）：用于平台内消费抵扣、兑换、生态内按规则流转及作为“首发 Agent”任务核心悬赏。基于“桂链”技术，转化为“医疗金”（平台公益贡献数字凭证）：与乐予慈善基金会“志愿守护专项基金”合作，记录用户公益贡献，用于申请捐赠票据、发起/支持公益项目。“首发 Agent”-个性化需求众包与公益创新平台：(1)功能定位：用户可通过“首发 Agent”发布个性化需求、社区痛点或公益创意。(2)公益属性强化：平台可将具有普遍社会价值或民生意义的需求，优先通过“医疗金（公益积分）”进行悬赏或补贴，鼓励技术团队或社区志愿者以公益或半公益形式承接解决。(3)商业与公益结合：对于商业价值较高的需求，则主要以“信用分”悬赏。部分项目也可探索信用分 医疗金混合悬赏模式。(4)解决方案众包：注册的技术团队、开发者、专业人士或社区组织可浏览悬赏任务，59提交解决方案并获取相应积分回报。(5)核心价值：用户无需额外资金投入，通过日常消费积累的积分，即可驱动社会力量解决其实际问题或实现公益构想。VRmama 平台（自主研发）：(1)VR 虚拟店铺/空间构建。(2)跨店互动、虚拟社交、品牌孵化。(3)轻量级 VR 应用，手机体验。AI 驱动的创业赋能工具（集成）：(1)精准营销辅助、智能选品建议、初步风险评估。(三)产品应用情况与前景已验证基础：(1)“消费即公益”及区块链存证模式已在“中国-东盟区块链数字集市医疗救助工程”中成功实践。(2)基于“桂链”的数字凭证技术已具备应用基础。核心应用场景展望：(1)本地生活服务激活。(2)社区服务创新与民生问题解决(通过“首发 Agent”公益悬赏模式)。(3)健康管理与互助(结合蔚源意向，探索高端资源对接与积分医疗众筹)。(4)新型就业与创业孵化。市场前景广阔：AIAgent 创新应用、数据要素价值化、公益模式创新均符合国家战略和市场趋势。三、经济和社会效益预期经济效益1.促进消费与内循环：通过积分激励有效激活本地消费，特别是引导对本地商家、公益产品的消费，形成良性循环。2.创造新型就业与创业机会：“消费合伙人”计划为退伍军人、大学生、宝妈等提供低门槛、灵活的就业增收途径。3.赋能中小微企业：提供低成本数字化工具（VR 店铺、AI 营销），提升经营效率，拓宽市场。4.助力公益事业可持续发展：“消费-公益”联动模式为公益项目提供稳定资金来源，并提升公众参与度。5.探索数据要素价值：在合规前提下，汇聚消费数据，为区域产业规划和政策制定提供数据洞察支持，驱动数智经济发展。对消费者的价值：1.促进消费与内循环：通过积分激励有效激活本地消费，特别是引导对本地商家、公益产品的消费，形成良性循环。2.创造新型就业与创业机会：“消费合伙人”计划为退伍军人、大学生、宝妈等提供低门槛、灵活的就业增收途径。3.赋能中小微企业：提供低成本数字化工具（VR 店铺、AI 营销），提升经营效率，拓宽市场。4.助力公益事业可持续发展：“消费-公益”联动模式为公益项目提供稳定资金来源，并提升公众参与度。5.探索数据要素价值：在合规前提下，汇聚消费数据，为区域产业规划和政策制定提供数据洞察支持，驱动数智经济发展。(1)直接收益：通过“信用分”兑换商品/服务、参与优惠活动，甚至按规则转让获得实际收益，真正实现“支出变收入”。(2)间接节省：通过 AI 智能推荐和决策辅助，优化消费结构，避免不必要开支。(3)个性化满足：通过“首发 Agent”机制，以低成本（甚至零成本）方式解决个性化需求。对本地商家/企业的价值：(1)提升营收：通过平台引流、积分促销、VR 场景营销等60方式，直接提升销售额。(2)降低成本：提供低成本数字化工具，降低营销和获客成本。(3)增强用户粘性：积分体系和会员服务有效提升用户忠诚度和复购率。对平台自身的价值：(1)构建可持续商业模式：通过平台服务费、增值服务、广告、数据服务（合规前提）等实现盈利。(2)积累高价值数据资产：形成独特的消费行为数据库，为 AI 模型优化和商业决策提供支撑。(3)打造强大生态网络：吸引更多用户、商家、开发者、合作伙伴加入，形成网络效应。(二)预期社会效益1.促进消费与经济发展：(1)激活本地消费潜力，助力构建内循环为主的新发展格局。(2)项目全面推广后，带动本地年消费额提升。创造就业与支持创业。2.创造就业与支持创业：(1)“消费合伙人”计划预计可为本地提供灵活就业岗位。(2)“首发 Agent”需求众包模式可为技术人才和大学生提供项目实践与收入机会。(3)赋能本地中小微企业数字化转型，提升其生存与发展能力。3.助力公益事业创新与发展：(1)“消费即公益”模式为公益提供资金。(2)“首发 Agent”公益悬赏模式，能精准对接社会资源解决具体公益需求，提升公益效率和参与度。(例如：为特定社区老人群体开发一个助残小程序，可通过医疗金悬赏。)4.提升民生服务水平与社会治理效能：(1)“首发 Agent”成为收集和解决民生“微心愿”“微需求”的有效渠道。(2)助力政府更精准地了解民情民意，优化公共服务资源配置。5.推动数据要素市场化与数字广西建设：(1)基于“桂链”和与广西大数据局的合作渊源，在消费数据确权、合规应用方面具有独特优势和试点价值。(2)为广西大数据产业发展和数字经济创新提供典型案例和实践经验。二十二、空地协同风电场巡检机器人及关键技术申报单位名称广西广投桂中新能源有限公司联系人及联系方式熊伟伟：13978838896人工智能产品名称空地协同风电场巡检机器人及关键技术人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介61广西广投桂中新能源有限公司成立于 2022 年 7 月 15 日，是广西能源集团有限公司全资子公司，注册资本 10 亿元，注册于来宾市兴宾区。作为广西投资集团（世界 500强企业）旗下新能源核心平台，公司以“绿色、低碳、创新”为发展主线，深耕风电、光伏等清洁能源领域，致力于构建桂中百万千瓦级清洁能源基地，推动区域能源结构向高附加值、高技术含量、低碳化方向转型。在风电领域，公司以来宾市为重心，累计获批 13 个风电项目，是广西风电领域领跑者，项目总装机容量达 140 万千瓦，成为广西首个在单一地市风电指标突破百万千瓦的企业，首批 3 个项目已全面开工，计划 2025 年实现全容量并网；与此同时，公司同步打造了广西规模领先的分布式光伏标杆项目来宾河南工业园 8.3MWp 屋顶光伏电站，2023 年底全容量投产并网，覆盖屋顶面积、用户规模及并网点数量均居全区前列。凭借行业领先的清洁能源开发能力，公司获评电力行业信创标杆、增值税一般纳税人资质，成为广西国企数字化转型示范单位。未来，公司将以“技术国产化、产业规模化、管理智慧化”为目标，深化产学研合作，持续拓展光伏、储能等多元化业务，力争2025 年建成华南地区最具竞争力的清洁能源综合服务商，为国家“双碳”战略及区域经济绿色转型注入新动能。二、产品简介研发背景在大型陆上风电场的巡检场景下，需要有智能装备帮助完成人难以完成的巡检任务，例如风机叶片监测、电力杆塔线路巡检等。本项目正是在这一迫切需求下，公司与武汉大学共同研制空地协同陆上风电场巡检机器人及相关关键技术。功能本产品主要功能包括：（一）风电场巡检任务规划与数据分析处理（二）空地协同风电场巡检机器人协同控制（三）风电场巡检用无人机场及其放飞回收装置（四）基于无人机平台的风机叶片表面损伤实时检测软件（五）基于无人机平台的电力杆塔线路风险实时检测软件应用情况技术产出为空地协同风电场巡检机器人，包含移动平台、巡检无人机，并通过智能识别算法能够精准识别多种风机叶片表面损伤和电力杆塔线路风险，快速定位目标，实现及时发现及时预警。市场前景能够用于大型陆上风电场的巡检场景，经过改造，还可以用于电力、水利、林业、农业、园区等需要智能机器人代替人工的巡检场景。三、经济和社会效益一、经济效益项目将有效降低巡检作业成本，减少人工投入；并显著提高作业效率，缩短巡检周期；保障风车叶片使用效能，降低风车故障率。按照检机器人的单价则约为 80 万元/台，假设使用年限为 8 年、维修费用率为 3%、每台室外巡检机器人的巡检效率与人工相同，一台室外巡检机器人在使用期限内的年均花费约为 12.1 万元，而概述上述内容可知，2020 年全国城镇非私营单位就业人员平均工资 116728 元。如果投放到实际情况，电力巡检机器人的效率远高于人工，所以巡检智能机器人经济性较好。社会效益62（1）缓解能源供应紧张，保障安全电力生产广西近年面临煤、电供应紧张局面，风电开发可补充电网缺口。例如钦北区五宁风电场年上网电量 2 亿千瓦时，直接缓解钦州电网供需矛盾，支持地方经济发展。空地协同风电场巡检机器人可以保障风车安全运行，保障安全电力生产。（2）促进就业与产业链发展风电项目带动装备制造、安装运维等产业链发展，形成产业集群效应。广西规划打造风电基地，形成规模化装机，创造就业机会。空地协同风电场巡检机器人需要电力、计算机等跨学科人才，推动本地技术团队建设。（3）提升能源安全与社会稳定性风电作为分布式能源，可增强电网抗风险能力。例如 2022 年广西大风天气中，风电出力 30 小时内增长 27 倍至 693 万千瓦，有效应对突发用电需求。二十三、雷视融合交通事件检测系统申报单位名称广西交科集团有限公司联系人及联系方式唐文娟 18776148710人工智能产品名称雷视融合交通事件检测系统人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西交科集团（以下简称“广西交科”）前身是隶属于交通运输厅的交通科学研究院，现为北投集团旗下拟上市的大型国有高新技术企业。依托 50 余人博士、800 余人硕士、500 余人的信息化相关人员，深耕交通领域，目前已成为广西交通建设新技术的策源地、交通系统信息化领军企业以及广西科研成果转化最成功的企业。2024 年底，实现营业收入 42 亿元，利润总额 3 亿元，综合实力排名全国交通科研院所前三。广西交科是广西交通行业首个国家企业技术中心；拥有高等级公路建设与养护技术、材料及装备交通运输行业研发中心，是广西第一家桥梁检测单位、公路水运试验检测机构，广西唯一一个 A 级信用等级环评机构，自主研发广西第一套自主知识产权的 ETC系统；多次荣登广西高新技术企业百强榜首、创新活力十强榜首，拥有 44 个国家和省部级科研平台及创新载体，承接省部级以上科研创新项目 300 余项，为各级党委、政府和企事业单位提供技术服务。共有科技创新人才 700 人，着力于基础设施建设技术服务，进行多领域协同创新，其中道路、桥梁、智能交通方向的省部级平台均为广西交通行业首创或唯一。广西交科坚持“成果产业化，产业新质化”为发展路线，成果转化产品主要有：智慧高速云控平台、桥梁隧道边坡健康监测系统及桥梁主动防撞预警系统等 60 多个数智信息化产品；橡胶沥青、高粘沥青超薄磨耗层、耐久性标线等环保型沥青建养新材料系列产品；隧道 LED 智能调光系统、无人值守收费系统等智能交通机电产品。成果转化累计产值达 50 亿元。二、产品简介63针对高速公路隧道管理困难，应急处置响应慢的问题，研发雷视融合事件检测系统，利用毫米波雷达和视频相机进行隧道道路目标检测，采用融合算法对路面信息感知，输出实时车辆信息（位置、轨迹、车牌、车型、车速等），输出实时交通事件信息（行人、施工、停车、逆行、拥堵、紧急停车道占用、低速等），对进入隧道的两客一危车辆重点跟踪和管控。较传统视频事件检测，对车辆目标有更高的识别率（99%），同时能提供车辆在隧道内的全程轨迹图和隧道内车辆全貌，能更好的对事件研判。产品能用隧道监控设备，配合自研的毫米波雷达的车牌车型识别设备，实现车辆在隧道内的全程跟踪和监控，车辆轨迹跟踪率96%,车辆信息正确率96%,事件识别准确率96%。能快速识别隧道内紧急事件，提供事件抓拍图、事件抓拍视频、事件现场实况图像和车辆轨迹图，让管理者对事件一目了然，便于及时实施处理计划，全方位保障隧道安全。目前该产品已应用在思防高速百宝隧道，信梧高速爽冲隧道，阳爽隧道，陈岭顶隧道。三、经济和社会效益该产品已应用在思防高速百宝隧道，信梧高速爽冲隧道，阳爽隧道，陈岭顶隧道。联动平台事件处置流程，实现事件的快速检测，定性，及处理决策。通过秒级事件检测（如异常停车、行人闯入），响应时间缩短至 8 秒以内，较人工巡检效率提升 90%。降低维护复杂度与人力成本。通过硬件集成、智能算法与场景化部署，在建设期和运营期均展现出显著经济效益。其核心价值不仅在于直接成本节约，更通过数据驱动的精细化管理和车路协同生态拓展，为高速公路运营方创造长期收益增长点。二十四、隧道 LED 照明调光控制系统申报单位名称广西交科集团有限公司联系人及联系方式夏光亮，18775332186人工智能产品名称隧道 LED 照明调光控制系统人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西交科集团（以下简称“广西交科”）前身是隶属于交通运输厅的交通科学研究院，现为北投集团旗下拟上市的大型国有高新技术企业。依托 50 余人博士、800 余人硕士、500 余人的信息化相关人员，深耕交通领域，目前已成为广西交通建设新技术的策源地、交通系统信息化领军企业以及广西科研成果转化最成功的企业。2024 年底，实现营业收入 42 亿元，利润总额 3 亿元，综合实力排名全国交通科研院所前三。广西交科是广西交通行业首个国家企业技术中心；拥有高等级公路建设与养护技术、材料及装备交通运输行业研发中心，是广西第一家桥梁检测单位、公路水运试验检测机构，广西唯一一个 A 级信用等级环评机构，自主研发广西第一套自主知识产权的 ETC系统；多次荣登广西高新技术企业百强榜首、创新活力十强榜首，拥有 44 个国家和省部级科研平台及创新载体，承接省部级以上科研创新项目 300 余项，为各级党委、政府和企事业单位提供技术服务。共有科技创新人才 700 人，着力于基础设施建设技术服务，进行多领域协同创新，其中道路、桥梁、智能交通方向的省部级平台均为广西交通行业首创或唯一。64广西交科坚持“成果产业化，产业新质化”为发展路线，成果转化产品主要有：智慧高速云控平台、桥梁隧道边坡健康监测系统及桥梁主动防撞预警系统等 60 多个数智信息化产品；橡胶沥青、高粘沥青超薄磨耗层、耐久性标线等环保型沥青建养新材料系列产品；隧道 LED 智能调光系统、无人值守收费系统等智能交通机电产品。成果转化累计产值达 50 亿元。二、产品简介一、产品研发背景随着“交通强国”建设的持续开展和加速进行，我国公路建设取得了瞩目的成就，而公路建设中造价高，施工难度大的隧道其数量也有较大的增长。根据交通运输部的统计数据，截止 2023 年末，全国公路隧道 27297 处，3026.18 万延米，其中特长隧道 2050处、924.07 万延米，长隧道 7552 处、1321.38 万延米。随着我国公路隧道数量的逐年增加，为了更好地实现隧道安全节能的照明目标，目前，大部分新建隧道均采用了亮度可调的 LED 灯具为隧道提供照明。LED 灯相比于传统的钠灯已实现较大幅度的节能。在此基础上，引入 LED 照明节能控制系统，实现精准、按需照明，可以进一步减少耗能。二、产品功能1、交科隧道照明调光系统依据公路隧道照明设计细则，基于洞外亮度进行调光控制，洞内照明亮度根据洞外亮度实时变化，按需照明。智能无级调光控制器根据视频亮度检测器采集的洞内、外亮度值对 LED 灯具进行亮度调节，根据色温检测器采集的现场色温值对 LED 灯具进行相应的色温调节。智能分析当前环境亮度情况，结合季节因素、气候、每天时段、日出日落时间、车流量、折减系数、维护系数等因素通过人工智能算法综合计算来车时的照明需求，进而确定入口 过渡加强段的开启策略和开启数量，确定入口 过渡加强段照明的亮度、中间段的亮度等，利用最少电能保证安全行驶所需照明水平。2、智能无级调光系统照明控制分四种方式：本地手动控制、时间模式、远程手动控制、智能无级调光自动控制。系统以自动控制为主，手动控制为辅。可通过本地或者远程设置手动/自动进行模式切换。3、分段控制工作流程：当车辆通过隧道入口处的车检器时，触发来车信号，车检器通过光纤网络将来车信号传输到智能无级调光控制器，如控制器处于自动控制模式下，依次开启各分段灯具，实现“车来灯亮”的功能，车过相应段后再关闭加强段灯具，调暗基本照明段的照明，实现“车走灯暗”的效果。每段的洞内无级调光分段控制器配置一个车检器，智能无级调光控制器与洞内无级调光分段控制器配合工作，通过车检系统感知车辆在隧道中位置从而在整体上实现“灯随车行”效果。三、产品应用情况与市场前景十余年来，广西交科隧道 LED 照明调光系统在广西区内外 300 余座隧道推广应用，累计实现产值 2 亿元，节约电费 3.5 亿元。随着高速公路建设的持续进行，以及已建成高速公路隧道照明改造工作的陆续开展，该产品具有较好的市场前景。三、经济和社会效益65一、社会效益1、交科隧道照明调光控制系统在工程实践中具有实用价值，在一定程度上提高了整个高速公路隧道照明的智能化水平，在隧道照明控制领域具有一定的参考价值。2、调光控制系统具有良好的节能效果，符合国家大力倡导的节能降碳，绿色环保政策。3、在节能的同时为司乘人员在隧道行驶提供舒适的照明环境，保证清晰的视野。二、经济效益1、系统稳定可靠，具备在恶劣环境中稳定工作的能力，通过雷击浪涌、高低温等严苛测试，降低系统运维成本。2、广西交科隧道 LED 照明调光控制系统在广西区内外 300 余座隧道推广应用，累计实现产值 2 亿元。二十五、信创 AI 智能终端申报单位名称广西芯辰半导体科技有限公司联系人及联系方式黎泳杏 15277005983人工智能产品名称信创 AI 智能终端人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西芯辰半导体科技有限公司(简称“芯辰半导体公司”)拟投资 2500 万元，与新华三集团在产业园合作建设“芯辰智慧工厂项目”，项目主要生产汽车电子配件、新华三信创电脑及 AI 智能终端共 4 条产线，包含 2 条整机智能组装生产线和 2 条 STM 贴片线。二、产品简介1.智能制造技术深化:主要聚焦广西工业互联网平台搭建及升级 AI 质检系统。一是引入新华三工业互联网平台，构建覆盖生产计划、设备监控、质量追溯的全流程数字化管理系统，有效提升设备联网率及生产数据实时采集率；二是通过部署 AI 视觉检测设备，集成鼎华智能 CIM 系统，支持微米级缺陷识别与工艺参数动态优化，提升良品率及质检效率。三是采用最先进的 ASML 的 STM 设备，打造更精细的智能制造能力。2.信创国产化替代协同方案:一是信创产品适配，信创电脑产线适配飞腾/鲲鹏 CPU、麒麟/统信 OS，满足党政、金融等领域国产化替代需求，提高兼容率；二是芯片联合研发，与国产半导体企业一起推动 RISC-V 架构芯片设计及封装测试广西本地化。3、以“中国芯”为安全基底智能车辆网方案研发制造基地:以国产芯片方案为核心的智能车联网、物联网综合解决方案研发制造中心。研发生产车规级的 AI 多域控制器，赋能汽车产业数字化发展和转型，开拓数据定义产业，软件定义汽车，生态定义产品”的 AI 新时代。4.绿色低碳技术落地:主要是能源管理优化，集成 ABB 电能质量管理方案，通过动态谐波抑制与无功补偿技术，有效降低单位产值能耗。三、经济和社会效益66本项目已在南宁市青秀区中国东盟数字产业园开工建设，目前已完成前期厂房租赁签约、项目规划和设计，设备采购方案确认及签订合同。目前正在进行厂房内部装修装饰。预计 2025 年 6 月底完工，7 月进行设备调试和试运行。项目正式投产后预计年产值为 5 亿元/年。（一）联网电子产品为吉利汽车、广汽埃安、上汽通用五菱等主机厂设计生产 TBOX、车规通讯模组、智能座舱控制模组(稳定订单 60-80 万套/年，产值约 1.5 亿)单北斗 ADAS 车载辅助驾驶控制终端(10 万套/年，产值约 5000 万)（二）新华三信创系列产品、AI 系列产品信创电脑(笔记本、台式机)、服务器、AI 摄像头、应急微感知终端，出口工业智能终端(三防手持机)、生物识别平板、无人机（三）物联网终端产品智能表具通讯模组、智能门锁模组(50 万片，约 2000 万产值)物联网通讯模组(Cat1/Cat4/4G/5G)、无人机控制模组。二十六、AI 汉语学习机申报单位名称南宁职业技术大学、南宁巨大教育科技集团联系人及联系方式潘宇 15907887339、张叶茂 15678132898、人工智能产品名称AI 汉语学习机人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介1、南宁职业技术大学南宁职业技术大学是由南宁市人民政府举办的一所公办本科层次职业大学。学校前身为 1984 年创建的南宁职业大学。2009 年 11 月，学校通过教育部、财政部示范建设验收，成为全国首批 28 所、广西首家国家示范性高职院校。2019 年 7 月，学校被教育部认定为“国家优质高等专科学校”。2019 年 12 月，成功入选全国 56 所“中国特色高水平高职学校和专业建设计划”高水平学校建设单位。2024 年 5 月，教育部批准以南宁职业技术学院为基础整合资源设立南宁职业技术大学。学校入选全国职业教育先进单位、全国教育系统先进单位、中国高新区创新人才培养基地、“一带一路”国家技术技能人才实训中心，荣获“亚太职业院校影响力 50 强”“全国高职院校教学资源 50 强”“全国高等职业院校服务资源 50 强”“全国高等职业院校服务贡献 50 强”“全国高等职业院校创新创业示范校 50 强”“全国高等职业院校就业竞争力示范校”“全国高职院校创新创业示范校”“全国五四红旗团委”、教育部现代学徒制试点院校、“自治区文明校园”“广西清廉学校建设示范校”等称号，建成全国党建工作样板支部 3 个，正在创建培育 1 个，办学成果丰硕。2、南宁巨大教育科技集团广西巨大教育科技集团，发轫于 2008 年成立的广西大世界教育咨询有限公司，集团以国际教育为核心，拥有小语种高考、外语培训、国际汉语培训、出国/来华留学咨询服67务、国际化提升服务、无人机研发、实验实训室建设等多个业务板块，是一家集教育行业投资、教育科技产品研发、教育培训服务等于一体的综合性国际教育集团。二、产品简介一、研发背景随着中越经贸合作深化及“一带一路”倡议推进，越南市场对汉语学习需求激增。然而，传统语言学习方式存在效率低、互动性不足、缺乏个性化指导等问题。基于此，我公司依托广西面向东盟的区位优势，结合人工智能、自然语言处理（NLP）及边缘计算技术，研发了格睿汉语学习 App 及配套智能学习机，致力于为越南用户提供沉浸式、智能化、高性价比的汉语学习解决方案。二、产品功能：（一）AI 核心功能1.AI 智能翻译：支持中越双向实时翻译，支持语音、文本、拍照输入等多种方式；2.AI 智能评测：AI 汉语水平分级评测（HSK 标准），精准定位用户学习短板；3.AI 口语评测：提供字、词、句、段落等多种评测模式，可实时返回准确度、流畅度、完整度、等细颗粒度评测结果，用户可精准提升自己的中文口语；4.AI 外教：内置多场景对话模型（如商务、旅游、日常交流），也支持用户通过大模型自行创建对话场景，AI 外教实时纠正发音、语法及 local 用词，支持个性化反馈报告；5.自适应学习系统：基于用户数据动态调整学习路径，智能推荐刷题、刷词及视频课程内容。（二）硬件配套专用学习机集成离线 AI 模型，支持低延迟语音交互与本地化数据处理，适配越南网络环境；多模态交互设计（触控 语音 视觉），配备高清摄像头与降噪麦克风，优化学习体验。三、应用情况项目采用 BERT-base 与 GPT-4.0 和 deepseek 为基础模型，结合注意力机制和知识图谱技术，通过迁移学习和有监督微调完成模型训练。训练数据来源包括 10 万小时真实汉语学习交互数据、3000 万字专业对外汉语教材语料库，以及来自以越南语为主的对外汉语学习语料。该模型针对性解决跨文化汉语学习中的发音识别、语法纠错与个性化学习已路径推荐三大核心问题，可无缝集成到Greathan 汉语学习 app或其他汉语学习平台。通过深度学习算法对学习者行为进行实时分析，系统能识别学习者认知状态并动态调整教学内容，提升学习效率达 37%。试点数据显示，使用该设备的留学生 HSK4 级口语通过率提升 28%，目前已于越南部分企业高校达成初步合作意向，可在学校和企业内推广。四、市场前景越南现有汉语学习者超 200 万人，年均增长 20%，市场需求旺盛。产品符合中国-东盟数字教育合作政策导向，未来可扩展至泰国、马来西亚等东南亚市场，预计 3 年内用户规模突破 50 万，营收达 1.2 亿元。三、经济和社会效益68一、经济效益2025 年计划越南合作 100 家企业，150 所学校，200 家培训机构，提供包含在线题库、在线词库、在线课程和直播课和海量专业中文外教服务在内的资源，并配套提供学习机、伴学机器人、口语训练对话桌面机器人、大屏机器人等的硬件产品，经济效益可观。二、社会效益（一）促进中越文化交流：通过 AI 技术降低语言学习门槛，累计服务越南学生、商务人士超 8 万人次，助力中越经贸与人文合作。（二）技术输出标杆：1.首创边缘计算 多模态 AI语言学习模式；2.为广西人工智能企业开拓东南亚市场提供可复制经验，推动广西智造国际化布局。（三）教育普惠：通过低资费课程包与硬件租赁模式，覆盖越南农村地区 20 余所中小学，惠及贫困学生超 5000 人。二十七、AI 驱动的园区新能源管理与调度大模型申报单位名称广西交科集团有限公司联系人及联系方式韦恺 15296495065人工智能产品名称AI 驱动的园区新能源管理与调度大模型人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西交科集团（以下简称“广西交科”）前身是隶属于交通运输厅的交通科学研究院，现为北投集团旗下拟上市的大型国有高新技术企业。依托 50 余人博士、800 余人硕士、500 余人的信息化相关人员，深耕交通领域，目前已成为广西交通建设新技术的策源地、交通系统信息化领军企业以及广西科研成果转化最成功的企业。2024 年底，实现营业收入 42 亿元，利润总额 3 亿元，综合实力排名全国交通科研院所前三。广西交科是广西交通行业首个国家企业技术中心；拥有高等级公路建设与养护技术、材料及装备交通运输行业研发中心，是广西第一家桥梁检测单位、公路水运试验检测机构，广西唯一一个 A 级信用等级环评机构，自主研发广西第一套自主知识产权的 ETC系统；多次荣登广西高新技术企业百强榜首、创新活力十强榜首，拥有 44 个国家和省部级科研平台及创新载体，承接省部级以上科研创新项目 300 余项，为各级党委、政府和企事业单位提供技术服务。共有科技创新人才 700 人，着力于基础设施建设技术服务，进行多领域协同创新，其中道路、桥梁、智能交通方向的省部级平台均为广西交通行业首创或唯一。广西交科坚持“成果产业化，产业新质化”为发展路线，成果转化产品主要有：智慧高速云控平台、桥梁隧道边坡健康监测系统及桥梁主动防撞预警系统等 60 多个数智信息化产品；橡胶沥青、高粘沥青超薄磨耗层、耐久性标线等环保型沥青建养新材料系列产品；隧道 LED 智能调光系统、无人值守收费系统等智能交通机电产品。成果转化累计产值达 50 亿元。69二、产品简介一.研发背景当前园区能源管理智能化、高效化的需求迫切。随着新能源的广泛应用和园区能源结构的复杂化，传统的能源管理方式已难以满足当前对能源高效利用和绿色低碳发展的要求。广西交科集团针对这一挑战，利用自身在人工智能和大模型技术方面的优势，研发了智慧能源调度 AI 模型，并将其应用于微网 EMS 系统中。该模型可对园区内的源网荷储进行一体化智能化管控，实现对光伏、风机逆变器等设备的控制和储能设备的充放管理，旨在解决能源管理策略不灵活、能源利用效率低等问题。二.平台功能平台融合智能调度、能源管理、与远程监控技术，构建“三位一体”的智能化能源管控解决方案：1.智能调度：可配置满足光储一体项目的防逆流、多能互补、峰谷套利等策略。通过控制编排和流程引擎功能，实现策略配置和自动化调度。同时，系统支持多时间尺度调度，从日前计划到实时控制全覆盖，实现秒级精准调度。2.能源管理：统筹考虑供电、负荷、分时电价等因素，实现电能合理分配和供需平衡。优化储能系统充放电策略，提高能源利用效率和经济收益。AI 模型可实时评估系统运行状态，自动调整能源管理策略，提高能源利用效率和经济收益。系统还支持碳排放在线监测和预测，为企业提供碳资产管理建议。通过 AI 算法的持续学习优化，系统可不断提升能源管理精度，实现能效的持续改进。3.远程监控：提供维护模式和生产模式两种运行模式，满足不同玉运营和运维需求。通过组态视图和组态管理功能，实现远程监控和设备运行参数管理。通过深度学习算法对设备运行数据进行实时分析，实现设备状态预测和故障预警，并支持远程参数配置和策略下发。三.应用情况已在广西交科新材料厂区进行试点，提高了厂区能源利用效率和经济收益，试行期间能源节约率达到 15%。四市场前景由于项目基于园区设计和开发，因此对于医院、工厂、楼宇、工业园区等多种建筑类型普遍适用，具有广泛的应用范围和可复制性，预计区内市场规模超 5000 万元。三、经济和社会效益（1）预期经济效益通过智能调度和能源管理，项目将实现电能的合理分配和供需平衡，优化储能系统充放电策略，提高能源利用效率和经济收益。据初步估算，项目运行后每年可节省大约15%电费，显著降低能源成本。（2）预期社会效益支持碳排放在线监测和预测，为企业提供碳资产管理建议，助力企业实现绿色低碳发展目标。社会上，项目的成功实施将提升广西在新能源管理和调度领域的影响力，促进新能源产业的健康发展，同时也有利于推动区内节能减排和环境保护事业的进步。二十八、智慧水务药剂投加智能管控平台申报单位名称广西交科集团有限公司联系人及联系方式梁诗婷 1827799945570人工智能产品名称智慧水务药剂投加智能管控平台人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介广西交科集团（以下简称“广西交科”）前身是隶属于交通运输厅的交通科学研究院，现为北投集团旗下拟上市的大型国有高新技术企业。依托 50 余人博士、800 余人硕士、500 余人的信息化相关人员，深耕交通领域，目前已成为广西交通建设新技术的策源地、交通系统信息化领军企业以及广西科研成果转化最成功的企业。2024 年底，实现营业收入 42 亿元，利润总额 3 亿元，综合实力排名全国交通科研院所前三。广西交科是广西交通行业首个国家企业技术中心；拥有高等级公路建设与养护技术、材料及装备交通运输行业研发中心，是广西第一家桥梁检测单位、公路水运试验检测机构，广西唯一一个 A 级信用等级环评机构，自主研发广西第一套自主知识产权的 ETC系统；多次荣登广西高新技术企业百强榜首、创新活力十强榜首，拥有 44 个国家和省部级科研平台及创新载体，承接省部级以上科研创新项目 300 余项，为各级党委、政府和企事业单位提供技术服务。共有科技创新人才 700 人，着力于基础设施建设技术服务，进行多领域协同创新，其中道路、桥梁、智能交通方向的省部级平台均为广西交通行业首创或唯一。广西交科坚持“成果产业化，产业新质化”为发展路线，成果转化产品主要有：智慧高速云控平台、桥梁隧道边坡健康监测系统及桥梁主动防撞预警系统等 60 多个数智信息化产品；橡胶沥青、高粘沥青超薄磨耗层、耐久性标线等环保型沥青建养新材料系列产品；隧道 LED 智能调光系统、无人值守收费系统等智能交通机电产品。成果转化累计产值达 50 亿元。二、产品简介1.研发背景传统水厂的加药主要依赖操作人员的经验进行调整，这种方式不仅效率低下，响应不及时，而且人为估算往往容易导致碳源过量或不足，造成原料浪费或处理效果不达标等问题。基于上述痛点，系统引入 AI 智能算法，通过实时感知与动态建模，实现碳源投加的精准控制，有效降低运行成本、提升出水稳定性，推动水厂向自动化、智能化方向转型。2.平台功能平台融合自动控制、人工智能与工业物联网技术，构建“四位一体”的智能化投药解决方案：（1）智能控制中心基于前馈（如进水水质、水量）和反馈（如出水指标、历史运行数据）构建动态调控模型，支持自动/手动模式一键切换，保障控制系统灵活、安全运行。（2）AI 计算引擎集成机器学习、数据清洗、模式识别、预测分析等功能模块，通过对历史和实时数据的深度挖掘，实现碳源投加量的动态预测与智能推荐。系统具备自学习能力，运行越久越“聪明”。（3）物联接入中心71支持与主流 PLC、RTU、传感器等设备无缝对接，实时采集水质、药剂流量、设备状态等多维数据，构建全量信息图谱，助力数据驱动的智能决策。（4）智能应用平台提供多种功能模块：工艺参数监控、历史曲线分析、能耗与药耗统计、报警通知推送等。配套移动端应用，实现“掌上看水厂”，大幅提升管理效率。3.应用情况已在水厂试点，投药准确率提升约 30%，药剂节省约 15%-20%，应用效果显著。出水达标率提升至 98%以上：有效控制 COD、TN 等关键指标波动。4 市场前景适用于污水处理、工业废水、自来水厂等领域，预计市场规模超 800 万元。三、经济和社会效益（1）预期经济效益通过本系统可显著降低运行成本：通过 AI 精准控制药量投加，单厂年均节省药剂成本预计 15%-20%，大型水厂可达 30%以上；自动化调控减少人工干预，运维人力成本下降预计为 20%，部分小型水厂可实现“少人值守”。（2）预期社会效益该系统可助力“双碳”目标，提升出水水质稳定性，COD、氨氮等指标达标率超 98%，有效保障生态安全；推动水务行业实现“经验驱动”向“数据驱动”转型，加快智慧水务建设进程。二十九、智能可回收垃圾箱申报单位名称南宁职业技术大学、广西收废宝科技有限公司联系人及联系方式潘宇 15907887339、张叶茂 15678132898人工智能产品名称智能可回收垃圾箱人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：智能电子一、单位简介1、南宁职业技术大学南宁职业技术大学是由南宁市人民政府举办的一所公办本科层次职业大学。学校前身为 1984 年创建的南宁职业大学。2009 年 11 月，学校通过教育部、财政部示范建设验收，成为全国首批 28 所、广西首家国家示范性高职院校。2019 年 7 月，学校被教育部认定为“国家优质高等专科学校”。2019 年 12 月，成功入选全国 56 所“中国特色高水平高职学校和专业建设计划”高水平学校建设单位。2024 年 5 月，教育部批准以南宁职业技术学院为基础整合资源设立南宁职业技术大学。学校入选全国职业教育先进单位、全国教育系统先进单位、中国高新区创新人才培养基地、“一带一路”国家技术技能人才实训中心，荣获“亚太职业院校影响力 50 强”“全国高职院校教学资源 50 强”“全国高等职业院校服务资源 50 强”“全国高等职业院校服务贡献 50 强”“全国高等职业院校创新创业示范校 50 强”“全国高等职业院校就业竞争力示范校”“全国高职院校创新创业示范校”“全国五四红旗团委”、教育部现代学徒制试点院校、“自治区文明校园”“广西清廉学校建设示范校”等称号，建成72全国党建工作样板支部 3 个，正在创建培育 1 个，办学成果丰硕。2、广西收废宝科技有限公司广西收废宝智能环保科技有限公司成立于 2018 年 7 月，总部位于南宁市高新区，是一家专注于生态保护和环境治理的高新技术企业。公司注册资本 1000 万元，致力于人工智能与环保技术的融合，主要业务包括智能垃圾分类回收系统、城市固体废物处理、环保设备研发及智慧城市垃圾治理。公司拥有 5 项软件著作权，如“人脸识别垃圾分类管理系统”“智慧城市垃圾分类治理综合管理平台”等，并持有 2 项实用新型专利，涉及垃圾智能分类处理技术 1。2021年，公司与南宁职业技术学院合作开展“可回收垃圾智能分类处理系统研发”项目，推动科技成果转化。作为广西本土环保科技企业，收废宝积极推广“互联网 回收”模式，助力垃圾分类智能化，提升再生资源回收效率。二、产品简介一、研发背景根据 2017 年 03 月 30 日国务院办公厅发布 生活垃圾分类制度实施方案 政策文件指出:“要加快建立分类投放、分类收集、分类运输、分类处理的垃圾处理系统，形成以法治为基础、政府推动、全民参与、城乡统筹、因地制宜的垃圾分类制度，努力提高垃圾分类制度覆盖范围，将生活垃圾分类作为推进国家绿色发展的重要举措，不断完善城市环境管理和服务，创造优良舒适的人居生活环境”。2019 年，住房和城乡建设部等 9 部门印发关于在全国地级及以上城市全面开展生活垃圾分类工作的通知规划，2025 年底，全国地级城市及地级以上城市将基本建成生活垃圾分类处理系统。国家帮扶垃圾分类与垃圾回收再利用产业发展。2020 年国家发展改革委就城镇生活垃圾分类和处理设施补短板强弱项实施方案政策文件中提出:“现阶段我国生活垃圾分类与处理设施依然存在短板和弱项，社会垃圾分类收集和分类转运体系仍不健全，要求加快补齐厨余垃圾处理能力短板，到 2023 年全面建成生活垃圾分类收集和分类运输体系。”我国垃圾分类工作繁琐且艰巨，推行垃圾分类使用智能垃圾箱可以有效减轻清运压力和终端处理压力。而厨余垃圾的有机质和油脂含量都很高，可以通过将厨余垃圾有机物制成有机肥，实现变废为宝，促进资源的循环使用，从而提升中国新型城市化水平和生态文明建设的能力，这对于改善城市居住环境，培养居民资源环境保护意识和提高整个社会文明的素质来说实际意义重大。科学制定生活垃圾分类办法，明确实施步骤和政策措施。鼓励居民践行垃圾分类制度，建立高水平的有机生活垃圾收运系统，实现厨余垃圾单独收集循环利用。加大对生活垃圾处理技术研发的支持力度，加快国家级和区域性生活垃圾处理技术研究中心建设，加强生活垃圾处理基础性技术研究，努力实现生活垃圾处理装备自主化。为了倡导全民垃圾分类意识，解决厨余垃圾处理难问题，团队基于嵌入式技术与物联网技术，开发出前期处理厨余垃圾破袋回收垃圾箱，利用积分变现方式引导居民垃圾分类。经过试点投放，居民区垃圾分类达标率超 90%，与未投放之前同比增加 75%。二、产品功能：1.智能垃圾七分类回收系统智能垃圾分类回收处理系统可以对纸类、编纺织物、金属、塑料、饮料瓶、有害垃圾、玻璃等进行分类回收。2.智能垃圾分类终端平台该终端平台是由本项目团队基于“应用嵌入式系统、人工智能技术、物联网应用开发”等新一代信息技术为垃圾分类回收系统开发提供技术支持，实现多种类的垃圾分类73回收，数据收集并具有人脸识别、可视化大数据、大屏 AI 互动、太阳能供电、扫描登入、自动感应、满溢提示、智能监测、积分计量现结、云端交互等动能。高程度，精彩有趣的人机智能互动，提高用户的使用体验感。3.智能垃圾回收小程序和 APP 客户端用户可以通过本项目团队所自主研发的微信小程序或者 APP 注册个人信息，建立积分激励体系鼓励垃圾进行分类投放，发布垃圾分类宣传教育、废物利用信息、便民服务资讯等。项目团队通过开发智能回收软件平台，强化网络运营监测和实时管理功能，使可再生资源从源头到末端实现“分类投放、分类收集、分类运输和分类处理”一体智能化。并且可以保证投放全流程可查、可控、可管、信息流、物资流。资金动流全过程封闭内环流转。是项目推动可再生资源垃圾回收分类结合“互联网 回收”的重要载体。4.智能垃圾大数据管理平台针对用户端和运维系统的应用管理，研发包括基础管理、设备管理、报表统计、运营管理以及系统管理、考核管理、可视化大数据平台等功能在内的大数据运营管理平台。通过管理平台可以对用户的投递记录进行数据分析，便于政府对工作效果进行量化考察；进行舆论宣传，弘扬垃圾分类的氛围，提升垃圾分类效果；定时将各类垃圾数据推送到政府监管部门的官方系统，贯彻政府监管、市场主导思想。并且可以数据分析系统将收集到的各类垃圾数据进行分析统计，将结果按门别类反馈给相关公司企业，从而获得利润。5.AI 图像识别利用 AI 与垃圾箱的深度结合，基于深度残差网络（ResNet）开发的图像识别垃圾分类反馈系统。能够智能判断用户所丢垃圾是否属于所选类别，并记录下异常垃圾进行储存，从而实现智能判断及误丢找回的功能。同时当垃圾混合丢放的时候，在传统的垃圾丢放方式下，尽可能的省略操作流程，更便利的实现智能垃圾箱内部的垃圾分类。6.除臭压缩当垃圾掉进桶内时，垃圾桶上方设置有一个与垃圾桶直径相同的压缩装置。向下通过重力压缩垃圾，致使垃圾体积变小。本产品采用密封除臭设计，通过高密封性的架构设计，让垃圾产生的气味难以溢出垃圾箱进行扩散，造成空气污染。有利于营造良好的人居环境。7.源头消毒2020 年至 2022 年突发的新冠疫情为本产品的功能设计提供了改进优化方向。生活垃圾的运输成为“新冠病毒”的一个传播途径，而目前大多都是由人工进行在消毒，很难在垃圾投放点就完成消毒过程，结合社会需求，本产品设置出环保消毒剂喷雾消毒功能，可对投放的垃圾进行全方位定时喷洒，以达到消毒效果，抑制病毒细菌的滋生。8.厨余垃圾回收箱自动破袋功能垃圾箱架构内设置有一个托盘，当用户要投放垃圾时，中央控制系统会把信息反馈给托盘控制子系统。托盘便会往外伸出扩展，当托盘控制系统根据重量检测到垃圾投放在托盘上时。托盘便会往垃圾箱内收缩到指定位置。中央控制系统检测到托盘到达指定位置时，会把信息反馈至机械手爪控制系统。内设机械手爪收到指令后，会舒展到托盘上方，将垃圾袋进行抓起到一定高度。会有一把刀从垃圾袋底下划过，达到破袋效果，随后托盘会进行翻转把垃圾倒进垃圾桶内。同时机械手爪也会进行抖动，利于垃圾掉落至垃圾箱。当机械手爪检测根据重量检测的垃圾掉落完后。会抓住垃圾袋一起移动到特定回收袋子的容器，将袋子投放到容器内完成回收。三、经济和社会效益74经济效益该项目成本低，投放范围广，现在人们对垃圾箱的分类与美观有了更高的要求，种类和数量也在不断增加，智能垃圾具备了美观与循环利用的价值，且市场需求大。本项目主要盈利渠道:第一是将垃圾箱里投放的可回收物回收利用，取得销售收入，第二是团队小程序后台数据销售分红，取得分红收入，第三是垃圾箱外包装以及 LED 屏幕的广告营收，取得广告收入。（1）可回收物回收利用总占收入的 60%，通过分类垃圾箱将纸皮、矿泉水瓶等可回收物进行回收再利用，可以取得相应收入。还有分类出来的厨余垃圾，通过与第三方肥料公司的合作，也可以作为可回收物销售给第三方公司，由合作公司将厨余垃圾处理成化肥进行出售，双方都获利。（2）数据销售分红收入占 20%，其主要方式为，收集垃圾箱投放地的各类垃圾的数据，通过分析整合，将得出的结果反馈给有需要的第三方公司。比如，这个小区的投放点饮料瓶回收比较多，那可以将数据整合给饮料厂商，再由厂商在小区附近进行布点销售。可以让第三方公司根据数据分析结果制定、调整销售战略，并根据后期其销售的销售利润进行分红。（3）广告营收占总收入的 20%。智能垃圾分类箱的显示屏以及外包装膜都可以适当对接一些广告业务，取得相应收入。综合本产品的各大优势，对未来五年销售利润进行了一个分析，预计在 2030 年，营业收入达到 1700 万元，净利润达到 808 万元。广告营收占收入的 20%。智能垃圾分类机的显示屏以及外包装膜。二、社会效益（1）环球环境的影响下，环境治理、资源二次循环利用是国家发展重点关注对象。2.根据政府2022 年政府工作报告政策文件指出“要坚持持续改善生态环境，推动绿色低碳发展”。（2）国家在资源再生环保行业投入比例逐年上升，并对进入此行业者进行政策补贴，税利优惠等。（3）在环保宣传的影响下，群众环保意识提高对于可再生资源自觉投递，产品使用率提高。（4）国内资源再生行业发展分布不平衡，资源不均匀，地区发展不协调。（5）资源分类处理行业在政策的驱使下迎来发展高潮，行业发展广阔有无限的可能。三十、基于 LSTM 动态误差预测模型申报单位名称南宁职业技术大学、中国机械总院、南宁早智电子科技有限公司联系人及联系方式张叶茂 15678132898、潘宇 15907887339人工智能产品名称基于 LSTM 动态误差预测模型人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介751、南宁职业技术大学南宁职业技术大学是由南宁市人民政府举办的一所公办本科层次职业大学。学校前身为 1984 年创建的南宁职业大学。2009 年 11 月，学校通过教育部、财政部示范建设验收，成为全国首批 28 所、广西首家国家示范性高职院校。2019 年 7 月，学校被教育部认定为“国家优质高等专科学校”。2019 年 12 月，成功入选全国 56 所“中国特色高水平高职学校和专业建设计划”高水平学校建设单位。2024 年 5 月，教育部批准以南宁职业技术学院为基础整合资源设立南宁职业技术大学。学校入选全国职业教育先进单位、全国教育系统先进单位、中国高新区创新人才培养基地、“一带一路”国家技术技能人才实训中心，荣获“亚太职业院校影响力 50 强”“全国高职院校教学资源 50 强”“全国高等职业院校服务资源 50 强”“全国高等职业院校服务贡献 50 强”“全国高等职业院校创新创业示范校 50 强”“全国高等职业院校就业竞争力示范校”“全国高职院校创新创业示范校”“全国五四红旗团委”、教育部现代学徒制试点院校、“自治区文明校园”“广西清廉学校建设示范校”等称号，建成全国党建工作样板支部 3 个，正在创建培育 1 个，办学成果丰硕。2、中国机械总院集团云南分院是中国机械总院集团下属的二级单位，是中央驻云南科研院所。中国机械总院集团拥有 18 家全资子公司，正式员工 7000 余名，其中科研人员占比 70%以上，是我国装备制造业制造技术研究体系最完整、规模最大的开发研究团队。建有国家重点实验室、国家工程研究中心等 13 个国家级、28 个省部级创新平台，拥有 4 个国际合作基地、71 个国际/国家标委会和学协会，拥有博士后科研工作站/硕博士学位授权点 20 个，承办科技期刊 21 种。云南院作为行业综合性院所，在项目研发的基础上，逐步凝炼学科优势，调整学科布局，经过多年的发展已形成了应用多学科的方法和手段集成进行攻关研究的技术创新模式，具备以先进的优化集成研究方法为手段，进行机电一体化产品整机、功能部件及自动控制系统的研发能力，形成五大核心优势：数控机床及高端装备、机床及精密机械试验研究、工业机器人与智能产线、工业软件与制造业信息化、园区及区域战略规划。近年承担科研及技术服务项目 910 余项，获部、省级奖励 50 项，其它荣誉 60 余项。其中，国家科技支撑计划 2 项，国家重点研发计划 1 项。专利授权 122 件，制/修订国家及行业标准 21 项。拥有云南省“制造业信息化技术研究与应用”创新团队和中国总院“高端数控机床仿真优化及验证”创新团队。拥有先进的科研条件和雄厚的人才实力，聚焦高端装备智能化、数字化转型，在五轴机床领域构建了“基础研究-技术攻关-产业化应用”全链条创新体系。成功研制了多种高端机床整机，如大中型龙门数控导轨磨床、五轴翻板精密卧式加工中心等。开展高端装备结构优化、多体动力学、多场耦合等工程分析及工艺优化以及设备互联互通及集成、设备及产线数字孪生等关键技术研究，研发智能工厂管控平台、网络协同制造集成与服务平台；开展多层级的工业软件研发实施和系统集成；为政府部门的制造业信息化开展规划和决策提供支撑。承担高端装备产品质量监督检验、进出口商检、产品型式试验、司法鉴定等任务，为“研制装备”和“使用装备”的单位提供检验检测、试验研究、标准制/修订及技术咨询等一站式服务。凭借在高端装备领域的卓越技术和创新能力，积极推动产学研协同创新，与多家企业和高校开展合作，为行业发展提供了有力的技术支撑，在推动我国高端机床智能化国产化进程中发挥着重要作用。3、南宁早智电子科技有限公司，成立于 2016 年，位于广西南宁市高新区。公司现有员工 30 余人，其中研发人员占比超过 70%.是一家集研发、设计、实施、运维于一体的智能制造系统集成解决方案提供商。公司自成立以来，始终秉承“创新驱动发展，智能引领未来的核心理念，致力于将先进的信息技术、自动化技术及人工智能技术深度76融合于制造业，推动传统制造业向智能制造转型升级。我们的定位是成为行业领先的智能制造解决方案服务商，为企业提供量身定制的数字化、网络化、智能化解决方案，助力企业提升生产效率、降低运营成本、增强市场竞争力。二、产品简介一、研发背景在五轴机床加工领域，热变形误差一直是影响加工精度的关键因素。机床在运行过程中，由于电机发热、切削热等多种热源的作用，会导致机床结构发生热变形，进而使刀具与工件的相对位置产生偏差，严重影响加工精度。这种热变形误差具有复杂性和不确定性，难以通过传统的方法进行精确预测和有效控制。现有的技术手段在解决热变形误差问题上存在明显不足。部分技术虽然能够对热变形进行一定程度的监测，但无法实现高精度的实时预测，导致在加工过程中难以提前采取有效的补偿措施。还有一些技术在建模过程中忽略了多物理场的耦合作用，使得模型的准确性和可靠性大打折扣。因此，开发一种能够精确预测热变形误差并实时优化加工参数的技术迫在眉睫。基于 LSTM 动态误差预测模型的产品正是在这样的背景下应运而生，旨在解决五轴机床加工中热变形误差这一难题，提高加工精度和效率。二、核心功能（一）高保真数字孪生建模通过 MCD 技术集成 NXCAD 几何模型与 Simcenter 多物理场仿真数据，深度耦合虚拟 PLC（TIAPortal 仿真）与 SINUMERIK 数控逻辑，成功构建五轴机床机电热一体化数字孪生体。该模型实现了对机床运行状态的高度还原，尤其在热变形误差预测方面表现卓越，精度可达2m，为后续加工误差控制提供了可靠的虚拟参照。（二）AI 仿真深度集成自主开发 Python-MCD 接口，将 LSTM 动态误差预测模型嵌入系统，结合IndustrialEdge 平台部署强化学习算法，可根据加工过程中的实时数据，动态优化进给参数，使加工效率提升 18%以上。同时，利用 Teamcenter 构建故障知识库，借助图神经网络技术实现毫秒级异常诊断，有效保障加工过程的稳定性与可靠性。（三）虚实闭环协同控制依托 ProfinetRT 通信协议，实现 MCD 虚拟机床与物理 SINUMERIK840D 系统的无缝连接，达成 G 代码双向同步与 0.5ms 级实时交互。系统支持虚拟碰撞检测功能，一旦检测到潜在碰撞风险，可立即进行在线路径修正，规避成功率99%，显著提高加工安全性与准确性。（四）云-边-端验证体系基于 MindSphere 平台搭建数据收集与分析系统，将物理机床运行数据反向校准孪生77模型，确保虚拟模型与实际加工的高度一致性。采用 ISO10791 标准试件对虚拟与实际加工结果进行对比分析，通过不断迭代优化 AI 算法，有效减少试切成本 50%，为企业节省大量研发与生产成本。三、应用情况本产品在五轴机床加工相关领域具有广泛的应用场景。在航空航天领域，可用于加工复杂的航空零部件，如发动机叶片、机翼框架等，确保高精度的加工要求。在汽车制造行业，适用于加工汽车发动机缸体、变速箱壳体等关键部件，提高产品质量和生产效率。在精密模具制造中，能够实现对模具的高精度加工，保证模具的尺寸精度和表面质量。此外，在医疗器械、电子设备等领域，该产品也能为高精度零部件的加工提供有力支持。以广西汇恒机械制造有限公司为例，该企业引入本产品运用到复杂零部件加工项目中。通过该模型对五轴机床进行误差预测与实时优化，加工精度提升显著，产品合格率从 82%提高至 95%，有效缩短了产品交付周期。在汽车发动机关键部件生产中，通过虚实闭环协同控制功能，成功避免多次加工碰撞事故，降低设备维修成本 30%以上，大幅提升了生产效率与经济效益。四、市场前景当前，全球制造业正加速向智能化转型，对高精度、高效率加工技术的需求持续增长。基于 LSTM 动态误差预测模型的产品凭借其显著的技术优势与应用价值，在五轴机床加工领域具有广阔的市场空间。随着我国高端装备制造业的快速发展，以及“智能制造 2025”战略的深入推进，该产品有望在更多行业得到推广应用，预计未来三年内市场占有率将逐步提升，为推动我国制造业高质量发展发挥重要作用。三、经济和社会效益在经济效益方面，已展现出显著优势。基于 LSTM 动态误差预测模型以广西汇恒机械制造有限公司为例，应用该模型后，通过动态优化进给参数提升加工效率 18%，每年可节省设备工时成本约 280 万元；借助云-边-端验证体系减少 50%试切成本，年度节约试切费用超 150 万元；虚拟碰撞检测与路径修正功能规避成功率99%，使设备维修成本降低 30%，年节省维修开支约 80 万元。据统计，单企业年综合经济效益可达 510 万元。在航空航天领域，产品使复杂零部件加工合格率从 82%提升至 95%，减少废品损失的同时缩短交付周期，为企业新增订单创造超千万元营收。社会效益层面，产品推动制造业向智能化、高端化转型，助力我国高端装备制造突破技术瓶颈，增强国际竞争力。其在多行业的应用，促进了加工制造技术标准化进程，培养了一批掌握先进建模与优化技术的专业人才，为行业可持续发展提供人才支撑。同时，高精度加工减少资源浪费，符合绿色制造理念，对实现制造业高质量发展具有重要意义。三十一、基于边缘智能与深度学习的智能化养殖系统申报单位名称南宁职业技术大学联系人及联系方式张青 1897718173978人工智能产品名称基于边缘智能与深度学习的智能化养殖系统人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介一、南宁职业技术大学南宁职业技术大学是由南宁市人民政府举办的一所公办本科层次职业大学。学校前身为 1984 年创建的南宁职业大学。2009 年 11 月，学校通过教育部、财政部示范建设验收，成为全国首批 28 所、广西首家国家示范性高职院校。2019 年 7 月，学校被教育部认定为“国家优质高等专科学校”。2019 年 12 月，成功入选全国 56 所“中国特色高水平高职学校和专业建设计划”高水平学校建设单位。2024 年 5 月，教育部批准以南宁职业技术学院为基础整合资源设立南宁职业技术大学。二、南宁市牧泰智能科技开发有限公司南宁市牧泰智能科技开发有限公司，是一家集智能养猪设备的研发、生产、销售、服务以及大数据云平台运营的科技型企业。公司所研发的人工智能养猪云平台产品应用人工智能技术实现了猪只的精准饲养、疫病的准确预报及猪场的智能化管理，为养殖企业节省了人力及养殖成本，提高了管理效率，获得了养殖企业的高度评价。目前公司荣获授权专利 6 项，正审核的发明专利 2 项，软件著作权 9 项；运营云联猪场管理云平台1 个。公司荣获 2017 年南宁市创业大赛亚军，2018 第七届中国创新创业大赛广西赛区暨2018 年广西创新创业大赛初创组优胜项目奖，2019 中国-东盟新型智慧城市协同创新大赛综合组优秀奖，2019 年南宁市农民工创业大赛二等奖，2020 年度广西科技进步二等奖，2020-2021 年度中国农业最高奖项“神农中华农业科技奖”科学研究类三等奖，2021 年10 月公司获得高新技术企业认定。二、产品简介一、研发背景传统生猪养殖业存在诸多不足，例如对猪只健康的监测不够及时准确，难以在疾病早期就做出预警；饲喂过程不够精准，无法根据猪只生长阶段和营养吸收情况动态调整饲料；猪舍环境调控也不够科学有效，导致空气质量不佳等问题。而随着科技的发展，市场对于养殖业的高效、精准以及环保要求日益提高，在这样的背景下，这款旨在构建覆盖全场景的智能化养殖体系产品应运而生，推动生猪养殖业向高效、精准、环保方向升级。二、功能1、疾病预警功能：通过物联网传感器网络与三维度机器人实时监测猪只咳嗽指数、行动异常等健康指标，并结合历史数据训练猪只健康预测模型，以此实现疾病的早期预警，能够在问题尚未严重之前就提醒养殖户采取相应措施。2、精准饲喂功能：研发了智能粥料饲喂系统，构建多模态饲喂决策模型。该系统基于猪只生长阶段、营养吸收效率等数据动态优化水料比例，并且集成了益生菌动态发酵供水装置，可以提升肠道微生态平衡与饲料转化率，让饲喂更加科学合理、精准高效。3、环境调控功能：研发的全自动喷淋系统，构建多参数融合环境预测模型。利用气体传感器实时监测空气质量，再通过深度学习算法控制喷淋频率与剂量，能够有效降解有害气体，保障猪舍环境健康，为猪只创造更适宜的生活环境。4、智能决策功能：研发多源数据融合与智能化决策，利用 DeepSeek 等先进大模型79搭建 AI 中央决策平台。运用深度神经网络技术对多源异构数据进行深度融合和智能分析，自动生成饲料配比、环境调控、健康预警等指令，形成闭环智能反馈系统，还能自动生成决策报告辅助决策，使整个养殖过程更加智能化、系统化。三、应用情况通过这些多种智能化功能的协同作用，能有效改善生猪养殖过程中的健康管理、饲料利用以及环境保护等方面问题，已经在推动生猪养殖业向现代化、智能化方向发展上发挥了积极作用，提升养殖效益和生猪的生长质量。目前南宁职业技术大学、南宁市牧泰智能科技开发有限公司联合研发了基于深度学习的三维度猪只健康检测机器人系统，已成功投入应用并取得经济效益。四、市场前景1、需求增长明显：随着人们对猪肉品质的要求不断提高以及养殖行业竞争的加剧，养殖户对于能够提升养殖效率、保障生猪健康、改善养殖环境的智能化系统需求日益迫切，该产品正好契合了这一市场需求，应用范围有望持续扩大。2、竞争优势突出：其具备的疾病早期预警、精准饲喂、环境智能调控以及智能决策等一系列先进功能，在市场上同类产品中处于较为领先的地位，能够为养殖户带来实实在在的效益提升，如降低死亡率、节省饲料成本、提高生猪生长速度等，使得产品在市场竞争中更具吸引力。3、发展空间广阔：从未来发展趋势看，随着人工智能、物联网等技术的不断进步，该产品还可以进一步升级优化，拓展更多智能化功能，如与远程监控系统更深度融合，让养殖户能随时随地掌握养殖场情况等，其市场潜力巨大，有望在生猪养殖乃至整个畜牧养殖领域得到大规模推广应用。三、经济和社会效益一、降低人力及管理成本智能巡检机器人、自动饲喂和环境调控系统替代了传统的人工巡查和手工操作，预计可减少 30%的人工成本，同时降低因延迟反应造成的损失。二、提高生产效率与饲料利用率精准营养调控系统使猪只在最佳状态下生长，实验数据显示，平均生长周期缩短10%，饲料转化率提高 8%，直接提升养殖场生产效益。三、降低药物使用及能耗通过益生菌发酵供水和智能环境调控，能有效降低对抗生素和除臭剂的依赖，同时喷淋系统与边缘计算协同工作减少能源浪费，预计每年可为中大型猪场节省数十万元成本。四、环境与社会效益智能系统有效降低氨气及有害物质排放，改善猪舍环境，符合国家绿色养殖要求；同时系统推广将带动相关智能农业技术的发展，为区域经济转型和生态环境改善提供示范效应。三十二、生成式 AI 智慧教育软件申报单位名称南宁职业技术大学联系人及联系方式高伟锋，13036887824人工智能产品名称生成式 AI 智慧教育软件人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能80移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介南宁职业技术大学是国家“双高计划”高水平学校建设单位，教育部中国特色高水平高职学校和专业群建设计划成员单位，是广西职业教育的龙头院校之一。学校坚持“以服务为宗旨，以就业为导向”，近年来聚焦“人工智能 教育”“AI 职业能力训练”等方向，系统推进信息化教学改革、智能教育平台建设和人工智能课程资源创新。现已建成人工智能学院、AI 平台与大模型训练平台，具备较强的数字教育研究与场景落地能力。学校高度重视人工智能技术在教育系统中的战略性应用，率先开展“生成式人工智能教育专用大模型”在职业教育教学、教研、实训、评价等关键环节的系统部署。联合重庆翰海睿智大数据科技股份有限公司、大型语料服务商，打造“生成式 AI 智慧教育软件”，依托国产化底座模型（如 DeepSeek、ChatGLM、Baichuan）与专业化教学微调机制，构建“模型底座平台工具教学场景服务生态”四层结构，推动 AI 能力与教研资源深度融合，形成全国领先的 AI 职教应用产品。重庆翰海睿智大数据科技股份有限公司自 2022 年底以来，团队深耕教育领域人工智能技术研发，成功构建教育行业课程知识的人工智能应用并完成全链路能力建设。在“一带一路”暨金砖大赛的商业人工智能比赛中，将人工智能技术集成到竞赛任务中，促进共同学习与探讨；在大模型产品相关项目中，已获得知识问答平台、生成式人工智能教学应用平台、场景式人工智能教学实训平台等多项软著知识产权。二、产品简介产品研发背景随着教育数字化战略行动智能教育实施方案职业教育提质培优行动计划等政策密集出台，国家高度重视人工智能技术在教育教学全流程的深度融合与规模化应用。生成式人工智能（AIGC）技术的发展，尤其是大语言模型（LLM）的快速突破，为教育内容生成、教学路径优化、学情分析、教研流程重构等领域提供了强大技术支撑。与此同时，职业教育正处于从“内容传授型”向“能力构建型”转变的关键阶段，对课程资源的定制化、教研效率的结构化、教学管理的精准化提出了更高要求。传统平台难以满足大规模、个性化、可交互、可评估的复合型教学需求。南宁职业技术大学基于多年教育信息化建设成果，结合本地职业教育发展特点、教师教研痛点与学生学习行为数据，联合重庆翰海睿智大数据公司，启动“生成式 AI 智慧教育软件”专项研发，目标是打造一个“技术先进、平台融合、内容可控、路径可塑”的职业教育智能平台解决方案，赋能课堂教学与教研全过程智能化升级。二、平台架构与技术逻辑平台整体架构包括四大技术层：（1）模型底座层：基于开放大模型（DeepSeek、ChatGLM）搭建自有“教学微调体系”，采集 1.2 亿字级本地教学语料，完成 LoRA P-tuning 微调流程；（2）中台服务层：设置 Prompt 管理器、知识图谱索引、行为捕捉器、评估反馈模块，支撑模型输入优化与内容分发决策；（3）工具集成层：嵌入 AI 教案生成器、学习路径推荐器、虚拟教研助手、AI 试题构造工具、学生画像仪表盘等模块；（4）场景应用层：对应课堂教学、线上学习、实训答疑、就业能力提升、技能赛训练等多元场景，实现 AI 工具即服务（AIaaS）。技术上融合了 RAG 增强检索机制、知识图谱嵌套检索、结构化内容生成、情境式81任务链联动等核心技术，确保输出内容“真实可控、逻辑完整、可解释性强”。产品功能介绍该项目通过人工智能技术、AIGC 技术、AI 智能生成和模拟仿真等技术，建成一款领先的智慧教育平台，实现知识集成与提取、智能检索与分析、交互式学习、以及智能评测与反馈等功能，适应教育领域的多样化应用需求，广泛应用于实际教学中的多个场景。教育工作者可以更高效地整合和管理教学资源，学生能够享受到个性化、互动式的学习体验，提升学习效果和参与度。建设内容包含实现以下 12 个功能，具体情况如下：（一）多学科知识库构建多学科知识库，将运用先进的图像识别、语音识别和文本分析技术，对不同类型的教学资源进行知识分析、提取和碎片化处理。系统将能够识别和理解教学资源中的关键词、概念和主题，提供丰富而准确的学习材料。同时，知识库将融合多个学科的知识，创建跨学科的综合性学习资源。通过结合用户反馈，知识库将不断优化和完善，确保其覆盖面和准确性，以适应信息时代快速更新的需求，从而为用户带来高效、全面的学习体验。（二）增强型知识检索(RAG)增强型知识检索系统将采用最新的深度学习技术，结合自然语言处理和机器学习算法，实现对知识库的高效检索。该系统将能够理解复杂查询，并从知识库中提取最相关的信息。此外，系统将具备学习能力，能够根据用户的检索历史和反馈不断优化搜索结果，提供个性化的检索体验。（三）大语言模型推理端大语言模型推理后端通过建立系统关联，实现对模型复杂功能的抽象和封装，简化应用开发的复杂度。此结构屏蔽不同大语言模型对前端应用部署的影响，为应用功能提供标准化服务，显著提高整体系统服务能力的稳定性。此外，该推理端还对大语言模型的性能进行优化，并加入了后期应用所需的监控和保护功能，从而增强平台的性能和可维护性。（四）课程知识问答课程知识智能问答系统利用大语言模型的强大能力，为用户提供一个交互式学习助手。用户可以通过提问获得详细的课程内容解释和答案，并追溯知识点的来源。系统能够处理复杂问题，提供详细的解释和示例，帮助用户更好地理解和掌握知识点。此外，系统还具备隐私保护和伦理规范检测功能，确保用户的数据安全和使用过程中的合规合法性。通过这些功能，系统在提供高质量的学习支持时，既保障了用户隐私，也遵守了道德伦理标准。（五）AI 搜索问答Al 搜索问答功能将实现对知识库内容的全面检索与整合，整理并融合知识库中的相关信息，返回包括知识库文档、课件或视频的源文件以及其他相关的数据源原始信息，供用户查阅。该功能不只限于知识库内部，还可以对全网内容进行深度搜索，全面搜集用户问题相关信息。利用人工智能技术对搜索结果进行全面的总结和分析，提供更丰富的回答作为参考。此功能作为知识检索的补充和扩展，有效弥补了知识库在时效性和扩展性方面的不足，确保用户能够获取最新、最全面的信息。（六）个性化学习个性化学习功能，根据用户设置和学习习惯，采用问答交互形式，为用户定制指定课程或技能的学习大纲。系统将根据用户的个性化偏好设置信息，智能评估其学习能力和特点，逐步生成符合用户需求的课程、文章和练习内容。平台还将持续跟踪用户的学82习进度和反馈，实时调整学习路径和内容推荐，确保学习体验的个性化和有效性。（七）学习智能助手学习助手预置了多个智能角色，满足学生在不同学习场景中的需求，帮助解决各种学习问题。外语翻译角色协助完成外文翻译和英文文稿润色，提升书面表达能力；阅读助手帮助总结文章大纲和主旨，提高阅读效率；职业顾问根据行业发展现状预测前景，规划学习方向，辅助职业规划；简历助手提供简历书写建议，优化文笔，提高简历质量。通过这些功能，学习助手全方位支持学生，提升学习效果和职业能力。（八）语音交互数字人交互式虚拟数字人将作为学习者与教学内容之间的桥梁。这些虚拟数字人将具备高度的交互能力，能够理解用户的语音和文本输入，并提供相应的反馈。通过模拟真实场景的交流方式，虚拟数字人将能够提供个性化的指导、激励和支持，帮助学习者克服学习障碍，提高学习效率。（九）虚拟教学场景数字人虚拟教学场景设计将围绕创建沉浸式和互动式学习环境展开。设计团队将利用最新的虚拟现实和增强现实技术，将虚拟数字人与图像、语音、视频的多媒体资源相结合，并预设智能交互指令。使学生能够在虚拟环境中进行实践操作和问题解决，从而大幅提高学习效果和参与度，提升学习的真实感和互动性。（十）教研辅助工具教研辅助工具主要为老师提供全面的教学教研支持。该工具能够帮助老师整理教案、梳理教学思路、创建课程大纲、生成教学内容，并设计课堂实验和教学案例，节约老师课前准备时间，提高工作效率。此外，还能协助老师搜集和整理各类科技学术文章，提炼大纲，总结重点，优化文章逻辑和文字表达，为教学研究提供强有力的支持。（十一）学习行为统计平台将详细记录用户提出的各类问题，包括问题文本、提问时间和提问频率等基础信息。通过对这些数据的统计分析，洞察用户的知识需求热点和问题类型分布。老师可以全面了解学生的学习情况，有针对性地调整教学方法，并对重点学生进行重点关注，从而确保整体教学质量的稳步提升。（十二）智能评价充分利用大语言模型的自然语言理解能力，对收集到的学习行为数据进行深入分析和挖掘，从中提取学生的学习兴趣、学习方式和知识掌握程度等多维度特征，构建立体的人物画像。基于对学习历程和知识掌握的全面分析，能够提供客观、公正的学习效果评估，并生成个性化的学习报告。通过这些画像和学情报告，洞察每个学生的学习状况和需求，提供个性化的学习建议。产品应用情况平台已在我校人工智能学院全面部署使用，覆盖 13 个专业课程、约 48 名教师和近2300 名在读学生。课程包括Python 程序设计基础数据分析职业素养等，配套建设了 AI 课程资源仓、学习记录追踪平台与教师赋能工作坊。截至目前，平台日均服务学生 850 人次，平均交互回合 8.3 次/天，生成课程文案内容累计 15 万条。教师反馈平台“显著减轻备课压力”，学生反馈“显著提高个性学习动力”，教务系统统计显示，平台接入课程学生平均完成率高出未接入课程 14.6%。目前已落地的大模型教学应用实际案例，包括陕西财经职业技术学院商业人工智能大语言模型知识问答平台建设和应用、重庆工信职业学院生成式人工智能（AIGC）教学应用平台建设与应用；同时应用大模型技术赋能中国重庆-南非（城际）职业教育高技能人才培养基地建设，推动国际合作相关工作开展。83产品市场前景随着生成式人工智能的快速普及与国家推动“人工智能 教育”深度融合的战略加速，教育行业对大模型能力的场景化落地需求持续增长，尤其在职业教育、高等教育和终身学习领域，平台型 AI 教学产品正快速进入“从试点走向体系化部署”阶段。“生成式 AI 智慧教育软件”作为国内少数针对高职教育教学场景构建的智能教研平台，已在教学内容生成、学习路径推荐、教学行为分析等方面形成可标准化、可复制、可服务的解决方案，具备强推广性与产品化潜力。一方面，平台具备跨专业、跨学科适配能力，可广泛服务智能制造、人工智能、大数据、财经商贸、交通物流等典型专业群，满足区域高职院校对高效内容生成与智能教辅的核心需求。另一方面，平台支持本地部署、模块拆解、接口式输出，能够以 API 授权、平台共建、SaaS 订阅等多种方式服务于院校、培训机构、行业组织。目前，平台已与区内外 5 所院校建立合作意向，预计未来三年内，该平台将在区域推广中实现超过 30 所院校部署，带动教学资源开发、AI 人才培训、数字化教材体系建设等多维联动，市场潜力广阔。三、经济和社会效益（一）经济效益（1）项目建成后已实现产业化，通过翰海睿智公司端口，与陕西财经职业技术学院合作，建设商业人工智能大语言模型知识问答平台；与重庆工信职业学院合作，建设生成式人工智能（AIGC）教学应用平台，产生直接经济效益 300 万左右。（2）提效降本效果明显：平台上线后，教师平均备课效率提升 58%，重复性劳动减少 70%。（3）模块化商业模式成型：平台支持按专业、年级、学校维度拆分模块进行定制输出，具备标准化授权条件。（4）带动配套开发与培训：目前平台已促成 3 项内容开发服务与 2 项教师 AI能力培训业务，拉动上下游产值超 40 万元。（5）初步形成知识资产链：平台形成的教学内容（教案 讲稿 问答对话）已沉淀为标准教学资源库，具备进一步版权与交易潜力。（二）社会效益（1）提升教育公平，平台适配多样化硬件终端，支持轻量级低带宽运行，可在乡镇级试点部署，应用平稳。（2）提升教师教研自信：平台帮助中青年教师快速提升教学文案设计能力，在校教案评比中表现突出，教学创新热情大幅增强。（3）服务“AI 素养提升”国家战略：平台内置 AI 素养任务链，支持学生从“提示词设计-结果评估-人机协同”全过程参与 AI 创作，显著增强其对未来工作的理解能力。三十三、智慧园区全域可视安消一体化智控平台申报单位名称南宁职业技术大学、广西远创电子科技有限公司联系人及联系方式张义斌 18172363235、韦春龙 13807804865人工智能产品名称智慧园区全域可视安消一体化智控平台人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能移动终端智能可穿戴设备具身智能机器人人工智能软件产品84其他：智能安防系统（含软硬件）一、单位简介南宁职业技术大学是由南宁市人民政府举办的一所公办本科层次职业大学。学校前身为 1984 年创建的南宁职业大学。2009 年 11 月，学校通过教育部、财政部示范建设验收，成为全国首批 28 所、广西首家国家示范性高职院校。2019 年 7 月，学校被教育部认定为“国家优质高等专科学校”。2019 年 12 月，成功入选全国 56 所“中国特色高水平高职学校和专业建设计划”高水平学校建设单位。2024 年 5 月，教育部批准以南宁职业技术学院为基础整合资源设立南宁职业技术大学。广西远创电子科技有限公司成立于2014 年 6 月，是一家专注从事智慧社区及城市空间运营的科技型服务企业，以科技赋能及服务创新为理念，以打造“安全、节能、智能”的智慧社区及城市空间为目标，以移动互联网、大数据、物联网、云计算技术为载体，不断强化大数据能力与人工智能的推广应用，打造行业领先的智慧社区及城市空间安消一体化全域智控解决方案及能耗一体化联网集控解决方案，公司深耕技术创新，拥有多项专利及软著资质，并与多家知名企业达成长期合作，未来，公司将持续探索智能化技术与垂直行业的深度融合，以数据驱动决策，以科技赋能空间，推动社会向绿色化、智慧化方向迈进。二、产品简介一、产品研发背景随着智慧城市建设和城市更新建设步伐的加快，人工智能、物联网技术等飞速发展，城市智慧消防和智能安防的管理变得愈加重要。但是目前城市智慧消防和智能安防的管理普遍存在以下痛点：现有安全与消防系统存在的功能相互独立、缺乏联动，社会单位防控意识淡薄、安全隐患多、设备及人员难监管、部分地区安消管理力量相对薄弱等。为了提升现代化智慧消防和智能安防的监管水平，加快推进科学技术与安消一体的深度融合，国家及地方发布了一系列政策、行动建议，组织重要推进会议等，各城市智慧消防和智能安防的建设也陆续开展。二、产品功能基于 BIM GIS IoT 技术融合创新，通过搭建BIM GIS三维数字底盘，融合 IoT 实时感知数据，构建的全域可视安消一体化智控台，经过 2 年多的实战应用，不断优化完善实现了软硬件一体化，即插即用，功能齐全，兼容性强，同时深度融合海康、华为及国内 AI 知名企业智能安防的各种算法应用，让 AI 感知功能在安防、消防领域得到可视化展现，变被动安防、被动消防为主动监控、自动感知，实现由人看大屏发现事况变为由 AI 感知事态并及时告警推送处理，重新定义传统监控中心，真正实现安消一体、一网统管、全域感知及集约调度，从宏观到微观，全方位多维度呈现项目安防消防运营态势。支持安消一体联动、数据可视分析、报警消息推送、历史数据存档等。通过全面接入和管理消防烟火、水电、燃气及安防视频 AI、门禁道闸、电梯五方通话、物联等前端感知设备，呈现前端感知设备的预警信息，为用户提供从预警、报警推送、业务处理到报警记录存档的全流程闭环业务流程，满足客户消防及安防业务需求，实现消防安防管理工作智能化、可视化、痕迹化。三、应用情况和市场前景1、通过平台数据，展示实时人员通行视频、实时车辆进出视频、设备实时状态信息、告警事件实时弹窗呈现、展示各业务板块统计信息、展示告警统计信息，实现远程服务替代现场服务，机器服务替代人工服务。2、通过智能预警告警机制自动上报消防火灾、消防水位、水压等异常事件，同时触85发告警弹窗，自动显示警情级别及处置流程。地图上定位报警位置，相关图标自动闪烁，自动弹出周边监控实时画面，即刻可对告警提示进行确认，将告警处置任务派发到对应移动端。3、通过展示消防火灾、消防水位水压、入侵报警的告警信息、人脸识别告警信息、人脸识别、出入口、目标检测等基础设备与 AI 算法功能的融合。查询位置、报警级别、确警状态、开始时间、结束时间，对报警关联的视频片段进行存档。对部分重点数据统计分析，更快地预警提示，通过数据分析提前布防，做到防患于未然。4、可以在地图上点击基于位置信息的摄像头图标，播放对应摄像头实时画面，实现对监控场景的分析并反馈。可以对电梯、配电、消防火灾、消防用水等场景下的设备设施以及人行通道、车行通道、非机动车通道、重点区域进行 24 小时自动监控。对设备及环境异常状况发出告警，上传信息至平台，并自动或手动派发作业工单到指定责任人，责任人在专用移动端 APP 或公众号上进行作业工单查看、处理，验收和反馈。5、可以对重点人员、重点岗位做行为分析，并对特殊行为进行预警，如玩手机、离岗/睡岗、抽烟、手机拍照、不穿工服、工帽检测、安全帽反光衣检测等，在重点区域通过 AI 视频进行告警，如高空抛物、火焰检测、烟雾检测、打电话检测、人员摔倒检测、人员静电消除、区域入侵检测、电瓶车检测、消防通道占用、周界翻越入侵、异常位移、安全挂网等，更好、更高效实现统一可视化管理。平台具有部署简单、稳定可靠、容易扩展等特点，可广泛应用于学校、园区、工厂、医疗、教育、能源、物流等企事业单位安防消防监测场景。三、经济和社会效益基于智慧园区管理服务中全域可视安消一体化智控平台，对于提高城市消防安全及智慧安防处置效率，推进智慧消防建设具有重要意义。将消防和安防两个领域进行有机融合，打破信息孤岛，提高处置效率。全域可视安消一体化智控平台的推广，能够将消防和安防等多种资源进行有机整合，实现跨部门、跨领域的协同作战。通过综合利用物联网、大数据、云计算、移动互联网、人工智能等技术，实现对消防安全相关的人、车、事、物、数进行监测和智能预警。这不仅可以提高火灾防范的精准度和效率，还能在火灾发生时，快速调动救援资源，提高灭火救援的效率和成功率。全域安消一体化智控中心是一个集成了消防、安全监控、应急响应等多功能的综合性平台。其社会效益主要体现在以下几个方面：1.通过全域安消一体化智控中心，可以实现对消防安全的全面监控和管理，及时发现火灾等安全隐患，提高消防安全水平，保障人民生命财产安全。2.提升应急响应效率，实现对火灾等突发事件的快速响应和处理，及时调动资源，提高应急响应效率，减少灾害损失。3 全域安消一体化智控中心通过大数据分析和人工智能技术，可以实现对消防和安全资源的优化配置。三十四、“友智味链”老友粉智能烹饪机器人申报单位名称南宁职业技术大学、广西南宁复记老友餐饮企业管理有限公司联系人及联系方式李河 1348904871、陆永明 18115066776人工智能产品名称“友智味链”老友粉智能烹饪机器人人工智能产品类别智能装备智能机器人智能网联汽车智能运载工具智能家居智能医疗设备智能安防设备智能保育康复产品智能86移动终端智能可穿戴设备具身智能机器人人工智能软件产品其他：一、单位简介南宁职业技术大学是广西壮族自治区一所以工科为主、多学科协调发展的公办本科层次职业大学，致力于培养高素质技术技能型人才。学校坚持“产教融合、校企合作”的办学理念，设有智能制造、人工智能、烹饪工艺与营养等特色专业，拥有多个世界先进实训中心。近年来，学校与广西南宁复记老友餐饮企业管理有限公司深度合作，共建“老友粉产业研究院”，推动非遗技艺智能化升级，开发智能烹饪设备并制定行业标准，为餐饮行业输送“技艺传承 技术应用”的复合型人才。学校在人工智能、工业机器人等领域取得多项专利和科研成果，是广西职业教育创新发展的示范单位。广西南宁复记老友餐饮企业管理有限公司是广西本土知名餐饮企业，始创于 1992年，专注传承广西非物质文化遗产“老友粉”制作技艺，拥有 30 余家直营及加盟门店，覆盖南宁核心商圈及东南亚市场。公司以“传统工艺 现代科技”为核心理念，率先引入智能烹饪机器人、AI 视觉识别等技术，推动老友粉标准化生产和产业化升级。作为行业标杆，复记老友与南宁职业技术大学共建产学研基地，成立老友粉产业研究院，在创新菜品研发、学生技能竞赛、创新创业大赛、技术培训等已经进行深度合作，成果丰富。现阶段校企联合研发智能烹饪设备，助力非遗技艺数字化保护。公司曾获“广西老字号”“南宁市非遗传承示范单位”等荣誉，是传统餐饮智能化转型的典范企业。二、产品简介一、研发背景（一）传统老友粉制作痛点1.非遗技艺依赖人工老友粉作为广西非物质文化遗产，其核心工艺如酸笋爆香、火候控制等高度依赖厨师经验。传统制作过程中，酸笋需在特定油温下快速翻炒至微焦，火候偏差直接影响风味。由于人工操作难以标准化，不同门店甚至同一厨师不同时段出品的口味波动较大，导致品牌一致性受损。此外，经验丰富的厨师培养周期通常在 3-5 年，易导致人才断层问题突出，严重制约规模化扩张。2.效率与成本问题传统模式下，单店日均产能不足 300 份，人工成本占运营成本的 40%以上。以南宁核心商圈门店为例，高峰期需配备 3-4 名厨师同时操作，人力密集且劳动强度大。同时，传统烹饪设备功能单一，无法适配如汤粉与干捞模式切换等多品类需求，导致设备利用率低。随着租金和人力成本逐年上升，传统模式难以支撑企业盈利增长，亟需通过智能化改造降本增效。（二）政策与市场需求驱动1.国家推动“人工智能 非遗”融合2023 年国务院发布关于推进非物质文化遗产与科技深度融合的指导意见，明确提出支持非遗技艺数字化保护与产业化应用。广西壮族自治区政府配套出台“壮美广西智慧非遗”行动计划，设立专项资金鼓励企业联合高校开发智能设备。本项目响应政策号召，将 AI 技术引入老友粉制作，实现非遗技艺的标准化传承与商业化变现。2.餐饮智能化转型趋势据2024 年中国餐饮智能化发展报告，超 70%连锁餐饮企业计划在未来 3 年内引入智能烹饪设备，以解决标准化和用工短缺问题。东南亚市场方面，越南、泰国等地对中式特色小吃需求旺盛，但本地化生产受限于技术能力。复记老友通过智能设备输出标准化工艺，可快速占领海外市场。87二、功能与创新（一）核心技术突破1.AI 视觉识别与自动化控制设备集成高精度红外传感器（2温控）和工业摄像头，实时采集油温、火焰形态及食材状态数据。通过卷积神经网络（CNN）算法分析图像特征，动态调节燃气阀开度与翻炒频率，精准复刻“猛火快炒”工艺。例如，酸笋爆香阶段，系统自动将油温控制在 180-200，翻炒速度提升至 30 次/分钟，确保焦香风味稳定输出。2.多模态数据融合与个性化定制系统接入门店 POS 系统与消费者点餐 APP，结合历史订单数据构建用户偏好模型。通过随机森林算法分析辣度、汤底浓度等参数组合，动态生成个性化配方。例如，针对东南亚消费者偏好，系统可自动降低酸笋比例并增加椰浆风味，实现“一粉一味”定制化生产。（二）产品功能模块1.高效生产系统（1）采用模块化设计，配置 3 个独立出餐口与语音叫号系统，支持并行处理多订单。单机日产能达 60 份，出餐效率较传统模式提升 40%。以南宁万象城门店为例，高峰期订单处理时间从 8 分钟缩短至 3 分钟，客户满意度提升至 95%。（2）自动清洁模块通过高压水雾喷淋与紫外线杀菌，10 分钟内完成设备内部清洁，人工干预频次减少 70%，后厨用工成本降低 30%。2.多品类适配与工艺扩展设备兼容牛肉、卤肉、猪杂等 10 种主料，支持汤粉、干捞两种模式切换。通过更换标准化料包与调整烹饪参数，可快速适配新品开发。例如，2024 年新增“螺蛳粉 老友粉”双拼模式，单月销量增长 25%。三、应用情况（一）落地场景1.餐饮门店应用2024 年首批 20 台设备在南宁复记老友朝阳广场店、航洋国际店等核心商圈门店投用。单店日均销量从 300 份提升至 500 份，坪效增长 25%（从 120 元/提升至 150 元/）。消费者调研显示，90%用户认为智能设备出品口感更稳定，复购率提高 15%。2.产业化延伸依托设备标准化输出，预包装老友粉生产线产能从每月 5 万包扩至 15 万包，并出口至越南胡志明市、泰国曼谷等地。2025 年第一季度海外营收达 800 万元，占总销售额的35%。四、市场前景（一）行业需求潜力1.连锁餐饮智能化升级据艾瑞咨询预测，2025 年中国智能烹饪设备市场规模将突破 200 亿元，年复合增长率达 22%。老友粉智能机器人可适配快餐、小吃连锁品牌，解决标准化与规模化痛点。以广西为例，现有老友粉门店超 5000 家，若 30%引入该设备，潜在市场规模达 7.5 亿元。2.非遗产业化推广项目为非遗技艺提供“保护开发输出”闭环模式。通过设备租赁、技术授权等形式，已与柳州螺蛳粉、桂林米粉等品牌达成合作意向，计划 3 年内覆盖 80%广西传统小吃头部企业。（二）战略发展目标881.国内市场拓展2025-2027 年重点布局广西、广东市场，目标签约 300 家门店。针对粤港澳大湾区消费者偏好，开发低脂版、即食版等新产品线，预计年营收增长 50%。2.国际化布局依托 RCEP 协

