在人工智能领域，数据、算力与算法构成发展基石——数据驱动模型训练，算力支撑复杂计算，算法优化 技术路径，三者协同推动人工智能向更高阶形态演进。 有监督数据 人工搜集、标注 成本高昂、扩展性差 图像分类 目标检测 .* 芯 片 英伟达 GPU 华为昇腾 谷歌 TPU 海光 DCU AMD 芯片 寒武纪 MLU 单任务模型 CNN SVM RNN 决策树 LSTM 多维并行算法 状态监测、任务调度 语言通用模型： DeepSeek-R1 等 无监督数据 图像生成 集 群 通用模型 无需人类专家标注 高效互联通讯： 的范式，使大规模预训练成为可能。近年来，大模型凭借超大规模参数和海量数据学习，在多模态学习、 推理和通用人工智能方向取得重要进展，为人工智能的发展开启了新的阶段。 大模型 模态扩展 文本 检索增强 图像 / 视频 大规模基础模型 音频 电力大模型 医疗大模型。 Transformer 架构 注意力机制 多模态融合 0upr ake Wefert

警用移动信息网和视频专网：需要安全、可靠、专公互补的宽带移动承载网 络 • 新一代指挥中心（ NG110 ）： 4S 平台、可视化、一体化指挥调度 新时代、新警务、新需求 基于 PGIS 的多媒体指挥调度 位置 + 图像 + 语音调度 公交安全系统：网联网、视频监控、 MEC • 通过智能感知、可视物联，实现了风险隐患的主 动识 别和预警； • 遇有突发事件可一键报警，与公安机关实现多级 转警、 可视通话、多方联动，实现快速反应处置； • 通过实时采集乘车人员的人脸、通信数据，可实 现人 员的比对识别、轨迹分析和布控预警，有效 管控可疑 人员，多方面保护人民群众的生命财物 安全。 无人机图像 单兵图像 车载图像 警用机器人 无线链路 临时布控 全方位实时无线图像采集 3.2 5G 应用场景 1—— 交通疏导 1. 交通事故：当发生交通事故需要现场处理时。无人机可以在第一时间赶到，并且 进行航拍、录音取证和交通疏导。 应用场景 4—— 热点监控 1. 大型集会 / 热点景区：无人机可对会场空中监控，提供高清画面，并可以快速机动到 任何需要的区域上空，搜索发现地面可疑人员、车辆，提供强有力的空中情报保障。 将视频图像实时传输回指挥中心，指挥中心根据无人机传输回的资料对现场实时掌控， 一旦发现突发情况，无人机可以第一时间发现，极大地提高了应急处理效率。 2. 聚众闹事无人机飞抵事故目标区域上空对目标区域进行全方位不间断的监控，为公安

等新技术，通过汇集交通信息，提供实时交通数据的交通信息服务。大量使用了 数据模型、数据挖掘等数据处理技 交流的交互性以及服务的广泛性 民众 智慧 交通 企业 政府 了智慧交通的系统性、实时性、信息 图像 视频 语音查询 实时 路况 行车 资讯 智慧交通 会员 服务 车辆保养 道路公共信息 管 制 路 段 定制路段 年审 / 税赞到期标酸 折 扣 优 惠 违章 查询 应急事故预 交通管 数据总线 ESB 云计算 ( 计算、网络、存储、安全 … .) 网络层 ③ 云平台 ④ 数据库 ⑤ 应用层 事故报警 地感线圈 体感传感 器 GPS/LB S 监控图像 移动终端 道路容量 停车场信 息 其他信 息，如 气象等 交通诱导 交通控制 11 智慧交通解决方案功能构架 1 感知层 移 动 通 信 固 网 通 信 如 桥面等 道路信息采集系统——各种采集方式对比 道路信息采集系统——电子警察 高清闯红灯电子警察系统利用先进的光电、计算机、图像处理、模式 识别、远程数据访问等技术。利用每一辆车对应唯一的车牌号的条件，对监 控路面过往的每一辆机动车的车辆和车号牌图像进行连续全天候实时记录。 高清电子警察系统由外场子系统和指挥中心两部分组成，涵盖以下功能： 1. 闯红灯抓拍 2. 实线变道 3

设计》 （4）《中国国家智能运输（ITS）体系框架（第二版）》 （5）《重庆公安数据融合与挖掘技术顶层设计方案》（渝公科信 1 〔2018〕22 号） （6）《关于印发重庆市公共安全视频图像系统建设技术指导意见 （试行）的通知》 （7）《交通强国建设纲要》（中共中央、国务院 2019 年 9 月印 发） （8）《推进智慧交通发展行动计划》（交通运输部交办规划 〔2017〕11 ） （40）《道路交通信号倒计时显示器》（GA/T508-2014） 7 （41）《道路交通安全违法行为视频取证设备技术规范》（GA/ T995-2020） （42）《道路交通安全违法行为图像取证技术规范》（GA/T832- 2014） （43）《 道路交通技术监控设备运行维 护 规范 》 （ GA/T1043- 2013） （44）《道路交通信息显示设备设置规范》（GA/T993-2021） 1215-2014） （53）《公安视频图像信息应用系统》（GA/T1400-2017） （54）《公共安全社会视频资源安全联网设备技术要求》（GA/T 1781-2021） （55）《公安视频图像分析系统》（GA/T1399-2017） （56）《政务信息化项目造价规范》（T/CQCIO 002-2021） （57）《重庆公安视频视频图像系统运行管理维护规范（试运） （工作通知）〔2019〕57

