模型跨模态性能及推理性能测试服务 模型跨模 模态动招标预告（2026）
采购计划公告
为便于供应商及时了解项目采办信息，现将（海油发展-信息技术品类部-安环院模型跨模态性能及推理性能测试服务-20260305）的采办计划公开如下：
l 项目名称：【安环院模型跨模态性能及推理性能测试服务】
l 公告期限：发布之日起5个工作日
项目概况：【安全环保院承担集团公司级科技项目《多模态量化风险评估与隐患智能识别技术研究及示范应用》，项目总体目标旨在构建可以融合不同模态，如文本、图片、视频的数据进行作业场景下风险的识别与分析的算法大模型，并对模型的推理性能与适配性进行测试，以解决目前安全风险数据孤岛现象突出，多套异构系统独立运行以及海油典型场景风险分类分级多模态智能分析不足等问题。在本项目的研究过程中，需要使用动态建模、自动化标注等手段进行前期数据处理工作，并运用语义对齐、模型融合开发等技术对大模型进行算法开发及测试等工作，因此本项目需与具备熟悉跨模态融合、数据实时处理、人工智能等算法开发能力的专业机构合作。】
l 项目所在地：【甲方指定地点】
l 预计发标时间：【2026年4月】
l 资质及信誉要求：
一、 资质要求：
(1) 营业执照：应答人须是中华人民共和国境内具有独立承担民事责任能力的法人，或具备国家认可经营资格的其他组织。①应答人为企业的，应具有合法有效的企业法人营业执照、税务登记证及组织机构代码证或证照合一的营业执照；②应答人为事业单位投标的，应经全国各级事业单位登记管理机关核准登记或者备案，具有合法有效的事业单位法人证书；③应答人为分公司的，应具有合法有效的营业执照、税务登记证及组织机构代码证或证照合一的营业执照和总公司合法授权书。总公司与分支机构只可一家参与投标，同时参与投标视为投标无效。
二、 信誉要求
(1) 应答人不得是最高人民法院在“信用中国”网站（”（。
(2) 近三年（2023年1月1日-报价截止日前）内应答人或其法定代表人、拟委任的项目负责人不得有行贿犯罪行为。
(3) 应答人不得被工商行政管理机关在全国企业信用信息公示系统。
(4) 应答人应具备公司章程或其他能够体现出资人、股东信息的法定文件。
(5) 应答人承诺：中国海油在职员工（不含正式派出的）未有在投标人单位担任股东、法人代表、董事、监事和其他任职人员的情形。
(6) 应答人与本采购项目其他应答人不得存在控股关系或管理关系、单位负责人为同一人、高级管理人员之间存在交叉任职、人员混用的情形，并且应答人须提供承诺。
三、 业绩要求：
【服务类】
(1) 应答人在2023年1月1日-应答截止时间之内至少具有1项已完成服务的AI或大模型相关服务业绩（单个业绩合同金额或单个年度协议/框架协议/费率合同累计执行金额不低于100万元人民币），并提供相应业绩证明文件。
(2) 应答人须按规定格式提交业绩表，并提交相关业绩证明文件。业绩证明文件必须至少体现以下内容：合同签署时间、项目名称及验收证明材料。具体包括：①业绩合同（至少涵盖合同首页、合同签署页（有签字或盖章）、能体现供货/服务范围）、②合同对应的结算发票（如项目已完工，但在质保期，可不提供质保金发票）、③国家税务总局全国增值税发票查验平台的发票查验截图。
(3) 若业绩合同为年度协议，至少提供：①1项或以上完成订单的订单页、②订单对应的结算发票、③国家税务总局全国增值税发票查验平台的发票查验截图。同一个年协合同提供1项及以上订单，且订单累计金额达到要求金额的均算为1个有效业绩。
(4) 未提供业绩证明文件或提供的业绩证明文件无法认定上述业绩要求的，视为无效业绩，将可能将影响评审结果。
四、 ★特殊说明：（应答人必须满足以下要求）
★成立时间要求：应答人成立时间应满三年（以营业执照内容为准）；
★特殊说明（服务商）：
1）不得将中国海油作为唯一服务客户，承诺中国海油非其唯一服务客户并提供支持性材料（海油外业绩）；
