的总体目标，强调要适应科技信息化发展大势，以信 息化推进应急管理现代化，提高监测预警、监管执 法、指挥决策、救援实战、社会动员等应急管理能力。 大语言模型是具有大规模参数的深度学习模 型，通过对海量文本的训练习得语言的统计规律， 从而具有理解和生成自然语言的能力，实现人机之 间的有效通信。自2018年双向编码表示模型（bidirec⁃ tional encoder representations from pre-trained transformer，GPT），人工智能领域 自然语言处理方向的重大突破，引领了大规模预训 练模型及应用研究的热潮。大语言模型技术的迅猛 进展正深刻地影响着机器系统智能化的轨迹，标志 着进入一个新的人工智能时代。从 BERT 到 GPT [1-2]， 这些模型通过深度学习和海量数据训练，不仅推动了 自然语言处理技术的边界，也正在改变知识获取和创 新的模式，将对应急管理体系发展、能力要求以及实 金（20BZZ037）, 广 东 省 哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人, 硕士, 助理研究员。 基于大语言模型技术的智慧应急应用： 知识管理与应急大脑 龚 晶 1 黄 欢 2，* （1. 暨南大学 公共管理学院/应急管理学院，广州 510632；2. 暨南大学 党委政治保卫部/人民武装部，广州 510632）

机器人离线编程系统是机器人编程语言的拓广，是利用计算机 图形学的成果，在电脑里建立起机器人及其工作环境的模型，自动 生成机器人的运动轨迹，然后在软件中仿真与调整轨迹，最后生成 机器人程序传输给机器人。 本 节 导 入 示 教 编 程 特 点 离 线 编 程 特 点 需要实际机器人系统和工作环境 编程时机器人停止工作 在实际系统上试验程序 编程的质量取决于编程者的经验 难以实现复杂的机器人运行轨迹 难以实现复杂的机器人运行轨迹 目前离线编程广泛应用于打磨、去毛刺、焊接、激光切割、数控加 工等机器人新兴应用领域。 图 7-1 离线编程系统构成图 用户接口 传感器 编 程 图 形 仿 真 数 据 库 数 据 库 机 器 人 控 制 柜 后 置 处 理 1 、离线编程系统构成 机器人离线编程系统正朝着集成的方向前进，其中包含了多个领 域中的多个学 域中的多个学科，为推动这项技术的进一步发展，以下几个方面的技 术是关键： 2 、 离线编程关键技术 （ 1 ）多传感器融合技术的建模与仿真 对多传感器进行建模，执行多传感器操作 （ 2 ）错误检测和修复技术 对系统的运行状态进行检测和修复 （ 3 ）各种规划算法的进一步研究 其包括路径规划、放置规划和微动规划等 （ 4 ）通用有效的误差标定技术 应用于各种应用场合的机器人标定 （

机器人编程，就是针对机器人为完成某项作业进行程序设计。 工业机器人编程是机器人技术的一个重要方面，它是与机器人所采 用的控制系统相一致的。为了用简单的方法描述作业、操控机器人， 机器人的语言应运而生。在本节中，主要详细介绍示教编程。 本 节 导 入 1 、示教编程 图 6-1 示教再现式机器人控制系统工作原理 示教盒 记忆装置 伺服放大 示教部分 再现部分 公共部分 工作装置 避免发生错误指令 编程占用机器人作业时间 难以与其他操作同步 很难规划复杂的运动轨迹 以及准确的直线运动 难以与传感信息相配合 机器人语言编程是指采用专用的机器人语言来描述机器人的动作 轨迹。机器人语言编程实现了计算机编程，它具有良好的通用性，同 一种机器人语言可用于不同类型的机器人。此外，机器人编程语言可 解决多台机器人之间协调工作的问题。 2 、机器人语言编程 离线编程是在专门的软件环境支持下，用专用或通用程序在离线 离线编程是在专门的软件环境支持下，用专用或通用程序在离线 情况下进行机器人轨迹规划编程的一种方法。这种编程方法与数控机 床中编制数控加工程序非常相似。一些离线编程系统带有仿真功能， 这使得在编程时就可解决障碍干涉和路径优化问题。 3 、离线编程 离线编程 为了使机器人能够进行再现示教的动作，就必须把机器人运动命令 编成程序。控制机器人运动的命令就是移动命令。在移动命令中，记录 有移动到的位置坐标、插补方式、再现速度等参数。

