本研究基于 LTE-V2X 直连通信技术，对预警类应用的功能安全进行了系统分析。研究背景指出， 传统的功能安全分析方法主要针对单车系统，近年来 V2X 技术逐渐发展，智能网联汽车应用不断 增加，但缺乏系统性的功能安全分析方法。本研究选取前向碰撞预警（FCW）、交叉路口碰撞预警 （ICW）和闯红灯预警（RLVW）三个典型应用场景，对基于 LTE-V2X 预警类应用的功能安全分 析进行了技术探索。 5GAA 的 STiCAD 项目、中国汽 车工程学会的 T/CSAE 53 标准、汽标委的预警类应用技术要求和试验方法，以及 C-NCAP 2024 版 测试规程中的相关场景。本研究还对 V2X 预警类应用进行了分类，分为安全类和效率类应用，并 指出安全类应用与功能安全的相关性更大，因此本研究以安全类的三个典型应用场景为目标展开 分析。 在功能安全分析方法论部分，本研究基于 GB/T 34590 针对安全目标的功能安全要求。 在总结及展望部分，建议以本研究为开端，将 GB/T 34590 的功能安全分析方法拓展至 V2X 系统。 本研究的主要结论为：QM 级别的功能安全设计能够满足 V2X 预警类应用的需求。 2 / 32 Executive Summary This study conducts a systematic functional safety analysis for LTE-V2X

DeepSeek-R1 \ Kimi 1.5 及 类强推理模型开发解读 北大对齐小组 陈博远 北京大学2022级“通班” 主要研究方向：大语言模型对齐与可扩展监督 https://cby-pku.github.io/ https://pair-lab.com/ 2 Outline ➢ DeepSeek-R1 开创RL加持下强推理慢思考范式新边界 ➢ DeepSeek-R1 Zero 的惊人成绩，表现与OpenAI-o1-1217相当。 ➢ 在编码相关的任务中表现出专家水平，在 Codeforces上获得了2029 Elo评级，在竞赛中表现 优于96.3%的人类参与者 ➢ DeepSeek-R1 在知识类问答上推动科学探索边界： ➢ MMLU \ MMLU-Pro \ GPQA Diamond 等 STEM- related 榜单上取得良好表现 ➢ R1 展现出强推理模型在 AI-Driven Research 中，通过 反复自我迭代和监督微调 ➢ 基于STaR 可以进一步将这种思路扩展到思考过程是搜索过程的特例，比如 rStar-Math, SoS 都可以用类似的思路来理解。 ➢ 本质上，STaR一类的方法是希望模型能够学习到MetaCoT, 即问题到答案映射 过程背后的深入规律 ➢ 但是对于问题的结构要求性高，对于复杂数学推理任务可能难以自我迭代 ➢ 难以融入 Rule-Based Reward

，大力出奇迹的暴力美学路径已被行业所验证，未来格 局仍会以有着多类型资源积累的大厂占据主要份额，创新企业可以依据特定场景深入理解而切入， 但若没有自主大模型仍然会受制于人。同时，通用大模型与教育垂类大模型的关系，正向着各司 其职、融合发展的方向持续演化，未来可能呈现出通用大模型与N个专家模型多重组合的形态。 在内容层面，基于神经网络技术的AIGC与素养发展具有天然相似的基因，企业可以发力C端小模 识经验的教授范围进一步扩大、教育效果增强 ➢ 条件：在海量数据、更大算力的支撑下 ➢ 特点：大语言模型能更加深入地解析事物， 在更深层次和更广的范围发现事物的新特点 ➢ 优势：在发现、认识、运用规律上相较于人 类有着明显的优势，人造工具突破人类认知 大语言模型 教育 突变 人类把数字语言外化给机器，人工智能在发现、 认识、运用规律上更具优势，带来教育体系变革 语言的发展及其教育影响 ➢ 数字系统：二进制、八进制、十进制等 应学习。随着深度学习技术的进步，人工智能技术步入商业化阶段，AI+教育也进入产业期。近几年大数据、云计算、算力能力提升， 大规模语言模型急速发展，2022年ChatGPT的发布更是引发了海内外LLMs的军备竞赛，2023年各类教育垂类大模型的争相发布， 打开了通向通用人工智能（AGI）之路，帮助师生大幅提升教学效率，推动大规模的因材施教逐步落地。 来源：公开资料，艾瑞咨询研究院自主研究及绘制。 1954 1956 1960 1965

