智能软件研发行业词条报告 国标分类/信息传输、软件和信息技术服务业/软件和信息技 术服务业/软件开发、头豹分类/信息传输、软件和信息技术 服务业/软件和信息技术服务业/软件开发 Copyright © 2025 头豹 2 智能软件研发：算力与场景双驱动，智能软件研发进入“平台+服 务”融合新阶段 头豹词条报告系列 饶立杰、饶立杰RLJ 2025-07-11 未经平台授权，禁止转载 行业分类： 法律声明 权利归属：头豹上关于页面内容的补充说明、描述，以及其中包含的头豹标识、版面设计、排版方式、文本、图片、图形等，相关知识产权归头豹所有，均受著作权法、商标法及 其它法律保护。 尊重原创：头豹上发布的内容（包括但不限于页面中呈现的数据、文字、图表、图像等），著作权均归发布者所有。头豹有权但无义务对用户发布的内容进行审核，有权根据相关 证据结合法律法规对侵权信息进行处理。头豹不对发布者发布内 人的知识产权及其他合法权益。如果权利人认为头豹平台上发布者发布 的内容侵犯自身的知识产权及其他合法权益，可依法向头豹（联系邮箱：support@leadleo.com）发出书面说明，并应提供具有证明效力的证据材料。头豹在书面审核相关材料 后，有权根据《中华人民共和国侵权责任法》等法律法规删除相关内容，并依法保留相关数据。 内容使用：未经发布方及头豹事先书面许可，任何人不得以任何方式直接或间接

掘、数据应用与展示及系统管理与维护等几个方面，通过这些功能 实现对公共安全事件的快速响应与有效管理。 首先，系统需要具备视频数据的采集与处理能力。该功能应支 持多种视频源的接入，包括但不限于监控摄像头、无人机、移动设 备等，同时能够进行实时视频流处理和存储。系统应能够对视频数 据进行预处理，包括去噪、解码和帧提取等操作，以确保后续分析 的准确性。 其次，智能分析与挖掘是系统的核心功能。该功能包括以下几 识别人群密度，触发警报并实时向指挥中心发送数据 异常运动 对于超速、逆行等行为进行识别并发起告警 遗留物品 识别可疑遗留物品，自动标记并发送至安保人员查验 突发事件 人员奔跑、动态聚集等情况，自动触发全局告警并锁定摄像头视角 系统在进行实时分析时，应结合 AI 大模型，实施深度学习算 法以提升对复杂场景的识别能力。特别是，通过训练模型识别不同 光照条件、天气变化等外部环境对视频图像的影响，从而增强系统 的适应能力。 障情况，保证系统的持久运行。 最后，系统的兼容性需求也需考虑。新引入的 AI 大模型系统 应具备与现有公共安全设备和系统的数据交换能力。这要求系统支 持多种视频编码格式和数据接口，以确保与不同品牌和型号的监控 摄像头、存储设备及警务系统的无缝对接。 综上所述，非功能需求涉及系统的性能、可用性、安全性、可 维护性及兼容性等多个方面，这些需求直接关系到公共安全领域 AI 视频智能挖掘应用的成功实施。通过充分考虑这些非功能需求，可

习等方面介绍具身智能训练的数据来源, 探讨大模 型如何为机器人训练带来丰富的数据; 最后在第 5 节对全文进行总结并提出研究方向. 1 感知与理解 在与环境的交互中, 具身智能通过摄像头、麦 克风等传感器接受原始数据, 并解析数据信息, 形 成对环境的认知. 在处理此类信息时, 大模型有着 强大的优势, 能有效处理整合多模态的输入数据, 捕获各模态之间的关系, 提取为统一的高维特征, 1.2 多模态环境建模 一些工作利用多模态大模型对环境进行建模, 实现具身智能对空间信息的多模态理解. 以 CLIP 为代表的多模态大模型由于包含跨模态的理解能 力, 可以用于编码摄像头输入的图片与包含用户任 务自然语言, 实现对环境的语义建模, 以增强具身 智能系统对环境的感知. 需要强调的是, 虽然本节 与第 1.1 节都提到了多模态大模型, 但第 1.1 节内 容倾向于直接利用模型进行 能够自回归地输 出动作序列以响应输入的多模态提示, 利用跨注意 力机制条件优于多模态提示, 并针对机器人操作任 务定制了一系列组件. 特别是在动作解码阶段, VIMA 通过一组动作头将预测的动作特征映射至动 作空间, 这些动作头分别负责解码 SE(2) 姿态的离 散坐标和旋转表示, 最终通过仿射变换整合为连续 动作输出. 此外, VIMA 还开发了一个全新的仿真 基准, 包含数千个程序生成的任务实例,

