，“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 安防巡检 多机跨视角 协同感知技术 应急搜救 成果应用 空军“无人争锋”挑战赛冠军 基础平台建设 构建了国内外广泛使用的无人机视觉基准数据平台 空天地水协同进化智能无人集群感知平台 团队荣获吴文俊人工智能科技进步奖一等奖等科技奖励 构建世界上规模最大无人机视觉数据平台 VisDrone 人工智能科技进步奖一等 奖 从被动感知到自主协同 ，构建支撑具身智能体与集群协同进化的下一代数据基座 感 - 策 - 控一体化构建 仿真－物理具身数据基座 大规模低空数据平台 VisDrone MultiDrone AnimalDrone DroneCrowd DroneVehicle DroneRGBT 建立低空无人机视觉计算领域和多个平台兼容的模型库并实现大小模型协同进化 多维评估体系 场景识别能力 定位检测能力 条件判断能力 推理思考能力 n 建立超过 10 亿图像 / 视频帧数据库 ， 开发低空多模态视觉推理大模 型 指令划分 场景数据 2000 万

复杂环境下 ，低空群体智能面临数据缺、 自主差、协同难的挑 战 、协作具身 感知推理 群体执行协调不稳定 多机具身协同难 ，导致群体具身智 能感策控实现难 性能进化难 灾难性遗忘 协同自主进化机制匮乏 ，导致感知 与持续学习能力双重受限 多机协同感知数据 协同感知与具身基础数据匮乏 ，导 致基座构建受限 “ 自主差” “ 协同难” “ 数据缺” 感知大模型 模型 2 类增量： 持续学习 进化前 进化后 性能进化： 1 +1 >2 面向 10 万 + 机场的海量巡飞数据 ，如何构建低空模型基座并自主进 化 产出价值： • 持续学习 • 模型进化 核心动作： • 广域知识学习 • 基础能力构建 核心动作： • 大小模型协同 • 能力持续进化 关键特征： • 多模态 • 非结构化 非结构化 海量低空数据 性 能 进 化 协同进化 边端协同 边端小模型 感知大模型 版本迭代 云端赋能 迭代进 化 类 增 量 场景解 析 关键目标理解 特征融合压缩 轨迹规划与优化 最优轨迹生成 动态跟踪控制 代价加权 板载指令执行 多项式轨迹 低空智能从环境感知、推理决策到控制执行各阶段割裂 ，亟需端到端学习范 式 往前向一点钟方向走。经过马路 以及灰白色的建筑后

具身智能依赖本体、智能体、数据、学习进化框架四大核心要素，实现“感知-思考-行动”闭环。 根据中国计算机学会（CCF）的定义，“具身智能（Embodied Artificial Intelligence, EAI）是一种基于 物理身体进行感知和行动的智能系统，通过智能体与环境的交互获取信息、理解问题、做出决策并实现 行动，从而产生智能行为和适应性。” 根据定义，具身智能包括本体、智能体、数据、学习进化架构四大核心要素。其中，本体作为物理载体 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 智能体通过仿真或真实交互持续优化策略、减少失误率、提高任务执行效率、适应新环境，通常通过强 化学习、进化算法等多种技术实现。 四大核心要素最终形成“本体收集环境数据 → 数据训练智能体 → 智能体生成决策 → 学习框架优化策略 L4：超级智能。机器人具有极高的自主学习和决策能力，能够在极端复杂的环境中执行任务，完全替代人 类。 目前市面上的智能机器人大多处于L1到L3级别，随着技术的不断发展，当前人形机器人智能级别正处在L3向 L4进化的关键阶段。 按照智能化程度，人形机器人通常分为L0到L4五个等级： 人 类 结构层 结构驱动 关节驱动 算法驱动 执行规划 的运动轨迹 感控一体 定位导航 环境感知 自主行为

和价值实现。通 过数据交易市场，数据提供方可以将自己的数据进行交易，数据需求方能够获取所需 的数据资源，实现数据的优化配置和价值最大化。 在智能升级方面，开发自主进化型 AI 分析引擎，不断提升平台的智能化水平。自 主进化型 AI 分析引擎能够根据数据的变化和业务需求的发展，自动学习和优化算法， 实现更精准的数据分析和决策支持。 在标准输出方面，积极参与制定低空数据国际标准，提升我国在低空产业领域的

组织进化的下一级台阶 1 MMC 对组织变革趋势与思维方式变化的洞见 2 项目需求与理解 3 行业及领先客户的最佳实践 4 IT 系统落地与实施案例分享 5 MMC 在组织领域的专家与团队 目录 这 是 一 个 混 乱 的 时 代 ， 混 乱 不 可 怕 ， 可 怕 的 是 按 照 昨 天 的 逻 辑 做 今 天 事 情 数 字 化 、 自 动 化 、 人 工 智 能 正 在 加 伙伴 6 伙伴 7 伙伴 1 伙伴 8 共享赋能型的产业共同体涌 现 人 类 的 进 化 是 分 阶 段 渐 次 发 生 的 ， 就 像 需 要 经 过 破 茧 才 能 成 蝶 11 • 进化是永恒的 • 事物早已今非昔比 • 我们的现代生活方式也终将过时 生态型的动态战略落地，需要抓住关键要素，做好路径规划与执行 • 再 组织的文化 • 所有那些常听到的“在我们这里是那样的…” • 信条、秘而不宣的、禁忌 • DNA 、价值观、使命、雄心… 目标：文化的革新 人 类 组 织 进 化 的 主 要 阶 段 进化阶段 例子 关键突破 比喻 红色 • 黑手党 • 街头帮 • 部落民兵 • 劳动分工 • 命令权威 狼群 琥珀色 • 天主教会 • 军事机构 • 大多数政府机构 • 公共教育学校

