未解决 4 我们如何做智能客服？ 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 5 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 6 问题挖掘 知 识 管 理 系 统 客服工单 政策法规 职能部门 知识库 知识图谱 知识生产流程 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 12 知识的组织 2019 KE.COM ALL COPYRIGHTS RESERVED 13 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 14 句型识别 意图识别 任务分发 COPYRIGHTS RESERVED 16 改进版 fasttext fasttext NLU- 意图识 别 2019 KE.COM ALL COPYRIGHTS RESERVED svm 17 算法 准确率 召回率 F1-score svm 0.88032 0.85182 0.86583 fasttext 0.96132 +0.081 0.873 +0.02118 0.9150 +0

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

4.0 认知智慧城市 I 算法框架 选用开源框架在核心 技术上受到限制 集中建设智慧算力 ，汇聚数据 统一对外提供 AI 能力 ， 大步实现产业升级 ， 是最高效的 方式 背景介绍｜制约 AI+ 智慧城市发展的问 题 计算能力 场景驱动 限制城市发展人工智能技术水平的四大因素 数据资源缺乏有效分析 有效数据获取率低下 应用场景单一 新算法迭代更新慢 AI 计算能力不 足 系统集成公司可以在 平台上整合多家算法 厂商的算法（包括的 算法） ， 建设智能 化 项目 信息化系统业务管理公 司可以通过平台打磨智 能化的业务系统 ，进 化 自己的业务体系 软件开发公司可以通 过平台速度敏捷地开 发出智能化的应用软 件 背景介绍｜建设必要性 - 赋能企 业 中小算法厂商可以在 AI 开放平台上训练 自 己的算法 人脸识别 结构识别 姿态识别 AI 从业者 、繁荣本地 AI 生 态 语义识别 人脸属性 数据传递 人群分析 文字识别 数据存储 人证核验 行业学习 声纹识别 图像识别 · 动态可扩展 、平滑可 迁移 · 算法多选 、多模融合 · 分层解藕 、百花齐放 基础设施层 · 各尽所能 、各守本分 传感层 以分层解藕 、开放共享的原则补全现有体系 工地发生打架闹事事件 工地脏乱情况 车辆违规停车 情况

量子比特（Qubit）：量子计算的基本单位，可以同时 是0和1的叠加态；经典比特（Bit）则为非0即1 • 量子门（Quantum Gate）：量子门是对量子比特的 量子态进行可逆线性变换的操作，是构建量子电路和 实现量子算法的基本逻辑单元 • 经典逻辑门 vs 量子门： • 经典逻辑门：NOT、AND、OR等；通常不可逆 • 量子门：Pauli-X（NOT）、Hadamard、CNOT、 Toffoli等，必须可逆，支持叠加、干涉、纠缠等 缠态特性使得量子计算机能够在处理复杂问题时，实 现信息的快速传递和协同处理。 • 量子干涉（Interference）：干涉原理使得量子比特在 叠加态下能够相互干涉，从而改变它们的概率分布。 干涉现象可以用于优化算法，使量子计算机能够在处 理复杂问题时，更快地找到最优解（增强正确结果概 率、抑制错误结果）。 量子特性 量子计算如何实现？ 5 • 量子计算的逻辑层是将物理量子比特转化为可执行逻辑操作的关键层级，其核心目标是通过 ,在Grover搜索 算法中通过干涉放大目标 状态的概率幅 • 对量子比特进行测 量，使其从叠加态坍 缩到某个确定状态 （0或1） • 测量结果是概率性 的，通常需要多次运 行（采样）以获得统 计上可靠的结果 • 对测量结果进行进一 步处理以提取有用信 息；通常涉及经典计 算和量子操作的结合， 以优化结果的准确性 和效率 • E.g.,基于量子图像处 理的边缘检测算法中， 后处理需将测量结果

.. 21 1.3.1 理论的黎明：费曼的远见 .......................................................... 21 1.3.2 Shor 算法：致命的“杀手级应用” .......................................... 21 1.3.3 从理论到现实：价值 1500 万美元的“3x5” ......... 这一成就的深远意义 ........................................................ 22 全球抗量子迁移战略白皮书（2025） 6 1.3.3.2 算法揭秘：不是暴力破解，而是“降维打击” ............23 1.3.4 “先窃取，后破解”：已经发生的未来威胁 ........................... 23 1.4 全球响应：铸造抗量子的未来 ....................... 25 1.4.2.1 首批 PQC 标准：兼顾性能与稳健 ................................ 26 1.4.2.2 算法多样性：汲取历史教训的战略远见 ....................... 27 1.4.3 NIST 国家网络安全卓越中心（ NCCoE）：从标准到实践的桥 梁 .............

