（天衍智2021度国家颠覆式创新竞赛项目基础研究成果）
（I3D使能技术专项研究报告）
GodMaker
2021年11月
目录
1.基于复杂边界与定性参数的空间多值曲面重构科学问
1.1.人类认知复杂体及内部属性的基本空间观
1.2.组合函数求解曲面法（插值法）简析
1.3. 统计方程求解曲面法简析
1.4.复杂系统三维表面模型求解问题简析
1.5.天衍智核心技术团队针对本科学问题的突破
2.三维空间矢量模型特征识别科学问题
2.1.人类视觉特征识别体系简析
2.2.典型复杂三维曲面特征识别求解问题简析
2.3. 天衍智核心技术团队针对本科学问题的突破
3.计算机浮点与拓扑一致计算科学问题
3.1.计算机浮点数简析
3.2.空间描述拓扑一致逻辑简析
3.3典型复杂计算机浮点与拓扑一致计算问题简析
3.4.数量统计计算中唯一性计算精度问题求解基本原理
3.5. 天衍智核心技术团队针对本科学问题的突破
4.仿真人类学习的自增量软件开发范式科学问题
4.1.从功能逻辑简析人类学习过程
4.2.从社会知识生产链体系看人工智能实现
4.3.人类认知体系的六种典型范式
4.4.人类认知语义逻辑体系的二种典型范式
4.5典型仿真人类学习的自增量软件开发范式科学问题简析
4.6. 天衍智核心技术团队针对本科学问题的突破
参考文献
1.基于复杂边界与定性参数的空间多值曲面重构科学问题
1.1.人类认知复杂体及内部属性的基本空间观
人类针对物体及内在层面结构的理解与描述，不管是实物模型还是数字模型，本质都是基于三维表面模型（层界面+内表面+外表面）来实现的——这也是人类认知复杂体结构及内部属性的基本空间观；针对物体切面及内在层边结构的理解与描述，同样也遵循这个原理，实质退化为二维边界线模型（层界线+内表线+外表线）。
针对三维表面模型问题，主流普遍应用数学理论主要有四种基本方法：
①单项函数求解曲面法——比如，三维平面函数、球面函数、椭球面函数、圆锥面函数等。
②组合函数求解曲面法（插值法）。
③统计方程求解曲面法（拟合法）——最小二乘法、贝塞尔曲面法等都是其中典型。
④微分方程求解曲面法。
在现实世界中，针对人造物表面描述，小部分可以直接采用单项函数求解曲面法；部分复杂问题一般采取组合函数求解曲面法和统计方程求解曲面法；而能用微分方程求解曲面法的现实问题，却极为有限。
1.2.组合函数求解曲面法（插值法）简析
组合函数求解曲面法（插值法），求解问题具有以下基本条件与特点：
①求解问题的样板边界数据，必须是离散点类的形式化数据。
②需要预设特定的参数变量函数曲面组。
③基于样板离散边界数据与参数变量函数曲面组，构造线性方程组，并确保参数变量与线性方程个数相等。
④组合函数求解曲面法所得到曲面的关键控制特征是：曲面通过全部样板离散边界点——“边界位置约束条件”。
⑤组合函数求解曲面法所获得曲面的严重缺陷特征是：曲面不能较好体现出求解问题所对应样板边界空间分布的整体趋势性规律。
1.3. 统计方程求解曲面法简析
统计方程求解曲面法（拟合法），求解问题具有以下基本条件与特点：
①求解问题的样板边界数据，必须是离散点类的形式化数据。
②需要预设特定的参数变量函数曲面组。
③基于样板离散边界数据与参数变量函数曲面组，构造线性方程组，会得到线性方程组中汇整参数变量个数，小于线性方程个数；需再通过最小方差原理的转换，得到与参数变量个数相等的线性方程个数来进行最后求解。
④组合函数求解曲面法所得到曲面的关键控制特征是：曲面能够较好体现出求解问题所对应样板边界空间分布的整体趋势性规律——“属性分布趋势条件”。
⑤组合函数求解曲面法所得到曲面的严重缺陷特征是：曲面不能通过全部或部分样板离散边界点。
1.4.复杂系统三维表面模型求解问题简析
在现实世界，存在大量超复杂系统对应的三维表面模型求解问题，比如——地质体属性空间分布建模、水体含物属性空间分布建模、大气中含物属性空间分布建模，以及复杂工业曲面造型等，当前四类主流普遍应用数学方法，都对此问题几乎很难从根本上实现解决。
以地质体属性空间分布建模为例，在智能建造、矿产能源、地质灾害、地下水资源等领域有着广泛的应用，是数字地球走向深度产业化应用的控制技术，是透明地球、玻璃地球产业价值化应用的控制性技术之一。
地质体属性空间分布建模问题，可以简单描述为：
①通过采集地球体表面的地质分布信息、地球体内部属性分布信息，以及技术调查工作所形成地质背景信息等，形成样板边界数据；
②基于样板边界数据，求解出地质体属性分布空间的边界表面所对应曲面。
可以进一步分析出，地质体属性空间分布建模问题具有以下一些显著特点：
①地质体属性分布空间的边界表面，几乎是任意几何形态，无法预设特定的参数变量函数曲面组。
②地质边界数据中大量信息，实质属于连续边界数据，钻孔地质属性分布数据，是沿地质体地球深度方向的连续数据，地表地质边界数据是沿地球表面分布的连续数据，
③已知边界信息量与整体未知信息比值极低：由于单项钻孔信息采集对应的地质勘察成本高昂，以及结合专家技术工作的支持，工程地质工作所获得已知边界数据量与整体地质空间未知信息量的比值，一般都控制在十万分之一数量级，其他非工程地质领域比值一般为百万、千万分之一，甚至更低。
工程地质领域已知边界数据量与整体未知信息量的比值计算说明：（1）工程详细勘察阶段钻孔分布密度最大为20米一个钻孔，钻孔直接按0.2米计算；（2）也就是说，整体未知信息代表区域为20*20=400平方米，钻孔地质信息能代表区域面积为3.14*0.1^2=0.00314平方米；（3）显然，信息量比值0.00314/400<1/10万。
④地质体属性空间分布，在整体上又表现出很强的地质背景特征趋势，比如：地质年代空间分布规律、沉积曲面整体趋势性，不同沉积背景（海洋、河流、湖泊）地质体中所包含特殊类生命残质的空间带分布规律等。