2025-10-14 496页 5星级

腾讯云：2025智能体驱动的大模型系统工程与产业实践报告（35页）.pdf

智能体驱动的大模型系统工程与产业实践电信运营商与云服务商的合作探索腾讯云计算（北京）有限责任公司中国信息通信研究院计算与大数据研究所2025年9月编委会主编张晋、栗蔚编委（排名不分先后）秦若毅、周锐、.

2025-10-14 35页 5星级

复旦大学：2025人工智能与先进计算融合创新关键技术与基础支撑体系研究蓝皮书（59页）.pdf

主编单位复旦大学清华大学北京大学浙江大学天津大学中国科学技术大学国防科技大学华中科技大学信息工程大学国家数字交换系统工程技术研究中心(NDSC)嵩山实验室中国科学院半导体研究所中国科学院计算技术研究所.

2025-10-14 59页 5星级

人形机器人行业跟踪报告：Figure03正式发布智元获数亿新订单-251012（3页）.pdf

请务必阅读正文之后的免责条款部分 股票研究股票研究 行业跟踪报告行业跟踪报告 证券研究报告证券研究报告 股票研究/Table_Date 2025.10.12 Figure03 正式发布，智元获数亿新.

2025-10-13 3页 5星级

机器人行业周报：智元龙旗达成合作Figure03正式发布-251011（9页）.pdf

请务必阅读正文之后的免责条款部分 股票研究股票研究 行业双周报行业双周报 证券研究报告证券研究报告 股票研究/Table_Date 2025.10.11 智元龙旗达成合作，智元龙旗达成合作，Figu.

2025-10-13 9页 5星级

机械设备：Figure AI发布第三代通用人形机器人Figure 03-251010（5页）.pdf

敬请阅读末页之重要声明 Figure AI Figure AI 发布第三代通用人形机器人发布第三代通用人形机器人 Figure 03Figure 03 相关研究：相关研究：1.20250211湘财证.

2025-10-13 5页 5星级

人形机器人行业专题报告：电子皮肤：人形机器人从表演到实用的关键-251008（3页）.pdf

证券研究报告|行业专题|机械设备 http:/ 1/3 请务必阅读正文之后的免责条款部分 机械设备 报告日期：2025 年 10 月 08 日 电子皮肤：人形机器人从表演到实用的关键电子皮肤：人形机器.

2025-10-13 3页 5星级

三个皮匠报告：2025中国AI芯片市场洞察报告（24页）.pdf

xx报告目录04 中国 AI 芯片市场前景展望01 中国 AI 芯片市场现状02 中国 AI 芯片市场竞争格局03 中国 AI 芯片市场需求洞察l研究背景：人工智能深入应用，智能算力需求激增l市场分类.