打造自适应 AI 运维智慧体： 大语言模型在软件日志运维的实践 刘逸伦 华为 2012 实验室 本科毕业于南开大学 ，硕士毕业于美国佐治亚理工学院。研究方向包括 AI 智能运维 ，大模型质量评估以及大模型提示策略 ，在相关领域以第一作者、 通讯作者身份在 ICDE 、 ICSE 、 IWQoS 等顶级国际会议 / 期刊发表 10 余篇 论文。 刘逸伦 华为 2012 文本机器翻译实验室工程 日志是机器语言：大规模网络、软件系统在运行过程中每天会产生 PB 级别的日志，这些日志是一些类自然语言的文本，实时描述了设备 的运行状态、异常情况。 (2) 传统网络运维是机器语言的人工翻译过程：为了维护网络的稳定，运维人员会持续监控设备的运行状态，希望准确、及时地检测异常和 突发事件。网络日志是设备运行维护最重要的数据源，运维人员通常会通过解读日志中的自然语言、语义信息来发现问题、分析根因。 分析根因。 (3) 自动日志分析是机器语言的自动翻译过程： 日志文本种类繁多、数量庞大，且多数日志为非结构化文本，无法通过人工方式监控和检测 全部的日志。更重要的是，分析设备日志需要丰富的领域知识，耗时耗力；简单的规则配置也无法理解文本的语义信息。 化⽂本 类 自 然 语 ⾔ 半 结 构 观点 1 ：软件日志运维是从机器语言向自然语言的 转化 转化 表：一些网络基础设施

技术爱好者：帮助其理解AI在教育中的实践案例，拓宽他们对技术应用的认 识。 特色与亮点 ❍ 前沿性与实用性：紧跟AI教育发展前沿，精选最新的应用案例与操作指南。 ❍ 跨学科性：涵盖语文、数学、英语、科学、艺术设计、音乐、历史、编程等多 个学科，培养跨学科应用思维。 ❍ 案例丰富：通过真实案例展示AI在教育中的实践效果，让读者更直观地理解技 术应用。 ❍ 操作性强：配有详细的操作步骤和指导，帮助读者快速上手并应用于实际教 学。 进入21世纪，移动通信与人工智能成为数字化技术新的前沿，已经渗透到社会的各 个角落，成为推动社会发展的重要力量。在个人消费领域，智能手机、电子商务、 社交媒体等已经成为人们日常生活的重要组成部分。深度学习、自然语言处理、机 器学习等技术的突破，使得人工智能在语音识别、图像识别、智能推荐等方面展现 出强大的能力。智能家居、自动驾驶等应用的涌现，预示着人工智能将成为未来社 会发展的关键驱动力。在企业和政府层面，数字化转型已经成为提升效率和竞争力 平。 1. 人工智能的发展历程 随着计算机技术的飞速发展、算法的不断优化、算力的大幅提升，AI逐渐从理论走 向实践，并在多个领域取得了显著成果。如今，AI已经广泛应用于语音识别、图像 识别、自然语言处理、机器翻译等领域，成为推动社会进步的重要力量。 AI的发展历程可以追溯到20世纪50年代，“图灵测试”是其中一个重要里程碑，它 作为评估机器是否具有智能的标准，奠定了AI的理论基础。当时的科学家们开始探

指导，更注重提供实操模板与案例，强调无需依赖专门AI系统，普通教育和学术工作者也能便捷应用通用模型与开放工具实 现专业功能，具有广泛实用性和迁移价值。 二、教育和学术领域是一个知识密度极高的领域，也是受大语言模型技术影响较大的领域。本讲座共包括五个部分，逐层递 进、环环相扣，从技术概述到教学应用、学习辅助、科研支持再到管理赋能，通过教-学-研-管四个教育环节构建了 DeepSeek教育应用的立体图景 DeepSeek快速出圈，全民硬控 n 2024年12月26日， DeepSeek推出对标OpenAI GPT-4o的语言模型DeepSeek V3，随后在美国AI行 业内部引起轰动。 n 2025年1月20日， DeepSeek发布对标OpenAI o1 的DeepSeek R1大语言模型，并于1月24日引起美 国投资界KOL关注。 n 2025年1月26日，关于DeepSeek颠覆了大模型的商 MTP 混合精度训练 FP8 混合专家 MOE 多头潜注意力 MLA 通讯优化 DualPipe 并行训练框架 HAI 强化学习 GRPO 直接硬件编程 PTX 测试时计算 TTC 能力突破 开源、低成本、国产自主 n 基础能力：进入推理模型阶段，并跻身全球第一梯队 1. 推理能力跃升： DeepSeek大模型核心技术突破，实现复杂推理任务的精准处

）：以模型为核心，是对真实世界的模拟和解释 • 用语言逻辑方法获取理论模型：模糊 • 用解析数学方法获取数学模型：精确 • 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数 人类智能 • 抽象（语言）：概念，数字，理 念 • 逻辑（理性）：归纳，演绎，类 专用任务模型： NLP 、 CV 、 Gaming…… 2. 通用任务模型： AIGC • Diffusion 、 transformer ◼ 从 NLU+NLG 到 LLM （大语言模型） 1. 语言逻辑和数据集蕴含了人类的认知智能 2. LLM 是人类的认知智能的实现方式之一 3. LLM 的原理很简单；工程很复杂；效果很神奇 3. 推理能力（涌现）：一般需要 10B 以上， 时刻）：表现是慢思考；本质是合成数 据 有些是产品能力，不是模型本身的能力： RAG Function Call 1. 语言能力： 一本正经地说话，语言顺畅， GPT 时达 到 • NLG+NLU ：语言理解、语言表达（包括温度和情商） • 人类语言、代码语言、 XX 语言 2. 知识能力：海量公开知识，言之有物， GPT-2 时达 到 • 顺带学习（基座模型）：文字中蕴含了知识

