摘 要
本技术报告共分二部分内容：
第一部分，系统的阐述了信息智能文明时代下“3D+大数据+智能”使能技术的背景与原理，回答了各行业大数据及智能云服务系统建设框架设计所处和所需遵循的技术原理及框架：
①剖析了信息智能文明时代与“3D+大数据+智能”使能技术的时代背景及趋势；
②梳理了主流AI整体概念体系；
③揭示了“数据驱动软件再驱动硬件”的新技术路线研发模式与创新人才新要求的基本规律；
④剖析了“3D+大数据+智能”使能技术下的大数据与人工智能的原理与实质。
第二部分，系统的介绍了天衍智核心团队二十年来自主原创“3D+大数据+智能”使能技术成果，回答了相关行业大数据及智能云服务系统为什么能做的问题：
①剖析了天衍智核心研发团队二十年始终如一日所坚持的“3D+大数据+智能”使能技术研究背景。
②介绍了天衍智持续二十年自主原创的“3D+大数据+智能”使能技术研究，所涵盖的方法论成果、原理成果、理论成果、技术成果和平台成果等。
“3D+大数据+智能”使能技术研究报告
天衍智科技产业有限公司
1.“3D+大数据+智能”使能技术背景与原理
1.1.信息智能文明时代与“3D+大数据+智能”使能技术趋势背景
1.1.1.全球2020新冠肺炎引爆信息智能文明新时代加速演绎成型
随着互联网、物联网、云计算、大数据、人工智能、5G、卫星通讯等信息技术，以及能源、电力、生物、材料、交通等行业技术的全面创新发展和各行业之间的深度融合创新发现，工业文明已显著进入到后工业文明时代，即全新信息智能文明时代已经是进行时：新的生产力模式及所确定的新生产关系必将变革升级，由此所决定的经济基础与上层建筑必将随之演绎进化而变革，一场百年乃至千年全球变革之大局正悄然而至、一触即发。
随着2019年底开始出现的2020新冠肺炎疫情，历经半年的全球性蔓延，如今已经发展为百年来全球一场最受影响的疫情风暴，可以清晰的看到：从国家治理到经济发展，从社会活动到民众生活等，全球社会均将遭受到前所未有的挑战，这场疫情风暴，必将恰逢其时的成为引爆信息智能文明新时代加速演绎成型的导火索。
1.1.2.信息智能文明时代“3D+大数据+智能”使能技术的特点
天衍智核心技术团队，历经二十年持续在“3D+大数据+智能”领域开展了一系列体系化的自主创新研发工作，结合当前时代发展特点，深刻的认识到了：
一、“3D+大数据+智能”是信息智能文明时代的基本技术形态，是支撑信息智能文明时代新生产力模式成熟的使能技术；在未来信息智能文明社会，所有其它科技，包括航空航天、生物、材料、能源等的各行各业，均将以“3D+大数据+智能”为使能形成“理论研究、基础研发与应用体系”。
二、大数据的本质是：所有能够被数字化的物质世界内容、人类虚拟世界内容、类生命体虚拟世界内容等，所形成的计算机可表征的图形、文字等符号的整体模型体系，是“3D+大数据+智能”体系的核心基础。
三、智能的本质是：以大数据为基本要素，以3D为基本表征技术手段，以信息基础设施为载体，将人类，与功能系统（泛指可以接入可编程电子系统的用品、工具、设备、设施等一切经过人类改造或加工之后的具有特定功能的物质系统）、电子系统（泛指可编程的电子系统）和软件系统三位一体所构建“功能系统+电子系统+软件系统”综合仿真智能体，实现自然仿真智能、人类仿真智能、社会仿真智能、语义仿真智能、演绎数仿真智能（相关概念解释见1.5相关章节）的功能体系，是“3D+大数据+智能”体系的灵魂。
四、3D的本质是：全部大数据内容，通过“功能系统+电子系统+软件系统”综合仿真智能体中，以3D为核心的可视化和虚拟现实进行表征，实现数据与人类之间的快速、高效互动的综合技术体系；它是人类感知体系中视觉决策占主导背景的客观反映，人类视觉信息内容占人类智能全部处理信息量的80%以上，且人类其它任何感知类信息，理论上均可以转换为视觉信息来实现想象化的感知体验，是“3D+大数据+智能”体系的关键支撑。
1.1.3.“3D+大数据+智能”使能技术支撑的延伸智能产业
信息智能文明时代“3D+大数据+智能”使能技术的特点与趋势，必将带来技术产业形态的彻底变革：
①数据软件化、软件芯片化、芯片智能装备化。
②几乎所有产业就是二种形态：大数据+智能装备。
③未来芯片技术发展的根本不是有多么的高精尖，而是有多么的专（业）集（成）（匹）配，芯片类似机械的组装时代很快就会来临。
④智能服务与智能终端融为一体，互相依存。
在这样的发展趋势下，几乎所有产业的在线服务都可以转换为智能终端，专业技术服务转换为智能装备；这就是未来各产业领域大数据及智能云服务的延伸智能产业的具体形态。
1.2.主流人工智能概念体系系统化总结
1.2.1.主流人工智能概念综述
当前主流人工智能（AI）体系，实质已构成一个超级概念陷阱，哪怕是具体从事AI技术的人，一不小心都会掉进技术概念的大观园中，云里雾里而不知所云。
（图1-1）就是针对当前主流人工智能（AI）体系的描述，基本上可以划分为四个维度的AI概念：
第一层是本体论-认识论-方法论层面的AI概念，涉及到哲学概念类AI与原理概念类AI二类典型。
第二层是方法论-理论体系层面的AI概念，涉及到基础理论概念类AI、基础算法概念AI与框架方法概念类AI三类典型。
第三层是理论体系-技术体系层面的AI概念，涉及到专业模型概念类AI、专业技术概念AI与专业功能概念类AI三类典型。
第四层是技术体系-应用体系层面的AI概念，涉及到行业应用概念类AI与整体概念类AI二类典型。
不同层面的AI概念有着不同的指导和应用价值，只有系统化分类AI概念体系，才能形成AI概念的准确理解，才能适合于不同个体、组织、产业、社会来科学结合和应用相关AI技术概念，推进AI技术研发与产业化应用，服务人类社会；并为深刻理解和认知“3D+大数据+智能”使能技术新规律奠定基础。
1.2.2.哲学概念类AI
哲学概念类AI，是从哲学层面及思维实验层面所涉及到AI概念，它是AI所对应的人类意识思维基础；比如，主流哲学概念：意识、存在、逻辑、奇点、图灵测试、中文屋、涌现、坎陷等，以及天衍智自主独创的宇宙智能论的宇宙智能体、本我、自我与他我等哲学概念。
哲学概念类AI，是从本体论、认识论、方法论视角抽象人类智能的基本逻辑，理论上是无法类似科学实证的体系。
1.2.3.原理概念类AI
原理概念类AI，指的是从原理层面构建AI技术的方法体系；比如：主流AI的三大学派所对应的三大理论原理——符号主义、功能主义、联结主义，以及天衍智自主独创的仿真智能主义。
符号主义，用逻辑推理的方法来模拟人类智能，也称逻辑主义；显然基于符号的推理具有很大局限性，比如“海很深”，“建筑物结构与上水下水管道之间的空间关系”，无法用符号推理；前者需要构建类比模型，后者需要构建建筑BIM模型。
行为主义，是基于机械运动、控制论的原理，构建特定环境下实现运动与互动响应的方法来模拟人类智能，也称功能主义；显然智能机器人的运动与控制领域等典型应用场景的行为主义，具有很大局限性，比如这种行为不具备学习性与自我演绎性，是一种被驱动的预设功能行为，而不是一种发自智能体自我需求的主动自演绎功能行为。
联结主义，基于模仿脑的神经元联结结构原理、神经元输入响应原理、联结神经元兴奋共振时与联结强度的线性增加原理（赫伯学习定律）等，以及叠加反向传播算法、深度置信网络等算法原理，构建针对特定具有重复性出现统计特征领域的方法来模拟人类智能；显然图像识别与语音识别领域等典型应用场景的深度学习（联结主义），实现不了模糊漫画类图像的识别、混合语音的学习与识别，更实现不了人类五类感知体系的协同学习智能、基于知识规则进行问题演绎分析的学习——比如基于地质专业规范知识实现三维地质智能建模的学习。
原理概念类AI，是从认识论、方法论视角抽象人类智能的基本逻辑，以该理论为指导可以发展相应的AI理论技术体系；原理概念类AI是整个AI技术体系的灵魂，它是AI技术的实质性起点。
当前AI都是基于三大理论原理——符号主义、功能主义、联结主义基础上发展的技术体系，从以上剖析来看，都只是针对人类智能功能的局部仿真；要彻底发展AI技术，必须回到仿真智能主义（1.5.节将系统讨论仿真智能主义）的原理，才有可能打造人类梦寐以求的AI技术并服务于人类社会。
1.2.4.基础算法概念类AI
基础算法概念类AI：是指可以应用于AI技术体系的相关算法理论，比如，主流基础算法理论中的隐马尔科夫链、贝尼斯条件概率、卷积、高斯分布、线性回归、矩阵分解、随机过程、遗传算法、卡尔曼滤波等，以及天衍智自主独创的后现代五大算法泛权、泛模、泛换、泛序与泛衍中的一系列基础算法等。
基础算法概念类AI，是从方法论、理论体系视角抽象人类智能的基本逻辑，实质是特定数学理论体系，为AI技术提供算法理论支撑与指导。
1.2.5.基础理论概念类AI
基础理论概念类AI：是指可以从数学+逻辑+方法论等多个视角为AI技术提供指导与支撑的理论方法体系，比如：主流基础方法中的模型论、集合论、递归论、演绎论、博弈论等，以及天衍智自主独创的宇宙智能论中相对系论、自演绎论等。
基础理论概念类AI，是从方法论、理论体系视角抽象人类智能的基本逻辑，既包括数学理论，也包括逻辑体系及对应方法论等。
1.2.6.框架方法概念类AI
框架方法概念类AI，是指结合方法+算法+软件化框架可以构建的AI通用技术理论体系；比如，主流理论方法中的机器学习、神经网络、深度学习、随机森林、决策树、迁移学习、支持矢量机、分类、聚合、知识图谱等，以及天衍智自主创新的K∙M-N决策叉树、泛权重构、泛换特征识别、空间拓扑一致、语义拓扑一致、语义理解背景树等。
框架方法概念类AI，是从方法论、数学理论体系、软件实现方法视角抽象人类智能的基本逻辑，支撑AI技术实现。
1.2.7.专业模型概念类AI
专业模型概念类AI，是指构成AI技术知识基础并相关独立的专业知识领域；比如，主流专业知识领域中的脑科学、神经科学、自然语言、空间逻辑、知识库等，以及天衍智自主创新的专业模型概念类AI——地质模型空间、地表模型空间、点云模型空间、BIM模型空间、机械模型空间、图像语义、文本语义、语音语义等。
专业模型概念类AI，是以专业知识体系为基础，结合特定数学理论体系与专业逻辑等视角，抽象人类智能的基本逻辑，支撑AI技术实现。
1.2.8.专业技术概念类AI
专业技术概念类AI，是基于专业模型概念类AI基础上的相应专业技术智能化功能实现体系；比如，主流专业技术领域中的图像识别、语音识别、语言翻译等，以及天衍智自主创新的相关专业技术概念类AI——地质建模、地表建模、金字塔分块建模、点云逆向建模、BIM建模、语义理解等。
专业技术概念类AI，是以专业模型概念类AI为基础，基于专业知识背景逻辑、算法及软件实现的专业类AI技术实现。
1.2.9.专业功能概念类AI
专业功能概念类AI，是指特定专业智能化应用功能的概念体系；如，主流专业技术领域中的AlphaGo、自动驾驶、人脸识别、语言助手、在线客服、搜索引擎等，以及天衍智自主创新的专业功能概念类AI——地质BIM快速建模服务、点云快速分类建模服务、BIM智能概预算、平行人智能等。
专业功能概念类AI，是以针对特定专业应用领域，基于专业知识逻辑+算法+软件所构建的专业类AI技术功能。
1.2.10.行业应用概念类AI
行业应用概念类AI，是指特定行业体系融合智能化技术所形成的专业智能产业领域；比如，主流智能产业中的金融智能、医疗智能、教育智能、交通智能、城市大脑等，以及天衍智自主创新所发展的专业智能产业——地质智能、BIM智能、点云智能、语义智能等。
专业功能概念类AI，是针对特定行业领域，将专业功能概念类AI技术体系深刻应用于、体系甚至彻底再造该行业既有生产技术流程，并形成相应行业新型智能化产业。
1.2.11.整体概念类AI
整体概念类AI，主流AI技术界基于不同的视角有不同的划分体系，比如：基于智能化技术水平所划分的整体概念类AI——弱人工智能、强人工智能、超人工智能概念，基于智能化技术特点所划分的整体概念类AI——运算智能、感知智能、认知智能概念等；天衍智基于仿真目标类型划分为的整体概念类AI——人类智能、动物智能、植物智能等。
整体概念类AI，是跨越特定智能的理论、方法、技术、系统、功能及特定的行业应用的综合类AI概念体系。
1.3.“3D+大数据+智能”使能驱动技术路线及创新原理
1.3.1人类社会产业化科技体系的五级阶梯模型
人类社会从农耕文明到工业文明，到即将到来的信息智能文明，概括起来可以归结为五级阶梯科技体系的发展框架：
第一级阶梯科技：手工业科技时代——农耕文明，主要特点是基于种植、养殖、狩猎、捕捉、加工等的零距离产业领域，通过人类肢体活动所形成的手工操作及工匠技术体系，挖掘了人类肢体活动效率的产业价值极限。