2）自有社保人数不为0，履行社会责任，服务商须提供近三月社保证明（退休返聘人员不在自有社保人数内，大学、事业单位可不提供社保证明）；
3）实缴注册资本金不能为零，须提供注册资本缴纳证明，注册资本金缴纳证明可提供银行转账记录、企业主管部门出具的相关文件、国家企业信用信息公示系统、第三方网站（包括但不限于天眼查、企查查）截图、第三方机构出具的验资报告等。大学、事业单位可不提供实缴注册资本缴纳证明。
本次公开的采购计划是本项目采购工作的初步安排，实际采购应以相关采购公告和采购文件为准，所有提供和反馈的信息只作为项目采购参考。
公告有效期间，供应商可在本项目“采办计划公告”页面的“意见反馈”处留言表达参与意向。
如对上述公开内容真实、有效性存疑，请拨打社会监督电话：022-25802262，其他事项不受理。
提醒（重要）：鉴于新入名录注册供应商的评审要求，供应商须按采办计划公告《附件2：注册供应商资质材料提报文件》的要求提前准备相关材料。具体操作详见《附件3：供应商准入操作手册》。
中海油能源发展股份有限公司
联系方式：王振滨/022-25802333
邮箱地址：wangzhb22@cnooc.com.cn
附件：
附件1：采购技术要求书.docx
附件：
附件2：注册供应商资质材料提报文件.docx
附件：
附件3：供应商准入操作手册-2023年11月.docx
中海油能源发展股份有限公司安全环保院模型跨模态性能及推理性能测试服务采购技术要求书编制：审核：批准：一、项目概况及总体要求安全环保院承担集团公司级科技项目《多模态量化风险评估与隐患智能识别技术研究及示范应用》，项目总体目标旨在构建可以融合不同模态，如文本、图片、视频的数据进行作业场景下风险的识别与分析的算法大模型，并对模型的推理性能与适配性进行测试，以解决目前安全风险数据孤岛现象突出，多套异构系统独立运行以及海油典型场景风险分类分级多模态智能分析不足等问题。在本项目的研究过程中，需要使用动态建模、自动化标注等手段进行前期数据处理工作，并运用语义对齐、模型融合开发等技术对大模型进行算法开发及测试等工作，因此本项目需与具备熟悉跨模态融合、数据实时处理、人工智能等算法开发能力的专业机构合作，特提出此采办申请。二、服务内容和范围1、服务内容本项目主要针对多模态量化风险评估与隐患智能识别技术研究及示范应用中有关模型、算法等内容的测试。通过应用融合模型，优化融合多模态识别的算法，解析影像风险并智能处理，进行模型微调，提升复杂场景隐患识别精度与输出质量，针对一线采集痛点，用大模型开发工具与多模态模型，实现智能采集校验上传及风险分析判定预警。通过模型跨模态性能及推理性能测试，保证模型的模态对齐能力、融合效果、动态场景适应性测试，推理准确性、效率与资源消耗能力、复杂任务处理能力。2、工作量清单序号服务内容子任务项目描述工作量/项1模型跨模态性能及推理性能测试服务模态对齐能力测试测试模型对于跨模态数据的处理能力。1模态融合效果适应性测试以招标方提供的理论研究为支撑，测试模型融合效果。1模态动态场景适配性测试测试多模态大模型在九个场景下的适配性，将图文对数据评测集输入模型，提高大模型稳定性。1模型准确性能力测试测试多模态异构风险演化算法准确性、鲁棒性、响应速度等。1推理效率与资源消耗能力测试测试模型推理效率与资源消耗能力。1推理复杂任务处理能力测试设计覆盖不少于九类海洋油气高风险作业的端到端测试用例，验证模型从多模态输入到结构化风险输出的准确性与实用性，并专项测试系统基于作业描述或多模态数据自动生成符合行业规范的JSA文档的能力。13、服务地点甲方指定地点。4、服务期限自合同签订之日起6个月完成所有工作内容。