2025-10-13 24页 5星级

算泥社区：2025年AI大模型与异构算力融合技术白皮书（144页）.pdf

AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书主编单位：中科算网科技有限公司算泥 AI 开发者社区（https:/）联合发布：中国科学技术大学苏州高等研究院AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书目目 录录一、前言.11.1 报告背景与意义.11.1.1AI 大模型爆发与算力需求激增.11.1.2 国内外政策与产业驱动.31.1.3 技术融合与开发者需求.5二、AI 大模型与算力行业现状.62.1 全球 AI 大模型发展概况.62.1.1 国际大模型技术演进.62.1.2 国内大模型技术进展.82.1.3 大模型应用场景拓展.102.2 算力需求爆发与挑战.132.2.1 训练与推理算力需求分析.132.2.2 算力墙、存储墙、通信墙.152.2.3 算力成本与能效挑战.182.3 国内外算力基础设施对比.202.3.1 全球算力规模与分布.202.3.2 国内智算中心建设.232.3.3 政策支持与地方实践.252.4 异构算力成为主流趋势.272.4.1 异构计算定义与分类.272.4.2 异构算力在大模型场景优势.28AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书三、异构算力技术架构与核心组件.303.1 异构计算硬件体系.303.1.1 主流 AI 芯片对比.303.1.2 国产 AI 芯片技术路线.363.1.3 芯片性能与能效评测.393.2 高速互联与网络架构.413.2.1 高速互联技术.413.2.2 智算中心网络拓扑.443.2.3 集群通信优化.483.3 存储与数据管理.513.3.1 大模型存储需求.513.3.2 分布式存储技术.553.3.3 数据预处理与加载.58四、大模型与异构算力融合关键技术.614.1 软硬件协同优化.614.1.1 算子融合与指令优化.614.1.2 编译器与中间表示.634.1.3AI 框架适配.664.2 大模型并行训练技术.684.2.1 数据并行.684.2.2 模型并行.704.2.3 混合并行与 4D 并行.73AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书4.2.4 条件计算与 MoE.754.3 推理加速与部署优化.774.3.1 模型压缩技术.774.3.2 推理引擎优化.804.3.3 KVCache 与分离式推理.834.3.4 边缘-云协同推理.854.4 异构资源调度与编排.874.4.1 资源统一管理.874.4.2 任务调度策略.904.4.3 弹性伸缩与算力交易.93五、国内企业实践与案例分析.945.1 华为昇腾：异构算力与大模型融合实践.945.1.1 云端芯片在互联网大厂部署.945.1.2 边缘与端侧落地案例.965.2 国内企业布局.975.2.1 寒武纪.975.2.2 阿里平头哥与含光芯片.985.2.3 腾讯星星海与 AI 加速卡.1005.3 智算中心与云服务商实践.1025.3.1 国家级智算中心.1025.3.2 商业云服务商.1045.4 开源社区与开发者生态.105AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书5.4.1 国内 AI 开源平台.1055.4.2 开发者工具链与支持.106六、行业应用与场景落地.1076.1 互联网与内容生成.1076.1.1AIGC 应用.1076.1.2 大模型搜索与推荐.1096.2 金融与医疗.1116.2.1 智能风控与投研.1116.2.2 医学影像与药物研发.1136.3 自动驾驶与智能制造.1156.3.1 车规级 AI 芯片与边缘计算.1156.3.2 工业质检与数字孪生.117七、挑战、趋势与展望.1207.1 主要挑战.1207.1.1 算力供给与需求缺口.1207.1.2 软件生态成熟度.1217.1.3 能效与绿色计算.1237.1.4 数据安全与隐私保护.1247.2 技术趋势.1267.2.1 芯片与封装技术.1267.2.2 大模型技术演进.1287.2.3 算力网络与交易.129AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书7.3 产业与生态展望.1317.3.1 国产异构算力产业链.1317.3.2 开发者生态繁荣.132八、附录.1338.1 名词解释.1338.1.1 异构计算.1338.1.2AI 大模型.1338.1.3 训练与推理.1348.1.4 算力密度与能效.1348.2 参考文献.1348.2.1 国内外权威报告.1348.2.2 学术论文与技术文档.1358.3 致谢.1358.3.1 行业专家与企业支持.1358.3.2 开源社区与开发者.135AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 1 一、前言一、前言1.1 报告背景与意义报告背景与意义1.1.1 AI 大模型爆发与算力需求激增大模型爆发与算力需求激增近年来，人工智能大模型技术呈现爆发式增长，模型参数规模从亿级迅速扩展至万亿级。根据最新研究显示，全球 AI 算力需求正以每 34 个月翻番的速度突破临界点，远超传统摩尔定律预测的计算能力提升速度（每 18 个月翻倍），形成了所谓的逆摩尔定律（Inverse Moores Law）。IDC 预测，2023-2030 年全球 IDC 市场将保持高速增长，其中 AI 算力需求增速显著高于传统算力。逆摩尔定律下的 AI 算力需求爆发随着 GPT-5、Llama 4、Claude Opus 4.1 等大模型的不断演进，模型参数规模持续扩大。2025 年，OpenAI GPT-5 参数规模行业预估从 3 万亿到 52 万亿不等，AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 2 业界已开始关注模型效率而非简单扩大参数量，数据质量、数据多样性和领域覆盖度成为更重要的竞争因素。这种膨胀速度带来了前所未有的算力需求。据测算，训练 Llama 4 的成本预计花费数亿美元，而 2020 年训练 GPT-3 的成本约为450 万美元，五年间训练成本增长数十倍。这种算力需求的激增使得单一架构的算力供应难以满足，异构算力成为应对这一挑战的必然选择。异构算力：大模型时代的关键解决方案与此同时，推理场景的多样化进一步推动了对异构算力的需求。从通用对话到行业专用应用，从 AIGC 到智能助手、代码生成、多模态生成（视频、音乐、3D、数字人）等场景，对算力的需求各不相同有的需要高并行计算能力，有的需要低延迟响应，有的则对能效比有极高要求。这种多样化的需求使得单一类型的计算单元难以全面满足，异构算力通过组合不同特性的计算单元（如CPU、GPU、FPGA、ASIC 等），能够针对不同场景提供最优的算力解决方案，成为大模型时代的刚需。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 3 1.1.2 国内外政策与产业驱动国内外政策与产业驱动在全球范围内，各国政府纷纷出台政策支持 AI 和算力基础设施发展，形成了强有力的产业驱动力。中国将人工智能和算力基础设施纳入国家战略，明确提出加快数字化发展，建设数字中国。截至 2025 年 6 月，中国在用算力中心标准机架达 1085 万架，智能算力规模达 788EFLOPS（FP16 半精度），算力总规模位居全球第二。中研普华预测，2025-2030 年中国数据中心算力需求将以年均 20%的增速扩张，其中人工智能算力占比将从 30%提升至 50%。中国算力基础设施建设进展东数西算工程作为国家战略，已发展成为重大生产力布局战略工程。截至2025 年 8 月，八大算力枢纽节点协同发展成效显著，规划建设超过 250 条东数西算干线光缆，集群间光层直达链路已拓宽至 1232 Tbps。2025 数博会期间，关于进一步强化东数西算工程算力枢纽协同发展的联合倡议发布，提出要AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 4 共建算力监测与调度体系，打破区域壁垒，统一技术标准与安全规范。根据规划，到 2025 年底，我国将初步建成综合算力基础设施体系，国家枢纽节点地区各类新增算力占全国新增算力的 60%以上。全球 AI 算力竞争与产业生态构建在国际层面，全球 AI 算力竞争日趋激烈。据 IDC 最新预测结果显示，2025年中国智能算力规模将达到 1,037.3 EFLOPS，并在 2028 年达到 2,781.9 EFLOPS，2023-2028 年中国智能算力规模五年年复合增长率达 46.2%。全球 AI 服务器市场预计到 2025 年将达到 3,000 亿美元，年增长 46.1%。Gartner 预测 2025 年生成式AI 支出将达 6440 亿美元，其中约 80%用于 AI 硬件。产业层面，企业、资本、开发者多方参与生态构建。国内互联网巨头如阿里巴巴、腾讯、百度等纷纷加大在 AI 芯片和算力基础设施领域的投入；寒武纪、昇腾等国产 AI 芯片企业快速崛起；各类智算中心、AI 公共算力平台如雨后春笋AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 5 般涌现。资本市场上，AI 算力相关企业备受青睐，融资活动活跃。开发者社区日益繁荣，为技术创新提供了源源不断的动力。这种多方参与的生态构建，为AI 大模型与异构算力的融合发展创造了良好的产业环境。1.1.3 技术融合与开发者需求技术融合与开发者需求面对大模型带来的算力挑战，单一架构的计算单元已难以满足需求，大模型与异构算力的深度融合成为突破性能瓶颈、降低成本的关键路径。异构计算通过集成不同类型的计算单元（如 CPU、GPU、FPGA、ASIC 等），发挥各自的优势，实现更高的性能和能效。例如，GPU 在大规模并行计算方面表现优异，适合大模型训练；ASIC 在特定任务上能效比极高，适合推理加速；FPGA 则具有灵活可编程的特性，能够适应不断变化的算法需求。通过异构计算架构，可以将不同类型的计算任务分配给最适合的处理单元，从而实现整体性能的最优化。大模型与异构算力的深度融合然而，异构算力的应用也带来了新的挑战。不同架构的硬件需要统一的编程模型、编译优化和任务调度机制；异构系统中的数据移动和通信开销可能成为新的瓶颈；开发者需要掌握多种硬件架构的编程技巧，学习曲线陡峭。这些问题使得大模型与异构算力的融合不仅仅是硬件层面的组合，更需要软件栈、编程模型、系统架构等多方面的协同创新。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 6 异构算力融合面临的挑战与解决方案在这一背景下，开发者亟需系统化的技术指南与实践参考。当前，关于大模型开发的资料虽然丰富，但大多聚焦于算法层面，对于如何在异构算力环境下高效部署和优化大模型的系统性指导相对缺乏。开发者需要了解不同硬件架构的特性、适用场景和性能表现；需要掌握异构环境下的编程模型和优化技巧；需要学习如何设计能够充分发挥异构算力优势的系统架构。本报告旨在填补这一空白，为开发者提供全面、实用的技术参考，推动大模型与异构算力的深度融合。二、二、AI 大模型与算力行业现状大模型与算力行业现状2.1 全球全球 AI 大模型发展概况大模型发展概况2.1.1 国际大模型技术演进国际大模型技术演进2025 年，全球 AI 大模型技术呈现出快速迭代、规模持续扩大、效率显著提AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 7 升的发展趋势。以 OpenAI 的 GPT 系列为代表，从 GPT-3 的 1750 亿参数发展到GPT-4 的预估 1.7 万亿参数规模，再到 GPT-5 可能达到 3 至 50 万亿参数，模型参数量呈指数级增长。Meta 的 Llama 系列作为开源大模型的标杆，2025 年 4 月发布的 4.0 版本首次采用 MoE（Mixture of Experts）架构，提供了三个不同规模的版本：Llama 4 Scout（1090 亿参数）、Llama 4 Maverick（4000 亿总参数，170亿激活参数）和 Llama 4 Behemoth（2 万亿总参数，2880 亿激活参数，16 个专家），展现了大模型架构的创新方向。全球 AI 大模型参数规模的指数级增长与 MoE 架构的创新应用。在技术架构方面，Transformer 已成为大模型的主流架构基础，同时各种创新变体不断涌现。MoE（混合专家模型）架构通过动态路由机制，在保持模型容量的同时显著降低了计算成本；世界模型（World Models）探索构建对环境的内部表征，为实现更通用的人工智能提供了新思路；多模态能力成为大模型的标配，从单一的文本处理扩展到图像、音频、视频等多种模态的理解和生成。2025 年 8月，Anthropic 发布 Claude Opus 4.1，将编码性能提升至 SWE-bench Verified 基准测试的 74.5%，显著增强了深度研究和数据分析能力。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 8 AI 大模型技术架构的演进与开源生态的繁荣。开源生态的繁荣是国际大模型发展的另一重要特征。智谱的 GLM 系列、Meta 的 Llama 系列、阿里的 Qwen 系列、腾讯混元系列、Mistral AI 的 Mistral系列、阿联酋的 Falcon 系列等开源模型的发布，极大地推动了大模型技术的普及和创新。这些开源模型不仅提供了强大的基础能力，还通过开放的权重和代码，为研究者和开发者提供了宝贵的实验平台，催生了大量基于开源模型的改进和应用。据 Artificial Analysis 公司 2025 年 Q1 报告显示，开源模型在性能上与闭源模型的差距正在缩小，在某些特定任务上甚至实现了超越。2.1.2 国内大模型技术进展国内大模型技术进展AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 9 中国大模型“提质增效”及主要参与者中国在大模型领域的发展呈现出提质增效的态势，涌现出一批具有国际竞争力的模型和产品。阿里巴巴的通义千问（Qwen）系列在开源社区备受关注，通过持续迭代优化，在多模态理解和生成方面取得显著进展。华为的盘古大模型在千亿级参数基础上，进一步优化了训练效率和推理性能，覆盖 NLP、科学计算等多个领域，并在华为的全栈 AI 生态中得到广泛应用。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 10 智谱AI的GLM系列和月之暗面的KIMI智能助手代表了国内大模型在特定技术路线上的突破。KIMI 通过创新的网络结构和工程优化，在长文本处理方面形成了差异化优势，实现了无损的长程注意力机制。GLM 系列则在 2025 年进一步融合了原生 Agent 能力，实现模型与 Agent 的深度融合，提升了复杂任务的执行能力。2025 年，DeepSeek 系列模型在国内外引起广泛关注，其 R1-0528 模型智能指数已达到 68，相较于最初的 67B 模型有了显著提升，展现了中国在大模型训练效率优化方面的实力。国内大模型在开源生态方面也取得了显著进展，Deepseek、Qwen、ChatGLM 等开源模型在 GitHub 等平台获得了大量关注和应用，形成了活跃的开发者社区。2.1.3 大模型应用场景拓展大模型应用场景拓展AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 11 大模型市场规模及应用生态概览随着大模型技术的不断成熟，其应用场景也在不断拓展和深化。从最初的通用对话场景，逐步扩展到金融、医疗、工业等垂直行业，形成了丰富的应用生态。据艾媒咨询数据显示，2024 年中国 AI 大模型市场规模约为 294.16 亿元，预计2026 年将持续快速增长。互联网与内容生成领域的大模型应用在互联网与内容生成领域，AIGC（AI 生成内容）应用蓬勃发展，包括文生图、文生视频等应用，异构算力的支持使得实时生成成为可能。大模型搜索与推荐系统通过向量检索、语义理解等技术，GPU/ASIC 加速推荐系统推理，提升了AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 12 用户体验和系统效率。智能客服、内容审核、代码生成等应用也在互联网企业中得到广泛应用，大幅提升了业务效率和用户体验。金融与医疗领域的大模型应用在金融领域，大模型与知识图谱结合，在智能风控与投研方面发挥重要作用。低延迟推理、高并发处理能力使得大模型能够实时分析海量金融数据，识别风险模式，辅助投资决策。国产 AI 芯片在金融客户案例中表现出色，为金融行业的智能化转型提供了有力支撑。在医疗领域，大模型应用场景迅速拓展，涵盖药物发现、辅助诊断、个性化治疗、医患服务等各个方面，展现出加快药物开发、早期发现疾病、提升诊疗效率的巨大潜力。医学影像分析、病理诊断、药物分子模拟等应用对算力要求极高，异构算力的引入显著提升了处理效率和准确性。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 13 工业领域的大模型应用在工业领域，大模型在工业质检、数字孪生、设备预测性维护等方面发挥重要作用。视觉质检大模型能够识别复杂工业场景中的缺陷，数字孪生技术通过大模型仿真优化工业流程，边缘异构算力的部署使得实时分析和决策成为可能。2.2 算力需求爆发与挑战算力需求爆发与挑战2.2.1 训练与推理算力需求分析训练与推理算力需求分析大模型训练对算力的需求呈现出前所未有的增长态势前沿模型的训练成本正以惊人的速度膨胀，Anthropic CEO 预测训练成本可能在 2027 年达到 100 亿至1000 亿美元级别。千亿参数模型训练一般需要上千张高性能 GPU 卡支撑，训练时间长达数月，对算力基础设施提出了极高要求。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 14 大模型训练成本的爆炸式增长推理场景对算力的需求同样快速增长，但特点与训练有所不同。推理更注重低延迟、高并发和能效比。在实际应用中，大模型推理需要同时服务大量用户，对并发处理能力提出高要求；在实时交互场景，如智能客服、实时翻译等，对响应延迟极为敏感；在边缘设备和移动终端，对能耗和计算效率有严格限制。这些多样化的需求使得推理算力的优化和调度面临复杂挑战。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 15 推理算力需求的特征、增长及其挑战随着大模型应用的普及，推理算力的总需求已超过训练算力，成为算力消耗的主要部分。特别是在 AIGC、智能助手等大规模应用场景，推理算力需求呈现爆发式增长。Gartner 预测 2025 年生成式 AI 支出将达 6440 亿美元，其中约 80%用于 AI 硬件，主要用于推理场景。如何高效满足海量推理请求，同时保证服务质量和成本效益，成为算力基础设施面临的重要课题。2.2.2 算力墙、存储墙、通信墙算力墙、存储墙、通信墙在大模型训练过程中，三堵墙算力墙、存储墙和通信墙成为制约性能的主要瓶颈。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 16 算力墙指的是单卡算力上限的限制，即使是最先进的 GPU 芯片，其计算能力也难以满足大模型训练的需求，必须通过大规模集群扩展算力。然而，随着模型规模的增长，单纯增加计算单元的效果递减，算力墙问题日益突出。存储墙主要体现在内存带宽和容量的限制上。大模型参数量巨大，万亿参数模型需要数百 GB 到数 TB 的内存容量，而当前 AI 加速器的内存容量和带宽往往成为瓶颈。研究表明，AI 训练未来的瓶颈可能不是算力，而是 GPU 内存，内存墙问题已成为制约大模型发展的关键因素。数据加载、参数交换等内存密集型操作往往成为训练过程中的性能瓶颈。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 17 通信墙则是指集群网络通信开销的限制。大模型并行训练需要大量节点间通信，如 AllReduce 梯度同步、AlltoAll 参数交换等，通信性能直接决定训练效率。无论是芯片内部、芯片间，还是 AI 加速器之间的通信，都已成为 AI 训练的瓶颈。扩展带宽的技术难题尚未被完全攻克，过去 20 年间，运算设备的算力提高了90,000 倍，而互连带宽仅提高了 30 倍，通信墙问题日益严峻。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 18“通信墙”作为大模型训练的限制因素，对比算力与带宽增长的速度差异2.2.3 算力成本与能效挑战算力成本与能效挑战大模型训练和推理的高算力需求带来了巨大的成本压力。前沿模型的训练成本从 2020 年的 450 万美元增长到 2025 年的 3 亿美元以上，增长了约 66 倍。推理成本虽然相对较低，但随着应用规模的扩大，总体成本仍然可观。高昂的算力成本成为大模型技术普及和应用落地的重要障碍，特别是对于中小企业和科研机构而言。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 19 大模型训练和推理成本的快速增长，以及高算力需求带来的成本压力数据中心能耗与双碳目标之间的矛盾日益凸显。算力需求呈指数级增长趋势，带来了数据中心能耗、成本以及碳排放的不断攀升。在双碳目标约束下，算电协同（算力与电力协同优化）正成为破解 AI 能耗困局、实现数据中心绿色可持续发展的关键路径。液冷技术作为降低数据中心能耗的重要手段，比传统电制冷节能 20%-30%，正得到广泛应用。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 20 数据中心能耗与“双碳”目标之间的矛盾，以及算电协同、液冷技术和能效比提升实现绿色算力的解决方案能效比成为衡量算力基础设施的重要指标。传统的以性能为中心的设计理念正在向以能效为中心转变，绿色算力成为行业发展的重要趋势。液冷技术、可再生能源应用、算力调度优化等节能技术得到广泛应用，数据中心 PUE（PowerUsage Effectiveness）值不断降低。同时，芯片能效比（TOPS/W）的提升也成为AI 芯片设计的重要目标，通过架构创新、制程工艺优化等手段，在提升算力的同时降低能耗。2.3 国内外算力基础设施对比国内外算力基础设施对比2.3.1 全球算力规模与分布全球算力规模与分布AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 21 中国智能算力规模增长预测及全球 AI 服务器市场展望根据最新数据，截至 2025 年 6 月，中国在用算力中心标准机架达 1085 万架，智能算力规模达 788EFLOPS（FP16 半精度），算力总规模位居全球第二。IDC预测，2025年中国智能算力规模将达到1,037.3 EFLOPS，并在2028年达到2,781.9EFLOPS，2023-2028 年中国智能算力规模五年年复合增长率达 43%。全球 AI 服务器市场预计到 2025 年将达到 3,000 亿美元，年增长 46.1%。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 22 全球算力地域分布与中国面临的挑战从地域分布来看，美国在高端芯片和算力基础设施方面仍占据主导地位，拥有最先进的 AI 芯片制造能力和大规模的算力集群。按照近 6 年 AI 服务器算力总量估算，美国和中国算力全球占比分别为 34%和 33%。中国在算力规模上已位居全球第二，但在高端芯片、核心软件等方面与国际先进水平仍有差距。特别是在先进制程芯片方面，受制于技术封锁和供应链限制，中国在高端 AI 芯片领域面临挑战，这也促使中国加速自主研发和替代进程。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 23 全球算力结构转型：从通用计算到智能计算从算力结构来看，全球算力正从通用计算向智能计算加速转变。传统以 CPU为中心的通用计算架构难以满足 AI 工作负载的需求，以 GPU、TPU、NPU 等专用 AI 加速器为核心的智能计算成为主流。这种转变不仅体现在硬件层面，也反映在系统架构、编程模型、软件生态等各个方面，推动整个计算产业的重构。2.3.2 国内智算中心建设国内智算中心建设我国智算中心建设近年来取得了显著进展。中国已初步形成 1ms 时延城市算力网、5ms 时延区域算力网、20ms 时延跨国家枢纽节点算力网，算力网络建设成效显著。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 24 东数西算工程进展与协同发展在智算中心建设方面，国家新一代 AI 公共算力开放创新平台相继建成，为AI 研发和应用提供了强大的算力支撑。各地智算中心建设如火如荼，形成了覆盖全国的算力基础设施网络。2025 中国算力大会上，中国算力平台全面贯通，标志着一个国家级算力调度和管理体系的基本建成。从技术架构看，国内智算中心普遍采用异构计算架构，支持 CPU、GPU、国产 AI 芯片等多种计算单元，实现一云多芯的技术路线。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 25 智算中心建设与技术架构2.3.3 政策支持与地方实践政策支持与地方实践国家层面出台了一系列政策支持算力基础设施发展。2025 年，国务院关于深入实施人工智能 行动的意见提出强化智能算力统筹。国家数据局统筹推进算力基础设施建设，推动算力资源的优化配置和高效利用。2023 年 12 月，国家五部委联合印发深入实施东数西算工程加快构建全国一体化算力网的实施意见，从五大方面统筹推进算力网建设：通用算力、智能算力、超级算力一体化布局，东中西部算力一体化协同，算力与数据、算法一体化应用，算力与绿色电力一体化融合，算力发展与安全保障一体化推进。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 26 地方政府也积极响应国家战略，出台了一系列支持政策。各地通过智算中心补贴、电价优惠、开放平台等措施，吸引算力相关企业和项目落地。例如，一些地区对新建智算中心给予土地、税收等方面的优惠；一些地区通过算力券等方式，降低中小企业使用算力的成本；一些地区则重点支持算力应用创新，推动算力与产业深度融合。在地方实践中，形成了各具特色的发展模式。一些地区依托丰富的可再生能源资源，发展绿色算力；一些地区则结合本地产业特点，建设行业专用智算中心；一些地区注重算力与网络的协同发展，构建算力网络体系。这些多样化的实践探索，为中国算力基础设施的高质量发展提供了宝贵经验。产业层面，企业、资本、开发者多方参与生态构建。国内 AI 芯片市场参与者主要有英伟达 H20、华为昇腾系列、寒武纪思元系列、海光信息 DCU 系列等。2025 年，华为首次展出昇腾 384 超节点真机，其算力总规模达 300PFLOPS，展AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 27 现了国产 AI 算力的技术实力。寒武纪、壁仞、燧原、沐曦和摩尔线程等国产 AI芯片厂商也各具特色，共同推动国产异构算力生态的繁荣发展。2.4 异构算力成为主流趋势异构算力成为主流趋势2.4.1 异构计算定义与分类异构计算定义与分类异构计算是指在同一计算系统集成不同类型或架构的处理单元，以便更有效地执行不同类型的任务。随着 AI 大模型对算力需求的多样化，单一架构的计算单元难以满足所有需求，异构计算通过组合不同特性的计算单元，实现整体性能的最优化。根据组合方式的不同，异构计算主要分为三类：CPU GPU、CPU FPGA和 CPU ASIC。异构计算概述及其三大主要类型CPU GPU 是最常见的异构计算组合，CPU 负责通用计算和任务调度，GPU负责大规模并行计算。这种组合充分利用了 GPU 在并行计算方面的优势，适合大模型训练等计算密集型任务。CPU FPGA 组合则利用 FPGA 的灵活可编程特性，适合需要定制化加速的场景，如特定算法的硬件加速。CPU ASIC 组合则针对特定应用进行深度优化，如 TPU（Tensor Processing Unit）专门用于加速TensorFlow 计算，能效比极高。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 28 从异构计算到超异构计算的演进与优势超异构计算是异构计算的进一步发展，由 CPU、GPU、FPGA 和 DSA（Domain-Specific Architecture）多架构处理器组成，目标是接近 CPU 的灵活性和 ASIC 的性能效率。超异构计算架构通过更加精细的任务划分和专用加速，实现更高性能和能效，成为未来计算架构的重要发展方向。2.4.2 异构算力在大模型场景优势异构算力在大模型场景优势异构算力在大模型场景中展现出显著优势：AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 29 一、不同类型的计算单元擅长大模型不同环节，GPU 在大规模并行计算方面表现优异，适合大模型训练；ASIC 在特定任务上能效比极高，适合推理加速；FPGA 则具有灵活可编程的特性，能够适应不断变化的算法需求。通过异构计算架构，可以将不同类型的计算任务分配给最适合的处理单元，从而实现整体性能的最优化。二、异构调度能够显著提升资源利用率，降低总体成本。在实际应用中，大模型的工作负载往往呈现多样化特征，既有计算密集型的训练任务，也有延迟敏感型的推理任务，还有 IO 密集型的数据处理任务。异构算力通过智能调度，将不同类型的任务分配给最适合的计算资源，避免资源闲置和浪费，提高整体资源利用率。研究表明，合理的异构调度可以将资源利用率提升 30%以上，显著降低算力成本。三、异构算力提供了更好的扩展性和灵活性。随着大模型技术的快速发展，新的算法和模型结构不断涌现，对算力的需求也在不断变化。异构算力架构通过多种计算单元的组合，能够更好地适应这种变化，为新算法和新模型提供支持。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 30 同时，异构算力也支持渐进式的升级和扩展，企业可以根据需求逐步增加或更新计算资源，降低技术升级的成本和风险。四、异构算力有助于降低能耗，实现绿色计算。不同类型的计算单元在能效比方面各有优势，通过异构调度，可以将任务分配给能效比最高的计算单元，从而降低整体能耗。特别是在推理场景，ASIC 和 FPGA 等专用计算单元的能效比往往远高于通用计算单元，能够显著降低推理过程的能耗。在全球双碳目标下，异构算力的这一优势具有重要意义。三、异构算力技术架构与核心组件三、异构算力技术架构与核心组件3.1 异构计算硬件体系异构计算硬件体系3.1.1 主流主流 AI 芯片对比芯片对比异构计算硬件体系由多种类型的计算单元组成，主要包括 CPU、GPU、FPGA、ASIC 等，各具特点，适用于不同的应用场景。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 31 CPU（中央处理器）作为通用计算单元，具有强大的逻辑控制和任务调度能力，适合处理复杂的串行任务和多样化的工作负载。然而，在 AI 计算场景下，CPU 的并行计算能力相对有限，能效比较低。现代 CPU 通常集成多个核心，支持 SIMD（单指令多数据）指令集，如 AVX-512 等，在一定程度上提升了 AI 计算性能，但与专用 AI 加速器相比仍有差距。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 32 GPU（图形处理器）最初为图形渲染设计，因其强大的并行计算能力而成为AI 训练和推理的主流选择。GPU 拥有数千个计算核心，适合执行大规模并行计算任务，特别是在矩阵运算、卷积运算等 AI 核心算法上表现优异。然而，GPU功耗较高，成本昂贵，且在某些特定算法上效率不如专用芯片。在能效比方面，GPU 优于 CPU 但不及 FPGA 和 ASIC。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 33 FPGA（现场可编程门阵列）具有硬件可重构的特点，用户可以根据特定应用需求定制硬件逻辑，实现高度优化的计算加速。FPGA 在能效比和灵活性方面具有优势，特别适合需要定制化加速的场景。然而，FPGA 开发复杂度高，需要专业的硬件设计知识，且运行频率相对较低，在大规模部署时面临挑战。与GPU/CPU 相比，FPGA 采用软件定义的硬件架构，硬件逻辑可根据需求动态调整，而 GPU/CPU 硬件固定，其并行性设计是适应固定硬件的。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 34 ASIC（专用集成电路）针对特定应用进行优化，在能效比和性能方面表现最佳。AI 领域的 ASIC 如 TPU、NPU 等，针对深度学习算法特点进行专门优化，实现了极高的计算密度和能效比。然而，ASIC 缺乏通用性，开发成本高，周期长，适合大规模、固定场景的应用。从能耗比方面来看，ASIC FPGA GPU CPU，产生这样结果的根本原因是：对于计算密集型算法，数据的搬移和运算效率越高的能耗比就越高。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 35 在大模型场景下，不同芯片各有所长：GPU 适合大规模并行训练，ASIC 适合高能效推理，FPGA 适合特定算法加速，CPU 适合任务调度和控制。异构计算架构通过合理组合这些不同类型的计算单元，可以充分发挥各自优势，实现整体系统性能的最优化。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 36 从性能功耗比来看，ASIC 作为定制芯片表现最优，GPU 次之，FPGA 再次之，CPU 最低。但从灵活性和开发难度来看，则正好相反。在实际的异构计算系统中，通常采用 CPU GPU 的组合用于通用 AI 训练，CPU FPGA 的组合用于需要定制化加速的场景，CPU ASIC 的组合则用于大规模推理部署。这种多样化的硬件组合，为不同场景下的 AI 计算提供了最优解决方案。3.1.2 国产国产 AI 芯片技术路线芯片技术路线国产 AI 芯片近年来取得了显著进展，形成了多元化的技术路线和产品体系。主要厂商包括寒武纪、华为昇腾、海光、壁仞、燧原、沐曦、摩尔线程等，各自推出了具有特色的 AI 芯片产品。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 37 寒武纪 AI 芯片技术路线寒武纪作为国内 AI 芯片的领军企业，专注于人工智能芯片产品的研发与技术创新，提供云边端全场景 AI 芯片产品。云端产品线包括思元 290、思元 370等，其中思元 370 达到 256TOPS INT8 算力；边缘端产品线包括 MLU220 系列，提供低功耗、高实时性的 AI 加速能力；终端产品线包括智能处理器 IP，授权给终端设备厂商使用。寒武纪采用自研 DSA 计算架构，与特斯拉 DOJO 的存算一体架构和壁仞科技的近存架构形成不同的技术路线。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 38 华为昇腾 AI 芯片与全栈解决方案华为昇腾系列芯片包括昇腾 910 和昇腾 310 等，其中昇腾 910 是面向训练的高性能 AI 芯片，昇腾 310 主要面向推理场景。昇腾芯片采用达芬奇架构，支持3D Cube 计算引擎，在 AI 计算性能方面具有竞争力。华为还推出了 MindSporeAI框架，与昇腾芯片深度协同，形成了全栈 AI 解决方案。昇腾芯片在鹏城云脑 II、武汉人工智能计算中心等大集群实践中得到广泛应用。海光 DCU 系列是基于 GPGPU 架构的 AI 加速器，兼容 CUDA 生态，降低了用户迁移成本。海光 DCU 产品深算一号在通用计算和 AI 计算方面表现均衡，特别适合科学计算与 AI 融合的应用场景。壁仞 BR100 系列采用近存计算架构，在计算密度和能效比方面具有创新，是国内高端 AI 芯片的代表之一。燧原科技、沐曦集成电路、摩尔线程等新兴 AI 芯片企业也各具特色。燧原科技推出邃思系列 AI 芯片，采用自研的 GCU 架构；沐曦集成电路专注于高性能 GPU 研发；摩尔线程则面向图形计算和 AI 计算融合场景。这些企业的创新推AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 39 动着国产 AI 芯片技术的多元化发展。国产 AI 芯片技术路线分类国产 AI 芯片在指令集、制程工艺、算力指标、生态兼容性等方面各有特点。在指令集方面，多数厂商采用自研指令集，以实现更好的性能优化；在制程工艺方面，普遍采用 7nm、5nm 等先进工艺；在算力指标方面，高端产品已接近国际领先水平；在生态兼容性方面，通过支持主流 AI 框架、提供迁移工具等方式，降低开发者使用门槛。从技术路线来看，国产 AI 芯片主要分为三类：一是以寒武纪为代表的 NPU路线，专注于神经网络处理；二是以华为昇腾为代表的达芬奇架构路线，强调3D Cube 计算技术；三是以壁仞为代表的类 GPU 路线，兼容 CUDA 生态。这些不同的技术路线反映了国产 AI 芯片在追赶国际先进水平过程中的多元化探索。3.1.3 芯片性能与能效评测芯片性能与能效评测AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 40 AI 芯片的性能和能效评测涉及多个关键指标，包括 TOPS/W（每瓦特万亿次运算）、算力利用率、内存带宽等，这些指标综合反映了芯片在实际应用中的表现。TOPS（Tera Operations Per Second）是衡量 AI 芯片算力的核心指标，表示芯片每秒可执行的万亿次操作数。然而，理论 TOPS 值并不能完全反映实际性能，还需要考虑算力利用率，即实际达到的算力与理论峰值的比例。影响算力利用率的因素包括算法特性、数据依赖性、内存带宽限制等。在实际评测中，需要通过标准基准测试套件，如 MLPerf、AI Benchmark 等，来衡量芯片在典型 AI 任务上的实际性能。能效比（TOPS/W）是衡量 AI 芯片能效的关键指标，表示每瓦特功耗可提供的算力。随着数据中心能耗问题的日益突出，能效比成为芯片设计的重要目标。不同类型芯片的能效比差异显著：ASIC 通常能达到最高的能效比，FPGA 次之，GPU 再次之，CPU 最低。在实际应用中，需要综合考虑性能和能效，选择最适合的芯片类型。内存带宽是影响 AI 芯片性能的另一关键因素。大模型训练和推理涉及大量数据移动，内存带宽往往成为性能瓶颈。现代AI芯片普遍采用高带宽内存（HBM、GDDR 等）来提升内存带宽，如寒武纪 MLU370-X8 搭载 MLU-Link 多芯互联技术，每张加速卡可获得 200GB/s 的通讯吞吐性能。在实际评测中，需要关注理论内存带宽和有效内存带宽的差异，以及内存子系统对整体性能的影响。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 41 算力利用率及其影响因素除 了 上 述 指 标 外，AI芯 片 评 测 还 需 考 虑 支 持 精 度（FP32/FP16/BF16/INT8/INT4 等）、编程模型友好度、生态成熟度等因素。支持精度决定了芯片在不同精度计算任务上的适用性；编程模型友好度影响开发效率；生态成熟度则关系到芯片的实际应用前景。在国产芯片与国际标杆的对比中，寒武纪 MLU370、昇腾 910B 等国产芯片在算力指标上已接近 NVIDIAA100/H100 的水平，但在软件生态、编程模型等方面仍有差距。随着技术的不断进步和生态的持续完善，国产 AI 芯片的性能和能效将进一步提升，为大模型训练和推理提供强有力的硬件支撑。3.2 高速互联与网络架构高速互联与网络架构3.2.1 高速互联技术高速互联技术AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 42 高速互联技术在异构算力系统中的关键作用高速互联技术是异构算力系统的关键组成部分，直接影响系统的整体性能和扩展能力。在大模型训练和推理场景中，高效的高速互联技术能够显著提升系统性能，降低通信延迟，提高资源利用率。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 43 PCIe 和 CXL 技术概览PCIe（Peripheral Component Interconnect Express）是计算机系统中广泛使用的高速互联标准，目前主流的是 PCIe 5.0，正在向 PCIe 6.0 发展。PCIe 5.0 提供32GT/s 的传输速率，x16 配置下可提供约 64GB/s 的带宽，满足大多数 AI 加速卡的互联需求。PCIe 6.0 进一步将传输速率提升至 64GT/s，并引入 PAM4 调制技术，在相同物理层下实现带宽翻倍。PCIe 5.0/6.0 已成为 AI 加速器与主机系统互联的主流选择，为 AI 计算提供高带宽、低延迟的数据传输通道。CXL（Compute Express Link）是基于 PCIe 物理层的新型互联协议，旨在提高 CPU 与专用加速器之间的互联效率。CXL 协议保留并拓展了 PCIe 的兼容性，只要使用 PCIe 5.0 及以上版本且支持 CXL 的设备均可通过 CXL 实现高速互联。CXL 支持三种协议：CXL.io（基础 I/O 协议）、CXL.cache（缓存一致性协议）和 CXL.mem（内存访问协议），能够实现 CPU 与加速器之间的高效内存共享和缓存一致性，特别适合异构计算场景。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 44 NVLink 和 RoCEv2 技术概览NVLink 是 NVIDIA 专有的高速 GPU 互联技术，与传统的 PCIe 相比，能为更多 GPU 系统提供更快速的替代方案。NVLink 技术通过连接多个 NVIDIA 显卡，能够实现显存池化和高速数据交换，大幅提升多 GPU 系统的性能。最新的NVLink 技术提供高达 900GB/s 的带宽，是 PCIe 5.0 的 14 倍以上，特别适合大模型训练等需要大量 GPU 间通信的场景。RoCEv2（RDMAover Converged Ethernet version 2）是基于以太网的 RDMA（远程直接内存访问）技术，在标准以太网上实现低延迟、高吞吐的数据传输。RoCEv2 支持拥塞控制和流量控制，能够在不增加专用网络设备的情况下提供接近 InfiniBand 的性能。在大规模 AI 集群中，RoCEv2 因其成本优势和标准化特性，成为广泛选择的高速互联技术。这些高速互联技术在带宽、延迟、扩展性等方面各有特点。PCIe 提供通用互联，CXL 增强内存一致性，NVLink 提供超高带宽 GPU 互联，RoCEv2 实现标准以太网上的 RDMA。在实际系统设计中，需要根据应用场景和性能需求，选择合适的高速互联技术，构建高效的异构算力系统。3.2.2 智算中心网络拓扑智算中心网络拓扑AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 45 大规模 AI 集群网络拓扑概述智算中心网络拓扑设计直接影响大规模 AI 集群的性能和扩展能力。在大模型训练场景中，特别是万卡甚至十万卡集群，合理的网络拓扑设计对于降低通信延迟、提高网络吞吐、实现负载均衡至关重要。CLOS 三层架构是目前大规模数据中心网络的主流拓扑结构，包括核心层、汇聚层和接入层。CLOS 架构具有无阻塞、高可扩展性的特点，能够有效支持大规模服务器集群的互联。在 AI 集群中，CLOS 架构通常配合 ECMP（等价多路径）路由，实现负载均衡和故障容错。CLOS 架构的扩展性好，可以通过增加交换机数量和端口密度来线性扩展网络容量，适合大规模 AI 集群的部署。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 46 主流网络拓扑结构对比Fat-Tree 是 CLOS 架构的一种特例，采用完全对称的设计，所有路径具有相同的带宽和延迟。Fat-Tree 拓扑在 AI 集群中得到广泛应用，特别是在需要高带宽、低延迟通信的大模型训练场景中。Fat-Tree 网络的优点是带宽保证、无阻塞、易于管理，但缺点是成本较高，交换机数量多。在实际部署中，通常采用折叠式Fat-Tree（Folded Fat-Tree）设计，减少交换机数量，降低成本。Dragonfly 是一种高维网络拓扑，通过高维连接实现节点间的高效通信。Dragonfly 拓扑在超级计算机中得到广泛应用，近年来也开始应用于大规模 AI集群。Dragonfly 网络的优点是直径小、平均跳数少、扩展性好，适合超大规模集群的部署。然而，Dragonfly 拓扑的路由和拥塞控制较为复杂，需要专门的算法支持。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 47 万卡集群网络设计中，如何综合考虑 P2P 延迟与吞吐优化，以及在实际部署中需要考虑的多种因素在万卡集群网络设计中，需要综合考虑 P2P 延迟与吞吐优化。P2P 延迟直接影响大模型训练中的梯度同步效率，而吞吐则影响数据加载和模型参数交换的速度。为了优化 P2P 延迟，通常采用层次化网络设计，将物理上临近的节点组织在同一子网中，减少跨子网通信；为了优化吞吐，通常采用多路径负载均衡、流量调度等技术，充分利用网络带宽。在实际部署中，智算中心网络拓扑设计需要考虑多个因素：集群规模、通信模式、成本预算、管理复杂度等。对于中小规模集群，通常采用简单的二层或三层 CLOS 架构；对于大规模集群，可能需要更复杂的拓扑结构，如 Dragonfly 或其变种。此外，网络拓扑设计还需要与机柜布局、线缆管理、散热设计等物理设施相协调，实现整体系统的最优化。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 48 3.2.3 集群通信优化集群通信优化集群通信优化是大模型分布式训练的关键技术，直接影响训练效率和扩展性。在大规模 AI 集群中，节点间的通信开销往往成为性能瓶颈，因此需要通过高效的通信原语和优化技术来降低通信开销，提高训练效率。集群通信优化概览-分布式训练的性能瓶颈与解决方案AllReduce 是最常用的通信原语之一，用于数据并行训练中的梯度同步。AllReduce 操作将所有节点的数据聚合后广播给所有节点，实现全局梯度的一致性。AllReduce 可以通过先进行 ReduceScatter 操作，然后进行 AllGather 操作来实现：ReduceScatter 操作首先聚合数据，然后将结果分散，这样每个成员仅持有聚合结果的一部分；AllGather 操作则将各部分结果收集到所有节点，形成完整的结果。AllReduce 通过组合操作，成为数据并行训练的核心通信原语。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 49 核心通信原语-AllReduce 与 All2AllAll2All（All-to-All）是另一种重要的通信原语，在模型并行训练中广泛应用。All2All 操作实现全局数据的重新分布，每个节点向所有其他节点发送数据，同时从所有其他节点接收数据。在张量并行和流水线并行中，All2All 通信用于参数和激活值的交换，是实现模型并行的基础。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 50 Reduce-Scatter 与通信优化技术Reduce-Scatter 是平衡显存与通信的重要原语，为 ZeRO 等显存优化技术奠定基础。Reduce-Scatter 操作首先聚合数据，然后将结果分散到各个节点，每个节点仅持有聚合结果的一部分。这种操作可以有效减少单节点的内存占用，同时控制通信开销。为了进一步提高通信效率，业界提出了多种优化技术。SHARP（ScalableHierarchicalAggregation and Reduction Protocol）技术通过在网络设备中执行聚合操作，减少数据在节点间的传输量，显著提高分布式深度学习工作负载的可扩展性和性能。NVLS 与 CollNet 是专为优化 AllReduce 性能设计的特殊算法，其中NVLS 还通过利用特定硬件能力支持 ReduceScatter 和 AllGather 操作。在实际应用中，NVIDIA 集合通信库(NCCL)提供了高性能、拓扑感知型集合运算：AllReduce、Broadcast、Reduce、AllGather 和 ReduceScatter，这些运算已针对 NVIDIA 硬件进行了深度优化。NCCL 经过优化，可将关键的集合通信操作分流到网络，从而充分利用 SHARP，显著提高分布式深度学习工作负载的可AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 51 扩展性和性能。集群通信优化的系统性方法集群通信优化还需要考虑网络拓扑感知、通信计算重叠、异步通信等技术。网络拓扑感知根据实际网络拓扑优化通信路径，减少跨交换机通信；通信计算重叠通过流水线技术，将通信与计算重叠执行，隐藏通信延迟；异步通信则允许计算任务在通信进行时继续执行，提高资源利用率。在大规模 AI 集群中，集群通信优化是一个系统工程，需要硬件、网络、软件、算法等多层面的协同优化。随着集群规模的不断扩大和模型复杂度的持续增加，集群通信优化将成为异构算力系统设计的关键挑战和研究热点。3.3 存储与数据管理存储与数据管理3.3.1 大模型存储需求大模型存储需求AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 52 大模型训练和推理对存储系统提出了极高的要求，包括存储容量、带宽、IOPS 等多个方面。随着模型参数规模的不断扩大和数据量的爆炸式增长，存储系统已成为大模型训练的重要瓶颈之一。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 53 在存储容量方面，大模型训练涉及的数据集规模可达 TB 级，模型参数本身也需要 GB 级甚至 TB 级的存储空间。以千亿参数大模型为例，仅模型参数就需要数百 GB 的存储空间（假设每个参数为 16 位浮点数）。在训练过程中，还需要存储梯度、优化器状态、中间激活值等，进一步增加了存储需求。对于推理场景，虽然不需要存储训练相关数据，但模型参数和缓存（如 KVCache）仍需要大量存储空间。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 54 在存储带宽方面，大模型训练需要高带宽的存储系统来支持数据的高效加载。训练过程中的数据加载、参数交换、梯度同步等操作都需要高存储带宽支持。特别是在数据并行训练中，每个节点都需要独立加载数据，对存储系统的聚合带宽要求极高。存储带宽不足会导致计算资源闲置，降低训练效率。在 IOPS（每秒输入/输出操作数）方面，大模型训练通常涉及大量小文件的随机访问，如数据预处理、检查点保存/恢复等操作，需要高 IOPS 的存储系统支持。特别是在分布式训练中，多个节点同时访问存储系统，对 IOPS 的要求呈倍数增长。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 55 大模型存储需求还体现在数据多样性上。训练数据通常包括文本、图像、音频、视频等多种模态，每种数据类型对存储系统的要求各不相同。文本数据通常体积小但数量多，需要高 IOPS；图像和视频数据体积大，需要高带宽；结构化数据则需要低延迟的随机访问能力。为了满足大模型存储需求，存储系统需要具备以下特性：高容量、高带宽、高 IOPS、低延迟、可扩展性、可靠性等。在实际系统设计中，通常采用分层存储架构，将热数据存储在高性能存储介质（如 NVMe SSD）上，冷数据存储在大容量存储介质（如 HDD）上，实现成本与性能的平衡。3.3.2 分布式存储技术分布式存储技术分布式存储技术是满足大模型存储需求的关键，通过将数据分散存储在多个节点上，实现存储容量的线性扩展和性能的并行提升。在大模型训练场景中，分布式存储技术需要解决数据分片、缓存、预取等关键问题。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 56 主流分布式存储技术对比，聚焦 Lustre、GPFS 和 Ceph 的特点和适用场景Lustre 是一种高性能并行文件系统，广泛应用于 HPC 和大规模 AI 训练场景。Lustre 采用元数据服务器(MDS)和对象存储服务器(OSS)分离的架构，支持 PB 级存储容量和数百 GB/s 的聚合带宽。Lustre 的优势在于高性能、高可扩展性，特别适合大文件顺序读写场景，如大模型训练中的数据加载。然而，Lustre 在小文件处理和元数据操作方面相对较弱，需要配合其他技术使用。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 57 Lustre 的架构和优势GPFS（General Parallel File System，现称 IBM Spectrum Scale）是 IBM 开发的高性能分布式文件系统，支持多种存储架构和访问协议。GPFS 采用共享磁盘架构，通过分布式锁管理机制实现数据一致性，支持高并发访问。GPFS 的优势在于全面的特性支持、良好的小文件性能和强大的管理功能，适合复杂的企业级AI 训练环境。Ceph 是一种统一的分布式存储系统，支持块存储、对象存储和文件存储三种接口，被称为统一存储。Ceph 采用 CRUSH 算法实现数据分布，无需中心化的元数据服务器，具有良好的可扩展性和容错性。Ceph 的优势在于统一架构、自修复能力和成本效益，适合需要多种存储接口的 AI 平台。然而，Ceph 在性能方面通常不如专用的并行文件系统，特别是在低延迟场景下。除了上述主流分布式存储技术外，还有一些针对 AI 场景优化的存储解决方案。例如，Alluxio 严格来说不是一个文件系统，而是构建在其他分布式文件系统之上的分布式缓存系统，在大数据领域使用非常广泛。Alluxio 通过内存缓存加速数据访问，特别适合多次迭代的 AI 训练场景。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 58 分布式存储技术选择的关键考量因素和混合存储架构的理念在大模型训练中，分布式存储技术的选择需要考虑多个因素：数据访问模式、性能需求、成本预算、管理复杂度等。对于大规模顺序访问为主的训练场景，Lustre 是理想选择；对于需要多种存储接口的复杂环境，Ceph 提供统一解决方案；对于企业级关键应用，GPFS 提供全面的特性支持。在实际部署中，通常采用混合存储架构，结合不同存储技术的优势，构建最适合大模型训练的存储系统。3.3.3 数据预处理与加载数据预处理与加载AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 59 数据预处理与加载是大模型训练流程中的重要环节，直接影响训练效率和模型质量。高效的数据预处理与加载技术能够最大化计算资源利用率，减少 I/O 等待时间，提高整体训练吞吐量。数据预处理包括数据清洗、增强、格式转换等多个步骤。数据清洗主要处理原始数据中的噪声、缺失值、异常值等问题，确保训练数据的质量；数据增强通过旋转、裁剪、翻转、颜色变换等技术扩充训练数据集，提高模型的泛化能力；格式转换则将不同来源、不同格式的数据统一为模型训练所需的格式，如TensorFlow 的 TFRecord、PyTorch 的 Dataset 等。数据加载是将预处理后的数据高效传输到计算设备（如 GPU）内存中的过程。在大模型训练中，数据加载往往成为性能瓶颈，特别是在分布式训练场景中，多个计算节点同时加载数据，对存储系统和网络带宽提出极高要求。为了优化数据加载效率，通常采用以下技术：AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 60 流水线并行（Pipeline Parallelism）是一种常用的数据加载优化技术，将数据读取、数据预处理计算、以及芯片上的模型计算三个步骤异步并行执行。这三步构成了典型的数据生产者和数据消费者的上下游关系，通过流水线技术可以隐藏I/O 延迟，提高资源利用率。MindSpore 等框架提供了灵活的数据集加载方法、丰富的数据处理操作，以及自动数据增强、动态批处理等功能，支持高效的数据流水线。异步加载是另一种重要的优化技术，使用多个进程来并行加载和预处理数据，通过流水线处理减少数据等待时间。在异步加载模式下，数据加载进程与计算进程并行执行，计算进程在处理当前批次数据时，数据加载进程已经在准备下一批次数据，从而隐藏数据加载延迟。PyTorch 的 DataLoader、TensorFlow 的 tf.data等 API 都支持异步加载模式。预取（Prefetching）技术通过预测未来需要的数据，提前将其加载到内存或缓存中，减少数据访问延迟。预取技术可以与缓存技术结合使用，将频繁访问的数据保存在高速存储介质中，进一步提高数据访问效率。在大模型训练中，常用的预取策略包括基于访问模式的预取、基于训练进度的预取等。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 61 分布式数据加载是大规模分布式训练中的关键技术，通过将数据分片存储在多个节点上，实现数据加载的并行化。在数据并行训练中，每个节点负责加载和处理数据的一个子集，通过 AllReduce 等通信原语实现梯度同步。分布式数据加载需要解决数据分片、负载均衡、容错等问题，确保每个节点都能高效获取所需数据。在实际应用中，数据预处理与加载的优化需要综合考虑数据特性、硬件配置、训练框架等多个因素。通过合理选择和组合上述技术，可以构建高效的数据流水线，最大化计算资源利用率，提高大模型训练的整体效率。四、大模型与异构算力融合关键技术四、大模型与异构算力融合关键技术4.1 软硬件协同优化软硬件协同优化4.1.1 算子融合与指令优化算子融合与指令优化算子融合与指令优化是软硬件协同优化的核心技术，通过将多个计算操作合并为一个更大的操作，减少内存访问次数，提高计算密度，从而显著提升 AI 计算效率。在大模型训练和推理场景中，算子融合技术已成为性能优化的关键手段。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 62 算子融合和指令优化算子融合的核心思想是将多个连续的算子合并为一个更大的融合算子，减少中间结果的内存读写，降低内存带宽压力。以 FlashAttention 为例，其加速原理非常简单，就是更多地去利用带宽更高的上层存储单元，减少对低速下层存储单元的访问频率，从而达到加速的目的。在传统的注意力计算中，需要多次读写显存来存储中间结果，而 FlashAttention 通过算子融合技术，将多个计算步骤合并，大幅减少了内存访问次数，显著提升了计算效率。指令优化是另一种重要的软硬件协同优化技术，通过针对特定硬件架构设计高效的指令集，提高计算密度和能效比。寒武纪 MLU 指令集就是专门针对 AI计算优化的指令集，支持张量运算、矩阵运算等 AI 核心操作，相比通用指令集具有更高的计算效率。指令优化需要深入理解硬件架构特点，设计能够充分利用硬件计算能力的指令序列，同时考虑数据局部性和内存访问模式，实现最优的性能表现。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 63 算子融合细节在实际应用中，算子融合与指令优化通常结合使用，形成完整的优化方案。以寒武纪 BANG 算子库为例，它不仅提供了丰富的融合算子，还针对 MLU 硬件架构进行了深度指令优化，实现了算子层面的极致性能。通过 Relay 导入推理模型，进行算子融合等图层优化，通过 TIR 生成融合算子，最终形成针对特定硬件的高效执行代码。算子融合与指令优化的效果在大模型场景中尤为显著。大模型通常包含大量的矩阵运算、注意力计算等操作，这些操作通过算子融合可以大幅减少内存访问，提高计算效率。同时，大模型对计算资源的需求极高，通过指令优化可以充分利用硬件计算能力，降低单位计算的成本。在实际案例中，经过算子融合和指令优化的模型，其性能可提升数倍甚至数十倍，能效比也有显著改善。4.1.2 编译器与中间表示编译器与中间表示编译器与中间表示技术是连接 AI 模型与异构硬件的桥梁，通过多层次的中间表示和优化转换，实现模型在不同硬件平台上的高效执行。随着异构算力的普及，编译器技术在大模型与异构算力融合中扮演着越来越重要的角色。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 64 编译器技术在大模型与异构算力融合中的核心作用和发展趋势MLIR（Multi-Level Intermediate Representation）是一种新兴的多级中间表示框架，支持不同抽象层次的 IR 定义和转换。MLIR 的架构设计原理包括可扩展的方言系统、类型系统、属性系统等，允许在不同抽象层次上定义和优化计算图。MLIR 不仅是一种中间表示，更是一个编译器框架，支持从高级计算图到底层硬件指令的全流程优化。在大模型编译中，MLIR 可以实现从计算图优化到硬件代码生成的无缝衔接，为异构算力提供统一的编译支持。TVM（Tensor Virtual Machine）是面向深度学习的模型编译器，用户可直接获得编译/优化模型为推理 blob 的能力，可以看做机器学习时代的 GCC。TVM支持多种前端框架（TensorFlow、PyTorch、MXNet 等）和多种后端硬件（CPU、GPU、AI 加速器等），通过统一的中间表示（Relay IR）和优化 passes，实现模型的高效编译和部署。TVM 的自动调优功能（AutoTVM）可以针对特定硬件自动生成最优的计算算子，大幅提升模型执行效率。XLA（Accelerated LinearAlgebra）是 Google 开发的线性代数编译器，最初AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 65 旨在加速 TensorFlow 模型，现已被 JAX 等框架采用。XLA 将计算图编译为高效的机器代码，通过算子融合、内存分配优化、循环优化等技术，提升计算效率。整个编译流程先将 TensorFlow 的图转化为 XLA HLO，即一种类似高级语言的图的中间表达形式，可以基于此进行一些 High-Level 的优化。接着将 XLA HLO 翻译为 LLVM IR，进行底层优化和代码生成。MLIR、TVM、XLA 这三个主流编译器框架的架构和功能特点除了上述主流编译框架外，还有针对特定硬件的编译器，如 NVIDIA 的NVCC（NVIDIA CUDA 编译器），仅适用于 CUDA；华为的昇腾编译器，针对昇腾芯片优化等。这些编译器通常与硬件深度绑定，能够充分发挥特定硬件的性能潜力。在大模型与异构算力融合中，编译器技术面临诸多挑战：一是大模型的计算图规模庞大，编译时间和内存消耗成为瓶颈；二是异构硬件的多样性要求编译器支持多种后端；三是大模型的动态特性（如动态形状、条件计算等）增加了编译优化的复杂度。为应对这些挑战，编译器技术正在向更高效、更通用、更智能的AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 66 方向发展，如增量编译、分布式编译、机器学习辅助优化等。4.1.3 AI 框架适配框架适配AI 框架适配是连接上层应用与底层硬件的关键环节，通过插件机制、后端优化等方式，使主流 AI 框架能够高效运行在异构硬件上。随着国产 AI 芯片的快速发展，AI 框架适配技术成为构建自主可控 AI 生态的重要组成部分。PyTorch 和 TensorFlow 是目前最主流的 AI 框架，它们都提供了插件机制，支持第三方硬件的接入。在 PyTorch 框架中，可以通过注册自定义设备、算子等方式实现硬件适配；在 TensorFlow 框架中，可以通过 Pluggable Device 接口支持新的硬件设备。以昇腾 NPU 为例，华为开发了名为 torch_npu 的 Ascend Adapterfor PyTorch 插件，使得昇腾 NPU 可以与 PyTorch 框架兼容，为使用 PyTorch 框架的开发者提供了强大的昇腾 AI 处理器算力支持。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 67 主流 AI 框架的适配机制与实例适配插件开发是 AI 框架适配的核心工作，主要包括算子适配、内存管理、调度优化等方面。算子适配是将框架中的算子映射为硬件支持的操作，通常需要实现算子的前向计算、反向传播、形状推导等功能。内存管理包括内存分配、释放、复用等，需要考虑硬件的内存层次结构和访问特性。调度优化则涉及算子执行顺序、并行策略等，需要充分利用硬件的并行计算能力。自动混合精度训练是 AI 框架适配中的重要优化技术。通过自动将模型中的部分操作转换为低精度计算（如 FP16、BF16），可以显著减少内存占用和计算量，提高训练效率。现代 AI 框架如 PyTorch、TensorFlow 都提供了自动混合精度训练的支持，硬件适配层需要实现相应的低精度算子和转换逻辑。寒武纪 BANG 算子库是国产 AI 芯片框架适配的典型案例。BANG 算子库提供了丰富的 AI 计算算子，支持 TensorFlow、PyTorch、MindSpore 等主流框架，通过高效的算子实现和内存管理，充分发挥寒武纪芯片的计算能力。BANG 算子库不仅包含基础算子，还提供了针对大模型的优化算子，如注意力计算、矩阵乘法等，为大模型训练和推理提供高性能支持。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 68 AI 框架适配的挑战与未来方向AI 框架适配面临的挑战包括：一是框架版本迭代快，适配工作需要持续更新；二是框架功能复杂，全面适配工作量大；三是性能优化要求高，需要深入理解框架和硬件的内部机制。为应对这些挑战，框架适配技术正在向更自动化、更标准化、更高效的方向发展，如自动算子生成、标准化接口、分层优化等。4.2 大模型并行训练技术大模型并行训练技术4.2.1 数据并行数据并行数据并行是最常用的大模型并行训练方式，通过将训练数据分割到多个计算设备上，实现训练过程的并行化。在数据并行训练中，数据集被分割成几个碎片，每个碎片被分配到一个设备上。这相当于沿批次（Batch）维度对训练过程进行并行化。每个设备将持有一个完整的模型副本，并独立计算本地数据的梯度，然AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 69 后通过AllReduce等通信原语实现梯度同步，最终所有设备获得一致的模型更新。数据并行的概念、优势和局限性数据并行的核心优势在于实现简单、扩展性好。由于每个设备都维护完整的模型副本，不需要对模型结构进行修改，因此实现起来相对简单。同时，数据并行可以线性扩展到大量计算设备上，理论上训练速度可以随设备数量线性提升。在大模型训练的早期阶段，数据并行是最主要的并行方式。然而，数据并行也存在明显的局限性。首先是内存占用问题，每个设备都需要存储完整的模型参数、梯度和优化器状态，对于大模型而言，单设备内存往往无法容纳。其次是通信开销问题，每个训练步骤都需要进行梯度同步，当模型规模增大或设备数量增多时，通信开销会成为性能瓶颈。最后是负载均衡问题，当计算设备性能不一致时，容易出现负载不均衡的情况，影响整体训练效率。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 70 数据并行的优化技术和混合并行策略为了缓解数据并行的内存压力，业界提出了多种优化技术。ZeRO（ZeroRedundancy Optimizer）技术通过将优化器状态、梯度和参数分区存储在多个设备上，显著减少了单设备的内存占用。梯度累积技术通过累积多个小批次的梯度，模拟大批次训练的效果，可以在不增加内存占用的情况下使用更大的有效批次大小。激活检查点技术通过选择性存储和重新计算激活值，减少内存占用，但会增加额外的计算开销。在实际应用中，数据并行通常与其他并行技术结合使用，形成混合并行策略。例如，可以将模型的不同层分配到不同的设备组上，每个设备组内部采用数据并行，设备组之间采用模型并行。这种混合并行策略可以充分发挥不同并行技术的优势，实现更高效的训练。4.2.2 模型并行模型并行AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 71 模型并行是另一种重要的大模型并行训练技术，通过将模型的不同部分分配到不同的计算设备上，解决单设备无法容纳完整大模型的问题。模型并行主要分为张量并行（Tensor Parallelism）和流水线并行（Pipeline Parallelism）两种形式。模型并行的概述张量并行（也称为层内并行）将模型单层内的参数和计算分割到多个设备上。以矩阵乘法为例，可以将权重矩阵按行或列分割，每个设备负责一部分计算，然后通过通信合并结果。张量并行的优势是可以均匀分配计算负载，通信开销相对较小；劣势是实现复杂，需要针对不同算子设计分割策略，且通信模式复杂。流水线并行（也称为层间并行）将模型的不同层分配到不同的设备上，形成计算流水线。数据依次流经各个设备，每个设备负责计算模型的一部分层。流水线并行的优势是实现相对简单，通信模式清晰；劣势是存在流水线气泡（Bubble），即部分设备在某些时间步处于空闲状态，影响资源利用率。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 72 模型并行面临的挑战及主要的优化技术模型并行面临的主要挑战是通信开销和负载均衡。在张量并行中，每个前向和反向传播步骤都需要进行设备间的通信，通信频率高；在流水线并行中，虽然通信频率较低，但单次通信的数据量可能较大。负载均衡方面，不同层的计算复杂度和内存占用可能差异很大，如何合理分配模型各层到设备上，实现负载均衡，是一个复杂的问题。为了优化模型并行的性能，业界提出了多种技术。通信计算重叠是一种常用技术，通过在计算进行的同时准备通信数据，隐藏通信延迟。流水线填充技术通过精心设计数据输入顺序，减少流水线气泡，提高设备利用率。动态负载均衡则根据实际运行时的性能数据，动态调整模型分配策略，实现更好的负载均衡。在实际的大模型训练中，模型并行通常与数据并行结合使用。例如，可以将模型按层分割到多个设备组上（流水线并行），每个设备组内部再对单层进行张AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 73 量并行，同时每个设备内部还可以采用数据并行。这种多维并行的策略可以充分利用大规模计算集群的资源，实现高效的大模型训练。4.2.3 混合并行与混合并行与 4D 并行并行混合并行技术是指同时使用多种并行技术，比如数据并行和模型并行，或者数据并行和流水线并行，或者数据并行和张量并行。在大模型训练中，由于模型规模巨大、计算资源有限，单一并行技术往往无法满足需求，需要采用混合并行策略，充分发挥不同并行技术的优势。混合并行技术的核心概念，以及 DP PP 和 DP TP 这两种常用策略DP PP（数据并行 流水线并行）是一种常用的混合并行策略。在这种策略中，模型被分割成多个阶段，每个阶段分配到一个设备组上，形成流水线并行；同时，每个设备组内部采用数据并行，处理不同的数据子集。这种策略可以同时利用数据并行的简单性和流水线并行的内存效率，适合中等规模的大模型训练。DP TP（数据并行 张量并行）是另一种常用的混合并行策略。在这种策略中，模型的每一层被分割到多个设备上，形成张量并行；同时，不同设备组之间采用数据并行，处理不同的数据子集。这种策略可以同时利用数据并行的扩展性AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 74 和张量并行的计算均衡性，适合计算密集型的大模型训练。飞桨 4D 混合并行策略的复杂性及其带来的挑战飞桨 4D 混合并行是一种更复杂的混合并行策略，结合了数据并行、张量并行、流水线并行和分组参数切片四种并行技术。在这种策略中，模型被同时沿多个维度进行分割：数据维度（数据并行）、张量维度（张量并行）、层维度（流水线并行）和参数维度（分组参数切片）。这种多维并行的策略可以最大化计算资源的利用率，适合超大规模的大模型训练。混合并行的核心挑战是调度复杂性和通信开销。在混合并行中，需要协调多种并行技术的调度，确保计算和通信的高效进行。同时，多种并行技术的叠加会导致通信模式的复杂化，增加通信开销。为了应对这些挑战，混合并行系统通常需要精心设计的调度算法和通信优化技术。在实际应用中，混合并行的选择需要考虑多个因素：模型特性（如层数、每AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 75 层计算量、内存占用等）、硬件配置（如设备数量、设备间带宽、内存容量等）、训练目标（如训练速度、内存效率、扩展性等）。通过合理选择和配置混合并行策略，可以实现大模型训练的最优性能。4.2.4 条件计算与条件计算与 MoE条件计算（Conditional Computation）和 MoE（Mixture of Experts）是大模型训练中的新兴技术，通过稀疏激活机制，在不增加计算负担的情况下扩展模型规模。条件计算的概念即仅在每个样本的基础上激活网络的不同部分，使得在不增加额外计算负担的情况下扩展模型规模成为可能。稀疏激活（SparseActivation）是指在神经网络中，某一层的激活值中只有一小部分是非零值，而大部分值为零或接近零。这种稀疏性可以减少计算量和内存需求，从而加速推理并降低能耗。稀疏激活通常出现在特定类型的神经网络或激活函数中，特别是在模型压缩和优化场景中。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 76 MoE（Mixture of Experts）是一种实现条件计算的具体架构，通过门控网络动态选择少数专家进行计算。在 MoE 层中，输入数据被路由到多个专家网络中的少数几个，只有被选中的专家才会参与计算，其他专家则处于空闲状态。这种稀疏激活机制使得模型可以在不增加计算成本的情况下大幅增加参数规模，提高模型容量。MoE 架构的核心组件包括专家网络、门控网络和路由机制。专家网络通常是前馈神经网络，负责具体的计算任务；门控网络负责根据输入数据决定激活哪些专家；路由机制则实现了数据到专家的分配。在实际实现中，MoE 层通常替换传统 Transformer 中的前馈网络层，形成稀疏激活的 Transformer 架构。MoE 架构的优势在于可以实现模型规模和计算成本的解耦。通过增加专家数量，可以线性增加模型参数规模，而计算成本仅与被激活的专家数量相关，保持相对恒定。