对比组合函数求解曲面法、统计方程求解曲面法二大方法看：（1）二类方法对应的条件②都无法满足；（2）由于地质已知边界信息量与整体未知信息比值极低，一旦按照条件①进行离散化，则信息比值几乎为零，也就是说要求算法具备针对连续边界问题的求解能力；（3）由于地质体属性空间分布，永久掩埋在地球实体内部，人类永远都无法进行后验证，“唯一检测地质体属性空间分布结果可用性的控制性条件”是——同时满足组合函数求解曲面法的“边界位置约束条件”、统计方程求解曲面法的“属性分布趋势条件”。
以上问题的求解，概况起来就是——“基于复杂边界与定性参数的空间多值曲面重构科学问题”——这是分析自然界物质能量空间结构及属性分布，除微分物理方程之外的又一个通用基础性科学问题。
综上分析可得知，组合函数求解曲面法、统计方程求解曲面法二大方法对地质体属性空间分布是无能为力的。
针对以上问题，当前世界主流普遍应用技术的原理是：
①通过大量人工+人机交互的技术组合，人为预设地质体属性空间的各个拟定曲面类型。
②在此基础上，采用组合函数求解曲面法、统计方程求解曲面法二大方法，来进行求解。
这种方法被主流技术界称之为“层序法”。
采用这种技术方法，来解决城市及以上区域范围的地质体属性空间分布求解问题，在实践中几乎不可能，即使这样实现了，得到的几乎只能是一堆没有多少产业化价值的数据模型，简单剖析如下：
①当钻孔数量达到十万乃至百万级、每个钻孔存在的属性分布层数达到上百层时；这样工作规模的“层序法”人工处理工作量，将是指数级增长的、灾难式的。
②不同“层序法”人工处理模型之间，在空间上如何整体构建协同性，又会造成一个新的技术瓶颈。
③即使生成出相应的地质模型，一般很难满足“唯一检测地质体属性空间分布结果可用性的控制性条件”中的 “属性分布趋势条件”；模型的产业化应用价值极低。
1.5.天衍智核心技术团队针对本科学问题的突破
天衍智核心技术团队，历经二十二年的持续研发，基于模糊、神经网络、概率等数学理论于一体，原创性研究出——复杂地质类属性场分类聚合算法——“泛权理论”；针对三维表面模型问题，实现一种独立于四类主流普遍应用数学方法之外的第五类原创求解算法——属性场特征曲面求解方法。
针对本科学问题的相关技术，于2012年就已经产品化，在部分领域项目中，已经得到了应用和检验，相关问题求解的超95%内容均实现智能化，求解的精度完全达到甚至超过高级专业技术员工作成果，智能化生产整体生产效率是人工技术
工作效率的至少50倍以上；该技术,也是天衍智参加2021国家颠覆式创新项目——“智能建造4.0关键性技术及原型系统验证研究”中，第一、三项关建研发目标的控制性底层创新技术之一。
研发团队于2007年就成功研发了验证系统，验证系统的预设参数逻辑为：设定三个已知钻孔（孔1、孔2、孔3），二个互相嵌套地层（粉土与粘土），具体见下表（可参见图1-1）：
并限制三个钻孔的顶、底标高相同且不变，三个钻孔中地层之间边界面高度值可以动态调整，模拟三个钻孔所围的三菱柱及四面体二种几何形态下的动态三维地质建模效果。
以上二组四个计算结果，可以充分验证和说明：本验证系统智能化所生成地质模型的技术体系，完全满足“唯一检测地质体属性空间分布结果可用性的控制性条件”——“边界位置约束条件”和“属性分布趋势条件”。
自本验证系统研发至今，全球主流普遍应用的地质建模系统，均无法实现类似验证系统的智能化建模技术，生成类似可以产业化价值应用成果。
“泛权理论”，不仅只针对地质体属性空间分布求解问题，实质上是可以面向本科学问题所涉及全部领域，提供高质量、低成本、快速的智能化求解算法技术支持。
2.三维空间矢量模型特征识别科学问题
2.1.人类视觉特征识别体系简析
人类视觉在人类感知体系中起着主体性作用，视觉信息占整体感知信息量的比值超80%。
人类视觉的核心作用，是实现特征识别与空间重建，在此基础上认知目标对象物的空间形态与空间关系，实现自我在所处场景的定位，支撑、协调、导航自我的运动与行动等。
人类视觉特征识别功能，基本涵盖为二大特征识别体系：
①针对平面问题的特征识别，包括二个子类以及基于这二个子类的耦合：（1）基于不同光色区域块的整体差异对比所形成的边界识别——“区块边界特征识别”；（2）基于同一整体光色块区域内的凸显对比形成的线形、点形类的特征识别——“块内凸显特征识别”。
②针对三维重建曲面问题的特征识别，典型识别特征包括：（1）面向地球体的等高线、山脊线、山谷线、地迹线、坡顶线、坡脚线、台地线等三维矢量特征线识别问题；（2）面向物体的鼻梁线、轮廓线等的三维点云逆向建模技术特征识别检测领域所需解决的问题。
在某种意义上说，主流AI技术发展的历史就是图像识别的历史，也就是仿真人类视觉实现平面问题特征识别历史；当前深度学习技术，在这个领域取得了巨大进展，可以超越人类水平来解决平面问题特征识别；但是针对三维曲面问题的特征识别，尚未见到有效的主流普遍应用的数学方法和系统，包括深度学习方法尚未见到基本成效。
2.2.典型复杂三维曲面特征识别求解问题简析
在当前现实世界，数字化、3D、虚拟现实、元宇宙等一系列新概念层出不穷，但是从传统产业转型升级和产业互联网来说，其中有三类与复杂三维曲面特征识别求解问题相关的典型应用，面临巨大的技术挑战：
①基于全球地理框架全矢量模型的数字地球技术。
②大区域多源、多尺度、多时序、多属性地表测绘模型的一体化融合技术。
③自然体表面工业化采集三维点云特征识别分类与逆向建模技术。
以谷歌数字地球为例，于2005年面向全球发布至今已经16年，该数字地球曾经一度在全球名声鹊起；虽然如今在卫星影像和低精度地形市场，还在被广泛应用，但是其影响力却日渐乏力；究其根本原因就是：谷歌数字地球力图深度走入建造、矿山、生态等主流传统产业生产技术体系的产业化应用，都陷入了滑铁卢；而导致产业化应用失败的关键技术之一，就是谷歌数字地球不是基于全球地理框架全矢量模型的数字地球技术体系。