三、执行标准/规范GB/T22239-2019《信息安全技术网络安全等级保护基本要求》GB/T45087-2024《人工智能服务器系统性能测试方法》GB/T38674-2020《信息安全技术应用软件安全编程指南》GB/T45288.3-2025《人工智能大模型第3部分：服务能力成熟度评估》GB/T9386-2008《计算机软件测试文档编制规范》其他要求参见《中国海油采购标准体系建设信息系统软件开发服务》“规范性引用文件。四、服务要求1、设计/施工方案要求：乙方需提供本项目的整体实施方案，并提供整体实施方案的详细说明，包含但不限于以下内容：项目管理办法、实施方案、工作计划、项目进度、项目质量、项目风险、响应时间。2、服务要求：（1）总体要求模态对齐能力测试应符合GB/T38674-2020《信息安全技术应用软件安全编程指南》中“第五章安全功能实现5.1数据清洗（关键条款：5.1.1，一般条款5.1.2）”的要求。模态融合效果适应性测试模块符合GB/T22239-2019《信息安全技术网络安全等级保护基本要求》中“第五章网络安全等级保护概述5.3安全通用要求和安全扩展要求”的要求。模态动态场景适配性测试符合GB/T45288.3-2025《人工智能大模型第3部分：服务能力成熟度评估》中“第六章评估指标6.1大模型平台6.1.2.3微调工具”的要求。模型准确性能力测试应符合GB/T9386-2008《计算机软件测试文档编制规范》中“第四章测试计划4.3详细说明（关键条款：4.3.4要测试的特征，4.3.7测试项通过准则，4.3.10测试任务和4.3.14进度，其余条款均为一般条款）”的要求推理效率与资源消耗能力测试应符合GB/T45087-2024《人工智能服务器系统性能测试方法》中“第七章推理性能测试7.2推理测试（关键条款：a）合规性要求，其余条款为一般条款）”的要求。（2）具体服务要求模型跨模态性能及推理性能测试服务模态对齐能力测试基于目前作业环境风险数据多样性的问题，大模型需具有跨模态分析处理能力，现阶段模态数据主要包含，图片数据、视频数据以及文本信息等，对于不同模态数据的处理需包括工业级数据脱敏、数据质量校验、数据清洗转换、数据自动化化标注等功能，投标人需对高质量数据集预处理模型进行模态对齐能力测试：1）工业级数据脱敏模型采用“预处理-脱敏-后校验”全流程架构，通过智能识别敏感数据字段、动态匹配脱敏算法，实现对离线批量数据的批量高效脱敏与在线实时数据的毫秒级响应脱敏。针对高并发场景优化任务调度机制，确保大规模数据处理时的吞吐量与稳定性；同时嵌入脱敏效果校验模块，验证脱敏后数据的安全性与可用性，形成闭环管控，全面保障中海油离线与在线工业数据在传输、共享、分析过程中的安全合规，支撑业务安全高效开展。2）数据质量校验严格遵循中海油数据标准规范中关于数据格式、字段含义、关联规则及质量阈值的明确要求，测试智能化数据质量校验模型的验证效果。该模型通过构建多维度校验规则体系（涵盖数据完整性、一致性、准确性、时效性等质量维度，及数据相关性、稀缺性、可用性等价值维度），实现对离线批量数据与在线实时数据的全量自动化校验与综合评估。通过精准识别数据质量缺陷、量化数据价值等级，为数据清洗优化、高价值数据筛选提供科学依据，确保数据资产符合中海油业务应用与分析决策的高质量要求。3）数据清洗转换处理基于中海油业务场景的精细化定义（涵盖安全风险识别、设备运维、生产运营等核心场景）及多维度数据分类体系（按数据来源、类型、敏感等级、业务属性等维度划分），专项测试并优化智能化数据预处理与标准化模型。该模型应通过集成数据清洗、格式转换、缺失值填充、异常值修正等预处理模块，结合适配中海油数据标准规范的标准化规则引擎，实现对多源异构数据（结构化、半结构化、非结构化）的自动化预处理；同时通过动态适配不同场景的数据需求，建立场景化数据标准化流程，确保数据格式统一、字段含义一致、业务逻辑合规，为后续多模态大模型业务应用提供高质量、标准化的数据输入。