际的 安全监测和管理提供了强有力的支持。以下将详细讨论若干关健的 人工智能算法及其在铁路沿线的具体应用。 首先，图像识别和处理算法是铁路沿线监测的重要组成部分。 通过计算机视觉技术，监控摄像头捕获的图像可以被自动化分析， 从而识别出潜在的安全隐患，如轨道上的障碍物、设备损坏、人员 异常活动等。这些风险可以通过卷积神经网络（CNN）进行有效的 识别与分类，提升检测的及时性和准确性。 确保系统高效运行和数据处理的关键组成部分。该系统架构采用分 层设计，主要分为数据采集层、数据处理层、模型推理层和应用 层。 首先，数据采集层负责通过多种传感器和设备收集铁路沿线的 实时数据。这些设备可包括高清摄像头、激光雷达、温度传感器以 及环境监测仪器，数据采集不仅包括视频图像，还包括环境状态、 轨道状态等多种信息。所有的数据将通过边缘计算系统进行初步处 理，以提高后续数据传输的效率，并减少网络带宽的占用。 首先，数据采集模块通过多种方式获取铁路沿线的相关数据， 包括静态数据和动态数据。静态数据主要包括地形、地籍、建筑 物、道路等信息，可以通过高精度的地理信息系统（GIS）数据和 遥感影像获取。动态数据则通过传感器、监控摄像头、无人机以及 物联网（IoT）设备实时采集，涉及列车运行状态、气象变化、施 工进度等信息。数据采集模块需具备实时性和高并发处理能力，以 应对现场采集时可能出现的数据流量波动。 其次，数据存储模块为整个系统提供稳定的存储解决方案。考

0 1 2 3 4 5 保险常识问答能力指数 应用能力评测：保险专业知识问答 知识问答主要评测大模型的交互性、准确性等基础能力。国内外头部大模型在基础知识问答能力上的表现整体较好，国内头 部大模型基于中文语境优势，能力指数已实现超越 法律知识问答能力指数 医疗知识问答能力指数 文心一言 清华智谱 GPT- 4 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型

generation）等微 调技术，随着新语料输入，不断调整其知识结构与内 容，完成知识更新，形成一个持续演进的知识系统。 感知系统：负责处理源于多种感知设备（如摄像 222 www.jc2.org.cn 2期 头、传感器、无人机、卫星等）的外部环境数据，基 于大语言模型的多模态数据处理技术，实现文本、 图像、视频等多模态数据的融合处理，分析和挖掘 数据间的潜在关联，识别出围绕各类风险的因果、 时空序列、逻辑等不同关系模式。随着应急大模型

例 如，数据处理模块与算法模块之间的接口通过消息队列实现异步通 信，确保数据处理的高效性和可靠性。具体设计如下： - 消息格式：采用 JSON 格式传递数据，确保跨平台兼容性。消息 包括消息头（消息 ID、时间戳、消息类型）和消息体（具体数据 内容）。 - 调用方式：通过 RESTful API 或 gRPC 实现，支持同步和异步调 用。例如，算法模块调用数据处理模块时，使用异步调用以提升性 请求次数来优化性能，可以通过合并文件（如 CSS 和 JavaScript 文件）、使用 CSS 精灵技术以及启用服务器端压缩 （如 Gzip）来实现。此外，利用浏览器缓存机制，通过设置适当 的缓存控制头，如 Cache-Control 和 Expires，可以显著减少重复 资源的加载时间。 代码层面的优化同样重要。精简和压缩 JavaScript、CSS 和 HTML 文件可以减小文件大小，加快加载速度。使用工具如 适当进行冗余设 计。 在 API 开发中，应遵循 RESTful 设计原则，确保接口的简洁性 和一致性。API 的版本控制可以通过 URL 路径（如/api/v1/ resource）或请求头（如 Accept-Version: v1）来实现，以便未来 进行接口升级时能够保持兼容性。为了提高 API 的安全性，建议使 用 OAuth 2.0 进行身份验证和授权，对敏感数据进行加密传输，并

拥有不同的专业领域，这使它 们在处理复杂的多步骤任务时更加高效。 空中交通管制系统、自主仓储 机器人 机器人 Agent 增加了性能元素，这些人工智能 Agent 的实体通常配备 有摄像头或触摸传感器等传感器。这种 Agent 在危险或 重复性很高的任务中尤其有用--让人工智能 Agent 来完 成这些任务可能更有效率，也更符合成本效益。 生产线机器人、手术机器人、 农业机器人、服务机器人

资源命名与路径设计：资源命名应简洁明了，路径设计应层 次清晰，便于客户端理解和使用。例如，使用/v1/users 来表 示用户资源，/v1/users/{id}来表示特定用户。 2. 请求与响应规范：定义统一的请求头和响应头，包括 Content-Type、Authorization 等常用字段。响应应包含状态 码、数据体和错误信息，以便客户端能够正确处理请求结果。 常见的状态码包括 200（成功）、400（请求错误）、401

的部分。这些数据包括过往事件的数据记录，如故障事故、客 流量高峰期记录等，能够提供重要的趋势及模式分析。 关于如何收集这些数据，以下是一些切实可行的方案：  传感器与监控系统：在各条线路和车站安装高精度的传感器和 摄像头，实时采集运营数据及乘客行为信息。  与政府及公共机构合作：政府及公共机构拥有大量的交通流 量、环境监测和市民行为的数据，通过合作获取相关数据资 源，以便进行全面分析。  用户调查与数据共享：通过问卷、访谈等方式定期收集用户数 站时间等数据，确保列车运行在安全范围内，并在出现异常时 及时发出警报。可以利用传感器和车辆控制系统进行数据收 集，并通过 AI 模型实时分析数据趋势。 2. 乘客流量监测：通过自动化设备（如摄像头、传感器）统计每 个车站的进出乘客人数，分析高峰时段和高流量路线，为后续 的运力调整提供依据。注意索引不同时间段的乘客流量变化， 以便制定优化方案。 3. 设备运行状况：定期监测关键设备（如信号系统、供电系统、