复杂系统 第四章 物质科学 1. 物理 2. 化学 3. 材料 4. 能源 第五章 生命科学 1. 合成生物学 2. 医学 3. 神经科学 4. 医疗 5. 演化 第六章 地球与环境科学 1. 大气科学 2. 环境科学 3. 生态科学 第七章 工程科学 1. 通信 2. 遥感 3. 微电子 4. 空间信息 第八章 人文社会科学 混合精度算法 随机梯度下降方法 泛化能力 策略优化 图神经网络 生成模型 扩散模型 因果推断 循环神经网络 启发式算法 非凸优化 强化学习 人工智能辅助临床决策 模型压缩 演化模拟 多模态大模型 从头设计 基础模型 基于主体的模型 可解释人工智能 遗传算法 大语言模型 计算机视觉 物理信息机器学习 符号回归 数据共享 多尺度建模 逆向设计 图神经网络 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。

发展所新兴的职业中已经初见端倪，包括人工智能伦理学家、提示词工程师以及 人机交互设计师等。其次，工程智能还将革新工程教育形式，通过个性化学习、 高保真仿真实践等，显著提升人才培养的质量和效率。更进一步地，人类与智能 的协作将逐步演化为“共生智能”的新模式，在此模式下，人工智能的目标不再 是完全替代人类的“完美机器”，而是作为“灵魂搭档”激发人类创造力和智慧， 实现人机优势互补与共同进化，让高价值、高难度的工程创新成果从偶然变为必 Engineering White Paper ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 38 展奠定了坚实的计算基础。 5.3 数据资源层 在基础设施层之上，数据资源层构成了工程智能生成与演化的基础，其核心 使命在于系统化地汇聚、治理、管理和供给工程领域全生命周期、全模态的高价 值数据，为上层的模型训练与智能体应用提供丰富且优质的数据资源。 工程领域的数据具有来源广泛、形态多样、结构复杂、关联性强等特点，因 文本与二维图像不同，该基础模型专为理解工程领域的物理世界而设计，其核心 能力在于统一处理和理解工程数据固有的时空全模态特性。工程领域的对象，无 论是建筑、机械零件还是城市交通系统，都存在于三维空间中，并随时间演化； 其信息载体也极其多样，包括文本化的标准规范、符号化的二维 CAD 图纸、几 何化的三维 BIM 模型、以及图像、视频、点云和传感器时序数据等。该基础模 型通过特定的模型架构与训练方法，能够将这些来源和形态各异的数据映射到一

面主要是目前主流算法在各个行业的创新应用的探索。 数据活化是一个面向智慧应用数据融合需求的技术体系，该体系通过研究数据的描述、认知、建模、关联、演化等方 法，实现海量多源异构数据的自我认知、自主学习和主动生长。 数据活化技术体系主要研究方向为数据描述方法与描述语言、数据认知技术、关联数据动态建模技术、数据演化与自 主生长机制和数据联网等面向海量异构数据的关键技术，面向数据和应用的规模性、资源分配的动态性以及资源环境 的

视觉图像分析、语言语义理解、姿态运动感知等领域技术的快速发展与融合，使得系统能够同时接收并理解语音、 图像、GUI 界面、文本、手势、生理信号等多模态信息。这些技术的成熟将为应用提供更加丰富的交互形式：从之前 的“单模态”信息交互演化为“多模态”信息交互。 多模交互通过灵活运用多种信息感知手段，可以更加智能地进行外部环境感知、用户意图识别。多模交互不仅可 以极大提升人机交互过程的自然度与灵活性，还可以极大提升应用与外部环境、应用与应用之间的信息传递、感知与 可在复杂多变的业务场景下，帮助企业更敏捷地适应市场变化并保障服务质量。 从技术层面来看，一方面，完善的智能化运维体系能够为自我进化提供完整的数据循环支持，涵盖数据采集、模 型训练、部署到持续迭代的全流程管理，让系统能基于环境反馈快速演化。另一方面，联邦学习、强化学习等前沿方 法在隐私保护与复杂决策场景中大放异彩，为大规模、多场景下的智能进化提供了可行且安全的路径。在此基础上， 结合有效的数据管道与模型治理机制，企业能够在保持合 大幅提升测试覆盖率和可靠性；在生产环境中，AIOps 通过智能日志分析辅助定位故障根因并动态实施扩容策略，显 著增强系统的高可用性和弹性。面向未来，智能研发将进一步迈向“零代码化”和多模态交互，通过 Agent 架构将代 码仓库演化为智能化“知识库”，使得函数和模块能够被动态检索、组合与验证，从而真正实现“AI 原生研发”时代 的全面到来。 智能应用平台，应用智能化的技术底座 应用全生命周期智能化白皮书 19 智能应用平台，