即将到来，此类攻击将具备“全天候不间断、多目标并行、攻击路径动 态迭代”等特征，而当前依赖特征值匹配、静态规则检测、事后补丁修 复的传统网络安全防御体系，因难以应对AI智能体攻击的自主性、不可 预测性与快速进化能力，将面临前所未有的系统性冲击与功能性挑战， 甚至可能出现防御机制全面失效的风险。三是产业生态加速成型，头部 安全厂商将推出AI智能体开发平台，降低中小企业应用门槛；跨行业协 同机制进一步完 决策可能引发目标偏离与失控风险。2025年OpenAI金融智能体Operator在 执行“寻找便宜鸡蛋”指令时，将“便宜”等同于“批量采购”，擅自下 089 单30美元的鸡蛋（实际市场价仅5美元）。二是智能体可进化性带来不可 逆持续运行风险。2025年5月OpenAI的推理模型在安全测试中拒绝执行关 机指令，并在篡改代码后主动清理操作痕迹。三是多智能体协作的级联效 应使安全风险指数倍放大。2025年微

基于物理信息系统和人 工智能的融合，实现智 能制造； 数字化、柔性化、个性 化 第一次工业革命 第二次工业革命 第三次工业革命 第四次工业革命 协助企业实现互联网化、智慧化 工业革命的进化 前期透过信息化打基础，为企业全球化可持续发展做铺垫 管理成本 研发成本 制造成本 服务成本 成本优化能力 项目交付能力 生产管控能力 持续发展能力 环境融合能力 市 场 诉 求 企 业 集成 • APS •MES • 全面系统数字化集成，软硬件深度集成 车间数字化 高级排程 • BI/SCM 数据流整合 数据中心 • • 中控可视化 全面数字化 先进性进化 • • 数据 2020 年 10 月 2020 年 12 月 2021 年 1 月 2021 年 8 月 2021 年 10 月 首期信息化 中长期智能化 项目落地实施路线图 •

人工智能研究的三个门派 1 、符号主义 行为主义，又称进化主义或控制论学派，是一种基于“感知——行动” 的行为智能模拟方法，思想来源是进 化论和控制论。其原理为控制论以及感知——动作型控制系统。 该学派认为：智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为 表现出不同的功能和不同的控制结构。生物智能是自然进化的产物，生物通过与环境及其他生物之间的相互 作用，从

植物分子机制、植物进化生物学与遗传资源挖掘、植 物病害防治及食品科学与工程 6 个子领域（表 1）。其 中，动物健康与公共卫生子领域重点开展高致病性禽 流感病毒 H5N1 的洲际传播与跨物种感染研究；植物抗 胁迫子领域关注非生物胁迫下植物的防御机制研究， 以及缓解植物盐胁迫的技术开发；植物分子机制子领 域聚焦植物对环境的温度感应机制，以及植物 N6- 甲基 腺苷修饰的表观转录调控；进化生物学与遗传资源挖 腺苷修饰的表观转录调控；进化生物学与遗传资源挖 掘子领域集中在陆生植物起源与早期进化，以及小麦 野生近缘种的抗性基因挖掘；植物病害防治子领域强 调深度学习和金属纳米粒子的生物合成等新技术在病 害检测和防治中的应用；食品科学与工程子领域关注 食品营养与工程技术的融合，重点研发适合吞咽困难 人群的食品。 纵观该领域近 12 年的前沿研究，可以发现几个 突出的特点：一是动物健康与公共卫生子领域自新冠 疫情以来备受关注，2021 金属纳米粒子的生物合成及其在控制植物病害和促进植物生长 中的作用 16 1526 2022.1 4 植物 RNA 中 N6- 甲基腺苷修饰的检测、调控与功能 22 1322 2022.1 5 陆生植物的起源与早期进化 20 2374 2022.0 6 从野生作物近缘种挖掘用于小麦改良的抗性基因 20 2244 2021.6 7 利用植物根际促生菌缓解植物的盐胁迫 19 1729 2021.5 8 拟南芥的温度感应机制

缺乏统一标准和整合机制 数据孤岛现象明显 算法适配度低 准确度不满足需求 开源算法 传统小模型 缺乏系统性解决方案 场景技术迁移成本高 Platform Solution 处置 接单 模型自适应进化 大模型事件审核 模型生产流水线 任务编排智能体 无人机集群调度系统 l 机场机巢接入 l 无人机接入 l 分飞行区域划分 l 航行日程编排 百城百景 模型工厂 军航 政府部门