当前，数字经济与智能技术深度融合，智能终端规模化普及、应用场景多 元化拓展，推动“万物互联”向“万智智联”加速演进。然而，传统移动 通信网络以“连接”为核心，难以适配复杂场景下动态变化的互通任务需求。 本白皮书以“任务驱动式智能互联”为核心主线，系统梳理智能互联领域 的场景诉求与技术挑战。其中，船船互联场景聚焦内河航行中船舶动态目 标多、识别维度复杂的痛点，揭示“目标难识别”的核心矛盾；人车家互 智能互联面临的“目标 识别精度不足、跨域链路适配性差、意图感知协同性弱”三大挑战。 针对上述挑战，本白皮书创新性提出任务驱动式智能互联网络“敏捷意图 感知，快速目标确认，动态智能互联”的设计理念，以“任务”为锚点重 构互联逻辑，构建“终端身份识别、终端态势感知、端网任务协同、动态 群组创建、智能数据互通、跨网跨域融通”六大关键技术体系，形成从“任 务感知”到“链路构建”再到“协同互联”的全流程解决方案。最后，本 务感知”到“链路构建”再到“协同互联”的全流程解决方案。最后，本 白皮书介绍了船船互联场景下的专网实践案例，通过技术验证为智慧船舶 领域的网络建设提供可复用、可推广的技术范式。 本白皮书旨在系统呈现任务驱动式智能互联的理念框架、技术路径与实践 成果，为产业链上下游企业、科研机构、行业从业者提供参考，推动智能 互联技术在更多领域的创新应用，助力数字经济时代下智慧场景的高质量 发展。 前言 目录 2.1. 概述 2.2

以及产业链上 下游解耦为各种最小的任务执行节点 ( 主要是 生 产最小单元 ) ， 并用任务链的方式构建动态 灵活 的协作网络， 解决了过去基于流程仿真 ( 固化 ) 思路的工厂数字化方式带来的不灵活， 与实际经 营不匹配的痛点， 实现了低成本， 快部 署， 易落 地的通用型工厂数字化 这种解决方案不依赖于物料追踪逻辑， 而是基于任务链上各执行节点的结构 化 交 交互所行成的企业数据超市来完成动态高效的跨部门， 跨工厂的协作 。 任务链： 应对中小工厂流程多变的困 局 以物料流转为中心的命令链架构 ( 流程固 化 ) 以执行单元为中心的任务链架构 + 数据 人 空间 能源 工厂六要素 节点状态 任务树 关系集 时间 料 机 30 31 命令链是指一种不间断的权力路线， 从组织最高层扩展到最 基层， 澄清 “谁向谁报告工作” 链 它是实际任务的完成路径以及所需的资源的动态反馈， 这种 关键节点的动态反馈持续影响任务链上的节点。 各节点在基于统一的目标下， 自主定义本节点以下的子任务 以及子任务的资源约束关系。 任务链是指一种不间断的协作路径， 从任务的源头扩展到各 个任务节点以及对应的任务所需资源之间的关系， 澄清节点 和节点的关系， 是一种基于任务目标的网状交互结构” 。 任务链： 关键节点动态反

为“容器/作业”，并提供“最优匹配、按需启停、精准计量、效用付 费”的任务式计算服务。任务式计算服务的时间特征具有“临时性”、 空间特征具有“跳跃性”、流量特征具有“突变性”，即平时不用时任 务不存在只有用时才临时启动任务，本次启动在 A 地 X 供应方而下 次可能启动在 B 地 Y 供应方，平时不用时流量为 0 而用时流量会随 计算服务负载大幅波动。那么，传输服务如何能够满足并匹配任务式 计算服务的临时性、跳跃性、突变性？这必然要求网络资源的可调度。 《东数西算算网协同调度-业务场景白皮书》（简称白皮书）的编 制，是基于国家东数西算“安全新总线”项目所开展的算网协同工程 实践。“安全新总线”通过 400Gbps 互联了国家八大枢纽节点、以及 多个国家超算中心，可根据任务时延、带宽需求提供广域确定性网络 传输质量，并通过网络操作系统开放网络资源的调度能力，算网协同 调度平台即原生构建其上。 白皮书以业务场景视角切入，对东数西算算网协同调度的调度架 构、应用场 精准调度匹配需求的算力及网络资源，完成用户任务的部署 与执行。  资源供方入口：资源供应方可通过该入口向平台注册算力资 源，同时登记账户信息等相关内容，实现资源发布、调度、 使用、计量、计费及结算的全业务流程闭环。  协同调度模块：通过协同任务调度、流量调度与数据调度， 满足算力消费者对系统在算力、网络、存储等多维度的使用 ● 需求。  任务调度模块：接受协同调度的调控，聚焦算力维度需求，