第二级阶梯科技：机械化科技时代——工业文明初始阶段，主要特点是基于内燃机及联动技术等的发展，在大量需要手工重复操作的零距离产业领域，实现了机械化操作对人体肢体操作的替代，第一次实现了人类社会相关规模生产活动摆脱了对人类肢体的依赖。
第三级阶梯科技：自动化科技时代——工业文明中级阶段，主要特点是基于能源、电力、电气、电子技术等的发展，大大的推动了远程化、间接化、规模化、协作化等的机械化远距离产业领域的发展。
第四级阶梯科技：综合化科技时代——工业文明高级阶段，主要特点是综合基于冶炼、化合、材料、通讯、动力、传感器、生物工程、芯片、软件、计算机、数字化、可视化、仿真、互联网技术等的综合发展，全面的推动了更高速度运动、更高自动化控制、更高系统化集成、更高效率信息使用等的四维时空产业领域的发展，人类社会全方面进入到了离开现代科技技术撑而无法有效生存和运转的时代。
从第二级阶梯科技到第四级阶梯科技，是工业文明从建立到走向成熟的发展过程，其技术体系的实质就是人类社会对自然规律研究成果的产业化再深刻应用，挖掘了人类自然规律所带来的产业价值极限。
第五级阶梯科技：智能化科技时代——信息智能文明，主要特点是综合基于核能、大数据、移动互联网、物联网、VR技术，尤其是人工智能技术的全面发展，将全面推动人类社会的教育、医疗、律师、金融、编程、建模、设计、创作、管理、决策、科研、关爱、社交等知识化情感化的虚拟世界产业领域的发展，人类社会全方面进入到脱离人类主导而由科技自身主导科技发展的后科技时代，挖掘了人类思想、情感的产业价值极限。
1.3.2科技产业化边际衰减效应原理
①科技产业化边际衰减效应原理是：五级阶梯科技体系中当每级新阶梯科技阶段到来时，位于之前的阶梯科技范畴的相关科技创新成果，在当期阶梯科技阶段下的产业化价值将急剧衰减，形成显著的技术产业边际效应，见（图1-3）所示：
1）机械化创新技术的时代价值曲线：单纯机械化科技时代的相关创新技术，一旦进入到下一个阶段——自动化科技时代，相关产业价值几乎很难实现。
2）自动化创新技术的时代曲线：单纯自动化科技时代的相关创新技术，一旦进入到下一个阶段——综合化科技时代，相关产业价值几乎又很难实现。
3）综合化创新技术的时代曲线：单纯综合化科技时代的相关创新技术，一旦进入到下一个阶段——智能化科技时代，相关产业价值几乎又很难实现。
②科技产业化边际衰减效应原理的根源在于：
1）增量市场的可成长性；
2）替代市场的整体框架性升级的复性所导致的价值坎陷性；两大因素的共同作用形成科技产业化边际衰减效应。
③实例剖析：
1）在1980～2015期间的每一个电子产品创新到互联网产品创新等，都比较容易会形成全新的创业化价值，从国内BAT的崛起，到国外微软、谷歌、苹果、脸谱、亚马逊等跨国企业的崛起都充分说明了这一点。
2）但是自2015年已经进入到了智能化科技时代以来，随着深度学习、语音识别、图像识别等弱人工智能技术的发展以及金融智能、无人驾驶、智能医疗等产业化推进，在如此大规模产业化研发资金的驱动下，看似红红火火，但产业化结果却是龙头蛇尾：IBM宣布医疗智能产业化失败，谷歌宣布自动驾驶失败。
3）当前之所以导致这种状况的根本原因是，深度学习、语音识别、图像识别等弱人工智能技术的本质，仍然是属于综合化创新技术范畴，而不属于真正的智能化创新科技，基于综合化创新技术的时代曲线，就可知它很难具有创新技术产业化价值。
1.3.3.当今世界科技创新发展的三大趋势
当今世界科技创新正呈三大发展趋势：
①科技创新研究的原动力发生了根本性的变化：
1）科技创新机制从研发者个人创新兴趣驱动，向需求及产业化创新驱动转变。
2）需求的容量与产业化价值前景，已经成为了科技创新中的最活跃要素。
3）不同科技创新要素下的产业化市场将形成替代市场与增量市场两种典型，将分别对科技创新体系产生深刻的影响。
②科技创新研究的问题背景发生了根本性的变化：
1）科技创新从简单系统研究的浅水区必然需要向复杂系统研究的深水区转变。
2）现代哲学、数学、物理、化学等基础科学的主体部分都是基于农耕文明与工业文明的初始阶段的观察与认知水平背景条件下针对各种简单系统，其根本方法论是还原论与实证逻辑，历经数百年所发展了从第一级阶梯科技到第四级阶梯科技范畴的现代科技树体系。
3）从地质、气象、海洋、人体等的时空复杂系统，到面向人类知识、情感活动的超级复杂系统等的科技创新体系，属于典型的第五级阶梯科技范畴的复杂系统研究问题，但是这些复杂系统的研究背景已远远超出了现代相关基础理论所能分析解决的能力范畴，亟待发展全新的理论框架体系。
③科技创新研究的工具手段发生了根本性的变化：
1）现有科学体系包括数学、物理等理论体系的背景逻辑，基本都是在计算机演绎工具还没有出现，只存在算盘、计算器、手写等简单演绎工具，所以现代科学结构体系水平受到很大的制约，即现代科学的基础水平整体是与算盘、计算器、手写等简单演绎工具相匹配的。
2）随着计算机技术、传感器数字化（通讯技术的本质也是一种传感器技术）的，从本质上带来人类思想演绎工具的维度、广度与深度，这必然会导致现代科学理论大厦基础结构的彻底再造与升级。
3）主流科学家，由于思想惯性，没有从科学理论的基础结构化层面来思考这种演绎工具所带来的影响，仍然只是采用传统简单演绎工具所发展理论框架的惯性思维，企图通过细枝末节上扩展细化理论来适应这种挑战，显然，这是舍本逐末、缘木求鱼的思维，最终只会走向科学演绎的死胡同和牛角尖。
4）所以科技创新体系，比如需要从传统的观察现象、实验与概念逻辑推理等研究手段，必然需要向集成多维度数学理论方法、专业基础知识、行业深度应用、综合传感器技术、大数据建模、软件编程与可视化仿真等演绎人机一体化研究手段转变。
1.3.4.主流IT技术路线——硬件驱动软件再驱动数据模式亟待发生根本性变革
当前主流IT技术领域的技术路线图是：基于硬件技术驱动软件技术，再由软件技术软件驱动数据模型技术（数据采集+数据加工+数据库等）：
①基于电子技术发展起来了一代代的计算机及相关互联网基础设施等IT硬件体系。
②基于相应的IT硬件体系，结合不断的IT应用，发展一代代与之相适应的IT软件体系，包括底层操作系统、开发语言、基础平台、中间件、工业软件与应用系统等等。
③基于相应的IT软件体系，针对简单行业信息化应用所需输入、加工、生产、管理等相应的数据模型，形成不同的数据模型管理体系——数据库及数据接口标准技术体系等。
以上主流IT技术领域技术路线图的发展过程，归结为以下一些发展特点：
①IT硬件体系、IT软件体系与数据模型管理体系，在发展过程中，都是基于简单行业应用需求出发的，几乎没有体现行业的超级复杂深度应用需求；比如，大区域三维复杂矢量地质体数据模型的专业化应用体系，是现有硬件、软件、数据技术体系所不能支撑的。
②IT硬件体系技术已经全面成熟，已经达到发展的天花板，IT技术基于自身理论原理再实现深度创新的潜能已几乎不复存在；因此当前基本固化了的硬件体系+简单行业应用驱动所发展的软件与数据技术体系，要么就缺乏新技术发展方向指引，只会停止不前，要么就碰到复杂问题，只能望而兴叹；以地质行业大数据化与智能应用为例，二十年从欧美发达国家的玻璃地球计划，到中国近二十年在地质行业所投资上百亿资金推动的各类地质大数据及三维数字化建设项目实施等的无功而返，都充分说明了这一点。
③传统IT技术与各行业的结合，发展出了行业信息化应用体系，这种行业信息化应用，是以现有行业技术逻辑及流程为基础，以综合IT技术体系为支撑所构建的；随着互联网、物联网、云计算、大数据、人工智能技术的全面发展，行业信息化应用必需要向纵深领域——产业互联网发展；而发展产业互联网必须针对传统行业的产业实现彻底的生产技术流程再造，实现传统行业产业技术与IT技术的深度融合。
④传统行业产业互联网化的实现，最终要归结到传统行业底层逻辑与复杂经济活动体系中，这是一个涉及到地球环境、社会环境、人造建筑环境、设备工具支撑体系，以及个人意识情感思维及技能等的超级复杂动力耦合系统；以建筑产业互联网为例，其最大的技术挑战是工程建设涵盖规划、勘察、设计、施工等全流程体系，涉及到项目所在区域精准的地质、地表、地物一体化三维BIM基础数据模型，涉及到建筑物基本受力、功能及美观等的基础逻辑模型，涉及到建筑规范技术知识模型，以及涉及到设计师创意概念模型等等，这些模型都是属于超级复杂系统模型范畴，现有的硬件、软件、数据技术体系，实质是无法满足这种需求的。
⑤不同行业产业互联网领域所面对的超级复杂动力耦合系统，在具体表现形式上是层出不穷的；因此，如果没有针对自然与社会中的典型超级复杂动力耦合系统等，开展模型底层逻辑的研究与彻底突破，显然既有基于简单行业应用需求所发展的硬件、软件、数据综合技术体系等所开展的研发与建设工作，均将形成不了经济价值与社会价值。
同时，主流IT技术路线从硬件驱动软件再到软件驱动数据的模式，导致了在中国社会近几十年来在科技、经济与产业界，形成了“重硬件轻软件”、“重软件轻数据”的管理、建设与投资思维。
综合以上看，主流IT技术路线从硬件驱动软件再到软件驱动数据的模式，与当今世界科技创新发展趋势是不相匹配的，已经无法满足当前“3D+大数据+智能”使能技术时代的发展要求，从IT技术路线到配套的产学研模式，均需要进行彻底的创新与发展。
1.3.5.“3D+大数据+智能”使能驱动技术路线——数据驱动软件再驱动硬件
“1.3.4. 主流IT技术路线——硬件驱动软件再驱动数据模式亟待发生根本性变革”节中，系统的剖析了现有IT技术路线图，必须要发生根本性变革，才能适应“3D+大数据+智能”使能条件的发展需求；那技术路线变革具体该向何处去？基本的着力点必须回到需求驱动，无论IT技术如何发展，都必须要满足产业互联网的最终需求；而产业互联网最终需求的直接体现形式是：如何针对产业互联网，能否得到所涵盖的全部复杂数据模型以及实现对它的基本读写管理。
也就是说，如何针对产业互联网，能否实现其所涵盖全部复杂数据模型生成或获得的算法与建模理论，以及相匹配支撑的软件技术和硬件技术体系，成为了创新技术路线图的牛鼻子；这是深刻符合当今世界科技创新发展趋势的，必将水到渠成的发展出“3D+大数据+智能”使能驱动技术路线——数据驱动软件再驱动硬件模式：
①基于自然、社会以及人类个体等涉及到各典型行业体系，开展系统化的超级复杂模型逻辑及建模技术理论等的研究，比如：
1）面向地球体涵盖地质、地表、地物、水体、大气等的复杂模型逻辑及建模技术等的研究；
2）面向工程建设生命周期全流程BIM等的复杂模型逻辑及建模技术等的研究；
3）面向机械设计制造使用生命周期全流程信息模型等的复杂模型逻辑及建模技术等的研究；
4）面向人类社会权力体系全息模型等的复杂模型逻辑及建模技术等的研究；
5）面向人类意识情感心理体系模型等的复杂模型逻辑及建模技术等的研究等。
②在超级复杂模型逻辑及建模技术理论研究成果的基础上，开发相应的计算建模分析（云计算）软件、数据库（大数据）管理软件，甚至相应的云操作系统、云超级服务平台等；构建相应行业的一体化大数据生态链系统框架以及一体化数据采集、加工、管理与应用等的大数据应用平台。
③基于计算建模分析（云计算）软件、数据库（大数据）管理软件等软件的实际需求，创新现有硬件技术、集成现有硬件技术，形成可靠性与经济性高的硬件技术解决方案。
④在①～③的研究基础上，形成从行业复杂数据模型研究，到配套软件技术、硬件技术研发的“3D+大数据+智能”使能驱动技术路线——数据驱动软件再驱动硬件一体化技术模式。
在数据驱动软件再驱动硬件的新技术路线模式下，相关IT产业的投资建设逻辑也将随之发生根本性转变：
①从重资产投资建设云计算中心、大数据中心、AI中心，到基于理想化应用综合部署相关软件体系，再最后通过各种渠道和手段获得大数据的模式，转变为：从行业大数据生态链标准体系以及融合中间型数据使用价值交易体系，到构建相应行业一体化的大数据智能融合为中间使用数据平台、大数据中间使用数据价值交易平台、应用中间使用数据的行业应用平台，再到逐步结合大数据的实际应用水平，边建设软硬件、边汇集大数据的模式
②也就是说，从原有强调重资产建设、无应用规划而冒然进行重大数据收集的产业化应用模式，转换为：先重视行业生态形成大数据使用价值挖掘与使用的一体化技术能力建设，在此基础上，逐步按需推进硬件设施建设与大数据动态建设。
在“3D+大数据+智能”使能驱动技术路线——数据驱动软件再驱动硬件模式下，硬件技术尤其是芯片技术发展特点将发生巨大转变：
①主流芯片技术一味向高精尖发展的模式，必然会转向基于行业专业计算所需专业芯片，以及集成组合多功能芯片的行业硬件技术体系发展。
②芯片实质已不在于其多么的先进，关键在于其满足专业化计算的贴合程度。