建造产业，一度是谷歌数字地球重点进军的领域，在大区域及带状工程——港口、机场、高铁、电力线路、高速公路、油气管线、通讯基座、调水工程等领域的三维BIM正向设计与数字孪生施工过程等关键性生产技术环节，数字地球技术，实质是其中的控制性技术之一，有着巨大应用价值潜能。
由于建造工程在空间的形态，全部都是不规则空间分布；大区域及带状工程等领域的三维BIM正向设计与数字孪生施工过程，所需的关键技术，必须是具备大区域三维矢量不规则网地表模型金字塔技术特点的——这就是基于全球地理框架矢量模型的数字地球技术。
而谷歌数字地球，至今只能提供栅格类（结构化）金字塔模型技术（DEM高程数据），无法提供大区域三维矢量不规则网地表模型金字塔技术支持，谷歌数字地球在建造产业中的应用，基本被弱化为——只能针对建造产业前期选线、选址类工作，发挥初级与低价值角色；成为不了大区域及带状工程等领域的三维BIM正向设计与数字孪生施工过程相关控制性技术的支撑平台，所以被世界产业应用所淘汰，也是一种必然。
大区域三维矢量不规则网地表模型金字塔技术中的控制性技术，就是如何针对大区域三维矢量不规则网地表模型，实现金字塔分类、分层、分块的全自动智能化建模，并保存对应层级金字塔块三维矢量模型之间特征的一致性问题。
以上产业化应用问题的求解，概况起来就是——“三维空间矢量模型特征识别科学问题”——人类的一切活动都是建立在结构空间基础上的活动，可以进一步说，一切高级人类专业活动都是建立在三维空间矢量模型特征基础之上。
2.3.天衍智核心技术团队针对本科学问题的突破
天衍智核心技术团队，历经二十二年的持续研发，基于自主研发成果“泛权理论”的基础上，从二大本源问题——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出发，所自主原创的一套算法理论。
“泛换理论”，实质构建了一种新创的偏微分方程组泛函与随机微分泛函数学方法体系；突破了数学偏微分理论中，只能求取曲面最大值点和最小值点极限的瓶颈，能够实现针对任意曲面位置点，求极值（特征值)的算法；突破了深度学习及卷积神经网络等特征智能识别技术，只能实现栅格类（结构化）图像特征识别、而很难实现非结构化输入信息（漫画类特征或三维矢量特征）的识别瓶颈。
针对本科学问题的相关技术，于2014年就已经实现产品化验证，在相关领域项目的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工作中，取得了实质性的应用成果；该技术也是天衍智参加2021国家颠覆式创新项目——“智能建造4.0关键性技术及原型系统验证研究”中，第一、三项关建研发目标的控制性底层创新技术之一。
基于“泛换理论”相关理论及本项目技术验证，后续通过拓展研发，在地灾模糊图像检测、电网巡检模糊图像检测、漫画类模糊图像等小数据非结构化类图像特征识别领域，有望取得更多有价值的原创核心技术成果。
研发团队于2014年完成的某山区道路周边环境激光点云扫描项目中，超百倍抽稀比下高特征率模型智能特征提取成果，远超主流普遍应用软件最好水平：
①项目场地为一高陡山坡，腰部位置分布一条高速公路，公路的一面悬空，一头穿越山体隧道。
②项目通过地面激光扫描，共采集1,305,452个点云。
③采用天衍智相关核心技术，进行完全自动化、智能化特征识别与提取，抽稀比达522倍，特征提取率超95%。
研发团队于2013年针对城市区域约1平方公里地表块，进行三维矢量金字塔智能建模，所生成三组对比模型——地表+影像图、地表+颜色图、地表+三角网图，特征提取效果显著：
3.计算机浮点与拓扑一致计算科学问题
3.1.计算机浮点数简析
计算机是基于0与1的二进制整数描述体系，在计算机体系中，有理数与无理数，都必须转换为有限位整数形式来描述；计算机用来描述有理数与无理数的有限位整数形式，构成计算机浮点数。
计算机浮点数计算体系，概况起来有四个基本特点：
①整数位与小数位分开描述。
②整数位个数+小数位个数为有限位位数。
③通过二进制整数来描述小数位对应数。
④每次浮点计算都是一次独立性的浮点运算，序列浮点运算之间，不能完全满足分配律、交换律和结合律。
计算机浮点数在各类应用计算过程中，存在四种典型因浮点精度所导致的计算问题：
①量测定位计算中累计误差精度问题：比如，在工程测量与精密机床等中，序列量测累计计算，会导致计算精度浮点问题。
②数量统计计算中唯一性计算精度问题：比如企业资产收益过程中，不同利息计算方式的组合，可能会得到不同收益价值量的资产统计不唯一性问题。
③科学计算迭代中影响计算无法收敛问题：在有限元数值计算迭代过程中，过程计算参数的浮点数变化，可能会导致计算无法收敛、计算失败。
④空间模型分析中拓扑结构不一致问题：这是三维模型、可视化、虚拟现实、元宇宙领域，面向专业领域分析，所必须面对的一个瓶颈性问题。
3.2.空间描述拓扑一致逻辑简析
科学体系存在三大连续性本源：时间连续性、空间连续性与运动连续性（时间与空间连续性的叠加）；物质及现象的空间结构本质不是连续的，但是在特定尺度相对系精度下可以被认知测定为连续的——即“结构连续性等效原理”；科学体系连续性问题，等价于数学体系的实数域整体连续性问题，对应计算机实现来说，就是一个计算机浮点数可描述问题。
人类视觉是一套天然的特定尺度相对系精度测度系统，基于结构连续性等效原理，针对所观测物质现象，形成对象化概念认知的二种连续性语义认知：①对象边界连续性，②对象边界内填充连续性；连续性是人类对象化概念认知物质现象的底层逻辑。在人类记忆体系中，针对物质现象的连续性特征，存储的就是这样的空间特征语义概念模型，而不是直接的连续性数据。
在计算机体系中，描述物质现象的空间结构及连续性有二种基本模式：一是“参数数学概念化描述”；二是“数据模型结构化描述”。比如，圆心坐标为（0,0），半径为1，就是针对一个圆边界的“参数数学概念化描述”。“参数数学概念化描述”不是计算机可以“理解”的模型，而只是一个人可以理解的模型。