众“温暖舒适”的观赛体验。 项目引导案例 那么，类似东奥会这种赛事场馆具体是如何实现温度上报和控温的呢？ 滑冰场温度 上报 任务一 职业能力目标 01 任务描述与要求 02 知识链接 03 任务准备 04 任务实施 05 任务小结 06 任务拓展 07 任务一 滑冰场温度上报  了解 STM32 系列单片机串口结构  了解串口发送的参数设置  了解串口发送的基本流程 现字符串的发送 职业能力目标 01 知识目标 技能目标 职业能力目标 01 任务描述与要求 02 知识链接 03 任务准备 04 任务实施 05 任务小结 06 任务拓展 07 任务一 滑冰场温度上报 一大学生创业团队为国内某家滑冰运动场提供场地温度管理解决方案。 任务是设计一个温度监控设备完成场地冰面温度和场馆各区域温度数据的采 集以及与管理室的通信 机端 使用串口调试助手观察接收数据以达到验证的效果。 任务描述 任务要求  配置串口发送模式；  发送固定格式数据；  在计算机上使用串口调试助手观察数据； 任务描述与要求 02 职业能力目标 01 任务描述与要求 02 知识链接 03 任务准备 04 任务实施 05 任务小结 06 任务拓展 07 任务一 滑冰场温度上报 STM32 串口 基本功能 常见串口驱动电路

得益于近期具有世界知识的大规模预训练模型的迅速发展, 基于大模型的具身智能在各类任务中取得了良好的 效果, 展现出强大的泛化能力与在各领域内广阔的应用前景. 鉴于此, 对基于大模型的具身智能的工作进行了综述, 首先, 介绍大模型在具身智能系统中起到的感知与理解作用; 其次, 对大模型在具身智能中参与的需求级、任务级、规划级和动作 级的控制进行了较为全面的总结; 然后, 对不同具身智能系统架构进行介绍 而如何利用目前飞速发展的计算能力与人工智能 (Artificial intelligence, AI) 技术提高具身智能的表 现则成为学界与产业界的关注重点. 最近的研究表 明, 通过扩大语言模型的规模, 可以显著提高其在 少样本学习任务上的表现, 以 GPT-3 (Generative pre-trained transformer 3)[4] 为代表的大语言模型 (Large language model, LLM) 在没有进行任何参 数更新或微调的情况下, 仅通过文本交互来指定任 务和少样本示例就能很好地完成各类任务. 在此之 后, 具有优秀泛化能力与丰富常识的基础模型在计 算机视觉、自然语言处理等领域都展现出令人瞩目 的效果. GPT-4[5]、LLaMA[6]、LLaMA2[7]、Gemini[8]、 Gemini1.5[9] 等大语言模型能与人类进行流畅的对 话, 进行推理任务, 甚至进行诗歌和故事的创作; BLIP (Bootstrapping

用友智能工厂（离散版） 实施方法论 V2.0 综述 阶段任务详解 项目管理要点 实施指引 综述 “ 中国制造 2025” 及“工业 4.0” 概念的快速普及将会极大促进中国传统制造业的转型升级，构建“体现信息技术与制造技术深度融合的数 字化、网络化、智能化制造”成为中国制造业近十年的发展目标。 基于多年以来在离散制造行业深度经营的积累，并满足原型样板客户 记录”的理念，借鉴互 联网产品和移动应用产品的技术架构和开发模式，重点解决离散行业车间现场管理中有关 进度采集与监控、品质管理、现场物流驱动、生产过程防错等业务需求，实现车间现场人 员、设备、物料、任务等各个方面的有机整合，协助客户实现离散制造业的智能化改进。 1. 综述 - 定义及适用范围 1. 综述 - 用友智能工厂概貌 1. 综述 - 智能工厂实施方法论整体架构 组建团队 内部交接 动员会 方案评 审会 仿真模拟 上线 报告 1. 综述 - 实施路线图 调研与评估 方案设计 系统构建 上线运行 项目总结 1. 综述 - 智能工厂方法论与标准实施方法论的对比分析 - 阶段任务 U9 SMART 实施方法论 V2.5 项目规划 蓝图设计 系统建设 上线切换 持续支持 • 团队组建 • 内部交接 • 首次访谈 • 实施策略与计划确认 • 项目启动与宣贯 • 运行环境规划与部署

VisDrone 团队自 2017 年以来，聚焦 120 米以下空域的低空环境感知，构建了世界上规 模最大的低空视觉感知数据平台，包含超过 2000 万图像/视频帧和 2000 万目标标注，支持 多任务学习（目标检测、目标跟踪、目标计数、群体分析）、多模态学习（可见光、热红外）、 多机/空地协同学习，采集范围覆盖全国 14 个省市。依托雄安国创中心低空智能实验室，联 合天津大学、东南大学和国创 .................10 1.1.3 底层视觉任务分类........................................................................................................................ 12 1.2 退化恢复类任务 ............................. ..................................................................................... 48 1.3 信息增强类任务 ...........................................................51 1.3.1 低光增强.........................

