沈阳理工大学工业互联网及安全重点产业学院实践平台项目竞争性谈判公告-立方招采通

沈阳理工大学工业互联网及安全重点产业学院实践平台项目竞争性谈判公告

撰写单位:

辽宁浩亿招投标有限公司

发布时间:

2026-11-05

项目概况

沈阳理工大学工业互联网及安全重点产业学院实践平台项目采购项目的潜在供应商应在辽宁政府采购网获取采购文件，并于2026年11月12日 09时00分（北京时间）前提交响应文件。

一、项目基本情况

项目编号：JH26-210000-47670

项目名称：沈阳理工大学工业互联网及安全重点产业学院实践平台项目

采购方式：竞争性谈判

包组编号：001

预算金额（元）：490000

最高限价（元）：490000

采购需求：查看

技术规格偏离表

包组编号/品目号：001/01品目名称：人工智能教学实验平台数量：12台是否经过审批允许采购进口产品：否是否为核心产品（非单一产品采购项目时适用）：是
采购文件要求重要提示：实质性要求及重要指标用★标注（“★”必须标注在序号前），★标注项不得负偏离，如果负偏离，则响应文件无效。	响应文件响应内容	偏离程度	偏离说明	证明资料
平台整体要求：融合人工智能技术+具身智能技术+大模型技术+强化学习+嵌入式系统技术+物联网技术；通过丰富的基础实验和项目案例，实现从人工智能全栈基础学习到应用实践的完整过程，支持开展创新性实践教学。一、硬件要求1、实验箱结构：实验箱分为两层结构，上层实验层，下层储物层，机械臂可存放在储物层的专用存放区，实验时可放到实验层的专用放置区进行实验（包括机械臂底座放置区、≥6个货物仓位）。★2、嵌入式AI运算单元：要求采用多核心处理器：包含≥六核，显存≥8GB；≥128GB SSD；AI 性能≥67 TOPS；配备≥18.5英寸、分辨率≥1920*1080的显示终端。★3、嵌入式AI控制单元：主频≥168MHz；独立复位按键；需提供一键启动复位按钮，控制传感器、机械臂等进行启动和复位。★4、六关节机械臂：机械臂为全自主开发架构，源代码完全开放，可在机械臂的主控M4上直接进行开发；最大有效抓取范围不小于40cm；≥6个串行总线舵机；每个舵机可以反馈位置等数据。★5、AIoT无线传感单元（鸿蒙通信与ZigBee通信）：需配备≥3个无线通信核心板，要求任何一个通信核心板可以插接到任何一个无线传感网节点底板上；配备一键还原卡，可以自动识别传感器和通信模块（NB-IOT、LoRa、ZigBee、蓝牙、IPv6、Wi-Fi），自动识别并还原出厂设置。★6、激光雷达：三角测距原理，360度扫描，分辨率≤0.92度，每秒≥2300次测量，扫描频率≥6Hz，测量半径≥25米。响应文件中提供满足以上功能要求的截图证明。★7、双目摄像头：≥105度高清无畸变，USB免驱，支持手动调物距，可实现双目同步/识别/标定测距/深度检测，移动式摄像头，方便实现标定、跟踪等学习，需要提供双目摄像头测距算法，与机械臂手眼标定后的基坐标系的空间位置坐标算法。★8、其他模块：离/在线语音识别单元、RFID模块、传感器单元、≥两套六关节机械臂夹爪、六关节机械臂主控制器。二、操作系统及框架：搭载64位Ubuntu20.04，Python，TensorFlow、PyTorch、ROS；三、实验资源等要求：1、提供Python实验。实验数量≥28个；2、基于PyTorch人工智能开发，实验数量≥20个；3、基于PyTorch的机器学习算法原理与实践部分实验，机器学习算法原理实验，实验数量≥18；机器学习算法案例，实验数量≥6；4、基于PyTorch的深度学习原理与实践部分实验，深度学习算法原理，实验数量≥11；经典神经网络，实验数量≥8；5、图像处理与计算机视觉实验，实验数量≥22个；6、STM32开发与实践部分实验，实验数量≥11个；7、自然语言处理部分实验，实验数量≥19个；8、深度相机开发与实践部分实验，实验数量≥13个；★9、机械臂与大模型深度开发部分实验：至少包括视觉多模态大模型使用、机械臂视觉场景分析、语音识别大模型、语音合成大模型、ASR + LLM + TTS 