“数据模型结构化描述”，实质是数字化描述物质现象的空间结构及连续性，是构建计算机可理解模型的关键性基础之一；其实现方式与人类有着本质差异，基本技术原理为：构建基于“矢量参数浮点数据”+“空间关系整数数据”的形式化及实现逻辑体系。
计算机体系中“空间关系整数数据”关联的基本分类语义概念有：（1）基本类——点、线段、三角面，（2）基本演绎类——多线段、边界线（封闭多线段）、曲面（多组共享至少1边的三角面网）、边界面（封闭曲面）等，（3）一般演绎类——其他所有以基本类+基本演绎类为基础的被计算机可描述的空间结构；基于基本分类语义概念的这种可编程逻辑组合描述体系，构成“空间拓扑模型”。
计算机体系中针对空间拓扑模型的几何运算体系（不含面积、体积等的属性计算），包括三类典型运算模式：（1）平移、旋转、缩放等“基本空间变换运算”，（2）“空间关系整数运算”，（3）“空间布尔运算”，包括单个对象体空间拓扑模型的整体与局部、二个或多个不同对象体空间拓扑模型之间空间关系等。
计算机在“基本空间变换运算”过程中，“矢量参数浮点数据”计算时，各数据值同比例产生浮点影响，通过相关策略的控制，不同数据之间不会产生相对差异性；因此计算前后都不会导致空间拓扑模型对应“空间关系整数数据”的改变，基本不会造成拓扑不一致问题。
计算机在“空间关系整数运算”过程中，由于本身就是整数运算，因而不会产生浮点与造成拓扑不一致问题。
计算机在“空间布尔运算”过程中，在“矢量参数浮点数据”形成的浮点计算序列中，每个计算数据各自相对独立产生差异性很大的浮点精度影响；因此，基于计算后“矢量参数浮点数据”所构建的“空间关系整数数据”，与计算前的“空间关系整数数据”相比，二者逻辑上可能出现矛盾和不匹配——形成空间拓扑模型的拓扑不一致问题；这些不一致性，对于具体应用来说，就会造成致命性影响。
自2000年数字城市开始在中国起步发展，三维城市模型经过了多轮的建设与发展，至今为止，几乎没有哪个三维数字城市的地表模型与建筑物BIM模型整体是矢量化的、拓扑一致的。
主流三维数字城市发展出二大技术体系，第一代是采取地表模型与三维建筑物模型等各自独立建模再集成显示的模式：（1）二者基于统一地理位置的映射，构建“一张图N层皮”模型逻辑；（2）二者模型各自对应独立的拓扑结构关系，彼此之间无内在逻辑关系；因此，相关三维数字城市模型，只能用于城市三维浏览、城市三维导航、规划类场景展示和城市安防布设等领域，无法深度应用于传统产业的生产技术体系。
第二代三维数字城市技术，是基于三维倾斜摄影技术的三维城市模型建模技术体系；三维效果看似是一个整体，虽然不是“一张图N层皮”，但实质又转变为“一锅炖”模型——所有对象的表面连为一个整体，也不是拓扑一致模型；后续专业化深度应用，必须针对该“一锅炖”模型，智能化分解为对象化的拓扑一致模型，但这是一个新的技术瓶颈问题；这类三维城市模型，同样无法深度应用于传统产业的生产技术体系。见（图3.2-1）～（图3.2-2）：
基于空间描述拓扑一致逻辑技术所生成的成果，与现有主流普遍技术成果形成鲜明的对比，前者所生成模型，虽然不一定如后者所生成模型那么绚丽，但是前者模型却绝对可以深度融入产业体系的价值化应用，甚至成为传统产业数字化转型升级的控制性成果。
研发团队于2015年完成的某大区域带状工程中，三维矢量金字塔地表模型，与大坝三维模型，完全保持拓扑一致，相关效果见（图3.2-3）～（图3.2-4）：
研发团队于2018年完成的某山区综合建筑物工程中，三维矢量地表模型与各个地表陡坎模型，完全保持拓扑一致，该成果获得省级BIM竞赛第一名，是岩土类或场坪类领域至今水平最高的BIM模型成果，相关效果见（图3.2-5）～（图3.2-7）。
研发团队联合亚热带建筑科学国家重点实验室，于2021年完成的广州市科学研究专项重点项目：《智慧广州城市空间一体化大数据模型关键技术研究》，基于近10平方公里所完成的三维地质、地表与地物一体化拓扑一致模型的典型成果，相关效果见（图3.2-8）～（图3.2-10）。
3.3典型复杂计算机浮点与拓扑一致计算问题简析
在智能建造、智慧城市、智能电网、能源矿产等领域的设计、建造、生产、开采、运维等智能化工业化技术中，涉及到大量空间分析，这些分析都涉及到“空间布尔运算”；只要涉及到“空间布尔运算”，就会可能导致计算机浮点与拓扑一致计算问题。
在智能建造4.0技术体系中，建造体全生命周期环境逻辑性大数据模型、智能化工业化知识流水线设计技术，以及基于模型自主驱动机械自动化施工技术体系三大关键技术研发目标的实现，“计算机浮点与拓扑一致计算科学问题”所涉及的核心技术，都是必不可少的控制性技术。
在当前世界普遍先进应用的三维工具软件中，针对空间拓扑模型的“空间布尔运算”技术，已经开发研究了至少近40年；但至今，都没有一款三维工具软件产品，形成这个领域的普遍性生产应用；究其根本原因，就是基于计算机浮点计算框架下所导致的空间拓扑模型的拓扑不一致问题，没有得到有效实质性解决。
以上产业化应用问题的求解，概况起来就是——“计算机浮点与拓扑一致计算科学问题”——浮点逻辑是计算机底层固有逻辑，无可回避，要实现计算机对数据与模型的自我理解与驱动，浮点计算过程的拓扑一致实现是必要条件。
3.4.数量统计计算中唯一性计算精度问题求解基本原理
1、基于数量统计计算所在的标准领域，构建内在标准流程逻辑框架（与拟定的标准与制度息息相关），并得到该流程框架的数量统计计算法则与节点。
2、针对任意业务项的数量统计计算时，去除各个节点以及并行流程逻辑下的全部的结合律、分配律、交互律，以最原始单点为计算单元，按照固有叉树逻辑，进行加减。
3、原则上所有非单点计算单元中的乘除都不会出现，全部转换为叉树逻辑上的加减计算。
4、当然单一流程节点上的函数逻辑，都只能是单一法则的函数运算，这时可以允许加减乘除等的复杂函数运算存在。
