2021年6月 供应链预测算法及应用 王桐 阿里巴巴-数字供应链事业部 Outline： • 预测场景及特性 • 预测算法研发路线及结果 • 预测应用案例 GMV预测 预测标的：GMV 提前期：未来1个月、一年 颗粒度： 行业*天*全国，行业 *月*全国 用途：支持整体经营计划（KPI制定，营销资源分配，供 应链资源分配） 评估口径：达成率 real/fcst （离线）商品销量预测：支持补货、调拨决策 时间颗粒度（月、周、日、小时） * 空间颗粒度（全国、大区、省、市、区、街道；仓、门店） • 用途：下游优化算法、决策系统（高准确率、高可用性）、人肉计划（算法白盒化、可解释性、可调整性） 供应链不确定性的第一道防火墙！ （实时）GMV预测：支持实时前端调控 （实时）销量预测：支持临时补货 （实时）单量预测：支持实时产能调控 预测算法研发路线 第一代：传统时间序列统计方法 （指数平滑、ARIMA、Holt-Winters） 技术局限：难以拟合脉冲性波动；无法灵活引入海量协变 量（特征）信息；无法描述复杂的交叉影响 第二代：特征工程+经典机器学习算法 （GBDT/XGB/LGB、随机森林、SVR） 1. 准确性：较高 2. 稳定性：较低 3. 可调整性： 中（特征工程 + 调超参） 4. 可解释性：低（黑盒算法，只能解释输入输出） 5. 执行效率：高（可批量训练/预测） 应用局限：调超参纯靠体力、算力；特征工程强依赖人工

行业实践，于 2022 年 5 月首次编制数字 孪生世界白皮书（案例实践篇），于 2023 年 4 月编制数字孪生世界白皮书（技术实践篇）， 于 2025 年 4 月编制数字孪生世界白皮书（智能算法篇）。 特别说明：本白皮书内所有案例截图均为模拟数据。 主编单位：杭州易知微科技有限公司 编写指导（排名按姓名拼音首字母）： 陈为 浙江大学计算机学院教授 邓贵德 中国特种设备研究院正高级工程师 技术落地。全文通过理论剖析与实践案例结合，为数字孪生技术跨领域融合及产业化发展 提供系统性指引。 《数字孪生世界白皮书（2025）》在前两版的基础上深化数字孪生技术创新，推动“数 字孪生+智能算法”的数字孪生智能应用建设，旨在通过白皮书为数字孪生产业发展提供 借鉴与参考。 本次白皮书系统梳理技术演进路径、核心能力建设及行业实践成果，数字孪生的核心 在于通过数据驱动实现物理世界与虚拟世界 机理与数据双驱动。融合水动力模型、有限元分析等物理机理与 AI 算法（如 LSTM、 强化学习），将洪水预测误差降至 3%以下，推演效率提升 20 倍。 动态交互与智能决策。通过数字人、大语言模型（LLM）实现自然语言操控，支持应 急指挥、设备运维等场景的智能响应。 围绕复杂数据处理与孪生场景应用、机理模型与数据驱动模型、超大体量数据处理与 实时渲染能力、自动化模型构建能力、大模型算法能力在数字孪生中的应用做了深度的技

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 算互联互通 API 接口规范，并根据实践情况进行勘误和更新；二 是开展平台互联互通改造联调，形成了以团标为依托的互联互通 产业测试床，目前已有 20 余家主要产业方完成了多方跨平台、 跨算法互通联调，具备支持实际业务开展的技术基础；三是构建 互联互通检测能力体系，联盟已正式授权 BCTC、国金认证等开 展检测受理工作，信通院等其他行业方也在加快推进跨行业互联 互通检测能力对标对表；此外，通过组建技术社区，集思广益推 联调适配工 作推动业界隐私计算平台和产品完成互联互通改造升级，验证互 联互通相关接口规范和功能模块的实际可用性，为跨机构数据合 作奠定平台互通基础；检测能力建设工作保障了互联互通平台底 座与算法的安全性和规范性，并与其他行业检测能力对齐，实现 跨平台、跨行业的兼容和互信。 图 3 互联互通技术实践整体框架图 6 （一）技术开源 1.发布 API 接口规范 v1.0 根据行业级隐 理层接口、控制层接口、算法组件层接口、传输层接口、开放算 法协议以及 TEE 统一远程证明协议共六个部分。 图 5 互联互通 API 接口规范主要内容  管理层接口：包含互联互通平台的基本元素、各级资源 的互通流程及支撑互通流程的东西向接口，分层级约定了节点互 通、数据互通、项目互通、流程互通、组件互通、模型互通等资 源互通接口。  控制层接口：包含流程调度和算法容器管理。流程调度

计算应用能力指标体系与评测框架，探讨评测基准、方法和标准化 需求，旨在为量子计算应用破局储备方案与工具。 本研究报告共分为五章，相关章节内容安排如下: 第一章：研究背景。简述量子计算应用面临的计算问题、量子 算法、量子硬件三角关系，指出本报告拟关注的问题。 第二章：行业场景与需求。调研了移动网络、金融等行业的计 算场景与问题，以及算力需求与部署需求。 第三章：量子计算应用能力体系框架。介绍了应用能力关键指 .. 14 (三) 硬件系统性能指标 .................................................................. 15 (四) 量子算法性能指标 .................................................................. 17 (五) 量子计算机扩展能力指标 ...... ..................................... 19 表 8 最大加权独立集 QAOA 算法测试例 .......................................... 28 表 9 最大加权独立集分布式 QAOA 算法测试例 .............................. 30 表 10 用于网络流量预测的量子 Tsmixer

