系统建设 2—— 管线管理子系统 地图管理 信息查询 数据统计 系统分析 动态更新 数据转换输出 工程工具 数据管理 系统管理维护 距离量算 面积量算 扯旗标注 特征点坐标标注 管线属性标注 管点属性标注 系统建设 2—— 管线管理子系统 地图管理 信息查询 数据统计 系统分析 动态更新 数据转换输出 工程工具 数据管理 系统管理维护 管线图层编辑 竣工测量数据导入编辑 SDE 调图 查询统计 断面分析 管点、管线 编辑 管点、管线 标注 系统建设 5—— 管线 CAD 查询与编辑子系统 SDE 调图 查询统计 断面分析 管点、管线 编辑 管点、管线 标注 系统建设 5—— 管线 CAD 查询与编辑子系统 SDE 调图 查询统计 断面分析 管点、管线 编辑 管点、管线 标注 系统建设 5—— 管线 CAD 查询与编辑子系统 SDE 调图 调图 查询统计 断面分析 管点、管线 编辑 管点、管线 标注 系统建设 5—— 管线 CAD 查询与编辑子系统 SDE 调图 查询统计 断面分析 管点、管线 编辑 管点、管线 标注 系统建设 6—— 管线设计审查子系统 • 地下综合管线设计 • 设计方案审核 • 各类报表及图表输出 • 规划和验线比对 目标：完成地下管线设计、方案审查、指标核算 系统建设 7—— 管线三维应用子系统

二、森林消防特色应用 在综合监测平台的森林应急消防功能下，可通过实时回传的视频信 息，在吊舱视角模式下，实现快速标注火点、火场、火线等信息，以及标 绘现场消防人员部署情况和风力风向情况等，并将这些标注信息的坐标数 据保存在系统中。 图 4.2 森林消防技术路线图 （一）火点标注功能 在电子沙盘实时显示飞机、吊舱位置的情况下，进入吊舱视角浏览模 “ 式，三维地图的视角将与实时视频实现对应。点击右侧列表中 布，操作人员可以在三维地图上连续点击完成火点信息的标注。 图 4.3 火点标注示意图 （二）火线标注功能 在电子沙盘实时显示飞机、吊舱位置的情况下，进入吊舱视角浏览模 “ 式，三维地图的视角将与实时视频实现对应。点击右侧列表中 绘制火 ” 线 按钮，地图即进入标注火线的模式，操作人员使用鼠标在地图上连续点 击可以完成一条火线的标注，右击鼠标可退出当前模式。 图 4.4 火线标注示意图 （三）火场标注功能 在电子沙 绘制火 ” 场 按钮，地图即进入标注火场的模式，操作人员使用鼠标在地图上连续点 击可以完成一个火场的标注，右击鼠标可退出当前模式。再次点击该按钮 可以开始下个火场的标注。 图 4.5 火场标注示意图 （四）消防人员标注功能 该操作类似于火点信息标注。 图 4.6 消防人员标注示意图 （五）风向标注功能 该操作类似于火线信息的标注。 图 4.7 风向标注示意图 三、应急研判特色应用

括但不限于算力资源跨地域 汇聚、异构算力支持、资源隔离与调度、高可用性与容错性、性能监控与分析等。 （3）算法服务。提供行业级算法服务能力，包括但不限于基础算法库、算 法开发与优化工具、数据标注基础模型、智驾模型训练与测试环境、智能驾驶基 础模型、剪枝压缩部署工具等。 2 智能驾驶智算数据平台发展现状分析 2.1 国外现状分析 2.1.1 国外企业及项目建设情况 （1）智能驾驶开发商及汽车厂商 研发，并且开发了高度真实的仿真平台，兼具 WorldSim 和 LogSim 仿真能力。 Waymo 的主要优势之一在于可依托 Google 在全球的用户网络，通过用户的 机器人验证进行道路交通对象数据标注，帮助 Waymo 建立高质量数据集。此外， Waymo 还通过高保真模拟驾驶环境用于补充真实世界的数据。 Wayve 积极利用人工智能算法开展自动驾驶系统开发。2023-2024 年，Wayve （3）我国智能驾驶数据集开放程度不佳 目前，国外智能驾驶领域拥有丰富的数据集资源，例如 nuPlan、Argoverse 和 Waymo Open Dataset 等。这些数据集不仅涵盖了多样化的驾驶场景，还提供了高 质量的标注，广泛应用于感知、决策、规划等关键环节的算法开发。相比之下， 我国的数据共享机制尚未充分发展，目前公开的国内数据集少之又少，开放的数 据集数量和质量不足，这对智能驾驶算法开发造成一定限制。 （4）数据共享与开放机制不完善