③以大区域三维复杂地质体智能建模和BIM智能建模等为例，芯片的先进与否，与实质模型生产的技术、成本、结果等没有直接关联性，只要三维复杂地质体智能建模和BIM智能建模自身的算法及软件技术，以及对应的原始数据到位，哪怕是五年前的芯片及硬件技术，都不实质性影响产业化应用和价值实现。
④此外，一旦相应行业的专业建模技术成熟，核心模块就可以设计成专业芯片，并将专业芯片与特定的一体化软件平台，打造面向行业提供智能化生产决策服务的智能硬件产品、智能设备，更好的面向市场提供服务，尤其在中国一带一路国际战略的基础产能输出中，智能装备输出，比起资金+人力技术服务输出，风险要少得多。
“3D+大数据+智能”使能驱动技术路线——数据驱动软件再驱动硬件模式的发展，将使AI技术的发展重点，转移到“行业应用概念类AI”领域的发展；比如，金融智能、医疗智能、教育智能、交通智能、地质智能、BIM智能、点云智能、语义智能等；之所以这样是因为，只有在典型大应用行业领域，才能获得该行业对应的全部复杂数据模型等的实际需求，从而实现数据驱动软件再驱动硬件的发展模式可能。
可能有学者会说，采取“数据驱动软件再驱动硬件模式”时，行业体系是不是太复杂多变了，可能很难进行系统化总结与集中；但事实是，这类问题只会针对大行业域体系进行研究；显然，这个体系的具体子问题是有限的，至多也就是在数百个数量级研究量范畴。
近二十年信息技术的快速发展过程中，基于“数据驱动软件再驱动硬件”的技术研发路线图，各行业中基本可以信息化实现的部分技术研发，都已经研究到位了；但是各行业面向“3D+大数据+智能”使能技术转型升级，发展相关行业产业互联网的技术研发路线，则基本属于起步阶段和空白状态，必将全部转换为“数据驱动软件再驱动硬件”研发路线图。
1.3.6.“3D+大数据+智能”使能技术框架研发创新人才要求发生根本性转变
“1.3.5.“3D+大数据+智能”使能驱动技术路线——数据驱动软件再驱动硬件”节中，系统的剖析了“3D+大数据+智能”使能技术体系下，主流IT技术所需全新发展的技术路线，这种技术路线转变，必然会带来相关研发创新人才能力体系的根本性改变。
目前全球科学技术界所针对的产学研体系，相关人才可以归结为以下特点：
①按照思维科学、基础科学、数学、专业技术、信息技术及应用技术等构建产学研不同阶段的研发团队。
②每个研发团队原则上都是由不同专业的人才所构成：系统把控人才、基础理论人才、专业技术人才、软件编程人才以及数据处理操作辅助人才等子团队。
③由系统把控人才进行项目研究路线图设计，将研发任务分解为基础理论研究工作、专业技术研究工作、软件编程开发工作、数据处理工作等，由各子团队分别承担。
④各子团队在各自实施研发工作中，通过系统把控人员（项目负责人），通过特定的技术管理手段，推进各板块研究工作的协同。
⑤以上研发管理模式可以简单归结为：“1+N的协同研发模式”，即项目负责人+N组专业研发团队+研发协同合作机制。
“3D+大数据+智能”使能驱动技术路线——数据驱动软件再驱动硬件模式下研发人才的研发特点可以归纳为：
①数据驱动软件再驱动硬件模式，要求研发必须从对应行业的复杂数据模型研究入手，则必然需要研发团队领军人才，是一位高水平的专业技术人才，能够深入行业研究，了解该行业复杂模型背景逻辑及框架；并准备好能够全面、精准、简洁体现行业复杂模型背景逻辑及框架的测试实例数据模型。
②基于该行业复杂模型背景逻辑及框架研究的基础上，需要有高水平的算法理论技术人才，能够针对该行业复杂模型背景逻辑及框架，创新研究出专门的建模分析理论算法，而不是简单采用已有理论算法来实现。
③基于针对该行业复杂模型背景逻辑及框架研究的测试实例数据模型和建模分析理论算法，需要有高水平的软件编程技术人才，创新研究出专门的软件系统，包括底层软件、中间件软件、专业基础软件平台等高端软件产品的研发，而不是简单采用已有相关软件技术进行二次开发和集成来实现。
显然在以上人才研发体系中，当前主流体系 “1+N的协同研发模式”中的人才体系中，采取由多个专业人才协同研发是无法完成该类复杂研发任务的，只有当一个核心研发人才，能够同时具有集高水平专业技术能力、高水平算法理论能力与高水平软件编程能力三位一体的综合技术能力时，才有可能实现复杂行业对应的数据驱动软件再驱动硬件模式的研发任务的完成；否则核心研发人才，欠缺一方能力，则极容易导致研究无功而返：
①假定针对某个行业存在一个基于“数据驱动软件再驱动硬件”路线图的研发团队，其中涉及到核心的专业技能、算法技能与软件技能，是分开由至少二个人所掌握的。
②则一旦不同的专业技能人才、算法技能人才、软件技能人才，分别研究了专业复杂模型、对应的算法以及相应的计算程序。
③由于这三项工作不是由同一个人才所完成的，专业技术背景、算法理论与软件代码，三者是技术知识跨界非常大的领域，尤其针对行业复杂问题时，大概率会存在理解的差异。
④因此，一旦通过软件进行综合调试与测试时出现错误或者模型结果不理想，则错误问题是由哪个环节导致的，针对复杂问题就很难判定：可能是复杂模型研究不准确或对应的测试数据不准确问题，可能是算法针对专业模型不适配问题，也可能是软件编程的问题，这个时候几乎是无法进行系统调试的。
⑤尤其可怕的情况是：哪怕所设计的算法是针对专业模型的优质算法，但是由于编程的错误，导致计算结果有错，但是系统并不会崩溃；此时算法研发者往往会怀疑是算法问题（不是算法公式有错而是算法解决问题的不到位），修改算法，从而导致将正确算法反而被修改为错误算法。
⑥同样算法测试所采用的复杂实例模型，与算法逻辑不相匹配，从而导致软件技术得不到理想结果，则无法确定是复杂实例模型的问题，反而可能会去修改算法，导致算法研究困难化。
⑦在复杂模型逻辑+测试数据、对应的算法、对应的软件中，只有数据是可以直接进行单独评估分析的，而算法与软件都只能是通过最终计算结果评估分析，很难直接独立评估其好坏；所以一旦测试结果不好，则必须回到算法设计、编程环境中，如此循环往复，一旦问题复杂，能够成功解决问题的可能性几乎为零。
基于“硬件驱动软件再驱动数据”路线图的研发团队，与基于“数据驱动软件再驱动硬件”路线图的研发团队，二者之间的要求是有着本质差异的，前者完全可以使用“1+N的协同研发模式”，即专业技能人才、算法技能人才、软件技能人才，完全可以分开由三类独立技术人才来承担，因为在这类研发场景下：
①硬件是通用成熟的硬件技术、软件是通用成熟的软件设计、算法是一些成熟算法或基于成熟算法的简单改进算法、行业数据模型都是简单的数据类型。
②不同环节的技术人才的沟通理解相对简单，不同环节的技术验证也相对独立，比如成熟算法以及基于成熟算法的简单改进算法一旦被算法类人才提出，只要公式推导正确（公式比较容易独立验证），其算法的效用性基本是可以确定无需怀疑的，更多问题会出现在编程环节，这样整体大大简化了问题。
1.4.“3D+大数据+智能”使能技术中大数据原理
如何精准化、简易、多层次的构建帮助认知大数据的本质与形式化描述体系，是当今制约社会普遍理解大数据、应用大数据的一项关键课题。
大数据不只是数据简单集合而大，大数据的基础逻辑不是简单天文数字量的存储或可视化表达的数字符号，而是这些天量数据体系所全部映射的人类可感知物理实体世界与人类意识思维世界的全部内容的背景逻辑体系；单纯天量数据是毫无使用价值的垃圾，必须与人类社会实际活动连接应用才有现实意义。
大数据之间的关系不是简单因子之间的数学线性关联关系，而是基于真实物理实体世界与人类意识思维世界等之间的某种必然表征逻辑。比如，统计北京市2000年到2007年期间的年雾霾天数与北京市民平均寿命两个因子的数学线性相关性时，肯定会得到正相关的结论，但显然这是个荒谬的结论。
大数据的价值实现不在于数据的简单交易，而是如何打造各社会行业的全数字化体系，以及全数字信息系统平台，将各方数据资源进行各行业可直接价值化应用的数据融合，形成并兑换出使用价值，并基于融合数据的数据来源贡献进行价值分配。大数据无法类似证券一样可以简单交易的根本原因是：大数据只是一种特定无形的中间生产要素，不是直接终端产品或服务，所以大数据的交易实质只能是大数据融合使用价值的交易，数据的所有权交易反而不是重点，只会增加数据交易的复杂性与成本。
大数据的共享不是简单向外开放而共享数据，而是在于构建出一种全社会各行业可以快捷、低成本使用数据的社会综合性信息化系统，即可供数据价值全社会应用流动的结构化支撑体系。大数据不是房子，甲共享给乙就可以直接住宿使用，而需要额外高昂的成本和技术门槛、时间，才可能有价值性的使用到这批共享数据。
大数据系统不是简单的传统应用信息化系统，二者有着本质差异。大数据系统包括行业大数据系统，而传统应用信息化系统实质是传统行业应用信息化系统。传统行业应用信息化系统是以人类使用计算机解决各行业领域的生产、管理与服务等各种专业化需求为导向的条块式应用系统，涉及功能流程操作、信息编辑、加工、查询与处理等主要内容。行业大数据系统是整个行业体系所涉及到环境、人、物、事的全维度信息，聚焦起来形成一个数据生态体系，数据的部分源于传统行业信息化，最终又可以全面提升与服务传统行业信息化。显然，传统应用信息化系统的范围与内涵，仅仅只是行业大数据系统中的一部分。
天衍智核心技术团队，通过二十年持续研发，针对大数据体系进行了系统的研究，至今已申请近十项核心大数据发明专利，并从数据所属产业体系、数据所映射对象类型、数据生成模式、数据可见程度、数据关联程度五个维度，针对大数据进行了系统分类，相关不同分类体系将体现出建模思路、管理思路、服务思路与运维思路的特点，将为大数据建设与应用提供针对性的指导与支撑。
1.4.1.基于数据所属产业体系的大数据分类框架
基于数据所属产业体系，大数据分为：基础大数据、行业大数据、物联网大数据、互联网大数据。
基础大数据：应用与影响全部社会经济活动领域的具有主题性的系统性数据体系，一般需要由国家特定专业技术力量来主动加以建设与实施加密管理，典型基础大数据类型有：
①地球体基础大数据：以地质、地表、气象、海洋（水体）、地物、构筑物等为核心内容且与地球体有机关联的一体化空间数据模型；它是支撑自然仿真智能、语义仿真智能的核心大数据模型，需要采用自然仿真智能的相关智能建模技术。
②文化性基础大数据：以数千年中华民族历史文化精华优秀传承的各地各民族特色文化、文物、语言、文字典籍等为核心内容的全部数字化可视化数据模型；它是支撑人类仿真智能、社会仿真智能、语义仿真智能的核心大数据模型，需要采用人类仿真智能、社会仿真智能、语义仿真智能的相关智能建模技术。
③知识性基础大数据：基于具有知识性、逻辑性特点的数学、科学、技术、规范、制度等为核心内容且为人类教育学习所能理解的知识语义数据模型；实现人类对知识应用的逻辑化、模型化、数字化、软件化与功能化；它是支撑自然仿真智能、人类仿真智能、社会仿真智能、语义仿真智能、演绎数仿真智能的核心大数据模型，需要采用自然仿真智能、人类仿真智能、社会仿真智能、语义仿真智能、演绎数仿真智能的相关智能建模技术。
④常识性基础大数据：基于人类经教育生活工作中体验与感悟后，群体同频共振习惯性思维所形成通用型内容的常识语义数据模型；其内容实质是，隐藏在知识模型下的并与之有机关联的共性与个性相兼顾的延伸类知识模型体系；实现人类对常识运用的逻辑化、模型化、数字化、软件化与功能化；它是支撑人类仿真智能、社会仿真智能、语义仿真智能的核心大数据模型，需要采用人类仿真智能、社会仿真智能、语义仿真智能的相关智能建模技术。
行业大数据：应用与影响特定社会经济活动垂直领域的系统性数据体系，与特定的行业管理部门、产业体系有机关联：
①典型行业大数据类型有：生产建设类行业大数据、种植养殖类行业大数据、物流仓储类行业大数据、财经金融类行业大数据、系统供配类行业大数据、人体健康模型行业大数据（人体三维数字模型大数据），等等。
②以生产建设类行业大数据中的工程建设行业大数据为例，其大数据内容涵盖：
1）住建部及各省市建设主管部门针对工程建设行业监管所出台的全部管理制度数字化内容、电子政务数字化内容等；
2）工程建设全流程生产技术所涉及到的全部技术规范数字化内容及生产活动全过程数字化内容等；
3）工程建设中全部参与的组织与人财物等相关的全部数字化内容等。
行业大数据的建模技术，不是简单依据数据库、表格、知识图谱等技术就能解决的；需要借助于天衍智的宇宙智能论中的相关方法论以及天衍智自主研发的分布式对象数据库、中文智能编程表语言等技术，并与行业知识及专家等的有机结合才能实现。
物联网大数据：各行业体系的具体时空应用场景基于专业传感器所采集的时间序列数据模型，与行业大数据紧密相关，典型物联网大数据类型有：
①气象监测物联网大数据。
②水文监测物联网大数据。
③地灾监测物联网大数据。
④海洋监测物联网大数据等。