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

仅局限于逻辑门层级的量子线路编程；4）可以获取原始的量子信号 数据，从实验数据上观测量子比特的演化规律；5）支持一套完备的 量子逻辑门，包含单比特门、双比特门以及三比特门，可以允许学 生自由搭建任意量子算法；6）多种量子编程方式结合，有易入门的 图形界面编程方式，以及基于 SpinQit 框架的经典-量子混合编程方 法。 目前国内外有许多的高校在使用量旋的核磁量子计算机作为量 子计算教育的辅 据反馈， 能够很好地促进学生对于量子计算这一抽象概念的理解。从对量子 计算相关实验内容的支持程度上来看，核磁量子计算机可以支持从 底层量子比特的物理原理、量子态演化一直到顶层的逻辑门实现和 算法编程的量子计算全过程实验。因为实际系统已经在教育场景中 使用，技术成熟度达到 9 级。 三、 应用方案与实践 (一) 解决方案/系统架构/产品情况 为了全面体现真实量子计算硬件在量子计算教学种的作用，量 量子信息技术应用案例集（2024） 6 机实验内容，主要分为三个板块。1）量子比特物理指标（如退相干 时间 T1、T2）以及自由演化动力学现象实验；2）从量子逻辑门层 级开始学习量子算法设计，并在真实硬件上运行后对结果进行分析； 3）对物理底层更加开放的量子调控技术探索，进一步加深学生对量 子计算相关技术的认识和学习。 具体的教学方案中还包括如表 1 的一系列实验课程以及配套的

DataFunTalk 成就百万数据科学家！ 5 目录 模型可解释性在保险理赔反欺诈中的实践......................................................7 图算法在网络黑产挖掘中的思考....................................................................21 联邦学习与安全多方计算..... ............70 Fraudar 算法在京东关系网络反欺诈中的应用...........................................85 携程金融自动化迭代反欺诈模型体系.........................................................100 微众银行在联邦推荐算法上的探索及应用................. 度小满智能获客系统实践............................................................................. 297 金融风控反欺诈之图算法............................................................................. 307 机器学习在反欺诈中应用.....

于创造社会价值，才能让科技成果转化为普惠民生的发 展动能，让每一条道路都通向更美好的安全出行图景。 技术突破是根基，安全落地是底线。自动驾驶技术的核 心在于构建全域要素深度融合的智能系统。需要在感知 算法、决策控制、高精定位、计算芯片等关键领域持续 深耕，同时以更高标准解决复杂交通场景下的长尾问题。 但技术的进步必须以安全为前提，必须将“可解释性”和 “可靠性”融入技术研发的全生命周期，构建覆盖汽车研 智能驾驶技术架构与关键能力 08 2.1 车端硬件 09 2.1.1 感知硬件 09 2.1.2 域控制器 13 2.1.3 执行硬件 18 2.2 车端推理 19 2.2.1 算法架构演进 19 2.2.2 算法场景应用 20 2.3 云端训练 20 2.3.1 训练数据 21 2.3.2 训练芯片 22 第三章 智能驾驶行业赋能与场景创新 24 3.1 主动安全 25 代表自动 驾驶功能。 1.2 智能驾驶的逻辑架构 智能驾驶系统由车端传感器、车端平台层、车端算法层、 云端服务层四大部分组成，车端平台层以芯片、域控制 器、车载通信和操作系统等驱动摄像头、激光雷达、毫 米波雷达等传感器进行环境感知，并通过车载通信实现 车云协同；车端算法层整合管理域、算法、应用及安全 域，实时解析传感器数据生成决策指令；云端提供全导 航、数据管理和模型训练等功能，通过

............................................................................................ 7 （二）算法维度：需关注人工智能权责界定与应用安全限度....................9 1．产业反映................................................. 践指引。 2 二、智能制造产业反映、问题分析与司法对策 随着新一代信息技术与制造业的深度融合，产业的法律形态 正在发生变化。调研中发现的典型法律问题与现象，可归纳为 4 点。其一，以数据、算法为代表的新型生产要素引出了新权利的 界定问题。这类无形权益的价值主要在动态流转与应用中实现， 其权利归属与利益分配方式与传统物权或知识产权法的静态保 护维度存在差异，司法实践中需要探索适应其动态特性的新规则。 险、促进人才 流动与保护核心技术资产等多重价值间进行权衡，以实现个案正 义与产业发展的良性互动。 为系统性研究上述问题，调研组从数据、算法和主体等 3 维 度建构分析路径，将智能制造引发的法律现象解构为 3 个核心逻 辑单元：数据是基础生产要素，算法是核心驱动引擎，而主体则 3 是权利义务的归宿。通过对这 3 个维度的独立剖析与关联互动研 究，有助于构建一个较为清晰的分析体系，对新兴业态进行体系