航天云网工业大数据 复杂装备远程运维综合解决方案 中国航天科工集团航天云网公司 内 容 一、云网介绍 二、工业大数据建设背景及思路 三、工业大数据平台技术架构 四、工业大数据平台案例 • 中央直接管理的国有特大型高科技企业 • 由总部、 6 个研究院、 1 个科研生产基地、 13 个公司制 / 股 份制企业构成 , 拥有职工 16 万，涌现了钱学森、宋健、黄纬 禄等著名专家。 航天云网 —— 公司定位 航天云网 —— 公司定位 突出企业智能化改造 突出复杂设备联网 突出制造资源共享 李伯虎 院士，航天云网首席科学家 研 发 力 量 社 会 认 可 专家团队：航天云网智能制造系统研究由著名计 算机仿真与计算机集成制造专家李伯虎院士领衔 国家重点实验室：全国首个复杂产品智能制造系 统技术国家重点实验室将落户航天云网 工业互联网产业联盟：成员单位包括工业和信息 事 长 单 位 理 事 长 单 位 阿里巴巴 中国电子 大唐集团 中国一汽 • 2016 年 7 月，航天云网联合航天测控公司、国机集团、哈尔滨电汽集团、中兴通讯等企业，共同承担国家发改委“大型复杂 装备工业大数据平台建设及产业化”项目，并将以此项目为依托，打造国家级工业创新中心，并落地地方。 • 该项目将能够为大中型企业建设具有完善数据资产管理能力的大数据平台，并通过汇聚海量高价值制造过程和资源数据，优

《中共中央关于制定国民经济和社会发展第十五个 五年规划的建议》 应急搜救 2022 年四川泸定 6.8 级地 震 受灾 1478 万人 ， 经济损失 1200 亿 元 死亡失踪 117 人 ， 经济损失 154 亿 元 复杂环境下 ，低空智能感知面临“看不清” ，“看不准”和“看不全”的挑战 “ 看不全” “ 看不清” “ 看不准” 单机视角有限且存在遮挡 ，无法捕 捉目标在所有角度下的的特征 雨雪雾恶劣天气和低光照环境降低 语义稀密 从下往上 ，第三排中靠画面最左侧的红色汽车 这个路口中存在的违章行为与异常现象 低空视野广实例密。 在稀疏文本约 束 下 ，从细粒度视觉中辨析细节 ， 需 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、 这里是什么场景？ 变电设施间距多少？ 存在安全隐患吗？ 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

树形 宽表 写入 顺序写入 简单 简单 简单 乱序写入 复杂 复杂 复杂 异频写入 简单 简单 复杂 不同时间点采集 简单 简单 中等 存储 压缩比 低 中 高 查询 单设备单指标类查询 简单 简单 简单 单设备多指标类查询 复杂 简单 简单 多设备类查询 复杂 中等 简单 维度查询 复杂 复杂 简单 分析类查询 复杂 复杂 简单 Confidential 四维纵 横 Confidential 1 传统方案造成复杂、低效、孤岛化的现 状 • 多种数据产品、孤岛化严重；穿墙打洞、复杂低效；数据质量参差不齐 • 70% 企业结果是投了钱，疗效低（ Gartner 报告） Matrix DB ：高性能超融合数据库 历史原因造成纷繁复杂、低效 让数据回归应该有的样子！ Confidential 1 将复杂留给用户 把极简、极速留给用户 │ ©202 四维纵横 各种业务

网络为根基，使其成为可感知业务意图、动态调优的神 经脉络；以异构融合的算力平台为引擎，打破资源壁垒，实现算力随业务需求智能流动与弹性供给； 并以原生内嵌的 AI 能力为大脑，贯通感知、决策与执行闭环，将复杂运维与业务优化转化为“业务 目标驱动”的自主过程。三者深度融合，互为支撑，共同推动基础设施从标准化供给迈向场景化赋能， 为产业数字化注入全新活力。 2.1 设计理念 5G-AxAI算网智 一体化技术体系 态优化推理过程，确保服务质量与资源消耗的精准控制； 通过智能体支撑框架构建多智能体协同体系，实现复杂任务的自动分解与执行；借助 MCP Server 与网络模型上下文协议将网络能力标准化、工具化，彻底打通“业务 - 网络 - 算力”的闭环。这一 系列技术有效解决了企业面临的“技术融合难、运维复杂度高、业务创新慢”等核心痛点，显著降 低了 AI 技术的使用门槛。 06 算网智的关键能力特性 性扩展部署规模，从单节点轻量起步逐步扩容，通过实时调度算法保障高优先级任务（如工业控制、 实时推理）的确定性低时延响应，满足严苛性能要求。 同时，强化进程与容器隔离机制，防止多业务干扰与资源冲突，保障复杂边缘环境下系统稳定和数 据安全。其灵活裁剪和部署特性也支持不同硬件平台与算力架构的快速适配，为 5G-A 与 AI 融合场 景下多样化智能业务提供可靠、高效的轻量运行支撑。在实际应用中，轻量化核心网既可云端部署