这种特性使得 MoE 模型在参数规模远超传统模型的情况下，仍能保持合理的训练和推理成本。然而，MoE 架构也面临一些挑战。首先是训练稳定性问题，稀疏激活可能导致训练不稳定，需要特殊的训练技巧和正则化方法。其次是负载均衡问题，如果路由机制设计不当，可能导致某些专家过载而其他专家闲置，影响训练效率。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 77 最后是内存开销问题，虽然计算是稀疏的，但所有专家参数都需要存储，内存占用仍然很大。为了优化 MoE 架构的性能，业界提出了多种技术。负载均衡损失是一种常用的正则化方法，通过在损失函数中添加负载均衡项，鼓励门控网络均匀使用各个专家。专家容量限制则通过设置每个专家的最大处理批次大小，防止某些专家过载。通信优化技术则针对 MoE 特有的通信模式进行优化，减少专家间的数据传输开销。在实际应用中，MoE 架构已在大模型训练中取得显著成功。如 Google 的Switch Transformer、Mixtral 8x7B 等模型都采用了 MoE 架构，在保持合理计算成本的同时实现了巨大的参数规模和优秀的性能表现。随着技术的不断发展，MoE 架构有望在大模型领域发挥更重要的作用。4.3 推理加速与部署优化推理加速与部署优化4.3.1 模型压缩技术模型压缩技术模型压缩技术是降低大模型推理成本的关键手段，通过减少模型参数量和计算复杂度，实现更高效的推理部署。主要的模型压缩技术包括量化、剪枝、蒸馏等，这些技术可以单独使用，也可以组合使用，形成综合的压缩方案。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 78 量化技术详解量化（Quantization）是通过降低模型参数和激活值的数值精度来减少模型大小和计算量的技术。常见的量化方案包括 FP16（半精度浮点）、BF16（脑浮点）、INT8（8 位整数）、INT4（4 位整数）等。量化可以显著减少内存占用和计算量，同时利用现代 AI 硬件的低精度计算加速能力，提高推理速度。例如，将 FP32 模型量化为 INT8，可以减少 75%的内存占用，并在支持 INT8 计算的硬件上获得数倍的加速比。然而，过度量化可能导致模型精度下降，需要在压缩率和精度之间找到平衡。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 79 剪枝技术详解剪枝（Pruning）是通过移除模型中不重要的连接或神经元来减少模型参数量的技术。剪枝的核心思想是在尽量保持模型精度不受影响的前提下减少网络的参数量，例如减少网络中连接或神经元的数量。剪枝通常包括结构化剪枝和非结构化剪枝两种形式。结构化剪枝移除整个神经元或卷积核，保持模型结构规整，便于硬件加速；非结构化剪枝移除单个连接，压缩率更高但可能导致不规则的计算模式，难以直接加速。剪枝后的模型通常需要微调来恢复精度。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 80 蒸馏技术详解蒸馏（Distillation）是通过训练一个小模型（学生模型）来模仿大模型（教师模型）的行为，实现知识转移的技术。蒸馏不仅可以减少模型大小，还可以将多个大模型的知识集成到一个小模型中，提高小模型的性能。蒸馏通常包括软目标蒸馏、特征蒸馏、关系蒸馏等多种形式，分别针对模型的输出、中间特征、样本关系等进行知识转移。蒸馏的优势是可以保持模型结构规整，便于硬件加速；劣势是训练过程复杂，需要精心设计蒸馏策略。除了上述主要技术外，还有一些其他的模型压缩方法，如二值化（将参数量化为 1 位）、低秩分解（将权重矩阵分解为多个小矩阵）、参数共享（多个参数共享相同值）等。这些技术通常与量化、剪枝、蒸馏等技术结合使用，形成综合的压缩方案。在实际应用中，模型压缩技术的选择需要考虑多个因素：硬件特性（如支持的精度、计算能力等）、应用场景（如延迟要求、精度要求等）、模型特性（如结构、敏感度等）。通过合理选择和组合不同的压缩技术，可以在满足应用需求的前提下，最大化压缩效果，实现高效的大模型推理部署。4.3.2 推理引擎优化推理引擎优化推理引擎优化是大模型推理加速的重要手段，通过图优化、算子调度、内存管理等技术，充分发挥硬件计算能力，实现高效的推理执行。主流的推理引擎包括 TensorRT、ONNX Runtime、OpenVINO 等，它们各自具有不同的特点和适用场景。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 81 大模型推理引擎优化概述与主流引擎对比TensorRT 是 NVIDIA 开发的高性能深度学习推理引擎，针对 NVIDIA GPU进行了深度优化。TensorRT 的核心优化技术包括：精度校准（自动选择最佳精度）、层和张量融合（减少内存访问和 kernel 启动开销）、内核自动调整（针对特定 GPU 选择最优实现）、动态张量内存（最小化内存占用并重复使用内存）等。TensorRT 特别适合在 NVIDIA GPU 上部署大模型，可以显著提升推理速度和能效。ONNX Runtime 是一个跨平台的开源推理引擎，支持多种硬件平台和 AI 框架。ONNX Runtime 的核心优势在于其模块化架构和可扩展性，通过执行提供程序（Execution Providers）机制支持不同的硬件后端，如 CPU、GPU、NPU 等。ONNX Runtime 还提供了丰富的图优化和内存管理功能，如常量折叠、死代码消除、内存规划等，可以在多种硬件平台上实现高效的推理执行。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 82 OpenVINO 是 Intel 开发的开源推理工具包，针对 Intel 硬件（CPU、GPU、VPU 等）进行了优化。OpenVINO 的核心组件包括模型优化器（Model Optimizer）和推理引擎（Inference Engine）。模型优化器将训练好的模型转换为 OpenVINO的中间表示（IR），进行图优化和精度校准；推理引擎则针对 Intel 硬件进行深度优化，实现高效的推理执行。OpenVINO 特别适合在 Intel 平台上部署大模型，可以充分利用硬件的加速能力。推理引擎优化关键环节与大模型挑战推理引擎优化通常包括以下几个关键环节：图优化、算子优化、内存管理、批处理优化等。图优化通过常量折叠、死代码消除、算子融合等技术，简化计算图结构，减少计算量；算子优化针对特定硬件实现高效的算子库，充分利用硬件的加速能力；内存管理通过内存复用、预分配等技术，减少内存分配和释放的开销；批处理优化则通过动态批处理、批处理大小自适应等技术，提高硬件利用率。在大模型推理中，推理引擎优化面临一些特殊挑战。一是大模型的计算图规模庞大，图优化时间和内存消耗成为瓶颈；二是大模型的动态特性（如动态形状、AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 83 条件计算等）增加了优化难度；三是大模型的内存占用巨大，需要特殊的内存管理策略。为应对这些挑战，推理引擎技术正在向更高效、更智能、更灵活的方向发展，如增量编译、自适应批处理、内存分片等。4.3.3 KVCache 与分离式推理与分离式推理KVCache 与分离式推理是大模型推理优化的重要技术，通过优化注意力机制的计算和内存管理，显著提升长文本场景下的推理效率。这些技术特别适用于自回归生成任务，如文本生成、代码生成等场景。KVCache 与注意力机制优化KVCache（Key-Value Cache）是一种优化注意力计算的技术，通过缓存和复用历史计算的 Key 和 Value 向量，避免重复计算。在大模型的自回归生成过程中，每个新生成的 token 都需要与之前所有 token 进行注意力计算，如果不使用缓存，计算复杂度会随序列长度平方增长。KVCache 技术将历史计算的 Key 和 Value向量存储在缓存中，新生成 token 时只需计算当前 token 的 Key 和 Value，然后与缓存中的历史向量进行注意力计算，将计算复杂度从 O(n)降低到 O(n)，其中n 是序列长度。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 84 分离式推理是一种以 KVCache 为中心的推理架构，将注意力机制的计算与其他计算分离，实现更高效的内存管理和计算调度。在传统的大模型推理中，注意力计算和其他计算（如前馈网络）是交织在一起的，难以独立优化。分离式推理将模型分为注意力模块和其他模块，分别进行优化和调度，可以更灵活地管理KVCache，提高内存利用率和计算效率。分离式推理架构与 KVCache 优化KVCache 优化是分离式推理的核心环节，主要包括 KVCache 量化、KVCache稀疏化、KVCache 压缩等技术。KVCache 量化通过将 KVCache 量化为低精度格式（如 INT8、INT4），减少内存占用和带宽需求；KVCache 稀疏化通过识别和移除 KVCache 中的不重要元素，减少存储和计算开销；KVCache 压缩则通过编码压缩等技术，进一步减少 KVCache 的内存占用。在实际应用中，KVCache 与分离式推理技术已在大模型服务中得到广泛应用。例如，清华大学的 KVCache.AI 项目针对长文本大模型推理进行了深度优化，AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 85 通过 KVCache 管理和分离式推理架构，显著提升了长文本场景下的推理效率。这些技术使得超长文本（如百万 token 级别）的大模型推理成为可能，为长文本应用场景提供了技术支撑。KVCache 与分离式推理技术面临的挑战主要包括：一是 KVCache 的内存占用随序列长度线性增长，长序列场景下内存压力巨大；二是 KVCache 的管理和调度复杂，需要高效的内存分配和回收策略；三是分离式推理的实现需要对模型结构进行修改，增加了开发和维护的复杂性。为应对这些挑战，相关技术正在向更高效、更智能、更自动化的方向发展，如自适应 KVCache 管理、动态 KVCache压缩、自动模型分割等。4.3.4 边缘边缘-云协同推理云协同推理边缘-云协同推理是一种分布式推理范式，通过将大模型分割为多个部分，分别部署在边缘设备和云端服务器上，实现低延迟、高效率的推理服务。这种技术特别适用于对实时性要求高、计算资源有限的边缘场景，如移动设备、物联网设备等。边缘-云协同推理架构概览边缘-云协同推理的核心思想是模型分割，即将大模型分割为多个子模型，根据计算复杂度和延迟要求，将不同子模型分配到边缘设备和云端服务器上。通常，计算密集型和能耗密集型的子模型被卸载到云端服务器进行计算，而轻量级AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 86 的子模型则在边缘设备上执行。这种分割策略可以在保证推理质量的同时，满足边缘场景的低延迟要求。边缘-云协同推理可以分为三个部分：边缘设备推理、中间结果传输、云服务器推理。这三部分可作为三个进程，在推理过程中并行处理。即云端在推理当前视频帧的同时，边缘设备可以推理下一帧，形成流水线式的处理流程，进一步提高整体效率。边缘-云协同推理的优势在于可以充分利用边缘和云端的各自优势。边缘设备靠近数据源，可以提供低延迟的数据采集和预处理；云端服务器拥有强大的计算能力，可以处理复杂的计算任务。通过合理的模型分割和任务调度，边缘-云协同推理可以实现比纯边缘推理更高的性能，比纯云端推理更低的延迟。边缘-云协同推理的优势与挑战然而，边缘-云协同推理也面临一些挑战。首先是网络依赖性，边缘设备与云端之间的通信质量直接影响协同推理的性能，网络不稳定或带宽不足可能导致性能下降。其次是隐私安全问题，数据需要在边缘和云端之间传输，可能涉及隐私泄露风险。最后是能耗问题，边缘设备通常电池供电，需要考虑能耗优化。为了优化边缘-云协同推理的性能，业界提出了多种技术。动态模型分割是一种关键技术，根据网络状况、设备状态、任务特性等因素，动态调整模型分割策略，实现最优的性能。自适应传输技术则根据网络条件动态调整数据传输策略，AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 87 如数据压缩、增量传输等，减少网络开销。隐私保护技术通过联邦学习、差分隐私、数据加密等手段，保护数据隐私和安全。在实际应用中，边缘-云协同推理已在多个领域得到成功应用。例如，在智能监控场景中，边缘设备负责视频采集和预处理，云端服务器负责复杂的视频分析任务；在智能医疗场景中，边缘设备负责医学影像采集，云端服务器负责复杂的影像分析和诊断；在自动驾驶场景中，边缘设备负责实时感知和决策，云端服务器负责高精度地图更新和模型训练。随着 5G、边缘计算、大模型等技术的发展，边缘-云协同推理将在更多场景中发挥重要作用，为 AI 技术的普及和应用提供新的技术路径。4.4 异构资源调度与编排异构资源调度与编排4.4.1 资源统一管理资源统一管理异构资源统一管理是构建高效异构算力系统的基础，通过抽象和池化不同类型的计算资源，实现资源的统一调度和高效利用。在 AI 大模型场景中，异构资源包括 CPU、GPU、国产 AI 芯片（如寒武纪 MLU、昇腾 NPU 等）、FPGA 等多种计算单元，如何实现这些资源的统一管理是一个重要挑战。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 88 异构资源统一管理架构概览Kubernetes Device Plugin 是目前主流的异构资源管理方案。Kubernetes 作为容器编排平台，提供了强大的资源管理和调度能力；Device Plugin 机制则允许第三方设备厂商扩展 Kubernetes，支持新型硬件资源。通过 Device Plugin，各种AI 加速器可以被抽象为 Kubernetes 的可调度资源，与 CPU、内存等资源一样进行管理和分配。这种方案的优势是可以利用 Kubernetes 成熟的生态和工具链，降低异构资源管理的复杂性。Volcano 是面向 AI、大数据等高性能计算场景的增强型调度器，构建在Kubernetes 之上，提供了更强大的异构资源管理能力。Volcano 提供了高性能任务调度引擎、高性能异构芯片管理、高性能任务运行管理等通用计算能力，通过接入 AI、大数据、基因、渲染等诸多行业计算框架服务终端用户。Volcano v1.12增加了对 DRA（Dynamic Resource Allocation）的支持，允许集群动态分配和管AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 89 理外部资源，增强了与异构硬件的集成能力。异构设备抽象与池化是资源统一管理的核心技术。异构设备抽象通过统一的接口和描述模型，将不同类型的硬件资源抽象为标准化的资源对象，隐藏硬件差异，简化上层应用的开发。异构设备池化则将分散的硬件资源汇聚成虚拟的资源池，实现资源的共享和复用，提高资源利用率。在实际实现中，通常采用分层抽象的策略，底层针对特定硬件提供专用驱动，中层提供统一的资源抽象，上层提供标准化的 API 接口。异构资源统一管理面临的挑战与发展趋势资源统一管理面临的挑战主要包括：一是硬件多样性，不同厂商、不同类型的 AI 加速器在接口、功能、性能等方面差异巨大，统一抽象难度高；二是性能隔离，不同类型的资源可能存在性能干扰，需要有效的隔离机制；三是状态管理，异构设备通常有复杂的状态（如固件版本、驱动版本等），需要统一的状态管理AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 90 机制。为应对这些挑战，资源统一管理技术正在向更标准化、更智能化、更自动化的方向发展，如标准化设备接口、智能资源调度、自动化运维等。在实际应用中，异构资源统一管理已在大规模 AI 集群中得到广泛应用。例如，在智算中心中，通过 Kubernetes Volcano 的架构，实现了对 CPU、GPU、国产 AI 芯片等多种资源的统一管理和调度，为大模型训练和推理提供了高效的算力支撑。随着异构算力的普及，资源统一管理技术将在 AI 基础设施中发挥越来越重要的作用。4.4.2 任务调度策略任务调度策略任务调度策略是异构资源管理的核心环节，通过合理的任务分配和资源调度，实现系统性能的最优化。在大模型与异构算力融合场景中，任务调度需要考虑多种因素，如任务特性、资源特性、网络状况等，是一个复杂的优化问题。任务调度策略的维度AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 91 基于优先级的调度是最常用的调度策略之一。根据任务的重要性和紧急程度，为任务分配不同的优先级，高优先级任务优先获得资源。这种策略简单直观，适合有明显重要性差异的任务场景。然而，简单的优先级调度可能导致低优先级任务饥饿，需要结合其他机制（如时间片轮转、优先级衰减等）来保证公平性。资源亲和性调度是另一种重要的调度策略，根据任务与资源之间的亲和关系，将任务分配到最适合的资源上。在大模型场景中，不同的模型层或算子可能对不同类型的硬件有不同的亲和性，如注意力计算适合在 GPU 上执行，而某些特定的算子可能在专用 AI 芯片上更高效。资源亲和性调度可以充分利用硬件特性，提高任务执行效率。负载感知调度是一种动态调度策略，根据系统的实时负载情况，动态调整任务分配策略。负载感知调度需要监控系统的各项指标，如 CPU 利用率、内存使用量、网络带宽、设备温度等，基于这些信息做出调度决策。这种策略可以适应系统负载的动态变化，实现更均衡的资源利用。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 92 训练与推理任务混部优化训练与推理任务混部优化是异构算力调度中的特殊挑战。训练任务通常计算密集、长时间运行、资源需求稳定；推理任务则通常延迟敏感、短时间运行、资源需求波动大。如何将这两种不同特性的任务合理混部，提高资源利用率，是一个复杂的问题。常见的策略包括时间分片（不同时间段运行不同类型任务）、资源隔离（为不同类型任务分配专用资源）、动态调整（根据负载情况动态调整资源分配）等。Volcano 调度器提供了丰富的任务调度策略支持。Volcano Scheduler 由一系列 action 和 plugin 组成，action 定义了调度各环节中需要执行的动作；plugin 根据不同场景提供了 action 中算法的具体实现细节。Volcano 支持节点负载感知调度与重调度，支持多样化的监控系统，可以根据实际需求配置不同的调度策略。在实际应用中，任务调度策略的选择需要考虑多个因素：任务特性（如计算AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 93 类型、资源需求、延迟要求等）、资源特性（如计算能力、内存容量、网络带宽等）、系统目标（如吞吐量、延迟、资源利用率等）。通过合理选择和配置任务调度策略，可以实现异构算力系统的高效运行，为大模型训练和推理提供强大的算力支撑。4.4.3 弹性伸缩与算力交易弹性伸缩与算力交易弹性伸缩与算力交易是异构算力资源管理的高级特性，通过动态调整资源供给和实现算力的市场化交易，提高资源利用效率，降低使用成本。这些技术在大模型与异构算力融合场景中具有重要意义，可以帮助用户更灵活、更经济地使用算力资源。弹性伸缩是指根据业务需求和策略自动调整计算能力的服务。在 Kubernetes环境中，弹性伸缩主要包括水平伸缩（HPA，Horizontal PodAutoscaler）和垂直伸缩（VPA，Vertical Pod Autoscaler）两种形式。HPA 主要通过增加或减少 Pod数量来实现伸缩，适合无状态服务的扩展；VPA 则通过调整 Pod 的资源请求和限制来实现伸缩，适合需要调整资源配额的场景。HPA 伸缩算法相对保守，如AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 94 果某个 Pod 获取不到资源指标或者资源没有准备好的情况下，在进行扩容操作时，该 Pod 的资源指标均不会加入计算，确保伸缩的稳定性。弹性伸缩在大模型场景中面临特殊挑战。大模型任务通常资源需求大、启动时间长，传统的基于 CPU 利用率的伸缩策略可能不够准确。针对这些特点，大模型弹性伸缩需要考虑更多因素，如 GPU 利用率、内存使用量、队列长度等，并结合预测性伸缩（Predictive Scaling）技术，提前预判资源需求，避免资源不足导致的性能下降。算力交易是算力资源的市场化配置方式，通过将算力资源商品化，实现供需双方的高效匹配。算力交易可以采用多种形式，如按需付费（Pay-as-you-go）、预留实例（Reserved Instances）、竞价实例（Spot Instances）等。按需付费适合短期、不确定的资源需求；预留实例适合长期、稳定的资源需求，可以享受折扣价格；竞价实例则适合可中断、弹性大的任务，价格更低但可能被中断。算力交易市场通常包括资源提供方、资源需求方、交易平台等参与者。资源提供方包括云服务商、算力中心、企业闲置资源等；资源需求方包括 AI 企业、研究机构、个人开发者等；交易平台则提供资源发布、匹配、交易、结算等功能。区块链技术可以用于构建去中心化的算力交易平台，通过智能合约实现自动化的交易执行和结算，提高交易的透明度和可信度。弹性伸缩与算力交易的结合可以形成更智能的算力资源管理体系。通过弹性伸缩技术，可以根据实际需求动态调整资源规模；通过算力交易技术，可以在不同资源提供商之间选择最优的资源组合。这种结合可以实现算力资源的最优配置，在满足性能需求的同时，最小化使用成本。在实际应用中，弹性伸缩与算力交易已在多个云平台和算力网络中得到实现。例如，阿里云弹性伸缩服务（ESS）支持根据业务需求和策略自动调整计算能力，支持 ECS 实例和 ECI 实例；华为云 Volcano 调度器支持多种弹性伸缩策略，可以适应不同类型的 AI 工作负载。随着算力网络的不断发展，弹性伸缩与算力交易技术将在更广泛的场景中发挥作用，推动算力资源的高效利用和市场化配置。五、国内企业实践与案例分析五、国内企业实践与案例分析5.1 华为昇腾：异构算力与大模型融合实践华为昇腾：异构算力与大模型融合实践5.1.1 云端芯片在互联网大厂部署云端芯片在互联网大厂部署华为昇腾作为国内 AI 芯片领域的领军企业，其昇腾 910 系列芯片已在多家AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 95 互联网大厂实现规模化部署，展现出国产 AI 芯片在大模型场景下的实用价值。昇腾 910B 是华为面向云端训练的高性能 AI 处理器，采用 7nm EUV 工艺制造，拥有 32 核自研达芬奇架构，其半精度（FP16）算力达到 256-320 TFLOPS，整数精度（INT8）算力达到 512-640 TOPS，功耗 310W，被视为业界算力最强的 AI处理器之一。在字节跳动，华为昇腾芯片已成为大模型训练的重要算力支撑。据最新消息，字节跳动已向华为订购了多达 10 万颗昇腾 910B 芯片。昇腾 910B 的性能、能效都优于 NVIDIAA100，字节跳动计划使用昇腾 910B 芯片来训练新的 AI 模型。华为与字节跳动的合作不仅限于硬件供应，还包括软件栈的深度适配和优化，确保在大规模生产环境中的稳定运行。腾讯与字节跳动的 AI 资本开支也将显著增长，昇腾芯片在其中扮演重要角色。在业界应用广泛的 YOLOv3、Transformer 等训练任务中，多卡昇腾 910B 计算系统展现出优异的性能表现。华为为多卡系统专门设计了 HCCS 互连技术，可实现高速互联，形成强大的计算集群，满足大规模 AI 训练和推理需求。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 96 华为昇腾与互联网大厂的合作模式不仅限于硬件供应，还包括联合研发、场景适配、性能优化等多个层面。通过深度合作，华为不断优化产品设计和软件生态，而互联网大厂则获得了更加适合自身业务需求的 AI 算力解决方案。这种互利共赢的合作模式，推动了国产 AI 芯片在实际应用中的快速迭代和成熟。据市场数据显示，2024 年华为昇腾出货 64 万片，在国内 AI 芯片市场占据 23(%的份额，排名第二，仅次于英伟达。5.1.2 边缘与端侧落地案例边缘与端侧落地案例除云端部署外，华为昇腾芯片在边缘和端侧场景也有广泛应用。昇腾 310系列是华为面向边缘计算场景的 AI 处理器，采用华为自研的达芬奇架构，在功耗仅为 6.5W 的条件下，提供强大的 AI 推理能力。Atlas 200AI 加速模块集成了昇腾 310 处理器，可在边端侧实现目标识别、图像分类等 AI 应用加速，广泛用于智能边缘设备、机器人、无人机、智能工控等边端侧 AI 场景。在智能安防领域，华为昇腾 Atlas 200AI 加速模块被广泛应用于各类智能摄像头中。南方电网深圳供电局与华为携手，在边缘侧部署输电视频监控终端，集成 Atlas 200 AI 加速模块，运行 AI 推理算法进行就地图像视频分析，使巡检效率提升了 80 倍。通过在边缘设备本地完成 AI 计算，不仅减少了数据传输延迟，也保护了用户隐私，同时降低了对网络带宽的依赖。在实际部署中，搭载昇腾310 的智能摄像头能够在复杂环境下稳定运行，满足 724 小时不间断工作的需AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 97 求。在工业质检场景，华为昇腾边缘芯片与机器视觉技术结合，实现了产品质量的自动检测。富士康采用华为昇腾 910 芯片 动态量化方案，显著提升了检测效率。通过将 AI 推理能力下沉到生产现场，可以实时发现产品缺陷，及时调整生产工艺，提高产品质量和生产效率。昇腾边缘芯片的低功耗特性，使其能够直接集成到工业设备中，无需额外的散热和供电设施，大大简化了部署复杂度。在智慧城市领域，华为昇腾边缘计算解决方案已在全国多个城市落地。昇腾AI 边缘智能已经广泛应用到工业质检、高速收费稽核、智慧营业厅等场景，极大地加速了行业智能升级。例如，在高速收费稽核场景，昇腾边缘设备能够实时分析车辆信息，自动识别违规行为；在智慧营业厅，昇腾边缘设备能够提供智能客服、人脸识别等服务，提升用户体验。华为昇腾边缘与端侧产品与云端产品形成了完整的算力梯度，支持从云端到边缘再到终端的全场景 AI 计算需求。这种云边端一体化的产品布局，使得用户可以根据实际需求选择最适合的产品形态，构建灵活高效的 AI 计算系统。截至2025 年，已有超过 100 万的开发者加入昇腾生态，有 25 个城市基于昇腾构建人工智能计算中心，其中 14 个已经上线并饱和运营。5.2 国内企业布局国内企业布局5.2.1 寒武纪寒武纪寒武纪作为国内 AI 芯片的重要企业，其思元系列芯片在性能和技术创新方面表现突出。寒武纪成立于 2016 年，专注于人工智能芯片产品的研发与技术创新，致力于打造人工智能领域的核心处理器芯片。2023 年，寒武纪发布最新一代云端高算力芯片产品思元 590 芯片，该芯片方便兼容主流 AI 大模型，综合性能对标英伟达 A100，实力处于国内领先水平。思元 590 是寒武纪最新一代云端智能训练芯片，该产品性能相比思元 370有翻倍以上的提升。根据测试数据，寒武纪 590 单卡性能测试接近 A100，达到A100 80%-90%的程度，目前 MLU-Link 的片间互联速度 512GB/s（A800 是400GB/s），集群互联目前性能发挥大概在 A100 8090%之间。思元 590 采用寒武纪自研的 MLUarch05 架构，能够提供更大的内存容量和带宽，IO 和片间互联接口也较上代实现大幅升级，主要面向训练任务。在智能计算中心建设方面，寒武纪取得了显著进展。南京智能计算中心是寒AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 98 武纪的重要落地案例，该中心由 7280 块搭载国产芯片的 AI 智能加速卡提供智能算力，采用全国产化硬件和软件体系，算力达到每秒 180 亿亿次（1800P FLOPS）。2025 年 2 月，南京智算中心宣布联合国产芯片厂商寒武纪，用全国产设备运行国产大模型 DeepSeek，为苏宁易购提供全国产化模型推理服务，成为南京首例全国产算力版 DeepSeek 商业化应用案例。寒武纪的智能计算中心布局不仅限于南京，在全国范围内都有重要项目。中心通过提供智能算力、通用算力、行业应用等，服务包括中科院计算所、中国科学技术大学、南京大学、寒武纪行歌、中汽创智在内的近百家科研院所、高校机构和企业。寒武纪在 2024 年上半年持续发力智能计算集群系统的部署效率，其训练软件平台开发了集群分析工具，完善了故障判断逻辑，同时优化了故障处理流程，进一步提升了产品竞争力。在技术路线上，寒武纪主要采用 ASIC 架构，劣势是通用性会比较差，优势是某些特定应用场景下，算力可以做到比 GPU 更高。寒武纪思元 590 与英伟达的差距主要体现在通用性方面，但在特定应用场景下具有优势。百度内部的测试结果显示，590 在某些任务上表现优异，展现了寒武纪芯片的技术实力。5.2.2 阿里平头哥与含光芯片阿里平头哥与含光芯片阿里平头哥是阿里巴巴旗下的半导体公司，其含光 800 芯片是面向云端推理的高性能 AI 芯片。含光 800 性能的突破得益于软硬件的协同创新：硬件层面采用自研芯片架构，通过推理加速等技术有效解决芯片性能瓶颈问题；软件层面集成了达摩院先进算法，针对 CNN 及视觉类算法深度优化。按照 ResNet50 需要的算力反推，含光 800 的算力达到 820TOPS，在当时创造了全球 AI 芯片性能的新纪录。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 99 阿里平头哥含光 800 芯片的性能优势与技术创新在 AI 场景中，含光 800 是异构计算的很好补充。阿里云基于含光 800 的 AI服务识别一张图片仅需 0.0739ms，同时在训练成本和推理效率方面都有显著提升。DAWNBench 官方显示，阿里云异构计算服务训练 ImageNet 128 万张图片仅需 2 分 38 秒，展现了含光 800 在实际应用中的优异性能。未来，平头哥的产品形态还会进一步完善，包括云端 AI 训练芯片和端侧 AI 推理芯片，形成完整的产品矩阵。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 100 阿里云灵骏平台与“云芯一体”战略阿里云灵骏是面向大规模深度学习及融合智算的 PaaS 产品，支持公共云Serverless 版、单租版以及混合云形态，基于软硬件一体优化技术，构建高性能异构算力底座。灵骏平台整合了含光 800 等异构计算资源，通过统一的资源管理和调度系统，为 AI 大模型训练和推理提供高效的算力支持。在实际应用中，灵骏平台已经支持了阿里巴巴内部众多 AI 业务，并通过阿里云对外提供服务，助力企业 AI 创新。阿里巴巴在 AI 芯片领域的布局体现了云芯一体的战略思想，通过自研芯片与云服务的深度结合，实现性能和成本的最优化。含光 800 与阿里云的协同，不仅提升了阿里云 AI 服务的竞争力，也为阿里巴巴自身的 AI 业务提供了强大的算力支撑，形成了技术与业务的良性循环。5.2.3 腾讯星星海与腾讯星星海与 AI 加速卡加速卡腾讯在 AI 算力领域的布局主要体现在星星海自研服务器和 AI 加速卡上。腾AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 101 讯云结合星星海自研服务器，自研高性能智能网络提供的 3.2T 超高互联带宽，以及腾讯自研 AI 加速卡，构建了强大的 AI 算力基础设施。在腾讯云上，企业基于 TI 平台的大模型能力和工具箱，可结合自身场景数据，进行大模型的精调和应用开发，加速 AI 落地。腾讯混元大模型是腾讯 AI 技术的重要成果，已经覆盖了自然语言处理、计算机视觉、多模态等基础模型和众多行业、领域模型。混元大模型背后的训练框架 AngelPTM，也已通过腾讯云对外提供服务，帮助企业加速大模型落地。腾讯混元 AI 大模型与腾讯云的算力基础设施深度结合，形成了从算法到算力的完整技术栈。腾讯云 TI 平台是腾讯云面向 AI 开发的一站式平台，提供了从数据处理、模型训练到模型部署的全流程支持。TI 平台与腾讯云的异构算力基础设施深度集成，支持多种 AI 框架和硬件平台，为开发者提供灵活高效的开发环境。在实际应用中，TI 平台已经支持了腾讯内部众多 AI 业务，并通过腾讯云对外提供服务，助力企业 AI 创新。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 102 腾讯在 AI 算力领域的布局体现了软硬协同的理念，通过自研硬件与软件平台的深度结合，实现系统性能的最优化。星星海服务器与 AI 加速卡、TI 平台、混元大模型的协同，不仅提升了腾讯云 AI 服务的竞争力，也为腾讯自身的 AI业务提供了强大的技术支撑，形成了从底层硬件到上层应用的完整技术体系。5.3 智算中心与云服务商实践智算中心与云服务商实践5.3.1 国家级智算中心国家级智算中心国家级智算中心是中国 AI 算力基础设施的重要组成部分，通过集中化的建设和运营，为科研机构和企业提供强大的 AI 计算能力。北京、杭州等地的智算中心在异构算力资源调度方面进行了积极探索，形成了各具特色的实践案例。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 103 杭州市算力资源调度服务平台于 2025 年 3 月正式启用，是杭州首个多元异构力资源调度服务平台。该平台首批接入 5 家数据中心，整合了通用算力、智能算力等多元资源，具有算力超市、撮合交易、AI 训推一体化平台等五大重点功能。通过统一的资源调度和管理，杭州市算力资源调度服务平台实现了算力资源的高效利用和优化配置，为区域 AI 产业发展提供了强大支撑。国家新一代 AI 公共算力开放创新平台（北京、杭州等）是国家级智算中心的代表，这些平台不仅提供强大的算力资源，还构建了完整的技术生态和服务体系。在这些平台中，异构算力资源调度是核心技术挑战，需要解决不同架构硬件的统一管理、任务调度、负载均衡等问题。通过先进的调度算法和管理系统，这些平台实现了多元异构算力的高效协同，为各类 AI 应用提供了强大的算力支持。智算中心的建设面临着核心供给不足与结构错配、通信连接瓶颈、算力调度复杂以及异构算力生态融合难等挑战。为应对这些挑战，智算中心建设要以开放AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 104 硬件和开源软件为主，融合多元算力，实现算力的聚合、调度、释放，让智算中心用起来、用得好。同时，要朝着标准化、集约化方向发展，提高建设和运营效率，降低使用成本。5.3.2 商业云服务商商业云服务商商业云服务商在异构算力服务方面进行了大量创新，阿里云灵骏、腾讯云智算、华为云 ModelArts 等平台代表了国内云服务商在异构算力领域的先进实践。阿里云灵骏是面向大规模深度学习及融合智算的 PaaS 产品，支持公共云Serverless 版、单租版以及混合云形态。灵骏基于软硬件一体优化技术，构建高性能异构算力底座，整合了 CPU、GPU、NPU 等多种计算资源，通过统一的资源管理和调度系统，为 AI 大模型训练和推理提供高效的算力支持。灵骏平台支持多种 AI 框架和硬件平台，为开发者提供灵活高效的开发环境。腾讯云智算结合腾讯星星海自研服务器和 AI 加速卡，构建了强大的 AI 算力基础设施。腾讯云在行业率先发布了大模型公有云算力集群 HCC，该集群结合腾讯云星星海自研服务器，腾讯云自研高性能智能网络提供的 3.2T 超高互联带AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 105 宽，以及腾讯自研 AI 加速卡，为大规模 AI 训练和推理提供了强大支撑。在实际应用中，腾讯云智算已经支持了混元大模型等众多 AI 业务，展现出优异的性能和稳定性。华为云 ModelArts 是华为云面向 AI 开发的一站式平台，提供了从数据处理、模型训练到模型部署的全流程支持。ModelArts 与华为昇腾 AI 硬件深度集成，通过软硬件协同优化，实现了高性能的 AI 训练和推理。在脑科学研究方面，华为云 ModelArts 也有所作为：中科院脑智卓越中心通过完整解析斑马鱼的透明大脑来揭示大脑的工作原理，对接类脑智能。ModelArts 平台的易用性和高性能，使其成为科研机构和企业 AI 开发的重要工具。国内云服务商在异构算力服务方面的共同特点是软硬协同、全栈优化，通过自研硬件与软件平台的深度结合，实现系统性能的最优化。这些平台不仅提供强大的算力资源，还构建了完整的技术生态和服务体系，为 AI 开发者提供从底层硬件到上层应用的全方位支持，加速了 AI 技术的创新和应用。5.4 开源社区与开发者生态开源社区与开发者生态5.4.1 国内国内 AI 开源平台开源平台AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 106 国内 AI 开源平台在推动异构算力与大模型融合方面发挥着重要作用，OpenI启智、ModelScope、飞桨开源社区、算网 AI 平台等平台为开发者提供了丰富的资源和支持。OpenI 启智是由新一代人工智能产业技术创新战略联盟（AITISA）组织运作的开源社区，旨在培育高水平的开源技术，汇聚国家从事开源项目的开发者和各个单位的力量。OpenI 启智社区旗下的一站式 AI 开发协作平台，汇聚人工智能开源项目，涵盖自动建模、算力容器、自动参数调优、模型部署、数据标注工具等功能。通过社区建设，OpenI 启智希望建立一个从底层芯片到上层应用的技术体系，推动 AI 技术的开源共享和协同创新。飞桨（PaddlePaddle）是百度自主研发的产业级深度学习平台，集深度学习核心框架、基础模型库、端到端开发套件、工具组件和服务于一体。飞桨同时支持动态图和静态图，兼顾灵活性和效率；精选应用效果最佳算法模型并提供官方支持；真正源于产业实践，经过大规模业务验证。据统计，依托飞桨，产学研用共建技术和产业生态，已累计培养超过百万 AI 人才。ModelScope 是阿里巴巴达摩院推出的 AI 模型开源平台，提供了大量预训练模型和开发工具，支持开发者快速构建 AI 应用。ModelScope 平台整合了阿里巴巴在 AI 领域的技术积累，涵盖自然语言处理、计算机视觉、语音识别等多个领域，为开发者提供了丰富的模型资源和开发支持。通过开源共享，ModelScope促进了 AI 技术的普及和创新，推动了异构算力在更多场景中的应用。算网平台（https:/ AI 开发者的平台，集异构算力、模型、数据为一体的一站式 AI 开发平台，涵盖了从数据到模型训练微调服务、模型部署服务、按需租赁算力等服务。涵盖了国内外主流的模型库，如 DeepSeek、阿里千问系列等模型，可一键部署和使用。同时基于该平台构建的算泥开发者社区，为广大的 AI 开发者、高校学生/老师/科研团队提供了成体系的 AI 大模型相关课程，市场报告，专业的内容输出，AI 项目的开发与交流平台。这些国内 AI 开源平台的共同特点是开放共享、生态共建，通过开源代码、模型、工具等资源，降低 AI 技术门槛，促进技术创新和应用落地。同时，这些平台也积极支持国产异构算力，通过优化适配和性能调优，推动国产 AI 芯片在实际应用中的普及和成熟。5.4.2 开发者工具链与支持开发者工具链与支持AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 107 完善的开发者工具链和支持体系是异构算力与大模型融合的关键保障。国内企业和开源社区在开发者工具链建设方面进行了大量投入，为开发者提供了丰富的资源和支持。华为昇腾社区提供了完整的开发资源和支持体系，包括社区版和商业版CANN（Compute Architecture for Neural Networks）计算架构。昇腾开发资源下载中心提供社区版和商业版下载，其中社区版快速提供新特性的体验版，供开发者提前试用；商业版满足商用标准的稳定版本。昇腾开发指南用于指导开发者如何基于昇腾平台进行模型开发、应用开发、算子开发，并提供常见故障处理指导以及日志参考等，为开发者提供全方位的技术支持。算泥社区（https:/ AI 大模型开发者平台，在异构算力与大模型融合中扮演着重要角色。算泥社区提供AI 大模型开发服务 模型 算力的三位一体服务，通过 API、镜像、教程等丰富的开发者资源，降低开发者使用异构算力的门槛。算泥社区不仅提供技术支持，还通过社区活动、培训认证、开发者大赛等形式，促进技术交流和人才培养，推动异构算力与大模型融合技术的普及和应用。国内企业和开源社区在开发者工具链建设方面的共同特点是全栈支持、生态共建，通过提供从底层硬件到上层应用的完整工具链和支持体系，降低开发者使用异构算力的门槛，加速技术创新和应用落地。这些工具链和支持体系不仅提高了开发效率，也促进了异构算力在更多场景中的应用，推动了整个 AI 产业的健康发展。六、行业应用与场景落地六、行业应用与场景落地6.1 互联网与内容生成互联网与内容生成6.1.1 AIGC 应用应用AIGC（AI Generated Content）是当前大模型技术最具代表性的应用场景，涵盖了文本、图像、音频、视频等多种内容形式的自动生成。在文生图领域，StableDiffusion 等模型通过扩散模型技术，能够根据文本描述生成高质量图像，广泛应用于创意设计、广告制作、游戏开发等领域。这些模型的训练和推理需要大量算力支持，特别是在高分辨率图像生成场景下，单次生成可能需要数秒到数分钟的计算时间，对算力的实时性和稳定性提出了高要求。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 108 文生视频是 AIGC 领域的新兴方向，Sora 能根据文本生成最长 20 秒的高质量视频，理论上支持任意分辨率，如 1920 x1080、1080 x1920 等。从技术原理上看，Sora 可以理解成是一种融合 Transformer 模型与 Stable Diffusion 的混合模型，通过 Transformer 原理的序列建模能力，结合扩散模型的图像生成能力，实现了高质量的视频生成。Sora 的出现彻底颠覆了文生视频领域，但其背后是巨大的算力需求，单次视频生成可能需要数千 GPU 小时的计算量。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 109 异构算力在 AIGC 应用中发挥着关键作用。在训练阶段，大规模 GPU 集群提供了必要的计算能力，支持模型在海量数据上的训练；在推理阶段，GPU、TPU 等专用加速器则提供了高效的推理性能，满足实时生成需求。特别是在视频生成等高计算复杂度场景，异构算力通过不同类型处理器的协同工作，实现了计算效率的最优化。例如，可以使用 GPU 处理主要的计算密集型任务，而使用CPU 处理数据预处理和后处理等任务，通过合理的任务分配，实现整体性能的提升。6.1.2 大模型搜索与推荐大模型搜索与推荐大模型技术在搜索与推荐领域的应用正在深刻改变传统的信息获取方式。传统搜索主要基于关键词匹配，难以理解用户的真实意图；而基于大模型的搜索则通过向量检索和语义理解技术，能够更准确地把握用户需求，提供更相关的搜索结果。向量检索技术通过将文本转换为高维向量，计算向量间的相似度来实现语AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 110 义匹配，能够处理语义关系、上下文和数据的丰富语义信息，适用于处理图像、音频、视频等多种数据类型。大模型在搜索和推荐领域的应用范式转变在推荐系统领域，大模型通过深度理解用户行为和内容特征，实现了更精准的个性化推荐。传统的推荐系统主要依赖协同过滤和特征工程，而大模型推荐则能够直接从原始数据中学习用户和内容的深层表示，捕捉更复杂的关联关系。例如，通过构建用户与内容的交互图，利用图神经网络学习节点表示，可以实现更精准的推荐效果。目前全球主要的搜索厂商，百度、谷歌均对原始的搜索方式与大模型进行了整合，搜索结果页面除了传统的网页索引外，还在搜索结果顶部给出了大模型的直接结果供用户参考。腾讯在微信内部搜一搜也集成了大模型搜索结果，预计未来会更进一步增加大模型搜索权重。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 111 异构算力在大模型搜索与推荐中的关键作用异构算力在大模型搜索与推荐系统中主要支持向量检索和语义计算等密集型任务。GPU/ASIC 加速推荐系统推理，特别是在向量相似度计算、图神经网络推理等场景下，能够提供数十倍甚至上百倍的加速效果。在实际部署中，通常采用 CPU GPU 的异构架构，CPU 负责业务逻辑和数据预处理，GPU 负责向量计算和模型推理，通过合理的任务划分和数据流水线，实现系统整体性能的最优化。6.2 金融与医疗金融与医疗6.2.1 智能风控与投研智能风控与投研金融行业是大模型技术的重要应用领域，智能风控和智能投研是两个典型场景。在智能风控方面，大模型与知识图谱的结合展现出强大能力。金融机构通过构建金融知识图谱来进行市场数据及基本面分析，通过自然语言处理、关联关系分析、行业产业知识推理等为动态、多维度的基本面分析做支持。在信贷风控的业务实现中，通常需要搭建知识图谱分析平台，梳理现有一方数据，整合必要的三方数据后导入知识图谱数据库，建立知识图谱风控流程和预警体系。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 112 智能风控流程与大模型大模型在金融风控中的优势在于能够处理非结构化数据，如新闻、公告、社交媒体等信息，从中提取风险信号。通过深度学习技术，大模型能够识别复杂的欺诈模式和异常行为，实现实时风险监测和预警。在实际应用中，金融机构通常将大模型与传统风控系统结合，形成多层次的风控体系，既利用大模型的语义理解能力，又保持传统系统的稳定性和可解释性。异构算力在金融风控场景中主要支持低延迟推理和高并发处理。寒武纪MLU 等国产 AI 芯片在金融客户案例中表现出色，特别是在实时风险监测、交易反欺诈等对延迟敏感的场景。通过异构计算架构，可以实现毫秒级的风险评估和决策响应，满足金融业务对实时性的高要求。同时，异构算力的高并发处理能力，使得系统能够同时处理大量交易和用户行为数据，实现全方位的风险覆盖。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 113 大模型在智能投研中的应用在智能投研方面，大模型通过提供具有针对性的提示，能够更加深入地分析市场数据，为投资决策提供支持。大模型可以快速处理海量财经新闻、公司公告、行业报告等信息，提取关键观点和趋势，辅助投资分析师进行决策。在实际应用中，大模型通常与量化模型结合，形成AI 量化的投资策略，既利用 AI 的信息处理能力，又保持量化模型的纪律性和系统性。6.2.2 医学影像与药物研发医学影像与药物研发医疗领域是大模型技术的另一个重要应用场景，医学影像和药物研发是两个代表性方向。AI 医学影像是人工智能在医疗领域应用最为广泛的场景，率先落地、率先应用、率先实现商业化。在 GPU 的加持下，智能医学影像平台能支持数百万的医学影像数据的训练；同时基于训练的人工智能模型，可快速实现脑部、心脏以及身体各器官疾病的辅助诊断，大大提高了诊断效率和准确性。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 114 医学影像与 AI 辅助诊断在医学影像处理中，异构算力主要支持多模态数据处理和复杂模型推理。医学影像通常包括 CT、MRI、X 光等多种模态，每种模态的数据特点和诊断需求各不相同。异构计算架构通过不同类型处理器的协同工作，能够高效处理这些多样化的数据类型。例如，可以使用 GPU 处理 3D 卷积等计算密集型任务，而使用 FPGA 处理数据预处理和后处理等任务，通过合理的任务分配，实现整体处理效率的最优化。AI 与异构算力驱动药物研发AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 115 药物研发是另一个受益于大模型和异构算力的领域。人工智能与药学的交叉融合是重塑传统新药研发路径和范式的重要驱动力。首先，人工智能与药学的交叉融合有助于形成智慧化靶点发现系统，通过跨物种基因调控网络分析和分子模拟，加速潜在药物靶点的发现。其次，大模型可以预测分子结构与生物活性之间的关系，指导药物分子的设计和优化。最后，大模型还可以预测药物的毒副作用和药代动力学特性，减少实验失败的风险。异构算力在药物研发中主要支持分子模拟和虚拟筛选等计算密集型任务。分子模拟需要计算分子间的相互作用力，预测分子的三维结构和动态行为，计算量巨大。异构计算架构通过 GPU 等专用加速器，可以显著加速分子动力学模拟和量子化学计算，将原本需要数月甚至数年的计算任务缩短到几天或几小时。在实际应用中，药物研发机构通常构建大规模异构计算集群，支持多个研发项目的并行计算需求，大大加速了新药研发进程。6.3 自动驾驶与智能制造自动驾驶与智能制造6.3.1 车规级车规级 AI 芯片与边缘计算芯片与边缘计算自动驾驶是 AI 技术最复杂的应用场景之一，对算力、能效、可靠性等方面都提出了极高要求。近年来，大模型推理从云端走向边缘侧，已成为人工智能落地的重要趋势。相比传统规则式或轻量模型算法，车载大模型具备更强泛化能力和语义理解力，但其高算力需求一直是制约其广泛应用的主要因素。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 116 车规级 AI 芯片是支持车载大模型推理的关键硬件。寒武纪行歌是寒武纪切入车载智能芯片的主体，致力于成为安全可靠的智能车载芯片引领者，用 AI 芯片支撑自动驾驶更快升级。寒武纪行歌提供的车载智能芯片是一个异构芯片，不仅包括 AI 模块，还包括 CPU、GPU 等多种计算单元，形成完整的异构计算架构。通过车云协同，能够将车端的数据快速回传，实现 AI 模型的快速迭代升级。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 117 边缘计算在自动驾驶中扮演着重要角色。自动驾驶系统需要在毫秒级时间内处理大量传感器数据，做出驾驶决策，这对计算延迟提出了极高要求。边缘计算通过在车辆本地部署计算能力，避免了数据传输到云端再返回的延迟，满足了实时性要求。同时，边缘计算也可以在网络连接不稳定或断开的情况下保持基本功能，提高了系统的可靠性。异构算力在自动驾驶中主要支持传感器数据处理、环境感知、路径规划等任务。自动驾驶系统需要处理摄像头、激光雷达、毫米波雷达等多种传感器的数据，每种数据类型和处理需求各不相同。异构计算架构通过不同类型处理器的协同工作，能够高效处理这些多样化的计算任务。例如，可以使用 GPU 处理图像识别和目标检测等并行计算任务，使用 CPU 处理路径规划和决策等串行任务，使用FPGA 处理传感器数据预处理等专用任务，通过合理的任务分配，实现系统整体性能的最优化。6.3.2 工业质检与数字孪生工业质检与数字孪生工业质检是 AI 技术在制造业中的重要应用，通过视觉检测技术自动识别产品缺陷，提高质检效率和准确性。AI 工业检测是利用基于深度学习、大模型等AI 技术的视觉检测技术，在工业生产过程中对产品图像进行视觉检测，从而帮AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 118 助发现和消除缺陷。通过大模型技术，工业质检智能化已成数字化转型的核心战场，通过 3D 视觉 AI 算法实现检测效率提升 300%，在汽车零部件、家电、半导体等行业都有成功应用。工业质检与 AI 视觉检测视觉质检大模型是工业质检的最新发展方向。与传统的小模型相比，大模型具有更强的泛化能力和更高的检测精度，能够适应更复杂的产品缺陷和更多的生产场景。在实际应用中，视觉质检大模型通常需要针对特定行业和产品进行微调，以适应不同的检测需求。异构算力在视觉质检中主要支持图像预处理、特征提取、缺陷分类等计算密集型任务，通过 GPU 等专用加速器，可以实现实时的检测速度，满足生产线的高节拍要求。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 119 数字孪生与异构算力数字孪生是智能制造的另一项关键技术。数字孪生是指充分利用物理模型、传感器、运行历史等数据，集成多学科、多尺度的仿真过程。通过构建产品数字孪生模型，通过实时采集来分析产品运行、工况和环境数据，监控物理产品运行状态，以及进行功能、性能衰减分析，从而对产品效能分析、寿命预测、故障诊断等提供支持。异构算力在数字孪生中主要支持实时仿真、数据分析和可视化等任务。数字孪生系统需要实时处理大量传感器数据，更新仿真模型，并进行可视化展示，计算量巨大。异构计算架构通过不同类型处理器的协同工作，能够高效处理这些多样化的计算任务。例如，可以使用 GPU 进行物理仿真和渲染计算，使用 CPU 进行数据管理和业务逻辑处理，使用 FPGA 进行传感器数据采集和预处理，通过合理的任务分配，实现系统整体性能的最优化。边缘异构算力在工业场景中具有特殊价值。工业场景通常对实时性、可靠性和安全性有高要求，边缘计算通过在工业现场部署计算能力，避免了数据传输到云端再返回的延迟，满足了实时性要求。同时，边缘计算也可以在网络连接不稳AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 120 定或断开的情况下保持基本功能，提高了系统的可靠性。在工业场景中，异构算力通过整合 GPU、FPGAs、ASICs 等不同计算单元，形成多模态算力供给，满足工业智能化进程中多样化的计算需求。七、挑战、趋势与展望七、挑战、趋势与展望7.1 主要挑战主要挑战7.1.1 算力供给与需求缺口算力供给与需求缺口当前，AI 大模型与异构算力融合发展面临的首要挑战是算力供给与需求之间的巨大缺口。随着大模型参数规模从千亿级迈向万亿级，训练算力需求呈现指数级增长，而高端芯片产能却面临严重瓶颈。一方面，全球仅少数厂商具备稳定量产高端 AI 芯片的能力，技术壁垒导致产能短期难以填补需求真空；另一方面，地缘政治因素加剧了供应链不确定性，使得算力供给更加紧张。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 121 国产替代进程中的技术壁垒是另一大挑战。尽管中国在 AI 芯片设计领域取得了显著进展，但在先进制程制造、高端封装测试等环节仍存在明显短板。现阶段，中国在算力供给方面仍存在关键技术国产化水平不足、应用支撑多样化能力欠缺等问题，亟待加快推动数据中心相关芯片的核心技术攻关，以逐渐形成产业自主可控能力。高端 PCB（印刷电路板）等配套材料的供给短缺也是制约因素。AI 硬件升级引爆了高端 PCB 需求，供应链已现缺口。供给端面临产能瓶颈，一是技术壁垒制约，高端产品全球仅少数厂商具备稳定量产能力；二是原材料供应受限，特殊基板材料、高频高速材料等关键材料对外依存度高。这些因素共同导致了算力供给与需求之间的结构性矛盾。7.1.2 软件生态成熟度软件生态成熟度AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 122 软件生态成熟度是制约异构算力广泛应用的另一大挑战。尽管国产 AI 芯片在硬件性能上逐步追赶国际领先水平，但其软件生态与主流开发框架兼容性不足，开发者需针对不同芯片重新编写代码，这大大提高了开发成本和技术门槛。以昇腾、寒武纪等为代表的国产 AI 芯片，虽然性能不断提升，但在软件栈的完整性、工具链的易用性、开发社区的活跃度等方面仍与国际领先水平存在差距。国产芯片软件栈兼容性问题尤为突出。目前，主流 AI 框架如 PyTorch、TensorFlow 等主要针对 NVIDIA CUDA 生态进行优化，国产芯片需要通过适配层或插件机制才能支持这些框架，这不仅影响了性能，也增加了开发复杂度。例如，框架 dtype 与编译工具支持未完全成熟：PyTorch 核心层面对某些基础类型（如E8M0、FP4）的支持仍在推进中，这限制了新型低精度计算在国产芯片上的应用。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 123 开发者工具链的完善度也是关键挑战。工具链的成熟度直接决定开发者的选择。虽然国产 AI 芯片软件生态从框架到工具链日趋完善，成熟度显著提升，华为昇腾 CANN 全面开源，但与国际领先水平相比，国产芯片的工具链在调试功能、性能分析、自动化优化等方面仍有不足。从能用到好用，国产芯片工具链还有很长的路要走，需要持续投入研发资源，降低开发门槛，提升开发者体验。7.1.3 能效与绿色计算能效与绿色计算能效与绿色计算是 AI 大模型与异构算力融合面临的可持续发展挑战。大模型训练和推理的巨大能耗与全球双碳目标形成矛盾，如何降低 AI 系统的能耗，实现绿色计算，成为行业必须解决的问题。数据中心电能利用效率（PUE）是衡量绿色计算水平的关键指标，传统数据中心的 PUE 值通常在 1.5-2.0 之间，意味着大量的能源被消耗在散热等非计算任务上。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 124 液冷技术是降低数据中心能耗的重要手段。相对于直接用电制冷散热，采用液冷技术不仅节约能源消耗，而且还有效地减少用电制冷过程中 34 倍的碳排放，从而达到算力运营的绿色化。液冷可提高处理高密度热量的效率，实现精确的温度控制并降低能耗。然而，液冷技术的推广面临技术复杂度高、初期投资大、运维难度增加等挑战，需要产业链各方共同努力推动技术成熟和成本下降。可再生能源的应用是绿色计算的另一重要途径。绿色数据中心还经常使用太阳能和风能等可再生能源，通过提高 PUE 值和增加可再生能源比例，数据中心显著降低了碳足迹，并重视废旧电子设备的回收再利用。然而，可再生能源的间歇性和不稳定性给数据中心供电带来了新挑战，需要配备储能系统和智能能源管理系统，确保供电的稳定性和可靠性。7.1.4 数据安全与隐私保护数据安全与隐私保护数据安全与隐私保护是 AI 大模型应用中的关键挑战，特别是在金融、医疗AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 125 等敏感领域。大模型的训练需要大量数据，而这些数据往往包含个人隐私和商业机密，如何在利用数据价值的同时保护隐私安全，成为技术和法律层面的双重挑战。联邦学习与差分隐私是应对这一挑战的重要技术手段。联邦学习允许在数据不出本地的情况下进行模型训练，有效保护了数据隐私；差分隐私则通过在数据或模型中添加噪声，防止个体信息被推断出来。在联邦学习的框架下，使用差分隐私技术可以进一步增强对数据隐私的保护。例如，在模型参数的共享过程中，可以采用差分隐私算法对参数进行加密和扰动，以防止攻击者通过分析参数反推出原始数据。然而，联邦学习与差分隐私技术在实际应用中面临诸多挑战。联邦学习的通信开销大、收敛速度慢，特别是在大模型场景下更为明显；差分隐私则需要在隐私保护和模型精度之间做出权衡，过强的隐私保护可能导致模型性能下降。此外，这些技术的安全性也需要持续验证，新型的隐私攻击手段不断出现，需要相应的防御技术进行应对。合规性要求对算力架构也提出了新要求。随着数据安全法个人信息保护法等法律法规的实施，AI 系统的数据处理和模型训练必须符合严格的合规AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 126 要求。这可能影响算力架构的设计，例如需要支持数据加密、安全多方计算、可信执行环境等功能，增加了系统复杂度和性能开销。如何在保证合规性的前提下维持系统性能，是算力架构设计面临的新挑战。7.2 技术趋势技术趋势7.2.1 芯片与封装技术芯片与封装技术Chiplet 与先进封装技术是应对摩尔定律放缓的重要趋势。Chiplet（芯粒）技术允许将不同功能、不同工艺制造的小芯片通过先进封装技术互联形成大芯片，将大面积芯片成本从晶圆制造环节转嫁到封装环节，提升大面积芯片良率。英伟达 GH200、GB200 和 AMD MI300 均采用 CPU GPU Chiplet 异构方案，异构集成为算力芯片发展趋势。Chiplet 异构集成含有异构和异质两重含义，为 AI 算力芯片提供了新的发展路径。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 127 存算一体技术是突破内存墙的关键方向。传统计算架构中，数据在存储单元和计算单元之间频繁移动，造成大量能耗和延迟。存算一体技术通过在存储单元中集成计算功能，大幅减少数据移动，提高能效比。近年来，面向人工智能等新兴领域，采用存算一体、模拟计算、数字化模拟射频电路、芯粒集成等新途径有望突破芯片光刻面积的极限和工艺制约，为算力提升开辟新道路。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 128 光计算与量子计算代表了更远期的技术方向。光计算利用光子代替电子进行信息处理，具有高速、低功耗、抗电磁干扰等优势，特别适合大规模并行计算；量子计算则利用量子力学原理，在特定问题上具有指数级加速能力。虽然这些技术目前仍处于早期发展阶段，但它们为解决 AI 算力瓶颈提供了全新的思路。发展面向先进集成技术，量子计算与光计算的智能 EDA 工具，将成为未来芯片设计的重要方向。7.2.2 大模型技术演进大模型技术演进多模态与轻量化是大模型技术演进的重要趋势。多模态大模型能够同时处理文本、图像、音频、视频等多种类型的数据，实现更全面的理解和生成能力。商汤科技发布的悟能具身智能平台以商汤具身世界模型为核心引擎，依托商汤大装置提供端侧和云侧算力支持，能够为机器人、智能设备提供强大的感知、视觉导航及多模态交互能力。轻量化则关注如何在保持模型性能的同时减小模型规模AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 129 和计算需求，使大模型能够在边缘设备和移动终端上高效运行。端侧化是另一重要趋势。随着边缘计算能力的提升，大模型正从云端向边缘端迁移，实现更低的延迟和更好的隐私保护。深圳和北京等地纷纷发布具身智能机器人技术创新与产业发展行动计划，强调研制机器人端侧计算芯片及模组，推进国产化替代。端侧大模型面临的主要挑战是计算资源和能耗限制，需要通过模型压缩、量化、剪枝等技术，以及专用 AI 芯片的硬件加速，实现高效部署。世界模型与具身智能代表了更前沿的发展方向。世界模型旨在构建对环境的内部表征，实现更智能的决策和规划；具身智能则强调 AI 系统与物理世界的交互，通过感知、行动和反馈实现智能行为。深圳市科技创新局印发的深圳市具身智能机器人技术创新与产业发展行动计划（2024-2026 年）提出，基于世界模型及视觉-触觉-语言-动作（VTLA）等多模态输入输出，构建具备交互、预测与决策能力的具身智能基座大模型及其训练、推理技术体系，形成长序列推理能力。这些新兴方向将对算力提出更高要求，推动异构计算技术的进一步创新。7.2.3 算力网络与交易算力网络与交易AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 130 算力网络是未来算力基础设施的重要形态。算力网络就是一种在云、边、端之间按需分配和灵活调度计算资源、存储资源以及网络资源的新型信息基础设施。随着互联网、大数据、云计算、人工智能、区块链等技术创新，数据经济的发展将推动海量数据产生，数据处理需要云、边、端协同的强大算力和广泛覆盖的网络连接。算力网络的目标是让算力像水电一样成为按需调度的基础设施，为各类应用提供无处不在的计算能力。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 131 算力交易市场的发展将促进算力资源的优化配置。随着算力需求的多样化，不同类型、不同规模的算力资源需要通过市场机制进行高效分配。算力交易平台将连接算力提供方和需求方，通过价格信号调节供需平衡，提高资源利用效率。未来，我们可能会看到更加专业化的算力交易市场，如针对 AI 训练的算力市场、针对实时推理的算力市场、针对边缘计算的算力市场等，形成更加精细化的算力交易生态。算网平台（https:/ 产业与生态展望产业与生态展望7.3.1 国产异构算力产业链国产异构算力产业链国产异构算力产业链正在加速完善，形成从芯片设计、制造、封测到软件、应用的全链条生态体系。长三角、珠三角、成渝地区将形成三大数字 IC 产业集群，涵盖设计、制造、封测、设备、材料等全产业链环节。例如，某产业园区通AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 132 过链主企业 配套企业协同模式，构建了完整的产业生态，提高了整体竞争力。AI 算力芯片行业的核心为芯片设计和芯片制造，芯片设计工具厂商、晶圆代工厂商与封装测试厂商为 AI 算力芯片提供了研发工具和产业支撑。在芯片设计环节，国内已涌现出一批具有竞争力的企业，如寒武纪、昇腾、海光、壁仞等，在 AI 芯片架构创新方面取得突破；在制造环节，虽然先进制程仍存在差距，但在成熟制程和特色工艺方面已具备一定能力；在封装测试环节，国产光学检测、离子注入等方面取得突破，晶圆级封装、3D 封装和测试设备已应用于先进封装产线；在软件和 EDA 工具方面，华大九天等企业已开发出部分EDA 工具，覆盖了从设计到产业应用的完整链条。政策支持是国产异构算力产业链发展的重要推动力。国家层面出台了一系列政策支持 AI 芯片和算力基础设施发展，地方政府也通过产业基金、人才政策、应用示范等方式支持本地产业发展。随着行业需求激增以及人工智能时代到来，2024 年我国半导体设备国产化率约为 50%，国产芯片自给率要达到 70%的目标正在稳步推进。7.3.2 开发者生态繁荣开发者生态繁荣开发者生态是异构算力与大模型融合发展的关键支撑。随着国产异构算力产品的不断丰富，开发者生态建设日益重要。开源社区、培训认证、开发者大赛等形式是促进开发者生态繁荣的有效途径。华为昇腾社区、寒武纪开发者社区、算泥开发者社区等平台通过提供丰富的开发资源、技术支持和交流机会，吸引了大量开发者参与，形成了活跃的开发者社区。培训认证体系是培养专业人才的重要手段。随着 AI 技术的快速发展，市场对 AI 开发人才的需求激增，但具备异构算力开发经验的专业人才相对稀缺。建立完善的培训认证体系，通过系统化的课程学习和实践项目，培养一批掌握异构算力开发技能的专业人才，对推动技术普及和应用落地具有重要意义。国内高校和企业已经开始合作开设 AI 芯片和异构计算相关课程，为产业输送人才。开发者大赛是促进技术创新和生态建设的重要平台。通过举办面向异构算力和大模型的开发者大赛，可以激发创新活力，发掘优秀人才和项目，促进技术交流与合作。算泥社区等平台通过定期举办开发者大赛、技术沙龙、开源项目等活动，构建了开放、协作的开发者生态，推动了异构算力与大模型融合技术的创新和应用。未来，随着开发者生态的不断繁荣，我们将看到更多基于国产异构算力的创新应用涌现，推动整个产业的健康发展。AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 133 7.3.3 算力普惠与行业渗透算力普惠与行业渗透算力普惠是 AI 技术广泛应用的必要条件。当前，大模型训练和推理的高成本限制了技术的普及，特别是对中小企业和传统行业而言。推动算力普惠，降低AI 技术的使用门槛，是实现 AI 技术广泛渗透的关键。算力普惠包括多个层面：一是降低算力成本，通过技术进步和规模效应降低算力价格；二是提高算力可及性，通过云服务、算力网络等方式让算力触手可及；三是简化使用难度，通过友好的开发工具和平台降低技术门槛。行业渗透是算力普惠的具体体现。随着算力成本的降低和使用门槛的下降，AI 技术正在向更多行业渗透，从互联网、金融等数字化程度高的行业，向制造、农业、医疗、教育等传统行业扩展。在制造业，AI 技术被用于产品设计、生产优化、质量控制等环节；在农业，AI 技术被用于精准种植、病虫害识别、产量预测等场景；在医疗领域，AI 技术被辅助诊断、药物研发、健康管理等方面。这些传统行业的 AI 应用，往往对算力的成本、易用性、可靠性有更高要求，推动了异构算力技术的进一步优化。算力普惠与行业渗透将形成良性循环。随着更多行业采用 AI 技术，算力需求将进一步增长，推动算力基础设施的规模扩张和技术进步，从而进一步降低算力成本，促进更广泛的应用。在这个过程中，异构算力通过提供多样化、高效率、低成本的算力选择，将发挥关键作用。未来，我们有望看到 AI 技术像电力、互联网一样，成为各行各业的基础设施，为经济社会发展提供强大动力。八、附录八、附录8.1 名词解释名词解释8.1.1 异构计算异构计算异构计算是指在同一计算系统集成不同类型或架构的处理单元，以便更有效地执行不同类型的任务。异构计算通过组合 CPU、GPU、FPGA、ASIC 等不同特性的计算单元，发挥各自的优势，实现更高的性能和能效。根据组合方式的不同，异构计算主要分为三类：CPU GPU、CPU FPGA 和 CPU ASIC。异构计算的核心优势在于能够利用各类芯片的特点，针对不同计算任务选择最合适的处理单元，从而实现整体性能的最优化。8.1.2 AI 大模型大模型AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 134 AI 大模型是指参数规模巨大（通常在亿级以上）的人工智能模型，通过在海量数据上训练，具备强大的表示学习和泛化能力。大模型的参数规模从亿级到万亿级不等，训练算力需求每 6.2-10 个月翻一番，远超传统摩尔定律。大模型通常基于 Transformer 等深度学习架构，能够处理自然语言、图像、音频等多种模态的数据，在语言理解、内容生成、知识问答等任务上表现出色。代表性的大模型包括 GPT 系列、Llama 系列、Qwen、GLM 等。8.1.3 训练与推理训练与推理训练与推理是 AI 模型的两个主要阶段。训练是指通过大量数据调整模型参数，使模型能够学习数据中的模式和规律的过程。大模型训练通常需要大规模计算集群支持，计算量大、耗时长、成本高。推理是指利用训练好的模型对新数据进行预测或生成结果的过程。推理更注重低延迟、高并发和能效比，在实际应用中的算力总需求已超过训练。训练和推理对算力的需求特点不同，需要采用不同的优化策略和硬件配置。8.1.4 算力密度与能效算力密度与能效算力密度是指单位体积或单位面积内提供的计算能力，通常用 FLOPS/cm或 FLOPS/cm2等单位表示。高算力密度意味着在有限空间内提供更强大的计算能力，对于数据中心和边缘计算场景尤为重要。能效是指计算设备在执行计算任务时的能源利用效率，通常用 TOPS/W（每瓦特功耗提供的万亿次运算次数）表示。高能效意味着在相同计算任务下消耗更少的能源，对于降低运营成本和实现绿色计算具有重要意义。PUE（Power Usage Effectiveness）是数据中心能效的重要指标，指数据中心总能耗与 IT 设备能耗之比，理想值为 1.0。8.2 参考文献参考文献8.2.1 国内外权威报告国内外权威报告1 中国信息通信研究院.中国算力发展报告（2024 年）2 中国信息通信研究院.先进计算暨算力发展指数蓝皮书3 中国信息通信研究院.综合算力评价研究报告4 中国信息通信研究院.中国绿色算力发展研究报告（2023 年）5 工信部等六部门.算力基础设施高质量发展行动计划6 欧盟委员会.欧洲芯片法案（EU ChipsAct）7 美国国会.CHIPS 法案AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 135 8 OpenAI.GPT-4 技术报告9 Meta.Llama 2 模型报告10寒武纪.寒武纪年度报告8.2.2 学术论文与技术文档学术论文与技术文档1 Sevilla,J.,et al.Compute Trends Across Three Eras of Machine Learning.arXiv preprint arXiv:2202.05924(2022).2 Vaswani,A.,et al.Attention is all you need.Advances in neuralinformation processing systems 30(2017).3 Raffel,C.,et al.Exploring the limits of transfer learning with a unifiedtext-to-text transformer.J.Mach.Learn.Res.21(2020):1-67.4 Brown,T.,et al.Language models are few-shot learners.Advances inNeural Information Processing Systems 33(2020):1877-1901.5 Huawei.Ascend CANN Developer Guide.6 Cambricon.Cambricon Neuware Software Stack Documentation.7 NVIDIA.NVIDIATensorRT Documentation.8 TensorFlow.TensorFlow Extended:An end-to-end platform for productionmachine learning.9 PyTorch.PyTorch Documentation.10Kubernetes.Kubernetes Documentation.8.3 致谢致谢8.3.1 行业专家与企业支持行业专家与企业支持本白皮书的编写得到了众多行业专家和企业的大力支持，在此表示衷心感谢。特别感谢寒武纪技术团队、华为昇腾团队在 AI 芯片和软件生态方面的宝贵资料；感谢阿里云、腾讯云等云服务商在智算中心建设和实践方面分享的经验；感谢开源社区在开发者生态建设方面的贡献。同时，感谢中国信息通信研究院、中国电子技术标准化研究院等研究机构在行业数据和洞察方面的支持；感谢清华大学、北京大学、中国科学院等高校和科研院所的专家学者在技术理论方面的资料参考；感谢所有参与白皮书评审和提出宝贵意见的各位专家，你们的专业见解使本白皮书更加完善和权威。8.3.2 开源社区与开发者开源社区与开发者AI 大模型与异构算力融合技术白皮书大模型与异构算力融合技术白皮书 136 本白皮书也得益于众多开源社区和开发者的贡献。感谢 PyTorch、TensorFlow、MindSpore 等深度学习框架社区，为 AI 开发提供了强大的工具支持；感谢 MLIR、TVM、XLA 等编译器框架社区，推动了异构计算技术的发展；感谢 Llama、Qwen、ChatGLM 等开源模型社区，促进了大模型技术的普及和创新。特别感谢算泥社区的贡献者和 MVP 专家们，你们在社区建设、技术分享、开发者支持等方面的辛勤工作，为 AI 大模型与异构算力融合技术的推广做出了重要贡献。感谢所有在 GitHub、Gitee 等平台上分享代码、文档和经验的开源开发者，你们的开放精神和协作态度是技术进步的重要动力。最后，感谢所有关注和支持本白皮书的读者，你们的关注和反馈是我们持续改进的动力。我们期待与各方继续合作，共同推动 AI 大模型与异构算力融合技术的发展，为中国 AI 产业的自主可控和高质量发展贡献力量。