物联网大数据的建模技术，现有成熟技术都能有效解决。
互联网大数据：基于互联网的导航、支付、社区、流媒体、游戏、购物、公开互动、自媒体、新闻、网站发布信息等所构成的综合数据模型。
基于数据所属产业体系的大数据框架分类，将为当前国家相关宏观政策体系制定等提供技术决策支持，尤其是以基础大数据建设作为新基建项目抓手，将大大推动当前国家新基建战略的细化与落地。
1.4.2.基于数据所映射对象类型的大数据框架
基于数据所映射对象类型，大数据分为专业对象大数据与表征对象大数据二个大类。
专业对象大数据：不是通过简单结构化数据技术框架来描述的，而是通过一套满足高度个性化与复杂关联的非结构化对象化数据结构逻辑来管理的，典型子类大数据有：
①地质大数据。
②地表大数据。
③气象大数据。
④水体（河湖海洋）大数据。
⑤地物自然体大数据。
⑥人体大数据。
⑦半自然半设计类建造体BIM大数据。
⑧设计类产品大数据。
⑨意识情感大数据。
⑩知识大数据等。
专业对象大数据体系，需要基于各专业大领域，深刻融合相应的行业知识背景逻辑，采用相应的智能建模技术才可能实质性建设。
表征对象大数据：一般是结构化程度比较好的数据内容，典型子类大数据有：
①视频大数据。
②声频大数据。
③文本（网页）大数据。
④表格（数据库）大数据等。
目前主流IT技术领域，针对各专业对象大数据领域的数据建模与数据库管理等的方法、理论、技术、产品以及实质性应用等，在全世界范围内，几乎都没有取得实质性突破，将为中国引导新一轮自主科技产业创新带来巨大的发展机遇，将是
行业应用概念类AI所涉及智能产业发展的关键性结合点。
1.4.3.基于数据生成模式的大数据框架
基于数据生成模式，大数据分为采集类大数据、创意类大数据、计算类大数据、演绎类大数据、伴生类大数据五个子类。
采集类大数据：是通过仪器、设备、工具自动或人机结合所采集到的大数据类型；包括直接特征类大数据与间接特征类大数据二个子类：
①直接特征类大数据：所采集的数据是直接描述或度量被采集对象的属性特征，比如物体表面的颜色、物体的密度、温度、尺度等；包括测试大数据、监测大数据、钻探大数据等典型子类。
②间接特征类大数据：所采集的数据是间接描述或度量被采集对象的属性特征，比如地质物探中通过采集地震波在地质体的传递特征值，来间接反映地质体不同位置密度、成份、含水率等属性特征的变化；包括点云大数据、物探大数据、遥感影像大数据等典型子类。
创意类大数据：是人类通过相关软件设计工具人机交互或者仿真智能设计工具自动化，基于需求进行创意设计所形成的数字化产品大数据类型，包括建筑设计BIM模型大数据、机械设计模型大数据、衣帽用品设计模型大数据等典型子类大数据。
计算类大数据：是通过计算机或其它计算工具，针对特定问题进行数值计算分析所形成的大数据类型，包括数值计算大数据、模型重构大数据、信息解译大数据三个典型子类：
①数值计算大数据：可以通过数学方程（数学物理方程）来进行描述并求解所形成的大数据体系，比如有限元、差分元、边界元等数值方法获得的大数据体系；一般来说，数值计算大数据所面对的问题域是有限的（主要原因是数学理论方程所描述问题很有限）。
②模型重构大数据：针对任何一个复杂空间结构体，给定任意有限边界上的直接特征类信息及相关背景特征信息，通过复杂建模系统技术，将复杂空间结构体三维进行精细建模与数字化描述所形成的大数据，比如地质智能建模大数据、地表智能建模大数据、BIM智能建模大数据、点云智能建模大数据等；一般来说，模型重构大数据所面对的问题域，将是非常广泛的，数值计算大数据所针对问题实质是模型重构大数据所针对问题的低阶形态。
③信息解译大数据：针对任何一个复杂空间结构体，给定任意有限边界上的间接特征类信息及相关背景特征信息，通过复杂建模系统技术，将复杂空间结构体三维进行概化建模与数字化描述所形成的大数据，比如地质物探解译大数据、遥感影像解译大数据、人体CT解译大数据等；一般来说，信息解译大数据所面对的问题域，将是非常广泛的，而且往往将作为模型重构大数据的背景特征信息，参与到模型重构大数据中实现。
计算类大数据，是整体大数据体系中的关键体系，是自然仿真智能、人类仿真智能、社会仿真智能的相关核心大数据模型，需要采用自然仿真智能、人类仿真智能、社会仿真智能、语义仿真智能、演绎数仿真智能的相关智能建模技术。
演绎类大数据：是通过特定复杂自学习、自进化的分布式云系统，针对特定的主题，不断进行学习、迭代、修正、完善等所形成的大数据类型，包括特征学习大数据、目标演绎大数据二个典型子类：
①特征学习大数据：是演绎大数据的低阶模式，通过构建一个特定多层神经网络系统框架来进行同类对象特征识别与提取的所关联的大数据体系，比如神经网络、深度学习等，将形成特征学习大数据，一般来说，特征学习大数据所面对的问题域，是很有限的。
②目标演绎大数据：通过构建一个特定L|K∙M-N演绎计算框架（天衍智自主研发的核心框架），以特定的主题或目标，在整个大数据范围之内，按照该主题或目标的内在逻辑与背景，所动态演绎并进化的独立性大数据模型；目标演绎大数据必然是实例化大数据（见“1.4.5.”节内容）。
演绎类大数据，是整体大数据体系中最为复杂与核心的体系，是自然仿真智能、人类仿真智能、社会仿真智能、语义仿真智能、演绎数仿真智能的相关核心大数据模型，需要采用自然仿真智能、人类仿真智能、社会仿真智能、语义仿真智能、演绎数仿真智能的相关智能建模技术。
伴生类大数据：是人类日常工作、生活而应用特定行业信息系统伴生附带的全部碎片化数据等累积之后的大数据类型；与互联网大数据有较大的重叠性。
在“3D+大数据+智能”使能技术模式下，采集类大数据、创意类大数据将是以人为主导、机器为主体的人机交互工作模式，而计算类大数据将是以AI技术为主导的智能设备自动化工作模式；这将是下一步全社会围绕“3D+大数据+智能”使能技术，推进各行业围绕方法、理论、技术、产品、服务等全方面自主引领全球创新的广泛切入点和突破口所在。
1.4.4.基于大数据可见程度的大数据分类框架
基于数据可见程度，大数据分为显性大数据、内部大数据、隐性大数据三个子类。
显性大数据：是通过互联网、云服务平台、信息应用终端、移动APP，公众通过付费、免费、兑换等手段，通过特定身份可以自由获得的大数据类型；包括专业类显性大数据与自由类显性大数据二个子类：
①专业类显性大数据，是需要特定身份认证才能获取的大数据类型，公民合法查询自己的身份信息；而自由类显性大数据是无需特定身份认证可以自由获取的大数据类型，比如浏览新闻媒体信息等。
②简单说，显性大数据是老百姓可见的、有体感的大数据内容。
内部大数据：是国家或相关组织机构，在一定范围内供特定人员内部管理与使用的涉及到保密要求的相关大数据类型：
①主要包括国家基础地理类大数据、电子政务类大数据、企业内部大数据等子类。
②内部大数据，基于特定使用数据的需求驱动，采用智能技术将融合加工之后对内部数据进行脱密处理，将其转换为显性大数据类型，提供给市场与社会所使用。
隐性大数据：是需要基于显性大数据、内部大数据基础之上，实现人机交互建模或者智能技术自动建模，针对复杂问题所动态生产加工形成的专业化体系的大数据类型，计算大数据是隐性大数据的一种重要来源：
①隐性大数据类型，几乎是无所不在的，基础大数据中地质大数据、地表大数据、建筑BIM大数据中核心内容，实质都是隐性大数据类型。
②隐性大数据中的具体数据内容，将随着实际应用而动态生成；所以，隐性大数据实质是隐性大数据逻辑，相关大数据往往是临时性大数据，有时无需系统化存储与管理；以BIM隐性大数据为例，一个建筑物BIM模型，就可以针对无穷种施工过程应用，而生成大量应用细节BIM子模型（无需存储）。
显性大数据、内部大数据与隐性大数据的分类框架，为大数据云服务系统的系统框架设计与研发，提供了关键性技术指导。
1.4.5.基于大数据关联程度的大数据分类框架
基于数据关联程度，大数据分为强背景大数据、实例化大数据、弱关联大数据三个子类。
强背景大数据：是针对特定领域体现出该领域整个体系底层逻辑的大数据类型，基础大数据、行业大数据、物联网大数据、互联网大数据中，只要相关数据集能够形成特定领域的底层逻辑，则构成强连接大数据。
实例化大数据：是通过整个大数据体系中，针对特定的对象目标的全息信息所形成的大数据类型；比如在各国安保大数据中，针对全球与中国相关的危险分子、组织以及特定政治目标、经济目标、设施目标等，可以构建相应的动态演绎完善的实例对象大数据模型；目标演绎大数据是一种智能技术所生成的实例化大数据。
弱关联大数据：是不属于强背景大数据与实例化大数据范畴的其它大数据类型；当前主流大数据实质都属于弱关联大数据类型，这也是制约当前主流大数据的数据挖掘与数据交易价值，之所以如此步履艰难的原因之一。
强背景大数据、实例化大数据、弱关联大数据的分类框架，为大数据云服务系统的系统框架设计与研发，提供了又一个维度的关键性技术指导。
1.4.6.不同类大数据模型的建模技术难度等级
依据不同类大数据模型的内在逻辑，大数据模型建设难度差异比较大，具体依据大数据建模的智能化程度，大数据建模技术难度分为五个等级：
Ⅴ级：最难级，常识性基础大数据、地球体基础大数据、模型重构大数据等的建模技术难度，基本属于这个等级范畴。
Ⅳ级：第四级，知识性基础大数据、文化性基础大数据、数值计算大数据、信息解译大数据、目标演绎大数据等的建模技术难度，基本属于这个等级范畴。
Ⅲ级：第三级，部分类行业大数据、创意类大数据、特征学习大数据等的建模技术难度，基本属于这个等级范畴。
Ⅱ级：第二级，部分类行业大数据、创意类大数据等的建模技术难度，基本属于这个等级范畴。
Ⅰ级：第一级，采集类大数据、伴生类大数据、物联网大数据、互联网大数据的建模技术难度，基本属于这个等级范畴。
显性大数据的建模技术难度等级大致为Ⅰ级～Ⅱ级；内部大数据的建模技术难度等级大致为Ⅱ级～Ⅲ级；隐性大数据的建模技术难度等级大致为Ⅲ级～Ⅴ级。
强背景大数据的建模技术难度等级大致为Ⅲ级～Ⅴ级；实例化大数据的建模技术难度等级大致为Ⅱ级～Ⅳ级；弱关联大数据的建模技术难度等级大致为Ⅰ级～Ⅱ级。
专业对象大数据的建模技术难度等级大致为Ⅱ级～Ⅴ级；表征对象大数据的建模技术难度等级大致为Ⅰ级～Ⅱ级。
1.4.7.不同类大数据领域的分析复杂性指数
不同类大数据领域具有差别很大的分析复杂性；依据大数据分析的复杂性，主要考虑四类复杂特性参数的影响：
甲类：大数据背景逻辑可验证性；
乙类：大数据几何结构形态不规则性；
丙类：大数据大尺度与专业微观精准分析耦合特性；
丁类：大数据非结构化可组织特性。
各单一类型大数据，针对甲类、乙类、丙类、丁类可以构建大数据分析复杂性指数值标准区间表：
①大数据分析复杂性指数值的最小值为1；
②大数据分析复杂性指数值的最大值为100；
③大数据分析复杂性指数值在[1,100]区间内变化。
不同大数据类型对象的分析复杂性指数变化区间
基于不同大数据类所关联的甲类、乙类、丙类、丁类四类复杂特性参数的影响，通过相关背景复杂性研究，大致形成以下参数表。
实例一：知识模型中的简单知识关联，其分析复杂性指数值为1；涉及到地质体模型的知识模型，深刻与复杂的地质背景逻辑融为一体，其分析复杂性指数值为100。
实例二：图形中的简单直方图特征，其分析复杂性指数值为1；基于深度学习的图像特征识别，其分析复杂性指数值为10；模糊图像特征识别，其分析复杂性指数值为30。
实例三：声频中的声音频谱分析特征，其分析复杂性指数值为1；基于深度学习的语音特征识别，其分析复杂性指数值为10；基于环境的混合语音特征识别，其分析复杂性指数值为30。
1.4.8.不同大数据类复杂性组合计算原理
1、设有N类大数据模型所构成的大数据生态体A，分别所对应的分析复杂性指数值为f（i），i=1,2,…,N，f（i）∈[1,100]。
2、大数据生态体A的分析复杂性指数值计算公式为：
3、依据（公式-1）可以计算出任意大数据生态体模型所对应的分析复杂性指数值。
1.4.9.主流大数据4V特征与“3D+大数据+智能”使能技术大数据4T特征对比
主流大数据的4V特征可以总结为：Volume-大量、Velocity-高速、Variety-多样、Value-价值，只是针对互联网大数据的一种特征描述，与大数据本质逻辑相距甚远。
天衍智首创提出了“3D+大数据+智能”使能技术下的大数据核心特征，应是4T特征：数字化-digiTal、位置化-posiTion、时序化——Time、目标对象化-objecT。
>
数字化——digiTal，是大数据的第一本质特征：
①不是数字化的模型不属于大数据范畴，比如存放在档案馆的图纸与图书馆的藏书等。
