Page 11 - 2025年第56卷第1期

体自我挖掘探寻数据的潜在价值，对数据质量进行自主评估，提升数据质量，并进一步实现多模态数
据的融合。此外，AI 赋能数据的变化还体现于数据服务对象的变迁，即从服务人类用户扩展到具身智
能、模型算法乃至智能体，形成数据与 AI 双向赋能的闭环体系，数据体系演进如图 6 所示。

图 6 数据体系演进

3.2.2 智能装备与 AI 互促共生 智能装备可通过对大坝建设环境的全面感知与交互，自主智能开展大
坝建设任务，提升大坝建设质量与效率。在大坝智能建设 1.0 阶段，基于实时感知数据与人工智能算
法构建的智能装备已经成功应用于路径规划、质量监控和反馈控制。这些基于数据驱动的单机智能装
备能够满足特定任务的无人化施工，具备高度专业化和模块化的特点。
随着大坝智能建设从 1.0 向 2.0 发展，智能装备从静态、封闭环境和固定任务，逐步向开放、复杂
环境中的多任务协同处理拓展。因此，智能装备不仅需要建立具备优异泛化性能的多模态感知、决策
与控制模型，还需要进一步探索同质装备集群协同、异构装备集群协同和集群智能反馈控制机制，以
应对动态不确定、非结构化和算力资源受限的施工环境。同质或异构智能装备集群态势信息协同共享
将有效弥合单个智能装备在实际建设中感受野有限、作业能力单一等性能缺陷，提升其通用性、协同
能力和稳定性。在这种共生关系中，AI 推动了智能装备的发展，而智能装备性能提升又促进了 AI 的
发展，二者互促共生的关系带来了更高效、更有效的智能建设技术。智能装备发展趋势如图 7 所示。
3.2.3 数智融合相互驱动 数智融合相互驱动是指数字模型与人工智能相互融合、相互驱动。其中，
数字模型代表参与大坝建设计算、分析和控制的模型，包括基于机理的理论模型、基于工程系统的仿
真模型、计算机模拟的数值模型、规则和知识驱动的知识模型，以及数据驱动的智能模型等。这些模
型在过去 20 年间取得了显著进展，有效解决了大坝建设中的各类问题，特别是基于数据驱动方法的智
能模型在大坝建设过程中的应用直接推动了大坝智能建设 1.0 的建成。
在大坝智能建设 2.0 阶段，融合数字模型与人工智能是关键。在数据建设层面，一方面需要建立

— 6 —