目前国产超算平台架构多样，不同国产超算平台编程模型不同，给应用程序在多平台上的实现和调 优工作带来巨大的挑战。本案例面向一套源码跨平台可移植的需求，开发了一种面向国产超算平台的统 一编程框架软件，以解决不同超算平台之间软件性能可移植问题，提高国产超算平台的软件开发效率和 应用性能。框架软件采用组件化设计和统一编程接口，研究不同平台的统一内存管理策略，支持不同架 构的国产超算平台，实现高效的并行计算和优化编程。通过提供丰富的工具和库，简化开发和调试过 2 针对不同架构的并行特性和内存结构优化，性能和原生语言持平。 3 对并行编程细节的高度抽象，降低并行编程难度及代码量。 案例详细信息 case Details 1. 技术创新突破概述 本案例在软件技术方面的创新性主要表现在开发了一套面向国产超级计算系统的跨平台可移植并行 框架软件。该框架软件通过拓展开源性能可移植编程框架Kokkos [1]，增加了对国产超算架构如申威众核 8 年度技术创新类（前沿技术突破） 处理器及其编程模型的支持，同时针对对国产类GPU（Graphics Processing Unit）、华为鲲鹏等架构 的硬件特性进行优化。使C++中仿函数（Functor） 、匿名函数（Lambda expression）、模板元编程 （Template Metaprogramming）等功能特性开发统一内存管理和统一编程接口。区别于以往的转码机 制，实现由源

展规划》确立“三阶段发展目标”的宏伟蓝图，到《数字中国建设 整体布局规划》构筑“2522”整体实施框架，央地协同的政策体系 持续强化，为技术自主创新与产业智能化升级注入了强劲的驱动力。 智能化时代，以大语言模型驱动的智能代码生成、生成式人工 智能赋能的辅助设计以及智能化测试与智能运维工具链为代表的前 沿技术变革，正以前所未有的深度和广度，系统性地重构软件工程 的方法论、工具链与实践范式。软件工程已超越其传统边界，跃升 图 2 人工智能企业各国分布 （三）技术创新驱动持续深化，软件工程智能纵深发展 一方面，技术内生演进驱动工程方法革新。全球人工智能技术进 入体系化突破新阶段，推动软件工程向智能化纵深跃迁。大语言模型 （LLM）重构软件开发模式，生成式 AI 推动人机协同开发成为主流。 国际标准化组织（ISO/IEC JTC1）联合多国制定 AI 风险管理标准 （ISO/IEC 23894），推动企业从黑箱开发转向可解释性工程实践。 动态推理能力不足已成为大模型在软件工程领域落 地的核心技术瓶颈 尽管当前大模型的上下文窗口已扩展至数万甚至百万级 token， 但在涉及多步骤状态转移和复杂逻辑推理的场景中仍存在显著局限 性。研究表明，对于需要递归回溯的编程任务（如调试、算法优化）， 大模型的解决方案通过率显著低于人类开发者的平均水平，且错误类 型集中于状态追踪失误和逻辑断层。 软件工程智能化标准体系建设指南（2025 年） 8 3.数学建模与算法设计的理论基础不足仍是制约

5 种以上的开发工 具或者平台 5 名 以 上 的 专 业 开发工程师 1,000 行以上的代 码编程 3 个月的开发和部 署时间 完整团队参与 持续维护 1 2 3 4 5 敏捷开发、快速迭代 之后 CASK 平台 2 名开发人员 ~100 行 左 右 的代码编程 2 周左右的开 发和部署时间 ~1 周 / 月的 维护工作 1 2 3 4 5 >10x 自动创建软件应用程序的基础或开端。 • CASK 平台的可视化工具用于添加完成应用程序所需的分析、协作 和附加服务。 • CASK 平台包含了一个基于 JavaScript 和 SQL 的语言引擎，基 于 Java 的核心应用。 什么是 低 代 码 开 发 ? 对开发人员有什么要求 ?

符合岗位需求的候选人，已成为人力资源管理的核心挑战之一。传 统简历筛选方法主要依赖人工阅读与判断，不仅耗时耗力，还容易 因主观因素导致筛选结果的不一致性。随着人工智能技术的迅猛发 展，尤其是自然语言处理（NLP）和深度学习（Deep Learning） 的突破，基于 AI 的简历筛选工具逐渐成为人力资源领域的新兴趋 势。其中，DeepSeek 作为一种先进的 AI 技术，具备强大的文本 求和复杂多变的市场环境。随着技术的进步，特别是人工智能和机 器学习技术的迅速发展，人力资源部门正逐步引入自动化工具以提 高招聘效率和准确性。DeepSeek 作为一种先进的简历筛选工具， 能够通过深度学习和自然语言处理技术，快速分析和评估大量简 历，从而帮助企业更有效地识别和吸引高潜力人才。 传统的手动筛选简历方法不仅耗时，而且容易受到人为偏见的 影响，导致招聘效率和公正性大打折扣。相比之下，基于 AI 在当前人力资源管理领域，简历筛选是招聘流程中的关键环节 之一，传统的人工筛选方式虽然灵活但效率较低，尤其在面对大规 模招聘时，容易出现遗漏和偏差。随着人工智能技术的快速发展， 尤其是深度学习（Deep Learning）和自然语言处理（NLP）技术 的进步，引入自动化简历筛选系统已成为提高招聘效率和质量的重 要途径。本研究旨在探讨将 DeepSeek 技术应用于简历筛选的可行 性，通过分析其技术背景、实际应用案例以及潜在优势，为人力资