4）数据智能自动化标注在充分依托现有多模态大模型技术的基础上，定向测试智能化数据自动标注风险模型对中海油业务场景的适配性。该模型将针对海上平台设备运行状态监测、作业流程合规性管控、海洋环境安全隐患排查、人员操作行为规范等核心业务场景，通过优化Transformer架构下的特征提取模块与半监督学习标注算法框架，强化对设备振动数据、视频监控画面、传感器实时参数、作业记录文本等多源异构数据的跨模态融合分析能力与语义理解精度。同时，引入行业安全风险知识库进行模型微调，构建动态更新的风险标签体系，实现对影响安全生产的人员操作违规、设备故障隐患、环境风险突变、管理体系漏洞等关键风险因素的精准识别、分级标注与关联分析，为中海油海上油气生产安全风险的提前预警、精准管控及决策优化提供高效、可靠的数据支撑与技术保障。模态融合效果适应性测试针对采集数据样本不足问题，投标人需要测试多模态数据样本增强模型对小样本场景下的融合效果适应性能力，以及模型鲁棒性与泛化能力的提升程度。一方面，结合行业安全风险知识库与历史事故案例特征，生成高保真、高适配性的设备故障、作业违规、环境异常等稀缺事故合成样本，定向测试稀缺事故样本生成算法效果，有效补充真实样本缺口；另一方面，通过整合视频监控画面、作业文本记录、图片数据等多源异构数据，测试多模态数据融合预处理框架，利用跨模态特征对齐、噪声抑制、数据标准化等关键技术，实现多维度数据的高效融合与质量提升。通过样本生成与数据预处理的协同优化，显著提升模型在小样本场景下对复杂风险、边缘案例的识别鲁棒性与跨场景泛化能力，为中海油安全风险智能识别系统的稳定运行与精准决策提供坚实的数据支撑。模态动态场景适应性测试目前作业安全风险分析具有传统单一数据源与静态分析范式的局限，投标人需具备多源信息融合、动态演化推演与智能决策支持能力的新型风险治理技术体系，融合前沿深度学习架构与风险治理业务逻辑，打造具备高精度感知、强解释性与实时响应能力的智能风控底座，使之适配于给定的九个风险隐患海油平台作业场景。模型架构设计上，基于Transformer构建联合特征融合网络，通过自注意力机制实现文本、图像等多模态数据的统一表征与深度对齐。引入对比学习策略，构建正负样本对进行特征空间优化，增强大模型对关键风险信号的辨别能力，显著提升特征表达的准确性与抗干扰性，实现高噪声环境下的有效信息筛选与语义保真。在风险传导机制模型优化方面，创新性地融合图神经网络（GNN）技术，将实体建模为图中的顶点，风险传导路径作为边，通过学习边权重动态量化关联强度。结合消息传递机制，挖掘隐藏在复杂网络中的深层风险传播路径，识别关键传导节点与脆弱链路，推动风险分析由传统的“事后追溯”向“秒级预警”实现技术跃迁，提升系统性风险的前瞻预判能力。针对多模态数据异构性强、语义鸿沟显著等挑战，系统开展多模态模型的开发、微调与综合评测。通过跨模态对齐与领域自适应微调，输出高维联合特征向量，实现对风险事件的统一表征；同时，结合生成式能力，输出关键结果信息描述，辅助人工决策。建立涵盖准确性、鲁棒性、时效性与可解释性的多维评测体系，确保模型在真实业务场景中的可靠部署。本模型应深度融合因果推理、风险评分与耦合演化机制，形成从特征提取、关联分析到智能预警的全链条技术闭环，适用于中海油作业平台，为集团QHSE系统的搭建提供核心支撑，助力数字安全体系迈向新高度。当多模态模型具备一定输出能力后，开展专家参与的人工干预强化测试。邀请安全领域专家对模型的输出结果进行评估，深入剖析模型的思考链路和思维模式，针对模型在隐患识别逻辑、条款匹配准确性、整改建议合理性等方面存在的问题进行标注和修正。专家会明确指出模型输出质量的不足，如风险等级判定偏差、条款引用错误等，并提供优化方向和示例。将这些人工干预形成的反馈数据，包括修正后的输出结果、专家对模型思考过程的点评等，作为新的数据输入模型，通过特定的微调机制让模型学习专家的判断逻辑和经验，不断调整自身参数和推理模式，实现对模型的迭代优化，提升其在复杂场景下的隐患识别精度和输出质量。