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

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

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；

算电协同技术白皮书 2 为 68.6%，青海、甘肃等新能源大省也面临类似困境。在此背景下， 算力负荷的时空可转移特性（如“东数西算”工程中的冷数据处理西 迁）和灵活调节潜力（如 AI 训练任务的错峰调度）为电力系统提供 了新的调节手段。研究表明，通过优化调度，全国数据中心可提供约 3000 万千瓦的灵活调节能力，相当于 30 座百万千瓦级抽水蓄能电站。 此外，在“双碳”目标约束下，算力产业的绿色转型需求迫切，但目 尽管我国风光发电装机超 14.5 亿千瓦（2024 年底），但间歇性、波动 性导致西部“弃风弃光”与东部“缺电”并存，而算力中心的灵活负 载特性可成为破解这一困局的关键——通过 AI 调度算法将非实时计 算任务转移至绿电富集时段，理论上可提升新能源消纳率 15%以上， 实现“比特”与“瓦特”的时空耦合。政策层面，“东数西算”工程已 明确要求 2025 年国家枢纽节点数据中心绿电占比超 80%， 《加快构建 提出通过余热回收、光热发电协同等技术提升能源利用效率，并要求 试点项目在 2024 年 8 月后开工，2025 年底前形成阶段性成果。 同时，《2025 年能源工作指导意见》将算电协同纳入新型电力系 统建设重点任务，强调需与“东数西算”工程联动，推动国家枢纽节 点数据中心绿电占比超 80%的目标。国家数据局等五部门联合印发的 《加快构建全国一体化算力网的实施意见》则提出“算力与绿色电力 第九届未来网络发展大会白皮书

号 财 产 编 码 设 备 编 号 设 备 名 称 压力：当前压力 400MPa 温度：当前温度 60℃ 3.2 5 任务执⾏ 提交验收 故障解除 执⾏时间 执⾏⼈ 所需物料 规则 引擎 if then 报警触发 工单派发 任务执行 系统可根据设备状态制定标准的预防性维护计划，预测性 维修集装备状态监测、故障诊断、故障（状态）预测、维 修决策支 ；通过制定标准作业规范 ，指导 保养工作按规完成 任务执行全过程可追踪，记录每项任务完成状态及物资消 耗，并随时可查 ；集状态监测、故障诊断、状态预测和维 修决策多位合一体 ，确保设备长期稳定处于健康状态，效 率达到最优化 3.2 6 自动化派单派工 任务执行情况 实时跟踪 标准化作业规范 全工作流程记录 物资消耗 自动关联 任务完成统计 预测性维修养护计划 理、在线发起⼯单、 发布公告等。任务派 发后 ，实时跟进任务处理进度，并对任务执⾏延误情况进⾏跟催 3.2 7 当不同等级的报警被触发后 ，会根据预先设定 的规则 ， ⾃动派发到当前处于值班状态的⼈的⼿机 APP ，同时显 示任务接收、处理进度 ，方便调度员跟进及跟催 l 显示工单触发来源 l 显示任务派发对象 l 任务完成情况记录 l 任务验收结案 l 过程资料永久存档

..............................................34 4.3 建设任务与建设内容...................................................................35 4.3.1 建设任务........................................................ .........361 5.8.2 环保监测平台..............................................................362 5.8.3 任务管理子系统..........................................................366 5.8.4 数据管理子系统.................. 业指导书，以便对现场情况进行处理； （2）基础监测能力不足，无法实时了解环境现状， 执法人员少、覆盖范围有限、执法任务重。由于环境监 察局执法行动比较多、执法任务繁重，目前使执法人员 无法快速、便捷的了解污染源的情况，从而使得少量的 执法人员无法完成现有的执法任务，不能及时全面掌握 现场情况； （3）信息化水平传递。没有完善的管理平台，无 6 法对现有的日常工作进行标准化管理，导致工作冗杂，

布式算 力是一种新型的计算模式，在实时感知多类型、多数量计算设备资源 状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 到不同的计算节点上，从而实现高效的数据处理和分析。本白皮书阐 述了分布式算力感知与调度的背景、体系结构、关键技术、应用场景、 发展 础设施。这一理 念旨在构建一个能够动态感知全网算力资源，并根据任务需求进行智 2 能化、自动化、最优化调度的新型信息基础设施，降低计算延迟与成 本，支撑新型智能化应用的落地。 分布式算力是相对于传统集中式算力（如单一超级数据中心）而 言的算力部署与利用模式，其核心是将一个大的计算任务分解成若干 个小任务，然后把这些小任务分配给地理、网络层级或逻辑上相互独 立的多个节点。这些计算节点可涵盖数据中心、边缘设备（如基站、 一形态，边缘算力是前者重要组成部分，是分布式思想的一种具体体 现。边缘算力强调“地理近端性”，即计算能力的部署靠近数据源， 以满足低延迟和高实时性的需求；而分布式算力更关注“全局最优性”， 侧重任务的分解与协同，以处理大规模和复杂的计算任务可能调度至 边缘、核心云或两者协同，例如“云-边-端”分层推理。 分布式算力感知与调度的核心在于“感知”与“调度”两个相互 依存、紧密结合的环节。“感知”是基础和前提，它指的是系统具备

图5.5 排班表审批功能界面  排班表 排班表功能用于排班信息的集中展示，满足不同条件的查询，查询条 件包括周、月、日期、人员。在本系统中，排班表主要在后期设备运维过 程中，能够自动将工单任务推送到相关人员。 排班表支持数据的批量导出，在排班表功能里，可以进行排班表的快 速编辑；但处于未提交审批的排班表，如果提交审批，则不支持快速进行 编辑。具体界面展示如下图。 图5.6 排班表功能界面 进行重新派单，并填写原因和建议等说明。 经过确认进入正在处理状态，如下图所示。 131 某市市中医院后勤设备综合运行管理技术建议书 图5.1 我的工单功能界面 图5.2 我的工单-工单确认功能界面 当检修人员完成任务后，进行工单反馈，需要填报实际使用的各种资源 ， 人力工时、物资、备件备件等，可以对修好的进行图片及视频上传。 当所有信息填写完成后，数据自动流转到报修人进行验收评价，若 24 小时 不评价，自动默认全部 成该员工 的“待办任务”，如果下达到保养组，该组任何人员都可以看到保养任务并去执行 如果分派该组的指定人选执行该任务，其他人待办任务中这条就自消失。保养 工作人员根据保养任务执行工作，并反馈结果，对于没有发生任何工时及费用 的保养，则直接提交结束流程。 保养工作人员可查询自己工作情况；保养组责任人可查询工作人员的保养 任务，以此作为人员绩效考核参考。管理层对保养任务统计查询，以此作为绩