80 100 120 140 160 180 3 开放，整合，全能力支撑 平台 智慧幼教整合解决方案 教育属性，智能化， 定制化，多层级用户 产品 多维体系，因材施教， 最优匹配 内容 标准接入，多类型， 数据整合 硬件 PLUSP RO O2O ， 1v1 ，增值 服务 品牌，资源，立体渠道 营销 合作，生态，数据 运营 业务模式，资费体系，分成 商业模式 教育数据双向循环反馈，形成生成反馈分析沉淀的闭 环 通过亲子教娱环节，将教育从幼儿园延伸到家庭，家长 和教师完成儿童共育 根据儿童和家长的教育属性画像，以及儿童的科学成长 路径，进行内容最优匹配推荐 始于互动，归于教育 9 专业、共创、累积 引导式创建，模板化幼儿发展指标记录，家长直接参与 成长故事创作和素材积累 家园联系册周卡，根据成长主线每周积累素材 成长故事模板，引导家长和教师完成记录 因材施教，智能推荐 15 学习路径，最优匹配 入园准备 分离焦虑应对 寻找合适的幼儿园 入园规矩早知道 家园共育 家长成长路径 家庭活动 宝 宝 测评 户外亲子游戏 亲子互动 艺术培养 科技创造 语言行为 潜能开发 感统训练 体能训练 智力训练 心理发展 1Q ：智商 2Q ：情商 3Q ：体商 零起点菜鸟变大师 根据用户的“段位”，推荐最佳学习路径，匹配恰到好处的内容，保证用户快速成长

 空调联网管控（分时段、限温）；  人体侦测，无人关空调；  室外温度突降，调高空调温度或关空调；  湿度检测，当湿度超标，自动开启空调除湿；  根据人流量，照明分区管理，空调冷量匹配供给。  图书馆节能率：约18%。 智 慧 图 书 馆 【解决方案】  智能电表；  手机APP充值；  远程控制；  房间分体空调群控（状态监 测、统一开关、限温管理）；  耗与实际能耗的区别，便于查找能耗使用问题 模式识别 系统自学习算法，设备运行监控，支持异常问题的 实时判断，并预警或报警 精细化管理 气象环境与建筑能耗关系分析； 根据不同时段的不同电价，实现移峰填谷，自动匹配， 帮用户实时节省费用 15分钟级别的数据模型 能源管控平台--监管体系 能源管控平台-地理信息 能源管控平台-同期对比 提供各建筑、同建筑、同时期、不同时期等能耗对比 改造前后，平台数据实时对比

播分区 ：如下表所示 ，每一个区域所选用的喇叭种类及数量 ，负载功率 ， 以 2.3.4 中小学广播分区设置 及匹配的功率放大器种类及数量。 按照学校的楼栋和楼层的功能要求分为以下几个广播分区 ：如下表所示 ，每一个区域所选用的喇叭种类及数量 ，负载功率 ， 以 及匹配的功率放大器种类及数量。 2.3.5 中学广播分区设置 共设计有 37 个大的广播分区 ， 同时每间教室又成为教室大分区下面的一个独立分区。 紧急广播联动 消防短路信号 < 触发 > 任意分区 分控管理 消防联动 紧急广播 紧急疏散 本地教学与广播共用多媒体音箱： ① 广播终端内置 2.4G 无线音频模块 ，通过头戴式蓝牙话筒与音箱匹配 ，方便老师教学时通 过 音响说话 ，让学生听得更清楚。 ② 广播终端有音频线路输入接口 ，教室的教学电脑信号直接接上 ， 可共用一套音响设备。 2.3.7 多媒体教学 广播服务器

