如何推荐出合理的节能时间窗口，NCE-CampusInsight 可基于各 AP 上报的历史终端数据，生成时 间相关的网络潮汐序列，并通过校验潮汐序列平稳性，判断当前网络潮汐是否规律。若不规律，则不推 荐节能时间窗口；若规律，则进一步通过异常检测算法去除序列扰动，通过时序预测算法预测未来潮汐 序列，根据潮汐低谷可作为节能窗口的条件筛选出推荐的节能时间窗口。 注意事项： 1. 节能时间窗口推荐

（random walk），如果节点 之间有 weight 可以根据 weight 的不同进行 walk 来生成类似文本的序列数据，实体 id 作为一 个个词使用 skip gram 训练得到词向量。 算法的大体思路就是：根据图中节点随机游走 -> 生成一定长度的序列 -> 利用 skip-gram 进 行训练。 02 生成Graph Embedding常用方法及其原理 11 | 第一部分 就是不同的节点，实线就是节点之间的边也可以称为关系。 图 1 14 | 第一部分 第二步：使用 Deepwalk、LINE 生成 embedding。对于 Deepwalk 可以直接根据 network 生 成不同的文本序列，利用 skip-gram 进行模型的训练。而对于 LINE 可以直接利用不同实体的 共现次数作为模型的输入。 第三步：优化训练数据。我们发现不同的实体出现次数的量级是不同的，比如专业在 JD 中就很 提 供 多 样 化 的 使 用 方 式。模 型 最 后 一 层 输 出 和 输 入 序 列 等 长 的 Embedding 序列，其中第一个 Embedding 包含整条数据的特征，之后每个 Embedding 与输 入序列的词语一一对应，分别是每个词语的动态特征。将序列头 Embedding 接入下游任务网络 中可以对模型进行 fine-tune，可进一步用于不同的细分领域任务。同时，其余 Embedding

星闪AP 星闪服务 器 星闪AP在终端上下线过程上 报终端信息给服务器 apSn：AP序列号 查询终端信息 /v1/sle/{apSn}/que ry/request/termina l 星闪服务器 星闪AP 星闪服务器查询AP上的终端 信息 apSn：AP序列号 查询终端信息 响应 /v1/sle/{apSn}/que ry/reply/terminal apSn：AP序列号 终端数据转发 /v1/sle/{apSn}/for ward/terminalData 星闪AP 星闪服务 器 星闪AP转发终端数据给服务 器 apSn：AP序列号 服务器数据转 发 /v1/sle/{apSn}/for ward/serverData 星闪服务器 星闪AP 星闪服务器发送数据给终端 apSn：AP序列号 终端数据读取 lData 星闪服务器 星闪AP 星闪服务器读取星闪终端数 据 apSn：AP序列号 终端数据读取 响应 /v1/sle/{apSn}/que ry/reply/terminalD ata 星闪AP 星闪服务 器 星闪AP回应星闪服务器读取 星闪终端数据响应 apSn：AP序列号 华为园区网络星闪 SLE 物联数采技术白皮书 版权所有 © 华为技术有限公司

科学的建设规划是保障项目进度与成本控制的基础。区别于前期的宏观策划， 这一阶段的规划聚焦于将既定方案转化为具体的作业序列与资源分配。传统方法 高度依赖项目经理的经验，难以应对多任务并行、资源约束与现场扰动等动态挑 战。人工智能正在重塑执行决策的逻辑，它能够综合历史项目数据、实时状态信 息与外部变量（如供应链、天气），生成最优的作业序列与资源分配方案[27]。例 如，强化学习算法可用于模拟不同执行策略下的工期与成本表现，实现对装配路 分析-决策-执行”的闭环控制系统[32, 38]。例如，在复杂装备的装配过程中，数字 孪生系统可同步更新每个部件的安装状态，与计划进行偏差分析，并自动推荐纠 偏措施[39]；系统还可模拟大型构件的吊装或运输路径，优化作业序列，规避碰撞 风险。更重要的是，AI 智能体可在孪生环境中进行“虚拟建造”或“虚拟调试”， 在零物理成本的条件下预演不同工艺方案的效果，从而在真实作业前锁定最优解 工程智能白皮书 AI for Engineering 工智能 和机器学习技术，精准预测设备何时需要维护，从而延长机械系统寿命，减少非 计划停机时间并显著降低维护成本。例如，在航空领域，常用于预测发动机的剩 余使用寿命（RUL），通过分析多变量时间序列数据来理解输入数据与 RUL 之 间的复杂关系，提高运营安全性并减少非计划停机时间[57, 58]。在风力涡轮机、智 能电网和锂电池管理中，AI 也被广泛用于关键部件的故障诊断和寿命预测[59-61]。

