《中共中央关于制定国民经济和社会发展第十五个 五年规划的建议》 应急搜救 2022 年四川泸定 6.8 级地 震 受灾 1478 万人 ， 经济损失 1200 亿 元 死亡失踪 117 人 ， 经济损失 154 亿 元 复杂环境下 ，低空智能感知面临“看不清” ，“看不准”和“看不全”的挑战 “ 看不全” “ 看不清” “ 看不准” 单机视角有限且存在遮挡 ，无法捕 捉目标在所有角度下的的特征 雨雪雾恶劣天气和低光照环境降低 语义稀密 从下往上 ，第三排中靠画面最左侧的红色汽车 这个路口中存在的违章行为与异常现象 低空视野广实例密。 在稀疏文本约 束 下 ，从细粒度视觉中辨析细节 ， 需 要 精细逻辑进行推理。 复杂环境下 ，低空推理决策面临语义稀密、空间难解与任务繁复的挑 战 感知 目标检测、 目标计数、 场景分类、 异常识别 理解 图像描述、 条件判断、 视觉定位、 高度预测 推理 物理推理、 因果推理、 这里是什么场景？ 变电设施间距多少？ 存在安全隐患吗？ 斜拍视角进行位置判断与空间度量 任务间推理路径差异化 俯拍视角进行目标感知与属性理解 四维度多种任务形式 空间难解 任务繁复 复杂环境下 ，低空具身智能面临“不可靠” ，“不精准”和“不可控”的挑战 “ 目标理解不可靠” “ 动作生成不精准” “ 体系安全不可控” 行动路径撞上障碍物 动作生成误差导致机械臂需要执行 冗余动作才能完成任务

订单不同步、会员数据分散在多个平台、促销活动难以跨渠道协同 —— 这些痛点的本质，是企 业需要一套更灵活、更敏捷的信息系统，用极简架构支撑复杂业务。对于有一定体量的企业，" 简单即高效" ：技术栈越简洁，运维成本越低，业务响应速度越快。 随着业务复杂度指数级上升，我们对 IT 架构提出了 "4A" 诉求 ——Anytime（全时响应）、 Anywhere（全域覆盖）、Anydevice（ 据实时转化为向量特征，能否用 SQL+AI 融合查询实现 "一句话找货"，直接决定了 AI 应用的落地效果。这要求数据库不仅是数据的 " 仓库"，更要是 AI 能力的 "孵化器"，让业务团队无需复杂技术就能调用智能分析能力。 正是在这样的背景下，我们看到了一体化云数据库的价值。它用分布式架构消解了多渠道并发的 压力，用 HTAP 引擎打通了交易与分析的壁垒，用向量原生能力架起了数据与 AI 到 AI 的技术代际跃迁，智能化转型是大势所趋。 打造新一代数据底座是智能化转型的关键支撑 智能化转型对零售企业带来全新数据架构挑战。面对爆炸式增长的业务数据、多模态数据管理要 求、以及数据架构复杂与有限 IT 资源之间的矛盾，传统数据架构已难以胜任。零售企业必须打 造新一代数据底座，从而跨越海量数据洪流与实时洞察的鸿沟，激活企业“一方数据”价值，支 撑 AI 全链路应用，满足综合成本最优诉求。

，ISOC 市场拥有巨大的增长潜力。 厂商格局多元化，生态合作趋势显现。ISOC 市场参与者包括综合安全厂商、SOAR/XDR 厂商、云服务商、 运营商、AI 创新公司等，市场竞争激烈。由于技术复杂性和数据需求，单一厂商难以提供完整的解决方案，未 来技术合作、产品集成、威胁情报共享等生态合作模式将成为主流趋势。 AI 技术深度赋能，应用百场景花齐放。AI 技术正深度渗透并占领安全运营的各个环节，从风险识别、威胁 “大模型+基础 AI 技术”混合架构成为主流。为兼顾通用知识推理能力与特定安全任务的专业性和效率， 国内普遍采用“大模型+基础 AI 技术”的混合 AI 架构。大模型（如 LLM）擅长自然语言交互、复杂推理、知识 问答和生成全局视角和智能辅助；基础 AI 技术（基于机器学习/深度学习）则侧重于具体的威胁检测、异常识 别等任务，提供快速、准确的执行能力。两者协同工作，实现优势互补，成为当前 ISOC 量、可解释性和可信度有待提升。 人机协同是核心运营模式。ISOC 并非旨在完全取代人工，而是强调 AI 与安全分析师的协同工作。AI 负责 关键发现 5 重复可自动完成的任务，分析师则专注于复杂决策、威胁研判、策略制定和 AI 监督与训练。安全分析师的角色 正经历从“传统分析工程师”向“AI 训练师”和“AI 监督员”转变，需要具备新的知识和技能，人机之间的信 任和有效交互是 ISOC