技术 发展和建设重点各不相同，导致目前不同系统独立建设，存 在信息采集存储共享率低、信息综合分析应用程度不高、信 息系统功能的前瞻性和拓展性不够等问题。同时，地铁信息 系统正面临文字、语音、图像、视频等多源信息爆炸的挑战。 图 2 智慧地铁框架示意图 本报告主要探讨了人工智能赋能地铁运营时的落地场 景和当前面临的问题。下文从服务、运行和维护三个方面展 开，智能维护是基础保障，智能运行是决策核心，提供智能 近年来，地铁安检效率已经成为乘客服务获得感的重要 影响因素。利用视觉识别技术进行筛查是当前地铁安检的主 要手段。一方面，针对乘客携带的物品进行监测，通过对违 禁物品图像的学习训练，可实现危险违禁物品自动识别与检 测。随着相关图像数据库的不断丰富，识别精度可进一步提 高。另一方面，随着人脸识别等技术的成熟，根据乘客身份 识别进行快速安检也成为当前的热点。  危险物品检测 基于多视角成像技术的物件设备是物品检测的主要方 d Technology，AT）等。CT 技术检查速度慢且设备昂贵，在地 铁中应用较少。多视角 AT 系统基于双能 DR 技术，利用两 个或多个射线源照射被检物体，从而获取多个方位下的透视 图像，可在一定程度上弥补 DR 成像不足的缺点，有效解决 当前安检 X 光机单源单视角存在的成像缺陷问题，是地铁安 检领域技术的发展方向。 基于毫米波、太赫兹的安检设备成为安检门的重要发展 11

合分析）导致计算性能延迟增加 50% 以上，难以支 撑高价值场景（金融、物流、交通）等低时延响应 要求。 08 · 挑战三、高质量语料稀缺 政府、金融、医疗、制造等行业大模型专业语料稀缺， 海量多模态数据（文本、图像、传感器）待标注数 据占比高，高质量语料转化率低（语义缺失、时效 滞后等），无法满足行业大模型训练推理阶段对行 业标注数据的诉求。 · 挑战四、安全能力参差不齐 数据流通涉及数据提供方、使用方、服务运营方等 2025 年突破 109 亿元。并且数据合成 成为当前突破 现在数据规模的主流路径，预计 2025 年合成数据在 AI 训练中占比将达 40%，例如工业数字孪生场景中， 合成图像替代率从 30% 升至 65%。 同时语料数据的内容可信度保障面临更高要求。多 模态语料的质检需建立跨模态的数据质量检验流程 机 “ ” 制，避免图文内容不一致从而导致模型 越训越差 ， OLAP）、多模态数据（文本、图片、视频、语音 等），导致多模态大模型训练与推理语料供给不足。 ① 数据特征异构性导致语义对齐失效：同一对象的 跨模态描述 “ 难以对齐，例如 医疗报告的文本描述与 CT ” 图像的病症的映射关系不一致 ； ② 多模态元数据管理割裂，跨模态检索准确度低： 不同数据系统的元数据标准不一致，无法跨数据系 统的 “ 元数据多模态样本自动关联，例如 IT 系统身份 证 ID ”

控摄像 头、雷达传感器和交通流量监测器。这些设备分布在主要交通干 道、交叉口及高速公路等关键位置，能够获取实时交通数据。视频 监控摄像头通过图像识别技术，能够分析车速、车辆间距及运动状 态，从而判断是否发生事故。 其次，事故检测算法通常基于图像处理和模式识别技术。通过 深度学习模型，系统能够对视频流中的车辆运动进行分类和分析。 当某一时刻车辆的速度突变、车辆停止或出现异常行为时，算法会 机视觉技术的不断发展，摄像头的使用逐渐从单一的图像捕捉走向 智能化的视觉处理，具体实现方法如下。 首先，摄像头采集周围环境的图像数据，通常采用多个摄像头 进行布置，以实现全方位的环境监测。多摄像头系统可以通过不同 角度的信息来弥补单一摄像头视野局限性的不足。在这方面，超广 角镜头和鱼眼镜头被广泛应用，以实现更大的视野覆盖。 接下来，采集到的图像数据经过图像处理算法进行实时分析。 这一过程通常包括以下几个关键步骤： 这一过程通常包括以下几个关键步骤： 1. 图像预处理：包括噪声去除、对比度增强和图像校正等，以提 高后续分析的准确性。 2. 特征提取：利用边缘检测、角点检测等方法，从图像中提取出 具有重要性的信息特征，这些特征将对后续的目标检测和识别 至关重要。 3. 目标识别和分类：通过深度学习模型，例如卷积神经网络 （CNN），将提取到的特征输入模型，进行目标的识别和分 类。这一过程需要大量标注数据的训练，以确保模型的准确性