实现对话，实验数量≥18个，响应文件中提供实验清单；10、NPU算法开发部分实验，实验数量≥9个；11、ROS机械臂开发部分实验：至少包括创建机械臂模型、随机目标检测、碰撞检测、关节空间规划、工作空间规划，实验数量≥15个；★12、机械臂强化学习实践部分实验：至少包括Mujoco 仿真环境部署、Mujoco 仿真基础、PPO 强化学习算法基础、机械臂 PPO 算法训练与推理、基于 PPO 算法的机械臂抓取等实验，实验数量≥8个，响应文件中提供实验清单；13、无线传感网ZigBee部分实验，实验数量≥9个；14、无线传感网鸿蒙HarmonyOS部分实验，实验数量≥10个；15、RFID模块部分，实验数量≥5个；★16、教学实训资源要求提供在线实训资源账号不少于2个，资源视频权益：至少包括线性代数与数据挖掘、Python数据结构、视觉项目实践、概率论与统计、机器学习算法原理与实践、深度学习基础与实践、卷积神经网络、循环神经网络原理与应用、Transformer基础与网络搭建、语音了解与基础、工业流水线产品分拣与目标检测精讲、基于人脸识别的身份验证系统、大模型的部署与应用基础、分布式与混合精度训练-训练GPT、大模型的微调与量化等，视频≥1200节，总时长≥300小时。响应文件中提供满足以上功能要求的截图证明。四、综合项目（至少需包含如下项目内容）1、多网络识别货物分拣、整理项目：基于AI计算机视觉+机械臂控制为一体的仓库货物分拣、整理项目，基于TensorFlow、PyTorch、PaddlePaddle多种框架；bayes、SVM、逻辑回归、lenet-5、mobilenet、YOLO等网络通过深度学习神经网络算法识别仓库货物，在终端进行显示及控制，可以通过机械臂将货物进行仓库间的搬运，也可以将仓库内的货物进行整理归位，并且可以直接自己编写识别算法，无需修改界面与项目源码即可直接接入项目中，部署与验证自己算法准确性；2、 AI语音机械臂控制、货物分拣：可以使用AI离线、AI在线两种方式语音识别+机械臂控制为一体的机械臂控制、货物分拣，用户可以通过语音发布指令控制机械臂执行动作，显示语音信号的处理过程与实时处理图； 3、AR仓库货物分拣通过AR增强现实技术实现图像识别，创建与现实中物体相关联的虚拟模型，结合鼠标或者手指的动作来操控虚拟物体，进而机械臂也跟随虚拟物体的移动进行相应的动作，也可以通过UI的操作来直接控制机械臂的运动；4、人脸识别一体机：结合机械臂运动与移动式侦测摄像头实现人脸检测与识别，并与人脸库的人脸进行对比识别，实现不同人的识别，可查看、录入和删除人脸库人脸，并结合AIoT无线传感单元进行识别到正确的人开门操作； 5、目标检测项目：基于可移动的摄像头和机械臂算法实现仓库的目标检测，包括：动物识别、水果识别、蔬菜识别、车标识别、汉字识别、英文识别； ★6、智能传感器与RFID传感项目：基于物联网模块的拓扑图，可以显示物联网模块的传感器数据以及控制传感器状态，并且可视化历史数据，基于RFID模块的拓扑图，可以显示RFID卡中的数据；响应文件中提供满足以上功能要求的截图证明。7、手势机械臂跟踪基于双目摄像头拍摄的画面实现算法手势的检测，并结合PID算法实现6关节度机械臂对手部的三维跟踪，使得手部一直在摄像头的中心； ★8、机械臂轨迹可视化具身智能应用：支持3D轨迹展示、DH/MDH参数配置、关节限位设置、轨迹曲线分析及多模式控制（包括关节控制、动作组执行、逆解轨迹规划等）。界面直观，提供正视图、侧视图、俯视图及坐标信息显示，并支持一键应用、保存配置、恢复默认等功能，适用于教学、科研、工业自动化等多种场景，帮助用户高效完成机械臂运动控制与路径优化。响应文件中提供满足以上功能要求的截图证明。9、DeepSeek大模型应用：将大语言模型部署到高性能边缘计算芯片上，实现本地化推理与应用。通过结合硬件加速和软件优化，该项目为开发者提供了一套完整的解决方案，可实现Flask、gradio等方式的部署。10、多模态大模型应用将大语言模型部署到高性能边缘计算芯片上，可实现纯文本对话，多模态对话等。11、多模态大模型智能助手应用：基于大模型的离线语音唤醒、语音识别、语音合成实现大模型的连续对话，并结合摄像头和视觉多模态大模型将摄像头看见的进行描述，并结合Agent实现设备传感器状态获取与控制。
其他	采购单位未提供需求而供应商认为需说明及补充的内容在此填列