制定  通过建立一 些定性或定量的 数据管控评价考 核指标，去评估 及考核数据相关 责任人职责履行 情况、数据管控 标准及数据政策 的执行情况等。  规范了数据 管控过程中， 各个环节日常 任务处理的运 作模式，例如 数据定义如何 变更、数据冲 突如何协调等。  采用专门的 技术平台支撑 管控流程的自 动化，发布管 控组织制定的 一些相关标准 和规范，及时 反映管控过程 中存在的一些 梳理智慧税务大数据大数据平台 ETL 流程各环节的数据质量要求，指定数 据质量检查规则、评价指标、管控流程，并落地实施数据质量管理系统 梳理智慧税务大数据大数据平台包含的技术元数据，如：数据字典、 ETL 任务、 ETL 流程、 BI 语义层等，制定相应的管控流程并落地实施元数据管 理系统 同步大数据分析平台 ETL 建 设，实现了数据质量管理系统 收集并整合了智慧税务大数据 所有技术元数据，实现了数据 集群实现了进出数据平台数据的暂存，业务数据交换组件实现了业务系统每日增量数据加载，数据区数据交换组件 实现了基础计算平台与管理分析平台间的数据交换  流程调度平台：自主开发的流程调度引擎实现整个数据平台的数据处理任务调度和运行  管理分析平台：由 X86 分析型数据库集群、 BI 软件 1J2EE 应用构成，实现了面向应用的数据加工、管理、分析服务  实时分析平台：由高档 X86 服务器组成的集群，实现高时效、高并发的实时、准实时类管理分析需求

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 DroneVehicle-TJU 视觉－语言－导航 (VLN) 多模态动态感知 多任务协同学习 视觉－语言－动作 (VLA) 多智能体社会化交互 群体态势自主感知 集 群 协 同 感 控 一 体 视 觉感 四 未来工作 一 研究背景 二 VisDrone 数据平 台 · 三 · 低空协同感知脑 混合专家动态融合 数据支撑 大规模、多源、多模态、多任务的协同感知开放数据平台 双向动态提示学习 2024 ） 任务门控的多合一退化多模态融合模型（ TG-ECNet ） Ir=TG-EC Net(t,f 动态感知低质量图像退化类型 ，提示引导专家协同学习 ， 实现 All-in-One 退化 多 模态图像融合 创新：提出任务自适应门控的多模态专家协同模型解决多种类型退化干扰下融合难题 (ICML 2025) 复杂环境下低空视觉感知面临通用表征学习模型缺乏、任务定制表征学习难等挑战难点。

对接 上料插卡 指令与追溯：物料卡、任务卡、已确认周转箱卡 下料插卡 空周转箱卡、不合格周转箱卡 12 生产过程方案 - 无感知全过程追溯 基于生产过程中一边将上游流转至当前工位的在制品上料加工、一边将加工完的产品装至空周转箱 的业务场景，借助 RFID 技术，模拟自动化流程设定上料端与下料端，无感知实现过程数据的采集。 上料端指：获取任务或添加材料端；下料端指：产品加工过程完成下线端 线端 插入员工卡 获取员工信息 刷模具并 获取模具信息 -170001 张 三 刷材料卡（带任务） 获取任务信息 加工中心 上料端 ( 任务 端 ) 加工中心 下料端 插入可用周转载体卡 获取 / 复制上料端信 息 加工中心加工过程 加工中心 下料端 拔卡 - 周转载体 卡 无感知数据采 集 840001-A 模 具 拔卡 - 同时将信息写 入 电子标签中；亦可 • 作业计划执行结果反馈至 ERP 系统； 日作业计划 作业终端 生产计划安排与调整 集成 ERP 主预测计划，实现月度滚动计划任务、周计划任务排产与调整，作为计划部门与车间部 门 的任务协同  基础数据支持导入、系统集成同步，开放设计  生产任务单、工作中心多维度可视化计划安排更直观；  生产资源预配置，快速生产派工更便捷；  甘特图实时生产进度把控，生产执行进度透明化；