②将复杂的物理实体类模型和意识情感虚拟类模型，转换为数字化模型，是当今科学界所面临的巨大挑战；事实上自然界与人类意识情感中的绝大多数的模型逻辑都是无法简单数字化的。
③可以说数字化技术无小事、无易事。
位置化——posiTion，是大数据的第二本质特征：
①地理是结构化最稳定的特征信息，人类社会与自然的相关活动信息，都会与特定的地理位置关联。
②位置化，基于地理构建统一的标识信息，将人类社会与自然活动统一关联到特定的地理位置上，简单深刻刻画出统一位置化数据之间各种空间背景逻辑关系，比如距离、远近、范围、遮挡、碰撞、相互作用等。
时间化——Time，是大数据的第二本质特征：
①任何具有流程与逻辑先后次序关系的事件或活动，总是可以表征为特定的时序特征。
②时间化，简单深刻刻画出统一位置化数据之间各种时序背景逻辑关系，比如先后、诞生、死亡、周期、协作、过程等。
目标化——objecT，是大数据的第三本质特征：
①数据集数据的组织框架本身只是一套符号表征体系，其本身没有实质的意义。
②数据的内涵与逻辑是由数据所反映的目标对象（系统）的结构、属性、特征、过程、逻辑等所确定的。
概括的说，“3D+大数据+智能”使能技术大数据4T特征，深刻的映射出了目标对象，基于背景逻辑、位置化、时间化特征，面向计算机系统（仿真智能逻辑），所构建的数字化关系演绎的生态体系。
1.5.“3D+大数据+智能”使能技术中仿真智能原理
“1.2.”节内容论述了，当前AI都是基于三大理论原理——符号主义、功能主义、联结主义基础上发展的技术体系，都只是对人类智能功能的一种局部仿真，整体上实质属于弱人工智能范畴。
天衍智核心技术团队，历经二十年的自主研发与社会实践，取得了一系列的自主核心研究成果：方法论成果——宇宙智能论，五大后现代数学理论成果——泛权、泛模、泛换、泛序、泛衍，底层软件技术——I3D智能开发框架、智能编程语言I++、分布式对象数据库、中文智能编程表语言、I3D驱动独立系统互动开发框架等；这些成果的取得，为天衍智系统思考、创新发展新一代AI原理奠定了坚实的基础。
仿真智能主义，就是在以上天衍智自主核心成果的基础上，所发展的跨越主流三大AI原理的新一代AI原理——：
①是以计算机内在物理逻辑为基础的；
②支持人类可理解、计算机可解释、计算可持续自动学习、计算机表达人类常识的人机互动的仿真智能技术体系；
③涵盖五类子仿真智能体系：第一类智能——自然仿真智能、第二类智能——人类仿真智能、第三类智能——社会仿真智能、第四类智能——语义仿真智能、第五类智能——演绎数仿真智能。
1.5.1.第一类智能——自然仿真智能
第一类智能——自然仿真智能，是指以大数据为基本要素，仿真宇宙自演绎系统能量物质世界基于时空逻辑的运动、变化、转化、演化等规律体系的“功能系统+电子系统+软件系统”综合仿真智能体的功能体系，包括二个子类：
①【内在自然仿真智能】：针对自然科学知识体系通过“功能系统+电子系统+软件系统”综合仿真智能体实现仿真的功能体系。
②【工程自然仿真智能】：针对自然物质世界的时空结构体系，通过“功能系统+电子系统+软件系统”综合仿真智能体实现仿真的功能体系；玻璃地球、BIM系统等的智能建模，实质属于【工程自然仿真智能】范畴。
当前，AI热点领域中的图像识别、刷脸、视频监测、AlphaGo等实质都属于【工程自然仿真智能】体系范畴，但仅属于【工程自然仿真智能】技术中的低阶部分。
针对复杂地质体建模、点云逆向建模等专业复杂型【工程自然仿真智能】技术领域，以及【内在自然仿真智能】等，主流AI技术几乎都没有取得实质性进展；天衍智在这些领域，目前已取得关键性突破，尤其在相应的智能建模、云计算以及大数据技术层面。
1.5.2.第二类智能——人类仿真智能
第二类智能——人类仿真智能，是指以大数据为基本要素，仿真人类生命个体全生命周期的内调节、服务自我，并适应于自然与人类社会综合环境为根本目标的“功能系统+电子系统+软件系统”综合仿真智能体的功能体系，包括二个子类：
①【内在人类仿真智能】：仿真人类意识、感知、识别、分类、学习、记忆、理解、认知、情感、心理、思维及创意等的综合仿真智能体的功能体系；每个人类个体都是一个独一无二的自我化、主体性的小宇宙系统，各项仿真功能只能是基于特定个体有机整体性的仿真；目前主流AI技术在该领域的仿真研究主要针对于感知、识别、分类、学习、记忆等领域；而针对意识、理解、认知、情感、心理、思维及创意等方面的仿真研究，仍然只处在哲学概念类AI和原理概念类AI范畴。
②【外在人类仿真智能】：仿真人类运动、动作等的行为举止，以及脑神经活动与行为举止之间关联的 “功能系统+电子系统+软件系统”综合仿真智能体的功能体系；运动控制型机械系统、脑接入系统等，实质属于【外在人类仿真智能】范畴。
当前，AI热点领域中的脑科学、脑接入、神经网络、深度学习等实质都属于【外在人类仿真智能】体系范畴，但仅属于【外在人类仿真智能】技术中的低阶部分。
针对【外在人类仿真智能】的高阶部分，以及【内在人类仿真智能】等，主流AI仍停留在哲学概念或原理概念层次；天衍智在这些领域，目前已取得关键性突破，尤其在相应的智能建模、云计算以及大数据技术层面。
1.5.3.第三类智能——社会仿真智能
第三类智能——社会仿真智能，是指以大数据为基本要素，仿真人类如何构建整个人类社会群体性如何适应自然、作用于自然，实现可持续生存与发展的“功能系统+电子系统+软件系统”综合仿真智能体的功能体系，包括二个子类：
①【内在社会智能】：仿真人类社会群体各【内在人类仿真智能】之间同频共振或不同频共振等规律体系的 “功能系统+电子系统+软件系统”综合仿真智能体的功能体系。
②【工程社会智能】：仿真特定国家或地区或区域合作组织等的法制体系、组织体系、权力体系、军事体系、产业体系、外交体系、文化体系、教育体系、民生体系、社会制度体系等的 “功能系统+电子系统+软件系统”综合仿真智能体的功能体系。
当前，AI热点领域中的金融智能、教育智能、工业互联网等实质都属于【工程社会智能】体系范畴，但仅属于【工程社会智能】技术中的低阶部分。
针对【工程社会智能】的高阶部分，以及【内在社会智能】等，主流AI仍停留在哲学概念或原理概念层次；天衍智在这些领域，目前已取得关键性突破，尤其在相应的智能建模、云计算以及大数据技术层面。
1.5.4.第四类智能——语义仿真智能
第四类智能——语义仿真智能，是指以大数据为基本要素，仿真人类通过自身举止、声音、语言等，来理解、表达、想象特定的标准文字、符号、图形、图像、声频，以及自然仿真智能、人类仿真智能、社会仿真智能、演绎数仿真智能以及语义仿真智能所包括全部内容的“功能系统+电子系统+软件系统”综合仿真智能体的功能体系，包括二个子类：
①【理解语义仿真智能】：仿真人类理解、表达特定语义的 “功能系统+电子系统+软件系统”综合仿真智能体的功能体系；比如现有的所谓客服在线智能服务系统，都实现不了【理解语义仿真智能】，实质都只是基于关键词的搜索服务。
②【演绎语义仿真智能】：仿真人类想象、创作特定语义的“功能系统+电子系统+软件系统”综合仿真智能体的功能体系。
当前，AI热点领域中的语音智能、翻译智能、诗歌创作智能等实质都属于【理解语义仿真智能】、【演绎语义仿真智能】体系范畴，但仅属于【理解语义仿真智能】、【演绎语义仿真智能】技术中的低阶部分。
针对【理解语义仿真智能】的高阶部分，以及【演绎语义仿真智能】等，主流AI仍停留在哲学概念或原理概念层次；天衍智在这些领域，目前已取得关键性突破，尤其在相应的智能建模、云计算以及大数据技术层面。
1.5.5.第五类智能——演绎数仿真智能
第五类智能——演绎数仿真智能，是指以大数据为基本要素，仿真计算机如何基于0\1二进制所描述的浮点数计算逻辑，实现自然仿真智能、人类仿真智能、社会仿真智能、语义仿真智能所包括全部内容的“功能系统+电子系统+软件系统”综合仿真智能体的功能体系。
由于计算机系统功能逻辑与人类生命体功能逻辑有着本质不同，演绎数仿真智能体系，就是要针对那些人类视为简单而计算机不容易实现的内容等，按照计算机0\1二进制所描述的浮点数计算逻辑所构建的一套独特的智能技术体系。
演绎数仿真智能类似的概念或内容，在主流AI技术界几乎没有这样的存在，这是天衍智核心技术团队全新独立创造的技术概念、逻辑、框架及体系。
1.5.6.“3D+大数据+智能”使能技术与主流AI技术对比
在“1.2.系统化梳理主流人工智能的概念体系”节中，较系统的梳理了AI的理论界、技术界、产业界、政策界与应用界等不同层面所针对的AI概念；这些AI概念实质都是：基于人类理解人类自身智能而不是计算理解人类智能的，所构建AI体系中的概念、理论、方法、技术、产品与应用等。
当然不能否认，人类近百年无数专家学者针对AI的这些研究，都在为真正推动AI的发展，尤其是为信息智能文明时代下“3D+大数据+智能”使能技术的走向成熟，不断提供养分、积累能量和夯实基础。
但总的来说，现有主流AI技术体系，碎片化极为严重，不管是学术界、技术界、产业界还是政策界与应用界，都存在诸多影响AI实质性制约“3D+大数据+智能”使能技术发展的一些典型认识误区：
①简单把智能当作一个算法、一种技术、一个产品或一个应用等，而没有系统认知到智能是集成软硬件环境+设备+数据+算法并与人互动的体系。
②容易把AI体系中的AI概念、AI理论、AI方法、AI原理、AI技术、AI产品、AI产业等混为一谈。
③将脑科学与智能技术混为一谈：
1）脑科学研究的是人类智能的重要支撑物质载体神经元在智能活动时的物质活动规律的反映，与人类智能是本质不同的二回事；
2）大脑神经元的物质活动规律与智能逻辑之间的映射关系，等同于CT扫描人体内部器官图像像素分布与人体内部器官真实物质成份构成之间的映射关系；
3）明星科学家+资本家马斯克2020年热炒的脑接入系统，不是普遍可以应用的智能技术，最多只能算是针对特定脑瘫或特定工作场景下实现人机交互的一种新的智能化技术而已。
④将一个成功的专项智能技术应用与整体智能技术混为一谈：
1）以2016年阿尔法围棋（AlphaGo）技术为例，该技术是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人；
2）当时学界、技术界、产业界一顿热炒，好像AlphaGo无所不能，极力将该技术推广应用于金融智能、医疗智能、教育智能、设计智能、地质智能等几十个领域，但二年下来均成泡沫；
3）AlphaGo智能技术的本质是针对基于时空路径选择与二维拓扑空间优化组合布局的优化智能，在棋类领域具有推广性，而在纸牌类都不具备技术推广性。
⑤将基于人类理解基础的智能技术与基于计算机理解基础的智能技术混为一谈：
1）基于人类理解基础的智能技术特点是：指针对至少二个不同领域的模型体系组之间具有某种映射关系，在这个模型体系组中，人类至少理解其中一组模型；对应的智能技术在模型体系组之间进行智能化翻译与映射，其结果是提供给人类可以理解的模型；在这类智能技术中，计算机无需理解模型体系组的实质内涵；中英文翻译、语音翻译、脑接入、图像文字转换等，都属于此类智能技术范畴。
2）基于计算机理解基础的智能技术特点是：针对某个领域的模型体系，能够将这个体系中的基础背景逻辑以及与人类认知的常识，进行建模生成相应的智能系统；则这样的智能技术才是计算机理解基础的智能技术；在平行人智能、客服智能在线服务、在线智能教育、在线智能诊疗等深度的AI技术领域，需要的是基于计算机理解基础的智能技术。
主流AI技术与仿真智能理论的关系实质：主流AI技术是仿真智能原理整体框架下的低阶仿真智能实现内容。
以下是典型主流AI技术一张简单总结表，可以用来清晰说明主流AI技术所处的层面与维度。
2.天衍智自主原创“3D+大数据+智能”使能技术简介
2.1.天衍智“3D+大数据+智能”使能技术研究背景
2.1.1.天衍智“3D+大数据+智能”使能技术研究历程简介
天衍智核心团队，二十年来，很幸运顺应信息智能文明新时代下“3D+大数据+智能”使能技术基于数据驱动软件再驱动硬件的技术研发路线趋势特点，持续推动了“3D+大数据+智能”使能技术体系的自主系统化研发，取得了一系列高水平体系化的研究成果。
天衍智核心团队推进“3D+大数据+智能”使能技术的研发过程及背景，大致经历了以下典型阶段：
①天衍智核心团队的领军骨干C君，最早于1999年初，在某国有科研机构开展地质勘察技术工作中，由于工作需要而投入到了地质建模的实际研究任务中；该项工作有二大特点：
1）地质建模实质属于地质属性聚合分类算法范畴，涉及不确定性、不规则性、矢量非结构化大数据化、宏观大尺度复杂系统定量分析四大瓶颈技术难题，是三维智能建模技术的皇冠；
2）基于地质建模来进行研究，实质是最早基于大地质行业领域，开展相关地质大数据模型研究。
