技术产品需求： 污染总量估算精度需控制在 ±20% 以内；参数率定需具备可重复性；模拟范围需覆盖典型合流制片区，并能够反应溢流口污染负荷波动大的实际情况。 应用场景项目介绍： 本项目聚焦北京市合流制排水系统溢流污染问题，拟建立适应北京地区合流制排水特点的数学模型，完善参数率定与情景推演方法，形成可复制的溢流污染评估流程。项目依托排水集团在管网运行、监测设施和数据积累方面的基础，结合国内外先进水动力-水质模拟技术与数据分析方法，预计达到行业领先水平。场景方可提供典型合流制排水口监测数据、管网拓扑资料等，并具备研究经费和场地勘查等条件，为方法体系构建与成果应用转化提供保障。

技术产品需求： 研制一套多模态空基边缘集成装备，具备异常同步捕捉能力，实现对基站设备多角度、全域覆盖自动拍摄。 研究多频段异构组网、超低时延遥控、8K视频回传等关键技术，实现毫秒级端到端时延、 99.99% 链路可用度，具备超视距高清视频与AI结果同步回传能力，达到百公里级“零丢帧”目标。 研究开发嵌入式YOLO轻量化AI模型，通过神经架构三合一方法，实现不少于10类基站外部缺陷实时识别，实现大于 90% 识别准确率、小于6min单站分析能力，达到“即拍即判”预期目标，较人工效率下降 50% 。 构建“无人机- 边缘云- 中心云”三级协同智慧运维平台，实现任务自动规划、缺陷实时处理、报告一键生成，具备日处理 ≥5000 站、并发200架无人机管理能力，达到规模化复制推广目标。 应用场景项目介绍： 本项目旨在通过创新模式，实现基站运维的数字化和智能化转型。针对传统通信基站人工巡检效率低、成本高、风险大以及数据主观性强、标准化难等行业痛点，本项目核心是利用无人机挂载智能巡检边缘计算终端，并深度融合多模多频段无线通信技术，对无线政务网站的设备故障、外观、线缆、标签等进行自动化、精细化智能巡检。项目将为“双智专网”基础设施运维领域的规模化商业应用提供关键示范。

技术产品需求： 1. 人用经验和临床实验证据转化 借助人工智能技术，实现诊疗记录的结构化，形成证据转化范式，加速新药临床实验结果汇总和分析进程，缩短临床试验时间。 2. 临床试验设计的智能优化 模拟试验结果：机器学习模型模拟不同试验方案，预测潜在结果，助力研究人员挑选最优设计。 自适应试验设计：基于中期数据实时触发方案调整（样本量再分配、干预措施优化），提升试验灵活性和效率。 3. 患者入组的精准匹配 靶向招募：NLP 技术解析电子病历与非结构化中医病案，3 分钟内完成符合中医辨证标准的患者筛选。 脱落预警：部署的 AI 模型可根据受试者入院信息，预测受试者依从性风险（如交通不便人群），提前制定留驻策略。 应用场景项目介绍： 本项目旨在解决《中药注册分类要求》中“三结合”审评体系的人用经验数据挖掘难题。当前，从诊疗记录到形成临床证据，面临着病历信息非结构化、证据链构建成本高昂、跨机构数据壁垒三重瓶颈。传统方式需要大量人力进行数据标准化提取、回顾性研究与伦理审查。本项目计划通过构建中医电子病历模板和开发自然语言处理（NLP）工具，降低证据转化的边际成本，以实现中药新药研发的提速。

技术产品需求： 1. 智能眼镜定制服务 借助 3D 扫描技术，为顾客打造定制化眼镜产品，顾客可通过触控屏预览设计效果，提升个性化购物体验。 2. 智能眼镜试戴系统 在展示区设置智能眼镜试戴设备，顾客可通过试戴快速找到适合的眼镜款式，系统同步记录试戴数据，为后续推荐提供依据。 应用场景项目介绍： 本项目为满足客户不断增长的需求。大明眼镜公司持续推进门店建设，为客户提供更加个性化的服务和更为高效的购物体验。门店的建设紧紧跟随智慧城市发展理念，大力推进门店数字化转型，引进大数据、物联网、云计算、AR等现代科技。

