《动手学深度学习》 （李沐） 2020 年 ，微软亚洲研究院首次将 Tf 模型应用于图像分类任务 ，在评测中实现 88.55% 的准确率。而且 Tf 模 型在 数据量越大的情况下表现越好 ，特别适用于自动驾驶这类大规模数据训练场景。 Transformer 模型可将 2D 图像融合成 3D 视角 Transformer 模型的工作原理 Tf 模型的另一个重要用处：计算机视 觉 资料来源： 《 Attention 级别 名称 定义 驾驶操作 环境感知 支援 系统作用域 0 无自动化 • 由驾驶者完全操控汽车 驾驶者 驾驶者 驾驶者 无 1 驾驶支援 • 系统有时能够辅助驾驶者完成方向盘和加减速 等驾驶操作 驾驶者与 系统 部分 行驶任务 2 部分自动化 • 系统能够完成某项驾驶任务 • 驾驶者需要监控驾驶环境 • 其余驾驶操作由驾驶者完成 驾驶者与 系统 系统 3 条件自动化 • 系统负责某些情况下环境感知 • 驾驶员需要时刻准备取回驾驶控制权 系统 系统 4 高度自动化 • 系统能够进行环境感知 • 驾驶员不需重新取得驾驶控制权 • 系统只能在特定环境条件下运行 系统 全部 行驶任务 5 完全自动化 • 系统能够完成所有环境条件下的所有驾驶任务 自动驾驶是过去 10 年最火热的赛道 ，但直到 2022 年才有部分企业推出具备 L3 级功能的车型。究其原因，

人工智能在交通领域业务应用白皮书 4 感知目标要素，如视频数据结构化处理，提取人、车、运动轨迹等深 层关键信息。感知类的典型赋能场景包括身份核验（人脸识别）、人 流分析、车况监控、车外环境感知、驾驶员行为监测、交通设施状态 感知、实时路况感知、机非人（机动车、非机动车、行人）识别等。 目前人工智能感知类技术服务的产业化最为成熟，在交通领域应用的 范围最广泛。 人工智能技术基于对海量数据的“学习”，可以超越人类的经验 理多源异构时空数据， 比如结合不同时间地点的道路拥堵、公交、地铁、人流等信息，为大 众提供实时个性化的路径导航服务。认知类的典型赋能场景包括路径 规划、个性化出行推荐、行车导航、主动安全预警、驾驶员行为评估、 违章抓拍、路况预测、车辆行驶轨迹跟踪等。人工智能认知类技术服 务常常建立在算法研究和对业务场景的深入理解之上，此类技术的应 用也在迅速推进。 人工智能在完成感知、认知之后，还可以将控制信息实时发送至 市交通中的重要组成部分——信号灯系统，结合车辆速度、数量以及 分布密度等数据，人工智能技术可以实时分析各路段通行情况，精准 调控红绿灯转换，提升信号交叉口通行效率。控制类技术的典型赋能 场景包括智能客服、人机交互、辅助驾驶、信号灯控制优化、电子不 停车计费等。人工智能控制类技术服务由于需要交通类终端、设备等 人工智能在交通领域业务应用白皮书 5 的配合，往往需要相关主管部门、AI 企业、整车企业、交通设备企

车路云一体化是目前我国智慧出行的答案 车路云一体化是车、路、云、网多元要素构成的高效信息系统，与单车智能 同为自动驾驶的技术路径，两者相互促进，后者是前者的基础，前者则是后 者的升级，可以弥补单车智能在感知、数据、计算上的短板。我国目前选择 车路云一体化这一路线，我们认为原因在于：1）从技术水平来看，我国车 载高端芯片、自动驾驶算法上较发达国家有差距，仅靠单车智能追赶不易； 2）从基础设施禀赋及国情来看，我国 5G 网络基建完善，智能路侧单元存 化是网联车、智能化路侧基础设施、云控平台、通信网及其他支撑平台多元要素构成的高 效信息系统。我们认为，车路云一体化脱胎于车联网，未来有望在业务和管理两大层面发 挥作用：1）业务：从中短期的“有人驾驶安全辅助”功能到远期的“高阶智能驾驶”；2） 管理：赋能政府部门进行智慧交通管理，提高道路组织效率及利用效率，实现全局最优。 我国目前选择车路云一体化这一路线，原因在于：1）从技术水平来看，我国芯片、算法较 发达国家 单车智能是车路云一体化的基础，但在感知、数据获取方面有所不足，感知方面，车路云 体系可以通过路侧感知为单车补盲，数据获取方面，车路云一体化可以凭借车端、路侧、 云端获取海量数据帮助单车智能迭代智能驾驶的模型，以促进单车智能的持续发展；2）车 路云一体化有望助力单车智能实现商业化，调动整车厂的投资积极性。车路云一体化将凭 借国家基础设施投资完善路侧、云端建设，将高昂的计算成本由车端转移到路、云，使单