投标人交付的最终模型，应在预设的各项安全风险识别与评估任务中，相比基线模型展现出显著的性能提升，其核心指标（如检测准确率、召回率、F1分数等）需满足或超过招标文件规定的技术阈值，并与中海油作业场景平台与集团QHSE平台具有极高的适配性。推理准确性能力测试为确保多模态大模型不仅能处理静态、孤立的安全事件，更能应对海洋油气生产运营中瞬息万变、错综复杂的真实环境，投标人应设计并执行一套全面的动态与复杂场景适应性测试方案。此项服务的核心是系统性地评测模型在面对动态变化、信息不完备及未知风险情境时的场景泛化能力与推理准确能力，并提交详尽的测试报告和分析结论。具体如下：1）测试应超越标准数据集的局限，通过构建高保真度的仿真测试环境来模拟动态、多变的作业现场。投标人需设计并实现一系列高度复杂的测试场景，这些场景应能体现海洋油气作业的典型特征，如多个高风险作业（例如吊装、动火、高空作业）同时进行、生产工况的突然转变、以及恶劣海况等外部环境因素的突发影响。在这些动态场景中，应评测模型的场景适应性，即当关键情境参数发生变化时，模型能否实时调整其风险评估逻辑与判断依据，并输出与新场景相匹配的、动态更新的风险分析结果。2）测试应对模型的泛化能力进行深度检验，特别是在面对未知安全风险时的表现。投标人需构建专门的“零样本”与“小样本”测试集，其中包含模型在训练阶段未曾见过的新型风险或由已知风险因素组合而成的全新风险模式。例如，测试模型能否在没有专门训练的情况下，仅通过对基础风险知识的理解，识别出由一种新型化学品泄漏与特定设备高温共同引发的潜在爆炸风险。此项测试旨在验证模型是否真正具备了举一反三的智能，而非简单的模式记忆。3）测试应对模型关于动态风险演化过程的推理准确能力进行高阶评估。投标人须设计涉及多步骤逻辑、跨领域知识运用及深度上下文理解的综合性任务。测试场景不应是单一时间点的快照，而应是包含时间序列的、不断演进的事件链。例如，模拟一个“初始状态—中间发展—最终恶化”的完整过程，评测模型能否正确串联这些跨模态、在时间上存在延迟的离散信息，准确推断出风险正在升级并预测其最终可能演变为管线破裂的演化路径。此项测试旨在评估模型是否具备从风险萌芽到事故发生的因果链条重构与前瞻性预测能力，验证其在接近真实世界复杂环境中的高级智能与实际应用价值。所有测试用例的设计、仿真环境的配置、评估方法和结果分析均需文档化，并接受采购方的审核与验证。推理效率与资源消耗能力测试投标人需对模型进行系统化、多维度、深层次的推理效率与资源消耗能力评测，并提交完整的测试方案、评测数据集、测试脚本与量化分析报告。此项测试的核心目标在于验证模型能否准确理解并高效融合来自不同来源、不同结构的信息，为实现精准的风险感知与智能决策提供坚实基础。具体如下：1）投标人应构建一个高质量、高保真且覆盖“人、机、料、法、环”全维度的行业专用跨模态评测数据集。该数据集应深度结合海洋油气作业特性，包含但不限于：从历史事故事件报告、设备维护日志、分析文档中提取的关键文本信息；作业现场实时监控（如高风险作业区、关键设备区）的图像与视频流数据等。数据集的构建不仅要求数据多样性，更需进行精细化的自动化标注，建立起不同模态数据间的强语义关联，例如，将一段视频中“人员未按规定佩戴安全带”的行为，与操作规程文本中的“高处作业安全条款”以及该人员的岗位信息进行实体与事件级别的对齐标注。2）为保障多模态大模型在各类实际业务场景中的高效、稳定与可持续运行，投标人应对所提交模型的资源消耗水平开展全面、系统且严格的测试与评估。在完成模型适配性验证、推理性能基准测试（包括准确率、召回率、推理速度、精度稳定性等核心指标）的基础上，应进一步深入分析其在不同硬件平台及多样化负载条件下的计算资源占用、内存使用、存储带宽以及电力能耗等关键维度的表现。