除了诸如 DeepSeek、字节豆包、通义千问等通用大模型所自带的文 旅内容以外，旅游领域的市场主体包括垂类旅游企业平台、旅游目的 地文旅局、涉旅企业、初创科技类旅游企业等也都以不同形式参与到 AI 大模型对旅游的改造中来，以市场主体作为分类依据可以主要分 为如下几个类别： 1.垂类旅游企业平台 AI 应用 以携程、去哪儿网、同程等为代表的 OTA 平台，积极利用大模 型技术推动业务 （二）智慧旅游领域人工智能应用场景分类 1.AI 旅游导航导览讲解服务类应用 利用 AI 语音合成与识别技术，为游客提供多语言、个性化的讲 解服务。无论是在博物馆、景区还是历史文化遗迹，游客通过 AI 大 模型就能实时获得详细的景点介绍、历史背景、文化内涵等讲解内容， 8 其效果已经开始慢慢替代传统人工导游，提供更便捷、高效且可随时 获取的智能讲解服务。 2. AI 旅游行程规划助手类应用 基于 AI 算法和大数据分析，根据游客的时间、预算、兴趣偏好 目前该场景虽市场用户端需求强烈，按真实的产品在结果准确性、产 品体验和用户需求深度匹配等方面仍需进一步提升，这也导致实际用 户对 AI 行程规划结果的采纳率仍不高。 3. AI 旅游信息服务类应用 主要涉及旅游目的地信息检索，游客通过智能终端输入关键词， 即可获取 AI 所提供的目的地基本概况，包括地理位置、气候条件、 旅游景点、交通住宿等。该场景通过 AI 技术对用于大模型训练的旅

行能力/功能升级、或以 DeepSeek为基座发布新AI教育应用和智能学习硬件，快速抢占DeepSeek模型带 来的AI创新机遇。 代表性教育企业围绕DeepSeek的布局总览 相较于其他通用及垂类大模型，DeepSeek能够得到头部教育企业广泛青睐、激起 抢滩布局，主要得益于其几大特点： l 深度思考模式：DeepSeek的深度思考模式能够输出自然语言形式的推理过 程，使得学习、解题的思 功能；新发布AI学习应用“随时问”，由自研九章大模型与DeepSeek大模型联合 支持，主打一站式智能化教育。围绕DeepSeek，学而思的AI教育布局呈现出双协 同、生态化特点： 1、突破单一模型局限，将教育垂类大模型与DeepSeek深度融合，结合DeepSeek 拆解复杂问题和语言交互的强项、及九章大模型深耕数学推理与学科知识图谱的优 势，实现精准分析/定位/回溯知识点、强化逻辑推理并显化思维路径、理解并输出 线接入DeepSeek、加速智能硬件创新，推动AI教育场景的深化与成本优化。 1、底层技术融合：构建DeepSeek-R1的通用智能推理能力与自研教育垂类大模型 “子曰”结合的混合架构，以提升复杂场景的AI教育能力精准度，并打造了基于 DeepSeek的多模态应用。 2、全线产品线接入：软件端，网易有道AI学习类App接入DeepSeek，以其深度思 维优势提升AI教育能力和个性化交互学习体验；此外，网易有道基于子曰教育大模 型

Agent 产业趋势 鸿蒙智能体的定义 鸿蒙智能体框架（HMAF） 总结与未来展望 参考资料 1.1 从被动响应转向主动服务，智能体驱动人机交互范式变革 1.2 智能体爆发式增长，系统智能体和垂域应用智能体双轨发展，走向协同 1.3 一站式开发框架和技术标准化加速智能体构建和商用落地 3.1 智能体全新交互 3.2 智能体协议升级 3.3 智能体高效开发 3.4 智能体安全可信 02 鸿蒙应用生而智能 人机交互范式，从功能机时代的物理按键，到智能机时代的触屏操作，再演进至 AI 智能体 时代的意图交互，这一历程体现了 " 从形式操控到语义理解 " 的技术进化，其本质是机器对人 类认知和行为习惯的持续适配。 在“以意图为中心”的交互范式下，用户角色从“功能操作者”转变为“目标委托者”， 智能体则从“工具”升级为能独立完成任务并交付结果的“数字协作者”，移动终端设备作为 用 45.8% 的年复合增长率增长，到 2030 年达 到 503.1 亿美元。 1.2 智能体爆发式增长， 系统智能体和垂域应用智能体双轨发展，走向协同 - 5 - 行业趋势 Agent 时代 鸿蒙应用生而智能 从整体应用格局来看，AI 智能体形成 " 系统智能体 + 垂域应用智能体 " 的双轨发展模式。 系统智能体成为用户流量新的超级入口已成定局。华为在《鸿蒙 2023 白皮书》中提出，

