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

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

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。

. 12 1.3.2 面向大模型时代的智能数据平台技术 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.3.3 支撑智能任务的高性能存储平台技术 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.4 热点方向三：智能化云运维、可信安全与能效优化 . . . 41 2.4.1 数据协同构建跨层级数据流通体系 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.4.2 任务协同实现多点协作与动态调度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 2.4.3 模型协同支撑智能能力演进 . . 开发的一站式平台集成训练框架、推理优化、向 2 CHAPTER 1. 面向下一代云计算的研究 量检索与模型压缩能力，降低开发门槛；数据库与大数据平台向“湖仓一体”、“实时分析 +AI 内嵌”演 进，支撑复杂的数据科学任务。CI/CD 流程也扩展至 MLOps（Machine Learning Operations）范畴，实现 模型交付的自动化与可追溯。与此同时，模型即服务 MaaS（Model as a Service）正成为连接模型能力与

标签系统与管理系统对接，分析库存现状，库位实时管理； 暂存区半成品快速定位查找； 实现单据的分割和合并，满足多单多人同时操作； RFID 技术引入， RFID 目标半成品到达目标工位时，目标工位作业任务自动推送到电子作业看板上， 指导作业人员无纸化操作； 所有业务单据从 ERP 系统中自动提取，实现仓储电子标签系统与 WMS 数据的实时同步；创建独立的 数据库记录目前 WMS 不能记录的信息作为 待检信息显示 下一站 闪灯指引拣货 高亮度 三色灯 个性化定制显示模 板 超高频拣货使用流程 拣货任务 操作员输 入任务 点击出库 任务提交 后台 系统生产 交货单 入库位 标签刷新 闪烁 拣货 完成 下单：仓库操作人员收到出库任务单，操作人员确认 出库任务单，提交到后台系统，系统按照先进先出的 原则自动生成拣货单，此时对应物料的电子标签会自 动亮灯，并显示要拣货的物料信息、订单号及数量。 1 2 将物料拣 出 按 OK 键 确认拣货 完成 低频拣货使用流程 出库任务 操作员输 入任务 点击出库 任务提交 后台 系统生产 交货单 入库位 PTL 航 道 灯 闪烁 拣货 完成 下单：仓库操作人员收到出库任务单，操作人员使用 PDA 点击出库任务单，提交到后台系统，系统按照 先 进先出的原则自动生成拣货单，此时对应物料的 电子 标签会自动亮灯，并显示要拣货的物料信息、

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 跨层次泛化推理能力。 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 “ 目标理解不可靠” “ 动作生成不精准” “ 体系安全不可控” 行动路径撞上障碍物 动作生成误差导致机械臂需要执行 冗余动作才能完成任务 语言指令与场景理解不稳定 ，任务 目标识别易偏差 端到端决策难以解释 2020 年 大规模密集数据与 通用检测数据集 03 VTUAV 2020 年至 2023 年 多模态 动态感知数据集 02 DroneVehicle 04 低空环境感知数据呈现出多任务、 多模态和多源协同特性 以 VisDrone 数据集为代表 ，低空环境感知数据面临简单静态到动态复杂的演进。 AG-ReID UAV-123 现实空间推理 基于多源信息构建物理度量， 在真实环境中进行空间推理。

行业标准的建立和多技术栈的创新，该生态将为 全球服务机器人行业带来深刻的变革，推动服务 机器人迈向通用具身智能的新时代。 在这一生态系统中，机器人的学习和适应能力 将不断增强，能够更灵活地应对各种复杂的任 务和环境，实现跨场景任务的泛化性。此外， 该生态还将助力全球各行各业向智能化、高效 化迈进，创造出更大的经济价值和社会效益。 通过跨行业的合作与资源共享，该生态将帮助 细分场景实现全栈式的智能化解决方案，推动 产业的整体智能转型。 使用，为人类或设备执行有用任务的机器人”。个人使用和专业用途的任务包括搬运物品、检查、监 视、人员运输、提供信息、烹饪和食品处理以及清洁等。 图表1-1：服务机器人的定义 International Organization for Standardization (ISO) 8373:2021 Robotics Vocabulary 供个人使用或专业使用，为人类 或设备执行有用任务的机器人 来源：国际标准化组织（ISO） 于实时数据进行自我学习和适应，从而提供个 性化的交互与服务，极大地提升了用户体验。 通过先进的传感器技术与AI算法结合，服务机器 人可以实时感知周围环境，识别动态障碍物并 做出智能反应，在保障安全的同时高效地完成 各类服务任务。此外，IoT技术的应用使得服务机 器人与周围设备形成一个全面互联的生态系统， 使其在环境中协同作业，优化调度，而用 普渡机器人 公司A 公司B 公司C 公司D 公司E 公司F 其他 数据来源：Frost

