面向具身智能的 大小脑模型协同算法研究及实践 盛律 | 软件学院 2025-08-23 1 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 2 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 能起点 3 具身智能的关键任务 导航 问答 操作 4 具身智能的核心目标 5 具身智能的核心要素 具身载体(Agent) 具身模型(Model) 智能 算法 物理 载体 相比具身载体的日趋成熟，具身模型的算法研究方兴未艾、挑战众多 现状 6 具身模型应该考虑哪些能力？ n 技能泛化、真实交互、本体扩展 Skill （技能泛化） Reality （真实交互） Embodiment

DataFunTalk 成就百万数据科学家！ 5 目录 模型可解释性在保险理赔反欺诈中的实践......................................................7 图算法在网络黑产挖掘中的思考....................................................................21 联邦学习与安全多方计算..... ............70 Fraudar 算法在京东关系网络反欺诈中的应用...........................................85 携程金融自动化迭代反欺诈模型体系.........................................................100 微众银行在联邦推荐算法上的探索及应用................. 度小满智能获客系统实践............................................................................. 297 金融风控反欺诈之图算法............................................................................. 307 机器学习在反欺诈中应用.....

无论是多传感器融合派厂商，还是视觉派厂商，都大量使用智能化传感器，他们是实现 NOA 的必要条件。 要实现 NOA 对智能传感器硬件要求很 高 特斯拉 Model 3 小鹏 G9 厂商要搭建起高效的算法模型 ，开发的系统既要能精准识别并处理各传感器获得的数据 ，还要能有效应对 模 型未考虑到的长尾问题。这大大增加了系统所需数据量 ，增加了开发难度。 特斯拉的 NOA 系统不仅能规划车辆行进路线等， 测 / 规划 / 控制相关代码量， 分别是其高速 NGP 是 6 倍、 4 倍 和 88 倍。 软件在 NOA 系统中起决定性作用 要实现 NOA 还需要高水平算法的支 持 2021 年 ，特斯拉在其 AI Day 上宣布将基于 BEV+Tf 架构开发其新版的完全自动驾驶系统（ FSD ） ，并于 当年开 始重新编写底层代码 ，成为在汽车业第一个使用 AI 上图感知结果进行融合 后的效果。 特斯拉率先在汽车业应用 AI 大模 型 上图：摄像头获得的车 辆左、 中、右三方的 感 知结果 （即路况） 。 资料来源：特斯拉 2021AI Day 传统算法将自动驾驶系统划分为感知、规划、控制等 3 大块 ，每个部分又可细分为不同的模块和子模块。每 个 模块各司其职 ，有着独立且明确的目标。 规划模块的作用主要是根据车辆实 际行驶时面临的实时交通环境，

.25 2.2.2 数据中心管理软件......................................................................27 2.2.3 算法优化与集成.........................................................................29 3. 核心功能模块........ 硬件性能调优......................................................................................51 5.2 软件算法优化......................................................................................53 5.3 能源效率与散热管理 随着医疗行业的数字化转型，医疗机构对高效、智能化计算资 源的需求日益增长。为了满足这一需求，本项目提出了一种针对医 疗场景的 DeepSeek 智算一体机设计方案。该方案旨在通过集成高 性能计算硬件、智能算法和医疗行业专用软件，打造一个能够满足 医疗机构在数据分析、图像处理、辅助诊断等方面的计算需求的综 合解决方案。DeepSeek 智算一体机将采用模块化设计，确保系统 的高效性、可扩展性和易维护性。

预测模型.....................................................................................56 4.4.2 优化算法.....................................................................................57 4.4.3 决策建议 杂环 境下往往难以提供高精度的预测结果。  实时性要求高：水利工程管理需要快速响应环境变化，传统方 法在数据处理和决策支持方面存在滞后性。 为解决这些问题，DeepSeek 通过其深度学习算法和大数据技 术，能够实现以下目标： 1. 数据集成与清洗：整合来自不同源头的数据，并进行高效清洗 和预处理，确保数据质量。 2. 智能分析与预测：利用深度学习模型对历史数据进行训练，生 成 细化、 实时化的新阶段，为水资源的可持续利用和防灾减灾提供有力支 持。 1.2 DeepSeek 概述 DeepSeek 作为一种先进的人工智能技术平台，凭借其强大的 数据处理能力和高效的算法模型，已在多个行业展现出显著的应用 价值。其核心技术包括深度学习和自然语言处理，能够快速分析复 杂数据并提供精准的预测与决策支持。在水利工程领 域，DeepSeek 的应用主要体现在以下几个方面：

2.3.1 数据处理能力.............................................................................36 2.3.2 算法精准度.................................................................................38 2.3.3 系统兼容性 .....................................................................................60 3.3.1 调度优化算法.............................................................................61 3.3.2 资源分配优化...... 5.1.1 数据处理失败...........................................................................106 5.1.2 算法不准确...............................................................................107 5.2 项目风险....