2025-10-13 144页 5星级

2025 OpenAI软硬件生态布局、算力需求与商业化进展分析报告（27页）.pdf

INDUSTRY REPORT 行业研究市场分析全景洞察2025深度行业分析报告2 0 2 5 Op e n A I 软硬件生态布局、算力需求与商业化进展分析报告0YQUnMrNqRtMnOqOwPq.

2025-10-13 27页 5星级

2025金属软磁粉芯在AI算力芯片与DDR6内存中的关键作用及市场前景分析报告（22页）.pdf

行业研究市场分析深度洞察行业分析报告2025INDUSTRY REPORT 2 0 2 5 金属软磁粉芯在A I 算力芯片与D D R 6 内存中的关键作用及市场前景分析报告 目 录 一、痛点：省电是.

2025-10-13 22页 5星级

机器人行业Figure 03机器人点评：Figure 03展示家庭应用场景为规模化生产做准备-251010（3页）.pdf

请务必阅读正文之后的免责条款部分 股票研究股票研究 行业跟踪报告行业跟踪报告 证券研究报告证券研究报告 股票研究/Table_Date 2025.10.10 Figure 03 展示家庭应用场景，为.

2025-10-11 3页 5星级

AI的进击时刻19：AI推理驱动存储需求增长SPD&VPD芯片空间广阔-250928（10页）.pdf

识别风险，发现价值 请务必阅读末页的免责声明 1 1/1010 Table_Page 行业专题研究|电子 2025 年 9 月 28 日 证券研究报告 AI 的进击时刻的进击时刻 19 AI 推理驱.

2025-10-11 10页 5星级

MIR睿工业：2025全球协作机器人产业发展白皮书-具身智能时代的技术突破与产业重构（117页）.pdf

全球协作机器人产业发展白皮书20252025具身智能时代的技术突破与产业重构 版权声明版权声明 本白皮书版权为北京铂睿德佳信息服务有限公司（MIR 睿工业）所有，如引用报告内容进行对外使用，所产生的误.

2025-10-11 117页 5星级

IBM：2025年AI时代的医疗保健业：科技注入赋能医疗创新与患者关怀报告（16页）.pdf

AI 时代的 医疗保健业科技注入，赋能 医疗创新与患者关怀IBM 商业价值研究院|研究简报序言全球医疗保健行业的重要性超乎我们的想象。在许多国家，医疗保健行业是最大的就业支柱，但其正面临着一系列严峻的.

2025-10-11 16页 5星级

鲜枣课堂：2025具身智能的基础知识（68页）.pdf

具身智能的基础知识2025年9月11日 R1.0版鲜枣课堂目录CONTENTS具身智能的基本概念具身智能的发展演进具身智能的核心技术具身智 能的产业链具身智能的未来发展PART具身智能的基本概念具身智.

2025-10-11 68页 5星级

甲子光年：2025中国Data&AI数据基础设施白皮书（31页）.pdf

出品机构：甲子光年智库发布时间：2025.10在AI创生时代，Data&AI数据基础设施是新世界的底座前言当前，全球正经历一场由地缘政治重塑和人工智能技术革命双重驱动的深刻变革。这两大趋势交织并进，正.

2025-10-11 31页 5星级

IBM：2025年AI时代的银行业：以AI驭险更须为AI设防报告（24页）.pdf

AI 时代的 银行业以 AI 驭险，更须为 AI 设防IBM 商业价值研究院|研究简报序言银行业和金融市场正处于技术革新浪潮驱动的关键拐点。全球贸易摩擦升级，宏观经济风云变幻，金融机构在迷雾中亟需重塑.