环境数据采集：通过气 体传感器和温湿度传感器，采集火灾现场的环境数据，为灭火决策 提供科学依据。 - 动态路径规划：无人机根据火情变化和现场环 境，自动规划最优飞行路径，确保监测和救援任务的高效执行。 - 数据实时传输与可视化：将采集到的火情数据、环境数据和视频流 实时传输至指挥中心，并通过可视化平台展示，辅助决策者快速响 应。 项目的技术架构分为三个层次：感知层、处理层和应用层。感 此外，AI 识别技术还可以与无人机自主飞行控制技术相结合， 实现无人机的智能避障和路径规划。在复杂的火灾现场环境中，无 人机能够根据 AI 的指令，自动避开障碍物，选择最优路径接近火 灾源，从而确保灭火任务的顺利进行。这种智能化的飞行控制不仅 提高了无人机的安全性，还大大降低了操作人员的负担。 综上所述，AI 识别技术在低空无人机消防部署中的应用，不仅 能够提升火灾监测和应急响应的效率，还能优化消防资源的调度和 实时火情监测与预警：利用无人机搭载的高清摄像头和红外传 感器，实时监测目标区域的火情动态，并通过 AI 算法快速识 别火源、烟雾等异常情况，实现早期预警。无人机能够在复杂 地形和恶劣环境下执行任务，确保监测的全面性和及时性。 2. 精准火源定位与态势评估：通过 AI 图像识别和数据分析技 术，无人机能够精确识别火源位置，并结合地理信息系统 （GIS）生成火势蔓延趋势图，为消防指挥中心提供科学的决

，减 少工程师的重复操作，建模效率提升 30%～40%；同时保证了 不同项目间仿真结果的可比性与可追溯性。 2.项目管理 痛点需求：一是管理信息不透明，效率低，管控滞后甚 至失控。二是项目任务工作分解不清晰，权责不明确，跟踪 信息不透明；部门间协作不及时，相互推诿。三是项目风险 评估靠经验，复盘经验积累语言不统一，不能形成知识库和 持续优化；成本核算不精细，协作及决策不够精准快速。 等系统实现项目管理及任务管理： （1）项目管理：实现按 APQP 项目管理的要求进行具体 项目的立项、设置，项目运行跟踪管理等事务。功能包括项 目角色设定、项目模板设定、项目过程管理、项目数据查询。 （2）任务管理：任务管理功能主要涉及任务的分配、 监控、协调以及报告生成等。功能包括：任务分配、任务监 控、任务协调、进展报告。 三级：利用 PLM 等系统实现风险管理、任务分解 WBS 及 - 10 - 预警，提醒项目团队及时采取措施进行应对，可以定期生成 风险监控报告，显示风险的变化趋势和应对效果。 （2）任务分解 WBS：将项目工作和可交付成果逐步划分 为更小、更易于管理的组成部分。功能包括：项目目标和范 围、创建 WBS 层级、分解任务和子任务、组织分工和资源分 配、确认和更新 WBS。 （3）项目核算：主要围绕项目的成本、资源投入、工 时以及其他相关数据进行管理和分析。功能包括：成本核算、

货！ 营销 制造 采购 金融 财务 人力 协同 平台 WMS 是什么 WMS （执行层） PDA/WCS （操作层） 执行分配 基于仓储管理规范的 任务分解和任务分配 执行跟踪 任务执行过程 动态管控 执行反馈 任务执行结果 动态更新 ERP/OMS （计划层） 主数据 智能设备集成 营销 制造 采购 金融 财务 人力 协同 平台 仓库精细化管理的变革趋势 管理模式变革 通过收货、上架、拣货、补 货和发货等作业动线的合理 规划，通过 WMS 对整箱区 和拆零区严格区分管理，保 障仓库作业的流畅性。 提高效率 通过部署基于无线 RF 技术的 WMS ，实现现场作业任务 的实时调度，通过各类作业 策略的应用，提高人员的作 业效能。 提升员工绩效 记录仓库内部收货、质检、 上架、拣货、装箱、发货、 补货、移库、盘点等作业的 完整历史。建立对人员绩效 的完整记录，实现准确的人 委外管理 库存管理 WMS 管理端 ASRS （ WCS ） 输送系统 分拣系统 电子标签系统 自动货架 堆垛机 AGV 在线称重系统 取消操作 收货 上架 入库任务管理 出库管理 出库任务管理 预配 分配 拣货 发运 取消操作 库存管理 库存查询 库存冻结 库存转移 / 调整 仓库盘点 策略管理 批次规则 包装规则 上架规则 库存周转规则 拣货规则