全域感知，智驭低空 低空智能 : 从感知推理迈向群体具 身 一、 低空研究背 景 二、 低空数据平 台 三、 低空感知大 脑 CONTEN TS 一、 低空研究背 景 二、 低空数据平 台 三、 低空感知大 脑 CONTEN TS 加入星球获取更多更全的数智化解决方案 2025 年 10 月 ， 党的二十届四中全会颁布《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》 ， 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、 情景推断、 反事实推理 决策 多机协同、 任务规划、 动作执行、 安全性评估 任务高度多样化 ，在输出结构、 知 识 深度与推理路径上差异巨大 ， 需要 需要 跨层次泛化推理能力。 低空强投影与三维信息缺失 ， 需 要 理解姿态与视角差异 ，从二维观测 中构建空间推理能力。 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

....................................34 2.4 推理服务层..............................................................................................36 2.4.1 推理引擎........................................... 数据安全与隐私保护机制的设计 为了更好地明确方案的实现路径，以下列出了主要的技术指标 和预期成果： * 数据整合效率：实现 90%以上跨部门数据资源的实时共享与 调用，处理延迟不超过 1 秒。 * 模型训练与推理能力：支持每天 10TB 级别的数据训练任务，推 理速度达到毫秒级响应。 * 系统可用性：确保 99.99%的系统全年无故障运行时间，保障关 键业务连续性。 * 安全性：实现全链路数据加密和访问控制，符合国际及国家信息 数据支持。同时，引 入数据安全和隐私保护机制，确保数据在采集、存储和传输过程中 的安全性。 计算层是大模型底座的核心，主要负责模型的训练、推理和优 化。采用高性能计算集群和分布式计算框架，支持大规模并行计 算，提升模型训练效率。为了提高模型推理的速度和准确性，引入 边缘计算和云端协同机制，实现实时数据处理和分析。此外，计算 层还支持动态资源调度，根据业务需求自动分配计算资源，确保系

（二）日韩加速布局智算基础设施，力争缩小与全球头部梯队的差距。 .......6 （三）我国从应用牵引和普惠服务发力，全面推动智算产业高质量发展。 ..7 2、智算需求持续高涨，核心驱动力由“训练”转向“推理”............................................................8 3、AI 应用加速规模落地，带动智算产业发展向深向实.......... ....... 18 （一）英伟达主导全球 AI 芯片市场，国产替代加速追赶。.........................................18 （二）芯片架构多元化愈加明显，推理需求加速 ASIC 普及。.................................... 19 （三）单芯片算力逼近极限，系统级创新成重点方向。...................... 2、智算需求持续高涨，核心驱动力由“训练”转向“推理” 推理模型快速普及并从纯文本走向多模态。OpenAI 于 2024 年 9 月发布的 o1-preview 模型拉开推理模型帷幕。推理模型基于 基础模型开发，其通过在推理过程中引入长思维链，实现了与普 通模型截然不同的问题解决方法，即在输出答案前先进行“思考”， 因此更为擅长处理谜题、高级数学和高难度编程等需要多步骤逻 辑推导的任务。推理模型的“思考过程”可以向用户展示，如

2 Few-shot (Zero-shot) ，在少甚至无标注样本的 条件下支持推理（自监督学习）。 将模型在下游各种自然语言处理任 务上的小规模有标注数据进行微调 得到适配模型 预训练语言模型 从海量数据中自动学习知识 将模型在大规模无标注数据上进 行自监督训练得到预训练模型 Agent To B 特定行业类 Language 特定行业类 超长文本 Agent 道德责任 Knowledge Reason Other Math Code 知识 其他 代码 推理 语言 数学 IDC 测试题目分为基础能力和应用能力两个大类共 7 个维度 IDC 采取实测的方式，成立产品测试团队，通过多个维度对基础大模型及相关产品进行评测，并邀请外部专家团队深入分析各个产品答案准确性、合理性等，在 法律 : 智能法律助手，法律咨询 医疗 : 问诊，用药咨询 科研 问答理解类 常识、专业知识、多语言、多模态、角 色扮演 + 多轮对话、安全陷阱 推理类 情感推理、演绎推理、逻辑推理、归纳 推理、类比推理 创作表达类 文字创作 & 创意、内容改写 / 续写、修改 / 润色、文字处理、编辑 / 语义匹配、摘 要提取、关键、字提炼、标题生成、文