2025-10-11 24页 5星级

聚通云：2025企业级安全生产智能体白皮书V1.0（73页）.pdf

安全生产智能体白皮书（企业级）山东渤聚通云计算有限公司 共智制造业数字化转型促进中心 2025 年 9 月 目目 录录 1 编制背景与目的.1 1.1 编制背景.1 1.2 编制目的.1 2 企业介绍.3 2.1 企业概况与定位.3 2.2 资质荣誉与技术实力.3 2.3 核心业务与产品能力.4 2.4 服务能力与市场布局.5 2.5 未来规划与发展目标.5 3 行业趋势洞察.6 3.1 制造业安全生产发展现状.6 3.2 智能化转型驱动因素.6 3.3 安全生产智能体发展趋势.8 4 产品概述.9 4.1 产品定位与目标.9 4.2 核心价值.11 4.3 应用场景.13 5 技术架构.16 5.1 整体架构设计.16 5.2 环境支撑.16 5.3 模型体系.18 5.4 引擎能力.20 6 底座平台.22 6.1 物联中台管理子系统.22 6.2 数据治理管理子系统.24 6.3 数智分析管理子系统.25 6.4 智能中台管理子系统.26 6.5 接口总线管理子系统.28 7 核心功能.30 7.1 隐患排查与治理智能体.30 7.2 安全生产平台操作智能体.38 7.3 设备预测性维护智能体.47 7.4 员工教育培训智能体.55 8 客户案例.61 8.1 案例背景.61 8.2 解决方案.62 8.3 实施效果.64 9 未来展望.67 9.1 技术发展方向.67 9.2 应用拓展前景.68 企业级安全生产智能体白皮书 1 1 编制背景与目的编制背景与目的 1.1 编制背景编制背景 当前，企业安全生产管理正处于传统模式向智能化转型的关键过渡期，面临多维度痛点亟待突破。从日常安全管理流程来看，人工巡查仍是主流方式，隐患识别高度依赖工作人员的经验积累，不仅易因主观判断偏差出现漏检、误判问题，且检查完成后需手动整理报告，标准化程度低、耗时久，难以满足监管部门对快速复盘、实时追溯的要求；同时，企业安全数据分散存储于隐患记录系统、设备管理平台、培训档案库等多个独立系统中，跨系统数据调取与分析效率低下，而历史案例、操作规范等核心安全知识又呈碎片化分布，无法快速复用形成标准化解决方案，导致管理决策常因关键指标滞后而错失风险防控最佳时机。随着安全生产监管要求日趋严格与企业生产规模持续扩大，隐患处置不规范、风险识别覆盖有限的问题愈发凸显。在隐患整改环节，部分企业缺乏明确的法规依据支撑，整改流程易在责任分配、方案审批、结果验收等环节出现断点，且难以将历史整改经验转化为标准化处置模板，导致同类隐患反复出现，整改效果参差不齐；在风险监测层面，传统管理方式难以实时捕捉人员异常行为、设备状态异常及环境风险，风险响应速度始终滞后于实际风险演化进程，给企业安全生产埋下重大隐患。与此同时，人工智能、物联网、大数据等新一代信息技术的成熟与普及，为解决安全生产管理痛点提供了技术可能，行业对智能化解决方案的需求日益迫切。企业亟需一套能够整合多源数据、实现全流程智能协同的系统，打破信息壁垒，提升隐患识别精度与整改效率，强化设备全生命周期管理能力，同时降低对人工经验的依赖，推动安全生产从“被动应对”向“主动预防”转型。在此背景下，企业级安全生产智能体应运而生，成为破解行业痛点、满足企业智能化管理需求的核心载体。1.2 编制目的编制目的 本白皮书的编制，首要目的在于为企业搭建一个全面、清晰的安全生产智能体认知框架。通过系统性阐述企业级安全生产智能体的技术原理、功能特性与运作模式，帮助企业管理层、安全管理人员及技术人员深入理解这一智能化解决方案的本质与优势。打破企业对新技术应用的认知壁垒，消除对安全生产智能化转 企业级安全生产智能体白皮书 2 型的疑惑与顾虑，让企业清晰认识到安全生产智能体并非单纯的技术堆砌，而是能切实解决管理难题、提升运营效能的工具。其次，白皮书聚焦于为企业提供可落地的实践指引。详细剖析产品在不同行业、各类场景下的应用方式与实施路径，结合实际案例，从方案规划、系统部署到后期运维，展示企业级安全生产智能体的具体应用流程与方法。通过对产品核心功能、技术架构的详细说明，为企业在选型、部署安全生产智能化系统时提供客观、准确的参考依据，助力企业根据自身实际需求与发展规划，选择适配的智能化方案，避免盲目投入与资源浪费。最后，希望借助白皮书的发布，进一步推动安全生产智能化领域的交流与发展。分享行业内的前沿理念、创新技术与实践经验，激发企业对安全生产管理的创新思考，引导企业积极探索智能化转型的新路径、新模式。同时，收集企业在安全生产管理中的痛点与需求反馈，为产品的持续优化与升级提供方向，推动企业级安全生产智能体不断完善，从而提升整个行业的安全生产管理水平，实现企业与行业的共同进步与可持续发展。企业级安全生产智能体白皮书 3 2 企业介绍企业介绍 2.1 企业概况与定位企业概况与定位 山东渤聚通云计算有限公司成立于 2014 年 3 月，注册资本 5000 万元，总部位于烟台黄渤海新区天津南路 76 号“未来数字产业园”聚通云大厦，在济南、南京、上海等地设有研发运营机构，是一家聚焦新型工业化的国家级特色型工业互联网平台企业。公司以“云服务赋能产业经济”为使命，核心定位为制造业企业提供场景驱动的云平台解决方案与一站式企业上云服务，尤其深耕化工、新材料、装备制造、食品医药等领域，累计服务 3000 多家制造业企业。2.2 资质荣誉与技术实力资质荣誉与技术实力 2.2.1 资质认证资质认证 公司资质体系完善，兼具行业准入与国际标准认证：拥有国家高新技术企业、软件企业、山东省瞪羚企业、山东省“专精特新”中小企业等核心资质；通过CMMI3（软件能力成熟度模型集成）、ISO9001（质量管理体系）等国际认证；具备工信部 IDC/ISP/ICP 许可、云计算服务能力三级、信息系统安全等级保护三级等关键运营资质，为业务合规开展与服务质量保障奠定基础。2.2.2 核心荣誉核心荣誉 在行业认可方面，公司斩获多项国家级与省级荣誉：“聚通工业互联网平台”入选国家级特色型工业互联网平台，两项“工业互联网 ”场景应用（安全生产、质量管理方向）入选国家级试点示范，入选国家级制造业数字化转型促进中心；省级层面获评山东省优秀大数据产品、山东省中小企业数字化水平评测诊断服务商、山东省智能制造系统解决方案供应商等，同时还是山东省小微企业“创新服务券”服务商、中小企业公共示范平台，持续领跑区域工业互联网服务领域。2.2.3 技术与知识产权技术与知识产权 公司高度重视研发投入，研发费用占营收比例超 8%，累计获得知识产权与专利 233 项，构建起以多模态数据融合、工业垂直大模型为核心的技术壁垒。其中，主导构建的“全国化工安全生产多模态融合数据集”入选山东省高质量数据集，整合文本、图形图像、视频、传感器数据等 100TB 多模态数据（总条目 300亿条），覆盖化工行业法规标准、设备原理、事故案例等核心信息；依托该数据 企业级安全生产智能体白皮书 4 集研发的“聚通化工行业安全生产与设备健康知识大模型”，2025 年入选山东省工业领域行业大模型“揭榜挂帅”攻关项目，荣获山东省“数据要素”大赛二等奖，其数据支撑项目同时入选山东省“数据要素”创新应用项目奖补名单，技术实力获权威认可。2.3 核心业务与产品能力核心业务与产品能力 2.3.1 平台与场景化产品平台与场景化产品 公司以“聚通工业互联网平台”为核心，围绕制造业八大核心业务场景（安全生产、数字设计、设备运维、精益生产、质量保障、精准营销、敏捷供应、节能低碳），研发系列“小快轻准”数字化产品，形成覆盖多行业的数字化解决方案：安全生产领域：“聚通安全生产云平台”针对隐患排查效率低、风险预警滞后等痛点，实现实时监测、动态风险评估、智能应急推送，助力企业隐患整改率从 75%提升至 95%，风险评估耗时从 2 天缩短至 4 小时；设备管理领域：“聚通设备管理云平台”通过多维度故障预警模型与维保方案自动生成，将设备故障预测准确率从 30%提升至 60%，推动设备维护从“事后抢修”转向“事前预防”；能碳管理领域：“聚通能碳管理云平台”基于 ISO14067 标准实现自动化碳核算，帮助化工企业能源利用率提升 18%、单位产值碳排放强度降低 22%；质量管理领域：“聚通质量管理云平台”为食品医药行业提供区块链溯源与智能合规审核，实现原料追溯时效提升 80%、合规审计周期缩短 60%。2.3.2 工业垂直大模型应用工业垂直大模型应用“聚通化工行业安全生产与设备健康知识大模型”是公司核心技术产品，采用“数据-知识-决策”三层自研架构，融合 Transformer、YOLO 图像识别、BERT自然语言处理、LSTM 神经网络等技术，结合含超 10000 个知识节点的化工安全生产知识图谱，具备五大核心应用能力：风险智能评估：动态风险评估耗时从 3 天缩短至 3 小时，效率提升 24 倍；隐患排查治理：借助图像与文本分析，隐患漏检率降低 60%，排查周期从每月 2 次缩短至每周 1 次；应急指挥决策：整合地理、资源、工艺数据，提升应急响应速度与决策科学性；安全培训教育：定制 VR/AR 培训课程，员工安全培训效率提升 40%；企业级安全生产智能体白皮书 5 设备健康预测：设备故障预测准确率提升至 80%，可提前 72 小时预警，减少非计划停机率 30%。该大模型已在 100 余家化工及新材料企业落地，同时联合高校攻关模型轻量化与边缘计算技术，开发“聚通数字底座”，实现与企业现有 MES、DCS 系统无缝集成，部署成本较定制化方案降低 40%，适配中小企业算力需求。2.4 服务能力与市场布局服务能力与市场布局 2.4.1 服务模式与覆盖服务模式与覆盖 公司形成多元化服务体系：针对中小企业提供 SaaS 化订阅服务，降低数字化转型门槛；为大型企业提供定制化解决方案，同时承担山东省中小企业数字化诊断、山东省“工赋百景”、工业领域行业大模型揭榜挂帅项目等省级重点项目，累计完成超 3000 家企业服务覆盖。2.4.2 区域与行业拓展区域与行业拓展 市场布局以烟台为核心，逐步向华北、华东地区辐射，重点覆盖化工、新材料、装备制造、食品医药等行业，针对山东省专精特新企业、国家小巨人企业、小微企业提供分层差异化服务。未来计划进一步拓展有色金属、精细化工等细分领域，目标 3-5 年内服务企业突破 5000 家，构建“产学研用”协同生态。2.5 未来规划与发展目标未来规划与发展目标 未来 3-5 年，公司将持续深耕工业智能领域，核心规划包括：技术迭代：计划投入超 3000 万元优化多模态数据融合算法，新增 500TB 化工行业专属数据，将风险评估准确率提升至 93%、设备故障预测准确率提升至80%，开发第二代轻量化技术架构；业务拓展：新增人工智能算力芯片研发与可穿戴智能装备生产业务，提升本地算力支撑能力，实现作业人员操作规范实时监测；生态构建：与高校共建人工智能智算中心实验室（提供 100P 算力支撑），主导制定 3 项行业标准，推动大模型在八大场景全流程应用；目标定位：致力于成为中国领先的工业互联网 AI 解决方案提供商，助力化工、装备制造等行业智能化转型，支撑山东省人工智能产业高质量发展。企业级安全生产智能体白皮书 6 3 行业趋势洞察行业趋势洞察 3.1 制造业制造业安全生产发展现状安全生产发展现状 在制造业领域，高危行业与一般行业因生产特性差异，安全生产管理呈现显著分化。高危制造业（化工、矿山、冶金等）以流程化、连续性生产为主，安全风险具有突发性、连锁性特征。根据应急管理部发布的 2023 年全国安全生产形势报告，高危行业事故占比仍处于高位。在管理模式上，这些行业普遍建立严格的层级化管控体系，依赖人工巡检、资质认证、标准化作业流程等传统手段，但仍难以完全规避人为失误与管理盲区。像某大型石化企业安全检查发现，人工巡查对隐蔽管道的腐蚀、密封件老化等问题检出率不足 60%；矿山行业即便实施严苛的下井人员资质审核制度，井下复杂环境中的违规操作仍难以及时监管。在数字化应用层面，高危行业整体进程较快。据中国制造业安全生产数字化发展白皮书（2024）显示，65%的头部化工企业已部署物联网监测、DCS 分布式控制系统、数字孪生等技术。大型矿山企业借助井下上千个传感器实时采集数据实现风险预警，事故率可降低近 35%；钢铁企业通过数字孪生技术模拟高炉生产，可减少 40%的非计划停机时间。不过，行业内中小企业受制于资金与技术，数字化应用多局限于局部。中小型化工企业虽广泛引入气体监测系统，但大多未与设备运行、人员操作数据联动，无法形成安全管理闭环。此外，工业自动化与信息化 期刊调研显示，约 70%的高危制造企业存在安全生产系统数据互通难题。一般制造业（电子、食品、纺织等）以离散型生产为主，安全风险相对分散但隐患点多面广。中国安全生产科学研究院 2023 年调研报告指出，68%的一般制造企业存在安全管理漏洞。多数企业安全管理意识薄弱，模式粗放，制度缺失、责任不落实问题常见。某小型电子加工厂仅设 1 名兼职安全管理员，年度安全培训内容陈旧；某食品企业因未建立设备维护台账，机械伤害事故频发。在数字化建设方面，受制于资金、技术与人才，多数企业仍依赖人工记录、纸质台账。少数引入的基础管理软件也仅实现隐患登记等基础功能，无法与生产系统深度融合。以某中型纺织企业为例，虽购置安全生产管理软件，但因缺乏技术维护，数据录入滞后，难以发挥实时监控效能。智能制造与工业安全期刊分析表明，适配中小制造企业的安全生产系统市场渗透率不足 25%，导致行业智能化转型缓慢。3.2 智能化转型驱动因素智能化转型驱动因素 企业级安全生产智能体白皮书 7（1）政策驱动：法规体系完善与强制要求推动转型进程 近年来，国家围绕制造业安全生产发布多项政策法规，构建起覆盖全流程的政策引导体系。2021 年修订的中华人民共和国安全生产法明确提出“推动安全生产科学技术研究和安全生产先进技术的推广应用，提高安全生产水平”，从法律层面确立智能化转型的战略地位。2022 年，应急管理部印发“工业互联网 安全生产”行动计划（2021-2023 年），要求在高危行业推广应用物联网、大数据、人工智能等技术，实现风险实时监测预警与智能处置。2023 年，工信部联合应急管理部发布“十四五”危险化学品安全生产规划方案，强调通过数字化转型提升化工企业本质安全水平，要求重点化工园区 2025 年前建成安全生产信息化管理平台。这些政策不仅明确了技术应用方向，还通过资金补贴、税收优惠等配套措施，降低企业转型成本，倒逼企业加速智能化改造。（2）技术进步：核心技术突破破解传统管理痛点 物联网、大数据与人工智能技术的成熟，为安全生产难题提供了系统性解决方案。在数据采集层面，物联网技术实现了设备状态、环境参数的全域感知。化工企业通过部署智能传感器，可实时监测反应釜温度、压力、液位等数据，结合边缘计算技术，能在本地快速处理异常数据并触发报警，避免因网络延迟导致的风险响应滞后。大数据分析技术则解决了多源异构数据整合难题，将设备运维记录、隐患排查数据、人员操作日志等信息关联分析，挖掘潜在风险规律。矿山企业通过分析记录中的瓦斯浓度数据与开采进度关系，精准预测瓦斯突出风险点，提前采取防控措施。人工智能技术在隐患识别领域成效显著，计算机视觉算法可自动识别安全帽未佩戴、设备部件松动等违规行为；自然语言处理技术能快速解析海量法规文件，为企业提供合规管理建议，大幅提升隐患排查与整改效率。（3）企业需求：成本压力与风险防控双重驱动需求激增 企业对安全生产智能化的需求呈现爆发式增长，源于运营成本与风险防控的双重压力。从成本角度看，传统人工巡检模式效率低、误差大，且随着劳动力成本逐年上升，企业安全管理成本持续攀升。某大型制造企业测算显示，人工巡检每年需投入超千万元，但隐患漏检率仍高达 20%，而引入智能巡检系统后，成本降低 40%的同时，隐患发现率提升至 95%。在风险防控层面，安全生产事故不仅会造成直接经济损失，还会导致企业停产整顿、声誉受损，甚至面临刑事责任。近年来，重大安全生产事故追责力度不断加大，促使企业主动寻求更可靠的防控手段。此外，市场竞争加剧也倒逼企业提升安全生产水平，客户与投资方对企业ESG（环境、社会和公司治理）表现愈发关注，智能化安全生产系统成为企业提升竞争力的重要抓手。部分企业通过智能化改造，将安全事故率降低 60%以上，显著增强了市场信任度与融资能力，进一步刺激了行业内智能化转型需求的释放。企业级安全生产智能体白皮书 8 3.3 安全生产智能体发展趋势安全生产智能体发展趋势 安全生产智能体正朝着多维度融合、全流程闭环、深度适配场景的方向加速演进，通过技术创新与模式重构，不断突破传统安全管理的瓶颈。这种演进不仅体现在单一技术的升级，更呈现出跨领域协同、知识沉淀复用、场景精准适配的系统性变革特征。多模态智能融合成为提升风险识别能力的核心方向。当前智能体已实现文本、图像、传感器数据的协同分析，通过融合现场照片、视频流与环境参数，在毫秒级时间内完成巡检全流程分析，将漏检误检率降低 60%以上。未来，随着多模态大模型技术的成熟，智能体将具备更强大的跨模态推理能力，例如同时分析设备振动数据、红外热成像图像与操作日志，精准定位潜在故障源。知识与数据的深度协同推动决策智能化升级。基于知识图谱的智能体能够整合法规标准、事故案例、设备参数等多维度知识，形成动态更新的决策支持体系。应急管理部推动建设的应急知识库平台，通过构建危化、工贸等行业知识图谱，实现隐患排查的场景化引导问答与法规智能检索。这种知识沉淀机制使智能体可将历史经验转化为标准化处置模板，通过融合一线需求数据，构建覆盖安全准入、风险预判等全流程的数字化管理机制，显著降低现场违章比例。未来知识图谱与实时数据的联动将更紧密，实现从被动响应到主动预防的转型。全流程自动化闭环成为提升管理效能的关键路径。智能体正从单一功能模块向监测-分析-预警-处置全链路延伸，这种闭环能力不仅体现在单一场景，更将扩展至跨场景协同，例如将设备预测性维护与备件供应链管理智能联动，实现风险处置资源的最优配置。场景化适配与轻量化部署降低企业应用门槛。针对不同行业特性，智能体正发展出高度定制化的解决方案：高危行业侧重防爆型硬件与高可靠性算法，一般制造业则注重低成本轻量化部署。智能体提供的大模型一体机采用全栈国产化架构，无需硬件改造即可对接现有摄像头，大幅降低中小企业应用成本；而化工园区智能体则专注于有毒气体泄漏监测、反应釜压力预警等专业场景。这种分化趋势使智能体能够精准匹配不同规模企业的需求，推动行业整体智能化水平提升。标准化互联生态加速跨系统协同。谷歌 2025 年推出的 A2A 协议为不同智能体间的通信提供标准化框架，支持跨平台的任务协作与数据交互。这一趋势在安全生产领域尤为重要，可解决长期存在的数据孤岛问题，使企业内部安全智能体与政府监管平台实现合规数据自动同步，或让不同厂商的监测系统与处置系统无缝对接。未来随着更多企业加入标准化生态，安全生产智能体将形成跨企业、跨领域的协同网络，实现风险的全域感知与联动处置。企业级安全生产智能体白皮书 9 4 产品概述产品概述 依托山东渤聚通云计算有限公司在工业互联网、人工智能领域的技术沉淀与行业实践，企业级安全生产智能体作为聚焦制造业安全生产痛点的核心解决方案，深度融合物联网感知、大数据分析、工业垂直大模型等前沿技术，构建起“感知-分析-决策-执行-反馈”的全链路智能化体系。该产品以“破解安全生产管理瓶颈、推动企业安全管理从被动应对向主动预防转型”为核心导向，既承接企业现有安全生产业务管理云平台的标准化功能，又通过私有云部署的智能体应用实现个性化、场景化的智能升级，形成“公有云业务协同 私有云智能赋能”的一体化架构。4.1 产品定位与目标产品定位与目标 4.1.1 产品定位产品定位 企业级安全生产智能体应用平台，是山东渤聚通云计算有限公司为安全生产业务管理云平台（SaaS 模式）配套建设的核心智能化升级方案。其定位为深度适配现有安全生产业务管理云平台部署架构的企业级智能服务中枢，采用类似企业微信开放平台式的集成方式，将安全生产业务管理云平台作为宿主系统并实现全面接口化，在企业侧私有部署后，可与宿主系统无缝衔接，形成“公有云业务管理服务 私有云企业级智能体应用”的混合云一体化集成架构。该平台聚焦企业安全生产全流程痛点，以物联网、大数据及人工智能技术为核心支撑，构建覆盖隐患排查与治理、安全生产平台操作、设备预测性维护、员工教育培训等场景的智能体应用服务体系，既承接现有业务管理云平台的标准化功能，又通过个性化智能模块填补传统管理模式的短板，最终成为推动企业安全生产流程从“人工驱动”向“智能驱动”转型的关键技术载体。4.1.2 核心目标核心目标 本项目秉持“统一规划、分步实施”策略，通过深度融合物联网感知、大数据分析及人工智能辅助决策等技术，达成各应用系统数据的自动化同步与智能化处理，整合业务查询入口并构建智能交互界面，为数据价值的深度挖掘与充分释放筑牢智能化基础，具体核心目标如下：（1）隐患排查与治理目标 智能化隐患识别：实现对文本数据的语义分析及图像数据的自动识别，解决人工识别漏检、误判问题；企业级安全生产智能体白皮书 10 高效隐患推送与整改：结合人员定位数据与职责信息，将排查识别的隐患精准推送至附近巡检人员及关联责任部门负责人，同步智能推荐整改方法、作业流程及防控建议，缩短隐患响应时间；规范数据上报与预警：自动将排查数据转换为省平台要求的标准化上报格式，无需人工二次录入；对超时未完成整改、未按时上报等操作实时预警，确保流程闭环。（2）安全生产云平台操作优化目标 便捷的操作辅助：构建自然语言问答功能（支持语音输入），用户可通过“对话框”输入问题并获取详细操作步骤；同时提供操作流程引导，根据用户当前页面及角色实时提示“下一步操作”与注意事项；精准的文档检索与推荐：支持对企业制度、国家法律、技术标准等文档的语义搜索与精炼摘要提取，快速获取关键信息；基于用户角色定制个性化工作台，自动推荐常用模块与操作入口；个性化推荐支撑：通过埋点设计记录用户使用轨迹，为后续个性化推荐、常见问题库更新提供数据基础，提升平台使用效率。（3）设备预测性维护目标 全面的设备健康监测：对接 PLC、DCS、IoT 传感器等物联网硬件，实时采集关键设备（泵、阀、电机等）运行状态、振动、温度、电流等参数；基于采集的特征值构建健康度评估模型，生成设备健康得分及趋势图，直观呈现设备健康状况；及时的故障预测与维修建议：运用 AI 模型分析设备运行数据，预测关键指标变化趋势，精准识别潜在故障点；当异常数据超过阈值时，自动推送预警至维保人员并生成报警信息，同时根据故障类型与维保历史，自动生成维修步骤、工时估算和备件清单；优化资源调度：智能查询安全生产业务管理云平台中相关设备所需配件的库存与可用时间，结合维保人员工作安排，通过智能调度算法优化维修调度安排，提升维护效率。（4）员工教育培训目标 个性化培训与学习：对接岗位职责信息、员工学习记录、考试成绩等数据，通过大语言模型算法提取岗位技能维度并量化员工技能掌握程度，生成员工能力画像；针对能力短板模块，自动推送相关课程、文档和练习题，实现个性化学习内容匹配；培训效果评估与激励：实时采集员工培训完成率、考试及格率、错题分布等数据，生成直观的图表报告，清晰呈现培训效果；支持设置积分、排名、荣誉墙 企业级安全生产智能体白皮书 11 等激励机制，根据员工学习进度、考试成绩自动更新积分与排名，提升培训参与度。（5）共创与集成目标 明确分工协作机制：鉴于项目采用双方联合共创模式，明确山东渤聚通与上海恩吉尼尔的分工边界与协作机制，确保总体方案与具体开发无缝衔接；接口化集成适配：实现企业级智能体平台与安全生产业务管理云平台的企业微信式接口化集成，保障数据互通与业务协同；标准化兼容保障：视频接入遵循 GB/T28181 国标标准，软件中采用的控制协议、编解码协议、接口协议、媒体文件格式等符合国家标准、行业标准技术规范，确保系统兼容性与互联互通性。4.2 核心价值核心价值 企业级安全生产智能体应用平台通过技术创新与业务场景深度融合，从效率、风险、知识、合规、管理五大维度为企业创造核心价值，全面破解传统安全生产管理痛点，推动企业安全管理模式升级。4.2.1 效率提升，降低运营成本效率提升，降低运营成本 平台以自动化、智能化技术替代人工重复劳动，大幅削减企业在安全生产管理环节的人力与时间成本，实现“降本提效”双重目标：减少人工投入：自动化数据采集与处理功能替代 70%以上人工记录工作，例如隐患排查数据无需手动整理、设备运行参数无需人工抄录，隐患排查报告、设备健康评估报告等生成流程从小时级缩短至分钟级，让员工从繁琐的基础工作中解放，聚焦风险研判、流程优化等更高价值任务；降低学习与培训成本：智能问答助手与操作流程引导功能，帮助员工快速掌握平台使用方法，新员工培训周期缩短 40%，减少培训课程开发、讲师投入等资源消耗；同时，个性化学习路径推送让员工无需学习无关内容，培训效率提升的同时降低培训材料印制、场地租赁等成本；优化设备管理成本：设备预测性维护功能减少非计划停机时间，避免因设备突发故障导致的生产中断损失；智能查询备件库存与优化维修调度功能，既减少备件过量库存带来的资金占用，又避免因备件短缺导致的维修延误，综合降低设备管理成本。4.2.2 风险可控，强化安全防线风险可控，强化安全防线 依托多模态识别、全流程闭环管理技术，平台大幅提升隐患识别精度与风险 企业级安全生产智能体白皮书 12 响应速度，构建“事前预防、事中处置、事后追溯”的全周期安全防线：提升隐患识别能力：整合文本语义分析、图像识别、视频目标跟踪等多模态技术，隐患识别准确率提升至 90%以上，漏检率降低 60%；例如通过计算机视觉智能体自动识别人员未戴安全帽、设备老化、管道泄漏等隐患，通过自然语言处理智能体提取文本记录中的潜在风险，解决人工识别依赖经验、易遗漏的问题；加快风险响应速度：异常行为、设备故障的响应时间缩短 50%，例如设备异常数据超过阈值时，系统可在毫秒级触发预警并推送至责任人，人员异常行为可实时抓拍并提醒整改，避免风险进一步演化；提高隐患整改质量：全流程闭环管理确保隐患整改完成率提升至 95%以上，通过知识图谱匹配历史整改案例与法规依据，生成标准化整改方案，重复隐患发生率下降 70%，显著降低安全事故发生几率。4.2.3 知识沉淀，赋能持续优化知识沉淀，赋能持续优化 平台构建结构化知识管理体系，实现企业安全知识的沉淀、复用与迭代，为安全生产管理持续优化提供支撑：推动知识结构化沉淀：将企业沉淀的安全知识整合为结构化知识图谱，包含超 10000 个知识节点，知识复用率提升 60%；新员工可通过智能问答快速调取相关知识，减少对资深人员的依赖，解决知识碎片化、传承难的问题；支撑管理持续迭代：基于历史数据与案例的分析能力，助力企业持续优化安全管理流程、整改方案与培训内容；例如通过分析隐患整改数据，优化整改流程节点；通过分析设备故障案例，完善设备维护周期；通过分析培训效果数据，调整培训课程体系，形成“数据-分析-优化”的良性循环。4.2.4 合规保障，规避监管风险合规保障，规避监管风险 平台以标准化数据管理与自动化合规工具，确保企业安全生产管理全流程符合行业法规与监管要求，规避合规风险：确保监管数据合规：标准化数据存储与自动上报功能，确保监管数据格式统一、时效达标，100%符合行业法规与监管要求；例如自动将隐患排查数据转换为省平台要求的上报格式，无需人工调整，避免因数据格式错误、上报超时产生的处罚风险；保障整改方案合规：隐患处置过程中，系统自动匹配相关法规条款与合规标准，整改方案合规性达 100%；例如针对“管道泄漏”隐患，自动关联危险化学品安全管理条例中相关要求，确保整改措施符合法规规定，助力企业顺利通过各类合规性检查。4.2.5 管理升级，推动智能化转型管理升级，推动智能化转型 企业级安全生产智能体白皮书 13 平台打破传统“人工驱动”的管理模式，构建“数据-分析-决策-执行”全链路智能化体系，推动企业安全生产管理向精细化、智能化转型：实现全链路智能协同：通过物联网感知数据、业务系统数据、知识图谱数据的联动分析，将分散的信息资源转化为管理决策的核心驱动力；例如设备健康数据与生产计划数据联动，可提前调整生产安排以规避设备故障影响；隐患数据与人员排班数据联动，可精准调配整改人员；支撑精细化管理决策：为企业提供实时数据洞察与可视化监控，通过数据看板、数据大屏直观展示关键安全指标；领导可通过智能问数功能快速获取所需数据，决策响应速度提升 50%，避免因关键指标滞后导致的决策失误，支撑安全生产精细化管理。4.3 应用场景应用场景 企业级安全生产智能体应用平台基于“场景驱动”理念，深度适配制造业安全生产全流程，在高危行业（化工、矿山、冶金等）与一般行业（电子、食品、纺织、装备制造等）中，形成覆盖隐患排查、平台操作、设备维护、员工培训四大核心场景的解决方案，同时支持场景的灵活扩展与个性化适配，具体应用场景如下：4.3.1 高危行业安全生产场景高危行业安全生产场景 高危行业因生产流程复杂、危险环节多，对安全生产的实时性、精准性要求极高，平台可针对性解决以下核心场景痛点：化工行业隐患全周期管控场景：在化工企业生产车间、储罐区、装卸区等区域，通过物联中台对接符合 GB/T 28181 标准的监控摄像头、气体传感器、压力传感器等设备，实时采集图像数据与环境参数。隐患排查与治理智能体可自动识别管道泄漏、阀门异常、有毒气体超标等隐患，通过人员定位功能将隐患推送给附近巡检人员，同步调用知识图谱匹配危险化学品安全管理条例相关条款与历史整改案例，生成带压堵漏、置换通风等合规整改方案；数据智能上报功能自动将隐患数据按省应急管理平台格式整理上报，避免人工填报遗漏。同时，设备预测性维护智能体实时监测反应釜、压缩机等关键设备的振动、温度数据，提前 72 小时预警轴承磨损、密封件老化等故障，生成包含备件型号、维修工时的方案，减少非计划停机导致的化学品泄漏风险。矿山行业井下安全监测场景：针对矿山井下瓦斯突出、透水、冒顶等风险，平台通过井下物联网传感器实时采集瓦斯浓度、风速、顶板压力等数据，数智分析管理子系统将数据可视化展示并生成健康度评分；异常趋势预测智能体运用 企业级安全生产智能体白皮书 14 LSTM 时序算法分析历史数据，当瓦斯浓度接近阈值时，自动推送预警至井下作业人员与地面调度中心，同步触发通风设备启停指令。员工教育培训智能体结合井下作业岗位需求，生成“瓦斯检测操作”“应急逃生路线”等定制化课程，通过 VR 设备模拟井下突发场景，提升员工应急处置能力；同时，操作智能助手支持语音问答，井下员工可通过对讲机语音查询“井下避灾硐室位置”“顶板监测设备校准步骤”，无需手动操作平台，保障作业安全。冶金行业高温作业安全场景：在钢铁、有色金属冶炼场景中，平台通过红外热成像摄像头与温度传感器，实时监测高炉、转炉的炉壁温度、熔渣液位等参数，设备预测性维护智能体识别炉衬侵蚀、冷却系统故障等隐患，推送“炉衬修补”“冷却水管道清洗”等维修建议；隐患排查与治理智能体自动识别高温作业区域人员未穿隔热服、违规跨越安全线等行为，抓拍取证并推送警示信息。此外，制度法规检索功能支持快速查询冶金企业安全生产标准化评定标准中关于“高温熔融金属吊运”的要求，帮助管理人员实时核对作业合规性，降低灼烫、爆炸事故风险。4.3.2 一般行业安全生产场景一般行业安全生产场景 一般行业虽风险相对分散，但存在隐患点多、人员安全意识薄弱、数字化基础薄弱等问题，平台可通过轻量化部署与场景化功能，解决以下核心需求：电子制造业设备运维场景：电子企业 SMT 生产线（表面贴装技术）中的贴片机、回流焊炉等设备，依赖稳定运行保障产能。平台通过 IoT 传感器采集设备运行电流、吸嘴压力、炉温曲线等参数，设备健康监测智能体生成设备健康得分，当回流焊炉温区偏差超过 2时，自动预警并推荐“热电偶校准”“加热管更换”等维修步骤；资源优化调度功能对接企业 ERP 系统，查询吸嘴、刮刀等备件库存，优先调度邻近仓库备件，缩短维修时间。同时，操作智能助手为生产线员工提供“贴片机程序导入”“AOI 检测设备操作”等流程引导，新员工通过动态帮助浮窗快速上手，减少因操作失误导致的设备故障。食品医药行业质量与安全双控场景：食品医药企业需同时满足安全生产与质量合规要求。平台中质量管理云平台模块与安全生产智能体联动，隐患排查智能体自动识别车间人流物流交叉、原料存储温湿度超标等隐患，同步调用区块链溯源引擎追溯原料批次信息；员工教育培训智能体针对“洁净区操作规范”“无菌取样流程”等岗位技能，生成包含视频教程、考核试题的培训包，通过考试及格率分析调整培训重点。此外，制度法规检索功能支持一键查询食品安全法中关于“食品生产过程控制”的条款，生成合规检查清单，助力企业通过市场监管部门抽检。纺织行业车间安全管理场景：纺织企业车间存在棉絮堆积、消防通道堵塞、企业级安全生产智能体白皮书 15 机器防护装置缺失等隐患，平台通过摄像头与烟感传感器，实时监测车间环境；隐患识别智能体自动识别棉絮堆积超过 0.5m、消防通道有障碍物等情况，推送整改任务至车间安全员；操作智能助手为员工提供“梳棉机安全防护装置检查”“消防灭火器使用”等操作指引，通过语音输入功能方便一线员工查询“设备急停按钮位置”。同时，员工教育培训智能体针对新员工开展“纺织车间火灾应急处置”培训，通过案例分析题强化安全意识，降低火灾、机械伤害事故发生率。4.3.3 跨行业通用支撑场景跨行业通用支撑场景 除行业专属场景外，平台还提供跨行业通用的智能化支撑功能，适配企业安全生产管理的共性需求：安全生产平台统一操作场景：无论何种行业，企业员工使用安全生产业务管理云平台时，均面临功能复杂、查询繁琐的问题。安全生产平台操作智能体可嵌入现有平台界面，提供自然语言问答、个性化工作台（HSE 专员工作台显示隐患统计、审核待办，巡检员工作台显示巡检路线、待排查点位），同时汇总“平台登录失败”“隐患提交报错”等常见问题，新员工通过常见问题库快速解决操作难题，减少 IT 部门咨询压力。企业安全知识管理场景：各行业企业均存在安全知识碎片化问题。平台知识图谱引擎将这些知识结构化，构建“隐患-处理方案-法规依据”关联网络，员工可通过语义搜索查询“电机过载故障处理”，系统自动返回历史维修记录、电气安全工作规程相关条款、所需工具清单，实现知识复用；同时，反馈管理功能收集员工对知识内容的评价，持续优化知识图谱准确性，避免因知识滞后导致的整改失误。应急指挥协同场景：当企业发生安全事故时，平台可整合事故现场图像、周边应急资源、气象数据，通过场景助手管理功能生成应急指挥流程，推送“人员疏散路线”“初期火灾扑救方法”至相关人员；同时，调用设备预测性维护智能体分析事故关联设备状态，评估次生风险，为指挥决策提供数据支撑，提升应急响应效率。企业级安全生产智能体白皮书 16 5 技术架构技术架构 5.1 整体架构设计整体架构设计 智能体总体架构采用公有云与企业私有云相结合的混合云方案，其中公有云平台定位为开放平台（类似企业微信开放平台），安全生产业务管理云平台提供标准化的安全生产业务管理功能与开放平台接口；企业侧则部署私有云形态的企业安全生产智能体应用平台，通过公有云开放平台的接口实现与安全生产业务管理云平台的无缝对接，形成“公有云业务管理服务 私有云企业级智能体应用”的混合云一体化集成架构。该架构既依托公有云实现安全生产业务管理功能的集约化部署与标准化输出，又通过企业私有云智能体平台满足企业个性化的智能分析、本地业务适配需求，实现云端与企业侧数据互通、业务协同、功能互补。5.2 环境支撑环境支撑 企业级安全生产智能体应用平台的稳定运行与高效赋能，需依托适配的硬件环境与软件环境协同支撑。硬件层面聚焦设备接入、数据处理、智能计算等核心需求，构建高可靠、可扩展的硬件架构；软件层面通过标准化系统、工具与算法组件，保障平台功能落地与多系统协同。企业级安全生产智能体白皮书 17 5.2.1 硬件环境硬件环境 硬件环境围绕企业级安全生产智能体应用平台“物联感知-数据传输-计算处理-存储备份”全链路运行需求构建，兼顾基础业务支撑与 AI 算力需求，确保适配不同规模企业的部署场景。物联感知设备作为数据采集前端，需部署符合 GB/T 28181 国标的高清网络摄像头（分辨率不低于 400 万像素，支持红外夜视与移动侦测），按生产车间每 500 1 台、关键设备周边额外部署 1-2 台的密度配置，用于识别人员异常行为与设备外观隐患；同时配置多类型传感器，包括温度传感器（量程-40200，精度0.5）、压力传感器（量程010MPa，精度0.2%FS）、有毒气体传感器（检测下限1ppm）及振动传感器（采样频率1000Hz），均支持MQTT 协议实现数据实时上传，另有北斗定位终端或 WiFi 基站定位设备（定位精度10 米）用于人员位置获取，按每 1000 1 个定位节点部署。网络传输设备采用分层架构，出口端部署防火墙（支持千兆以上吞吐量与入侵防护），核心层用 100G 交换机（端口带宽100Gbps）连接算力服务器与存储设备，接入层用千兆交换机（48 个千兆电口 4 个万兆光口）连接前端感知设备，搭配 MOP100G 光纤跳线实现设备间远距离高速传输。存储设备包含公共存储主机（配双口 100G 网卡，搭配 6 块 Micron 6.4T SSD，总容量38.4TB，采用 RAID5冗余架构，支持单盘故障容错，数据重建时间4 小时，保障工业场景下多模态数据（视频、传感器数据）的存储可靠性，避免因硬件故障导致的数据丢失）用于共享数据存储，各服务器本地配置 500GB NVMe M.2SSD 作为系统盘，4 块3.84TB NVMe U.2 SSD（IOPS10 万）作为数据盘。企业级安全生产智能体白皮书 18 计算处理硬件分为基础计算与 AI 算力两类，基础计算服务器中，3 台Zookeeper 集群服务器用于集群协调；3 台 Flink 实时计算服务器部署 Hadoop 与Flink 框架；3 台 Kafka 消息队列服务器缓存实时数据；3 台 Elasticsearch 服务器用于全文检索；3 台 Neo4j 知识图谱服务器存储行业知识；1 台 Prometheus 运维监控服务器监控系统指标。AI 算力服务器包含大模型训练服务器与小模型推理服务器，分别支撑大模型训练与隐患识别、故障预测等推理任务。5.2.2 软件环境软件环境 操作系统统一采用 OpenEuler，适配各类服务器硬件，保障系统稳定性与兼容性。基础软件层面，虚拟化环境可部署 VMware vSphere 或华为 FusionSphere，容器化部署采用Docker与Kubernetes，搭配Harbor私有镜像仓库管理组件镜像；数据库体系包含 InfluxDB/TDengine 时序数据库（存储设备实时数据）、MySQL（主从架构，存储结构化业务数据）、MongoDB（存储非结构化数据）、Elasticsearch（全文检索）及 Neo4j（知识图谱），数据处理工具用 DataX 与 SeaTunnel 实现数据同步，Flink 处理流批数据，Kafka 与 EMQX 分别作为消息中间件与 MQTT broker，WVP-Pro 视频平台配合 FFmpeg 实现 GB/T 28181 协议视频设备接入与处理。中间件与集成软件方面，用 Spring Cloud Alibaba 实现系统间接口集成，支持 RESTful API 与 WebService 协议，且遵循企业微信接口规范保障与安全生产业务管理云平台衔接；前端可视化采用 ECharts 与 DataV 构建数据看板，Vue 与Element Plus 开发操作界面。算法与应用软件包含 TensorFlow、PyTorch 深度学习框架，OpenCV 图像处理库，以及“聚通化工行业安全生产与设备健康知识大模型”（集成 BERT、YOLOv8、LSTM 等算法），平台自带隐患排查与治理、设备预测性维护等场景化应用模块，兼容第三方安全生产管理软件。安全与运维软件部署奇安信天擎终端安全系统实现病毒防护与漏洞扫描，Keycloak 用于身份认证与 RBAC 权限管理；运维工具用 Prometheus 与 Grafana监控系统指标，ELK Stack 收集分析日志，Jenkins 实现 CI/CD 流水线，确保平台稳定运行与版本迭代。5.3 模型体系模型体系 5.3.1 数据模型数据模型 企业级安全生产智能体的数据模型以“标准化整合、结构化关联、动态化更新”为核心，整合安全生产全流程多源数据，构建覆盖业务、知识、设备、人员 企业级安全生产智能体白皮书 19 的全域数据体系，为智能分析与决策提供统一数据基础。在数据整合维度，将分散于隐患记录系统、设备管理平台、培训档案库的异构数据标准化处理，其中业务数据涵盖隐患类型、整改进度、设备台账、培训记录等结构化信息，通过定义统一字段格式实现跨系统数据对齐；非结构化数据如巡检照片、法规文档、操作视频等，通过格式转换与元数据标注纳入管理，形成“贴源层-清洗层-明细层-汇总层-应用层”的分层数据架构，其中贴源层（ODS）保留原始数据，清洗层（DWD）完成数据去重、补全与格式统一，明细层（DWS）按业务主题整合数据，汇总层（ADS）生成指标数据，支撑上层应用调用。在知识关联维度，构建包含超 10000 个知识节点的安全生产知识图谱，以“实体-关系-属性”三元组形式组织数据，核心实体涵盖隐患、设备、法规、人员等，通过定义“隐患-处理方案”“设备-故障类型”“法规-适用场景”等关联关系，实现知识的结构化沉淀；同时关联历史事故案例、设备运维记录等数据，为隐患识别、整改方案生成提供知识支撑。此外，数据模型支持动态更新机制，通过定时任务同步物联网设备实时数据、业务系统新增数据，并基于用户反馈持续优化知识图谱关联关系与数据字段定义，确保数据模型的时效性与准确性。5.3.2 算法模型算法模型 算法模型体系围绕安全生产核心场景需求构建，涵盖文本处理、图像识别、设备预测、异常检测等多类算法，形成“数据输入-模型计算-结果输出”的全流程智能处理能力。在文本隐患处理领域，采用 BERT 自然语言处理模型对巡检记录、检查表、微信照片备注等文本数据进行语义分析，通过预训练模型与行业语料微调，实现隐患信息的精准提取，提取准确率达 93%；同时结合关键词匹配与句法分析算法，对法规文档、操作规范等文本进行结构化解析，生成包含条款摘要、适用场景的法规知识库，支持语义检索与精准问答，响应时间3 秒。图像隐患识别领域采用 YOLOv8 目标检测算法，针对设备外观缺陷、人员违规行为、环境异常等场景，通过标注超 10 万张行业图像样本训练模型，实现多目标同时识别，识别准确率达 92%（测试数据集含 5 万张设备外观、人员操作场景图像，包含管道腐蚀、安全帽未佩戴等 30 典型隐患）；同时引入图像分割算法对复杂场景图像进行像素级分析，精准定位隐患区域，为巡检人员提供精准指引。设备预测性维护领域采用 LSTM（长短期记忆网络）与 ARIMA（自回归积分移动平均模型）两类时序预测算法，LSTM 算法通过捕捉设备运行数据的长期依赖关系，构建设备健康度评估模型，生成 0-100 分的健康得分与趋势图，提前 72 小时预警潜在故障；ARIMA 算法则针对设备运行参数的线性变化趋势进行短期预测，当预测值接近阈值时触发预警；同时结合孤立森林异常检测算法，对设备运行数据中的离群值进行实时识别，快速定位故障征兆，异常检测准确率 企业级安全生产智能体白皮书 20 达 80%。此外，算法模型支持轻量化部署与动态优化，针对中小企业算力有限的场景，对核心算法进行模型压缩，降低算力占用，部署成本较定制化方案降低 40%；同时建立模型效果评估机制，通过准确率、召回率、误检率等指标实时监控算法运行效果，例如定期统计文本隐患提取准确率、图像隐患识别召回率，当指标低于阈值时，自动触发模型重新训练流程，结合新增标注数据优化模型参数，确保算法模型在不同行业场景中的适配性与稳定性。5.4 引擎能力引擎能力 5.4.1 数据治理引擎数据治理引擎 数据治理引擎作为企业级安全生产智能体的数据中枢，承担全业务数据的整合、治理、存储与服务功能，通过标准化数据管理流程，将分散的多源数据转化为高质量数据资产，为各智能应用提供可靠数据支撑。在数据整合环节，引擎支持多类型数据源接入，包括物联网设备实时数据（传感器采集的温度、压力、振动参数）、业务系统结构化数据（隐患记录、设备台账、培训档案）、非结构化数据（巡检照片、法规文档、操作视频），通过 DataX、SeaTunnel 等数据同步工具，按定时调度或实时流处理模式，实现数据的全量与增量同步，同时支持数据格式自动转换，转换后数据压缩比达 1:5，单表查询速度提升 3 倍，可满足设备运维记录的快速检索与分析需求，适配不同系统的数据交互需求。数据治理环节聚焦数据质量提升，通过主数据管理功能统一人员、设备、组织等核心实体的编码与属性定义，例如为每台设备分配唯一设备 ID，关联设备型号、安装位置、维保周期等静态属性与实时运行参数，确保跨系统数据一致性；元数据管理功能记录数据来源、字段含义、处理规则等信息，形成可视化数据血缘图谱，方便追溯数据流转路径与处理过程，当数据出现异常时，可快速定位问题源头。标签类目管理与指标体系管理功能则实现数据的结构化梳理，按“安全生产场景-业务主题-数据标签”层级构建标签体系，按“核心指标-衍生指标-计算逻辑”定义指标体系，并通过数据清洗器完成数据去重、补全、格式校验，确保数据准确性与完整性，最终以数据服务接口形式为智能分析引擎、知识图谱引擎等提供标准化数据调用服务。5.4.2 智能分析引擎智能分析引擎 智能分析引擎以“数据可视化、分析智能化、决策辅助化”为核心，通过整合高质量数据与灵活分析工具，将复杂的安全生产数据转化为直观可交互的分析成 企业级安全生产智能体白皮书 21 果，为企业安全管理提供精准数据洞察。在数据整合与处理层面，引擎对接数据治理引擎输出的标准化数据，支持多维度数据关联分析，同时提供 SQL 查询、即席分析等工具，满足管理人员自定义分析需求，并通过分布式计算框架实现海量数据的实时分析，确保分析结果的时效性。