②C君于1999年就研究出了可以解决地质建模的原型理论算法，并基于真实的工程样板项目数据，并于2000年开发了原型验证系统，初步的验证了算法的潜在有效性。
③C君于2001年，成功入选北京市科技新星，领导了专门研发团队开展北京地区三维数字地质智能建模技术的研究：
1）由于那时软件开发技术与可视化技术、硬件技术的整体水平偏低，到2004年历经三年的研发得出结论：原设计的智能算法暂时无法实现，只得发展一代简化版技术——即目前主流地质建模技术界采用的层序法智能建模技术，开发了相应的产品，但那时行业市场几乎没有应用三维模型的需求。
2）在此专职研发期间，C君一直同时从事专业技术及数据模型、建模算法以及软件开发等三位一体的研发工作。
④C君于2004～2010年，加盟了某央企所属的大型电力设计院，创建并领导一个专门专业技术+软件开发的研发团队，针对电网、水电、火电、公路等带状基础工程建设全流程三维勘测设计等研发相应的一体化平台：
1）于2005年12月完成了《中国数字工程产业发展战略分析》（见https://www.doc88.com/p-717876887320.html），当时并报送了国务院参事室相关领导专家。
2）由于带状工程全流程三维勘测设计涉及到地质、地表、水体、地物等精细三维模型的需求（那是还没有大数据概念与BIM技术概念），使得C君对地表、水体、地物、工厂等精细三维建模技术的需求及痛点有了深刻的认识，对遥感建模技术、点云逆向建模技术体系及难度有了全面的了解。
3）一体化三维平台技术研发取得了部分研发进展，整体研发成果未达到预期。；
4）2007年，C君基于当时的软硬件技术条件，终于研发出了新一代原型验证系统，实质性验证了C君于1999年发现的地质智能建模原型理论算法的有效性。
5）在此期间，C君一直同时从事专业技术及数据模型、建模算法以及软件开发等三位一体的研发工作。
⑤2010起～至今，C君及核心团队，自筹资金创业，开始走向自主研发的道路；十年来，天衍智核心技术团队自筹资金上亿元，针对“3D+大数据+智能”使能技术，开展了持续的研发：
1）在2010～2012年期间，研发团队重点研发了三维地质建模工业智能化软件；但是在此研究阶段，遇到了巨大的软件开发技术瓶颈：包括地质建模并行云计算、三维复杂地质模型数据库技术、大区域地质模型平台技术、三维地质模型空间分析拓扑一致技术等等；这迫使研发团队必须基于复杂地质模型的需求特点，来研发全新的数据库技术、云计算技术等；经二年多的发展，核心技术团队在相关领域取得了全面技术突破。
2）自2012年起至今，核心技术团队与中国水利水电科学研究院、南京水利科学院、中国环境科学院、中国地质科学院、华南理工大学等国家级的科研机构，以及与中交集团、中国冶金总局等央企，开展相关技术合作研发。
3）自2012年起至今，核心技术团队又相继在复杂三维粒子流、环境土壤污染空间分布建模、地质灾害生态分析、三维BIM智能正向设计、地表地物三维点云智能分类建模、金融智能等一系列行业基于复杂数据模型出发，开展了一系列智能化研究，实质都遵循了“数据驱动软件再驱动硬件”的技术研发路线。
4）自2012年起至今，核心技术团队整合了数亿行开源技术，在此基础上，基于各种行业复杂数据模型的建模与应用需求，进行全面的创新研究，相继全新研发了全矢量三维数字地球平台、新一代分布式智能对象数据库原型系统、语义智能云操作原型系统、智能I++云编程语言原型系统、智能I3D开发框架、中文智能编程表语言原型系统、对象阵轻量化BIM智能云平台原型系统、对象链智能技术引擎原型系统等。
5）于2016年7月，结合核心团队自1999年以来的持续研究与思考，针对整体宇宙自然、人类社会、人类意识情感，以及量子微观体系等之间的内在逻辑，C君发布了《宇宙智能论》核心成果，将为人类认知自然、人类社会、科学知识以及人类自我等提供了方法论，为后续全面推动“3D+大数据+智能”使能技术的发展与其他行业的技术升级提供了方法论；累计到2020年，基于《宇宙智能论》方法论等成果，C君针对信息智能文明时代下的政治、经济、国际形势等领域开展了一系列的研究，并发布了数十篇研究报告。
6）自1999年至今，持续二十一年，C君及核心研发团队，研究了后现代五大算法体系：泛权、泛模、泛换、泛序、泛衍，基本涵盖了“3D+大数据+智能”使能技术推动“数据驱动软件再驱动硬件”所需的大部分关键瓶颈性技术的解决。
7）在此期间，C君一直同时从事专业技术及数据模型、建模算法以及软件开发等三位一体的研发工作。
直到2020年的今天，二十年来，天衍智核心团队针对地质大数据及智能建模、地表大数据及智能建模、点云大数据及智能建模、BIM大数据及智能建模等相关大行业领域的相关核心技术难题，世界主流技术仍然都没有解决，这进一步说明了“3D+大数据+智能”使能技术的研发路线，必需要转换到“数据驱动软件再驱动硬件”模式。
直到2020年的今天，二十多年来，天衍智核心技术团队尽管在“3D+大数据+智能”使能技术领域，取得如此多的研发成果；但是这些科研成果仍然处在产业化应用的边沿，后续需要大量与实际行业应用相结合，不断进行技术迭代，才能真正推进技术的成熟与产业化应用价值实现。
2.1.2.天衍智“3D+大数据+智能”使能技术成果综述
天衍智核心技术团队，历经二十多年自主原创，推动“3D+大数据+智能”使能技术创新发展，归结起来有以下一些特点：
①天衍智核心技术团队研究“3D+大数据+智能” 使能技术，是中国持续二十年改革开发、创新合作的国内外环境下，尤其是近十年以习主席为核心的党中央英明领导下的发展结果。
②天衍智核心技术团队研究“3D+大数据+智能” 使能技术，是站在世界与国内先进技术体系巨人的肩膀上所进行的跨原始创新、吸收创新与集成创新的综合创新体系，二十年来，天衍智核心技术团队学习与整合的世界开源资源就达数亿行。
③天衍智核心技术团队研究“3D+大数据+智能” 使能技术，既是充分学习现代科学、数学、哲学等方法论理论成果，也是学习中国优秀历史文化传统，尤其是中文语义思维、中医整体论以及儒释道方法论等的理论成果，并且实现了二者的深度融合创新所发展的结果。
④天衍智核心技术团队研究“3D+大数据+智能” 使能技术，是团队核心骨干们二十年持续坚持“十年磨一剑、 梅花香自苦寒来”精神所追求的结果。
天衍智核心技术团队，所自主创新的“3D+大数据+智能”使能技术，概括起来有以下典型核心成果：
①自主原创方法论成果——宇宙智能论。
②五大自主原创数学理论成果——泛权理论、泛模理论、泛换理论、泛序理论与泛衍理论。
③自主原创技术成果——地质智能建模技术、BIM智能建模技术、点云逆向智能建模技术、语义智能建模技术、对象链技术等数十项解决诸多行业痛点的核心技术。
④自主原创平台成果——全矢量三维数字地球平台、轻量化BIM云服务平台等十几款可以深度应用服务于产业互联网的核心平台产品技术。
⑤自主原创原理成果——仿真智能原理，为AI的新一代智能原理，即发展以计算机物质为基础的全面仿真人类智能的技术体系
天衍智，在自主原创成果的基础上，深刻认识到并提出了“3D+大数据+智能”使能驱动技术路线——数据驱动软件再驱动硬件模式是未来的主流方向，是推动智能领域产学研新模式的关键；基于此，深刻认识到并提出应由大应用域的数据模型研究，作为核心研发切入点，作为科技创新的全新起点。
天衍智，进一步按照“3D+大数据+智能”使能技术的时代发展要求，建立起了与之相匹配的公司治理结构、价值共享结构与产业化结构；可全面支撑起“3D+大数据+智能”使能技术服务于国家、人民、社会乃至全世界。
天衍智自主原创“3D+大数据+智能”使能技术，将为相关行业大数据及智能云服务系统建设，提供关键性的实质性的基础性的技术支撑。
2.2.典型自主原创方法论成果简介
2.2.1.方法论理论成果集成-宇宙智能论简介
《宇宙智能论》是以天衍智核心骨干C君为主所独创的一整套方法论理论成果：
①建立了基本理论框架，可以回答宇宙、能量、物质等的基本逻辑和彼此关系。
②建立了基本理论框架，可以回答人类意识、认知、思想、情感的基本逻辑和彼此关系等。
③建立了基本理论框架，可以回答文字、符号、概念、语义等的基本逻辑和彼此关系等。
④建立了基本理论框架，可以回答宇宙、意识与概念等的基本逻辑和彼此关系等。
⑤构建了一些列典型方法论工具，该方法论体系为五大仿真智能自然仿真智能、人类仿真智能、社会仿真智能、语义仿真智能、演绎数仿真智能提供了全面的方法论支持：
•相对系原理；
•智能系统自演绎原理；
•系统功能逻辑原理；
•NP问题K∙M-N叉树转换原理；
•时空关系拓扑一致原理；
•时空尺度认知原理；
•语义标识原理；
•层次分类原理；
•节点驱动原理；
•维度切换演算原理；
•数据驱动软件再驱动硬件研发原理；
•万物皆模原理。
•等效原理。
•类癌问题系统解决原理等。
⑥构建了一系列专业化逻辑模型：
•意识模型；
•微观粒子本能自旋运动原理；
•微观粒子质量•速度约束原理；
•语义智能本源模型；
•本我他我自我逻辑模型；
•人类健康安全模型；
•阴阳五行动力演绎模型等。
⑦支撑构建起了超越主流AI三大学派——符号主义、功能主义、联结主义，发展了AI原理的新学派——仿真智能主义，其内容涵盖面向宇宙自然、意识、社会、虚拟世界、计算机基础逻辑五个维度的仿真智能体系（详见1.5.节论述）：
•自然仿真智能；
•人类仿真智能；
•社会仿真智能；
•语义仿真智能；
•演绎数仿真智。
天衍智核心团队所取得的一系列从理论到技术的原创成果，基本都得到了《宇宙智能论》中相关方法论的指导与支撑。
当前主流IT技术，一直存在六大大数据云计算中瓶颈性难题亟待解决：大数据云计算分析浮点精度难题、大数据模型逻辑拓扑一致难题、大数据一体化模型数据同步难题、大数据云计算NP时间复杂性难题、大数据云计算内存空间复杂性难题、大数据云计算复杂非结构化对象数据库技术难题；天衍智核心团队应用《宇宙智能论》相关方法论工具，基本为以上六类问题的实质性解决奠定了基础。
2.2.2.类癌问题系统解决原理与大数据云计算二大瓶颈问题
在大数据云计算领域存在二大典型瓶颈性技术难题：大数据云计算分析浮点精度问题与大数据模型逻辑拓扑一致问题；大数据云计算体系中要解决这二大瓶颈性技术难题，实质类似于人类要治疗癌症一样困难。
大数据云计算分析浮点精度问题描述：
①电子类计算机的计算体系本质是基于整数的计算逻辑，各个数（实数）在计算中实质是通过整数计算逻辑表征为浮点数的有限精度而实现的，也就是说浮点数实质是整数的一种演算模式。
②大数据云计算分析过程中，每一步计算所得到的结果，在计算机中记录的都是整数或浮点数。
③这样会导致每一步计算结果都会有精度损失，最终计算结果会导致更大的计算精度与累积误差。
④对于一个简单浮点计算实例问题来说，一般计算机编程入门者都可以解决；但是针对大数据体系的相关计算浮点问题，该问题将会变得非常复杂，其复杂性与难度一点不亚于人类生病时的“癌细胞”；实际应用体系中常遇到的典型浮点问题有：
1）工程概预算造价以及各种成本计算中由于计算机浮点问题导致不同计算流程模式下的结果不一致问题。
2）复杂数值计算迭代过程中累计计算误差导致计算结果的不收敛问题。
3）三维地质建模、三维矢量地表建模、三维建筑BIM建模等复杂建模过程中的拓扑不一致问题等。
大数据框架模型拓扑一致问题描述：
①计算机描述二三维图像图形世界的基础逻辑是：点、线与三角网三个基本图元要素+三个图元要素对应的显示颜色值；其中图元显示颜色采用整数索引来实现计算机描述，而点、线与三角网三个基本图元在计算机中则通过对应的节点坐标以及点、线、三角网之间的索引关系进行统一描述，这种统一描述的数据结构就是“空间拓扑模型”。
②在大数据体系中，不同数据体系虽然可以遵循统一的空间拓扑逻辑，但是由于各自数据来源、精度、描述细节层面等的不一样，就会导致同一个目标对象的空间拓扑模型发生冲突、相关联目标对象空间拓扑模型发生冲突。简单说，拓扑一致问题就是：计算机如何识别同一个目标对象对应的“空间拓扑模型”，不同关联目标对象对应“空间拓扑模型”的关联性。
③一个无人驾驶地图导航中拓扑一致典型问题剖析：
1）无人驾驶必有高精度的三维地表模型导航地图，而这个三维地表模型整体必须是拓扑一致的，如果不是拓扑一致就会导致导航错误，甚至巨大导航风险。
2）（图2-2）就是在三维地表模型导航地图中，主干道与辅路的三维矢量模型在交叉口处是拓扑不一致的，即主干道与辅路之间空隙，在相邻处的节点与线段之间是二套不相关的体系；则主干道与辅路二者相接触处各自都为孤立边界，无法构建道路连通关系。
3）则在主干道上的无人驾驶进入到这个位置时，就不会检测到该处的辅道，在辅道上的无人驾驶进入到这个位置时，就不会检测到该处的主干道，从而导致的错误。