1 临床医学领域 Top 10 热点前沿发展态势 041 1.2 重点热点前沿⸺“CFTR 调节剂三联疗法对囊性纤维化实现从症状控制到病因治疗” 042 1.3 重点热点前沿⸺“全切片病理图像的弱监督深度学习框架” 045 2. 新兴前沿及重点新兴前沿解读 048 2.1 新兴前沿概述 048 2.2 重点新兴前沿⸺“人工智能大语言模型 ChatGPT 等在医疗健康领域的应用” 一个分支，其快速发展为植物病害的自动化检测提供 了新的解决方案，并取得了较大进展。即使是植物保 护和统计专业水平不高的研究人员也可以利用深度学 习技术，自动提取植物病害点的图像特征和分类，免 去传统图像识别技术的特征提取和分类器设计的大量 工作。同时，深度学习可以表达原始图像特征，具有 端到端的特点。这些特点使得深度学习技术在植物病 害识别中得到了广泛应用，并成为研究热点。 该热点前沿共有 46 篇核心论文，重点研究基于 研究性论文，于 2019 年发表在《农业中的计算机和电 子产品》（Computers and Electronics in Agriculture）上， 被引频次是 401 次（图 3），论文对基于图像的植物 病害分类的深度卷积神经网络进行微调和评估，对深 度学习架构进行了实证比较，旨在找到快速准确的植 物病害识别模型。 图 3 “基于深度学习的植物病害检测”研究前沿中核心论文的被引频次分布曲线

技术主要用于对图像文件进行识别，在系统中主要会用在以下环节：  自动对图像电子文件进行识别，使得全文检索系统可以支持图像文件自 动建立全文检索的索引；  在收集整理过程中，实现辅助著录，即针对扫描的归档文件选择其中的 部份图像识别后形成著录项中的内容，减轻了录入工作量，为文书档案 的批量录入提供可能。  将扫描文件自动识别，与原图象形成 PDF 文件，为全文检索提供了针对 图像文件自动建立索引的功能。  在用户检索查询中可以选定所需文件内容，自动对其进行识别，形成可 以编辑的文档，以便于再利用。  系统将 OCR 集成到电子文件的浏览器中，使用户随时在浏览原文的时 候使用 OCR 对其中的图像进行识别，形成可以利用的文本文件；将 OCR 功能形成 OCR SERVER，安装在网上任何一台机器上，为网上用户提供 54 政府数字档案馆系统建设方案 在线 OCR 的应用，而用户无须购买多套 成浏览格式文件（PDF）、文本 抽取。如果上传的电子文件已经是 PDF 格式文件，则不需要再进行浏览格式文 件的生成。生成的缩略图的文件格式为 JPG 或 GIF。 格式转换服务软件中集成了图像图像处理、识别和转换技术，可用于将常 见格式的电子文件转换为 PDF 格式文件，以产品工具包的形式提供各应用系统 开发商用于解决系统中电子文件格式规范化为 PDF 的问题。 6.7. 全文检索技术

过对大量实验数据的训练， 实现对新材料性能 的准确预测 。 在深度学习算法方面， 运用卷积神经网络 （CNN） 、循环神 经网络 （ RNN） 、长短时记忆网络 （ LSTM） 等算法， 对材 料的微观结构图像、时间序列数据等 进行分析和处理。例如， 利用 CNN 对新材料的微观结构图 像进行识别和分类，实现 材料缺陷检测和微观结构分析； 利用 LSTM 对新材料市场 需求的时间序列数据进行预测， 、市场等数据的分类 、回归 和聚类 分析 。深度学习算法如卷积神经网络（CNN） 、循 环神经网 络 （ RNN） 及其变体长短时记忆网络 （ LSTM） 等， 用于处 理材料的微观结构图像 、时间序列数据等复杂 数据类型， 为 新材料研发和产业应用提供智能支持。 机器学习算法应用：决策树算法可用于对新材料的性能进行 分类预测 。例如， 根据材料的成分 、制备工艺等特征， 构建 ，找出影响材料性能的关键因 素， 为材料的优化设计提供方向。 深度学习算法应用：卷积神经网络（CNN）在处理新材料的 微观结构图像方面具有独特优势 。材料的微观结构对其性能 起着决定性作用，通过对大量微观结构图像的学习，CNN 能 够自动提取图像中的特征， 实现对材料微观结构的分类和识 别，如判断材料是否存在缺陷、识别不同的晶体结构类型等 。 这有助于研发人员快速了解材料的微观状态