性能分析工具 主流HPC应用 Gromacs/VASP etc 人工智能框架 TensorFlow/PyTorch/ paddlepaddle 国内典型 异构应用 OpenMP/OpenACC 类CUDA编程环境 OpenCl 编译器 驱动 DCU加速卡 主流应用 函数库 开发环境 通讯加速库 SPARSE加速库 LAPACK加速库 PRIM FFT加速库 BLAS加速库 Thrust DNN加速库 支持C/C++/Fortran、OpenMP/OpenACC、Python编程，支持GPU Direct网络加速，支持多种 Profiling 方法 HYGON 09 10 HYGON 海光DCU行业实战手册 DTK异构计算平台 DTK（DCU Toolkit）集成了DCC（DCU Collect Compiler）编译器、经过验证和优化的计算库，支持多种编程语言，同时提供运行、 编译、调试和性能分析功能。 HIGHLIGHTS 实施效果 / IMPLEMENTATION RESULTS 针对全球金融市场每日产生的交易数据、舆情信息以及企业财报、行 业研报等多模态内容，客户亟需海光DCU强劲算力提供的自然语言 处理和多维度关联分析能力，以及实时推理与预测能力，实现对市 场、政策和风险的穿透式秒级洞察。 生产支持：选取市场成熟应用场景，率先将海光DCU引入生产 环境，支持数字客服、人脸识别、印章识别、手写体识别、营业执

黄仁勋表示，人工智能的下一个浪潮是具身智能。英伟达发布多模态具身智能系统 VIMA, > 2023 年，李飞飞等提出 VoxPoser 系统，将大语言模型 (LLM) 接入机器人。 > 2023 年，英国 EngineeΓed Arts 为 Ameca 接入 GPT:3/4 增强了其语言的灵活性并增强了其面部表情 , > 2023 年，中国傅利叶推出 GR-1 通用人形机器人，多模态大模型、高度仿生的躯干构型、拟人的运动控制；宇树科 本体：智能体的物理载体，具备感知、运动和操作能力。本体的形态和功能直接影响智能体的任务执行能力。 > 智能：负责感知、理解、决策和控制的核心模块，通常由多模态大模型 ( 如 LLM 、 VLM) 驱动。通过整 合视 觉、语言、触觉等多种模态数据，生成适应环境的行动策略。 > 环境：智能体交互的物理世界，包括动态变化的场景和任务目标。环境的复杂性和不确定性要求智能体具备 强大的适应能力和实时学习能力。 感知交 对象识别 场聚理解 … … 真实世界数据 知觉 温 度 触 行 动改变环境 反馈 安 全 与 隐 私 保 护 预 到 练视 觉 模 型 V F M S 视觉语言模型 V LMs/ 视 贷 语 言 动 作 模 型 V LAS 态学习 运动轨迹、力位、触觉等物理交互 数据 计算机视觉 多 频 态 合 感 如 3 D 重 理 与 场 聚 理解

总量的 5 倍以上。在传统制造 过剩和低附加值的背景下，“高端制造”成为转型必然，而具身智能 正是这一战略升级的底层支撑。 具身智能引领“自动化→智能化”的范式跃迁。传统机器人依赖 硬件与固定编程，而具身智能融合 AI 大模型、多模态感知、端到端 控制，实现感知—认知—决策—执行的动态闭环。应用场景有望从商 用、工业扩展到医疗、家庭、教育等，推动“软件定义硬件，硬件产 品承载软件剩余价值”的产业趋势发展。 二战后，随着信息论、控制论和计算机科学的兴起，人工智能与 机器人技术逐步拥有了最先的理论基础。1948 年，诺伯特·维纳提出 控制论；1950 年，艾伦·图灵发表了具有划时代意义的“图灵测试”； 1954 年，世界上首台可编程的机械臂“Unimate”诞生；1956 年，达特 茅斯会议正式确立了人工智能这一学科。但受限于早期算力和传感器 技术的局限性，相关应用仍处于探索阶段。 2. 产业化突破与日本引领（1960s-1980s） 年起，中国机器人产业进入高速发展期，销量跃居全球 首位，国产化率不断提高。2016 年，AlphaGo 的标志性胜利彰显了深 度学习技术的重大突破；2017 年，Transformer 架构的提出显著推动 了自然语言处理（NLP）的跨越式发展。至 2022 年，ChatGPT 3.5 与 特斯拉 Autopilot 系统将人工智能与机器人的融合推向了新的高度， 具身智能成为焦点领域，其核心在于实现感知-决策-执行的闭环协同。