投标人需建立一套科学、规范、可量化、可复现的对照测试流程体系，通过能效比，精准衡量模型的绿色计算能力，并结合模型轻量化（如量化、知识蒸馏）、推理引擎调优及部署策略优化等手段，持续降低资源开销。最终，投标人应将经过充分验证、性能达标、资源利用高效且符合安全合规要求的模型部署至指定平台系统，确保模型在复杂行业场景中实现高性能、高可靠与低碳化的长期运行，切实达成“以最小资源消耗支撑最大业务价值”的目标。3）投标人应对模型的多模态融合有效性进行量化评估与归因分析。投标人需通过严谨的对照实验，系统性对比多模态融合模型与单一模态输入（如纯文本分析或纯图像识别）在典型安全任务（如隐患识别、风险等级判定、事故原因推断）上的性能表现。应以准确率、召回率、F1分数等关键指标，量化证明多模态融合策略相较于单一信息源所带来的性能增益。同时，应采用模型可解释性技术（如注意力机制可视化、SHAP值分析等），深入剖析并明确各模态信息在最终决策过程中的贡献权重与作用机理，以证实融合策略的科学性、必要性及其在复杂决策中的内部逻辑。推理复杂任务处理能力测试为验证安全风险多模态大模型在海上油气作业中的实战效能，投标人的专项测试需要聚焦两大核心：高风险场景端到端验证与JSA自动生成能力。通过系统性测试，确保模型实现精准风险识别与高效安全管控。针对海上作业9类高风险场景（如高空作业、仪器老化等），测试覆盖“多模态输入-模型处理-风险输出-防控措施”全流程。模型需融合图像、视频、文本等数据，在复杂环境下精准识别风险因子，并通过Transformer与GNN技术量化风险传导路径。重点验证输出结果的准确性、上下文理解深度及可操作性，确保预警信息具备业务指导价值，可辅助现场秒级决策，而非简单判断。作业安全分析JSA自动生成测试基于代表性样本集展开，涵盖常规与高风险作业场景。模型需从多源信息中自动识别物理、化学、行为等危害因素，并生成符合API、ISO等标准的JSA文档。评估维度包括：危害识别的全面性（对比专家结果验证漏报率）、控制措施的针对性（是否结合现场条件）、作业步骤的逻辑性（流程拆解与风险绑定）、输出格式的合规性（标准化排版与术语）。通过此测试，模型将“隐形风险”转化为“显性管控方案”，实现安全分析从人工到智能、从单一到融合的跨越。测试通过严苛的指标体系，验证大模型在“感知-分析-决策”链条中的专业能力。其成果将赋能海上油气作业在高风险场景下的安全实施，模型可实时预警并推送处置建议，JSA生成模块则替代传统耗时的手动分析，自动生成逻辑严密、措施精准的作业安全方案，助力企业构建“事前预防-事中控制”的智能化安全体系，为海油行业数字化转型提供坚实技术支撑。所有测试方法、基准数据集、评估指标及结果分析均需文档化并接受我方的独立验证。4、工作界面要求：无。5、保密要求：投标人需签署保密协议，承诺对项目实施过程中接触到的所有数据、文档、技术资料等信息严格保密，未经甲方书面许可不得向第三方披露。供应商需采取必要的技术和管理措施，防止因人为失误或技术漏洞导致的信息泄露。项目结束后，供应商需将所有涉密资料归还甲方或按甲方要求进行销毁，确保不留存任何副本或备份。6、培训要求：投标人需为甲方相关人员提供全面的技术培训，确保其能够熟练使用交付的模型系统及工具。培训内容应涵盖系统操作、数据分析及故障排查等方面，培训形式可包括现场培训、在线培训及实操演练。供应商需提供完整的培训资料，包括培训手册、操作指南及常见问题解答，供甲方后续参考使用。五、配备资源要求1、机具要求①核心计算资源配置要求GPU服务器（训练/微调节点）：型号：至少配备4-8张NVIDIAH100或A100GPU，支持NVLink互联，用于多模态大模型（视觉、文本、时序数据融合模型）的分布式训练与微调。CPU：核心数量≥64核，支持高并发数据预处理与模型并行控制。