等，并提供大规模的动态算力接入条件 • 独一份的数据飞轮：国内独家的安全运营中心业务，真 实的客户问答和运营场景，提供真实的人类数据反馈 国内第一个企业级的安全垂直领域大模型 高级威胁检测 辅助驾驶 智能驾驶 五百张 A100/A80 0 显卡集群 上百人的创新研 究院硕博团队 深信服 20 年的 安 全行业积累 数据 首个通过《深度合成服 务算法备案》的安全垂 直领域大模型 主机钓鱼威胁检测 安全告警 / 事件自主值守 安全代码辅助开发 流量攻击威胁检测 数据资产治理与流转分析 XDR （安全运营平台） 对话式安全运营助手 流量威胁检测 智能驾驶 主机钓鱼检测 辅助驾驶 零信任平台 数据安全平台 检测类大模型 运营类大模型 其他类大模型 …… 检测大模型 模型 安全 GPT 检测大模型 数据 流量日志 代码 溯源报告 恶意样本 GPT 钓鱼正报是友商的 4 倍多。 邮件安全网关默认配置：检出 80% 的样本未拦截。 钓鱼检测效果 强对抗攻击： GPT 检测优势 普通攻击： GPT 检测优势 运营大模型 辅助驾驶模式 智能驾驶模式 云端数据 IOC 威胁情报 文件 (MD5) 域名 网址 IP .... 漏洞 产品 FAQ 向量数据检索召回产品资料

构建顶层决策支持力 数字管理领导力 国有特大型汽车企业 国家 " 一五 " 计划重点项目 产销汽车超 6100 万辆 中国一汽 打破数据壁垒，数据驱动效能跃迁 支撑顶层会议报告以及 Easy 头条驾驶舱 35 份报告 215 个指标服务的订阅 全域数据无缝集成 140+ 分析资产沉淀 14786 个分析页面支撑决策 1000+ 会议议题全面覆盖 指标治理 数据管理 决策效果 数据工作台产品蓝图（覆盖采集-治理-服务全流程） 全角色覆盖 管理层 数据消费者 数据管理者 数据开发者 数据行管 业务系统IT负责人 其他角色 全角色覆盖 手机端 PC端 自定义数据工作台首页 自定义数据工作台首页 驾驶舱 我的作品展示 数据资产地图 BI头条 代办中心 职能督办 顶层会议 资产运营视图 自定义数据工作台首页 报告生成 预警&建议 知识问答 数据分析&决策 ...... 数据需求管理 数据治理 整合、数据可视化、数据分析、数据监管预警等能力， 实现海外项目海量历史数据价值的挖掘 亮点一 亮点三 亮点二 018 数智领导力 017 数智领导力 SCENE 典型场景 1、综合管理驾驶舱 综合管理驾驶舱宛如公司运营的 “神经中枢”，汇聚了人、材、机等全要素关键数据。 通过直观且动态的可视化界面，实时呈现设备物资采购金额、库存状况、租赁费用，人员数量与工资 结构，项目营收、两金变动、变更索赔进展等全方位信息。

/ 低空经济企业面临的挑 战 03 低空经济企业数智化 实践 04 / 企业大脑 .A I 赋能 低空经济 目录 CO NTENTS 低空经济是以科技创新为引领 ，以各种有人驾驶和无人驾驶航空器的各 类低空飞行活动为牵引，积极开展相关航空器的研发 、生产和销售 ，并 广泛辐射带动低空飞行活动相关的基础设施建设 、飞行服务、产业应用、 技术创新 、安全监管等相关领域产业融合发展的综合性经济形态。 市场准入特别措施的意见》 国家发改委 、商务部发布（发改体改〔 2023 〕 1730 号 ），从六方面提出 20 条具体措施 ，明确推动合作区全域 建设 海陆空全空间智能无人体系，推动合作区无人驾驶空域开放，优化飞行活动申请审批流程，缩短申请办理时限， 研究 试点开通合作区与澳门及周边海岛等地无人机 、无人船跨境跨域物流运输航线 2023 年 12 月 21 日 《国家空域基础分类方法》 12 月 8 日 《民用无人驾驶航空器适航安全评定 指南》 民航局适航司发布通知，就咨询通告征求意见。针对 2024 年 1 月 1 日以前已经设计定型且不进行设计更改的民用 中型 和大型无人驾驶航空器系统，相关运营人如需申请运营合格证从事特定类运行，该系统可在 2026 年 11 月 26 日前按本 咨询通告要求进行安全评定，通过取得民用无人驾驶航空器特殊适航证获得适航批准