1. 引言 1.1 背景与意义 随着无人机、低空飞行器等新兴航空设备的广泛应用，低空空域的使用变得越来越频繁， 特别是在物流配送、城市空中交通、农业监测和应急救援等场景中，低空空域管理的复杂性 和重要性日益凸显。当前，针对低空空域的通信、导航、监测和气象保障技术尚未形成统一 的标准和系统化的方案，导致各国和地区在低空空域安全管理方面存在不一致和技术空白。 因此，行业内亟需编制一份 建立技术标准和行业规范，从而确保低空空域飞行器能够安全、高效地运行。 通过统一低空空域的通信、导航、监测及气象数据处理标准，不仅能够提升无人机、低 空飞行器与地面系统之间的互操作性，还能有效降低空域管理的复杂性，避免通信干扰和空 域冲突。同时，这些标准也可为相关技术的发展和创新指明方向。在空域管理的不同场景中， 如无人机交通管理（Unmanned Aircraft Traffic Management 1、通信技术：将详细阐述适用于低空空域的无线电频段、通信协议和技术标准，确保 无人机和低空飞行器能够与地面控制中心、其他飞行器实现稳定、低延迟的通信。它还将探 讨多种通信方式的无缝融合（如 5G、卫星通信、专用航空频段等），以应对复杂的低空空 域环境。 2、导航技术：将介绍精确的低空导航解决方案，包括全球卫星导航系统（Global Navigation Satellite System, GNSS）、惯性导航系统（Inertial

深度融合并赋能物流、农业、交通、旅游、城市管理、应急救援等多个领域的新型经济形态。 人工智能通过赋予低空飞行器“智慧大脑”，正成为驱动低空经济高质量发展的核心引擎。 它通过多源传感器融合与智能算法，显著提升了飞行器在复杂环境下的感知、决策与控制能 力，例如实现精准目标识别、动态空域调度以及多机协同作业，从而将低空系统从传统的“消 费电子产品”升级为高效的“智能工业装备”。广泛应用于物流配送、农林植保、电力巡检、 .......................................................................................448 8.3.3 面向复杂场景的智能感知与理解......................................................................................... 空域，鉴于不同地区的特性及需求，此界定上限可增至 3000m[1]。此类空域受到地形地貌、 建筑物遮挡以及局地气象变化等多重动态因素的制约，并需满足无人机等新型航空器的高密 度运营需求，从而呈现出空域资源竞争与异质障碍共存的双重复杂局面。近年来，党和国家 高度重视低空经济的蓬勃发展[2]，在宏观政策制定方面，2023-2025 年，国家将低空经济纳 入战略性新兴产业的培育范畴；在产业推动层面，采取税收优惠和财政激励措施，引导社会

， 以应对更复杂、 更庞大的数据集或任务。 大模型通常能够学习 到 更细微的模式和规律 ，具有更强的泛化能力和表达能力 学习能力强 大模型可以从大量的数据中学习， 并利用学到的知识和模式来提供 更精准的答案和预测 。这使得它 们在解决复杂问题和应对新的 场 景时表现更加出色 上下文理解能力 大模型具有更强的上下文理解能 力 ，能够理解更复杂的语意和语 是指能够处理多种不同类型数据的大模型，例如 文本 、 图像 、音频等多模态数据 。这类模型结 合 了 NLP 和 CV 的能力， 以实现对多模态信息 的综合 理解和分析，从而能够更全面地理解和 处理复杂 的数据 。代表性产品包括 DingoDB 多模向量数据 库（九章云极 DataCanvas ） 、 DALL-E(OpenAI) 、 悟空画画（华 为） 、 midjourney 等 先显式地写出推理的中间步骤。这就像 人 类解决复杂问题时会先把思考过程写 下来 一样 推理模型的核心 也就是说 ，如果模型在回复你之前有一 长 串的思考过程（这个过程必须可以显示输 出） ，探索了很多不同的路径之后给出 答 案 ，那么有这个能力的大模型就是推 理大 模型。推理模型的核心在于处理那 些需要 多步骤逻辑推导才能解决的复杂 问题 推理大模型 推理大模型的概念大规模传播应该开始于

和气体传感器等设 备，结合 AI 算法，能够在复杂环境中快速识别火源、烟雾、温度 异常等关键信息，并通过实时数据传输系统将信息反馈至指挥中 心，辅助决策者制定科学的灭火策略。 项目的主要应用场景包括森林火灾、城市高层建筑火灾、化工 厂火灾等高风险区域。无人机能够在火灾初期快速到达现场，进行 全方位、多角度的监测，避免传统消防手段因地形复杂或环境危险 而无法及时介入的问题。此外，无人机还可以在火灾扑灭后，进行 少火灾造 成的经济损失和人员伤亡。同时，该项目也为未来智慧城市建设和 应急管理体系的完善提供了重要的技术支撑。 1.1 项目背景 随着城市化进程的加速和自然灾害频发，传统的消防手段在面 对复杂地形、高层建筑和突发性火灾时，暴露出响应速度慢、信息 获取不全面、救援效率低等问题。特别是在森林火灾、化工厂爆炸 等大规模灾害中，消防人员的安全和救援效果受到极大挑战。近年 来，无人机技术的快 期迅速抵达现场，实时传输高清图像和视频，为指挥决策提供关键 信息支持。 然而，现有的无人机消防应用仍存在一些局限性。首先，无人 机操作依赖人工控制，面对复杂环境时容易出现操作失误或信息滞 后。其次，火灾现场的烟雾、高温和复杂地形对无人机的飞行稳定 性和数据采集能力提出了更高要求。此外，火灾现场的实时数据分 析能力不足，导致决策效率低下。为了解决这些问题，人工智能 （AI）技术的引入成为关键。通过