点工作。基于业务 任务与部门工作拆解形成岗位需求。从业务到岗位是从“事”的角度，岗位是“事”的载体。 从业务到人才：公司战略与业务领域决定专业领域（序列），进而形成职级序列标准。围绕业务特点以及 职级序列标准，构建人才评定机制，如项目管理序列任职资格标准包含基于项目制运作的项目管理能力 等，进而形成人才培养机制。最终形成公司的“人才池”，可以根据业务的需要将“人”与“事”有效匹 配。从业 可能的咨询项目名称或内容 组织结构优化、部门核心职责与边界厘清 岗位设置、岗位职责梳理、不同类型岗位的编制分 析、建模、分析、定编 岗位职责澄清 通过岗位价值评估绘制岗位职级图谱 序列/子序列划分、职业发展通道设计、员工或干部 晋升/退出机制 薪酬外部市场竞争性、内部公平性对标分析 不同人员薪酬标准、薪酬结构、固浮比、带宽、级 差等设计 工资总额决定机制、计算公式、工资总额管理机制 结构、梯队建设等）、能力规划（组织能力、关键 岗位、关键能力提升举措等） 任职资格/能力素质模型建模、能力项、能力行为指 标分层描述、关键事件等 人才基本信息盘点、能力盘点、绩效盘点、人岗匹 配度盘点、高潜人才盘点等序列/子序列划分、职业 发展通道设计 关键岗位人才标准、人才评价、继任计划 包括干部任用（任期制与契约化管理）、干部培养 与发展、干部考核、干部激励、末位调整与退出等 领导力建模、领导力测评等

能等方向进行探索和突破，解决各自独特的 前沿科学问题。 1）探索更高效且更通用的模型推理能 力提升方法。优化强化学习策略与奖励信号 设计，提高模型的学习与搜索效率，并利用 人类反馈不断自我修正，突破复杂问题推理 和长序列生成挑战，并将模型推理能力推广 至更广阔的实际应用场景中。 2）寻找可以支撑模型能力提升的下一 代扩展定律。在预训练和推理阶段的扩展定 律之外，探索多智能体协作、物理世界交互 和动态知识更新等下一代扩展方向。 挥着作用：图神经网络（GNN）的信息传播 和聚合过程可通过图论和图拉普拉斯算子的 谱分析来解释；将深度学习模型视作动力系 统，通过微分方程和稳定性理论分析循环神 经网络（RNN）的隐藏状态演化，不仅揭示 其长序列稳定性，也预示激活函数选择不当 时可能引起的梯度消失风险；动力系统中的 平衡点、吸引子和分岔理论进一步为神经网 络训练过程中的动态行为提供理论支撑，指 导更稳定高效的算法设计。 在人工智能模型设计方面，数学理论 问题包括如下几个方面。首先，结合实际计 算架构发展高效的算法是一个需要不断与时 俱进的研究主题。当前优化方法以一阶算法 为主，而能否发展高效的二阶算法同样值得 探究。对于一些特定的问题，比如大模型中 长序列、稀疏奖励下的强化学习策略优化问 题，如何设计高效的方法仍然还有很大的空 间。另外，尽管大模型已经初显对优化建模 与算法设计的促进作用，但是如何设计运作 可控的机制还需要更加深入的研究。 理论

料齐套性检验，实现按节拍的物料精准拉动。齐套不达标，定位缺料项，提示完成异常处理。 PART 3 | 生产物流协同场景-一体化协同体系的构建 全程SN追溯，覆盖产品生命周期的核心阶段 通过序列号（SN）管理和批次追踪技术，实现对物料入厂到成品出厂核心环节的质量管控，实现产品全生命周期追踪。 SN拣货 SN盘点 拣货复核 SN采集 01 02 03 物料入库 入库时WMS系统采集物料 OCR技术在WMS中的应用，致力于实现数据采集的自动化。通过识别各种单据、物料上的文字信息，减少人工录入，为流程自动化与无纸化管理奠 定基础。 从纸质单据中拍照提取订单关键信息，用于生成电子单据 对实物拍照以提取物料序列号，用于后续的物料标签打印 PART 3 | AI技术应用场景-辅助决策与运营优化 I. 智能制造数字化解决方案框架 II. 离散制造案例 III. 流程制造案例 PART 4 行业典型实践案例

IoT Internet of Things 物联网 AP Access Point 无线接入点 AU access unit 接入单元 SN Sequence Number 序列号 华为技术有限公司 深圳龙岗区坂田华为基地 电话：+86 755 28780808 邮编：518129 www.huawei.com

大规模维护链路状态信息又会引入显著开销。面向智算场景的传输协 议需构建轻量级路径状态抽象，并支持快速、低成本的状态更新，以 实现高效精确的负载均衡。光电协同网络在多路并发传输中容易出现 数据包乱序。传统重排序机制依赖大量内存维护序列状态，难以适应 片上存储空间紧张的高性能网卡。未来的协议栈需在有限资源下构建 紧凑高效的数据结构与处理机制，实现对乱序数据的精准追踪与快速 恢复。 2. 拥塞控制设计难题 传统传输层拥塞控 通过有意识地错开多个训练任务的通信窗口与计算窗口，降低并发通 信的峰值负载，从而提升总体资源利用率与任务完成效率。具体思路 是将每个训练任务的生命周期视作交替出现的“计算阶段—通信阶段” 序列，调度器有选择地安排某些任务保留网络资源，使其他任务在其 计算阶段完成时占用网络进行通信。通过这种非公平分配，可以显著 减少同时处于通信阶段的任务数，平滑带宽需求波动，缓解瞬时拥塞 并降低尾部传输延迟，如图

000家药企、4,000多家基层诊疗机构的智慧 医疗服务经验，并在成功推动机构试点应用。 • 推出专门用于mRNA序列设计的算法的LinearDesign平台。在Nature上发布了生物计算领域的突破性成果6，成为 首个在Nature发表论文的中国科技企业。LinearDesign算法设计序列有效帮助医药企业推动更加高效的mRNA疫苗 研发。2021年，赛诺菲引入LinearDesign算法以加速其下一代mRNA疫苗的研发创新。