、安全性等多个维度上实现性 能优化。多样化的构型设计衍生出丰富的产品线，能够覆盖不同的应用场景和用户需 求。 • 智能化：智慧安全的飞行操作 随着智慧传感、飞行控制算法、自动驾驶等技术的飞速发展，eVTOL的驾驶操控门 槛显著降低，同时安全性和运营效率也得到大幅提升。在未来，智能化技术也将是 eVTOL实现自主飞行和大规模调度管理的重要前提。 综上所述，电动化、分布式、新构型与智能化四大关键技术的融合突破，是eVTOL从 SPL）针对运动类航空器制定，适用于目视飞行规则下运行，其培训时长要求相对于单发级 别等级的私用驾驶员执照（需至少40小时飞行经历时间）更短，门槛更低，更契合飞行体 验或轻量化应用的快速起步需求。同时，我们观察到市场中领先的eVTOL产品正通过智能 化功能简化飞行员操作难度，从而降低飞行门槛，扩大潜在驾驶员群体。 空域管理方面，中国民航局于2024年发布《国家空域基础分类办法》，首次对中国空 域 关基础设施的需求，针对长期困扰通航领域的“痛点”提供了中国式解决方案。 深圳作为中国低空基础设施建设的先行城市，正积极探索低空运行解决方案。当地政 府提出了“低空四张网”构想，覆盖导航、监视、通信、服务四大体系。试点系统如无人 驾驶航空器空管信息服务系统（UTMISS）与低空智能融合系统（SILAS），已支持空域动 态划设、数字化飞行计划审批与AI路径优化调度等功能。同时，深圳已累计建设超8万个 5G-A基站，其中数百个专门用

开发环境 异构融合 开发 套件 推理任务 支持 远端 部署 图像视频处理场景 智慧园区场景 智慧交通场景 图像识别 垃圾分类 自动避障 文字识别 服务机器人 自动泊车 人像识别 视频监控 自动驾驶 影像复原 移动办公 目标检测 AI 平台 入门 ...... ...... 算法 原理 课堂 AI 技术基础 理论学习 不同应用 场景实施 实操训练 理论联系 实际进行 开拓创新 感知 TensorFlow 的 深度学习方案 使用英特尔® FPGA 进行深度学习推理 开展基于边缘平台的 视觉 AI 设计 机器学习 自然语言处理 机器视觉 深度学习 时间序列分析 数据训练单元 赛道 自动驾驶模型车 数据训练 无论是在 K12 阶段，还是在高等教育阶段的人工智能教学， 面向不同应用场景开展人工智能课程设计和实训都是确保教学 质量的关键环节。但在当前各类教育机构中，这两个环节还处 等，在边缘平台上实施异构融合， 从而打造更为高效、灵活和可扩展的平台支持能力。 基于数据中心 / 私有云与边缘平台提供的云边协同能力，教育 机构可以在其上挂载各个人工智能实训任务终端，例如智能交 通场景中的自动驾驶小车、智慧园区场景中的服务机器人等。 同时，边缘平台还可借助互联网与公有云实施协同，向学生提 供算法原理讲解、人工智能平台入门等远程教学能力，并供系 统管理者进行远程部署和维护。 ■ “云 -

制造业：能够优化生产调度流程 ，通过实时数据分析和智能决策 ，提 高生产效率并降低生产成本。 同时 ，在质量控制方面 ，利用计算机视 觉和机器学习技术 ，及时发现缺陷并采取相应措施。 自动驾驶：通过多传感器融合和深度学习技术 ， 人工智能体承担着感 知、决策和执行等关键任务。 家庭生活：作为智能助手 ， 帮助用户管理家务 ，提供个性化的娱乐推 荐。 医疗：能够辅助医生进行诊断和治疗 CCID CCID 二、智能体发展 现状 5 中国通过政策支持等方式推动智能体在多领域应用 • 政府通过政策支持、资金引导和技术投入等方式 ，加速推动智能体在智能制造、智慧城市、 自动驾驶和健康 医疗等多领域的落地应用 • 加强技术突破和伦理规范建设 ，推动智能体的规范化发展 美国在高科技行业推广应用 ，以市场驱动推动研发和产业落地 • 智能体的研发和产业化保持领先地位 优化智能体生态体系 ，构 建 多方协同创新平台 • 加强数据资源与算力基础设施建设 ，搭建开 放共享的平台。建立行业协会 ，促进产业 链 上下游企业的合作与交流。推动智能体 与自 动驾驶、智能制造、智慧城市等行业 的深度 融合。 加强政策支持与保障 ，构 建 长效发展机制 • 政府应加大政策引导和资金扶持力度 ，推动 技术成果转化与产业化。要加强行业监管 ， 建立完善的安全、伦理和合规体系