包组编号/品目号：001/02品目名称：嵌入式基础实验箱数量：40台是否经过审批允许采购进口产品：否是否为核心产品（非单一产品采购项目时适用）：否
采购文件要求重要提示：实质性要求及重要指标用★标注（“★”必须标注在序号前），★标注项不得负偏离，如果负偏离，则响应文件无效。	响应文件响应内容	偏离程度	偏离说明	证明资料
要求产品全面支撑当前主流的嵌入式系统开发、32位单片机应用开发等课程实验，设备提供传感器、无线网络、RFID、指纹模块扩展接口，支持开发物联网应用等创新性实验。★一、核心系统要求系统核心板可更换，主板上留有≥2个2.54MM间距，双排插孔，≥50PIN标准插座，可以更换核心板运行不同的操作程序，支持满足以下要求的核心系统。 1、 Cortex-M4核心板：（1）处理器:基于ARM Cortex-M4内核的STM32F407，主频≥168MHz；（2）片内≥1MB的 Flash，≥196KB的SRAM，片外≥2MB NOR Flash，≥512KB SRAM；（3）≥1路LCD ≥4.3寸液晶触摸屏接口；SWD下载接口；（4）≥1路 TTL UART接口；双排≥50pin 插针；（5）独立复位按键；（6）≥10M/100M以太网DP83848。二、主板部分1、具有≥3路统一标准的扩展模块接口（遵守Arduino标准接口），每一路扩展模块接口均含有 GPIO ,AD，DA，CAN , UART接口，每路均具有独立的模块安装位置；2、提供≥1路LED1616点阵模块，点阵自带Cortex-M0 STM32F051控制芯片，SWD下载口，对外可实现串口和IIC模式通信；3、≥1个移动通信模块接口：预留有独立的模块安装位置；4、≥1路无线传感网络接口，支持ZigBee、蓝牙、WiFi等无线传感网络且含对应下载口，可扩展相关通信模块及传感节点；5、配备≥4.3寸TFT真彩屏，带触摸屏，分辨率≥800480；6、板载标准 ≥20pin 2.54mm 双排座JTAG仿真座，RS232串口(线序与PC机相同），≥1路RS485，≥1路CAN2.0总线接口（3.3v与5v可选），≥1路USB_HOST 2.0输出，≥1路USB-Device接口，≥1路10M/100M以太网接口，SD卡接口及存储卡（支持SD卡存储支持SD/SDIO/SDHC，配置4GB存储容量SD 卡）；7、板载SPI_FLASH ，IIC器件存储器；具有启动模式配置拨键开关，复位按键，RTC实时时钟后备电池座（配带电池），电路板带锁扣，可以方便管理实验的配套模块；8、板载麦克风及音频输入输出≥3.5mm音频插座，音频接口支持多格式音频文件的播放与录制。三、配套模块1、显示控制模块： Arduino标准接口，包含≥8位共阴数码管、I2C接口ZLG72128数码管显示驱动及键盘扫描管理芯片、薄膜44矩阵按键、≥4个LED指示灯。2、电机驱动模块： Arduino标准接口，包含直流电机及驱动电路、步进电机及驱动电路、模拟舵机及驱动电路。3、传感器模块： Arduino标准接口，包含酒精传感器、光强传感器、温度传感器、气体传感器、光电门、火焰传感器、继电器、蜂鸣器。4、移动通信模组，采用工业模块，板载USB转串口，5V Mini-USB供电；板上具有 SIM 卡座，电源芯片，配备天线及天线接口，电源指示灯、状态指示灯等电路。支持 PC 或单片机等上位机通过 UART 发指令控制该模块，实现短信、网络数据传输、GPS定位等各项功能。四、配套软件实验：1、Cortex-M4部分：开发环境搭建、跑马灯实验、蜂鸣器实验、舵机实验、步进电机实验、UART 串口数据收发实验（中断模式）、继电器实验、光电开关实验（外部中断）、SysTick 定时器实验、SPI FLASH WQ实验、IC按键扫描数码管实验、直流电机驱动实验、ADC 模数转换实验(轮询、ADC 模数转换实验（DMA）、IR 红外线接收实验、温度采集实验、CAN 环回模式实验、SD 卡FATFS 文件系统访问实验、TCP/IP 网络组件LwIP实验、TFT液晶屏实验、触摸屏实验、点阵屏驱动实验、USB虚拟串口实验、U盘写入实验、音乐播放器实验、GPS实验。2、操作系统实验：RT-Thread操作系统移植实验、静态线程的创建和脱离实验、动态线程的创建和删除实验、重映射串口到rt_kprintf函数实验、线程的挂起和恢复实验、线程切换实验、空闲任务钩实验、软件定时器实验、消息队列实验、邮箱实验、信号量（二值信号量）实验、信号量（计数信号量）实验、互斥量实验、事件实验、内存管理（静态）实验、内存管理（动态）实验、中断屏蔽保护实验、shell组件移植实验。FreeRTOS创建任务、FreeRTOS任务调试、FreeRTOS调度器及任务切换、FreeRTOS系统内核控制函数、FreeRTOS任务优先级及管理、FreeRTOS内存管理、FreeRTOS消息队列、FreeRTOS信号量、FreeRTOS的任务通知。UCOSIII 操作系统创建任务实验、UCOS-III 操作系统创建多任务实验、UCOS-III 操作系统-信号量。★五、要求整个项目配备一套教师端嵌入式虚拟仿真教学平台：1、适配嵌入式STM32、嵌入式Linux教学，搭载仿真功能，无需硬件即可完成教学实训，覆盖内核、外设、应用、项目全层级仿真。响应文件中提供满足以上功能要求的截图证明。2、处理器原理仿真，仿真内核寄存器、工作模式与各类汇编指令，配套全套内核相关实验。3、控制器原理仿真，内置常用控制器，寄存器配置可视化，支持位域独立调控，搭配示波器等工具，含基础及组合控制器实验。4、基础应用仿真，支持原理图、PCB、3D电路板仿真，可流程图编程并自动生成HAL库源码，涵盖串口、传感器、定时器等常用实训实验。5、综合项目仿真，搭载智能灯光、大棚温控等案例，支持LVGL界面开发，模块磁吸堆叠拓展。6、内置智能巡线小车、六舵机机械臂，支持裸机与FreeRTOS系统仿真，兼顾2D、3D实训实验。7、配套丰富实验资源，涵盖内核汇编、系统构建、驱动开发、系统移植、应用编程及QT开发实验。六、整个项目配备五套比赛辅助套件：★1、核心板：性能不低于ARM Cortex-M33 STM32U575处理器，主频≥160MHz，≥2MB Flash、≥786KB RAM、≥16MB NOR FLASH、USB转串口&电源接口、≥2.8电容触摸显示屏接口，响应文件中提供满足以上功能要求的截图证明。2、底板板载资源：阻焊黑色,沉金工艺，板厚≥1.6mm，WiFi模组(ESP8266)，电源与状态指示灯、独立按键、五向按键、蜂鸣器、≥6轴运动传感器、RTC纽扣电池、RTC/备份域测试、核心板接口≥2.54mm间距排针引出核心板端口、≥5V电源适配器接口。3、扩展板资源板载：≥3个用户自定义按键；≥4个LED灯；≥1个蜂鸣器；≥1个空气温湿度感器；≥1个光电开关；≥1个火焰感应；≥1个震动马达；≥1个人体红外传感器；≥1个ALS+PS传感器；≥1个心率/血氧传感器；≥3个电位器；≥4个7段数码管；≥1路RS485接口；≥1路CAN接口；≥1个风扇。4、具有仿真器接口，配套STLINK-V3仿真器，配套处理器仿真实验。5、配置≥2.8寸屏，≥240320电容触摸PWM背光。
其他	采购单位未提供需求而供应商认为需说明及补充的内容在此填列