.......................................................................................57 4.2.2 数据标注................................................................................................... 透 明化、规范化和智能化，与国家治理现代化的目标相一致，推动法 治政府的建设。 项目的成功执行需要整合多方资源，明确合作、协调机制。技 术团队需深入了解政务需求，法律专家需协同参与法律文本的标注 和模型训练。此外，项目会关注数据安全与隐私保护，确保用户信 息的安全性与合法性。 通过全面的需求调研与技术方案设计，本项目将紧密结合实 际，确保政务 AI 法制员大模型的可行性和高效性，真正成为政务 模型类型 适用场景 优点 缺点 基于规则的 模型 简单法律问题处理 高效、准确 难以处理复杂情境 基于统计学 习的模型 法律文本分析、情感分析 能够识别模式，适用 性较广 需要大量标注数据 基于深度学 习的模型 多轮对话、法律问答、文 书生成 强大的特征提取能力 需要大量计算资源 混合模型 复杂法律问题的推理 综合优点，适应性强 实现复杂，可能需要 调优 通过以上

___________________________________________________________________________________ 6 数字化转型项目方案 标注、三维工艺设计管理、产品运营监控看板、仿真分析、电子手册管理、现场服务管理、问题管 理等是首要的建设需求。 最终建设打造一体化的全生命周期数据管理平台。并实现与企业其他系统的集成包括 OA、CRM、HRS、SRM、ERP 实现计算公式或过程的可视化，便于相关设计师了解计算过程或公式； 3) 实现计算内容的可配置和扩展功能。  MBD 三维标注： 1) 基于现有的产品标注的模式，定义 MBD 三维标注的标准标准； 2) 基于现有的三维标注标准，基于 Creo 进行二次开发三维标注工具，按照不同制造类型 的模型，进行 MBD 三维标注； 3) 针对三维标注的模型，实现基于 Windchill 的存储、管理、签审，实现无纸化的设计。  设计导航 的有效性，避免现有的方式（只修改二维图不修改三维模型），同时控制了三维模 型的状态，便于其他产品的针对历史数据的借用，提高设计效率。  解决方案 a) 首先通过访谈，与研发、标准化针对于图面标注标准达成一致意见，形成二维图标 __________________________________________________________________________________

........................................81 4.2 数据标注与训练..................................................................................82 4.2.1 标注规范制定............................................... 联 住建、社保等 6 大系统的 124 类数据字段，生成完整办事指南的耗 时从 40 分钟缩短至 3 分钟。知识图谱构建效率对比实验表明，在 建立市级人才引进政策图谱时，DeepSeek 所需标注量仅为传统方 法的 18%。 在系统适配性层面，提供灵活的部署方案组合：支持私有化部 署的轻量化版本可在 8 核 CPU/32G 内存环境下实现 200+并发，响 应时间控制在 800ms 以内。云端混合架构下，通过智能流量分配 功能模块 技术实现 效能提升指标 格式校验 基于规则引擎的 PDF/图片解析 错误率下降 62% 逻辑校验 自然语言理解交叉核验材料间一致性 平均处理时长缩短 45% 智能补正建议 生成带高亮标注的修改指引 一次通过率提升 28% 跨部门协同场景 通过智能体构建虚拟协作中枢，解决传统串联审批效率瓶颈。例如 建设工程联合验收场景： 该设计使某开发区项目验收周期从 15 天压缩至 6 天，关键路

Spark 推理引擎 Prometheus ElasticSearch 流 引 擎 (CEP+UDF) 故障预警 模型训练 电池分析 报表分析 数据标注 详单查询 车联网应用 OpenTSDB HBase 倒排索引 列存：分析 批量 写入 实时 写入 SQL 动态列 稀疏表 数据应用及报表 A P S A R A 云 栖 大 会 客户案例 数据清理与处理 数据标注 数据网关 量产车 工程车 • 简单易用，多模一体化存查算，业务开发大幅提效 • 高扩展与性价比，存算分离云原生架构，成本优化 以 上 数据工程师 数据报表 数据大屏 数据筛选、验证计算、统计分析 Lindorm 一体化数据存储计算 自动驾驶元数据 标注数据 电动汽车 智能网联 汽车 加氢站 数据 电池溯源 数据 Momenta 自动驾驶数据平 台 数据 场景 数据 基座 Lindorm 流引擎 实时 ETL

