优势：实现降低人力成本；提 高清洁效率；保持清洁质量前 后一致。 自主规划跨楼层清洁 自动作业保障清洁质量 作业高效多重清洁 01 Al 机器人应用场景 中国电子院 A= 奥意建筑 · 自主最优全覆盖路径规划； · 自动标识已清扫区域； · 自主乘梯，实现跨楼层多区域清洁。 · 定时任务，自动启动； 大消毒模块，可应对不同环境的消毒要求。 · 通过机器人自导航技术和 AI 环境识别技术，自动规划路径并判断工作环境所需的消毒时间，实现一 站 式消毒管理。 · 结合人群聚集的污染性强的公共场所，这些地方人群密集度大，机器人可以自主移动、自动工作的特 性，实现公共场所消毒过程量化管理。 应用场所及功能 · 应用场所：学校的教室、食堂 以及卫生间；接待大厅，待办 业务人员座椅，工作人员办公 室、手接触机器人表面；办公 的搬运能力，提高装卸搬运效率。 能替代人工劳动力，提高工作效率和准确性。 机器人可以在不需要休息和加班费的情况下， 持续高效地完成工作任务。 机器人可以通过感知技术和人工智能算法， 自主地规划路径并避免碰撞。 · 包装机器人：应用于包装领域，特别是食品、烟 草和医药等行业。 · 码垛机器人：应用于纸箱、袋装、灌装、箱体、 瓶装等包装成品码垛作业。 · 分练机器人：通过视觉智能识别物体的位置、颜

- 8 - 行业跟踪报告 2、AI 赋能建筑设计，痛点解决在望 2.1、政策持续加码工程数字化设计 政策支持工程数字化设计。目前的政策鼓励研发自主可控的 BIM 系列软件，以减 轻对国外软件的依赖。《“十四五”建筑业发展规划》中指出，到 2025 年，我国基 本形成 BIM 技术框架和标准体系，完善行业规范，促使 BIM 在设计行业中的渗 技创新专项规划》 提出研究非线性几何特征建模与 BIM 图形引擎，建立具有自主知识产权 的 BIM 三维图形平台并发展相应软件生态。 2022 年 《“十四五”建筑业发展规划》 加快推进建筑信息模型（BIM）技术在工程全寿命期的集成应用，到 2025 年，基本形成 BIM 技术框架和标准体系。推进自主可控 BIM 软件 研发；引导企业建立 BIM 云服务平台。 2022 年 推动数字建筑、 数字孪生城市建设，加快城乡建设数字化转型。 2022 年 《“十四五”住房和城乡建设科技 发展规划》 建筑信息模型（BIM）技术在工程设计、生产和施工领域得到推广应 用。研发自主可控的 BIM 图形平台、建模软件和应用软件，开发工程项 目全生命周期数字化管理平台。开展基于城市信息模型（CIM）平台的 智能化市政基础设施建设和改造。 2022 年 《“十四五”住房和城乡建设信息

二代身份证做的人证合一验证，则直接利用二代身份证内信息和照片作为模板，直接提取特征用于比对。 E. 在自助业务办理过程中自动核查办理人身份 方便第三方集成，凭条。 人脸识别智慧社区管理方案 算法 自主研发 软件 自主研发 硬件 自主研发 系统平台 自主研发 核心技术 基于深度学习的人脸识别技术 人脸识别智慧社区管理方案 公司的平台、产品 人脸识别人证合一核查系统 动态人脸识别预警系统 VIP 迎宾、考勤、人脸抓拍、预警系

，进行数据的清洗和预处理。 基础模型与架构 参数量与优化 输入输出设计 模型架构参数 数据集划分 划分比例：训练集 : 验证集 : 测试集 =7:2:1 ， 按时间顺序划分 ，避免未来信息泄露。 技术细节：自主研发电力数据划分工具 （ Python 实现） ，确保数据划分的合理 性 和科学性。 工具 / 平台：使用 Python 编程语言实现数 据集划分 ，适配电力行业数据特点。 数据预处理参数 推理，如设备缺陷识别、实时告警。 架构描述： 构建异构计算架构，涵盖国产 CPU 、 GPU 、 NPU 及国际 GPU ，满足不同计算需求。 国产化适配： 优先采用国产计算设备，提升整体架构 的自主可控性。 预训练配置与训练流程 l 典型训练流程 、昇腾 GPU 、寒武纪 NPU 与 NVIDIA H100 构建异构计算架构，充分发挥各组件优势，满足训练与推理多样化需求。架构图使用 Mermaid 语法绘制 清晰标注国产化组件（红色标识） 突出自主可控技术在整体架构中的应用与重要性 硬件选型与算力集群 散热设计 可靠性设计 第 16 页 性能指标：热层 2000 万 IOPS ， 温层 500GB/s