2.单设备并发连接数无限制 方案可靠性：强 校 接 园 入 、 业务流匹配度 汇聚层实现校园 ： 强 横 向流量转发 每层次设备充分发挥转发性能 不存在流量过于集中的问题 管理成本：一般 采购与扩容成本：一般 1.接入设备多，策略复杂，导致部 (1)检测并禁用非法设备； (2)检测并规避 DOS 攻击； (3)检测并规避表项攻击； (4)检测并反制仿冒攻击； 基于 pattern 的匹配(Signature): 对报文进行预定义的 pattern 匹配，并执行 预 定义的动作； WLAN 环境监控：可监控 WLAN 各个信道上的无线设备，以及各种 WLAN 管理报 文、 控制报文及数据报文的速率。 受欢迎的依据，同时结合信息推 送的方式推送每日的特价菜； 分析图书馆的哪个馆哪个书架前哪类书是最受欢迎的，当经过某个书架自动推送出 最受欢迎的，最推荐的书籍； 分析用户的长期移动轨迹，如匹配教室-宿舍-食堂三点一线且为大四学生，之后再 做精确判断统计为考研备考学生，进行考研相关信息如备考指南、辅导班相关等信息推 荐。 119 中国交换机市场： :32.4% 2010 年起连续

由于学校流动人口大，高校外来人员复杂，重点人员出现时不能做到及时响 应，因此需要针对庞大的人流基数，通过人脸识别设备在第一时间比对出入人员 信息。当人脸识别设备抓取到的人脸数据与库中的黑名单或可疑人员匹配时会触 发报警信号传送给值班监控中心，便于突发事件的迅速处理。 一般在系统检测到 有报警信号触发时，系统可通过视频综合管理平台实现视频与其他系统的联动， 如报警视频弹窗和上墙、报警点位置信息等。 阿坝 职 业学院智 慧 校园项 目 建 设 方 案 1:1 人脸抓拍照 1:N 图 5.3-2 人脸识别技术示意图 1:1 “ 比对解决的是物理人和证件信息是否匹配的问题，从合规性上明确 你是 ” 不是你 。 1:N 比对是在 N 张人脸底图中，识别照片或视频中的人是谁， “ 解决的是 你 ” 是谁 的问题，从而判断是否拥有某些授权。分为静态对比(照片和底图对比)和 阿 坝 职 业 学 院 智 慧 校 园 项 目 建 设 方 案 具体流程如下： 车辆入场 主摄像机 车牌识别 调出异常库 成功 根据图片 人工匹配 匹配入场记录 判断是否为白 名单车辆 否 是否已缴费 是 补缴费用 自动开闸 车辆出场 关闭道闸 图 5.3-6 车辆出场流程图 50 辅摄像 机 车牌 手动开 失 失 成

景中发挥出最大的 价值。为了进一步明确各个用户群体的特征以及需求，可以绘制如 下的用户群体关系图： 以上用户群体的清晰划分，有助于在 AI 大模型的开发与应用 过程中实施精准的市场定位及需求匹配，确保模型能够服务于更广 泛的教育场景。 2.1.1 学生 在针对教育 AI 大模型的设计方案中，学生作为主要用户群体 之一，其特征和需求的深入分析至关重要。学生通常处于不同的年 龄段和教 以实现最佳的教育应用效果。 3.2.1 预训练模型选择标准 在教育 AI 大模型的设计过程中，选择合适的预训练模型至关 重要。预训练模型的选择标准应涵盖多个方面，包括模型的性能、 可扩展性、适应性与应用场景的匹配等。以下是具体的选择标准： 首先，模型的性能是选择的重要标准。选择的预训练模型需在 相关任务上达到业界认可的标准，例如在自然语言处理、图像识别 或多模态任务中展示出卓越的性能指标。这些指标通常包括准确 持，无疑将提升系统的稳定性和长期的可维护性。 最后，实际应用的成本也是选择标准之一。部件、基础设施成 本及运行消耗等都需要进行评估。大模型训练和推理的资源需求往 往较高，因此需确保所选模型的成本效益能够与预算匹配。 综上所述，预训练模型的选择应综合考虑性能、可扩展性、适 应性、合规性、维护支持和实际应用成本等多种因素，以确保所选 模型能够有效服务于教育领域的实际需求。 选择标准摘要：  模型性能：准确率、召回率、F1

