《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

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

数据链：企业间也通过数字化平台实现了跨企业、跨平台的数据交换和集成 ，进行数据共享和协同作业 ，推动企业之间更好地协同合作。 n 痛点问题 ：钢铁产业链数字化系统集成难度高 ，主要是因为钢铁生产流程复杂 ，多原料采购、生产制造、物流配送等环节都需要相应的数字化系统进行支持。然而 ，这些系统之间的数据交换和集成面临巨大的挑战 ，导致企业难以实现全面数字化的协同制造。 YB01-A-1-1 量检 测 数据、环境因素数据、经济成本数据 人 才技 能 ： 材 料科 学 与工 程 、工业工程与自动化控制、仿真模拟技术 痛 点问 题 ： 数 字化 设 计工 具 和技 术 还不 够 成熟 ，在处理复杂工艺和大型设备时可能存在性能不足或稳定性问 题。 由于技术差异和系统之间的不兼容性 ，不同生产环节技术集成难度较大 YB01-A-2-9 主场景：炼焦过程控制 现状评级 ：★★ 工具软件 ：焦炉智能加热优化控制系统、 数据要素 ：炉况数据、关键设备运行状态 人才技能 ：控制科学与工程、冶金工程、 系统工程、工程热物理、数据科学 痛点问题 ：现有模型无法准确描述高炉内 部实际状况 ，控制效果不理想。设备故障、 原材料波动等复杂工况的应对能力不足。 现状评级 ：★★ 工具软件 ： 回转窑智能监测系统、生球粒度在线识别 系统、球团生产数字孪生 知识模型 ：智能配混模型；布料、干燥预热、焙烧、 冷却等工序的智能控制模型；工序关联模型

顶层设计”等因素也构成了阻碍转型的重要方面。 图 18 驱动因素与制约因素对比 图 18 对比了排名前五的驱动力与制约因素。图中呈现出当前转 型的核心矛盾：驱动力结构相对集中，而制约因素则更为复杂和分 散。在驱动力方面，“审计自身需要”和“管理层部署”形成了强 大的合力；而在制约因素方面，不仅有“人才”与“资金”两大突 全国内部审计数智化转型发展研究报告（2025） 26 出短板， 遍面临三大挑战：一是数智化审计人才短缺，复合型能力（业务+ 全国内部审计数智化转型发展研究报告（2025） 43 数据+风控）培养滞后，80%以上企业认为人才缺口是主要制约因素； 二是系统整合与数据治理复杂，数据孤岛、标准不一、权限管理等 问题影响模型应用和审计证据链建设；三是内部审计角色定位与技 术融合尚需强化，部分行业转型仍停留在工具应用层面，未能充分 实现“数据驱动的治理与价值创造”。此外，资金投入不足、顶层 设计不明晰、厂商能力与业务契合度不足也是普遍痛点，直接影响 转型节奏与成效。 行业差异与典型特征。相较之下，不同行业在技术应用、监管 要求、成熟度及痛点上表现出显著差异。高成熟度行业如电力、通 信、石油石化化工，资产重、流程复杂，数智化转型以自动化监控、 实时预警、持续审计为主，平台与数据中台建设完善，AI 大模型应 用已进入试点或初步落地阶段。银行、保险等强监管行业，合规要 求高，审计重点在数据分析、风险监控与模型治理，审计项目规模

