GPU（图形处理器）、并行计 算集群 硬件基础 量子化学、密码学、优化、搜索、 量子模拟等 图像处理、深度学习训练、科 学模拟（规则并行任务） 适用问题类型 潜在的 指数级加速 （特定问题）、 全新计算范式 高吞吐量、擅长大规模数值并 行计算 优势 技术不成熟、易受干扰、目前规模 小、算法有限、需低温环境 不擅长非规则、逻辑复杂的任 务，串行瓶颈依然存在 局限 前沿技术，处于实验与原型阶段，

模型动态学习模态 - 场景的关联信息 ， 实现场景样本自适应的多模态动态融合 创新：提出局部到全局的混合专家多模态动态模型构建“模态 - 场景”动态感知关联 (ICCV 2023) 在多模态非固定关联范式中动态地相互融合主导 - 辅助模态信息 双向 Adapter 结构简单、高效（仅添加 0.32M 可学习参数） ，以通用的方式将互补特征从一种模态转移到另一种模态。 每个模态分支从其他模态中学习提示信息 实现了协同进化 n 社会化学习范式可以通过智能体之间的关键样本交互和知识交互 ，从而实现新知识学习 n 在保留个体原先任务认知能力的基础上 ，获取其他智能体的任务知识 ，进而实现机器社会中多个个体的协同进化 创新：针对开放环境下的群智演化 ，提出兼顾专业性和通用性的社会化学习范式（ ICML 2024 ） 创新：针对跨任务下的协同进化 ，提出兼顾下游任务专业性和通用性的社会化协同进化范式（ ICML 2025 2025 ） n 社会化协同进化范式可以通过智能体之间的层级化动态交互和协同 ，从而实现知识的传递与增强 社会化协同进化通过多智能体间数据与知识的层级化动态交互 ， 实现了跨任务群智演化 n 在提升个体原先下游任务认知能力的基础上 ，整体解决不同下游任务能力得到增强 ， 实现跨任务协同进 化 构建跨平台（无人机 + 路面摄像头）多模态（可见光 + 热红外）空地协同感知数据 集 模型可以显著捕获全局和局部判别特征

达+毫米 波”三重冗余架构，显著提升对静态障碍物、施工区、异形物体的识别鲁棒性 ；当前L3级落地前夕，以特斯拉BEV(Bird’sEyeView)+Transformer为核心的纯 视觉大模型范式加速普及，通过端到端神经网络实现从原始图像像素到行车意 图的直接映射，推动行业迈向“重感知、轻地图”的新阶段[1]。这一路径迭代 的核心动因在于：一方面，城市NOA对复杂路口、无保护左转、鬼探头等长尾 全球智能驾驶辅助技术发展现状:技术路线、商业化落地与政策框架分析 10 中转节点升级为融合感知、规划、决策与部分控制功能的高集成计算平台，支 撑L2+至L4级智能驾驶功能落地。这一转变直接驱动EEA架构向‘中央计算+区域 控制’范式收敛，显著降低线束复杂度与ECU数量，同时提升系统响应实时性与 OTA升级能力[1]。 主流供应商正围绕‘硬件可扩展、软件可迭代’双主线构建差异化竞争力。英伟达 凭借Orin/Xavier系列 致 感知冲突；另一方面，在隧道、地下车库等V2X信号盲区，高精地图提供可靠 回退能力；而在施工改道、临时封路等地图未及时更新场景，V2X可实时填补 空白—二者构成“静态底图+动态流”的互补感知范式。这种协同不仅提升单点 可靠性，更通过多源交叉验证降低误检率，使整体感知置信度较单一技术路径 提升40%以上。 答对先见AI 全球智能驾驶辅助技术发展现状:技术路线、商业化落地与政策框架分析

