以及产业链上 下游解耦为各种最小的任务执行节点 ( 主要是 生 产最小单元 ) ， 并用任务链的方式构建动态 灵活 的协作网络， 解决了过去基于流程仿真 ( 固化 ) 思路的工厂数字化方式带来的不灵活， 与实际经 营不匹配的痛点， 实现了低成本， 快部 署， 易落 地的通用型工厂数字化 这种解决方案不依赖于物料追踪逻辑， 而是基于任务链上各执行节点的结构 化 交 交互所行成的企业数据超市来完成动态高效的跨部门， 跨工厂的协作 。 任务链： 应对中小工厂流程多变的困 局 以物料流转为中心的命令链架构 ( 流程固 化 ) 以执行单元为中心的任务链架构 + 数据 人 空间 能源 工厂六要素 节点状态 任务树 关系集 时间 料 机 30 31 命令链是指一种不间断的权力路线， 从组织最高层扩展到最 基层， 澄清 “谁向谁报告工作” 链 它是实际任务的完成路径以及所需的资源的动态反馈， 这种 关键节点的动态反馈持续影响任务链上的节点。 各节点在基于统一的目标下， 自主定义本节点以下的子任务 以及子任务的资源约束关系。 任务链是指一种不间断的协作路径， 从任务的源头扩展到各 个任务节点以及对应的任务所需资源之间的关系， 澄清节点 和节点的关系， 是一种基于任务目标的网状交互结构” 。 任务链： 关键节点动态反

为“容器/作业”，并提供“最优匹配、按需启停、精准计量、效用付 费”的任务式计算服务。任务式计算服务的时间特征具有“临时性”、 空间特征具有“跳跃性”、流量特征具有“突变性”，即平时不用时任 务不存在只有用时才临时启动任务，本次启动在 A 地 X 供应方而下 次可能启动在 B 地 Y 供应方，平时不用时流量为 0 而用时流量会随 计算服务负载大幅波动。那么，传输服务如何能够满足并匹配任务式 计算服务的临时性、跳跃性、突变性？这必然要求网络资源的可调度。 《东数西算算网协同调度-业务场景白皮书》（简称白皮书）的编 制，是基于国家东数西算“安全新总线”项目所开展的算网协同工程 实践。“安全新总线”通过 400Gbps 互联了国家八大枢纽节点、以及 多个国家超算中心，可根据任务时延、带宽需求提供广域确定性网络 传输质量，并通过网络操作系统开放网络资源的调度能力，算网协同 调度平台即原生构建其上。 白皮书以业务场景视角切入，对东数西算算网协同调度的调度架 构、应用场 精准调度匹配需求的算力及网络资源，完成用户任务的部署 与执行。  资源供方入口：资源供应方可通过该入口向平台注册算力资 源，同时登记账户信息等相关内容，实现资源发布、调度、 使用、计量、计费及结算的全业务流程闭环。  协同调度模块：通过协同任务调度、流量调度与数据调度， 满足算力消费者对系统在算力、网络、存储等多维度的使用 ● 需求。  任务调度模块：接受协同调度的调控，聚焦算力维度需求，

得益于近期具有世界知识的大规模预训练模型的迅速发展, 基于大模型的具身智能在各类任务中取得了良好的 效果, 展现出强大的泛化能力与在各领域内广阔的应用前景. 鉴于此, 对基于大模型的具身智能的工作进行了综述, 首先, 介绍大模型在具身智能系统中起到的感知与理解作用; 其次, 对大模型在具身智能中参与的需求级、任务级、规划级和动作 级的控制进行了较为全面的总结; 然后, 对不同具身智能系统架构进行介绍 而如何利用目前飞速发展的计算能力与人工智能 (Artificial intelligence, AI) 技术提高具身智能的表 现则成为学界与产业界的关注重点. 最近的研究表 明, 通过扩大语言模型的规模, 可以显著提高其在 少样本学习任务上的表现, 以 GPT-3 (Generative pre-trained transformer 3)[4] 为代表的大语言模型 (Large language model, LLM) 在没有进行任何参 数更新或微调的情况下, 仅通过文本交互来指定任 务和少样本示例就能很好地完成各类任务. 在此之 后, 具有优秀泛化能力与丰富常识的基础模型在计 算机视觉、自然语言处理等领域都展现出令人瞩目 的效果. GPT-4[5]、LLaMA[6]、LLaMA2[7]、Gemini[8]、 Gemini1.5[9] 等大语言模型能与人类进行流畅的对 话, 进行推理任务, 甚至进行诗歌和故事的创作; BLIP (Bootstrapping