内存：≥256GBDDR4ECC内存，保障大规模数据集加载与多模态对齐过程中的缓存需求。②深度学习框架及工具要求框架：PyTorch2.0+、TensorFlow2.x，适配多模态融合模型（如CLIP、BLIP、TimeSformer等）的定制开发。大模型工具链：HuggingFaceTransformers、LangChain、LlamaIndex，用于智能采集校验与风险文本生成。并行训练：支持NCCL、DeepSpeed、Horovod等分布式训练框架，提升大规模参数优化效率。2、材料要求乙方应提供集成开发环境、办公软件等工作必须的正版软件环境或运维服务使用的软、硬件工具。3、人员要求投标方需针对本项目成立专项项目组，至少包含项目负责人1人、技术负责人1人，项目组成员应满足如下要求，并提供相应成员的学历证明、职称证书。技术负责人（1）具有博士学历，2年及以上人工智能模型开发或算法设计相关工作经验开发工作经验，熟悉相关工作流程，无需特殊培训具备快速上手能力。（2）掌握数据库设计和管理，熟悉常见的数据库系统，如MySQL、Oracle、SQLServer等，具备数据库优化和性能调优的能力。（3）具备项目开发经验，熟悉项目开发流程和管理方法，能够制定项目计划、进度安排和风险管理策略。拥有良好的团队协作能力，能够有效地领导和管理技术团队，协调各方资源，确保项目顺利进行。（4）具备项目成本控制和质量管理意识，能够在保证项目质量的前提下，控制项目成本和进度。具备较强的问题分析和解决能力，能够快速定位和解决项目中出现的技术问题和风险。（5）熟悉调试工具和技术，能够有效地进行代码调试和性能优化。具备良好的沟通能力和团队合作精神，能够与团队成员和其他部门进行有效的沟通和协作，共同解决问题。项目负责人（1）本科及以上学历，3年及以上信息化系统开发运维行业工作经验，熟悉相关工作流程（须在简历中体现），熟悉信息系统有关法律法规、技术标准与规范；熟悉软件研发流程，能够独立完成软件研发类项目的项目管理工作，具备项目风险的发现及管理能力熟悉质量管理等全部要求。（2）熟悉工业互联网相关的技术和概念，包括大数据分析、云计算、人工智能、边缘计算等。能够指导团队进行业务分析、技术选型和架构设计。（3）熟悉JAVA编程语言以及主流后台框架、主流前端框架、主流app框架。熟悉低代码开发相关业务，能够短时间内组织团队按照招标人要求进行低代码开发工作。（4）具备团队管理经验，掌握敏捷开发方法论且有实践经验。具备分析业务流程中的痛点和问题的经验，擅长组织优化方案，改善业务效率、降低成本，并推动业务流程的数字化转型。（5）熟悉DevOps开发运维一体化管理体系。具备资深项目管理经验和知识体系，持有PMP认证和信息系统项目管理师高级资质。算法模型研发工程师（1）具有本科及以上学历，计算机科学、人工智能、数学、统计学、自动化等相关专业，5年及以上算法模型研发或人工智能项目开发经验，具备完整的模型设计、训练、评估与部署全流程实践经验。（2）精通主流机器学习与深度学习框架，如TensorFlow、PyTorch、Keras等，能够基于业务需求独立完成模型构建与优化。（3）具备扎实的算法基础，熟悉常见机器学习算法（如线性回归、逻辑回归、决策树、随机森林、XGBoost/LightGBM、SVM、聚类算法等）和深度学习模型（如CNN、RNN、Transformer、GAN等），掌握强化学习、迁移学习、多任务学习等高级建模范式。（4）具备优秀的特征工程能力，能够结合业务场景进行数据清洗、特征构造、特征选择与降维处理，提升模型性能。掌握多模态数据处理技术，能够融合图像、文本、音频、时序信号等多种数据类型，开展跨模态建模与分析。（5）熟悉Python编程语言，熟练使用NumPy、Pandas、Scikit-learn、OpenCV、HuggingFace等常用数据科学与AI工具库；具备良好的代码规范意识，能编写可复用、可维护的算法模块。