技术产品需求： 开发作业现场安全监管系统，实现作业现场安全感知的可视化展示（包括现场位置、围栏范围、人员位置、人员健康状态、现场环境等），异常情况报警，实现多级指挥管控。 研制作业现场智能一体机，实现作业现场组网、与作业动态监测数据及周边100米固有传感器进行互联，并通过本地边缘端计算实现实时报警等功能，可连续工作10小时；设备重量：≤20kg。 研制作业现场智能安全树，实现作业现场的可视化呈现、作业现场电子围栏防护、作业现场激光监测甲烷浓度、人员授予管理以及声光报警等功能。定位精度：8h；数据存储时间：2个月；防爆等级：ExicIBT4；重量≤2kg；工作时间：≥10小时。 研制智能安全帽，实现人员定位、视频通话、语音对讲、SOS报警等功能，帽衬需要实现佩戴人员心率血氧监测。定位精度：10h；防爆等级：Exib II CT4Gb。 研发智能四合一检测仪，实现现场检测氧气、一氧化碳、硫化氢、甲烷气体浓度，并实时数据上传。电源续航能力：>10小时；防爆等级：Exib II BT4Gb。 应用场景项目介绍： 本项目旨在通过技术手段，从根本上解决燃气作业现场在安全风险感知、不安全行为识别和应急管理方面的痛点。传统的安全监管模式缺乏实时、全面的数据支撑，导致预警不及时、响应滞后。本项目将集成互联网、局域网、物联网等技术，通过智能感知设备对作业现场的环境和人员状态进行实时监控，并利用AI视频识别技术对不安全因素进行智能分析与预警，最终构建一个燃气作业安全监管系统，实现政企应急联动的可视化多级管控。

技术产品需求： 软件方面需求：建设多源资源库系统；基于多源资源库，训练一个教育垂类大模型；实现“数字课堂”核心业务场景所需的功能；基于垂类大模型，实现个性化教和学；应用层实现，包括教师端、学生端和家长端等。 硬件方面需求：电泳显示技术（EPD），类纸屏生产制造能力，64位架构移动应用场景处理器，手机/平板电脑类软硬件开发制造能力，电磁笔研发制造能力，电容触控屏研发制造能力，锂电池设计生产能力，手机平板模具开发制造能力，包装设计制造能力等。 应用场景项目介绍： 本项目旨在构建一个基于“一人一辅”教育大模型的“智学伴”数智教联体，以解决传统教育中存在的标准化服务与个性化需求之间的矛盾。该系统以“1（大模型）+N（场景）+N（终端）”为生态架构，通过整合多模态资源并构建知识图谱，实现学生、教师、家长、学校及管理者五大群体的智能互联与高效协同。通过AI多端协同与安全审核，打造“五端联动”体系，从根本上推动教育从标准化向个性化智能服务升级。

技术产品需求： 多技术融合能力：技术产品需深度融合动态视觉、智能感知和时频分析等多种技术，能够采集风机基础的服役性态特征数据。 不停机诊断能力：仪器需具备在风机正常运行状态下进行数据采集和损伤诊断的能力，确保对生产无干扰。 损伤评估与分级：系统需能够根据采集的数据，自动对风机基础的损伤进行分级评价，并提供相应的运维分级管控建议。 便携性与易用性：硬件产品应具备便携式特点，方便运维人员携带和操作，并提供直观的用户界面。 风险预警与干预：系统应具备及时发现基础损伤并发出预警的功能，为运维人员提供提前干预的依据，以避免安全事故。 应用场景项目介绍： 本项目旨在解决风机基础运维中长期存在的生产与检测矛盾。针对风机基础损伤后逐渐倾斜并可能诱发重大安全事故的痛点，现有实时监控技术成本高昂，而定期检测又必须停机，影响生产效率。项目拟融合两种技术优势，开发一款便携式、低成本的智能诊断仪器，使运维人员能够在风机不停机的状态下，对基础损伤进行快速、准确的评估，从而实现风机基础运维的低成本投入与生产零干扰。