合同履行期限：合同生效后30天内货到安装调试完毕并验收合格

需落实的政府采购政策内容：落实中小微企业（含监狱企业）、残疾人就业、节能产品、环境标志产品、创新产品和服务、对本国产品的支持等政府采购政策

本项目（是/否）接受联合体投标：否

包组编号：002

预算金额（元）：250000

最高限价（元）：250000

采购需求：查看

包组编号/品目号：002/01包组名称：沈阳理工大学工业互联网及安全重点产业学院实践平台项目002
采购文件要求重要提示：实质性要求及重要指标用★标注（“★”必须标注在序号前），★标注项不得负偏离，如果负偏离，则响应文件无效。	响应文件响应内容	偏离程度	偏离说明	证明资料
一、智慧实践教学平台支撑服务（一）课堂教学服务1、支持管理员和教师用户在线创建教学课堂，支持设置课堂的名称总学时、总学分和结束时间。2、支持课堂角色管理，至少包括管理员、教师、助教、学生等角色，支持修改课程成员的角色。3、支持批量导出学生信息到本地，学生信息至少包含学生的真实姓名、学号、邮箱、手机号、分班等信息。4、支持分享课堂，提供邀请码和课堂链接两种分享方式，邀请用户加入，支持对通过邀请码或链接加入课堂的用户进行审批。5、支持主动添加教师、助教和学生，支持通过姓名、手机号或邮箱地址搜索用户，添加到课堂中，支持批量导入学生，主动添加用户无需审核。6、支持自主设置助教权限，可通过勾选方式设置助教能够管理的课堂功能模块。7、支持课堂的公开范围设置，可设置仅课堂成员访问学习或允许所有用户访问学习。8、支持设置禁止或允许学员查看课堂成员联系方式，包括手机号码和邮箱等信息。9、支持对现有教学课堂进行复用，保留课堂内的作业、教学资料以及试卷等数据，便于重复开课。10、支持在课堂内设置作业，支持自主创建作业目录、调整作业排序。11、支持课堂实验作业模式，支持从平台内选择实践项目或者课程中的实践关卡作为实验作业，支持实验作业的在线运行与自动评测。12、支持课堂实验作业的评分策略设置，包括效率分、每个关卡得分的设置，支持对查看答案解析的通关行为进行默认扣分。★13、支持课堂实验作业自动生成实训报告，记录学员学习全过程，包括提交次数、提交时间、资源消耗情况、代码变更过程等，支持自动计算学生的学习效率和能力值，并以图表展示。响应文件中提供满足以上功能要求的截图证明。14、支持图文作业模式，提供富文本编辑工具环境，支持用户自主设计图文作业，也支持用户从平台图文作业资源中选用作业。15、支持图文作业的多轮评分设置，支持教师评分、助教评分以及学生匿评，支持设置不同评分的权重占比，自动计算最终得分。16、支持编程作业模式，支持自主设定题目名称、作业说明和编程语言，也支持从平台编程题库中选用编程作业。★17.需实现编程作业代码查重功能，可自动计算代码作业重复率；支持对两份比对代码进行差异高亮展示；查重算法具备容错能力，可自动忽略空行、变量命名差异等无关内容，聚焦代码逻辑结构判定相似度。响应文件中提供满足以上功能要求的截图证明。18、支持作业的发布管理，支持立即发布、定时发布、对指定班级发布以及作业截止时间等规则的设定。19、支持作业进度的记录与查看，包括学生作业提交状态、已提交人数、未提交人数、作业剩余提交时间、有无补交等信息。20、支持作业评阅管理，提供多种规则算分模式，如补交扣分、作业计分规则自定义、手动调分等，支持作业打回重做及重新判分。21、支持作业批量操作，包括批量发布、批量截止以及批量删除等。★22.提供实践型作业全生命周期管理能力；支持教师将包含多文件代码库、测试集等资源的实践项目发布为课堂作业。学生提交作业后，系统依据预设评测规则自动评分，并生成学习过程报告，报告涵盖学习时长、评测次数、代码变更记录等信息。内置实践作业代码查重与代码质量分析模块：查重功能支持使用差异化颜色标记相似代码片段，支持依据查重相似度结果联动自动判分；代码质量分析需覆盖代码缺陷、安全漏洞、编码规范、代码复杂度维度，输出综合质量评分。响应文件中提供满足以上功能要求的截图证明。23、支持新增教学资源，至少支持直接上传、链接跳转以及在系统内选用等3种方式。24、支持资源发布管理，提供立即发布、定时发布两种策略，支持课堂统一发布或选择班级进行发布，支持资源发布时编辑资源描述。25、支持视频文件的在线播放并自动记录学习数据，包括是否看完、观看次数、观看时长等信息。26、支持课堂用户发布话题帖子，支持设定发帖标题、内容、附件以及发布时间。27、支持创建分班，可按照院系、专业、方向建立不同班级，支持批量导入每班学生信息。28、支持创建签到，可指定签到班级、自定义签到日期、开始时间、结束时间、迟到时间。29、支持创建问卷，支持自主创建、引用资源库模板等创建方式，可自定义问卷主题，在线预览问卷内容。30、支持创建、预览、编辑公告信息，公告信息包括公告标题、公告详情等内容。公告内容支持插入列表、图片、表格、文件、Latex公式等信息。（二）实验教学服务1、提供云算力和存储资源纳管服务，支持多服务器资源统一连接、纳管。2、具备实验资源智能调度能力，支持根据实验需求动态从实验资源池中分配和调配所需计算及存储资源，确保每个实验都能在最适宜的资源配置下运行。3、支持自定义资源调度的触发机制，当服务器的性能指标超过系统预设阈值时，能自动触发告警通知。4、支持容器和容器集群的全周期自动化运行管理，包括容器启动、加载、运行、部署、销毁等。