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

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 部署于不同 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 传感器种类多样 外接传感器少 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

化提出了更高的要求。 本白皮书聚焦智算领域的异构算力，具体是指面向大模型应用，采用不同架构设计的人 工智能芯片算力，通常包括来源于不同的厂家或同一厂家设计的不同代际产品，使其在计算 性能、容量带宽、访存系统和编程模型等方面具有差异性。异构算力按技术路线可划分为 GPGPU 和专用 ASIC（Application-Specific Integrated Circuit）两类路线。 GPGPU 是一种突破性的异构芯片架构，其核心在于将 （1）统一计算：打破异构壁垒构建算力融合底座 统一计算是异构算力协同的基础能力，旨在解决异构芯片生态割裂导致的“算力碎片化” 问题，构建底层异构硬件的统一抽象模型，从而实现对各类异构算力资源的一体“池化”。 将基于特定算力的编程应用程序转译为与底层硬件架构无关的中间表示层，通过智能编译优 化技术实现自适应的即时编译优化；各异构算力厂商间算子各异，需要构建跨架构的统一算 子接口，提炼通用算子的统一数学描述，解耦硬件实现细节，形成能够在厂商间源码共享的 一化的异构硬件抽象，统 一编程模型与接口和智能动态编译优化，构建跨芯片、可扩展、自优化的编译系统，实现 AI 模型的“一次编写、多芯运行、智能优化”。 当前业界现有 AI 编译器大体分三类：一是芯片厂商闭源编译器，例如英伟达的 NVCC （Nvidia CUDA Compiler）编译器和华为的毕昇编译器等，针对单一架构深度定制优化； 二是大而全的统一异构编程框架如 SYCL、OpenCL