C919 大飞机翱翔蓝天，到“深海一号”能源站矗立碧波；从“中 国天眼”遥测宇宙，到“东数西算”织就算力网络；再到“祝融号”登陆火星、 “嫦娥号”月背探秘，一项项新时代的重大工程，其规模之宏大、系统之复杂、 学科交叉之深度，都远超以往。这些超级工程早已不是单一学科知识的线性延伸， 而是需要融合材料、信息、控制、能源、生命等多学科知识的庞大异构系统。如 何实现跨领域知识的高效整合与涌现创新，如何应对极端工况与未知环境下的动 强大能力，更是推动社会进步的 基石引擎。然而，当我们步入一个日益复杂、高度互联的时代，传统工程学正面 临前所未有的挑战：系统规模的指数级增长、多学科交叉的深度融合、全生命周 期管理的极致要求，以及对安全性、可靠性和可持续性的严苛标准。这些挑战， 已然超出了传统方法和人类智力的极限。我们迫切需要一种新的力量，来驾驭这 份复杂，洞悉其规律，优化其进程。人工智能，无疑是这个时代最响亮的回答。 型与智能体技术的崛起，构 成了工程智能的核心驱动力。大模型以其强大的知识融合、逻辑推理与自然语言 交互能力，成为了理解和处理工程领域复杂信息的“认知内核”；而智能体则扮 演了“超级执行者”，它能够自主规划、调用工具、协同系统，将认知转化为行 动，完成复杂的工程任务。二者的结合，为构建工程智能操作系统提供了前所未 有的技术基石。 当然，徒有先进技术而无正确的方法论，犹如手握利器而无章法，终将误入

捉目标在所有角度下的特征 复杂环境下 ，低空智能感知面临“看不清” ，“看不准”和“看不全”的挑战 “ 看不清 ” 雨雪雾恶劣天气和低光照环境降低 了无人机对目标的感知清晰度 “ 看不准” 低空感知模型进化难 “ 看不全” 多机跨视角感知难 “ 看不清” 复杂环境全天候感知难 低空感知 基础模型自主进化技术 水情监测 研究挑战 关键难题 技术创新 低空复杂环境 全天候感知技术 届 VisDrone 竞 赛 全球包括卡耐基梅隆大学等 在内的 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 DroneRGBT-TJU VisDrone-TJU MultiDrone-TJU AnimalDrone-TJU > 关键平台： 建立了复杂环境协同感知数据平 台 反无人机微小目标检测数据集（ ECCV 2024 ） 平台优势 智能化升级 ，效率倍增长 通过 AI 技术赋能 ， 实现城市巡检从传统人工模式向 智能化、 标准化、 规模化的跨越式升级

和气体传感器等设 备，结合 AI 算法，能够在复杂环境中快速识别火源、烟雾、温度 异常等关键信息，并通过实时数据传输系统将信息反馈至指挥中 心，辅助决策者制定科学的灭火策略。 项目的主要应用场景包括森林火灾、城市高层建筑火灾、化工 厂火灾等高风险区域。无人机能够在火灾初期快速到达现场，进行 全方位、多角度的监测，避免传统消防手段因地形复杂或环境危险 而无法及时介入的问题。此外，无人机还可以在火灾扑灭后，进行 少火灾造 成的经济损失和人员伤亡。同时，该项目也为未来智慧城市建设和 应急管理体系的完善提供了重要的技术支撑。 1.1 项目背景 随着城市化进程的加速和自然灾害频发，传统的消防手段在面 对复杂地形、高层建筑和突发性火灾时，暴露出响应速度慢、信息 获取不全面、救援效率低等问题。特别是在森林火灾、化工厂爆炸 等大规模灾害中，消防人员的安全和救援效果受到极大挑战。近年 来，无人机技术的快 期迅速抵达现场，实时传输高清图像和视频，为指挥决策提供关键 信息支持。 然而，现有的无人机消防应用仍存在一些局限性。首先，无人 机操作依赖人工控制，面对复杂环境时容易出现操作失误或信息滞 后。其次，火灾现场的烟雾、高温和复杂地形对无人机的飞行稳定 性和数据采集能力提出了更高要求。此外，火灾现场的实时数据分 析能力不足，导致决策效率低下。为了解决这些问题，人工智能 （AI）技术的引入成为关键。通过