联邦学习，可以提供数据存储、数据处理、数据分析等全流程服务，以实现数据的 高效利用与处理。既能满足互操作性的要求，通过实现不同系统和平台之间能够无缝对接，从而推动数据的流通和共享，也 能确保数据自主权的实现，即保证参与者能够使用与管理自己的数据，在向他方提供数据访问权限时，能够保持对自己数据 是否流通、流通给谁、如何流通、何时流通、以何种价格流通等权限的控制权。BigQuery数据流通平台的技术特点有以下 消费者的数据系统得以无缝对接。例如， 消费者可以将数据发送到BigQuery中，服务提供商则通过EDC进行访问和分析，而无需直接共享自身数据，最终将处理后 的数据提供给消费者。这一特性在保障数据自主权方面意义重大，服务提供商不用担心数据泄漏风险，还能充分利用自身分 析能力为消费者数据提供价值。 （3）联邦学习 联邦学习是一种创新的机器学习框架。它是一种分布式机器学习方法，允许多个参与者在不共享原始数据的情况下共同 中的消费者数据时，联邦学习技术确保数据仅在本地进行计算，交换的 只是模型参数而非原始数据。 （4）数据自主控制 Google Cloud通过分布式云等数据自主权控制功能，为用户提供对数据和工作负载的数据自主权控制。用户可以根据 自己的需求，选择在公共云或分布式云中部署应用，确保数据自主权的实现。 （5）赋能 Catena-X汽车空间 Google Cloud积极参与了欧盟Catena-

严博先生 寄语：信息技术的本质在于提高效率，人力资源管理领域的信息技术工具在不 断升级。随着大语言模型和智能代理的出现，AI 的应用范围得到极大拓展， 人们期待通用人工智能（AGI）的问世。然而，完全自主学习和决策的 AGI 在 接下来的 20 年内可能不会实现。在此期间，大语言模型等新技术仍然作为效 率工具，应尽早掌握使用，以便在人力资源管理中发挥其价值。 易路人力资源科技旗下薪智产品总监，曾任 人工智能生成内容（Artificial Intelligence Generate Content，简称 AIGC）是指可生成全新 内容的人工智能技术。AIGC 可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、 音乐、视频、3D 设计等各种形式的内容和数据。 AIGC 作为一种新型的内容生产方式，被视为继 PGC（专家生成内容）、UGC（用户生成内容） 和 AIUGC（AI 和泛化能力、能够根据所处的复杂动态环境自主产生并完成任务的通用人工智能体，使其具备自 主的感知、认知、决策、学习、执行和社会协作等能力，且符合人类情感、伦理与道德和相关的 法律法规。实现通用人工智能需要满足三个关键要求： 1) 通用智能体能够处理无限任务，包括那些在复杂动态的物理和社会环境中没有预先定义 的任务； 2) 通用智能体应该是自主的，也就是说，它应该能够像人类一样自己生产并完成任务；

终端智能处理器 P 乘院道连助说的，广五应用备美好指描 边缘 A 加速卡 云边端车 全面覆盖 生态运营 密切协同 Aic 智算中心 算力基础——寒武纪自主研发设计的人工智能芯片 寒武纪人工智能软件开发环境 采用端云一体的智能处理架构 可同时支持寒武纪端、边、云全系列产品 在云端 开发调试调优推理训练 在终端 快速部署 Cambicon

融合 建设运营 总体思路 开放 创新 算法 公益 孵化 投资主体 政府主导模式，政府作为投资主体加快推进智能计算中心落地 • 智能计算中心的公共属性 • 智能计算中心的自主性 运营主体 运营主体类型应更加多元，运营模式也更加灵活。 • 更宜采取“投 - 建 - 运”一体化模式 • 可委托外包给政府出资控股或国有资本控股的专业运营公 司 承建方主体

管理系统，漏洞扫描 系统能够快速发现网络资产，准确识别资产属性、全面扫描安全漏洞，清晰定 性安全风险，给出修复建议和预防措施，并对风险控制策略进行有效审核，从 而在弱点全面评估的基础上实现安全自主掌控。 5.2.2. 安全管理平台 安全管理平台系统是一个面向全网 IT 资源的集中安全管理平台。通过对网 络中各类 IT 资源的安全域划分，以及海量异构网络与安全事件的采集、处理和 分析，

FP16 ） , 推理算力约 56. 7PFLOPS(INT8 ） , 渲染算力约 703 TFLOPS ( FP32 ） 高性能存储： 15PB 高并发大连接 自主可控 K8S 调度 高性能读 写 云车路协同 车城网