3.5.天衍智核心技术团队针对本科学问题的突破
天衍智核心技术团队，针对“计算机浮点与拓扑一致计算科学问题”开展了十多年的持续研发，基于项目团队自主原创的一套哲学方法论原理，自主原创了一套全新理论技术框架——“相对系计算框架拓扑一致技术”，已开发出相应功能模块，可以实质有效解决此项科学问题，其基本原理是：
①系统基于“空间拓扑模型”中“空间关系整数数据”部分构建一系列相对系计算框架。
②将“空间拓扑模型”的“空间布尔运算”，转换为以上相对系计算框架下的序列可加的“子空间布尔运算”。
③在每个“子空间布尔运算”中，“矢量参数浮点数据”参与的计算，实质分解为不受计算先后拓扑一致影响的序列组合的“基本空间变换运算”+“空间关系整数运算”。
④由于 “基本空间变换运算”、“空间关系整数运算”都是可以做到拓扑一致的，因此，“空间拓扑模型”的整体“空间布尔运算”就等价为序列“子空间布尔运算”，因而也是拓扑一致。
针对本科学问题自主原创理论方法所形成的“相对系计算框架拓扑一致技术”，于2012年就已实现初步产品化验证，在三维地质智能建模、全矢量三维数字地球等平台技术中实现了集成应用；在工程建造设计分析中，针对大规模三维不规则三角网矢量地表模型，采用该技术，可以动态实现切割类（挖填及土方平衡类）“空间布尔运算”拓扑一致专业分析；是天衍智参加2021国家颠覆式创新项目——“智能建造4.0关键性技术及原型系统验证研究”中，第一、二、三项关建研发目标的控制性底层创新技术之一。
“相对系计算框架拓扑一致技术”，后续通过拓展研发，可以发展为面向通用“空间布尔运算”，其技术思想也可以发展为解决其它典型应用类浮点计算问题。
4.仿真人类学习的自增量软件开发范式科学问题
4.1.从功能逻辑简析人类学习过程
人类强大学习能力，是人类智能的关键性基础；从功能逻辑视角看，人类学习有以下一些典型功能特点：
①总是在各类“自然社会功能生态相对系”（场景+对象+工具+角色+任务+…）——即“功能生态相对系”下的学习。
②基于自我生命周期内所处各节点对应“功能生态相对系”下的小信息（知识+特征+…）学习。
③在生活工作过程的各“功能生态相对系”下，不断进行知识增量学习与知识使用能力一体化（驾驭知识的能力）。
④在生活工作过程的各“功能生态相对系”下，不断进行增量工具学习与工具使用能力一体化（驱动工具的能力）。
⑤在各“功能生态相对系”下的群体协同中，不断进行个体参与人人互动过程的增量学习与协作互动能力一体化。
⑥在各“功能生态相对系”下的个体使用工具与工具软件过程中，不断进行人机互动的功能实例行为试错与学习一体化。
⑦在各“功能生态相对系”下，不断进行基于实例互动的个性化进化学习与群体协同进化学习一体化。
⑧在各“功能生态相对系”下，面向任务叉树末端分裂增长与序列流程任务内插协同增长过程，不断进行组织与执行等的学习及参与能力一体化等。
人类学习的功能逻辑体系，可以归结为六个典型核心要素： “功能生态相对系”、角色、信息、能力、工具、任务之间的多叉树增量逻辑的协同进化，不断形成“功能生态相对系”的增量链接、角色体系的增量链接、信息（知识+特征+…）体系的增量链接、能力体系的增量链接、工具体系的增量链接、任务组织与执行体系的增量链接。
人类学习的功能逻辑体系，可以归结为六个典型关键特征：增量化、个性化、互动化、群体化、协同化、相对化（小数据化）。
人类学习功能逻辑体系中的六个核心要素，映射到人工智能整体体系，就是：
①“功能生态相对系”——就是在整体互联网+物联网环境下，各类智能系统与链接人+链接组织+链接物+链接软件+链接数据一起，实现整体协同，并支撑所链接的人、组织、物、软件各自自主执行特定任务，支撑所链接的数据能自我实现进化，以及支撑所链接各方整体协同实施任务的相对系框架，这也是构建计算机可理解模型的关键性基础之二。
②角色——就是“人工智能体平行端系统”对应的拟人角色。
③信息（知识+特征+…）——就是数据或模型。
④能力——就是“人工智能体平行端系统”所拥有的特定功能模块。
⑤工具——就是可以接入到“人工智能体平行端系统”能够至少被使用，以及互动等的实物工具、设施、设备和一般软件系统（非“人工智能体平行端系统”类）等。
⑥任务——就是人类相关活动中，可以被分解为“人工智能体平行端系统”及所链接一切的人+组织+物+软件+数据，能够一起可协同实施的单项功能或单项功能组合。
从人类功能逻辑上看，对比深度学习，实质是基于“人类幼儿看图识字范畴学习”的一种功能仿真，只不过是看的图有点超多而已。
事实上，中文汉字总数超10万，常用汉字3000～5000个；但为什么学几千常用汉字而无需学完全部汉字，中国人的语言能力就游刃有余了？从这个逻辑出发就可以看出，深度学习所展现出的智能性，只是人类幼儿阶段智能的一个无限放大版而已——“巨婴智能”。
深度学习的这种“巨婴智能”，有着与人类学习功能逻辑完全不一样的特点：
①所能实现功能类型太单一，因而执行任务类型也就有限；当前主流深度学习系统基本可以概况为实现二类智能功能：（1）针对图形、语音等的结构化单类特征超级规模集的分类及特征识别；（2）二类结构化映射特征超级规模集的分类及演绎重组，比如二类语言之间、语言与语音之间、文字与图像之间；但是人类的智能类型何其之多，比如在工程设计中，深度学习系统所能实现的这二类智能功能，在其中所能发挥的角色作用，很难超过1%。
②无个性化，只是基于限定领域的大统一框架下的大数据学习，因而所实现的功能是高度同质化的；对于人类来说，在某个应用场景下，猫与小老虎被当做同类，并不一定就是错误。
③无法主动接入各种应用场景来构成“功能生态相对系”，只能被动调用、接入，无法实现特定生产活动流程的主导者，最多只能做到特定末端任务的参与角色。