技术提出严厉批评，随后英国政府、美国 DARPA 和美 国国家科学委员会等机构大幅削减对 AI 的投资，使得 AI 研究陷入低谷。 发展历程 - 第一次低 谷 专家系统基于知识整理出来的规则，进行逻辑推理，来模拟和 延伸人类专家的决策能力，解决复杂的问题。 3. 人工智能的历史 发展历程 - 第二次高潮阶 段 第二次高潮阶段（ 1980 年 -1987 年） 3. 人工智能的历史 第二次低谷阶段（ 强化学习 智能芯片技术 基础算法技术 二 、关键技 术 计算机视觉 自然语言处理 语音处理 多模态分析推理技术 1. 人工智能的关键技术 感知技术 二 、关键技 术 人工智能研究的三个门派 符号主义，又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源 于数学逻辑，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。 典型代表： 行为主义，又称进化主义或控制论学派，是一种基于“感知——行动” 的行为智能模拟方法，思想来源是进 化论和控制论。其原理为控制论以及感知——动作型控制系统。 该学派认为：智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为 表现出不同的功能和不同的控制结构。生物智能是自然进化的产物，生物通过与环境及其他生物之间的相互 作用，从而发展出越来越强的智能，人工智能也可以沿这个途径发展。 典型代表：著名的研

小步快跑发版节奏 满足快速变化需求 开源开放 打造开源开放社区 加速DCU生态建设 DAS（DCU AI Software Stack）提供AI算子优化库、AI模版库、AI编译器、基础AI框架、推理框架和三方套件，并通过OpenDAS 以开源方式提供AI扩展套件服务。 DAS与 ModelZoo、镜像仓库、创空间、开发者社区、AI 平台等构成一套完整的人工智能基础设施，全栈全场景赋能用户AI应用研 PyTorch/TensorFlow/JAX/Paddle/� 精度检测工具 LayerCheck 图优化组件 GraphRay 通用推理框架 ONNXRuntime/MIGraphx/� 融合算子库 LightOP 算子模板库 CUTLASS AI编译 Triton/XLA 大模型训练组件 大模型推理组件 通用训练组件 Apex Torchvision PyTorch Scatter MMCV ... Torchaudio 预定义组件 MCP调用 DAP 大模型 平台 云原生AI平台 模型推理服务 大模型 推理加速 大模型 分布式推理 模型 纳管 模型微调 微调 算法 模型 评估 模型训练加速 大模型 训练加速 大模型 分布式训练 数据处理 模型微服务 数据 标注 多数据 源支持 数据 批处理 标准API 高效推理引擎 优化的模型 容器化部署 DAP人工智能应用平台定位于企业级大模型开发

性方法。 二、DeepSeek与AI认知 此部分从DeepSeek的历史开始，逐步讲解AI的演进及认知： 1. DeepSeek解密：详细介绍DeepSeek技术历程、核心优势及其算法在理解、推理、知识应用上的提升。解析V3、R1等模 型特性，旨在为听众构建对这一前沿技术价值的坚实理解基础。 2. AI技术演进与认知框架：梳理AI从规则系统到大模型的技术演进，探讨AI时代的认知升级与人才观变革。为教育者提供认 到底谁是DeepSeek？公司、产品、模型 IaaS 硬件服务（设备/电脑/服务器/GPU、网络、操作系统） PaaS 平台服务（存储、计算、数据、安全、中间件） MaaS 模型服务（数据工程、推理加速、训练框架、API调用） SaaS 应用服务（网页、APP、桌面软件、设备软件） Ø 私有化部署 • 本地：个人设备或电脑、企业服务器 • 数据中心（IDC）：企业服务器、服务器集群（私有云） 到底谁是DeepSeek？公司、产品、模型 Model Base Model DeepSeek-R1-Distill-Qwen-1.5B Qwen2.5-Math-1.5B 蒸馏模型，能力稍弱 n 实际上是增加了推理能力的Qwen模型和 Llama模型，不能称为DeepSeek模型。 n 市场上有误解，厂商有误导，甚至Ollama工 具的模型选项中也有误导。 DeepSeek-R1-Distill-Qwen-7B