....................................................................................12 2.2 技术架构与核心算法................................................................................................... .........................................................................................37 5.1.3 算法准确性与效率............................................................................................. .........................................................................................77 7.1.2 算法偏差与错误..............................................................................................

端到端自动驾驶要求海量高价值数据、超大规模算力和专业适配算法作为支 持。自动驾驶领域数据类型多样、格式复杂、算力分散，且以 Transformer 为基 底的人工智能网络模型结构在智能驾驶领域的适应性尚未被充分验证。建立行业 级智能驾驶智算数据平台，有望集中行业力量，建立高质量自动驾驶数据集、集 中算力资源、合力研发适用于端到端自动驾驶的算法模型，是推动人工智能技术 融入智能驾驶领域，破解我 融入智能驾驶领域，破解我国智能驾驶相对落后局面、实现赶超的最有潜力途径。 “智能驾驶智算数据平台”是指服务于汽车智能驾驶模型开发及测试的数据、 算力和算法综合服务平台，通常可分为企业级平台和行业级平台。其中，“智能 驾驶模型（智驾模型）”是指可具备感知、预测、决策、规划、控制等功能、可 驱动自动驾驶车辆安全、高效运行的分块化或一体化神经网络载体模型。 图 1 行业级智能驾驶智算数据平台示意图 智算数据平台一般由大算力 或专用人工智能芯片并行集群为主要计算 硬件，可以服务于人工智能深度学习模型的设计与训练，自动驾驶算法在各类数 据基础上不断地重复训练与验证，推动车辆对环境感知、路径规划等的认知水平 逐渐趋近于真实驾驶场景。 行业级智能驾驶智算数据平台旨在为行业内整车企业、智驾供应商、研究机 构及高校等主体的智能驾驶模型开发和应用提供基础数据、算力和算法服务，并 智能驾驶智算数据平台发展研究报告 2 协调上述单位及相

3.1.2 摄像头与视觉处理......................................................................39 3.2 路径规划与控制算法...........................................................................41 3.2.1 碰撞避免策略........ 4.1.1 实时乘客需求分析......................................................................59 4.1.2 车辆调度算法.............................................................................61 4.2 智能票务系统........ 出行路线推荐系统..............................................................................83 5.2.1 最优路径算法.............................................................................86 5.2.2 用户个性化推荐.....

3.1 图像采集与处理.........................................................................65 3.3.2 火灾特征识别算法......................................................................67 4. 实施计划.................. 低空无人机消防部署 AI 识别项目旨在利用先进的无人机技术 和人工智能算法，提升火灾预防、监测和应急响应的效率。该项目 通过部署具备高精度传感器和 AI 识别能力的无人机，实现对火灾 隐患的实时监测、火情的快速识别与定位，以及火灾现场的动态评 估。无人机将搭载多光谱摄像头、红外热成像仪和气体传感器等设 备，结合 AI 算法，能够在复杂环境中快速识别火源、烟雾、温度 异常等关键信息，并通过实时数据传输系统将信息反馈至指挥中 余火监测和灾后评估，确保火灾彻底扑灭，减少复燃风险。 项目的核心功能包括以下几个方面： - 实时监测与预警：通过 无人机搭载的多光谱摄像头和红外热成像仪，实时监测目标区域的 火情变化，结合 AI 算法对火灾隐患进行预警。 - 火源定位与识别： 利用 AI 图像识别技术，快速定位火源位置，识别火灾类型（如明 火、阴燃火等），并评估火势蔓延趋势。 - 环境数据采集：通过气 体传感器和温湿度

形成业务数据模型供孪生工厂使用。 孪生与数字底座模型 利用数据模型建立各模型的关联关系网， 通过统一模型的统一编码识别到虚拟设备， 将物模型 / 业务模型贯通到虚拟设备 中，形成数据驱动虚拟设备的仿真可视。将算法模型 / 成本模型引入到虚拟设备， 用作孪生的仿真分析及优化。 数据模型关系图谱 孪生与数字底座 IOT ▌ 数据采集：软网关采集完数据后会将实时数据统一推送到 IOT 平台。 IOT 效率、成本在全局系统上的优化 提升；能耗、质量在局部车间内的优化提升。 工艺算法模型 能耗算法模型 三维模型 IT\OT 模型 Stage1. 历史多元算法融合 Stage2. 孪生平台算法验证 Stage3. 孪生平台算法分析 Stage4. 孪生平台算法优化 AS 算法模型 立库算法模型 质量算法模型 DT 实施六大阶段 基础建设 共生 (L5) 解决方案 算法库接口预留 IT 业务模拟数据 分析 & 可视化 虚拟场景构建 1:1 建立三维模型库 公共标准统一 数据底座搭建 孪生支撑引擎搭建 OT 模拟数据录入 计算机硬件设