癌问题系统解决原理：
①规避“癌细胞”的产生。
②出现“癌细胞”之后，采取分类措施进行有效处理：
1）隔离“癌细胞”，控制癌细胞的扩散，限制“癌细胞”的破坏范围；
2）控制隔离“癌细胞”的生长；
3）杀死被隔离控制的“癌细胞”；
4）因隔离“癌细胞”部位的所损失的正常功能，搭建第三渠道替代功能。
基于类癌问题系统解决原理，解决大数据云计算分析浮点精度问题的核心原理：
①选定大行业领域的浮点精度问题进行系统化研究。
②尽可能规避大数据云计算分析浮点精度问题的存在。
③尽可能转换大数据云计算分析浮点精度问题为非浮点计算。
④尽可能限定大数据云计算分析浮点精度问题在一定的可控相对系范围内。
⑤针对特定不可避免的大数据云计算分析浮点精度问题，构建独立的辅助非浮点精度计算模式，来解决或替代浮点精度问题计算中的实际需求。
基于类癌问题系统解决原理，解决大数据框架模型拓扑一致问题的核心原理：
①选定大行业领域的拓扑一致问题进行系统化研究。
②尽可能规避模型空间中拓扑不一致问题的存在。
③尽可能转换模型空间中拓扑不一致问题为拓扑一致逻辑。
④尽可能限定模型空间中特定拓扑不一致模型问题在一定的可控相对系范围内。
⑤针对特定不可避免的拓扑不一致模型内容，构建独立的辅助拓扑一致模型来解决或替代拓扑一致分析过程中的实际需求。
目前，天衍智核心技术团队，基于大数据云计算分析浮点精度问题的核心原理、大数据框架模型拓扑一致问题的核心原理，针对以下五大典型大应用域的浮点精度计算问题、拓扑一致问题，已经构建起了综合数据、算法与软件三个维度优势的一体化技术解决方案：
•d面向地球体大应用领域问题的三维空间模型拓扑一致；
•面向建筑物（BIM）大应用领域问题三维空间模型拓扑一致；
•面向机械体大应用领域问题三维空间模型拓扑一致；
•面向人体大应用领域问题三维空间模型拓扑一致；
•面向数值计算大应用领域问题三维空间模型拓扑一致等。
2.2.3.基于万物皆模原理再认识“模型”与“建模”的实质
“模型”与“建模”在现实中无所不在，人类每时每刻的认知，本质都是在不断建模而生成模型的过程；模的本质就是规律与逻辑，类似一种有形体验感的规律与逻辑。
但为什么大部分人对“模型”与“建模”的重要性没有太多认知感，往往觉察不到“模型”与“建模”的意义，依据宇宙智能论的万物皆模原理，究其根源是：
①模型与建模在人类的不同工作、生活、学习等的不同环节，是分为五个典型维度：
最高级的“建模”：是形成方法论与道；最高级的“模型”：是方法论与道。
第二级的“建模”：是基于方法论或道来总结规律等；第二级的“模型”：是规律等。
第三级的“建模”：是应用规律+科学实验工具+数学理论分析工具等来形成理论等；第三级的“模型”：是数学理论或科学理论或计算公式等。
第四级的“建模”：是应用实践+方法论+数学理论或科学理论或计算公式等形成规范流程等；第四级的“模型”：是规范流程等。
第五级的“建模”：是个人体验+总结等；第五级的“模型”：是经验或习惯等。
②而以上这样所谓这些“模型”与“建模”的代名词，让人体会不到“模型”与“建模”的存在。
③总结来看，人类所认知模型的实质，都是通过一系列规则+方法+流程+人类自我理解的逻辑，来综合实现的。
但为什么信息智能文明时代的“3D+大数据+智能”使能技术发展阶段，“模型”与“建模”却开始显得如此重要呢？究其主要原因是：
①当前主流科学技术研发方法与人类认知时，基本采用还原论，把问题分解为简单系统来进行研究；而在“3D+大数据+智能”使能技术阶段，已经推动社会的各个方面，从传统科学研究基本只针对于简单系统进行研究、认知、建模模式，开始全面向针对超级复杂系统研究进行转变。
②现有主流的方法论、数学以及科学技术，针对超级复杂系统的研究，没有太多的有力工具；此外，人类自身的能量支撑体系适应不了这种挑战。
③所以要解决超级复杂系统的建模思路，必然回到了大数据+行业知识背景+算法+软件+装备的建模逻辑，而其中大数据成为了整个体系的核心内容载体。
所以，在“3D+大数据+智能”使能技术发展阶段，建模与大数据（模型），就成为了当前科技、产业乃至社会的最核心、最精准、最热门的内容概念。
2.3.典型自主原创理论成果简介
天衍智的五大后现代数学理论中，最早发现并创建的是泛权理论；其后，才逐步发现并创建了泛模理论、泛换理论；在此基础上，进一步提炼发展并创建了宇宙智能论；在这三者的基础上，进一步发现并创建了泛序理论、泛衍理论，并同时推动了宇宙智能论的进一步完善。
2.3.1.泛权理论简介
泛权理论，最早由C君于1999年发现，至今一直在完善、扩展其理论框架，它突破了现代应用数学理论中插值算法与拟合算法二者冲突而无法有机融合的瓶颈，颠覆性的构建了可以直接实现插值算法与拟合算法一体化的融合算法体系，是实现任何复杂系统从局部向整体重构、反演的通用算法。
泛权理论着重面对两大本源问题的解决：复杂系统基于时空变量的任何定量关系度量的本源问题、复杂系统基于时空变量的任何定性关系度量的本源问题。
泛权理论，可以应用于所有与时空重构相关的领域以及整体特征度量领域；目前泛权理论已在三维地质智能建模、不同尺度模型智能融合、时空智能预报等领域取得了实质性的应用成果。
2.3.2.泛模理论简介
泛模理论最早由C君于2006年起研发，历经7年直至2013年才基本建立起相应的理论框架；它突破笛卡尔空间理论框架，构建了可以柔性扭曲变换的柔性空间理论，系统的解决了泛权理论、泛换理论在应用分析中所出现的不协调冲突问题，是
泛权理论、泛换理论的核心支撑理论。
泛模理论，突破了N维正交线性基空间、N维曲面空间（黎曼空间类）的理论框架，构建了全新的N维边界基空间，是泛权理论、泛换理论的核心理论基础；泛模理论同时着重面对两大本源问题的解决：N维线性空间本源问题、N维曲面空间（黎曼空间类）本源问题。
2.3.3.泛换理论简介
泛换理论最早由C君于2007年起研发，历经7年直至2014年才基本建立起相应的理论框架；它颠覆性的构建一种全新的偏微分泛函与随机微分泛函数学方法体系，突破了偏微分理论只能求取最大值、最小值极限的瓶颈而能够实现任意曲面位置点求极值（特征值)，突破了卷积神经网络等特征智能识别技术只能实现栅格类图像特征识别而不能够实现非均衡输入信息（模糊特征或三维矢量特征）的特征智能识别。
泛换理论实质是，面向同一复杂体系的局部相似性（趋势性）度量以及不同复杂体系对比差异性度量的理论体系；泛换理论着重面对两大本源问题的解决：相似性与差异性度量不确定性的本源问题、平衡性、熵与边界（界限）度量不确定性的本源问题。
泛换理论，目前已在三维激光点云模型智能抽稀与智能建模、全球框架地表不规则曲面金字塔智能建模等领域，取得了实质性的应用成果；后续有望应用在地灾模糊图像检测、电网巡检模糊图像检测、漫画类模糊图像特征识别领域。
2.3.4.泛序理论简介
泛序理论最早由C君于2012年起研发，历经8年直至2020年才基本建立起相应的理论框架；它颠覆性构造了一种超越整数、有理数、无理数、实数体系的可数数概念体系，用于深刻度量计算机所能理解和演绎的数体系。
泛序理论着重面对两大本源问题的解决：计算机0\1二进制整数数学空间演绎复杂计算的本源问题，时间、空间、粒子广义空间体系自演绎过程（NP问题）的复杂性本源问题。
泛序理论，目前已在大数据云计算分析浮点精度难题、大数据模型逻辑拓扑一致难题、大数据云计算NP时间复杂性难题、大数据云计算内存空间复杂性难题等关键问题上取得实质性应用。
2.3.5.泛衍理论简介
泛衍理论最早由C君于2016年起研发，到2020年才基本建立起理论框架雏形，是天衍智五大算法理论中最新发展起来、最不完善的理论体系；它颠覆性构造一种超越主流数学只能通过数域、值域、变量来构建函数、等式、不等式、方程等的全新数学理论体系：
①它的变量与函数所对应的值不只是实数，还可以文字、符号、表格、目录、图像、图形、文件、功能、系统、计算机，以及物质世界与虚拟世界的万事万物。
②它的函数逻辑不只是运算与映射，还可以是一个复杂的功能逻辑演绎体系与系统，包括是语言文字逻辑表达、机器运动、人类智能活动、宇宙演绎等。
③一个载体的目标泛衍函数实例：目标的内容实质是基于一个可变载体框架上的指数化函数，随着载体的内涵发展，目标的内容却快速增长，所以才有人的无限欲望与贪念，“人心不足蛇吞象”；可用泛衍理论表述为如下公式：
其中，“载体”变量在此是一个智能人，也可以是该智能人的实例化大数据模型（系统），“目标”是一个语言文字模型，目标的内容是智能人随时间变化所动态关注的一系列人财物事等，这些在大数据框架下都是数字化的特定子大数据模型。
泛衍理论着重面对两大本源问题的解决：语义虚拟世界自演绎以及其与能量物质世界之间语义概念理论体系构造的本源问题，语义虚拟世界功能逻辑自演绎系统的形式化体系构造（软件自编程方法体系）的本源问题。
泛衍理论，目前已经在中文智能编程表语言原型系统等领域，取得实质性应用。
2.4.典型自主原创技术成果简介
基于天衍智自主原创的方法论成果、理论成果、技术成果、平台成果等的基础上，与各行业专业技术底层逻辑与背景知识相结合，从大行业领域的复杂模型出发，按照“数据驱动软件再驱动硬件”的技术路径，研发了一系列解决行业推动产业互联网的核心关键技术；以下所简介的地质智能建模技术、BIM智能建模技术、点云逆向智能建模技术、语义智能建模技术、对象链技术，就是这样的典型核心技术成果类型。
2.4.1.地质智能建模技术简介
地球体是人类生存的载体，而地质体空间分布模型是地球体的内部实体基础模型；由于地球体足够大且不透明，人类针对地球体地质信息的了解、掌握与认知，永远都是不可整体化实证的，人类采取各种调查、勘探、物探等技术手段只能获取极为有限的局部碎片化信息；在此基础上研究算法、开发软件，通过计算机仿真出人类想象地球的三维数字化模型，这就是三维地质建模。
地球体地质的三维分布，实质是数十亿年来地球体持续时空运动所形成的不同类型物质的空间聚集；这种地质物质空间分布结构的复杂性，是无法用特定的数学函数或方程来描述的；因此主流科学至今一直无法发展出有效数学理论来解决三维地质建模问题。
由于三维地质体模型具有不确定性、不规则性、矢量非结构化大数据化、宏观大尺度复杂系统定量分析四大难点，且三维建模条件存在整体已知信息稀缺性、不同已知信息之间互相矛盾性、不同已知信息跨不同维数、不同类地质属性在建模空间中的多对多对应关系等超级复杂技术条件制约，现代主流应用数学理论中二大基本计算方法——插值算法与拟合算法，对此只能是无能为力。
泛权算法就是在以上背景下由天衍智核心团队所发展的全新数学理论体系，二十年来以该理论为起点，全面应用泛模、泛换、泛序等创新理论，在深刻研究、了解、融合地质背景的基础上，系统的研地质智能建模技术，解决了包含第四系、沉积岩、火山岩、变质岩等复杂地质体结构基于钻探、地质调查、物探等全维度输入信息的大区域三维地质智能建模技术。
天衍智核心技术团队，基于自主研发的理论算法、分布式对象数据库技术、三维可视化技术等一系列技术，已经研发面向第四系的三维地质智能建模平台，并已产业化应用于勘察BIM云服务中，并在中交集团承担的深中通道工程、中国地质环境监测院承担的黑河中游盆地三维含水层结构建模等项目中，得到技术验证与应用；目前研发团队正在研发大区域三维综合地质建模平台，已取得重大进展，预期在2020年底得到产业化应用。
三维地质智能建模技术，是地质大数据、基础大数据建设的基础性支撑技术，没有三维地质智能建模技术，地质大数据就不可能存在，数字中国只能是残缺，数据成为生产要素就会严重褪色；该技术体系在基础设施建设运维及矿产资源开发等领域，具有重要意义。
2.4.2.BIM智能建模技术简介
建筑（建造物），即适合于人类活动的人造或半人造的安全场所；以人为本，通过结合特有的地形地质改造，加上人造材料进行组合，构建一个供人类生活工作的安全场所。
支撑人类赖以生存的五大类典型物体有：地球体、建筑（建造物）、机械体、工具、食品物，其中建筑（建造物）是仅次于地球体最具依赖性的复杂物体。
建筑（建造物）涉及到规划、勘测、设计、制造、施工以及运维全生命周期，每栋建筑物的BIM模型就是一个实例化大数据模型，即该建筑物的数字孪生模型；因此，如何快速、低成本、精准的智能化构建BIM模型，成为最核心技术问题，这就是BIM智能建模技术。
BIM实质是面向建筑（建造物）的全生命周期的模型体系、制造体系与管理体系，即Building Information Model，建筑信息模型；Building Information Manufacture，建筑信息制造； Building Information Management，建筑信息化管理。