④不是增量实现逻辑，当前主流普遍应用的人工智能系统，只能针对上述①中的二类智能功能，无法有更多功能类的增量学习扩展；即使是这二类智能功能，在面对新任务时，不是在已有训练模型基础上进行增量扩展，来适应学习新任务，而是重新训练新模型，甚至强关联到特定任务，也就是智能功能无法做到叉树化增量分裂。
增量化演绎叉树结构是宇宙基本演绎规律：小至波粒二象性，大致天体运动，从生物生长到大脑中枢神经，从人造硬件结构到软件系统逻辑结构，实质都是基于一系列叉树结构体系及特点关联节点的有机链接体系。
人类学习的功能逻辑体系，深刻体现了宇宙基本规律的增量化演绎叉树结构逻辑，所以，人类生命成为了宇宙之灵；同时，深度学习网络结构，与其说从大脑神经网络结构中得到启发，而不如说是在神经网络启发下，初步了体现出了元宇宙基本规律的增量化演绎叉树结构逻辑；但这种逻辑水平与人类学习是无法相比的，所以是一套弱智的低级智能技术体系。
4.2.从社会知识生产链体系看人工智能实现
在社会知识性生产活动中，所有的任务，实质都是由各阶段各专业技术人员，针对 “不同类任务分解”，采用“不同类组合工具（软件）”，按照“不同工具类组合功能（命令）”，所构建知识生产链体系来实施的。
在知识生产链体系中，显著影响生产活动质量与效率的主要因素，可以归结为以下四个层面：
①各阶段各专业技术人员针对“不同类任务分解”逻辑是否能准确把握？所执行的任务流所对应的全部要素、内容是否能准确理解？是否知道自己所执行任务流内容所需到达的目标与结果是什么？是否知道自我能力与任务之间的适配性？
②各阶段各专业技术人员针对“同类使用工具（软件）的功能（命令）”是否都已掌握？各功能命令彼此之间如何协同是否掌握？
③各阶段各专业技术人员针对“不同类组合工具（软件）”是否熟悉？是否了解各不同工具（软件）之间的差异与相似，这些工具（软件）之间是如何协同？
④各阶段各专业技术人员针对“不同类任务分解”与“不同类组合工具（软件）”之间适配性是否了解到位，如何做好相关适配流程？
由于各阶段各专业不同技术人员在这些层面所掌握程度不一样，所以一个复杂知识任务在各个流程节点上的子任务，在不同个体执行过程中，就不可避免千疮百孔、矛盾冲突不断，这也就是类似设计行业等的知识生产链体系，常所需面对的群体协同的瓶颈问题所在。
任何一个领域的知识生产链内容逻辑，是由三部分所组成的，即专业底层逻辑+任务流过程中人理解任务逻辑+任务实例个性化逻辑。
针对建造领域工程设计所对应的知识生产链内容逻辑研究结果表明：在一个完整知识生产链工作中，专业底层逻辑、任务流过程中人理解任务逻辑、任务实例个性化逻辑三者所占的内容比重，大致为9%：90%：1%；事实上，这个分布规律基本适用于医疗、教育、法务、财经、科研等相关的知识生产链体系——这就是“90•9•1范式”。
以建筑设计为例，“90•9•1范式”中的“90”部分可以进行如下简单剖析：
一项建筑设计任务，实质是由各阶段各专业的不同人员完成的，每个设计者在设计时，首先需要理解其他设计者已完成的全部内容；同时并为其他设计者理解自己设计工作，配套相应的工作内容——这就是“90”工作，即在人人交互设计过程中，全部设计工作量的90%，就是为了帮助每个参与者如何去理解彼此所完成的设计内容。
在传统二维建筑设计中，一套比较规范、设计质量较好的图纸，主要涉及两个方面：（1）设计内容详实、完整、准确；（2）图纸表达标准、协同、美观。
由于每个设计者所掌握的专业知识程度不同，对制图标准执行的力度不同；因此，通过人控制图纸的质量存在较大不可控性，影响因素包括而不限于专业水平、情绪把控、时间约束、管理流程等等。
（图4.2-1）图纸，是相关技术员，基于人人交互协同设计+机人交互辅助设计模式，针对一栋别墅，所完成的一张标准化平面设计图成果，同时包含了专业底层逻辑、任务流过程中人理解任务逻辑、任务实例个性化逻辑三类所对应的信息。
（图4.2-1）图纸中所包含的专业底层逻辑设计内容，大致可以提炼为（图4.2-2）图纸内容——通过图形化手段描述了建造物底层专业逻辑。
（图4.2-2）所对应的图形化参数逻辑，理论上是可以研发出一套只需一次性工作的软件系统，后续无需专业技术人员来完成这套逻辑图纸内容，就可以普遍用于各实例工程设计中，直接通过软件系统生成所需的建造物底层专业逻辑所对应的图形化表达内容。
（图4.2-3）对应的图纸内容，实质都是任务流过程中人理解任务逻辑所对应的内容，如果能够构建机机交互代替人人交互协同设计，这部分工作自然就不复存在。
（图4.2-1）图纸中用于任务实例个性化逻辑的设计内容，大致可以提炼为（图4.2-4）内容。
（图4.2-4）图纸对应内容，实质上成了与项目设计直接相关的控制性内容；理论上说，把握好这项工作，项目设计整体内容也就掌控了。
综合以上分析表明：知识生产链体系的工业化与智能化，必须从“90•9•1范式”出发，创新研究相应的全新智能技术研究路线：
①构建一套机机交互体系，用机机交互代替人人交互，彻底减掉人人交互知识协同中的90%“任务流过程中人理解任务逻辑”工作量，而且大大减少出现错误的可能。
②构建一套针对各“专业底层逻辑”的增量智能化实现范式，针对每项专业领域，只需一次工作量而开发出对应专业功能系统，就可以满足响应领域知识生产链体系全过程中，涉及9%“专业底层逻辑任务流”工作的体系化执行需求。
③构建一套针对各“任务实例个性化逻辑”的增量智能化实现范式，针对每个项目实例，开发出基于机人交互的软件系统，以标准流程引导技术人员，满足精准、高效完成领域知识生产链体系全过程中，涉及1%“任务实例个性化逻辑”工作的体系化执行需求。
推动传统产业的转型升级，实质就是推动传统产业全面走工业化、智能化道路，大力提高生产力，提升生产效率和产品服务质量，极大降低生产成本与生产周期；推动传统产业全面走工业化、智能化道路，实质就是要推动驱动传统产业的核心体系——知识生产链体系的工业化与智能化；推进知识生产链体系的工业化与智能化，就是要摆脱主流人工智能体系原理与思路，原创全新人工智能发展道路。