终端态势感知技术的核心目标是构建多源异构数据融合引擎，集成终端传感器、网络侧平台及边缘 计算节点信息；建立实时威胁感知能力，对空域入侵、航道障碍等异常目标实现分级预警；并基于 历史数据与机器学习模型预判风险演化趋势，例如推演船舶航迹冲突概率并生成主动避让策略。终 端态势感知正推动 5G 网络从“连接管道”向“认知神经”进化，为全域智能任务提供环境理解底座。 4.3.3 端网任务协同 端网协同任务指基于

数据安全企业 数据安全企业包括数据静态安全企业和数据动态安全 8 企业两种类型。数据静态安全企业就是传统的信息安全企业 和网络安全企业，是指依托隔离、密码、认证等安全技术， 以及由此演化出来的感知、防护、溯源等安全技术，将数据 封闭在一个固定的区域，以不被他人识别和使用而实现数据 安全。数据动态安全是指运用隐私计算、区域链、数据使用 控制、数据安全沙箱、数据空间等数据安全流通技术，实现 日，江苏省人民政府办公厅发布《关于 加快释放数据要素价值 培育壮大数据产业的意见》，成为我 国第一部省级促进数据产业发展的专项文件。《意见》包括 主要目标、夯实数据资源供给能力、促进数据资源开发利用、 演化数据要素市场建设、培育多元化产业经营主体、繁荣数 据产业发展生态、增强产业发展综合支撑等七部分，提出了 “到 2027 年，数据要素市场体系基本建成，完成数据产业全 链条布局，产业年均增速超过 20 世纪 90 年代初，伴随着全球互联网的快速普及，在 204 传统的物理空间之外，人类创新发展出一个新型的网络空间。 随后 30 多年，网络空间逐步演化为计算空间和数据空间，基 础设施形态也从物理基础设施演化为新型基础设施，而在信 息化、数字化和数据要素化不同发展阶段，新型基础设施主 要表现为网络基础设施、算力基础设施和数据基础设施等不 同形态。未来 3—5 年，以行业数据基础设施、区域数据基础

中山大学与阿里云合作利用云计算与人工智能 技术，设计了基于 Transformer 架构的深度学习模 型 LucaProt，成功发现了 180 个超群、超过 16 万种 全新 RNA 病毒，大幅提升了业界对 RNA 病毒多样性 和病毒演化历史的认知。 2.靶点识别与验证 靶点识别是药物研发的关键步骤之一。系统生物 学通过研究生物系统内部各组分之间的相互关系，旨 在建立整个系统的可理解模型，为有机体绘制完整的 图谱。结合知识图谱技术，系统生物学在医学实践和

基础设施的介绍，阿里云通过网络隔离、访 问控制、容器化安全和数据加密等措施，确保大模型服务运行在安全可控的环境中， 防止未授权访问和资源滥用。 3.3 运行安全：上线监测，实现动态防护 面对持续演化的攻击手段与日益复杂的应用场景，亟需构建涵盖合规准入、模型内生 安全增强及多层次安全围栏在内的防控体系，以提升大模型服务的安全性。 3.3.1 安全认证 根据《互联网信息服务算法推荐管理规定》《生成式人工智能服务管理暂行办法》等

维持高景气，成为对 冲国内竞争白热化与过剩产能的关键变量。但“外需对冲”模式对地缘政治与贸易政 策高度敏感，欧盟关税、海外本地化运营难度与品牌建设周期，均构成可持续性考 验。 其四，价格战已演化为“结构性出清”机制。在产能偏高、龙头垂直整合度优势 与成本领先叠加的背景下，降价对行业的“筛”与“压”功能持续显性化。渠道端承 压、终端价格波动加剧，经销商盈利修复缓慢。头部企业通过规模效应、品类梯度与

，给用户带来高品质的视觉享 受。同时，物理世界中的体验记忆转化到虚拟世界中，熟悉的印象有助于帮助用户快速理解 界面元素并完成相应的操作。 7 Universe 三生万物，演化自如。HarmonyOS 是面向多设备体验的操作系统，因此，给用户提 供舒适便捷的多设备操作体验是 HarmonyOS 区别于其他操作系统的核心要点。 一方面，界面设计/组件设计需要拥有良好的自适应能力，可快速进行不同尺寸屏幕的