挑战。 • AI 驱动的控制系统变革：在智能算法基础上，AI 技术正在重新定义自动化控制架构，推动从 “传统控制 + AI 辅助” 向 “AI 原生控制系统” 的根本性转变。通过将机器视觉、自然语言处理、大模型推理等 AI 能力深度嵌入 控制回路，系统实现从被动响应到主动感知、从规则驱动到数据驱动、从固定逻辑到自主学习的全面升级， 构建具备自主决策、持续优化和协同智能的新一代控制系统。 03 和实时任务之间的资源隔离。在实时任务运行在隔离核上的同时，Windows 可以在剩余核心上保持全面的操作能力。 Kithara 的架构示意图如下图所示。 在软件层面，Kithara 保持了 Windows 编程框架，并提供了自己的 API，用户可直接在 Visual Studio 中开发实 时任务，这一点确保了应用的开发便利性和系统兼容性。Kithara 将实时系统以设备驱动的形式实现，并将用户的 Windows 提供虚拟化环境下的强实时保障，实时虚拟机中断响应时间达到微秒级、实时虚拟机切换时间小于 5us、实时虚拟 机定时器周期达到 50us。 • 开放的生态，良好兼容 Windows/Linux 应用。 • 预装东土工业控制编程平台 MaVIEW，人机监控平台 KySCADA 及 KyGate 协议网关应用。 • 支持多个实时操作系统，主流桌面系统（非实时）同时运行。 • 支持通过内部虚拟数据总线实现不同操作系统间的高速数据交换。

以太坊：找寻自己的路 标准化：编程接口与通证标准 世界上的大部分事物都是不可互换的 发展出应用：以太坊上跑起金融业务 ［专栏］ 以太坊区块链网络就是元宇宙的典范 第七章 可编程的世界：DeFi金融城的形成 从智能合约平台到DeFi金融城 DeFi中的智能合约程序 治理通证的创新：组织协调与利益分享 可编程带来可组合性：用代码连通起来 ［专栏］ 编程能力是元宇宙时代的听说读写 第八章 但我讲得更多的可能是“石头”，即实体与数字融合的元 宇宙的七大基石。 第一块基石：大规模协作。 第二块基石：三维立体。 第三块基石：游戏化。 第四块基石：所有权系统。 第五块基石：可编程。 第六块基石：自组织。 第七块基石：体验。 在一个个案例中你将看到，我们周围的事物与环境、个人 的身份与行动、与他人的联结与互动、工作与组织、价值创造 与分配等都变了，而所有变化的源头都可以追踪到这些基石。 让我们先来看看计算机生成的亦真亦幻的世界。 [1] 在科幻小说家那里，黑日项目（Black Sun Systems） 大概对应的是小说撰写时的知名计算机公司太阳微系统公司 （Sun Microsystems），它开发了Java编程语言。 从虚拟现实到实时的真实 用虚拟现实技术塑造出能超越实体的世界，是人们一直以 来想用计算机做的事之一。狭义的元宇宙，通常指的就是视觉 上让我们感觉身临其境的虚拟世界，但我们又明确知道，它是

安全性：协作机器人配备有先进的传感器技术和控制算法，如力矩传感器、视觉系 统等，使其能够实时感知环境变化和与人体接触，并根据接触情况做出相应的安全 响应，以防止对人类造成伤害。 ➢ 易用性：协作机器人往往具有直观的用户界面和编程方式，使得非专业的操作员也 能方便快捷地对其进行设置和操作，降低了使用门槛。 ➢ 灵活性：相比于传统固定在某个工作站上的工业机器人，协作机器人通常更轻便且 布局更为灵活，可以快速重新部署于 生产的适应性，也为实现更加智能化、个性化的制造模式提供了强有力的支持，是现代智能 制造体系中不可或缺的一环。 在当前市场需求日益多样化、产品生命周期缩短的背景下，柔性化生产成为企业竞争力 的关键。协作机器人以其高度的灵活性和可编程性，完美匹配了这种生产模式。无论是多品 种、小批量的生产，还是快速的产品迭代，协作机器人都能有效支持，帮助制造商快速响应 市场，降低库存成本，提高整体运营效率。 图表 4 协作机器人与传统工业机器人产品特点对比 外接传感器少 7 投资回报 价格低、易集成、投资回收快 集成复杂、投资回收周期长 作业方式 人机协同作业 耐疲劳、连续作业 操作环境 快速编程、操作简单、可拖动示教 操作复杂、专家编程、专员维护 常用领域 精密装配、检测、包装、上下料、抛光 打磨、医疗辅助、教学培训等 搬运、码垛、焊接、喷涂等 数据来源：公开资料，高工机器人产业研究所（GGII）整理