4.3.人类认知体系的六种典型范式
人类认知互动活动存在六种典型范式：语言互动（语音互动）、文本互动、界面互动、图像互动、表格互动和图形互动；其中，表格互动与图形互动是结构化、专业性最强的二种模式，而语音互动、文本互动与图像互动是人类日常生活中认知互动的常用类型。
当前，普遍应用的信息系统，是以界面互动+文本互动为主体的辅助系统；普遍应用的工具软件，是以界面互动+图形互动或者界面互动+表格互动为主体的辅助系统；主流AI技术界的机器学习、深度学习系统，则以语言互动（语音互动）+文本互动+图像互动为主体的智能系统。
以建造行业产业链为例，知识生产链体系中最核心的信息流和技术流，是大量角色技术人员，在不同工作阶段，通过长期往复高频的文本互动、表格互动与图形互动三者来完成的，而其中影响比重最大的是，表格互动与图形互动（语音互动与图像互动在其中影响面几乎可以忽略不计）。
因此，针对建造行业的知识设计技术来说，以语言互动（语音互动）+文本互动+图像互动为主体的主流AI深度学习智能系统，包括国内最先进的诗歌人工智能创作平台等，基本与以表格互动+图形互动内容为主体的人类高频互动协同知识创作体系，没有什么实质性技术支撑能力。
4.4.人类认知语义逻辑体系的二种典型范式
人类认知语义逻辑体系同样存在二种典型范式：一是以日常生活互动为内容的语义体系——即“常规语义”，二是以技术工作互动为内容的语义体系——即“专业语义”。
“常规语义”的基本逻辑是，通过符号、简单图形图像和简单数字一起，以文档和语音为主体，进行以个体自我语义理解与表达为支撑的符号语义驱动的互动与自演绎的功能体系。“常规语义”实质是一种弱规则逻辑，统计性在其中发挥主导性作用，是自我需求与环境互动所耦合驱动的，相关活动所体现的流程与节点性，退化为个体习惯逻辑与行为能力逻辑。
比如针对“常规语义”的人类视觉功能来说，针对环境互动的全部视觉反应，都是自我视觉系统基于物理光学逻辑作用的一种体现；视觉特征的识别与视觉目标对象之间，是一种具有极大数量的多对多的映射逻辑；不同目标对象的特征逻辑之间，体现为一种复杂条件驱动的重复的差异性与相似性，这实质是统计、条件概率、深度学习等原理理论之所以具有强大应用价值的关键背景所在。
“专业语义”的基本逻辑是，通过符号、形状和数字的复杂组合，以表格与图形为主体，进行逻辑、规律、原理、理论等描述体系，并基于此构建逻辑驱动的互动与自演绎的功能体系。“专业语义”实质是一种强规则逻辑，统计逻辑仅处于辅助、局部角色作用，不以特定个体的认知水平、经验、意志为转移，是特定人事物体系相对系下，遵循特定流程、节点实现重复性演绎能力。
比如针对“专业语义”的人类视觉功能来说，驾驶车辆过交叉路口红绿灯的强规则是：存在允许通行与不允许通行二种确定状态；而对于特定个体来说，由于色盲的存在红绿灯，也许就成了红黄灯；判断是否处于交叉路口的可通行状态，在实践中也不仅仅局限于红绿灯；车辆在绿灯时通行，不是统计出来的，而是确定性的规则。
又比如针对“专业语义”的建筑设计来说，门具体放到墙体的哪个位置，不是通过统计模型来确定，而是基于建筑结构受力逻辑和建筑使用功能逻辑所确定的。
“常规语义”与“专业语义”实质又是紧密相关的，前者是后者的基础，在特定相对系下，经过大量重复相似性与差异性对应的统计原理洗礼下，“常规语义”会形成大量“确定规则性逻辑内容”，而后者恰恰就是基于这些“确定规则性逻辑内容”基础上，所构建的强规则逻辑体系。
主流普遍应用AI技术中所涉及到知识工程、知识系统、知识图谱、知识建模等相关技术，实质是以“常规语义”基本逻辑所发展的；这与“专业语义”基本逻辑需求相差甚远，这也是主流普遍应用AI技术，无法在传统产业链的整体技术流程中形成实质影响，只能在产业链特定节点以零敲碎打方式形成价值的关键原因之一。
解决建造行业的知识设计技术的智能化与工业化，其中一项根本性技术，就是需要研发——仿真群体技术人员高度频繁规模化实现表格互动+图形互动协同创作能力的智能体系，全面满足知识生产链体系的互动协同需求。
4.5典型仿真人类学习的自增量软件开发范式科学问题简析
从人类学习的功能逻辑体系看，亟待原创相关全新人工智能技术范式，构建同时具备“功能生态相对系”+角色+信息+能力+工具+任务等于一体的多叉树增量逻辑协同进化生态，实现可体现增量化、个性化、互动化、群体化、协同化、相对化（小数据化）等特点的学习智能。
从社会知识性生产活动的人类知识生产链体系看，亟待基于专业底层逻辑+任务流过程中人理解任务逻辑+任务实例个性化逻辑的“90•9•1范式”出发，创新研究相应的全新智能技术研究路线。
从人类认知互动活动六范式，以及人类认知语义逻辑体系二范式出发，亟待原创相关软件开发范式——研发仿真群体技术人员高度频繁规模化实现表格互动+图形互动协同创作能力的智能系统与智能体系。
以上人工智能创新道路体系的发展与实现，概况起来就是——“仿真人类学习的自增量软件开发范式科学问题”——期待发展一条全面仿真人类学习与操作工具以及群体互动的工作机理的人工智能技术创新道路。
4.6.天衍智核心技术团队针对本科学问题的突破
天衍智核心技术团队，针对“仿真人类学习的自增量软件开发范式科学问题”开展了十多年的持续研发，基于项目团队自主原创的一套哲学方法论原理，自主原创了一套全新理论技术框架——“末端智能增量开发技术”，并已开发出原型验证系统，预期可以实质有效解决此项科学问题，其基本原理是：
①综合基于网络体系、计算机体系、软件开发体系、专业技术体系、生产任务体系等，统一形成一套整体性的、有机的智能化信息标识体系，这也是构建计算机可理解模型的关键性基础之三。
②针对领域底层逻辑模型，形成一套独立化运行的模型叉树增量链接框架，完全脱离专有数据库软件系统而存在，这也是构建计算机可理解模型的关键性基础之四。