5、支持将开发语言、框架、工具和数据等统一打包，封装成镜像模式统一管理。6、提供实验镜像管理功能，支持环境检索功能，检索结果应包含实验的基础语言环境及预装库包的详细信息。7、提供实践项目创建功能，支持配置项目元数据与展示信息，包括项目名称、关联知识点、技能标签、难易度、所属学科方向、背景图、封面图以及项目描述等。8、支持基于预设模板生成实训项目副本，并允许在该副本基础上进行任务修改、环境重配置等二次开发操作，完成后可独立发布为新项目。9、支持在单个实践项目中创建多个任务关卡，关卡可设置为线性解锁的闯关模式，并支持在关卡间混合编排理论题（如选择题、问答题）与实操题。10、支持使用富文本编辑器编写任务关卡内容，编辑器需具备代码高亮、嵌入式媒体（图片、视频）、数学公式渲染及HTML样式支持功能，并可设置关卡默认展示宽度、难度系数、技能标签、虚拟奖励积分等属性。11、提供数据集全生命周期管理功能，支持通过拖拽或点击方式上传数据集（单文件最大支持100GB），并可在统一管理界面对数据集执行重命名、分享、下载、同步及删除等操作。12、提供参考答案配置与管理功能，支持为实践项目配置多层级的参考答案（如解题思路、完整答案等），可为每个层级设定独立的扣分规则。同时支持项目管理员控制参考答案对学生端的显示或隐藏状态，并可设置是否允许复制操作。13、提供实践项目完整性自动检测功能，支持对实验内容、代码仓库、实验环境、评测规则等关键维度进行完成检测分析，分析结果能直观反馈。14、具备开发与模拟环境切换能力，支持在项目开发状态与模拟运行状态之间进行一键切换，为开发者提供连贯的编辑、调试与预览体验。15、支持理实一体交互模式，可实现知识教学区与实践操作区的浏览器分屏同步展示。知识教学区支持图文、视频等内容形式；实操区支持用户交互操作。16、具备分屏布局配置功能，允许用户自定义或通过拖拽调整知识区与实操区的显示比例，各区均支持一键全屏与自适应缩放。★17、至少支持五种实验运行环境，涵盖在线编程、图形化桌面、命令行、虚拟仿真及交互式笔记环境。所有环境需实现原生集成，确保与平台界面风格及业务流程深度整合，禁止外跳至第三方系统或独立客户端。响应文件中提供满足以上功能要求的截图证明。★18、在线编程实验环境：提供代码调试功能，支持在网页界面上（非客户端软件）进行断点调试，可设置断点、添加变量与表达式监听，并提供继续执行、单步跳过、步入/步出及停止调试等执行流控制。响应文件中提供满足以上功能要求的截图证明。★19、图形化桌面实验环境：支持对单个实验环境的资源应用情况进行监控，支持按时间序列对资源消耗数据（如CPU和内存使用数据）进行可视化展示。响应文件中提供满足以上功能要求的截图证明。20、命令行实验环境：提供基于命令行的交互式终端环境，支持在一个训练会话内同时启动并运行至少三个独立IP的实验环境，各环境之间应实现网络互通与数据共享。21、虚拟仿真实验环境：用户可通过键盘与鼠标对模型及场景进行拖拽、旋转、缩放等交互操作，实现全方位视角控制与细节查看。★22、虚拟仿真实验环境：支持仿真与实战联动的实验模式。建立开发环境与仿真环境间的数据通信链路，使开发环境中程序的运行输出能实时驱动三维仿真模型中对应的动作与行为。23、虚拟仿真实验环境：支持从仿真系统界面一键切换或跳转至真实的实战训练环境，实现虚拟演练到真实操作的平滑过渡。24、虚拟仿真实验环境：提供红蓝对抗仿真训练功能。支持设计对抗案例，允许学员在训练中动态切换不同角色（红方/蓝方）及视角，以对比分析不同角色视角下的执行逻辑与模拟结果差异。25、交互式笔记实验环境：平台须原生集成Jupyter Notebook作为标准交互式实验环境，支持以容器化方式一键启动，并在平台界面内无缝渲染与交互，无需跳转至外部地址。26、交互式笔记实验环境：支持代码执行、Markdown文档编写、内联可视化输出、系统命令等功能。27、交互式笔记实验环境：该环境须与平台数据集管理功能深度打通。启动后，系统应自动挂载或映射平台指定的数据集路径，用户可在实验环境中通过预设接口或绝对路径直接读取、调用平台提供的标准化实验数据。28、具备全流程自动化评测能力，支持从代码编译、程序运行到结果输出的全自动化评测闭环，评测过程无需人工干预，支持设置单次评测超时时间，超时后自动终止。★29、提供统一的评测规则配置面板，支持包括输出比对（含多种空格处理规则）、自定义逻辑判定及特定规则扩展（如对输出结果的末行进行字符串匹配）在内的多种通关策略配置。响应文件中提供满足以上功能要求的截图证明。★30、评测结果支持实时异步获取与页面自动更新，无需手动刷新。生成的评测结果需包含程序运行效率数据，如内存消耗与总运行时长。响应文件中提供满足以上功能要求的截图证明。31、具备高级评测与拓展能力，支持为不同实验环境预置标准评测脚本，并允许教师根据考核目标编程修改评测逻辑。32、具备对在线编程、图形化桌面、命令行、虚拟仿真及交互式笔记等全部实验环境的统一评测能力，并为每类环境提供可独立配置的评测规则、评测脚本、测试集及输入输出预期。33、提供程序运行时监控，支持自动检测并中断陷入死循环的执行程序。34、提供自然语言评测规则配置能力，支持教师采用自然语言描述评分维度、评价标准及计分方式，无需编写评测脚本即可完成实验成果评价规则配置，基于大语言模型自动解析评价要求并转换为智能评测逻辑。