可视化展示层面，引擎提供丰富的图形化组件与配置功能，支持数据源管理（关联 MySQL、InfluxDB 等各类数据库）、数据视图管理（定义分析维度与指标，如按“时间-车间-隐患类型”维度分析隐患分布）、数据微件管理（提供折线图、柱状图、热力图、仪表盘等 30 可视化组件），管理人员可通过拖拽方式配置数据看板与数据大屏，构建“车间安全生产总览看板”，实时展示隐患整改率、设备健康度、培训完成率等核心指标，支持下钻分析；同时支持动态组态配置，基于场景信息与组态图库（含设备图标、指示灯、开关按钮等图形元素），构建可视化场景界面，为图形元素关联监控指标，设置动作规则，直观呈现设备运行状态与环境风险，帮助管理人员快速掌握安全生产全局情况。5.4.3 知识图谱引擎知识图谱引擎 知识图谱引擎是支撑安全生产智能决策的核心知识中枢，通过构建结构化知识网络与提供智能推理能力，实现知识的沉淀、复用与高效调用。在知识构建环节，引擎支持多源知识导入与结构化处理，可上传法规文档、设备手册、事故案例等多格式文件，通过 OCR 识别、文本解析等技术提取关键信息，按“实体-关系-属性”三元组形式构建知识图谱；同时支持人工补充知识节点与关联关系，形成覆盖隐患处理、设备运维、法规合规、应急处置等多维度的知识体系，知识节点超 10000 个，满足不同场景的知识需求。在知识应用与管理环节，引擎提供丰富的功能模块支撑智能服务，文档问答管理功能支持用户以自然语言提问，引擎通过知识图谱检索与语义匹配，返回包含处理步骤、所需工具、法规依据的精准答案，并关联历史案例；场景助手管理功能针对特定场景配置知识调用流程，例如在应急指挥场景中，引擎自动整合事故现场图像、周边应急资源、关联设备状态等数据，生成应急处置流程与决策建议，推送至指挥人员终端；单智能体管理功能支持配置专项智能体，为智能体关联专属知识库与工具，实现场景化智能服务。此外，引擎还支持知识库维护、反馈管理、工具管理，确保知识的时效性与服务的精准性，为隐患排查与治理、设备预测性维护、员工教育培训等场景提供有力知识支撑。企业级安全生产智能体白皮书 22 6 底座平台底座平台 6.1 物联中台管理子系统物联中台管理子系统 物联中台管理子系统是企业安全生产智能体应用平台实现物联网设备接入、监控、数据流转及视频整合的核心支撑模块，旨在构建标准化、一体化的物联网设备全生命周期管理体系，为安全生产场景中的设备状态感知、数据实时分析及智能决策提供底层支持。该系统以“设备互联标准化、数据流转自动化、监控管理可视化”为核心目标，通过整合物联网感知技术、消息队列技术及视频监控国标协议，实现对各类物联设备的统一接入、集中管控与数据赋能。模块名称 功能名称 功能说明 物联设备管理 物模型管理 新增、修改、删除物联网通用物模型，定义设备属性、命令、事件等标准化数据模型，作为设备数据交互的基础框架。产品分类管理 对物联网设备产品进行分类创建、编辑及删除，如按设备类型、应用场景等维度划分，便于产品统一管理。产品信息管理 维护产品的详细信息，包括产品型号、厂商、支持的物模型、通信协议等，关联产品与物模型的映射关系，为设备接入提供标准模板。设备分组管理 对接入的设备进行分组创建、调整及删除，可按区域、生产线、设备类型等灵活划分分组，实现设备的批量管理与权限隔离。设备信息管理 录入、编辑、删除设备基础信息，包括设备编号、所属产品、安装位置、通信参数（IP、端口）等，关联设备与分组及物模型，完成设备入网配置。设备实时监测 实时采集并展示设备运行状态、关键参数、在线状态等信息，支持设备状态异常告警，提供设备数据实时刷新与历史曲线查看。消息队列管理 客户端管理 通过 EMQXAPI 对接，实现客户端连接信息的查看、客户端 ID 管理、连接状态监控、客户端认证与权限配置。企业级安全生产智能体白皮书 23 监听器管理 配置 EMQX 的监听端口与协议，查看监听器运行状态，支持监听器的启用/停用与参数调整。消息主题管理 创建、删除消息主题，配置主题权限，查看主题订阅关系与消息流转统计，支持按设备或业务场景划分主题层级。规则资源管理 管理 EMQX 规则引擎所需的外部资源，配置资源参数并测试连接有效性，为规则执行提供数据转发目的地。规则引擎管理 通过 EMQXAPI 定义消息处理规则，设置触发条件、处理动作，实现设备消息的实时路由与处理，支持规则的启用、停用与日志查看。视频监控管理 运行看板 实时展示服务器性能指标、网络速率，以及设备总数/在线数、通道总数/在线数、推流总数/在线数、拉流代理总数/在线数等关键数据。分屏监控 支持多画面分屏展示视频监控画面，可手动切换监控通道、调整画面布局，支持画面放大、抓拍、录像回放操作。国标设备管理 对接符合 GB/T28181 标准的视频设备，实现设备注册、状态监测、目录查询，支持设备参数配置与国标协议参数维护。推流列表管理 维护设备推流信息，查看推流地址、码率、状态（在线/离线），支持推流任务的手动启停与推流日志查询。拉流代理管理 配置拉流代理参数，建立对外部视频流的拉取连接，管理代理节点与流转发规则，确保视频流稳定传输与分发。通道管理 管理视频设备的通道信息，包括通道编号、名称、关联设备、视频编码格式等，支持通道状态监控与录像计划配置。云端录像 配置视频通道的录像策略，管理录像存储路径与时长，提供录像文件查询、回放与下载功能。节点管理 管理视频监控系统的节点服务器，查看节点负载、在线状态，支持节点的新增、删除与负载均衡配置。企业级安全生产智能体白皮书 24 6.2 数据治理管理子系统数据治理管理子系统 数据治理管理子系统是企业安全生产智能体应用平台的核心数据支撑模块，旨在构建统一、高效、标准化的数据管理体系，实现全业务数据的整合、治理、存储与服务，为各智能体应用提供高质量的数据支撑。该系统以“数据资产化”为核心目标，通过整合企业安全生产全流程数据（包括但不限于人员信息、设备参数、隐患记录、培训数据等），建立标准化的数据模型与管理规范。一方面，通过主数据管理、元数据管理等功能，确保数据的一致性、准确性和完整性，消除数据孤岛；另一方面，通过标签类目管理、指标体系管理等，实现数据的结构化梳理与价值挖掘，为业务分析、智能决策提供数据基础。同时，系统支持与安全生产业务管理云平台、物联网设备等多源数据的对接，通过作业信息管理功能实现数据的实时处理与计算，构建从数据采集、清洗、转换到存储、分析的全链路数据闭环。其灵活的扩展性与开放性，可适配企业业务的动态变化，为后续数据智能应用的迭代升级提供坚实的数智底座。国标级联 支持与上级/下级国标平台进行级联配置，实现跨平台视频资源共享与控制信令交互，配置级联协议参数与权限策略。模块名称 功能名称 功能说明 主数据管理 实体信息新增 实体信息对照主数据对象，如人员、组织、工程、客户等，声明需要维护的实体信息。实体信息修改 实体信息删除 字典分类新增 描述实体中牵涉到的数据字典，如人员信息中，工号与姓名的映射关系；工程信息中，工程编号与工程名称的关系等等，保持后续数据存储与使用时的语义一致。字典分类修改 字典分类删除 元数据管理 元数据新增 对主数据对象的描述信息进行定义，包括字段编号、中文名、字段类型等等。同时可以对各字段在查询时是否显示、展现的控件类型与查询规则进行配置。元数据修改 元数据删除 标签类目管理 标签类目新增 对某一资源画像中的标签信息进行描述，包括标签类型、描述、采集逻辑、采集频率、采集方式与采集数据源，采集的最终结果进入大数据库。标签类目修改 标签类目删除 企业级安全生产智能体白皮书 25 6.3 数智分析管理子系统数智分析管理子系统 数智分析管理子系统是企业安全生产智能体应用平台的可视化分析与决策支持核心模块，旨在通过数据整合、图形化展示及动态组态配置，将复杂的安全生产数据转化为直观、可交互的可视化成果，为企业安全管理提供精准的数据洞察与决策依据。该系统以“数据可视化、分析智能化、展示个性化”为核心目标，整合来自数据治理管理子系统的实时数仓数据、物联网设备的实时监测数据及业务系统的实时业务数据，通过灵活的数据源配置、多维数据视图构建及交互式图形组件，实现数据从“采集-处理-展示-决策”的全链路可视化闭环。模块名称 功能名称 功能说明 数据源管理 数据源新增 对数智分析微件中需要使用到的数据库数据源信息进行管理，测试连接是否正常。数据源修改 数据源删除 数据视图管理 数据视图新增 利用查询语句组成虚拟数据视图，供图形展示使用 数据视图修改 数据视图删除 数据微件管理 数据微件新增 在数据视图的基础上配置展示图形。数据微件修改 数据微件删除 数据字典管理 数据字典新增 可通过手动输入或以数据视图为基础，生成数据字典缓存，用于图形展示时，代码翻译成中文。数据字典修改 数据字典删除 数据看板管理 数据看板配置 通过拖拽方式将多个数据微件配置组合成为看板，并可配置查询条件。指标体系管理 指标信息新增 对指标对象的要素进行描述，包括指标的业务意义、指标主题与指标具体包含的属性等等，指标的数据生成可以由程序定制实现，也可以通过第三方直接采集进入大数据库。指标信息修改 指标信息删除 作业信息管理 作业信息新增 对实时计算平台作业要素进行管理，以 Flink SQL 方式实现数据源头与数据下游的连接并实现聚合与各类算子，最终将作业信息提交至实时计算平台进行批/流计算处理。作业信息修改 作业信息删除 企业级安全生产智能体白皮书 26 数据大屏管理 数据大屏配置 通过拖拽方式将多个数据微件配置组合成为大屏。场景信息管理 场景信息新增 创建可视化场景，定义场景名称、描述、尺寸等基础属性，关联场景所需的设备、指标数据源。场景信息修改 修改场景的基础属性、关联的设备及数据源，调整场景布局范围。场景信息删除 删除不再使用的场景，清理关联的组态配置数据。组态图库管理 图库分类新增 创建图形元素分类，便于图形资源的归类管理。图库分类修改 调整分类名称、排序或合并分类，维护分类层级结构 图库分类删除 删除无用的图形分类，同时清理该分类下的所有图片资源。图形资源上传 向指定分类中上传图片，支持图形预览、命名及尺寸调整，作为组态配置的基础图形素材。图形资源维护 对已上传的图形资源进行替换、删除或属性编辑。组态信息管理 组态图形配置 基于场景和图库资源，通过拖拽方式布置图形元素，设置图形位置、大小、层级等样式属性，构建类似大屏的可视化界面。指标监听配置 为每个图形元素关联设备的监控指标，设置指标数据的获取频率和更新方式。动作规则配置 定义图形元素的动态行为：当监听的指标满足特定条件时，触发预设动作。组态模板保存 将配置完成的组态界面保存为模板，支持复用或后续调整优化。组态模板预览 实时预览组态界面的动态效果，模拟指标变化时图形元素的动作响应，验证配置正确性。6.4 智能中台管理子系统智能中台管理子系统 智能中台管理子系统是企业安全生产智能体应用平台的智能化应用中枢，旨在通过标准化配置、模块化集成与全生命周期管理，构建覆盖“智能交互-场景落地-知识支撑-持续优化”的全链路智能应用体系，为企业安全生产场景提供灵活可定制的智能化工具。该系统以“降低智能应用门槛、提升业务适配能力”为核心目标，整合大语言模型、RAG 知识库、MCP 工具及端侧小模型等技术要素，通过可视化配置与接口化集成，实现智能应用的快速构建、部署与迭代。企业级安全生产智能体白皮书 27 模块名称 功能名称 功能说明 文档问答管理 文档问答配置新增 配置文档问答类应用，支持上传文件或直接输入文本提问，关联智能语言大模型，定义交互参数，实现用户与大模型的文档驱动式交互。文档问答配置修改 调整已配置的文档问答应用参数，如更新关联的大模型、修改文件格式支持范围或提问交互规则。文档问答配置删除 移除不再使用的文档问答应用配置，清理关联的模型调用权限及文件存储资源。场景助手管理 流程配置新增 定义场景任务的完整流程，包括流程名称、目标描述、参与节点及节点间流转规则，支持可视化拖拽配置流程逻辑。节点信息配置 为流程中的每个节点配置信息，明确节点执行条件与异常处理机制。应用运行管理 启动配置好的场景流程，自动触发节点间数据流转，最终输出任务结果。单智能体管理 智能体配置新增 配置单智能体应用，支持上传文件或直接输入文本提问，关联 MCP 工具与智能语言大模型，定义工具调用逻辑，实现智能体的问答交互。智能体配置修改 调整智能体应用的参数，如更新 MCP 工具配置、切换关联的大模型或修改文件解析规则。智能体配置删除 删除无用的单智能体配置，释放关联的 MCP 工具资源与模型调用权限。知识库管理 知识库新增 创建 RAG 知识库，支持上传多格式文档，配置文档分片、embedding 处理规则，构建结构化知识索引。知识库维护 对已创建的知识库进行文档增删、更新，调整 embedding 模型或知识索引策略，确保知识时效性。召回测试 对知识库进行召回效果测试，输入测试问句，自动计算召回准确率、召回速度等指标，生成测试报告并支持导出。工具管理 MCP 工具配置新增 配置 MCP 工具的接入信息，支持三种配置方式：1）UVX/NPX 协议配置（填写协议参数、企业级安全生产智能体白皮书 28 6.5 接口总线管理子系统接口总线管理子系统 接口总线管理子系统是企业安全生产智能体应用平台实现各子系统、外部系统及设备间高效通信与数据交互的核心枢纽，旨在通过标准化接口规范、统一接认证信息）；2）SSE 公开接口配置（填写接口地址、请求头参数）；3）Docker 环境配置（填写容器开放地址、端口及访问权限）。MCP 工具配置修改 更新 MCP 工具的配置参数，维护工具与智能体/模型的关联关系。MCP 工具配置删除 移除无效的 MCP 工具配置，清理接口调用权限及容器访问记录。模型管理 语言模型新增 录入智能语言模型信息，包括模型标识、调用类型（公有/私有）、调用路径、调用令牌（API Key）。语言模型修改 更新模型的调用信息启用/停用模型（私有模型支持部署状态同步）。语言模型删除 移除不再使用的语言模型配置，清理关联的调用记录与权限。算法管理 小模型算法配置新增 配置端到端小模型算法的服务地址，支持 OCR、embedding、图像分类等算法，填写服务接口地址、请求格式、认证方式。小模型算法配置修改 更新算法服务地址、调整请求超时时间或认证信息。小模型算法配置删除 删除无效的小模型算法配置，解除与智能体/文档处理流程的关联。反馈管理 反馈查看 展示用户对智能应用的反馈记录，包括反馈内容、原始交互上下文、用户初始标记。反馈二次标记 管理员对标记为“其他”的反馈进行二次分类：-若标记为“有用”，进一步细化为“内容准确”“易于理解”“内容完善”；-若标记为“没用”，进一步细化为“没有帮助”“信息虚假”“有害”“不安全”；标记结果用于优化模型响应与应用效果。企业级安全生产智能体白皮书 29 入管理与全链路监控，构建稳定、可扩展、安全的系统间数据交换通道，保障平台整体数据流转的顺畅性与一致性。该系统以“接口标准化、接入集中化、运维可视化”为核心目标，整合各类接口协议，提供接口注册、配置、调用、监控及权限管控等全生命周期管理功能。模块名称 功能名称 功能说明 接口总线 服务系统 运行概况 对系统中的接口与定时任务做概况分析统计并展示在看板上。接口服务 主要对各业务系统的接口的注册，管理，授权，调用代理，转换等服务的管理。消息服务 建立统一的消息发布与消息订阅，管理消息池与消息发布推送。任务调度 管理统一的调度任务，并记录调度任务执行的状态，耗时，处理反馈等信息。运行统计 统计服务接口运行时的数据，接口负载，调用排行，访问趋势，错误率等。日志审计 记录接口，消息等服务访问的记录及查询。企业级安全生产智能体白皮书 30 7 核心功能核心功能 企业级安全生产智能体的核心功能体系，围绕制造业安全生产全流程痛点构建，以“场景化智能赋能”为核心逻辑，整合隐患排查与治理、平台操作辅助、设备预测性维护、员工教育培训四大核心模块，形成覆盖“风险识别-流程优化-设备保障-人员能力提升”的全链路智能化解决方案。各功能模块既独立解决特定场景问题，又通过数据互通与业务协同形成联动效应，最终实现“数据驱动决策、智能优化管理”的目标。7.1 隐患排查与治理智能体隐患排查与治理智能体 依托企业安全生产智能体应用平台（整合数据采集存储、硬件信息及视频采集、智能体技术等核心能力）与安全生产业务管理云平台的深度联动，成功构建起一套隐患排查治理智能化系统。该系统全面覆盖隐患智能识别、精准推送、整改建议生成及数据自动上报等核心功能模块，实现全流程智能化管理。同步输出条理清晰的隐患排查数据报表（基于企业安全生产智能体应用平台的标准化数据存储与分析能力生成）、详尽的整改作业指导文档（结合企业安全生产智能体应用平台采集的设备硬件参数与智能案例匹配技术），以及实时更新的隐患排查与整改状态监控报告（通过企业安全生产智能体应用平台与安全生产业务管理云平台的数据联动实现动态追踪）。7.1.1 隐患智能识别隐患智能识别 文本隐患抽取：借助企业安全生产智能体应用平台对安全生产业务管理云平台中巡检记录、检查表、微信照片备注等文本数据的集中存储与结构化处理能力，通过平台内置的自然语言处理智能体开展深度语义剖析，精准提取潜藏的隐患内容，避免信息碎片化导致的漏检问题。（1）算法工程 任务名称 算法应用 任务描述 图像分类 图像分类算法 识别图片类型，判断其属于巡检记录、检查表、微信照片备注等带文字的图片，还是纯设备图像等非文字类图片，为后续差异化处理提供依据。图像到文本 文本提取算法 对识别为带文字的图片，先定位文本所在区域，再将图像形式的文本内容识别并转换为可编辑的字符序列，实现文字信息的提取。企业级安全生产智能体白皮书 31（2）软件工程 图像隐患识别：依托企业安全生产智能体应用平台对接的设备监控摄像头（遵循 GB/T 28181 国标标准）、巡检手持终端拍照等图像采集设备，将实时图像数据传输至平台进行高效存储与预处理，再通过内置的计算机视觉智能体自动命名实体识别与关系抽取 设备图像隐患识别算法（含语义理解实体识别、关系抽取等子算法）从涉及设备的图像中提取出设备的类型、状态和指标，支撑隐患识别。模块名称 功能名称 功能说明 文本隐患抽取 接口对接管理 负责企业安全生产智能体应用平台与安全生产业务管理云平台接口的配置、开发、测试与调试工作。记录接口对接的相关信息，监控接口状态，保障数据收集的顺畅性。排查任务信息同步 同步排查任务相关信息，包括任务详情、现场照片、位置等数据，确保平台获取完整的排查场景信息，为隐患识别提供全面上下文。隐患库同步 实现与业务平台隐患库的实时同步，确保每个隐患排查任务可关联对应的风险事件列表，为隐患匹配提供准确的比对基准。隐患特征库管理 展示当前内置的隐患特征库内容，可进行特征的新增、删除、编辑操作，支持导入和导出特征库文件。隐患匹配智能体接口开发 开发隐患匹配智能体接口，支持输入文件后，自动识别文件类型：文字类文件通过调用隐患库进行相关内容召回，判断是否存在隐患及具体情况；图像类文件触发隐患识别算法调用，判断隐患类别。隐患信息提取结果列表 以列表形式展示从隐患内容中提取的关键信息，如隐患 ID、隐患内容、隐患级别等，可点击查看详细记录。隐患结果导出 点击该按钮可将隐患识别结果以 Excel、PDF 等格式导出，支持选择导出的字段和数据范围。系统日志查询功能 查询系统在接口对接、定时任务执行、数据处理、预警发送等过程中的操作日志。支持按时间范围、操作类型等条件筛选日志，方便系统维护和问题排查。企业级安全生产智能体白皮书 32 识别设备老化、管道泄漏、仪表异常等安全隐患，提升识别精度。（1）算法工程（2）软件工程 隐患智能推送：基于企业安全生产智能体应用平台的硬件定位模块获取人员实时位置数据，经平台与安全生产业务管理云云平台的人员职责信息关联匹配后，由内置的决策智能体将排查识别的隐患精准推送至附近的巡检人员及隐患关联的责任部门负责人，同步附上隐患具体位置、风险等级及初步防控建议，确保响应及时性。若安全生产业务管理云云平台已有人员定位数据，可通过企业安全生产智能体应用平台直接打通；若需补充，则由平台快速部署定位硬件并接入系统。任务名称 算法应用 任务描述 图像隐患识别 图像识别算法 识别设备图片中设备老化、管道泄漏、仪表异常等安全隐患。模块名称 功能名称 功能说明 图像隐患识别 接口对接管理 负责企业安全生产智能体应用平台与安全生产业务管理云平台接口的配置、开发、测试与调试工作。记录接口对接的相关信息，监控接口状态，保障数据收集的顺畅性。安全隐患识别智能体接口开发 开发安全隐患识别智能体接口，通过调用隐患识别算法对图像类文件进行分析，自动判断是否存在隐患及具体类别，并返回识别结果。目标检测结果展示管理 以可视化方式展示目标检测算法的结果，包括检测到的目标对象的位置、类别等信息，支持在图像或视频上进行标注显示，可对展示的结果进行筛选和排序。视频目标跟踪展示管理 实时展示视频目标跟踪算法的结果，动态显示目标的运动轨迹和状态变化，可对跟踪过程进行回放、暂停、快进等操作，查询跟踪历史记录。识别结果存储与查询管理 将隐患识别结果存储到数据库中，支持按设备、时间、隐患类型等条件进行查询和统计分析，生成报表，可对报表进行导出和分享操作。系统日志查询功能 查询系统在接口对接、定时任务执行、数据处理、预警发送等过程中的操作日志。支持按时间范围、操作类型等条件筛选日志，方便系统维护和问题排查。企业级安全生产智能体白皮书 33（1）软件工程 7.1.2 智能整改建言智能整改建言 隐患类型匹配：企业安全生产智能体应用平台整合历史隐患处理案例、设备运维记录等结构化数据，内置的知识图谱智能体结合从安全生产业务管理云平台获取的隐患类型、严重等级、位置信息，以及通过平台接口获取的实时天气、环境温湿度等外部数据，快速匹配相似度最高的历史解决方案，形成针对性整改方法推荐。（1）算法工程 模块名称 功能名称 功能说明 隐患智能推送 接口对接管理 负责企业安全生产智能体应用平台与安全生产业务管理云平台接口的配置、开发、测试与调试工作。记录接口对接的相关信息，监控接口状态，保障数据收集的顺畅性。隐患信息发送接口集成 集成隐患信息发送接口，当识别到隐患时，将隐患标识（含隐患类型、位置、风险等级等）推送至安全生产业务管理云平台，由业务平台根据预设规则推送给指定业务人员，确保责任到人。推送记录查询 查询隐患推送的历史记录，包括推送时间、接收人员、推送内容等信息，支持按时间、接收人员等条件进行筛选。数据关联结果查询 查询人员职责信息与隐患信息的关联结果，以及人员实时位置与隐患位置的比对结果，可查看具体的关联和比对详情。系统日志查询功能 查询系统在接口对接、定时任务执行、数据处理、预警发送等过程中的操作日志。支持按时间范围、操作类型等条件筛选日志，方便系统维护和问题排查。任务名称 算法应用 任务描述 数据结构化 数据结构化算法 将历史隐患处理案例、设备运维记录等非结构化数据转化为结构化数据，抽取满足知识图谱建模需要的隐患类型、严重等级、位置信息等信息，便于后续的存储、分析和匹 企业级安全生产智能体白皮书 34（2）软件工程 配，为隐患类型匹配和整改方法推荐提供结构化的数据基础。相似度匹配 相似度匹配算法 对获取的当前隐患相关信息（隐患类型、严重等级、位置信息等）与历史隐患处理案例进行相似度计算，匹配出相似度最高的历史解决方案，结合知识图谱中整合的多维度知识，形成针对性的整改方法推荐。知识图谱构建 知识图谱构建算法 构建包含隐患类型、处理方案、设备信息、环境因素等多维度知识的图谱，将结构化后的历史数据及外部数据融入图谱中的实体与关系网络，为隐患类型匹配和整改方法推荐提供知识支撑，实现多维度信息的关联推理。模块名称 功能名称 功能说明 隐患类型匹配 接口对接管理 负责企业安全生产智能体应用平台与安全生产业务管理云平台接口的配置、开发、测试与调试工作。记录接口对接的相关信息，监控接口状态，保障数据收集的顺畅性。隐患处理知识图谱构建 将同步的历史隐患案例、设备运维记录等数据转化为结构化实体，定义实体属性及实体间关系，构建包含多维度知识的图谱；支持实体与关系的增删改查，关联外部环境数据。知识图谱推理规则配置 配置基于知识图谱的推理规则，如“当隐患类型为管道泄漏 严重等级高危 位置车间 A 湿度90%时，优先推荐带压堵漏 防锈处理方案”；支持规则的可视化编辑、启用/停用及版本管理。隐患处理智能推荐智能体接口开发 开发接口接收当前隐患的结构化参数（隐患类型、严重等级、位置等）及外部环境数据，调用知识图谱引擎进行实体匹配与关系推理，检索相似度最高的历史解决方案；返回结果包含匹配的方案详情、关联实体关系链及推荐优先级，支持接口调用日志与异常处理。知识图谱维护管理 提供知识图谱可视化管理界面，展示实体分布、关 企业级安全生产智能体白皮书 35 整改作业建议：基于企业安全生产智能体应用平台采集的设备型号、参数规格等硬件信息，结合平台存储的作业标准库、工器具台账，由内置的流程智能体生成包含作业步骤、所需工具清单、安全防护措施的整改作业指导，确保整改过程规范高效。（1）算法工程（2）软件工程 系网络及数据更新日志；支持手动录入新实体、修正关系权重，定期与业务平台同步更新数据，确保图谱时效性。系统日志查询功能 查询接口对接、数据结构化处理、知识图谱构建、推理规则执行、推荐结果生成等过程的操作日志，支持按时间、隐患类型、实体关系等条件筛选，便于系统维护与问题追溯。任务名称 算法应用 任务描述 信息向量化 向量化算法 将设备型号、参数规格等硬件信息以及作业标准库、工器具台账中的内容转化为向量形式，为后续的相似度计算和信息匹配提供基础，以便更好地准备入知识库，支撑整改作业建议的生成。信息重排序 重排序算法 对从作业标准库、工器具台账等知识库中召回的相关信息进行相关度重排序，提升信息的准确性和针对性，为规划合理的整改作业步骤、确定所需工具清单及安全防护措施提供更优质的依据。整改作业指导生成 文本生成算法（大语言模型算法）运用大语言模型算法，理解用户对于整改作业的需求指向，依据召回并经重排序的信息规划出合理的整改作业步骤，将作业步骤、确定的工具清单及安全防护措施整合生成完整、规范的整改作业指导，确保作业流程的逻辑性和连贯性，满足实际整改需求。模块名称 功能名称 功能说明 整改作业建议 接口对接管理 负责企业安全生产智能体应用平台与安全生产业务管理云平台接口的配置、开发、测试与调试工作。记录接口对接的相关信息，监控接口状态，保障数据收集的顺畅性。作业步骤规划功能 触发内置的流程智能体调用流程规划算法，根据召 企业级安全生产智能体白皮书 36 7.1.3 数据智能上报数据智能上报 上报数据规整：企业安全生产智能体应用平台按照省平台的标准化格式要求，对从安全生产业务管理云平台收集的排查数据进行自动清洗、转换与校验，无需人工二次录入。（1）算法工程 回的作业标准规划出详细的整改作业步骤。可对规划出的步骤进行预览、编辑和调整，以满足实际整改需求。工具清单与防护措施确定功能 结合召回的工器具信息，确定所需工具清单及对应的安全防护措施。可对工具清单进行增减操作，对安全防护措施进行修改和完善，确保其合理性和全面性。作业指导生成功能 将规划好的整改作业步骤、确定的工具清单及安全防护措施整合生成完整的整改作业指导。支持自定义作业指导的格式和排版，如添加封面、目录等。作业指导展示功能 以可视化界面展示生成的整改作业指导，支持分页查看、放大缩小等操作，方便用户浏览和阅读。作业指导导出功能 允许将生成的整改作业指导以常见文件格式导出，便于用户下载、打印和分享。历史作业指导查询功能 提供查询历史生成的整改作业指导的功能，可按时间范围、设备型号、作业类型等条件进行筛选查询，支持查看历史作业指导的详细内容和相关生成记录。系统日志查询功能 查询系统在接口对接、定时任务执行、数据处理、预警发送等过程中的操作日志。支持按时间范围、操作类型等条件筛选日志，方便系统维护和问题排查。任务名称 算法应用 任务描述 数据结构化 数据结构化算法 将从安全生产业务管理云平台收集的排查数据按省平台的标准化格式要求进行格式化处理，包括字段映射、格式转换等，同时能够自动校验数据的完整性、准确性和合规性，确保数据符合上报要求，无需人工二次录入，为数据智能上报提供可靠的结构 企业级安全生产智能体白皮书 37（2）软件工程 异常提醒警示：企业安全生产智能体应用平台的规则引擎智能体实时监控整改闭环进度与数据上报时效，若未在规定时间内完成，立即通过安全生产业务管理云平台的消息通知功能向责任人发出预警，同时在平台留存异常记录，便于追溯管理。（1）软件工程 化数据基础。模块名称 功能名称 功能说明 数据智能上报 接口对接管理 负责企业安全生产智能体应用平台与安全生产业务管理云平台接口的配置、开发、测试与调试工作。记录接口对接的相关信息，监控接口状态，保障数据收集的顺畅性。数据结构化智能体接口开发 开发数据结构化智能体接口，接收输入的原始报文，按照省平台要求的格式进行自动整理（包括字段映射、格式转换、校验规则适配等），生成符合标准的报文格式并返回，支持接口调用日志查询和异常处理。数据转换结果查询 查询经过数据转换算法处理后的数据，检查数据是否已转换为符合上报要求的形式。支持按字段、数据区间等条件进行查询。系统日志查询功能 查询系统在接口对接、定时任务执行、数据处理、预警发送等过程中的操作日志。支持按时间范围、操作类型等条件筛选日志，方便系统维护和问题排查。模块名称 功能名称 功能说明 异常提醒警示 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。包括设置接口参数、进行接口测试与调试，监控接口运行状态，保障定时从云平台收集排查数据的顺畅性。排查数据收集 按照定时任务要求，从安全生产业务管理云平台收集排查数据。记录每次数据收集的时间、数据量和收集状态，若收集失败进行告警并尝试重试。整改闭环进度监控功能 实时监控整改闭环进度，与规定时间进行对比。记录整改任务的开始时间、预计完成时间和实际完成 企业级安全生产智能体白皮书 38 7.2 安全生产平台操作智能安全生产平台操作智能体体 依托企业安全生产智能体应用平台（整合数据采集存储、硬件信息及视频采集、智能体技术等核心能力）与安全生产业务管理云平台的深度联动，成功开发出一个可嵌入安全生产业务管理云平台的操作智能助手。该助手集成了智能问答、操作引导、法规搜索和个性化推荐等丰富功能，实现与安全生产业务管理云平台的无缝衔接。同时，基于企业安全生产智能体应用平台对用户角色数据的分析与存储能力，为不同角色员工生成个性定制的操作工作台，并借助平台的智能整理功能，整理出详尽的常见问题库及解答文档，满足不同用户的使用需求。7.2.1 智能问答助手智能问答助手 自然语言答疑：在安全生产业务管理云平台界面设置“对话框”，用户输入自然语言提问后，提问信息实时传输至企业安全生产智能体应用平台，平台内置的自然语言处理智能体对问题进行语义解析，调用存储在平台中的业务流程数据及操作指南，自动生成详细操作步骤并反馈至安全生产业务管理云平台对话框，实现快速答疑。情况，若未按时完成触发预警机制。数据上报时效监控功能 监控数据上报时效，检查数据是否在规定时间内完成上报流程。记录数据上报的时间节点，若超时触发预警。预警发送功能 当整改闭环进度或数据上报时效未在规定时间内完成时，通过安全生产业务管理云平台的消息通知功能向责任人发送预警。记录预警发送的时间、接收人、预警内容等信息。异常记录管理功能 在平台留存异常记录，包括异常类型（整改未按时完成、数据上报超时等）、异常发生时间、相关任务或数据详情等。支持对异常记录进行查询、编辑和删除操作，便于追溯管理。系统日志查询功能 查询系统在接口对接、定时任务执行、数据处理、预警发送等过程中的操作日志。支持按时间范围、操作类型等条件筛选日志，方便系统维护和问题排查。企业级安全生产智能体白皮书 39（1）算法工程（2）软件工程 任务名称 算法应用 任务描述 语义理解 大语言模型算法 智能理解用户输入的自然语言提问内容，精准把握用户的疑问点和需求，为后续的知识检索提供明确方向，是实现自然语言答疑的基础环节。文本向量化 文本向量化算法 将用户输入的提问内容及平台存储的业务流程数据、操作指南等知识库内容转化为向量形式，通过向量空间中的相似度计算来匹配知识库中相近的内容，为准确召回相关信息提供数据支撑。重排序 重排序算法 对从知识库中召回的与用户提问相关的内容，通过计算相似度进行排序，提升结果的相关性和准确性，确保更贴合用户需求的内容优先呈现。文本生成 大语言模型算法 根据重排序后的召回内容，利用大语言模型算法进行整理和组织，将相关信息转化为用户易于理解的详细操作步骤等文本答案，实现对用户提问的自动、准确回应。模块名称 功能名称 功能说明 自然语言答疑 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。设置接口参数、进行接口测试与调试，监控接口运行状态，保障提问信息实时传输和回答顺畅反馈。常见问题知识库搭建 构建“常见问题知识库”，整合平台操作手册、用户高频咨询问题及预设解答内容，支持知识条目按业务场景分类存储，具备新增、编辑、删除及版本管理功能。操作问答智能体接口开发 开发操作问答智能体接口，接收用户输入的自然语言问题（文本形式），通过语义分析算法检索知识库中意思相近的内容，自动整理成结构化回答（含操作步骤、关联链接等）并返回，支持接口调用日志记录与异常处理。系统日志管理功能 记录系统在接口对接、提问传输、语义解析、知识检索、回答生成和反馈等过程中的操作和事件日志。支持日志的查询、导出和清理，方便系统维护 企业级安全生产智能体白皮书 40 语音输入支持：借助企业安全生产智能体应用平台对接的物联网硬件设备，集成语音识别功能，一线员工通过移动设备操作安全生产业务管理云平台时，语音信息经物联网平台采集后传输至企业安全生产智能体应用平台，由平台的语音识别智能体转换为文本并进行处理，便于员工高效提问。（1）算法工程（2）软件工程 7.2.2 操作流程引导操作流程引导 和问题排查。任务名称 算法应用 任务描述 语音转文本 语音识别算法（含语音降噪子算法）先运用语音降噪算法对采集到的语音信息中含有的背景噪音等干扰因素进行过滤和消除，提升语音信号的清晰度；再通过语音识别算法将经过降噪处理后的语音信息准确转换为对应的文本内容，以便后续的自然语言处理和问题解答，支撑一线员工通过移动设备高效提问。模块名称 功能名称 功能说明 语音输入支持 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台、物联网平台的接口。包括设置接口参数、进行接口测试与调试，监控接口运行状态，保障语音信息的顺畅传输以及文本信息与问答功能的衔接。语音输入操作问答智能体接口开发 开发语音输入操作问答智能体接口，接收转写后的文本内容，复用自然语言问答模块的语义检索逻辑，从“常见问题知识库”中匹配相关内容并整理返回；同时支持语音合成功能，将回答结果转换为语音反馈给用户。语音输入记录查询功能 查询一线员工的语音输入记录，包括语音输入时间、语音内容（可回放）、识别后的文本内容等信息。支持按时间范围、员工信息等条件进行筛选查询。系统日志管理功能 记录系统在接口对接、硬件连接、语音传输、语音处理等过程中的操作和事件日志。支持日志的查询、导出和清理，方便系统维护和问题排查。企业级安全生产智能体白皮书 41 场景导航提示：企业安全生产智能体应用平台实时同步用户在安全生产业务管理云平台的当前页面及角色信息，通过内置的决策智能体分析用户操作场景，结合平台存储的业务流程数据，在安全生产业务管理云平台实时提示“下一步操作”与注意事项，为用户提供精准引导。（1）算法工程（2）软件工程 任务名称 算法应用 任务描述 语义理解 大语言模型算法 智能理解用户角色信息与当前界面信息，精准把握用户所处的操作场景和潜在需求，为后续的信息匹配提供方向。文本向量化 文本向量化算法 将用户角色、当前界面标识等信息及平台存储的业务流程数据、操作指南等知识库内容转化为向量形式，通过向量空间中的相似度计算匹配知识库中与当前场景相近的操作指引内容，为精准召回相关信息提供支撑。重排序 重排序算法 对从知识库中召回的与当前场景相关的操作指引内容，通过计算相似度进行排序，优先呈现与用户角色和当前界面最相关的“下一步操作”建议及注意事项，提升指引的针对性。文本生成 大语言模型算法 根据重排序后的召回内容，生成简洁明了的文本形式的操作引导信息，并反馈至安全生产业务管理云平台，为用户提供精准的场景导航提示。模块名称 功能名称 功能说明 场景导航提示 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。包括设置接口参数、进行接口测试与调试，监控接口运行状态，确保实时同步用户当前页面信息、角色信息及用户指引状态，保障引导提示信息能准确反馈至业务管理平台指定位置。用户角色与页面信息获取 通过平台权限管理模块获取当前登录用户的角色，同时实时捕获用户当前操作页面标识。操作提示智能体接口开发 开发操作提示智能体接口，接收用户角色和当前页面信息后，从“常见问题知识库”中召回与该场景 企业级安全生产智能体白皮书 42 动态帮助浮窗：基于企业安全生产智能体应用平台对安全生产业务管理云平台各模块信息的整合与分析，当用户进入安全生产业务管理云平台特定模块时，平台的智能推荐算法自动筛选出与当前模块相关的帮助内容，在安全生产业务管理云平台页面右侧浮现动态帮助浮窗，减少用户跳转与查找操作，提升使用便捷性。（1）算法工程（2）软件工程 强相关的操作指南，以弹窗或侧边栏形式展示，支持手动关闭和“下次不再提示”设置。系统日志管理功能 记录系统在接口对接、用户信息同步、指引判断与展示等过程中的操作和事件日志。支持日志的查询、导出和清理，方便系统维护和问题排查。任务名称 算法应用 任务描述 语义理解 大语言模型算法 智能理解用户当前操作的页面信息及潜在需求场景，精准定位用户可能需要的帮助内容方向，为后续信息检索提供依据。文本向量化 文本向量化算法 将当前页面信息及平台存储的操作手册、常见问题等帮助内容转化为向量形式，通过向量相似度计算匹配知识库中与当前场景相近的帮助内容，确保检索的相关性。重排序 重排序算法 对从知识库中召回的帮助内容，结合用户角色、操作频率等因素进行相似度重排序，优先呈现与当前模块关联最紧密的内容，提升帮助浮窗的实用性。文本生成 大语言模型算法 根据重排序后的召回内容，生成简洁直观的文本形式帮助信息，并以动态浮窗形式在安全生产业务管理云平台页面展示，减少用户跳转查找操作，提升使用便捷性。模块名称 功能名称 功能说明 动态帮助浮窗 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。设置接口参数，进行接口测试与调试，监控接口运行状态，确保能获取业务管理云平台各模块的链接、提示词、操作手册、常见问题等内容，且检索内容能顺利传输到业务管理平台。企业级安全生产智能体白皮书 43 制度法规检索：企业安全生产智能体应用平台对企业制度、国家法律、技术标准等文档进行集中存储与结构化处理，当用户在安全生产业务管理云平台需要检索相关法规时，输入关键词后，平台的语义搜索智能体对文档进行深度检索，快速提炼关键信息并生成精炼摘要，在安全生产业务管理云平台内迅速提供给用户，确保信息获取的及时性与准确性。（1）算法工程 页面信息实时捕获 通过前端埋点技术，实时获取用户当前操作页面的 URL、元素 ID 及用户交互行为，确定用户可能需要的帮助场景。动态帮助智能体接口开发 开发动态帮助智能体接口，基于当前页面信息从“常见问题知识库”中精准召回相关操作内容，支持悬浮窗位置拖动、大小调整及折叠/展开操作。系统日志管理功能 记录系统在接口对接、数据获取、算法执行、内容传输、浮窗展示等过程中的操作和事件日志。支持日志的查询、导出和清理，便于系统维护和问题排查。任务名称 算法应用 任务描述 语义理解 大语言模型算法 智能理解用户输入的搜索内容，精准提取核心需求和关键信息，明确检索方向，为后续的法规文档匹配提供依据。文本向量化 文本向量化算法 将用户输入的检索关键词及企业制度、国家法律、技术标准等非结构化文档转化为向量形式，通过向量空间中的相似度计算，匹配知识库中与检索内容相近的法规条款和制度内容，为精准召回相关信息提供数据支撑。重排序 重排序算法 对从知识库中召回的法规文档内容，结合发布时间、效力级别、与检索关键词的关联紧密程度等因素进行相似度重排序，提升结果的相关性和准确性，确保最贴合用户需求的内容优先呈现。文本生成 大语言模型算法 根据重排序后的召回内容，快速提炼关键信息并生成精炼的摘要（包含原文片段、来源文档及关联解读），以清晰易懂的文本形式在安全生产业务管理云平台提供给用户，确保信息获取的及时性与准确 企业级安全生产智能体白皮书 44（2）软件工程 7.2.3 用户行为分析与个性化推荐用户行为分析与个性化推荐 工作台个性化定制：企业安全生产智能体应用平台持续采集并存储用户在安全生产业务管理云平台的操作数据，通过智能分析用户角色及操作习惯，由平台的用户行为分析智能体自动推荐常用模块与操作入口，为不同角色员工定制个性化的操作工作台，提升工作效率。（1）算法工程 性。模块名称 功能名称 功能说明 制度法规检索 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。包括设置接口参数、进行接口测试与调试，监控接口运行状态，确保非结构化文档能传输至智能体应用平台，检索结果及摘要能反馈至业务管理云平台。安全制度与法律法规知识库搭建 抽取国家及地方安全生产相关的法律法规、行业标准、企业内部安全制度等文本信息，进行结构化处理，搭建“安全制度、法律法规知识库”，支持 PDF、Word 等格式文档的批量导入与自动解析。文档检索智能体接口开发 开发文档检索智能体接口，接收用户输入的检索关键词，通过语义检索算法从知识库中匹配相关法律法规条款、制度内容，返回结果包含原文片段、来源文档及关联解读，并支持按发布时间、效力级别排序。法规维护管理 支持对存储的法规文档进行基础业务管理，包括新增法规录入（手动上传或对接接口同步）、已有法规修改、版本管理（记录法规更新历史，支持不同版本对比）等操作，确保法规库内容的准确性和时效性。系统日志管理 记录系统在接口对接、文档传输、算法执行、结果反馈等过程中的操作和事件日志。支持日志的查询、导出和清理，便于系统维护和问题排查。任务名称 算法应用 任务描述 语义理解 大语言模型算法 智能理解用户角色信息与操作习惯，挖掘用户的功 企业级安全生产智能体白皮书 45（2）软件工程 能需求与使用偏好，为个性化工作台定制提供方向。文本向量化 文本向量化算法 将用户角色、操作习惯等信息及平台存储的业务模块、操作入口等内容转化为向量形式，通过向量空间中的相似度计算，匹配知识库中与当前用户特征相近的个性化配置方案，为推荐常用模块与操作入口提供数据支撑。重排序 重排序算法 对从知识库中召回的推荐内容，结合用户角色优先级、操作频率权重等进行相似度重排序，优先呈现最贴合用户需求的常用功能，提升工作台的个性化适配度。文本生成 大语言模型算法 根据重排序后的召回内容，生成结构化的工作台个性化配置方案，并转换为程序可直接调用的格式，同步至安全生产业务管理云平台，实现个性化操作工作台的自动生成。模块名称 功能名称 功能说明 工作台个性化定制 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。设置接口参数、进行接口测试与调试，监控接口运行状态，保障用户操作数据能顺利传输至智能体应用平台。埋点设计与部署功能 在安全生产业务管理云平台设计埋点，明确需要记录的用户使用轨迹信息，并完成埋点的部署和维护，确保准确采集用户操作数据。个性化工作台生成 根据个性化推荐算法的结果，将推荐的常用模块与操作入口传输至安全生产业务管理云平台，为用户生成个性化的操作工作台。控制工作台的布局、显示样式等，确保用户体验良好。个性化工作台更新 随着用户操作习惯的变化或角色的调整，定期或实时触发个性化推荐算法，更新用户的操作工作台，保证推荐内容的时效性和适用性。用户行为分析结果查询 提供查询用户行为分析结果的功能，包括用户的操作习惯、角色与功能需求的关联分析结果等。支持按用户、时间范围等条件进行查询，方便管理人员了解用户行为和优化系统。企业级安全生产智能体白皮书 46 常见问题汇整：企业安全生产智能体应用平台实时汇总安全生产业务管理云平台使用过程中的常见问题，结合用户反馈及平台的智能整理功能，形成详细的解答内容，整理成常见问题库，供新员工在安全生产业务管理云平台随时查阅，助力新员工快速熟悉平台操作。（1）算法工程（2）软件工程 系统日志管理 记录系统在接口对接、数据采集、算法运行、工作台生成等过程中的操作和事件日志。支持日志的查询、导出和清理，便于系统维护和问题排查。任务名称 算法应用 任务描述 语义理解 大语言模型算法 智能理解用户在使用安全生产业务管理云平台过程中反馈的问题内容，精准把握问题核心含义，明确问题所属的操作场景或功能模块，为后续的问题匹配与汇整提供依据。文本向量化 文本向量化算法 将用户反馈的问题、平台操作手册内容及常用问答等文本信息转化为向量形式，构建向量数据库，通过向量空间中的相似度计算，匹配知识库中与当前问题相近的已有答案或相关内容，为常见问题的汇整提供数据支撑。重排序 重排序算法 对从知识库中召回的与用户反馈问题相关的内容，结合问题出现的频率、匹配度及用户满意度等因素进行相似度重排序，优先筛选出高频、高关联度的问题及答案，提升常见问题库内容的实用性。文本生成 大语言模型算法 根据重排序后的召回内容，生成清晰、规范的文本形式解答，整理形成常见问题库条目（包含问题描述与对应解答），同步至安全生产业务管理云平台供用户查阅，助力新员工快速熟悉平台操作。模块名称 功能名称 功能说明 常见问题汇整 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。