憑借在物理AI與開放環境圖文識別領域的重大技術突破與規模化落地應用，智慧互通(AICT)與北京科技大學、中國科學院自動化研究所等單位聯合申報的“面向開放環境的低質圖像表征與復雜圖文識別技術及應用”項目榮獲“2025中國電子學會科學技術獎”科技進步獎一等獎。

該項目深度融合物理 AI領域技術創新，成功攻克了人工智能感知領域多項世界級難題，深度服務國家網絡信息安全、智能交通、智慧教育等重大戰略，產生了顯著社會與經濟效益。

該項研究聚焦物理世界真實場景，以物理 AI 為核心底座，旨在解決開放環境自適應感知與圖文識別中存在的低質圖像表征難、開放模式分類差、神經網絡計算慢”是其中公認的技術難題。

由于噪聲復雜、類別開放、資源受限的特點，基于物理 AI的開放環境自適應感知與圖文識別成為人工智能領域迫切需要解決的核心問題，是國際人工智能感認知技術發展新的制高點，也是互聯網信息安全國家戰略需求和智慧教育、智能交通等國家重要行業智能化發展的共性關鍵技術。

針對這些難點，智慧互通(AICT)研發團隊與其他項目組成員一起，基于物理 AI技術體系，共同提出了低質圖像判別表征、開放模式語義建模、網絡模型高效計算等自適應圖文識別關鍵技術。

關鍵創新：實現圖文識別領域三大技術突破

在各方團隊共同努力下，項目物理 AI前沿技術實現了一系列技術創新：

在開放低質數據自適應的圖像特征判別表征方面，基于物理 AI感知機理，實現了開辟了噪聲圖文關系表征與提取的新技術路徑，實現了從“已知結構提取”到“未知結構表征”的范式變革，開放環境下無約束大規模車輛檢測精度達 96.85%，比國際最新技術(Meta)高15.85%。

在開放復雜模式自適應的圖文類別語義建模方面，融合物理 AI開放場景理解能力，開創了開放集圖文識別技術，實現了從“閉集模式分類”到“開放模式識別”的范式變革，開放集文字識別精度從原代表性方法(百度)35.40%躍升到89.52%。

在受限計算資源自適應的圖文模型高效計算方面，結合物理 AI邊緣部署需求，開辟了深度神經網絡聯合優化壓縮的新技術路徑，在業內率先設計了軟硬協同的高效圖文識別SoC芯片，獲2019年國際深度神經網絡壓縮與加速競賽冠軍，綜合得分比美國高通公司技術高129.19%。

成果落地：賦能國家戰略與多行業規模化應用

項目開創了物理 AI驅動的開放集圖文識別領域，構建國家級重大應用系統，實現規模化落地，深度服務國家戰略與行業智能化升級：

支撐網絡信息內容安全，建成國家級互聯網圖文識別與信息實時分析系統、國家廣電媒體圖文識別與內容監測系統，開創了文字識別及智能識別技術國家級互聯網超大規模實際應用的國內先河。

助力重點場景與行業智能化，應用于2022北京冬奧會張家口賽區車路感知與智慧交通、邊遠少數民族地區中小學智慧教育等物理 AI典型落地場景。

產生顯著經濟社會效益，近三年直接經濟效益45.68億元、利潤18.32億元，在國家相關管理中心、北京冬奧會、騰訊等單位/場景廣泛應用物理 AI圖文識別技術，產生了重大的社會和經濟效益。