变革的直接变量。预计具身智能的下半场，将主要由“智能定界”牵 引突破。该路线的核心在于将复杂、时变、不确定的世界模型构建难 题，转化为构建一个专注于具体现实环境的、更容易“有限范围求解” 的垂类小模型，这类模型具备环境可确定、任务可操作、过程可数据 化、且高安全性的特性。 应用场景反向定义价值，头部企业重塑供应链优先级。具身智能 的创新价值不再由“技术先进性”单一决定，而是由不同场景的需求 险业 建筑业 运输和仓储 业 建筑业 8.80 万亿元 10.56 万亿元 1.38 万亿 元 1.69 万亿元 0.78 万亿元 1.42 万亿元 数据来源：Wind 备注：1.剔除公共事业类行业；2.货币单位统一按 2025 年 9 月 3 日汇率换算为人民币。 过去 10 年，我国制造业呈现出显著的增长态势。然而，其中传 统制造业也面临着产能过剩、附加值低、内卷严重等一系列问题。从 9%，呈现持续增长态势。 3 图表 2：中国 GDP 分行业增加值（单位：百亿元） 数据来源：Wind 具身智能，作为支撑未来国家高端制造业的底座，已被纳入“2025 年政府工作报告”。其狭义可理解为“AI+仿生类人形机器人”，广义可 理解为“终端设备载体+AI 感知环境+AI 学习推理及决策”。尤其在未 来十年的产业大赛道（包括：AI+芯片/大模型/数据、AI+制造/能源/ 生产资料、AI+生物医美/抗

1、数据智能：LLM取得了突破，最被看好 • 概率模型，机器学习（统计学习方法）、数据模型、计算数学 2、学习人脑：当前遇到挑战，可能会成为道路1的一部分 • 抽象模型：杨立昆的世界模型+功能分区 • 类脑计算：意识研究、认识论（哲学物理学）、认知神经科学  包括生物计算，不排斥数据科学方法（mortal computation） 3、具身智能：刚起步，研究热点，可能会成为道路1的未来 • 如何培养AI专业人才和AI赋能人才 • AI如何赋能教育 第一届人工智能教育大会（2019） 02 对AI教育的思考：AI重塑就业岗位和组织结构  从职业角度来看，人工智能将带来三类影响 1. 替代少部分基础岗位 • 一些简单的重复性、模板化、“照本宣科式”的智力劳动可能会被替代，例如：基础客户服务、简单文秘、甚至一些翻译工作 2. 革新大部分岗位的职业技能 • AI实验室建设 • 专业垂类大模型训练 • 教学创新大赛 • AI相关课题转化 • AI+学科教材共研 • AI领域科研论文 • AI技能大赛 人工智能通识课 • 人工智能通识课建设 • 实验设备、系统搭建 • AIGC课程建设 • AIGC技能大赛 • AI+学科交叉融合 03 我们的AI教育实践：青鸟AI实验室 七类主要产品和服务 NovaAI开放平台

验。 - 商业实践：以落地为目标，推进“模型与行业”深度融合，打造“由点到面”的实践能力。云厂商依托现有行业解决方案，立足 长期客户服务经验，借助行业客户与生态伙伴支持，从行业场景切入，构建行业垂类模型。在商业实践中评估模型效果，探索商 业模式，缩小理论预期与应用效果的差异，缩短技术投入与商业回报的周期。 来源：专家访谈、公开资料整理、结合艾瑞云市场模型、艾瑞咨询研究院自主研究及绘制。 394 管理，并为算力、算法、数据、模型等能力平台构建技术底座 智算中心能力平台以大模型为核心，将构成大模型的关键要素：算力、 算法、数据以“服务”的形式对外输出。 1）算力服务：聚焦智算资源的高效管理、调度 2）算法服务：多类算法自由调用以支持不同场景大模型开发 3）数据服务：模型训练和推理所需各类数据全生命周期管理 4）模型服务：提供预训练大模型和模型调优服务，降低模型开发成 本，加快模型部署 网络 存储 AI 服务器 施需要配置更高性能GPU芯片以加速并行 计算效率。 2）LLaMa模型开源有效降低模型开发技术难度和开发成本，使开发者可以基于预训练大模型底座进行微调构建行业垂类模型，加速 行业定制化AI应用开发，推动人工智能行业进入“百模大战”阶段。垂类大模型的发展不仅进一步扩大企业对智算资源的需求，还 要求智算中心具备除算力资源外，提供以大模型为核心的相关算力服务、算法服务、数据服务、模型服务的综合能力。