和美 国国家科学委员会等机构大幅削减对 AI 的投资，使得 AI 研究陷入低谷。 发展历程 - 第一次低 谷 专家系统基于知识整理出来的规则，进行逻辑推理，来模拟和 延伸人类专家的决策能力，解决复杂的问题。 3. 人工智能的历史 发展历程 - 第二次高潮阶 段 第二次高潮阶段（ 1980 年 -1987 年） 3. 人工智能的历史 第二次低谷阶段（ 1987 年 -1993 年） - （符号主义）在实际应用中遇到能力瓶颈，如应用领域狭窄、缺乏常识性知识、知识获取困难等； 同时， 80 年代个人电脑技术革命使得通用 PC 性能超越 AI 专用计算机，导致 AI 硬件市场崩溃。 此外，专家系统维护更新复杂且成本高昂，使得市场和用户兴趣减退。 最终，战略计算促进会和 DARPA 等机构削减了对 AI 的资助， AI 研究因此进入第二次低谷阶段。 发展历程 - 第二次低谷阶 段 █ 第三次高潮阶段（ 窄（弱）人工智能 通用人工智能 超级人工智能 小结 03 人工智能硬件基础，包括 GPU （图形处理单元） 、 TPU （张量处理单元）等专 门 为 AI 计算优化的芯片，能够高效处理大量数据和复杂的算法。 1. 人工智能的关键技术 机器学习 深度学习 强化学习 智能芯片技术 基础算法技术 二 、关键技 术 计算机视觉 自然语言处理 语音处理 多模态分析推理技术 1. 人工智能的关键技术

新引擎”的双重目标。2025年，更是将具身智能与智能 机器人首次写入《政府工作报告》，明确其作为新质生产力的代表，承担着推动产业升级、重塑全球竞 争格局的历史使命。 然而，机遇的浪潮下也带来了复杂的产业问题：技术路径将如何收敛？商业落地的突破口在哪里？产业 链又将面临哪些机遇与挑战？ 为此，幸福招商行业研究院倾力推出《 2025人形机器人行业白皮书 》，整合全球技术动态、资本动向、 政 人由于能够 最自然地融入人类 环境 ，并使用人类的生产工具执行各类任务，形态更易被接受，而被视为具身智能最重要的载体之一。 相比传统机器人，人形机器人具备智能化程度高、工作场景限制小、能自主规划复杂工作等特点，成为 国内外厂商和科研机构的竞争焦点。在国外，科技巨头们火力全开，特斯拉、谷歌、OpenAI、英伟达、 微软、Meta、亚马逊等全球科技巨头纷纷从算法、平台、场景应用等不同维度积极探索，凭借巨额投入 般指机器人、机械臂、轮式底盘等机 械结构，需同时兼顾成本、可靠性与耐用性；智能体作为“决策大脑”，负责多模态感知（视觉、声音 等）、环境理解、任务规划与实时控制，其技术实现主要依赖AI大模型处理复杂数据，提取有效信息并 生成控制指令；数据是智能体进行理解和决策的基础，数据的数量和质量是具身智能实现能力泛化的关 键，尤其是真实环境的多模态交互数据；学习进化架构则是具身持续进步和适应性提升的关键，它支持

效和非标目标检测困难等关键问题,提出了基于多维度信息融合与上下文理解的目标判别模型,并详细 阐述了包括时空动态分析与轨迹建模、微动特征分析等关键技术在内的综合解决方案。 通过系统测试 验证,该方案在复杂环境下实现了对各类低空目标的精准识别与快速响应,为低空智联监视体系的实际 应用提供了可靠的技术参考。 关键词:低空经济;5G-A;低空监视 中图分类号:TN959. 1 文献标志码:A 引用格式:胡雅静 随着低空飞行活动在生产作业、城市交通等场景 中日益频繁,低空飞行器数量的快速增长与类型的多 样化对空域安全管理提出了更高要求。 当前,低空监 视系统主要面临 3 个方面的挑战:一是传统监管手段 难以应对复杂动态环境,无人机“黑飞”、碰撞风险频 发;二是多源感知“数据孤岛”现象严重,雷达、光电等 传感器信息缺乏协同;三是恶意干扰技术不断升级,导 致目标识别与追踪失效 [1]。 在此背景下,构建智能融 特性,在应急领域普遍作为备份传输通道;专用数据链 则依托 L/ C 波段频段,保障关键数据传输的抗干扰性 能 [6]。 整体架构旨在实现毫秒级时延、高系统可靠性、 万级终端并发接入,并满足复杂电磁环境下的高韧性 传输要求。 三是平台层( Platform Layer)。 平台层作为系统 的智能中枢,集成了数据处理、智能分析、可视化交互与 云边协同四大核心能力,共同支撑低空监视的综合管理