层级 OpenAI 定义推理模型 在 OpenAI 的官网上 ， OpenAI 定义推理 模 型是在回答之前进行思考 ， 并在回复用 户 之前 ，在内部生成一长串的思维链过 程。 思维链是一种提示大语言模型进行逐步推 理的方法。它让模型在得出最终答案之前， 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 ，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 2024 年 9 月份 2024 年 9 月 12 日 ， OpenAI 官方宣 布了 OpenAI o1 推理大模型 1.4 大模型的分 类 大语言模型可以分为通用大模型和推理大模型 非推理问题 ： ” 法国的首都是哪里 ？ （答案直接 、 无需推导 ） 推理问题： ” 一列火车以每小时 60 英里的速度行驶 3 小时 ， 行驶距离是多少？ ” （需先理解 ”距离 = 速度 × 时间 ” 的关系 ， 再分步计算） 将“推理”定义为通过生成中间步骤来回答复杂问题的过程 2 个简单的例子： 通用的大语言模型（ LLM ） 可能直接输出简短答案（如” 180 英里”） 推理模型的特点在于显式展示中间推导过程

virtCCA/CCA 技术实现 ARM 架构下的机密计算，配合国密算法加 速与可信计算 3.0 满足高安全合规要求；昇腾 NPU 则通过昇盾、PMCC 等技术，确保模型权重、用 户数据和中间结果在推理、训练与微调始终处于机密域，防范恶意用户、恶意管理员等潜在威胁。 在存储安全方面，HCIST 提出了机密存储（Confidential Storage）新理念，旨在从硬件层面构建可 信根基，依 等计算网络新形 态，保障跨节点、跨集群环境中的算力调度与数据传输安全。 HCIST 既支持全栈一体化，也支持分层解耦的组合方式，可在不同硬件平台和不同应用场景中部署， 满足端云协同大模型机密推理、金融行业的零丢失数据安全保护、私有模型的安全存储与使用、云 原生密码应用等高安业务诉求。展望未来，HCIST 将面向后量子安全、集群机密计算、分布式可信 根与 AI 全生命周期保护持续演进。 AI 算力供需失衡的困局 大语言模型的规模化部署遭遇算力瓶颈的严重制约。现代 LLM 参数量已从千亿级迈向万亿规模，其 推理过程需要执行海量矩阵运算，对计算资源需求产生指数级提升。算力供需矛盾在边缘场景尤为 尖锐，端侧设备受限于功耗与体积，难以承载超过百亿参数模型的实时推理；云侧数据中心虽具备 强大算力，但传统虚拟化架构无法满足低时延需求。更关键的是，算力资源与算力安全之间并不统 一，大规模

large-scale model service 开发、应用大模型及大模型系统的服务,以及以此为手段提供支持需求方业务活动的服务。 注:常见大模型服务内容包括大模型平台服务、大模型开发定制服务、大模型推理及运营服务。 [来源：GB/T 45288.1—2025，3.2] 3.5 微调 fine-tuning 为提升机器学习模型预测准确性,使用专门领域数据在大模型上继续训练的过程。 注1:专门领 关联关系等）； b) 知识图谱的数据来源宜具有多样性，包括但不限于政务数据库、文档资料、新闻报道等，且应 确保数据的准确性和时效性； c) 知识图谱的构建过程宜具备可追溯性，记录知识抽取、融合、推理等环节的关键信息，便于后 续的审计和优化； T/ISC 0079—2025 4 d) 宜支持对知识图谱进行可视化展示，使用户能够直观地了解政务知识之间的关联关系，辅助决 策分析； e) 知识 宜支持业界常用的数据蒸馏的方法对数据进行增强，以便按应用场景的要求提升数据集质量。 6.2.2 部署推理服务 a) 应具备高性能、稳定可靠的服务器资源，满足大模型的计算和存储需求，提供高速、稳定的网 络资源，确保大模型数据传输的实时性和准确性； b) 应使用稳定、安全的操作系统，具备高效稳定的模型推理引擎，提供完善的数据管理机制，确 保数据的完整性、一致性和安全性； c) 应采用SSL/TLS或