模型将质性研究中的文本语料转化为量化分析模型），降低了跨学科研究的准入门槛，促使高校在课程设置开 发“AI+X”模块化课程群。最后，大模型构建跨学科研究中心（如人工智能与社会治理研究院），通过实时抓 取多领域前沿动态，智能匹配不同学科团队的研究方向，可以放大学科平台的协同效应，使学科融合从零散的 项目合作升级为制度化的协同体系，推动高校学科布局更贴近产业变革与社会需求。 在技术赋能的同时，大模型也对学科建设的底层逻辑 供弹性算力支持。平台集成分布式训练框架与异构计算资源调度系统，支持 GPU/TPU 集群的动态扩展与任务 编排。通过容器化部署与混合云管理技术，实现计算资源利用率提升。内置智能任务调度算法，可根据模型参 数量级自动匹配最优硬件配置，支持千卡级并行训练任务的高效执行。独创的梯度压缩与通信优化技术，显著 降低大模型训练的显存占用与跨节点通信延迟。平台配备能耗监测与异常熔断机制，在保障训练稳定性的同时 降低算力成本 能的高效执行。特有的教育知 识增强技术，可将学科知识图谱与通用大模型深度融合，使模型在智能阅卷、学情分析等场景的准确率大幅度 提升。平台配备多模态向量检索系统，支持教育文档、音视频资源的精准语义匹配，为个性化推荐系统提供底 层技术支持。开发者可通过可视化调参界面快速完成模型迭代，大幅降低教育大模型的开发门槛。 智能体开发平台：推动教育大模型的落地应用。依托前序平台构建的模型能力与数据资产，专注教育智能应用

智慧服务 · 毕业生就业综合分析平台 就业单位分析 就业率趋势分析 毕业去向分析 就业薪酬分析 能够分析学生就业单位类型、以及单位所 处行业领域，可分析得出专业对口企业， 以及与高校匹配度高的企业 通过分析就业率的发展趋势来判断高校 教学质量的具体成绩，从而调整教学方 式和内容。 了解毕业学生的去向，包括就业、 创业、待业、读研等方面，以及 IT 类职位或非 IT 类职位等方面。 通过全球地图，查看高校毕业学生 就业企业分布情况，了解人才走向 并挖掘。 了解就业学生的薪酬福利，分析 可得出不同专业毕业后的薪酬待 遇情况。 专业对口程度 专业课程内容与企业需求度的匹配对口程 度，通过分析数据和结果报告来调整专业 课程内容，已达到培养合适市场的人才 面向就业指导中心、毕业生、辅导员、校领导以及用人单位等，对毕业生就业进行全面精准大数据 分析，提高就业率。 智慧管理

没有明确地进行问题定位，或 有初步需求，了解产品。 客户明确了自己的问题，希望 参考本行业客户市场做法，寻 找解决问题的办法和思路。 对自己的需求进行分解，并开 始对接一些供应商寻求解决方 案的匹配。 有初步的明确需求，想通过白 皮书的专业的角度、专家的视 野和实证的研究方法，了解本 行业领域或区域现状与发展分 析和预测。 购买了产品或服务，但在实际 使用和方案落地的过程中遇到

设备的控制、课中 VR 资源的下发，以及 正常 的 K12 基础教学。内容专为 K12 课程章节设计，内置的 VR 教学资源与教学大纲知识点高度匹配， 并 为教师提供可便捷快速的下载渠道。 课前： VR 课件制作 云端教育资源库自动提供与当前课程相匹配的所有 课件、视频、图片、动画、音频和习题等教学素材 ，老师可个性化制作，最后进行整体一键打包，并 上传至网盘。 课中： VR 课堂授课