35、支持交互式笔记实验的自动化评测能力，系统能捕获并关联 Notebook 中所有代码单元的执行状态及输出结果，并基于预设的考核规则对会话整体达成度进行自动化判定与评分。36、平台须提供混合式仿真评测能力，实现开发环境与三维仿真环境在统一Web界面内的深度集成。该环境支持程序的在线编写、调试及运行，同时允许通过键盘与鼠标在三维场景中交互式配置与操作仿真模型；并通过双向数据通信机制，使开发环境的程序输出能够实时驱动仿真模型的对应动作与行为，最终基于预设规则对动作执行的准确性进行自动化闭环评测与判分。37、提供项目全生命周期管理功能，支持项目的发布、提交审核、撤销、驳回等状态流转与操作。38、提供项目拆分功能，支持将复制后的项目按指定数量拆分为多个全新子项目。（三）考试系统服务1、支持单选题、多选题、判断题、填空题、简答题、编程题、编程填空题、实训题、组合题等不少于9类题型创建。2、提供新建试卷功能，支持通过试题制作、试题导入、题库选题等方式完成试卷制作。3.支持对用户上传的 Word、PDF、图片文件进行智能解析，具备自动识别提取文本、代码、公式内容，可对识别内容进行整合提炼并生成试卷的功能；支持识别单选题、多选题、填空题、判断题、简答题、组合题等题型。4、支持根据用户的出卷要求，自动生成试卷，支持的题型包括：单选题、多选题、填空题、判断题、简答题、组合题。★5、提供随机组卷功能，支持根据试题所属文件夹、知识点、难易度等维度进行抽题，可单独设置每个题型的抽题数量和各小题的分值。支持随机试卷发送至教学课堂，发送时可设置随机生成的试卷数量。6、提供“试题篮”组卷功能，支持选择试题存入“试题篮”，基于“试题篮”中的试题组合生成试卷。7、支持试卷发布管理，具备统一发布、分班发布、立即发布、定时发布、立即结束、定时结束等功能。8、支持学生在线进行考试答题，系统实时存档学生答题进度，当考试遇到突发情况中断（如断网、意外关机等）后，支持重新登录并按照中断前进度继续答题。★9、提供试卷导出功能，导出空白试卷、空白试卷+答案、学生试卷，支持单个导出和批量导出，支持查看试卷导出记录。支持自定义导出试卷格式，包括自主设计卷头左角标样式、排版样式、密封线样式及显示内容等。10、提供题目顺序随机打乱及选项乱序功能，支持将试卷内试题的排列顺序随机打乱，支持将单选题、多选题的答案选项随机打乱。★11、提供切屏检测功能，支持设置切屏判断规则和允许切屏次数，超过次数限制则会被强制交卷。支持检测学生考试过程中的切屏行为，学生考试过程中退出全屏或切换页面，系统按规则对学生屏幕进行自动截屏并保存，老师可以查看学生切出答题界面之后的图片。12、提供IP地址绑定功能，实现“一人一机”的模式。开启之后，开始考试的学生账号将自动与设备公网IP或内网IP进行绑定。13、提供答题不允许复制粘贴功能，开启之后学生在答题时禁止复制粘贴内容。14、提供客观题自动判分功能，支持单选题、多选题、判断题、填空题、实训题、编程题等客观题的自动判分,支持多选题漏选部分给分、填空题判分忽略字母大小写。15、提供人工评阅功能，支持试题手动调分，教师可在系统判分的基础上根据学生答题情况进行调分并编写调分说明，支持老师编写对学生的考试评价。16、支持考试代码查重，支持对编程题结果进行代码查重并展示疑似抄袭作品及相似度，可点击查看详情。17、支持考试数据统计分析与展示，包括考试成绩总览、考试试题详情、分班对比分析等数据。（四）AI助教服务1、智能编程：提供线上智能编程环境，支持通过自然语言描述自动生成对应代码，并支持在线调试修改。2、智能实验构建：支持通过自然语言描述快速生成编程实践项目，支持C/C++、Python、Java等编程语言，并提供配套实验环境、代码、操作说明、关卡任务、参考答案以及测试集。3、智能审题：支持阅读题目任务要求，快速智能拆解任务，提供解题思路，智能审题具备文字、代码、公式的识别阅读能力，支持对题目文本进行深层次理解和解析。4、语法检测：支持智能检测代码中的语法错误，并提供修复建议，语法检测支持多种语言，包括Python、Java、C++等多种主流编程语言的语法检测。5、代码诊断：支持智能分析学生提交的代码，发现其中的错漏点并提供修正建议，代码诊断功能支持代码结构分析，能够识别程序中的模块化设计，帮助用户优化代码组织。6、代码优化：支持使用代码优化工具对当前关卡的代码进行优化，展示优化方向与优化后的代码。7、代码注释：支持理解当前代码并进行注释。8、编程辅导：支持根据学生提交的答案，智能分析存在的问题，并给出可行的解题方法和响应内容。9、智能建课：支持教师上传教学资料后，自动生成详细课程简介、明确课程目标、结构化课程大纲、章节描述、课程资源主体以及清晰的知识点和知识图谱。10、智能备课：支持用户上传已有课件文件，可支持PPT、PPTX等格式，支持用户输入PPT主题自动生成内容大纲，并基于该大纲一键生成完整PPT课件，课件可保存至课堂。11、智能评阅：对单个学生简答题、作品进行AI评阅，自动打分并生成评语。12、试题推荐：支持基于学生做错的试题智能推荐相关的新题目。13、支持对接DeepSeek、Qwen等国产模型，提供不少于10亿次tokens大模型用量，不限并发规模，用完即止。（五）教学评价服务★1、支持设置各项课程考核目标及权重，并支持设置目标下各子目录的权重，根据权重配置自动计算课程目标平均达成度。2、支持查看各项课程考核目标的实际得分、标准分值及达成情况，并通过图形方式展示实际得分与标准分值之间的差距。