消费者的需求不再是简单的功能堆叠，而是追求随时随地、自然流畅、无 感协同的智慧体验。他们希望终端设备更聪明、更懂人，不仅能理解指令、 完成任务，还能超前思考、主动服务。在这样的趋势下，智能体成为新时 代智慧体验的关键载体，以用户意图为中心，以多模态交互、意图理解、 任务闭环与持续学习进化等关键能力为特征，打通用户、系统与服务之间 的链路，带来全新的服务模式。 华为终端致力于打造王者产品，构筑智慧全场景极致体验。我们持续 鸿蒙应用生而智能 前 言 近年来，生成式人工智能（Generative AI）迎来前所未有的技术飞跃， 以大语言模型（LLM） 为代表的基础模型进入高速迭代期，一路狂奔，不断刷新能力边界。模型在复杂任务推理、规划、 代码生成等方面取得显著提升，在各类权威基准测试中不断突破记录，多项能力指标接近甚至 超越人类专家水平。 模型的上下文窗口显著扩展，主流模型已支持十万到百万级 Token 输入，可处理长文档、 这一系列技术的突破，正在重塑人类与数字世界的交互方式。生成式 AI 不再是问答工具， 而是嵌入到每一个终端、系统、应用与服务中的可持续演化的智能体（Agent），具备感知周 围环境、理解用户意图、学习用户偏好、自主执行复杂任务的全流程能力。 2024 年 6 月，华为向业界发布《AI 终端白皮书》 [1]，明确指出智能体将引领终端进入全新 人机交互及智能协作的时代，如多模态大模型带来更自然、更全面的人机交互体验，AI

影创作等非专业领域需求；也涵盖工业级无人机的深度开发，依据农 业植保、电力巡检、物流配送等特定行业的专业诉求进行定制化设计。 在有人驾驶航空器制造领域，聚焦于轻型直升机、小型固定翼飞机等 适宜低空飞行任务的机型研发与生产，从航空器的空气动力学设计优 化、先进航空材料的选用，到高性能动力系统的匹配、航空电子设备 的集成等多方面进行技术攻关与创新突破，旨在为低空旅游观光、应 急救援、商务通勤等多样化的应用场景提供安全可靠、性能卓越、经 2. 初步发展期 二战期间，军事需求极大地推动了航空技术的飞速发展，低空飞 行技术也取得了显著进步。直升机在这一时期得到广泛应用，其独特 的低空悬停和垂直起降能力使其在战场救援、侦察、特种作战等任务 中发挥了关键作用。战后，部分军事低空飞行技术逐渐转为民用。在 农业领域，美国在 20 世纪 40 年代末开始出现利用直升机进行农药喷 洒和农田巡查的尝试，初步形成了低空飞行在农业植保方面的应用雏 《通用航空装 备创新应用实 施方案 （2024-2030 年）》 包括增强产业技术创新能力、提升产 业链供应链竞争力、深化重点领域示 范应用、推动基础支撑体系建设、构 建高效融合产业生态等重点任务。 国务院 2024.3 2024 年《政府 工作报告》 明确积极培育新兴产业和未来产业， 积极打造生物制造、商业航天、低空 经济等新增长引擎。 中央经济 工作会议 2023.12 中央经济工作

进，主要基于两大核心逻辑：场景的标准化程度、任务的复杂程度由简至繁 5 工 作 环 境 复 杂 工 作 环 境 简 单 任务单一 任务复杂 商业服务 单一动作执行 ✓ 商业演出 ✓ 迎宾引导 ✓ 导览讲解 ✓ … 多动作组合 ✓ 餐盘收集 ✓ 递送物品 ✓ … 长链条复杂机械任务 ✓ 平面清洁 ✓ 零售结账 ✓ … 长链条复杂灵活任务 ✓ 零售导购 ✓ … 工业服务 单一工序、单一动作执行 螺栓预拧紧 ✓ … 单一工序、长链条任务衔接 ✓ 组装 ✓ 接线 ✓ … 多工序、多任务衔接 ✓ 配合产线节拍 ✓ 与工业机器人/AGV协同 ✓ 与人协同 ✓ … 家庭服务 单一动作执行 ✓ 语音交互 ✓ 社区娱乐 ✓ … 多动作组合+单形式交互 ✓ 递送物品 ✓ 搬运物品 ✓ … 长链条任务+多形式交互 ✓ 平面清洁 ✓ 衣物餐品洗涤 ✓ … 复杂任务、多形式交互 ✓ 餐饮制作 ✓ 照料护理 and Confidential All Rights Reserved. 人形机器人细分场景落地顺序评估逻辑 …聚焦工业/家庭/商业领域细分场景落地顺序，需评估两大维度①场景结构化程度（环境、工具）②任务复杂程度（动作、交 互理解）。对机器人的四大关键能力提出需求（感知、运控、决策、交互） 7 一级指标 二级指标 能力等级 指标定义 结构化程度 环境 1 路线与物品位置固定 2 路线涉及物体机械移动