然而，人形机器人的发展仍面临诸多技术挑战。在传统控制方法下，人形机器 人的全身运动控制是一个复杂的挑战[1]。由于人形机器人具有多自由度关节， 其运动学和动力学模型极为复杂，传统控制算法往往难以精确协调各关节的运 动，导致稳定性不足[1]。此外，环境感知方面也存在局限性，有限的传感器数 据处理能力使其难以深入理解和分析复杂的环境信息[1]。 预训练模型的突破和具身算法的应用为人形机器人带来了新的解决方案[1]。与 并通过将人类角色分配给关键职责来解决劳动力短缺问题[17]。 随着人工智能技术的快速发展，特别是深度学习和强化学习等技术的进步，人 形机器人的研究得到了巨大的推动[9]。深度学习使机器人能够从大量数据中学 习复杂的模式和行为，从而实现更智能的感知和决策能力；强化学习则帮助机 器人通过不断试验和反馈优化其动作策略，从而在环境中更有效地完成任务 [9]。此外，自然语言处理和计算机视觉技术的进步，使得人形机器人在与人类 人形机器人面临的主要技术挑战包括全身运动控制的复杂性。由于人形机器人 具有多自由度关节，其运动学和动力学模型极为复杂，传统控制算法往往难以 精确协调各关节运动，导致稳定性不足[1]。环境感知能力有限也是一大挑战， 有限的传感器数据处理能力使其难以深入理解和分析复杂环境信息[1]。此外， 人形机器人的核心技术难点还包括步态控制、环境感知等环节[7]，这些问题制 约了人形机器人在复杂环境中的应用。 从

. . . . . . . . . . . . . . . . . . . . . . . . 85 第 一 章 面向下一代云计算的研究 目前，世界各国正在加速推动云计算的创新与应用以应对日益复杂的数字化需求和全球竞争。云计 算不仅为大数据、人工智能、物联网等技术的快速发展提供了底层支撑，也成为国家战略的重要组成部 分，影响着全球产业格局与经济结构的变革。过去一年，以 DeepSeek 为代表的人工智能大模型应用取得 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 劣化 [1, 27]；阿里云利用 CXL 交换机，实现云数据库的内存池化和数据共享 [28]。 支持分 离式数 据中心 架构的 软件栈 支持分离式架构的软件 栈主要集中在简化编程 复杂性、提升远程资源访 问效率、优化资源池化与 调度策略，以及增强系统 可扩展性与高可用性等 方面，为大规模异构资源 的统一管理与高效利用 提供支撑。 OSDI SOSP NSDI ATC

与此同时，随着人工智能等前沿技术的不断发 展与进步，机器人行业正在稳步迈向具身智能 的未来。但同时，实现服务机器人更大规模落 地的道路上也面临着来自技术与商业模式等方 面的多重机遇和挑战。 为了应对日益复杂的市场需求和多样化的应用 场景，同时伴随着商用服务机器人行业下半场 拐点的到来，普渡机器人在全球范围内率先提 出了开放性的全栈式智能服务机器人生态。该 生态的目标是构建一个开放性的通用服务机器 人生态系统，通过创新的商业模式与技术，推 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 来源：Fraunhofer IPA，International Federation of Robotics，德勤研究 近年来，越来越多的服务机器人广泛应用于各种 工商业及家用场景。服务机器人应用场景复杂多 样、具体细分种类繁多，可应用在餐饮、零售、 仓储物流、酒店、工业、医疗、教育、养老、公 共服务等众多行业和场景，实现专业清洁、物流 配送、引导接待、陪伴教学、安防巡检等多样化 复合型功能。同时，服务机器人可以在各种场景