捉目标在所有角度下的特征 复杂环境下 ，低空智能感知面临“看不清” ，“看不准”和“看不全”的挑战 “ 看不清 ” 雨雪雾恶劣天气和低光照环境降低 了无人机对目标的感知清晰度 “ 看不准” 低空感知模型进化难 “ 看不全” 多机跨视角感知难 “ 看不清” 复杂环境全天候感知难 低空感知 基础模型自主进化技术 水情监测 研究挑战 关键难题 技术创新 低空复杂环境 全天候感知技术 届 VisDrone 竞 赛 全球包括卡耐基梅隆大学等 在内的 2000+ 参赛队伍 5000+ 篇论文使用并引用 > 关键平台： 建立了复杂环境协同感知数据平台 （ TPAMI 2022 ） 构建了大规模多源、多模态、多任务、非完备复杂环境协同感知数据平 台 VisDrone ，覆盖单机和多机协同感知任务。 国内外广泛使用的无人机视觉基准数据平台 DroneCrowd-TJU DroneRGBT-TJU VisDrone-TJU MultiDrone-TJU AnimalDrone-TJU > 关键平台： 建立了复杂环境协同感知数据平 台 反无人机微小目标检测数据集（ ECCV 2024 ） 平台优势 智能化升级 ，效率倍增长 通过 AI 技术赋能 ， 实现城市巡检从传统人工模式向 智能化、 标准化、 规模化的跨越式升级

，做出正确经营决策。 特别说明：本报告中的大量市场及技术资料，仅供企业经营参考用，望企业不要用于其 他商业用途，由此产生的一切后果高工咨询（GGII）将不予承担！ 宏观外部环境的不确定性和复杂性加剧，高工咨询（GGII）和所有参编企业真诚地祝福 每一家志向远大的企业都能制定出高质量经营决策，不断获得新的成长和成功！ 感谢以下联合参编单位（排名不分先后）： 上海昇视唯盛科技有限公司 ，具有技术和工艺成熟， 可靠性高的特点。采用六轴的设计提供了高精度的定位和重复性，这对于需要高精度焊接的 应用至关重要。其次，六轴工业机器人通常具有更高的负载能力，可以处理更重的焊接工具 和更复杂的焊接任务，如点焊、缝焊、弧焊等，通过精确控制焊接参数和路径，提高焊接质 量和生产效率。 协作机器人是工业机器人领域新的分支，与传统的工业机器人相比，协作机器人更强调 安全性、易用性和灵活性 轻量、低或可变的刚度 较大的自重和刚度 辅助设施 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 图形化编程、可拖动示教、操作简单、无 需编程基础 操作复杂、专家编程、专员维护 常用领域 汽车及零部件、3C 电子、金属加工、钢结 构、新能源、船舶行业、其他一般工业 汽车及零部件、3C

产品设计服务，提升设计效率。 • 企业资源计划 ERP：降低原材料成本、优化库存管理以及缩短制造 周期。 • 产品全生命周期管理 PLM：提高产品质量、提高产品开发过程的可 见性、应对新产品的复杂性。 • 客户关系管理 CRM：全方位管理客户关系。 • 供应链管理 SCM：提高供应链响应时间、提高产品质量及安全、改 善延伸供应链网络。 • 制造执行系统 MES：通过信息传递对从订单下达到产品完成的整 发展、“中国制造”的出海需求、“国产化转型”浪潮，以及 VMware 等国外产品的销售模式调整，都为制 造企业 IT 基础设施带来了更为复杂的技术需求。而传统 IT 基础架构使用专用存储硬件、采用集中式存储架构和存算分离架构，导致存储资源分散， 整体架构复杂，难以满足业务需求。通过下表，可以一览业务需求与现有 IT 基础架构之间的矛盾。 业务场景 对基础架构的核心需求 传统基础架构的挑战 核心业务及灾备系统，包括 0，RTO 达到分钟级 控制器架构有性能瓶颈，成本高昂且运维复杂 云原生应用，即运行在容器环境、需要 快速迭代的各类现代化应用 可构建弹性且按需分配的资源池，具备快速上线、安全防 控能力 资源分配和回收慢，虚拟机安全配置复杂且效果差 多厂区建设与管理（含国内外多地分支 工厂） 可实现统一建设与管理，易于维护，且成本低 管理复杂，成本高，占用机房空间 开发测试 性能优异，使用与管理简单，且成本可控