算力 架构分层解耦 ，硬件、平台、应用多品牌兼容扩 展 细粒度管理 算力调度 算力池化 先进 IP 试 验网 络 视 频 推 理 共享 敏捷 安全 加速 兼容 生态 数据管理 数据标注 数据加工 运营管理 安全管理 资源管理 能力门户 算力云平台 平 台 算力管理 数据平台 人工智能平台 试验 算力 件 应 用 硬 件 智算中心： 算力管理（资源动态分配 ， 算力利用率提升） 以数据共享服务的形式进行数据封装， 提供统一的数据开放共享 ，提供数据 API 、数据应用等多种共享模式 敏捷：新技术赋能数据开发与标注 依托 DataOPS 进行数据应用的快速 开发 ，通过自动化标准能力 ，提升数 据标注效率 安全：多角度的数据安全保障 基于数据集访问权限 ，数据安全沙 箱 ，防下载等实现数据的安全保障 IoT 物联网 Streaming 数据资产 数据模型 数据字典 任务管理 质量分析 自动标注 人工标注 质量管理 权限管理 数据质量、 数据描述等 缺失填补 归一化等 3 、特征工 程 1 、探索分 析 数据标注 第三方接入 数 据 源 训练中心 推理中心 智算中心： 数据中心（端到端数据治理服务） 面向 AI 训练与 AI 应用 ，提供数据接入、 开发、 资产、 标注、 开放的端到端数据治理能力 ，做好数据准备的同时

....................................................................................65 3.3.2 数据增强与标注................................................................................................... 微调的基础，需要确保数据的广泛性、准确性和代表性。具体来 说，可以通过以下途径获取数据：  农业科研机构和高校：这些机构通常拥有大量的实验数据和研 究成果，获取这些数据可以为模型提供高质量的标注信息。  农业合作社和农场：通过与这些实体的合作，可以获得实际的 农业生产数据，包括种植、养殖、病虫害防治等方面的记录。  政府公开数据：许多政府机构会发布农业统计数据、气象数 据、土壤 数据质量 符合模型训练的要求。数据处理的主要步骤包括： 1. 数据清洗：去除重复数据、填补缺失值、纠正错误数据，确保 数据的准确性和一致性。 2. 数据标注：对于监督学习任务，需要为数据添加相应的标签。 可以通过专家标注、众包标注等方式进行。 3. 数据增强：通过数据增强技术，如旋转、缩放、噪声添加等， 增加数据的多样性，提高模型的泛化能力。 为了更直观地展示数据处理流程，可以使用

AIGC赋能自动驾驶应用 传统的数据标注需要海量的人工，但人工标注在效率和成本方面已经难以满足模型训练对海量数据集 的需求。同时，数据复杂度也在不断提升，从2D走向3D，直到4D数据，除了视频，还包括点云数据 的标注。具体而言，人工标注的不足包括： 1. 成本高：自动驾驶技术需要大量的数据来进行训练和测试，这些数据量通常都非常巨大，需要耗费 大量的时间和人力来进行标注。 2.标注的复杂性高：自动驾驶技 识别和跟踪，这些标注需 要高精度、高效率、高可靠性和高一致性，难度越来越高。 3.不能确保标注的一致性和规范性：在自动驾驶领域，数据的标注需要遵循一定的规范和标准，以确 保数据的准确性和一致性。 基于云端的离线大模型的数据标注方法对以上问题迎刃而解。离线模型可以对大量数据进行预处理， 在批量处理中自动化标注大量数据，并且可以保证数据的标注质量和一致性，从而大大提高数据标注 的效率，降低 的效率，降低数据标注的人力成本和时间成本。云端的大模型不但可以对数据进行自动化标注，还可 以进行多模态数据挖掘，用自然语言来进行数据预处理，例如检索特定场景数据、挖掘长尾数据等。 4.1.3 基于AIGC的自动化数据标注 图4.1-1 4D数据标注需要自动化数据标注才能满足成本和效率的需求 汽车产业 AIGC 技术应用白皮书 38 PAGE 4.1 AIGC赋能自动驾驶应用 自动驾驶的核心挑战在