 通过建立一 些定性或定 量的数据管 控评价考核 指标，去评 估及考核数 据相关责任 人职责履行 情况、数据 管控标准及 数据政策的 执行情况 等  规范了数据 管控过程 中，各个环 节日常任务 处理的运作 模式，例如 数据定义如 何变更、数 据冲突如何 协调等。  采用专门的 技术平台支 撑管控流程 的自动化， 发布管控组 织制定的一 些相关标准 和规范，及 时反映管控 过程中存在  梳理企业数字化转型 ETL 流程各环节的数据质量要求，指定数据质量检查规 则、评价指标、管控流程，并落地实施数据质量管理系统  梳理企业数字化转型包含的技术元数据，如：数据字典、 ETL 任务、 ETL 流 程、 BI 语义层等，制定相应的管控流程 并 落地实施元数据管理系统  同步企业数字化转型 ETL 建 设，实现了数据质量管理系统  收集并整合了消费企业所有技 术元数据，实现了数据生命周 集群实现了进出数据平台数据的暂存，业务数据交换组件实现了业务系统每日增量数据加载，数据区数据交换组件 实现了基础计算平台与管理分析平台间的数据交换  流程 调 度 平台：自主开发的流程 调 度 引擎实现整个数据平台的数据处理任务调 度 和运行  管理分析平台：由 X86 分析型数据库集群、 BI 软件 1J2EE 应用构成，实现了面向应用的数据加工、管理、分析服务  实时分析平台：由高档 X86 服务器组成的集群，实

制定  通过建立一 些定性或定量的 数据管控评价考 核指标，去评估 及考核数据相关 责任人职责履行 情况、数据管控 标准及数据政策 的执行情况等。  规范了数据 管控过程中， 各个环节日常 任务处理的运 作模式，例如 数据定义如何 变更、数据冲 突如何协调等。  采用专门的 技术平台支撑 管控流程的自 动化，发布管 控组织制定的 一些相关标准 和规范，及时 反映管控过程 中存在的一些 梳理智慧税务大数据大数据平台 ETL 流程各环节的数据质量要求，指定数 据质量检查规则、评价指标、管控流程，并落地实施数据质量管理系统 梳理智慧税务大数据大数据平台包含的技术元数据，如：数据字典、 ETL 任务、 ETL 流程、 BI 语义层等，制定相应的管控流程并落地实施元数据管 理系统 同步大数据分析平台 ETL 建 设，实现了数据质量管理系统 收集并整合了智慧税务大数据 所有技术元数据，实现了数据 集群实现了进出数据平台数据的暂存，业务数据交换组件实现了业务系统每日增量数据加载，数据区数据交换组件 实现了基础计算平台与管理分析平台间的数据交换  流程调度平台：自主开发的流程调度引擎实现整个数据平台的数据处理任务调度和运行  管理分析平台：由 X86 分析型数据库集群、 BI 软件 1J2EE 应用构成，实现了面向应用的数据加工、管理、分析服务  实时分析平台：由高档 X86 服务器组成的集群，实现高时效、高并发的实时、准实时类管理分析需求

..................................................................................45 3.1.1 政务场景特定的任务类型..........................................................47 3.1.2 微调效果的评估指标.................... 量参差不齐。项目将建立统一的数据清洗和标注流程，确保训 练数据的准确性和一致性。 2. 模型泛化能力：政务场景复杂多样，模型需具备较强的泛化能 力，能够适应不同的政务任务和场景。为此，项目将采用多种 数据增强技术和多任务学习策略，提升模型的适应性和鲁棒性。 3. 安全性保障：政务数据涉及敏感信息，模型在处理过程中需确 保数据的安全性和隐私性。项目将引入加密技术和访问控制机 制，确保数据在处理和传输过程中的安全性。 提取和决策 支持的准确性不足。 其次，政务场景中的文本处理任务多样且动态变化。常见的任 务包括但不限于：文本分类、信息抽取、问答系统、自动摘要、情 感分析等。例如，市民提交的咨询问题可能涉及多个领域，需要快 速准确地分类并分发给相应部门处理。此外，舆情监测需要实时分 析大量的社交媒体文本，识别出潜在的社会热点和风险。这些任务 对模型的泛化能力和适应性提出了高要求，传统的定制化模型难以

对接 上料插卡 指令与追溯：物料卡、任务卡、已确认周转箱卡 下料插卡 空周转箱卡、不合格周转箱卡 12 生产过程方案 - 无感知全过程追溯 基于生产过程中一边将上游流转至当前工位的在制品上料加工、一边将加工完的产品装至空周转箱 的业务场景，借助 RFID 技术，模拟自动化流程设定上料端与下料端，无感知实现过程数据的采集。 上料端指：获取任务或添加材料端；下料端指：产品加工过程完成下线端 线端 插入员工卡 获取员工信息 刷模具并 获取模具信息 -170001 张 三 刷材料卡（带任务） 获取任务信息 加工中心 上料端 ( 任务 端 ) 加工中心 下料端 插入可用周转载体卡 获取 / 复制上料端信 息 加工中心加工过程 加工中心 下料端 拔卡 - 周转载体 卡 无感知数据采 集 840001-A 模 具 拔卡 - 同时将信息写 入 电子标签中；亦可 • 作业计划执行结果反馈至 ERP 系统； 日作业计划 作业终端 生产计划安排与调整 集成 ERP 主预测计划，实现月度滚动计划任务、周计划任务排产与调整，作为计划部门与车间部 门 的任务协同  基础数据支持导入、系统集成同步，开放设计  生产任务单、工作中心多维度可视化计划安排更直观；  生产资源预配置，快速生产派工更便捷；  甘特图实时生产进度把控，生产执行进度透明化；