③面向不同领域不同专业不同阶段应用中的机机交互+机人交互范式需求，形成通用的“末端智能增量可驱动功能系统”——“智能系统平行端”，这也是构建计算机可理解模型的关键性基础之五。
④面向不同领域不同专业的主流普遍应用工具软件，以及自主配套开发的专业工具软件，形成底层驱动工具软件开发技术体系。
⑤共享领域底层逻辑模型增量链接框架，针对任何实例化专业生产，按照“90•9•1”范式，链接对应各专业与阶段的“智能系统平行端”组合，动态形成实例化运行的知识生产链体系，并在实例化运行知识生产链体系下，形成完整体系的机机交互生产任务与机人交互生产任务，最终按需输出各类成果。
⑥综合基于整体技术实现框架人员、系统底层技术人员、驱动工具软件技术人员、专业底层逻辑技术人员、专业技术对应算法研发人员、专业技术对应软件开发人员，以及专业生产技术人员等于一体的全要素增量互动团队，形成一套集成增量系统框架研发、增量系统底层技术开发、增量驱动工具软件开发、增量专业底层逻辑研发、增量专业算法研发、增量专业软件开发，以及增量生产业务范式开发的智能增量实施技术体系，支持“末端智能增量可驱动功能系统”——“智能系统平行端”不断成长。
⑦以上整体技术实现体系，基于当前主流算力、带宽、单机性能等资源，就完全可以得到满足，与是否具有量子计算能力和5G带宽等更先进资源与条件，没有太多依赖关系。
“末端智能增量开发技术”原理下的人工智能学习，是直接基于生产过程中的学习与应用一体化；是基于一批全要素专业团队在线增量技术互动工作下的智能学习；是基于底层逻辑模型增量链接框架与“智能系统平行端”之间的相互独立又相互关联，实现机人交互学习范式与机机交互自主演绎的工作范式。
针对本科学问题自主原创理论方法，所形成的“末端智能增量开发技术”，于2021年11月，初步实现了产品化，针对市政道路的三维快速BIM建模的知识生产链体系，研发了验证系统——“I3D小超人-智能平行端——BIMEND”，是天衍智参加2021国家颠覆式创新项目——“智能建造4.0关键性技术及原型系统验证研究”中，第一、二、三项关建研发目标的控制性底层创新技术之一。
BIMEND末端系统对应的界面如（图4.5-1），针对不同项目的不同任务单元，将动态生成基于生产逻辑流程节点的叉树框架体系。
基于BIMEND末端系统驱动工具软件，机人交互实现相关参数提取任务的工作机制如（图4.5-2）。
市政道路三维快速BIM建模的知识生产链体系，所对应的机机交互+机人交互的流程框架图如（图4.5-3）。
“末端智能增量开发技术”，后续通过不断的增量化学习，可以形成“独立化叉树框架生长性领域底层逻辑模型”，以及基于此的各类任务及多任务序列叉树化驱动与链接运行的通用“末端智能增量可驱动功能系统”——“智能系统平行端”。
“独立化叉树框架生长性领域底层逻辑模型”与“末端智能增量可驱动功能系统”，实质构成相互独立相互依存链接的二个并行增量叉树运行结构，每个叉树结构实质就是一个运行生态下的动态化独立化神经网络类似结构。
深度学习神经网络结构，实质上可以等效为：在同一深度学习神经网络结构下共享运行的、集成一个在线特征数据库模型存储运行系统+一个在线特征提取分类系统+一个在线分类特征识别应用系统的集成耦合运行系统。
从某种意义上说，深度学习强大就在于此种融合结构；但从另一方面来说，恰恰是这种融合结构，限制了深度学习是一种集成化而非增量化的学习结构，不是人类学习的智能模式。
对比深度学习神经网络结构的这个特点，“末端智能增量开发技术”，就是以一个领域为背景，围绕整体领域知识生产链体系，形成二个独立运行又关联的外部叉树网络结构：
①第一个外部叉树网络结构，即“独立化叉树框架生长性领域底层逻辑模型”，相当于N个独立的“在线特征知识数据库模型”，每个“在线特征知识数据库模型”；以目录+特定参数模板文件结构为基础，构建一个可以内部增量化扩展的叉树网络结构组织；不同的“在线特征知识数据库模型”之间，按照叉树结构互相链接与分裂，形成新的叉树结构体系。
②第二个外部叉树网络结构，即“末端智能增量可驱动功能系统”，相当于M类“在线特征知识提取分类系统”+K类“在线分类特征知识识别应用系统”+…，每个系统自身是一个可以内部增量化扩展的功能系统；其中任意m个“实例化运行的在线特征知识提取分类系统”+k个“实例化运行的在线分类特征知识识别应用系统”+…，针对特定领域的整体实例化任务，构成一个可以外部增量化扩展的实例化运行的叉树网络功能体系。
③特定实例化运行的“在线特征知识数据库模型”，本身结构是一个白盒体系，能够被实例化运行的“在线特征知识提取分类系统”+K类“在线分类特征知识识别应用系统”+…的体系，通过机机交互+机人交互方式，实现被使用与修改，所使用与修改的内容，理论上又是可以被溯源的。
④在特定实例化运行的“在线特征知识提取分类系统”+K类“在线分类特征知识识别应用系统”+…体系中，每个运行系统都是一个白盒体系，受特定实例化运行的“在线特征知识数据库模型”影响，通过机机交互+机人交互方式，动态形成相应的系统功能界面与流程，形成个性化生长应用逻辑。
“末端智能增量开发技术”的这种双螺旋叉树功能结构，既能类似深度学习神经网络结构那样，将“数据存储”+“特征提取形成分类”+“基于特征分类形成特征识别应用”等多功能链接为有机整体；又能实现“数据存储”+“特征提取形成分类”+“基于特征分类形成特征识别应用”等类似多功能系统，实现各自的个性化、独立增量化发展；这完全是针对人类学习生态体系的深度仿真与模拟。
综合以上剖析，“末端智能增量开发技术”，是一种全新的人类学习仿真技术，具备潜能发展为推动传统产业转型升级的使能性智能技术。
参考文献
[2]《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
[3]《“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