熟悉模型评估指标与调优方法，掌握交叉验证、超参数调优、模型解释性分析（如SHAP、LIME）等技术，具备模型性能持续优化能力。（6）具备模型部署与工程化落地经验者优先，了解ONNX、TensorRT、TorchScript等模型导出与加速技术，熟悉模型服务化框架（如Flask、FastAPI、TritonInferenceServer）者优先。有实际参与并成功落地的风险评估、预测预警、智能决策、智能推荐等相关人工智能项目经验，具备从需求分析到模型上线的端到端项目执行能力。（7）具备良好的沟通能力和团队协作精神，能够与数据工程、产品、业务团队高效协作，推动算法在实际场景中的应用与迭代。项目实施过程中，招标人有权要求投标人提供驻场服务；如果涉及到出海，投标人应负责为工作人员办理相关出海证件，投标人自行承担由此产生的动复员、差旅、食宿、取证等各项费用。4、场地要求不涉及。六、服务进度跟踪1、自合同签订之日起3个月完成第一阶段工作量，自合同签订之日起6个月完成第二阶段工作量。自合同签订之日起6个月完成所有工作内容。七、服务及验收标准1、验收方式：会议验收，以甲方通知为准；本项目采用分阶段验收模式：投标人完成验收标准中第一阶段的所有服务内容后，进行第一阶段验收；投标人完成验收标准中第二阶段的所有服务内容后，进行第二阶段验收；投标人需提交完整的完工资料，涉及算法、模型的，提供封装好的模型文件、适配华为硬件平台的vllm容器镜像、接口服务镜像及相关配置文件、适配接口的python包（whl文件）。2、验收标准：序号服务内容成果及指标备注1模型跨模态性能及推理性能测试服务模态对齐能力测试《数据采集标注规范》1份，覆盖9个场景，规定人员动态及场景物理状态；《多模态模型技术研究报告》1份，平均风险预警提前时间≥4小时，风险处置方案生成时间≤3分钟；输出多维联合特征向量和关键结果信息描述的多模态融合算法模型1套，多模态针对的9个场景测试集平均准确率>85%；输出多维联合特征向量和关键结果信息描述的多模态融合算法模型1套，模型平均召回率>60%，平均f1指标率>60%。第一阶段2模态融合效果适应性测试3模态动态场景适配性测试4模型准确性能力测试《多模态融合算法模型测试报告》1份，针对招标方提供的场景风险识别覆盖率>85%；《多模态融合算法模型测试报告》1份，模型图片数据推理速度平均控制在60s内；《多模态融合算法模型测试报告》1份，多模态模型稳定部署后算法模型故障率全年不超9次，模型获得安全专家认同的评估结果≥80%。第二阶段5推理效率与资源消耗能力测试6推理复杂任务处理能力测试八、质量保证不涉及。九、其他要求1、技术联系人：毛邓添，189202201812、付款方式：银行电汇；3、付款周期要求：本项目为分阶段验收。乙方完成验收标准中第一阶段的所有服务内容后，提交验收资料，甲方验收合格后，乙方向甲方提交第一阶段工作量合同额的有效增值税专用发票，甲方于45日内向乙方支付合同款；乙方完成验收标准中第二阶段的所有服务内容后，乙方完成项目、提交验收资料，甲方验收合格后，乙方向甲方提交第二阶段工作量合同额的有效增值税专用发票，甲方于45日内向乙方支付剩余合同款。如付款到期日非为银行工作日，则付款到期日顺延至下一个银行工作日。4、结算方式：根据验收结果分阶段结算；5、其他特殊要求：无。
投标 / 标书制作要点（原创）
本模型跨模态性能及推理性能测试服务 模型跨模 模态动涉及「招标预告」，投标方需重点关注：① 营业执照经营范围须含招标预告或对应服务类目；② 提供同类项目业绩证明；③ 报价方案与售后响应须明确；④ 紧盯投标截止与开标节点，建议提前完成标书制作与盖章。当地项目常要求本地化服务能力与快速响应，务必在投标文件中凸显。
标书制作联系冯经理：17551026086