其次，在招聘模块中，系统将实现从职位发布、简历筛选、面 试安排到录用决策的全流程管理。支持与主流招聘平台的接口对 接，实现简历自动导入与筛选。同时，系统将集成 AI 智能面试功 能，通过视频面试和自然语言处理技术，提升招聘效率。 在员工管理方面，系统将提供员工档案管理、考勤管理、薪酬 管理等功能。考勤模块将支持多种考勤方式，如指纹识别、人脸识 别、移动端打卡等，并与薪酬模块无缝衔接，自动生成工资单。此 面存在显著需求： 首先，企业在人才招聘方面亟需提升效率和精准度。通过数据 分析，发现当前招聘流程中存在简历筛选耗时长、候选人匹配度低 等问题。为提高招聘效率，需引入智能化人才匹配系统，借助自然 语言处理和大数据分析技术，自动筛选和推荐符合职位要求的候选 人。具体需求包括： * 简历智能解析与关键词匹配 * 自动化初筛与 候选人分级 * 职位画像与候选人画像智能匹配 其次，员 逐步完善系统功能。 3. DeepSeek 技术介绍 DeepSeek 技术是一种基于人工智能和大数据分析的先进人才 评估与管理系统，旨在帮助企业实现高效的人力资源管理。通过深 度学习算法和自然语言处理技术，DeepSeek 能够从海量数据中提 取有价值的信息，为企业在招聘、培训、绩效管理等方面提供科学 依据和智能化支持。 在招聘环节，DeepSeek 技术能够对候选人简历进行智能解

将客户细分为不 同的群体，并为每一群体提供个性化的产品和服务推荐。  预测分析：利用历史数据和机器学习算法，预测客户未来的购 买行为和偏好，提前制定营销策略。  自动化客户服务：通过自然语言处理技术，实现自动化的客户 服务，如聊天机器人，提高响应速度和服务质量。  风险管理：识别潜在的客户风险，如流失风险或欺诈行为，及 时采取预防措施。 为了更直观地展示 DeepSeek 大模型在 的决策过程，不仅提高了营销效率，还显著提升了客户满意度。 其次，大模型在客户服务中的应用潜力巨大。传统的客户服务 往往依赖于人工客服或预设的自动化流程，难以应对复杂的客户问 题。而大模型可以通过自然语言处理（NLP）技术，理解客户的自 然语言输入，并生成符合语境的响应。例如，当客户在在线聊天中 提出一个复杂的技术问题时，大模型可以迅速分析问题并提供详细 的解决方案，甚至可以根据客户的反馈动态调整回答，从而提供更 水平。该模型通过在大规模数据集上的预训练，能够理解和生成自 然语言，具备强大的文本分析、情感识别和对话生成能 力。DeepSeek 大模型的核心优势在于其高度可定制性，企业可以 根据自身业务需求，对模型进行微调，从而更精准地服务于特定的 客户群体。 在 CRM 应用中，DeepSeek 大模型能够实现多种功能，包括 但不限于： - 客户意图识别：通过分析客户的语言和行为，准确识 别其需求和意图，帮助企业快速响应。

互联网大数据采集系统基于云计算分布式技术架构，采用 聚合搜索引擎、海量数据存储管理、自然语言处理等技术，攻 克互联网信息碎片化、数据量巨大、数据格式标准不统一等技 术难点，实现互联网海量数据采集和结构化转换，形成统一的 高价值结构化数据库。 97 郎丰利 大数据云平台建设和运营整体解决方案 V3.0 郎丰利 技 术 能 力 自然语言 处理 聚合搜索 引擎 海量数据 管理  中文分词 正文抽取 正文抽取  新词识别  无关信息过滤  7× ２４小时全网采集  多种语言采集  覆盖主流知名网站  HDFS分布式文件系统  海量数据并行挖掘  通用数据接口 基于上述技术的系统架构图如下： 系统提供采集强大稳定的采集功能，并提供采集规则配置 98 郎丰利 大数据云平台建设和运营整体解决方案 V3.0 郎丰利 采集任务调度、采集任务监控、采集内容管理等丰富全面的管 理 理功能。系统数据采集具有覆盖范围广、采集准确性高、运行 稳定性强、资源占用率低等四个特点：  网站覆盖度广。系统采集范围覆盖国内外数万家主流网 站，支持多语言采集。  采集准确性高。系统利用先进的自然语言智能处理技术， 精准识别采集目标，过滤无关链接和广告等垃圾数据。  运行稳定性强。系统采用先进的云计算分布式架构，保 证了采集进程 7×２４小时稳定运行。  资源占用率低。系统采用优化的网页更新增量采集策略，