3、支持统计展示课程考试场次、参考学生人数、平均分、及格率、优秀率等考试数据，并支持查看不同考试场次的成绩数据。4、支持对不同考试场次进行对比分析，并结合学生学习行为数据展示学习行为与考试成绩的关联情况。5、支持统计展示课程作业总数、参与学生人数、参与率、完成率、作业得分率等数据，并支持按照作业类型展示作业数量分布。6、支持查看各项作业完成情况、作业平均成绩及学生平均成绩排行，对学生作业学习情况进行统计分析。7、支持按照班级维度统计和展示课程学习数据，对不同班级的课程目标达成情况、作业完成情况和考试情况进行对比分析。8、支持通过图表展示不同班级的学习数据及差异情况，便于教师了解各班级整体学习表现。9、支持按照学生维度展示课程目标达成情况、作业完成情况、考试情况等学习数据，形成学生个人画像。10、支持通过图表对学生学习数据进行分析，并根据学生学习表现提供相应的学习情况分析与指导建议。二、课程实践训练系统支撑服务（一）操作系统★1、提供环境练习实验项目，涵盖Linux操作系统初识、Linux 常用命令、Linux之用户管理、Linux之用户高级管理等知识点，共计不少于15个关卡。实验支持用户通过命令输入的方式与系统进行交互，支持在一个训练系统中同时启动运行三个以上命令行实验环境，各运行环境之间能够实现网络通信和数据共享。2、提供中断、异常和系统调用实验项目，涵盖进程软中断通信、文件操作与异常处理、系统函数调用基础、读文件系统函数、写文件系统函数等知识点，共计不少于8个关卡。3、提供进程管理实验项目，涵盖进程基础知识、Linux进程管理、进程的共享主存通信、进程的消息通信、进程的信号量通信等知识点，共计不少于10个关卡。4、提供内存管理实验项目，涵盖主存信息的观察、文件系统、文件打包和解压缩等知识点，共计不少于5个关卡。5、提供进程同步与互斥实验项目，涵盖进程同步与互斥、进程通信等知识点，共计不少于3个关卡。6、提供设备管理实验项目，涵盖硬盘管理、硬件目录的挂载等知识点，共计不少于3个关卡。7、提供文件管理实验项目，涵盖Linux 文件、目录管理等知识点，共计不少于10个关卡。8、课程所有实验均支持自动化评测功能，能够基于平台预设的测试集和测试脚本进行实验结果准确性判定和判分。（二）计算机组成原理1、提供计算机数据表示实验项目，涵盖数据表示方法、汉字国标码与区位码之间的转换、汉字机内码、16 位数据的海明编解码、16 位数据的 CRC 并行编解码等知识点，共计不少于8个关卡。2、提供运算器设计实验项目，涵盖可控加减法单元、先行进位电路、快速加法器构建、设计阵列乘法器、乘法流水线、一位乘法器、运算器等知识点，共计不少于10个关卡。3、提供存储系统设计实验项目，涵盖MIPS 寄存器堆、MIPS RAM 存储器、cache 的基本原理等知识点，共计不少于5个关卡。4、提供控制器设计实验项目，涵盖 CPU 控制器设计的基本原理、支持五条指令的 MIPS 单周期 CPU、硬布线控制器以及微程序控制器的原理等知识点，共计不少于15个关卡。5、提供单总线CPU设计(MIPS)实验项目，涵盖传统三级时序硬布线控制器、现代时序硬布线控制器和微程序控制器等知识点，共计不少于15个关卡。6、提供中断机制实现(MIPS)实验项目，要求学生构建支持不少于24 条指令的 MIPS 单周期 CPU，最终实现的处理器能运行 benchmark 测试程序，并为处理器增加中断处理机制，能响应外部设备中断请求。共计不少于15个关卡。7、提供流水CPU设计实验项目，要求学生逐步构建无冲突冒险的理想指令流水线，能处理分支相关的指令流水线，采用气泡处理数据相关的气泡式流水线，采用重定向解决数据相关的重定向流水线。并最终在 MIPS 五段流水线上实现动态分支预测技术。共计不少于15个关卡。8、课程所有实验均支持自动化评测功能，能够基于平台预设的测试集和测试脚本进行实验结果准确性判定和判分。（三）编译原理与技术1、提供词法分析实验项目，涵盖正则表达式、有限自动机（NFA/DFA）、Lex工具及ANTLR等知识点，共计不少于5个关卡。2、提供语法分析实验项目，涵盖自上而下（如递归下降、LL(1)预测分析）与自下而上（如算符优先）两大类分析方法，FIRST/FOLLOW集计算、分析表构造与分析器实现等知识点，共计不少于10个关卡。3、提供语义分析实验项目，涵盖属性文法、符号表管理、类型检查等知识点，共计不少于5个关卡。4、提供中间代码生成实验项目，涵盖赋值语句、条件语句、循环语句等知识点，共计不少于3个关卡。5、提供工具链的使用实验项目，涵盖作C语言编译、链接、调试过程，主流编译器（如GCC、Clang）和调试工具（如GDB、SysYF）的使用方法等知识点，共计不少于8个关卡。6、提供综合实验项目，涵盖手写词法分析器、使用Bison/Flex等工具构建完整解析器等实验内容，共计不少于4个关卡。7、课程所有实验均支持自动化评测功能，能够基于平台预设的测试集和测试脚本进行实验结果准确性判定和判分。（四）数据结构（C语言版和python版）1、数据结构实现基础：需涵盖有序数组的插入、求集合元素的最大值、二分查找、求集合元素的最大值、用指针作形参交换数据、循环移动、排序、净收入、结构体排序、共用体与结构体、单链表排序、向链表中插值、删除链表中相同的值、闰年判断、计算奖金、简单计算器、求S的值、水仙数、最大公约数与最小公倍数、递归求 n!