二、 低空数据平 台 三、 低空感知大 脑 CONTEN TS 统计机器学习长期关注数据规模、 结构及分布与模型 泛化间规律 前提假设和静态度量失效 经验规律重构新范式导向 数据样本量稀缺 需严格约束模型复杂度 根据数据结构选择模型 维度问题影响模型选择 2017 经典泛化理论质疑： Zhang, C. 《 Understanding deep learning dilemma 》 系统阐述非线性模型的偏差 - 方差权衡与数据 维度挑战 1995 年：数据模型经典范式 Vapnik, V. 《 The Nature of Statistical Learning Theory 》 提出结构风险最小化原则 ，建立数据量决定可 安全使用的模型复杂度经典范式 1971 年： VC 维 Vapnik, V. & Chervonenkis, A. 《 On the 动态增强低质量图像 低空多传感 器协同学习 如何动态挖掘多模 态有效性？ 如何动态复原多种 噪声类型？ 挑 战 看不清 多雾 夜间 构建了复杂退化自适应建模理论与复杂多退化统一复原范式 提出了 空场景特征引导的多传感器可信提示动态鲁棒感知方法 感知结果 多源融合图像 低空多传感 器协同学习 解决低空数据易受环境干扰难题 克服场景动态变化的困境 质量提升 IJCV

数字政府评估作为打破区域壁垒、推动经验迭代的关键纽带，具 有重要意义。通过对各地数字政府建设中的创新实践进行系统梳理， 从评估维度提炼共性规律、总结个性亮点、挖掘优秀案例。这些经验 成果不仅涵盖制度机制层面的创新，还涉及技术应用范式，为各地数 字政府建设提供了全方位、具备可操作性且易于借鉴的实施路径。一 方面，能够避免各地重复建设、从头探索，降低政府数字化智能化转 型的成本；另一方面，可推动数字治理经验从“一地突破”迈向“全 化管理与应 急响应中彰显技术韧性。贵阳在算力与政务融合领域展现出显著的创 新力和实践成效，依托全国一体化算力网络国家枢纽节点的优势，构 建了“算力底座 + 智能应用 + 生态协同”的政务服务新范式。 - 16 - - 17 - 图 8 中西部城市数字政府建设头部城市得分率 2. 应用成效表现优异，数字履职稳步提升 2025 年数字政府评估结果表明，整体上应用成效达成度与数字 准时空数据支持，推动民政服务智能化、精准化与社会治理现代化。 （2）案例内容 时空大数据平台以“数据驱动、时空赋能”为建设导向，采用“模 块化架构 + 组件化服务 + 场景化赋能”的建设范式，重点构建“数据 支撑—场景服务—时空联动”技术体系。平台基于“基础信息系统— 大数据服务系统—时空大数据系统”打造九大功能模块，具体建设内 容如下。 1）基础信息系统 数据资源检

资源 [2], 构建 “云 – 边 – 端” 协同 [3] 的新型数字基础设施, 旨在突破地面网络的低空覆盖局限, 实 现空天地一体化协同服务. 在 LAIN 新范式驱动下, 低空网络管控体系正在经历从 “人工主导” 向 “智能自治” 的范式重构. 传统通信网络基于静态配置与人工干预的运维模式, 在应对低空场景特有的高动态性、异构性及跨域 协同需求时, 暴露出显著局限性. 首先, 全局态势感知能力缺失 [18] 调查了 SAGIN 在灾害管理中的重要作用. 灵活的低空 网络和现有卫星网络可以快速建立具有高可靠性、低延迟和高容量的紧急通信系统, 基于 SAGIN 的 应急通信系统将成为支持搜救行动的关键范式. 除了学术界围绕低空智联网开展广泛研究以外, 以运营商为代表的产业界也在持续关注低空领域. 中国移动发布了《低空智联网技术体系白皮书 (2024)》[19], 分析了低空经济产业发展趋势, 总结了 (Smart Integrated Lower Airspace System, SILAS), 强调了 SILAS 与 传统基于航路的空域管理和飞行管理的本质区别, 打造了低空经济领域新的系统设计和服务范式. 3.0 版本深度解析了低空经济发展安全体系, 涵盖了从飞行器设计制造到运行管理, 再到社会影响的全方 位安全保障. 一些商业机构和政府部门已经开始探索低空网络与数字孪生技术如何落地实践. 成都携恩公司开