.....................................................................................82 8.2 异常交易检测算法................................................................................................... 交易、发 现潜在风险点，并生成精准的稽查报告。 在实际应用中，DeepSeek 可以通过以下方式优化税务稽查流 程：  数据整合与清洗：将分散在不同系统中的涉税数据进行整合， 并通过智能算法清洗数据，确保数据的一致性和完整性。  异常检测：利用机器学习模型，自动识别异常交易模式，例如 频繁的大额交易、关联方交易等，帮助稽查人员定位高风险纳 税人。  风险评估：基于历史数据和行业特征，构建风险评估模型，对 案，以提 升稽查工作的效率和准确性。 在这一背景下，DeepSeek 技术的引入为税务稽查提供了新的 可能性。DeepSeek 作为一款先进的人工智能工具，具备强大的数 据处理能力和深度学习算法，能够在短时间内对大量财务数据进行 深度分析和模式识别。通过其智能化的分析引擎，DeepSeek 能够 自动识别异常交易、潜在的税务风险点，并为稽查人员提供精准的 风险提示和审计线索。这不仅大大提高了稽查工作的效率，还能够

AI 应用敏捷开发能力，主要定位为智能模 型服务的共享复用和快速编排，实现 AI 应 用快速开发。人工智能中枢支持研发流程的 标准化、自动化，为前台业务提供快速构建 个性化智能服务的能力，实现算法模型和算 法能力的场景式编排，并向应用提供服务接 口，支撑人工智能场景应用建设，赋能城市 智慧化。 人工智能中枢 1 系统端变化 PC 端 移动端 业务与管理端变化 数字化 集成化 据挖掘为两大技术核心，两者技术范畴上有所交叉。机器学习又包含对抗学习等诸 多种类，其 中倍受瞩目的就是深度学习。按照拓扑结构分类，深度学习可分为卷积神经网络、循环神经网络和全连接神经网络，并 通过算法框架实现深度 学习过程。在机器学习与数据挖掘的技术之上，实现了目前市场上最常见的三大技术应用，即计算机视觉、 智能语音技术和自然语言处理。 云平台（云存储与云计算） 云计算设备 处理器 / 芯片 TensorFlow Lasagne Theano Caffe Keras MXNet Torch DMTK CNTK Neon …… 深度学习 卷积神经网络 循环神经网络 全连接神经网络 算法框架 对 抗 学 习 1 智能医疗概述  “ 医疗”一词的传统内涵和范畴仅包含“疾病的治疗”，而今“医疗”的边界正在突破其传统含义，扩展到药品、保健、生物技 术 等医疗相关的各个领域；

电 自研 AI 飞轮。建立“算法识别数据实时汇集→样本重标注→模型再训练”的模型自动更新迭代机制，实现模型应 用效果与样本数据质量的高效循环；对全网算法组件 " 应接尽接 ", 监控和管理全网算力、算法组件 ( 纳管 370 个推 理节点、 633 张推理卡、超 1200 个算法实例，日汇集数据 300 万条，调用 4.6 亿次 ), 支持端侧 Al 装 置算法适配和 语音等数据样本和识别 语音等数据样本和识别结果；④通过评价、标注、在线迭代、更新等支撑算法在线迭代，为业务提供高质量的 AI 能力服务。 数附级能断 建证 2024 年电力信息通 信 新技术 大会 南方电网公司自主可控人工智能创新平台 ( 推理平台 ) 包括：①算力设备、算力卡的数量和实例部署情况；②对算法运行情况、调用情况、处理性能、准确率等信息进行监控；③实现本地样本数据实时汇集，包含图片、文 南方电网人工智能平台成为赋能产业链上下游数智转型的重要载体。可提供数据运营、算力运营，算法运营、平 台门户、线上教学、线上赛事等功能；并且，牵头成立了电力行业人工智能联盟，构建电力开发者社区，举办电 力行业 AI 大赛，共建行业生态。 线上赛事 比赛排名 南方电网公司自主可控人工智能创新平台 ( 运营平 台 ) 上架 41 个国产算法，覆盖安全生产、 营 销、电力系统、综合服务等业务 中国南方电网 CHINA

性和不确定性增加，传统模型在应对多样化风险场景时也表现出了 明显的局限性。为应对这些问题，引入基于人工智能和大数据技术 的解决方案已成为行业共识。DeepSeek 作为一款先进的 AI 平台， 凭借其强大的数据处理能力和智能算法，为金融贷款评估提供了全 新的解决路径。通过 DeepSeek，金融机构可以实现对借款人信用 状况的实时动态监控，提升风险评估的精准度和效率。DeepSeek 的应用不仅能够有效降低贷款违约风险，还能优化客户体验，增强 法，从而提升整体业务水平。 2. DeepSeek 技术概述 DeepSeek 是一种基于深度学习和人工智能的先进技术平台， 专门设计用于金融领域的风险评估和决策优化。其核心技术架构结 合了大规模数据处理、机器学习算法和高性能计算能力，能够快速 处理和分析海量的结构化和非结构化数据。DeepSeek 平台通过多 层神经网络模型，能够自动提取数据中的复杂特征，并结合金融领 域的专业知识，构建高精度的风险评估模型。其独特之处在于能够 通过以下步骤进行模型训练和预测： 1. 数据输入与特征工程：将预处理后的数据输入到模型中，进行 特征选择和特征组合，以提取出对信用评估最有影响的因素。 2. 模型训练：使用深度神经网络进行训练，通过反向传播算法调 整模型参数，以最小化预测误差。 3. 模型验证与优化：通过交叉验证和调整超参数，优化模型性能， 确保其在未知数据上的泛化能力。 4. 预测与决策：最终，DeepSeek 输出每个客户的信用评分，金