目前，欧美发达国家研发的BIM建模工业软件——Revit、Catia、Bentley等，基本垄断了中国市场；这些产品技术的实质是“基于人机交互的单一应用逻辑的BIM建模软件”，存在BIM建模周期长、BIM建模成本大、BIM模型应用价值单一，不同阶段与不同专业应用对应的BIM模型互相孤立无法成为有机整体；亟待发展BIM智能建模技术。
天衍智核心技术团队，就是在这种背景下，针对以上关键问题的彻底解决，应用天衍智自主研发的相关方法论、理论、技术等成果，包括分布式智能对象数据库技术、中文智能编程表语言技术等，自主研发了——以少量预处理工作为支撑的BIM智能建模技术体系。
目前，天衍智针对建筑物图纸的二三维快速BIM智能建模的产品技术——建筑BIM智能建模云服务平台已经研发上线，智能化水平超过主流BIM平台人机交互效率的80%，成果精度已经可以到达国家BIM标准LOD300的水平，满足当前大部分BIM应用服务需求，该技术自今年上线以来，已在全国17个省市的上百家建筑类企业中测试试用；此外，三维BIM智能正向设计的技术正在研发中，已经取得全面技术突破，预期在2020年底实现产业化应用。
三维BIM智能建模技术，是BIM大数据、基础大数据建设的基础性支撑技术，没有三维BIM智能建模技术，城市存量建筑物的BIM建模几乎就不具备条件建设， BIM大数据就不可能存在，数字中国只能是残缺，数据成为生产要素就会严重褪色；该技术体系在基础设施建设运维、建筑物资产安全管理等领域，具有重要意义。
2.4.3.点云逆向智能建模技术简介
激光扫描技术是20世界末开始市场化应用的第三代工业化测绘技术，可以广泛应用于地球体表面、建筑物表面、文物表面、设备表面等的高精度三维位置信息的采集，目前最先进的激光扫描技术每秒钟可以采集达到数百万个点。
激光扫描技术自二十一世纪初引进我国，目前在中国已经有数千台商业化进口激光扫描设备；综合近二十年激光扫描技术的应用实践来看，激光扫描技术特点是：激光扫描设备技术极为先进，但是基于激光点云的智能分类、智能建模技术等，二十年来仍然停滞不前：（1）针对高精度模型加工时仍需大量人机交互，（2）针对低精度模型建工可以自动化但是其价值没有发挥出高精度激光点云的优势。
应该说，激光扫描技术针对自然存在物固体物表面，实现快速高精度逆向三维建模，是一项独一无二的技术（制造物固体表面逆向建模需求则对此没有技术依赖），只要突破了激光点云的智能分类、智能建模技术，则会大大推动高精度地表大数据模型、高精度文物大数据模型等的建设与产业发展。
天衍智核心技术团队，就是在这种背景下，针对以上关键问题的彻底解决，应用天衍智自主研发的泛权、泛模、泛换、泛序等理论，以及分布式智能对象数据库技术、中文智能编程表语言等技术，自主研发了——天衍智的点云逆向智能建模技术。
目前，天衍智针对的点云逆向智能建模技术，研发了相应的原型系统，在中交公路规划院良乡山洪地灾项目的地表三维点云智能分类与智能建模中得到了验证与应用；相关产品技术，预期在2021年上半年实现产业化应用。
点云逆向智能建模技术，是地表大数据、海底表面大数据、文物大数据、基础大数据建设的基础性支撑技术，会影响精准农业、城市精准内涝治理、生态环境治理、地灾治理、海洋工程等的建设与发展，是影响数字中国整体建设、发挥数据生产要素作用的关键性技术；该技术体系在基础设施建设运维、国土边界监控、矿产能源开发等领域，具有重要意义。
2.4.4.语义智能建模技术简介
人类智能之所以历经上万年的进化，能发展远超出动物智能而成为自然的王者，其根本原因在于：文字的出现、文字体系发展并带来语言的丰富；人类与其他生物智能的根本性差异在于：综合性学习智能，即文字、语言与知识体系所带来的知识智能的快速传递与可积累、可传承；如单论视觉智能、声觉智能、嗅觉智能等各单项智能能力来说，人类将远弱于特定动物。
人类综合性学习智能的实质逻辑，可以进行如下简单的解构：
①针对外界（宇宙物质世界）及人类自身（物质与非物质的）的事物，人类进行感知、体验（包括感知器官体验、肢体体验、内在情感体验）、感悟、推演、想象等各种意识行为，获得“义”或“语义”。
②这些“语义”在人类的意识行为中是有所指的，即“意向”，“意向”所指的目标是人类各种意识行为所针对的事物。
③人类所获得的“语义”，通过人类可以理解的（简单特征化的）符号文字（图形）来对应关联表征。
④通过人类可以理解的这个中间智能媒介，将外界（宇宙物质世界）及人类自身（物质与非物质的）的事物，与（简单特征化的）符号文字（图形）二者，实现有机映射关联。
⑤与特定人类可理解的“语义”关联的符号文字（图形），按照人类可以理解的逻辑形式化，进行无限的演绎，而且演绎的过程与结果，又可以被人类理解映射（类比）到人类各种意识行为所针对的事物；这就构成了人类对符号文字（图形）演绎体系的“语义”的理解。
由于人类每个个体都是独立的小宇宙，应该说不同个体针对外界（宇宙物质世界）及人类自身（物质与非物质的）的事物，与（简单特征化的）符号文字（图形）二者的理解，都是千差万别的。
但由于同属人类，群体之间具有很强的同频共振特性，虽然各自理解均有差异，但是彼此之间总是可以沟通的；所以，针对的外界（宇宙物质世界）及人类自身（物质与非物质的）的事物，与（简单特征化的）符号文字（图形），可以分别在不同的个体之间进行流动，不会影响个体对基本“语义”的理解，当然不同个体之间“语义”理解总是存在差异的；这也是人类社会亲人、朋友之间为什么沟通之所以如此艰难的根本原因所在。
这同时也说明了人类与狗类为什么没法语言文字沟通的根本原因是：因为人类与狗类同频共振程度太低，外界（宇宙物质世界）及人类自身（物质与非物质的）的事物，与（简单特征化的）符号文字（图形）在二者之间传递时，“语义”发生了根本性转变。
以下就是一个有趣的思维实验，说明了不同个体在理解物与文字时，所形成的“语义”一致性与差异性：
①实物物——碗；
②文字——“碗”；
③二个个体——皇上与乞丐。
显然，皇上与乞丐，看到“碗”这个字时，理解到 “碗”的一致性“语义”是：“一件上大下小的可以盛食物的圆形开口容器”；而各自理解的差异性“语义”是：
①皇上总会想起某个大臣供奉给自己的那个特殊黄金大碗；
②乞丐总会想起自己手上破烂不堪的那个特殊磁大碗。
针对以上问题，如何构建相应的理论研究体系，当前主流IA理论界仅有一些概念层面的思考，但在原理层面均没有多少具有实质性的价值研究，更不消说在具体的技术实现层面。
天衍智核心技术团队，基于自主研发的方法论——宇宙智能论成果，以及五大后现代数学理论——泛权、泛模、泛换、泛序、泛衍，以及自主研发的智能编程语言I++、中文表语言编程，以及分布式对象数据库等的技术，正在全面推进语义智能建模技术体系的整体研究，目前已经取得关键性进展，2021年预期可以推出原型系统，部分技术已经实质性应用在天衍智的三维BIM智能正向设计技术研发中。
语义智能建模技术，是整个仿真智能技术中基础核性心技术之一，是文化性基础大数据、知识性基础大数据、常识性基础大数据的智能建模中不可替代的技术，也是相关行业大数据及智能云服务系统实质性建设中的最关键性支撑技术。
2.4.5.对象链技术简介
区块链是近十年所逐渐发展起来的一种网络分布式账本技术，在国家与社会层面得到了基本认同，如何强化基础研究，提升原始创新能力，加快推动区块链技术和产业创新发展成为了当前热点问题。
尽管区块链技术在税务监管、合同支付等社会应用层面取得了一定进展，但是面对互联网/物联网当前的结构性挑战、大数据云计算技术挑战以及互联网/物联网应用畸形问题来看，区块链技术框架无法担当起各行业数字化转型中的更多角色，亟待发展一种超维区块链技术的全新创新技术体系。
对象链技术就是在这样的背景下，从工业文明到信息智能文明的快速转型的痛点与需求出发，从当前主流区块链技术体系的深层次结构性问题出发，面向新一代互联网/物联网，所研发的区块链超维自主创新技术体系。
目前天衍智核心技术团队，基于对象链技术体系，已经研发并申请的数项国家发明专利：
①《合约对等交易对象链系统、方法及应用》（201911178188.1）；
②《产品周期垃圾责任传递对象链系统、方法及应用》（201912004158.9）；
③《订购主动信用对象链系统、方法及应用》（201911011752.0）。
此外，天衍智核心技术团队，基于自主研发的智能编程语言I++、中文表语言编程，以及分布式对象数据库等的技术，正在研发对象链技术开源引擎，打造自主创新的对象链生态开源社区；预期到2021年，对象链技术开源引擎可以推出试用，届时对象链生态开源社区也将可以随之推出。
对象链技术，将在相关行业大数据及智能云服务系统中的诸多环节有着广泛的应用价值，从信用溯源，到实例化大数据建模等等。
2.5.典型自主原创平台成果简介
归结起来，当前互联网体系有四类典型分布式大数据快速浏览需求及服务框架：
①面向网页信息浏览需求的超文本链接对象化分布式网络云服务平台，这发展了成熟的超级链接文本浏览平台技术服务。
②面向网络流媒体浏览需求的超流媒体链接对象化分布式网络云服务平台，这发展了成熟的超级流媒体播放平台技术服务。
③面向全球地理框架地理信息浏览的超金字塔分层分块瓦片对象化分布式网络云服务平台，这发展起了地图导航平台技术与三维数字地球平台技术服务。
④面向建筑类三维复杂空间模型按需动态浏览的超级复杂系统对象模型大数据轻量化系统平台技术，是当前相关领域的技术痛点，主流IT界，尚没有发展出类似的平台技术。
2.5.1.全矢量三维数字地球平台技术简介
目前主流的导航服务平台，包括高德、百度、腾讯等产品，重点实现了二维地理信息的快速导航服务；国内外主流三维球平台，包括谷歌地球、天地图地球平台等，其主体技术框架采用的都是DEM+DOM金字塔技术，由于其无法满足行业应用中大量三维矢量模型的需求，一直没有在行业中得到实质性应用，三维数字地球平台实质成为了一个鸡肋式的产品技术，食之无味、弃之可惜。
天衍智核心技术团队，就是在这种背景下，针对以上关键问题的彻底解决，应用天衍智自主研发的泛权、泛模、泛换、泛序等理论，以及分布式智能对象数据库技术，在国际上首创全球框架三维不规则三角网（TIN）地表模型智能金字塔瓦片分块建模技术、三维非标拓扑一致自动化智能化切割技术，研发了全球地理框架全矢量三维数字地球平台。
全球地理框架全矢量三维数字地球平台技术，彻底解决了带状工程、大区域工程等基础设施、大区域矿产开发项目、大区域生态治理修复等全生命周期实现三维地质模型、地表模型、BIM等轻量化应用，以及全球范围实现工程项目在线BIM化管理等的瓶颈难题，是诸多产业互联网发展的利器。
全球地理框架全矢量三维数字地球平台技术，在国内的滇中调水、引汉济渭等大型项目中已得到技术验证与应用；该技术体系在础设施建设运维、国土边界监控、矿产能源开发、反恐等领域，具有重要意义。
2.5.2.轻量化BIM云服务平台技术简介
随着BIM技术在工程建设行业的快速普及应用需求，社会亟待发展超级复杂系统对象模型大数据轻量化系统平台技术，解决建筑类三维BIM复杂模型实现按需动态应用等的需求。
天衍智核心技术团队，就是在这种背景下，针对以上关键问题的彻底解决，应用天衍智自主研发的泛衍理论与分布式智能对象数据库技术等，在全球首创了对象阵分布式平台技术，可以有效解决行业中迫切所需的BIM轻量化技术应用难题。
目前，天衍智基于自主原创的对象阵分布式平台核心技术，正在研发轻量化BIM云服务平台技术，其原型系统已经得到测试与验证，将有望彻底解决BIM全生命周期中各个应用点均能在线按需满足BIM应用服务难题；预期将在2021年，产品技术能够实现产业化应用。
轻量化BIM云服务平台技术在础设施建设运维、矿产能源开发、反恐、数字孪生城市等诸多领域，具有重要意义。
参考文献
[2]《大数据基本逻辑与国家电网大数据课题研究报告》，鼎天智（北京）大数据科技有限公司
[3]《BIM的前世今生&&&三维BIM智能正向设计》，中国集团公司促进会智能技术研究院，天衍智（北京）科技有限公司
[4]《人类健康安全模型与新非典疫情思考》，GodMaker
[5]《互联网/物联网的前世今生&&&区块链超维自主创新——对象链及产业化应用》，中国集团公司促进会智能技术研究院、天衍智（北京）科技有限公司、对象链（北京）科技有限公司
[6]《2020新非典管控与大数据本质4T逻辑》，GodMaker
[7]《火眼金睛透视——互联网远程办公技术体系》，GodMaker
[9]《对2020全球性新冠肺炎黑天鹅演绎的思考》，GodMaker
[10]《科学与阴阳五行建模•中医与新冠肺炎治疗》，GodMaker
[11]《从3S技术到3M技术与产业互联网》，GodMaker