两者协同形成闭环验证机制，共同保障感知数据的可靠性与任务适应性。 在评估框架方面，低空场景需兼容全参考（full-reference, FR）、无参考（no-reference, NR）和任务驱动三类范式。全参考框架依赖无损图像，通过像素级比对验证退化恢复算法 的保真度，适用于设备标定与图像重建任务；无参考框架则针对应急场景缺乏参考数据的特 点，基于自然场景统计特征评估图像质量，尤其在浓烟、雨雾等恶劣环境下具有鲁棒性。 限性。 随着深度学习兴起，单图超分技术进入性能跃升期，卷积神经网络（convolutional neur al network, CNN）的架构优化成为早期核心方向。SRCNN 开创了端到端学习范式，首次 通过深度学习实现从低分辨率到高分辨率的直接映射，为后续研究奠定了基础。在此基础上， FSRCNN（fast super-resolution CNN） [28]通过端到端的全卷积结构和特征收缩 attention network）[39]通过堆叠残差通道注意力块，显式建模通道间依赖关 系，显著提升了高频信息恢复能力，形成了 “Transformer 长程建模 + CNN 局部特征提取” 的协同范式。频域方法创新方面，Zhao 等[40]提出了 DCTNet 算法，针对引导深度超分辨率 任务，首次将 2D 泊松方程求解与离散余弦变换嵌入端到端网络。其设计半耦合特征提取模 块分离 RGB 与

助力教育变革，深化人工智能助推教师队伍建设。因此，要紧跟技术发展的时代 步伐，持续促进教师发展，打造智能时代的高水平教师队伍。 随着人工智能不断融入教育教学全要素、全过程，教师发展面临人工智能助 力的巨大机遇和教育范式变革带来的诸多挑战。如何充分利用人工智能这把“金 钥匙”，让数字化赋能教师发展成为常态，以高素质专业化教师队伍支撑教育强 国建设和中国式教育现代化进程，已成为当前教育发展的重要议题。为把握时代 学生学习的指导者、支持者” ②，还需发展数字素养和人机协同能力 ③，提升利用 数字技术优化、创新和变革教育教学活动的意识、能力和责任 ④，由注重知识的 单向传递转变为注重知识的双向自主建构。推动教师转型驱动育人范式升级，方 能更好回应智能时代新质人才培养的战略诉求。 技术作为教育变革的持续动力，始终驱动着教师发展不断迭代演进。本研究 按照电子技术、信息技术和智能技术三个阶段，梳理了各阶段特征及对教师的发 方式，激发教师应用数字技术的主动性和创造性。 教师评价与治理是教师发展数字化转型至关重要的指挥棒，在 AI、大数据 和云计算等智能技术深度赋能的当下，教师的评价与治理需从经验驱动向数智驱 动的范式重构，进而为迈向精准化、规范化注入新动能 ①。 在教师评价方面，运用大数据、数据挖掘等技术伴随式采集分析教师教学、 研究与管理等多个时空、全过程的多模态数据，创新教师评价方法与模式，丰富 教

0）AI 安全。 第五章，智能泛在云，介绍了云计算研究院基于云计算技术趋势和中国电信战略所提出的研究愿景， 即，立足于泛在融合的云网基础设施，依托于云计算系统和 AI 算法深度融合的未来云计算新范式。本章 介绍了智能泛在云的背景与特征、技术挑战与创新机会、定位与展望。 目录 1 面向下一代云计算的研究 1 1.1 研究图谱 2025：云计算产业和技术分析 . . . . . . . . 热点方向九：新兴技术及应用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.2.1 智能时代下的新兴计算范式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.2.2 面向泛在互联的第六代移动通信系统 . . . 特征。在此背景下，云计算服务模式正在加 速向“AI+”深度转型，推动形成以 AI IaaS、AI PaaS、MaaS 和 AI SaaS 为代表的全产业链服务体系，构筑 人工智能时代的新质生产力范式，图 1.1列举了当前阶段云计算领域的技术研究图谱。 在基础架构层，AI IaaS 成为支撑大模型时代的核心底座。基于 CXL（Compute Express Link）的内存 池化架构显著提升异构算力资源的调度灵活性与利用率