设置接口参数，进行接口测试与调试，监控接口运行状态，确保能实时获取用户反馈问题信息，以及知识库能同步至业务管理云平台。操作问答智能体接口复用自然语言问答模块的操作问答智能体接口，针 企业级安全生产智能体白皮书 47 7.3 设备预测性维护智能体设备预测性维护智能体 凭借企业安全生产智能体应用平台（整合数据采集存储、硬件信息及视频采集、智能体技术等核心能力）与安全生产业务管理云平台设备管理模块的深度数据交互，成功构建起实时设备健康监测系统和设备异常趋势预测模型。依托企业安全生产智能体应用平台的数据处理与分析能力，生成精准的设备预测性维修保养计划、详细的维修建议文档，以及优化的备件库存管理方案和高效的维修调度安排，为设备管理提供全流程支持。7.3.1 设备健康监测设备健康监测 实时数据采集：借助企业安全生产智能体应用平台对接的物联网硬件，实现对关键设备（泵、阀、电机等）运行状态、振动、温度、电流等参数的实时采集。采集的数据经物联网平台传输至企业安全生产智能体应用平台进行存储与处理，并与安全生产业务管理云平台设备管理模块实时同步，确保数据的及时性与准确性。（1）软件工程 复用与优化 对“常见问题知识库”进行专项优化，提升对操作类问题的检索精度；支持按问题热度排序返回结果。系统日志管理 记录系统在接口对接、数据采集、算法运行、工作台生成等过程中的操作和事件日志。支持日志的查询、导出和清理，便于系统维护和问题排查。模块名称 功能名称 功能说明 实时数据采集 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台、物联网平台的接口。设置接口参数，进行接口测试与调试，监控接口运行状态，保障设备参数数据的传输通道顺畅及数据实时同步。设备台账信息同步 开发设备台账同步接口，定时从安全生产业务管理云平台获取设备台账信息，并与本地系统数据比对更新，确保台账信息一致性；支持手动触发同步及同步日志查询。企业级安全生产智能体白皮书 48 可视健康评分：企业安全生产智能体应用平台利用内置的数据分析智能体，基于采集的特征值计算并构建健康度评估模型，将设备健康得分及趋势图实时反馈至安全生产业务管理云平台，让工作人员直观掌握设备健康状况。（1）算法工程（2）软件工程 安全生产业务管理系统时序数据库接入 对接安全生产业务管理系统的时序数据库，配置数据库连接参数（地址、端口、账号密码），实现设备实时运行参数（振动、温度、电流等）的直接接入与存储，减少数据中转环节，提升采集效率。历史数据查询 支持按设备 ID、时间范围、参数类型等条件查询历史采集数据，可导出为 Excel、CSV 等格式，便于追溯设备运行状态变化。系统日志管理 记录接口对接、设备连接、数据采集、传输、校验、存储等过程的操作日志，支持按时间、操作类型、设备 ID 等条件筛选查询，便于系统维护和问题排查。任务名称 算法应用 任务描述 关键特征提取 大语言模型算法 运用大语言模型算法，从采集的设备运行参数中提取关键特征值，这些特征值是构建健康度评估模型的核心输入数据，为后续健康得分计算提供基础。健康得分计算 大语言模型算法 基于提取的关键特征值，结合设备正常运行的参数阈值范围，利用大语言模型算法计算设备的健康得分（量化设备健康状态，通常以 0-100 分呈现），同时分析影响健康得分的关键因素。健康趋势分析 趋势预测算法 运用趋势预测算法，根据历史健康得分数据，分析设备健康状态的变化趋势，生成趋势图，直观展示设备健康状况的演变过程，辅助工作人员预判设备未来的健康状况，为设备维护提供决策支持。模块名称 功能名称 功能说明 可视健康评分 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。设置接口参数、进行测试与调试，监控接口运行状态，确保设备运行参数能顺畅传输至智能体应用平台，且健康得分及趋势图能反馈至业务管理云平台。企业级安全生产智能体白皮书 49 7.3.2 异常趋势预测异常趋势预测 异常征兆识别：企业安全生产智能体应用平台运用 AI 模型对存储的设备运行数据进行深度分析，预测关键指标变化趋势。通过智能体技术精准识别潜在故障点，并将分析结果与安全生产业务管理云平台共享，为故障预防提供数据支持。（1）算法工程 设备健康度评分智能体接口开发 开发设备健康度评分智能体接口，接收设备实时运行参数，调用健康度评估模型计算健康得分，返回评分结果（0-100 分）及关键影响因素；支持接口调用频率配置。健康度实时录入时序数据库 在健康得分计算完成后，自动将得分、计算时间、设备 ID 等信息录入安全生产业务管理系统的时序数据库，确保健康度数据与设备运行参数的时序一致性，为后续趋势分析提供完整数据链。健康度评估模型构建功能 基于提取的关键特征和健康度计算逻辑，构建健康度评估模型。支持模型的版本管理，可保存不同时期的模型供对比和回溯。健康得分查询 支持按设备 ID、时间范围等条件查询设备历史健康得分及对应的趋势图，可导出数据和图表，辅助设备状态分析。系统日志管理 记录接口调用、参数获取、模型计算、结果反馈等过程的操作日志，支持按时间、设备 ID 等条件筛选查询，便于系统维护和问题排查。任务名称 算法应用 任务描述 时序表征 时序数据处理算法 对设备运行的时序数据进行处理，通过特征提取等方式获取其内在的时序运行模式，提炼出能够反映设备运行状态的关键特征，为后续的时序预测和异常识别提供基础数据支撑。时序预测 时序预测算法 基于时序表征得到的运行模式，利用时序预测算法对设备未来的运行参数变化趋势进行预测，生成未来一段时间内的时序数据趋势，判断是否存在向异常状态发展的可能性，为异常征兆识别提供预判依据。时序异常识别 时序异常检测算法 将时序预测得到的未来趋势与设备正常运行的时序模式及阈值范围进行对比，通过异常检测算法识别 企业级安全生产智能体白皮书 50（2）软件工程 故障预警推送：当监测到的异常数据超过阈值时，企业安全生产智能体应用平台迅速作出反应，通过安全生产业务管理云平台的消息推送功能自动通知维保人员，并生成详细的报警信息，包括异常参数、可能的故障点等，便于维保人员及时处理。（1）算法工程 出偏离正常范围的时序特征，即异常征兆，并结合设备特性定位可能的故障点，实现对异常趋势的早期识别，支撑设备故障的提前预警。模块名称 功能名称 功能说明 异常征兆识别 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。设置接口参数、进行测试与调试，监控接口运行状态，确保设备运行参数能顺畅传输至智能体应用平台，且健康得分及趋势图能反馈至业务管理云平台。故障识别智能体接口开发 开发故障识别智能体接口，接收设备关键指标的实时数据及趋势预测结果，调用关键指标变化趋势算法，识别偏离正常范围的异常模式，精准定位潜在故障点，返回故障点信息及置信度。趋势预测执行 运用训练好的趋势预测模型，对设备关键指标的变化趋势进行预测，生成预测结果记录预测时间和相关参数。异常检测执行 通过异常检测算法，将趋势预测结果与预设的正常运行阈值范围进行对比，识别异常征兆并定位潜在故障点，生成异常分析报告。分析结果同步 将异常征兆识别结果、异常分析报告通过接口实时同步至安全生产业务管理云平台，确保工作人员能及时获取故障预防的决策依据，记录同步状态，若同步失败进行重试和告警。历史趋势查询 支持按设备 ID、时间范围、指标类型等条件查询历史趋势预测数据及异常识别记录，可导出数据和报告，辅助工作人员追溯设备状态变化。系统日志管理 记录接口调用、参数获取、模型计算、结果反馈等过程的操作日志，支持按时间、设备 ID 等条件筛选查询，便于系统维护和问题排查。企业级安全生产智能体白皮书 51（2）软件工程 7.3.3 预测维修与维修建议预测维修与维修建议 任务名称 算法应用 任务描述 时序表征 时序特征提取算法 对设备运行的历史时序数据进行处理，提取其中的关键特征，获取设备的时序运行模式，为后续的故障预警分析提供基础特征数据。时序预测 时序预测算法 基于时序表征得到的运行模式，利用时序预测算法对设备未来一段时间内的运行参数变化趋势进行预测，生成参数的预期变化曲线，判断是否存在向故障状态发展的潜在趋势。时序异常识别 时序异常检测算法 将时序预测结果与设备正常运行的参数阈值范围进行对比，通过异常检测算法识别出超出正常范围的异常时序特征，结合故障历史数据确定异常对应的故障类型及严重程度，为故障预警推送提供依据。模块名称 功能名称 功能说明 故障预警推送 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。包括设备监测数据接口、异常识别结果接口、消息推送功能接口及人员配置信息接口的参数设置、测试调试与状态监控，保障各类信息传输顺畅。故障识别智能体接口（阈值异常识别）开发 开发故障识别智能体接口，实时监测设备运行参数与预设阈值的偏差，当参数超过阈值时，自动识别为阈值异常，触发预警流程并返回异常标识。安全生产管理云平台设备异常信息提示接口开发 开发安全生产管理云平台设备异常信息提示接口，接收异常设备标识、异常指标等信息，通过云平台内置的消息机制推送至责任人，并同步记录提示状态。预警记录管理 存储所有故障预警记录，包括报警信息内容、推送对象、推送时间、处理状态等，支持按设备、时间、预警级别等条件查询、筛选和导出。系统日志管理 记录接口调用、数据获取、阈值比对、预警触发、消息推送等过程的操作日志，支持按时间、设备 ID、操作类型等条件查询，便于系统维护和问题追溯。企业级安全生产智能体白皮书 52 智能预测维保：企业安全生产智能体应用平台整合安全生产业务管理云平台的设备历史保养维修记录和设备基础信息，通过智能分析智能体进行深度挖掘与分析，给出科学合理的设备预测性维修保养建议，有效减少设备故障停机时间。（1）算法工程（2）软件工程 维修方案建议：根据设备故障类型和维保历史数据，企业安全生产智能体应用平台的决策智能体在安全生产业务管理云平台自动生成详细的维修步骤、准确任务名称 算法应用 任务描述 故障与保养时间模式挖掘任务 时序模式挖掘算法 运用时序模式挖掘算法，针对按故障类型分类的设备历史保养维修记录，分析不同故障类型对应的时间序列数据，挖掘各类故障与保养周期、运行时长等时间因素的潜在模式，为不同故障类型的维修周期预测提供依据。模块名称 功能名称 功能说明 智能预测维保 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。设置接口参数、进行测试与调试，监控接口运行状态，确保能获取按故障类型分类的设备历史保养维修记录和设备基础信息，且预测性维修保养建议能反馈至业务管理平台。设备台账下维修记录同步 开发维修记录同步接口，从安全生产业务管理云平台获取设备台账关联的历史维修记录，按设备 ID 分类存储，支持增量同步（仅同步新增记录）和全量同步。设备维修知识库构建 将同步的维修记录整理为结构化数据，构建设备维修知识库，支持知识条目关联及版本管理。设备维修问答智能体接口开发 开发设备维修问答智能体接口，接收设备信息，从“维修知识库”中检索相似度最高的历史维修记录，返回匹配的处理方案、备件需求、参考案例等内容，支持按匹配度排序。系统日志管理 记录接口调用、数据获取、清洗、算法执行、建议生成等过程的操作日志，支持按时间、设备 ID、操作类型等条件筛选查询，便于系统维护和问题排查。企业级安全生产智能体白皮书 53 的工时估算和完整的备件清单，为维修工作提供清晰指引。（1）算法工程（2）软件工程 任务名称 算法应用 任务描述 语义理解 大语言模型算法 智能理解设备的故障类型及维保历史数据（包括过往维修记录、更换部件、处理效果等），精准提取故障特征与维保关联信息，为后续维修方案的匹配提供明确方向。文本向量化 文本向量化算法 将故障类型描述、维保历史数据及知识库中存储的维修手册、标准作业流程、历史成功维修案例等文本内容转化为向量形式，通过向量相似度计算匹配与当前故障高度相关的维修内容，为方案推荐提供数据支撑。重排序 重排序算法 对从知识库中召回的维修内容，结合故障严重程度、设备型号适配性、历史维修成功率等因素进行相似度重排序，优先筛选出最贴合当前场景的维修步骤、所需工具及注意事项，提升方案的实用性。模块名称 功能名称 功能说明 维修方案建议 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。设置接口参数、进行测试与调试，监控接口运行状态，确保能获取设备故障类型信息，且维修方案文档能顺畅反馈至业务管理平台。设备台账下备件明细信息同步 开发备件明细同步接口，从安全生产业务管理云平台获取设备台账关联的备件明细，与维修方案中的备件需求进行匹配，确保方案可行性。维修工时更新至维修记录 在维修任务完成后，自动计算维修工时（最终维修完成时间与发起时间的差值），并更新至对应的维修记录中，支持手动修正工时数据，为后续维修方案的工时估算提供依据。设备维修指引智能体接口开发 开发设备维修指引智能体接口，接收设备故障类型，从“维修知识库”中检索相近故障的维修记录，提取标准化维修步骤、所需工具、安全注意事项等，生成详细维修指引并返回。企业级安全生产智能体白皮书 54 资源优化调度：企业安全生产智能体应用平台智能查询安全生产业务管理云平台中相关设备所需配件的库存与可用时间，结合维保人员的工作安排等信息，通过智能调度算法优化维修调度安排，确保维修工作高效开展。（1）算法工程（2）软件工程 维修方案查询 在安全生产业务管理云平台提供维修方案查询入口，支持按设备 ID、故障类型、时间等条件查询历史维修方案文档，可在线查看或导出。系统日志管理 记录接口调用、故障信息获取、知识库操作、方案生成与推送等过程的操作日志，支持按时间、设备 ID、操作类型等条件筛选查询，便于系统维护和问题排查。任务名称 算法应用 任务描述 资源适配分析任务 大语言模型算法 运用大语言模型算法，将设备维修所需配件的库存、可用时间与维保人员的工作安排进行匹配分析，找出配件与人员时间相适配的组合，为调度安排提供基础。维修调度优化任务 大语言模型算法 借助大语言模型算法，综合考虑配件可用时间、维保人员工作饱和度、维修任务紧急程度等因素，对维修调度方案进行优化，生成高效的维修安排计划。模块名称 功能名称 功能说明 资源优化调度 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。设置接口参数、进行测试与调试，监控接口运行状态，确保能获取配件库存、配件可用时间及维保人员工作安排等信息，且优化后的维修调度安排能反馈至业务管理平台。配件信息获取 从安全生产业务管理云平台获取配件库存数据（种类、数量）及可用时间（采购周期、在途时间等），记录获取时间、数据内容及状态，若获取失败进行告警并重试。维保人员工作安排获取 实时获取维保人员的工作安排表（已排期任务、空闲时间段等），记录获取时间和内容，确保人员信 企业级安全生产智能体白皮书 55 7.4 员工教育培训智能体员工教育培训智能体 借助企业安全生产智能体应用平台（整合数据采集存储、硬件信息及视频采集、智能体技术等核心能力）与安全生产业务管理云平台培训模块的深度联动，成功打造出员工教育培训智能系统。该系统涵盖员工能力画像分析、智能题库生成、培训效果智能评估等功能，实现与安全生产业务管理云平台培训模块的无缝融合。依托企业安全生产智能体应用平台的数据处理与分析能力，为每位员工生成精准的能力画像报告，提供个性化学习路径推荐，同时生成详细的培训效果分析图表和报告，为企业员工培训工作提供全面支持。7.4.1 员工能力画像分员工能力画像分析析 员工画像分析 岗位能力建模：企业安全生产智能体应用平台对接安全生产业务管理云平台息的时效性，若获取异常进行提示。资源匹配执行 调用资源匹配算法，将设备维修所需配件与库存信息、可用时间进行匹配，同时与维保人员的工作安排进行适配，筛选出可行的资源组合，记录匹配结果和匹配度。维修调度安排生成 运用智能调度算法，结合维修任务紧急程度等因素，对可行资源组合进行优化，生成包含维修人员、维修时间、所需配件等内容的最优维修调度安排，支持手动调整调度计划。调度安排推送 通过接口将优化后的维修调度安排推送至安全生产业务管理云平台，记录推送时间、接收状态，若推送失败进行重试和告警，确保相关人员及时获取。调度安排查询 支持按设备、维修任务、维保人员等条件查询维修调度安排，可查看调度详情，并导出调度表。调度执行状态跟踪 跟踪维修调度安排的执行状态，同步更新状态信息，形成调度闭环管理，便于进度监控。系统日志管理 记录接口调用、数据采集、算法执行、调度生成与推送等过程的操作日志，支持按时间、操作类型等条件筛选查询，便于系统维护和问题排查。企业级安全生产智能体白皮书 56 的岗位职责信息、员工学习记录、考试成绩等数据，经平台的数据采集与存储能力进行整合处理。通过内置的智能分析智能体，对这些数据进行深度挖掘，为每位员工生成全面、精准的能力画像，清晰呈现员工在各岗位技能上的优势与短板。（1）算法工程（2）软件工程 任务名称 算法应用 任务描述 岗位技能维度提取任务 大语言模型算法 运用大语言模型算法，从岗位职责信息中提取关键岗位技能维度，明确岗位能力评估的核心指标，为员工能力画像构建提供框架。技能掌握程度量化任务 大语言模型算法 借助大语言模型算法，将员工学习记录、考试成绩等数据转化为对应技能维度的量化分值，客观反映员工在各技能上的掌握程度。员工能力画像整合任务 大语言模型算法 基于各技能维度的量化分值，利用大语言模型算法整合形成员工能力画像，清晰呈现员工在岗位技能上的优势领域与待提升短板。模块名称 功能名称 功能说明 员工画像分析 接口对接管理 负责配置、维护企业安全生产智能体应用平台与安全生产业务管理云平台的接口。包括岗位职责信息接口、员工学习记录接口、考试成绩接口及画像反馈接口的参数设置、测试调试与状态监控，保障各类数据传输顺畅。员工能力画像生成 根据各技能维度的量化分值，通过画像生成逻辑构建员工能力画像，明确标注优势技能（高分值维度）与短板技能（低分值维度），支持画像内容的人工补充与调整。能力画像查询 支持按员工姓名、岗位类型、技能维度等条件查询员工能力画像，可查看画像详情（各技能分值、优势短板分析），并导出画像报告。画像更新功能 当员工产生新的学习记录或考试成绩时，自动触发数据采集、清洗、量化及画像更新流程，确保能力画像的时效性。系统日志管理 记录接口调用、数据采集、清洗、算法执行、画像生成与反馈等过程的操作日志，支持按时间、员工 ID、操作类型等条件筛选查询，便于系统维护和问 企业级安全生产智能体白皮书 57 学习路径推送：基于生成的员工能力画像，企业安全生产智能体应用平台的决策智能体精准识别员工的短板模块，自动从平台存储的培训资源库中筛选出相关课程、文档和练习题，推送至安全生产业务管理云平台的员工培训界面，实现个性化学习内容推送。（1）软件工程 7.4.2 智能题库生成智能题库生成 题目自动生成：企业安全生产智能体应用平台利用自身的大语言模型智能体，基于企业培训资料、大纲及安全生产业务管理云平台的岗位说明书等数据，自动生成选择题、判断题、案例分析题等各类题目，同时关联员工能力画像中的短板技能维度，自动提升对应知识点的题目占比，并调整题目难度，确保题库与员工能力提升需求精准匹配。同时，平台会对生成的题目进行质量校验，确保题目符合培训要求。（1）算法工程 题追溯。模块名称 功能名称 功能说明 学习路径推送 接口对接管理 实现企业安全生产智能体应用平台与安全生产业务管理云平台的接口化集成，支持双向数据传输。员工能力画像数据获取 通过接口从安全生产业务管理云平台获取员工能力画像数据（含各类标签）。搭建培训资料知识库 整合企业内部培训资料（PPT、视频、手册）、外部标准规范、历年考题等，按“岗位-技能-知识点”分类存储，支持文档上传、编辑、版本管理。开发培训资料匹配智能体接口 通过接口接收安全生产业务管理云平台传输的员工考核不合格短板模块。基于短板模块检索培训资料知识库，匹配相关课程、文档、练习题，按关联度排序后推送至云平台员工培训界面。系统日志管理 记录接口调用、数据采集、清洗、算法执行、画像生成与反馈等过程的操作日志，支持按时间、员工 ID、操作类型等条件筛选查询，便于系统维护和问题追溯。任务名称 算法应用 任务描述 企业级安全生产智能体白皮书 58（2）软件工程 试卷智能组配：根据安全生产业务管理云平台传来的岗位需求、难度要求、知识点范围等信息，企业安全生产智能体应用平台的智能组卷算法会在题库中快速筛选合适题目，自动组成个性化试卷。这些试卷支持在安全生产业务管理云平台上进行现场练习与正式考试模式，满足不同场景的需求。（1）算法工程 题目自动生成任务 大语言模型算法 基于企业培训资料、大纲及岗位说明书等数据，借助大语言模型理解知识要点、逻辑关系及岗位技能要求，按照不同题型特征生成各类题目。题目质量复核任务 大语言模型算法 对生成的题目，运用大语言模型从内容准确性、逻辑合理性、题型规范性等方面进行复核，判断是否符合培训要求。模块名称 功能名称 功能说明 题目自动生成 接口对接管理 实现企业安全生产智能体应用平台与安全生产业务管理云平台的全面接口化集成，保障数据传输。开发问题生成智能体接口 支持设置题目类型（选择/判断/案例分析）、数量、格式及难度等级。调用智能体接口，基于输入文档内容及配置参数自动生成题目，同步完成答案与解析生成。通过算法校验题目准确性、逻辑性，标记异常题目供人工审核。系统日志管理 记录接口调用、数据采集、清洗、算法执行、画像生成与反馈等过程的操作日志，支持按时间、员工 ID、操作类型等条件筛选查询，便于系统维护和问题追溯。任务名称 算法应用 任务描述 需求参数解析任务 大语言模型算法 对安全生产业务管理云平台传来的岗位需求、难度要求、知识点范围等信息进行深度解析，转化为可直接用于题库检索的具体参数，如知识点关键词、难度系数区间、岗位对应的技能模块等。试卷组合任务 大语言模型算法 根据试卷的组成要求，从候选问题清单中筛选并组合题目，生成符合要求的完整试卷，确保试卷结构合理、内容适配。题库问题召回题库问题召回算法 基于解析出的参数，在题库中进行精准检索，召回 企业级安全生产智能体白皮书 59（2）软件工程 由安全生产业务管理云平台实现 7.4.3 培训效果智能评估培训效果智能评估 培训达成分析：企业安全生产智能体应用平台实时采集安全生产业务管理云平台中员工培训完成率、考试及格率、错题分布等数据，通过平台的数据分析能力进行处理和分析，生成直观的图表报告，清晰呈现培训效果，为培训优化提供数据依据。（1）软件工程 学习激励机制：在安全生产业务管理云平台设置积分、排名、荣誉墙等激励机制，企业安全生产智能体应用平台会实时统计员工的学习进度、考试成绩等数据，根据激励规则自动更新积分、排名信息，并在安全生产业务管理云平台展示荣誉墙，以此提升员工培训参与度。（1）软件工程 任务 与参数匹配度高的合适问题，形成候选问题清单，为试卷组配提供充足的题目来源。模块名称 功能名称 功能说明 培训达成分析 平台对接接口 实现企业安全生产智能体应用平台与安全生产业务管理云平台的全面接口化集成，确保数据传输稳定、高效。培训数据采集 通过接口实时获取员工培训相关数据。图表报告生成 基于存储的统计数据，利用看板工具生成直观的图表报告。系统日志管理 记录接口调用、数据采集、清洗、算法执行、画像生成与反馈等过程的操作日志，支持按时间、员工 ID、操作类型等条件筛选查询，便于系统维护和问题追溯。模块名称 功能名称 功能说明 学习激励机制 平台对接接口 实现企业安全生产智能体应用平台与安全生产业务管理云平台的全面接口化集成，保障数据传输的稳定性和高效性。员工学习数据获取 确保智能体应用平台能实时获取安全生产业务管理云平台中员工的学习进度、考试成绩等数据。激励信息同步 保障更新后的积分、排名信息及荣誉墙内容能顺畅 企业级安全生产智能体白皮书 60 同步至安全生产业务管理云平台进行展示。积分规则配置 在安全生产业务管理云平台中设置完成课程、考试优秀等情况下获得相应积分的规则。排名规则配置 在安全生产业务管理云平台中设定按积分总数、进步幅度等方式进行排名的规则。荣誉墙展示规则配置 在安全生产业务管理云平台中确定积分前几名、获得特定成就等可上榜荣誉墙的规则。员工学习数据 智能体应用平台实时采集员工的学习进度、考试成绩等数据 积分计算与更新 按照配置的积分规则，对员工的积分进行计算并实时更新。员工排名统计 根据积分情况及排名规则进行员工排名的统计。荣誉墙员工筛选 依据荣誉墙展示规则筛选出符合上榜条件的员工信息。系统日志管理 记录接口调用、数据采集、清洗、算法执行、画像生成与反馈等过程的操作日志，支持按时间、员工 ID、操作类型等条件筛选查询，便于系统维护和问题追溯。企业级安全生产智能体白皮书 61 8 客户客户案例案例 企业级安全生产智能体应用平台已在化工、新材料、装备制造等多行业落地实践，通过深度适配不同企业的安全生产痛点，提供“技术 业务”双驱动的解决方案，验证了平台在降本提效、风险防控、合规保障等方面的核心价值。以下选取典型客户案例，从案例背景、解决方案、实施效果三个维度，详细阐述平台的实际应用路径与落地成效，为同行业企业智能化转型提供可参考、可复制的实践经验。8.1 案例背景案例背景 某化工新材料企业是一家专注于高端化工中间体、高性能新材料研发与生产的中型制造企业，总部位于烟台黄渤海新区，年产能超 5 万吨，产品广泛应用于医药、电子、新能源等领域。企业生产流程涉及硝化、加氢、精馏等多道高危工艺，车间内布局有反应釜、储罐、输送管道等关键设备，同时存储有甲醇、苯等危险化学品，安全生产管理难度较高，在引入企业级安全生产智能体应用平台前，面临多重典型痛点：从隐患排查管理来看，企业长期依赖人工巡检模式，6 个生产车间每日需安排 12 名巡检人员分 3 班开展巡查，隐患识别高度依赖员工经验管道细微泄漏、阀门密封件老化等隐蔽性隐患，人工检出率不足 50%；巡检记录需手动填写纸质表格，每日整理成电子报告耗时超 2 小时，且存在数据填写不规范、关键信息遗漏等问题，难以满足应急管理部门对隐患追溯的要求。2023 年，企业因人工漏检导致的小型泄漏事故发生 2 起，虽未造成人员伤亡，但直接导致车间停产整改 3 天，经济损失超 80 万元。在设备管理层面，企业核心生产设备（3 台高压反应釜、8 台精馏塔）已运行 5-8 年，逐步进入故障高发期，但仍采用“事后维修”模式：设备故障需依赖操作人员发现异常后上报，维保人员到场排查故障原因平均耗时 4 小时，非计划停机时间每月累计达 12-15 小时；同时，设备运维记录分散存储于不同维保人员的电脑中，未形成结构化台账，类似“反应釜搅拌轴磨损”的故障重复出现 3 次，每次整改方案均需重新制定，设备管理效率低下。员工培训与平台操作方面，企业现有安全生产管理平台功能模块达 23 个，新入职的巡检员、操作工等一线员工需通过 1 周集中培训才能初步上手，且实际操作中仍频繁出现“不知如何提交隐患记录”“找不到设备维保申请入口”等问题，每月因操作不熟练导致的业务延误超 10 次；此外，企业安全培训内容更新滞后，企业级安全生产智能体白皮书 62 2024 年新修订的 危险化学品企业特殊作业安全规范 未及时纳入培训体系，部分员工仍按旧标准操作，存在合规风险。数据管理与合规上报环节，企业安全数据分散于隐患记录系统、设备管理平台、培训档案库 3 个独立系统，跨系统数据调取需人工导出 Excel 后二次整合，统计“季度隐患整改率”需分别从 3 个系统提取数据，耗时超 1 天；同时，向省应急管理平台上报隐患数据时，需安排专人将企业内部格式数据手动转换为标准格式，2023 年曾因数据格式错误导致上报延误，被监管部门通报批评。这些痛点不仅制约企业安全生产管理效率，也难以满足日益严格的行业监管要求，亟需通过智能化手段实现突破。8.2 解决方案解决方案 针对某化工新材料企业的安全生产痛点，山东渤聚通云计算有限公司为其部署企业级安全生产智能体应用平台，采用“私有云部署 公有云协同”的混合云架构，深度对接企业现有安全生产业务管理云平台，围绕隐患排查与治理、设备预测性维护、安全生产平台操作、员工教育培训四大核心场景，提供全流程智能化解决方案。8.2.1 隐患排查与治理智能化方案隐患排查与治理智能化方案 为解决人工巡检效率低、数据上报不规范问题，平台重点搭建“感知-识别-推送-整改-上报”全闭环体系。在硬件部署上，为企业 6 个生产车间加装 28 台符合GB/T28181 标准的高清监控摄像头（覆盖反应釜、储罐区、输送管道等关键区域），同时部署 32 个气体传感器（监测甲醇、苯等有毒气体浓度）、16 个振动传感器（安装于反应釜搅拌轴、泵体等部位），通过物联中台管理子系统实现设备统一接入与实时数据采集，数据传输延迟控制在 100ms 以内。在智能识别环节，隐患排查与治理智能体调用文本提取算法、YOLO 图像识别算法，自动处理巡检人员手持终端上传的检查表照片（提取文本隐患信息）、车间监控视频（识别管道泄漏、阀门异常、人员未穿防护服等隐患），识别准确率达 92%；针对气体浓度超标、设备振动异常等数据类隐患，系统通过预设阈值自动触发预警，例如当苯浓度超过 5mg/m时，立即生成一级预警。隐患推送与整改阶段，平台结合企业人员定位系统（北斗定位终端），将隐患信息精准推送至附近巡检人员及对应车间负责人的移动端，推送内容包含隐患位置（精确到具体设备编号）、风险等级、初步防控建议；同时，智能整改建言模块调用化工安全生产知识图谱（含 8000 知识节点），匹配类似历史案例与 危险化学品安全管理条例相关条款，生成包含作业流程、工器具清单、安全措施 企业级安全生产智能体白皮书 63 的标准化整改方案，减少人工决策时间。数据上报环节，平台数据治理管理子系统按省应急管理平台要求，自动完成隐患数据的格式转换、字段校验，每日凌晨自动同步上报数据，无需人工干预，上报成功率达 100%。8.2.2 设备预测性维护方案设备预测性维护方案 针对设备故障预警滞后、运维效率低问题，平台从数据采集、健康监测、故障预测、维修调度四方面构建解决方案。数据采集层通过接口对接企业现有 PLC、DCS 系统，实时采集 3 台高压反应釜、8 台精馏塔的运行参数，同时接入设备历史维保记录，存储于时序数据库中，支持按设备 ID、时间范围快速查询。设备健康监测模块基于采集的特征值，构建健康度评估模型，采用 LSTM 神经网络算法计算设备健康得分（0-100 分），并生成趋势图（支持按日、周、月查看）例如当反应釜健康得分从 90 分降至 75 分时，系统自动标记为“亚健康状态”，推送提醒至设备管理部门。异常趋势预测环节，平台数智分析管理子系统运用 ARIMA 时序预测算法，对设备关键指标进行未来 72 小时趋势预测，当预测值接近阈值时，触发故障预警；同时，通过孤立森林异常检测算法识别潜在故障点，例如 2024 年 11 月通过分析搅拌轴振动数据，提前 48 小时预警“轴承磨损”故障，避免设备停机。维修调度与方案支持方面，平台整合企业 ERP 系统中的备件库存数据，当生成维修任务时，智能查询备件可用数量与库位，并结合维保人员排班表，优化调度安排；同时，维修方案建议模块基于设备故障类型与历史维保记录，自动生成维修步骤、工时估算及备件清单，维修人员可通过移动端查看并执行，维修记录自动同步至设备台账。8.2.3 安全生产平台操作优化方案安全生产平台操作优化方案 为降低员工平台使用门槛，平台部署安全生产平台操作智能体，实现“问答-引导-检索-推荐”一体化支持。智能问答助手嵌入企业现有安全生产管理平台界面，支持文本与语音输入，员工输入问题后，系统通过 BERT 自然语言处理算法解析语义，调用常见问题知识库，返回详细操作步骤；针对复杂问题，自动转接至管理员后台，确保响应时效。操作流程引导模块通过前端埋点技术，实时获取员工当前页面与角色，在页面右侧生成动态帮助浮窗，提示“下一步操作”与注意事项；同时，针对高频操作，提供场景导航功能，员工点击“快速入口”即可直达对应模块，减少页面跳转。制度法规检索功能整合企业内部制度、国家法规共 56 份文档，支持语义搜索例如员工搜索“受限空间作业要求”，系统快速提取关键条款并生成精炼摘 企业级安全生产智能体白皮书 64 要，检索响应时间3 秒；同时，系统自动监测法规更新，2024 年新增的化工园区安全风险排查治理导则发布后，72 小时内完成知识库更新并推送提醒至安全管理部门。个性化工作台方面，平台基于员工角色与操作习惯，自动推荐功能入口，支持拖拽调整布局；同时，汇总平台使用常见问题形成 FAQ 专区，新员工可通过“新手引导”功能快速熟悉平台核心操作，缩短上手周期。8.2.4 员工教育培训智能化方案员工教育培训智能化方案 为解决培训内容滞后、效果不佳问题，平台构建“画像-推送-考核-评估”的个性化培训体系。员工能力画像模块对接企业人力资源系统、培训记录系统，通过大语言模型算法提取岗位技能维度，量化员工技能掌握程度，生成可视化能力画像，清晰标注短板模块。学习路径推送环节，系统根据能力画像，自动从培训资源库中筛选匹配内容例如针对“受限空间作业指挥”短板的员工，推送受限空间作业安全规范解读视频课程（45 分钟）、受限空间应急演练案例文档及 10 道专项试题，员工可通过移动端碎片化学习，学习进度自动同步至平台。智能题库生成模块基于企业培训大纲与岗位说明书，运用大语言模型算法自动生成选择题、判断题、案例分析题，支持按岗位、难度设置参数，自动组卷生成个性化试卷；考试模式分为“现场练习”（支持即时纠错）与“正式考试”（限时、防作弊），考试成绩自动录入系统并关联能力画像，更新技能得分。培训效果评估方面，平台数智分析管理子系统生成培训达成率报表、错题分布图表，同时支持积分、排名激励机制员工完成课程得 10 积分，考试优秀得 20 积分，积分可兑换安全防护用品，月度积分排名前 10 名员工展示于“荣誉墙”，提升培训参与度。8.3 实施效果实施效果 某化工新材料企业引入企业级安全生产智能体应用平台后，通过近 1 年的落地运行，在隐患排查、设备管理、平台操作、员工培训四大核心场景实现显著优化，同时在成本控制、合规管理、管理效率等方面取得实质性突破。8.3.1 隐患排查与治理效率大幅提升，风险防控能力显著增强隐患排查与治理效率大幅提升，风险防控能力显著增强 在隐患识别层面，平台多模态识别技术有效解决人工巡检漏检问题文本隐患提取准确率达 93%，图像隐患识别准确率达 92%，较人工巡检 50%的检出率提升超 80%；2024 年企业隐蔽性隐患发现数量较 2023 年增加 112 起，其中 企业级安全生产智能体白皮书 65 98%在萌芽阶段完成整改，未再发生因漏检导致的泄漏事故，车间停产整改次数从 2023 年的 2 次降至 0 次，直接减少经济损失超 150 万元。隐患处置效率方面，“智能识别-精准推送-整改反馈”全流程周期从人工时代的平均 48 小时缩短至 8 小时，整改响应速度提升 83%；标准化整改方案的复用率达 75%，重复隐患发生率从 2023 年的 28%降至 9%，例如“精馏塔管道轻微泄漏”隐患，通过复用历史整改方案，整改时间从 6 小时压缩至 2.5 小时。数据上报环节实现 100%自动化，上报成功率从人工填报的 85%提升至 100%，2024 年未出现数据格式错误或上报延误问题，顺利通过省应急管理部门 4 次专项检查，合规性评分从 2023 年的 82 分提升至 96 分。8.3.2 设备管理从设备管理从“事后维修事后维修”转向转向“事前预防事前预防”，生产连续性显著改善，生产连续性显著改善 设备健康监测与故障预测功能有效降低非计划停机风险平台对 3 台高压反应釜、8 台精馏塔的故障预测准确率达 80%，较人工预判 30%的准确率提升167%，2024 年共提前预警“反应釜密封件老化”“精馏塔塔板堵塞”等故障 17 起，其中 15 起通过预防性维护避免停机，设备非计划停机时间从每月 12-15 小时降至 3-4 小时，降幅超 70%，按企业日均产能 140 吨、产品均价 8000 元/吨计算，每月减少产能损失约 89.6 万元。设备运维效率与成本控制成效突出标准化维修方案使单台设备维修时长从平均 4 小时缩短至 1.5 小时，维保人员工作效率提升 62.5%；同时，智能备件查询与调度功能减少备件库存积压，2024 年设备备件库存金额从 2023 年的 85万元降至 58 万元，降幅 31.8%，且未出现因备件短缺导致的维修延误；此外，设备健康度评估模型使设备平均使用寿命延长 1.2 年，2024 年设备更新投入较计划减少 60 万元，综合设备管理成本降低 28%。8.3.3 安全生产平台操作门槛安全生产平台操作门槛降低，员工工作效率显著提高降低，员工工作效率显著提高 安全生产平台操作智能体有效解决员工“用不好、查不快”的问题智能问答助手日均响应员工咨询 120 余次，问题解决率达 95%，员工因操作疑问咨询IT 部门的次数从每月 45 次降至 8 次，IT 支持成本减少 82%；动态帮助浮窗与场景导航功能使员工完成“隐患记录提交”“维保申请发起”等高频操作的时间从平均 15 分钟缩短至 5 分钟，操作效率提升 67%。制度法规检索与个性化工作台进一步释放效率红利语义搜索功能使员工查询法规条款的时间从平均 20 分钟压缩至 2 分钟，检索效率提升 90%；2024年新修订的危险化学品企业特殊作业安全规范发布后，员工通过平台快速获取关键更新内容，规范落地周期从以往的 1 个月缩短至 1 周，违规操作发生率从5%降至 1.2%。个性化工作台使员工日均打开平台模块的次数从 18 次减少至 9 企业级安全生产智能体白皮书 66 次，无效操作时间减少 50%，整体工作效率提升 35%。8.3.4 员工培训精准度与参与度提升，安全意识与技能显著增强员工培训精准度与参与度提升，安全意识与技能显著增强 员工教育培训智能体实现“因材施教”的培训目标基于能力画像的个性化学习路径推送，使员工培训内容匹配度从 60%提升至 92%，新员工培训周期从1 周缩短至 3 天，且培训后实操考核通过率从 75%提升至 95%、安全法规测试平均分从 68 分提升至 85 分，确保培训周期缩短的同时，新员工安全操作能力与合规认知达标，培训成本（含教材、讲师、场地）降低 40%；2024 年员工安全技能考试平均分从 72 分提升至 88 分，及格率从 85%提升至 98%，其中“受限空间作业”“危险化学品检测”等关键技能满分率达 65%，较 2023 年提升 40 个百分点。培训效果与员工参与度形成良性循环积分与荣誉墙激励机制使员工培训完成率从 2023 年的 78%提升至 99%，日均培训时长从 30 分钟增加至 45 分钟，主动学习意识显著增强；同时，培训效果评估数据为课程优化提供支撑，2024年针对“特殊作业许可办理”等错题率较高的模块，更新课程内容 32 处，新增案例分析题 45 道，员工对培训内容的满意度从 75%提升至 92%。此外，2024 年企业未发生因员工技能不足或违规操作导致的安全事故，员工安全意识与企业安全管理水平实现同步提升。企业级安全生产智能体白皮书 67 9 未来展望未来展望 面向未来，企业级安全生产智能体正站在技术创新与产业变革的关键节点。随着人工智能、大数据、物联网等前沿技术的持续突破，以及安全生产需求的不断升级，安全生产智能体的发展将迎来全新的机遇与挑战。在技术维度，算法精度与效率的提升、数据价值的深度挖掘、物联感知能力的强化，将重塑安全生产管理的技术底座；在应用层面，跨行业场景的拓展、与企业其他管理系统的深度融合，以及与新兴技术的协同创新，将进一步释放安全生产智能体的潜力。以下从技术发展方向与应用拓展前景两个方面，对企业级安全生产智能体的未来进行深入展望。9.1 技术发展方向技术发展方向 在人工智能算法层面，未来将聚焦于精度与效率的双重突破，以实现更精准的隐患识别、故障预测与智能决策。一方面，深度学习算法将进一步优化，通过改进卷积神经网络（CNN）、循环神经网络（RNN）及其变体等模型结构，提升对复杂场景下安全隐患的识别能力。在图像识别领域，算法将能够更准确地检测出微小的设备裂纹、管道腐蚀等隐患，识别精度有望从当前的 90%-95%提升至98%以上；在文本分析方面，自然语言处理（NLP）技术将实现对安全日志、维修记录等非结构化数据的深度理解，自动提取关键隐患信息，为后续决策提供有力支撑。另一方面，强化学习与迁移学习等技术的应用将提高智能决策的效率与准确性。强化学习可使智能体在复杂的安全生产环境中，通过不断试错与优化策略，自主学习最优决策方案，实现对隐患的快速响应与处理；迁移学习则能将在某一领域或场景中训练好的模型，快速应用到其他相似场景，减少模型训练成本与时间，加速安全生产智能应用的落地。同时，边缘计算与人工智能的结合将推动算法在本地设备的实时运行，降低数据传输延迟，实现对设备故障的毫秒级预测与预警，极大提升系统的响应速度与可靠性。大数据分析与挖掘技术的发展，将进一步释放安全生产数据的价值，为企业提供更具针对性的管理建议。未来，大数据分析将从传统的描述性分析向预测性分析与规范性分析转变。通过引入先进的机器学习算法与数据挖掘技术，关联规则挖掘、聚类分析、时序预测等，深入剖析安全生产数据之间的潜在关系与变化规律。例如，对设备运行参数、环境监测数据、历史事故记录等多源数据进行关联分析，可提前预测设备故障、环境风险等安全隐患发生的概率与时间，帮助企 企业级安全生产智能体白皮书 68 业制定预防性维护计划与风险防控措施。结合数据可视化技术，将复杂的分析结果以直观易懂的图表、仪表盘等形式呈现，使企业管理人员能够快速获取关键信息，做出科学决策。此外，大数据分析还将与知识图谱技术深度融合，构建涵盖安全生产法规标准、操作规范、专家经验等内容的知识网络，实现数据与知识的双向驱动，为企业提供智能化、个性化的安全管理解决方案，助力企业提升安全生产管理水平。物联网技术的广泛应用将实现更全面、实时的设备状态感知与环境监测。未来，物联网设备将朝着微型化、低功耗、高集成度方向发展，使得在安全生产场景中能够部署更多、更隐蔽的传感器节点，实现对设备关键部件、生产环境的全方位监测。在化工企业中，通过在反应釜、管道等关键设备上安装微型传感器，实时采集温度、压力、流量、振动等参数，结合区块链技术保证数据的真实性与完整性，为设备健康管理与故障预测提供准确的数据基础。物联网技术与 5G、卫星通信等通信技术的融合，将实现数据的高速、稳定传输，打破地域限制，使偏远地区或危险作业环境中的设备与环境数据能够及时回传至监控中心。物联网设备的自组织网络与边缘计算能力将得到增强，实现数据的本地处理与分析，减少对云端的依赖，提高系统的自主性与可靠性。9.2 应用拓展前景应用拓展前景 未来，安全生产智能体将打破行业边界，实现应用场景的全方位拓展与深度渗透，同时通过技术融合与系统集成，构建更智能、更高效的安全生产管理生态。在行业与场景拓展方面，安全生产智能体将从传统制造业、化工等领域，加速向能源、交通等行业延伸。在能源领域，无论是石油天然气的开采储运，还是电力系统的发输配电，安全生产智能体都将发挥关键作用。在石油开采现场，智能体可通过部署在钻井平台、输油管道上的各类传感器，实时监测设备振动、压力、温度等参数，结合 AI 算法预测设备故障，提前安排维护，避免因设备损坏导致的原油泄漏事故；在电力行业，智能体能够对变电站设备进行智能巡检，利用无人机搭载高清摄像头和红外热成像仪，自动识别电力设备的外观缺陷、温度异常等问题，还可对输电线路周边的树木生长、违章建筑等隐患进行监测，保障电网安全稳定运行。交通领域同样是安全生产智能体的重要应用方向。在铁路运输中，智能体可对铁轨状态、列车运行参数进行实时监测，通过分析轮轨磨损数据、列车振动情况，预测潜在的行车安全风险，及时安排检修；在城市轨道交通中，智能体能够对车站的客流密度、电梯运行状态、消防设施等进行全方位监控，一旦发现异常 企业级安全生产智能体白皮书 69 情况，立即启动应急响应机制，保障乘客安全。在公路运输方面，智能体可应用于长途货运车辆的安全管理，通过车载传感器和摄像头，实时监测驾驶员的疲劳状态、车辆的行驶速度和轨迹，对超速、疲劳驾驶等危险行为进行及时预警。在系统集成层面，安全生产智能体将加强与企业其他智能系统的深度融合，实现整体管理的智能化协同。企业内部通常已部署 ERP（企业资源计划）、MES（制造执行系统）、CRM（客户关系管理）等多种管理系统，未来安全生产智能体将与这些系统打通数据壁垒，实现信息共享与业务联动。当安全生产智能体检测到设备故障时，可自动将维修需求同步至 ERP 系统，触发备件采购流程；同时将生产计划调整信息反馈给 MES 系统，确保生产任务的合理安排。此外，安全生产智能体还能与企业的应急指挥系统集成，在发生安全事故时，快速调取人员、物资、设备等相关信息，制定科学的应急救援方案，提高应急处置效率。在技术融合创新方面，安全生产智能体将与 5G、边缘计算等技术深度融合，进一步提升系统的实时性和可靠性。5G 网络的高带宽、低延迟特性，能够支持大量高清视频、传感器数据的快速传输，使安全生产智能体能够实时获取现场的高清图像和精准数据，实现对安全隐患的及时发现和处理。在危险化学品生产车间，通过 5G 网络将监控视频和设备数据实时传输至云端智能体，智能体可迅速分析判断是否存在泄漏、火灾等风险，并立即发出警报。边缘计算技术则将数据处理能力下沉到靠近数据源的边缘设备，减少数据传输延迟和对云端的依赖。在矿山等网络信号较弱的场景中，边缘计算节点可对传感器采集的数据进行本地分析和处理，快速识别设备异常并及时采取措施，同时将关键数据上传至云端进行进一步分析和存储，保障安全生产监测系统在复杂环境下的稳定运行。

2025-10-10 73页 5星级