技术产品需求： 高精度智能巡检能力：技术产品需具备高精度图像识别与红外测温能力，能够对表计、指示灯状态进行精准识别，并对设备异常进行实时判断与报警，以减少漏巡、错记等问题，保障数据反馈的准确性。 跨场景适应性与效率：需提供单台智能四足机器人，替代传统多台专用机器人，实现对延庆光伏电站31.08MW装机容量区域的室内外复杂地形全覆盖，并能对逆变器、箱变、主变等设备开展开关分合闸等操作，实现人工巡视频次从三天一次减至半月一次，工作量降低80%。 远程集中管控与数据服务：要求构建一体化管控架构，支持单站、区域、集控等多种运维模式，并能自动生成缺陷报表与巡检报告，实现与站内监控系统联动，最终达成变电站巡检的无人化、数字化与智慧化管控。 应用场景项目介绍： 本项目旨在解决传统变电站巡检中，人工巡检风险高、效率低以及不同环境需使用多台机器人等痛点。项目核心依托一台智能四足巡检机器人，打造集“设备智能巡检+数据智能分析+远程集中管控”为一体的解决方案。该机器人能够胜任室内外复杂地形巡检，跨越障碍，实现单台设备覆盖数万平米的广阔区域，从而替代传统分工模式，大幅提升巡检效率、降低运维成本。

技术产品需求： 模型参数体系构建：需提供水量分配、水质迁移、植物响应、土壤结构及气候条件五类核心参数相关的技术参数清单和参数范围。 多阶段优化方案：需提供模型参数率定和反演的优化算法清单和参数范围，以保障模型准确度。 模型反演与验证：需提供再生水园林绿化灌溉用水配置模型预测值与实测值之间的各项转换系数，以及各个耦合模型的计算公式及精准度，确保模型的决定系数 （R²） ≥ 0.85，模型预测误差 ≤ 0.1 。 成本优化：使用该模型后，灌溉用水成本较传统灌溉模式需降低40%~60%。 应用场景项目介绍： 本项目旨在解决园林绿化行业因缺少科学合理的再生水使用方法，导致再生水使用受限的痛点。尽管再生水在园林绿化中的需求日益广泛，但目前其使用量仅占全市灌溉总用水量的27.82%。现有不规范的灌溉方式可能导致植物死亡和土壤次生盐渍化。本项目将通过对再生水水质、灌溉土壤特性及其相互影响的研究，建立一套再生水绿化灌溉用水指南标准体系，以保障再生水在园林灌溉中的安全应用。

技术产品需求： 技术类型：隐私计算（联邦学习、差分隐私）、多模态AI处理（文本结构化、影像分析）、SM4国密加密、动态权限管控、异构数据融合。 指标参数：联邦学习非IID数据训练准确率≥92%、效率≥500样本/秒；差分隐私ε≤0.3；SM4加密速度≥100MB/s；病历文本结构化率≥98%，影像分析响应≤2秒。 先进性：联邦学习适配病历数据分布差异，多模态融合处理病历文本 / 影像 / 数值，安全与智能协同优化。 应用成效：人工智能 + 电子病历数据服务平台将会辅助医疗诊断效率提升 40%，病历数据泄露率降 95%+，满足等保以及密评需求，支撑疾病预测、药物研发，降低临床误诊率。 应用场景项目介绍： 本项目旨在解决大数据与人工智能时代下，电子病历数据面临的安全隐私和数据孤岛两大核心痛点。当前，未经授权的访问和勒索病毒等对电子病历数据构成严重安全隐患，而多医院、多系统的异构数据也导致应用集成成本高昂。本项目将通过动态加密、权限精细管控和联邦学习等技术，构建一个高效、统一、安全的 AI+ 电子病历数据服务平台，旨在克服数据壁垒，同时保障数据应用的安全合规性。