、输出全排列、回文数等实验内容，共计不少于20个关卡。2、线性结构：需涵盖顺序表的逆置、合并有序表、单链表的逆置、判断序列的合法性、中心对称、共享栈、循环队列、元素逆置、队列操作、模拟渡口管理、一元多项式加法等实验内容，共计不少于10个关卡。3、树：需涵盖树的定义、表示和术语、树查找、完全二叉树的权值、获取树的规模、二叉树选择题、树的中序遍历、二叉树、二叉苹果树、建立二叉搜索树、二叉搜索树的查找、二叉搜索树的插入、二叉平衡树的查找等实验内容，共计不少于10个关卡。4、列表抽象数据类型及其实现：需涵盖无序列表的链表实现、有序列表的链表实现等实验内容，共计不少于2个关卡。5、递归与动态规划：需涵盖递归之任意进制转换、递归之机器人的运动范围、递归之零钱兑换问题、动态规划之零兑换问题、动态规划之最长公共子串、动态规划之最小编辑距离等实验内容，共计不少于5个关卡。6、排序与查找：需涵盖二分查找算法、冒泡排序算法、选择排序算法、插入排序算法、希尔排序算法、归并排序算法、快速排序算法、基数排序算法等实验内容，共计不少于5个关卡。7、树及其算法：需涵盖树的链表实现、表达式树与前中后缀表达式、树的遍历（前序、中序、后序）、二叉树序列化、二叉堆实现的优先队列、二叉搜索树的实现、AVL树的实现等实验内容，共计不少于5个关卡。8、图及其算法：需涵盖图抽象数据类型的Python实现、图的遍历之广度优先、图的遍历之深度优先、图应用之拓扑排序、图应用之最短路径问题、图应用之最小生成树、神经网络等实验内容，共计不少于5个关卡。（五）机器学习1、机器学习概述：涵盖机器学习的基本含义、监督学习和无监督学习以及训练、验证、测试与评估等知识点。提供理论考核关卡需达到不少于3个。2、Numpy基本操作：涵盖 Numpy 数组的创建、切片与索引、基本运算、堆叠等知识点。提供实操考核关卡需达到不少于7个。3、Pandas基本操作：涵盖读取写入CSV数据，数据的基本操作和分析，数据的缺失处理，数据的层次化索引等知识点。提供实操考核关卡需达到不少于10个。4、KNN算法：涵盖KNN算法的基础知识、算法详解、模型构建以及应用案例等知识点。提供实操考核关卡需达到不少于3个。5、线性处理：涵盖线性回归的基础知识、算法详解、模型构建以及应用案例等知识点。提供实操考核关卡需达到不少于3个。6、逻辑回归：涵盖逻辑回归的基础知识、算法详解、模型构建以及应用案例等知识点。提供实操考核关卡需达到不少于3个。7、朴素贝叶斯：涵盖素贝叶斯的基础知识、算法详解、模型构建以及应用案例等知识点。提供实操考核关卡需达到不少于3个。8、决策树：涵盖决策树的基础知识、算法详解、模型构建以及应用案例等知识点。提供实操考核关卡需达到不少于3个。9、支持向量机：涵盖支持向量机的基础知识、算法详解、模型构建以及应用案例等知识点。提供实操考核关卡需达到不少于3个。10、集成学习：涵盖集成学习的基础知识、算法详解、模型构建以及应用案例等知识点。提供实操考核关卡需达到不少于3个。11、机器学习：涵盖PCA、聚类、关联规则等知识点。提供实操考核关卡需达到不少于5个。（六）深度学习1、深度学习基础：涵盖Tensor数据类型、创建方法及 session 会话；Autograd 求导、静态动态图设计、正反向传播和损失函数等知识点。提供实操考核关卡需达到不少于5个。2、深度学习进阶：涵盖SGD、Momentum、RMSprop、Adagrad、Adadelta、Adam 优化算法，神经网络网络层、激活函数、模型优化等知识点。提供实操考核关卡需达到不少于7个。3、卷积神经网络：涵盖卷积层、池化层、步长、卷积核、填充，卷积模型包括 LeNet、Alexnet、Vgg、GoogLeNet、 Resnet 、Densenet、Inception等知识点。提供实操考核关卡需达到不少于10个。4、卷积神经网络应用：涵盖文本分类、手写体识别、人脸生成、图片生成等知识点。提供实操考核关卡需达到不少于10个。5、循环神经网络：涵盖循环神经网络的基本知识的介绍、长短期记忆神经网络、注意力机制和 Seq2Seq等知识点。提供实操考核关卡需达到不少于3个。6、强化学习：涵盖强化学习的基础知识、算法以及强化学习深度进阶等知识点。提供理论考核关卡需达到不少于6个。7、深度学习加速：涵盖GPU 查看、GPU 常用参数设置等知识点。提供实操考核关卡需达到不少于2个。（七）模式识别1、聚类分析：需涵盖聚类分析基础、实现基于欧式距离的K-means聚类法、模糊关系、基于模糊等价关系的聚类方法、机器学习之层次聚类算法等实验内容，共计不少于5个关卡。2、判别域代数界面方程法：需涵盖二次规划问题、支持向量机及其对偶问题、H-K算法实现、感知机模型、感知器学习算法、多层感知器前向网络、多层感知器的BP学习算法等实验内容，共计不少于7个关卡。3、最邻近方法：需涵盖势函数、累积势函数分类算法、最近邻法、剪辑最近邻法等实验内容，共计不少于4个关卡。4、统计判决：需涵盖贝叶斯估计、统计判决贝叶斯理论、正态分布模式的贝叶斯判别函数、无参数估计、parzen窗估计等实验内容，共计不少于5个关卡。5、特征提取和选择：需涵盖类别可分性判据、分支定界法特征选择、截断法DKTL、余量法DKTL等实验内容，共计不少于4个关卡。（八）人工智能导论1、人工智能入门：涵盖Pandas（数据分析）、Numpy（数组运算）、Scikit-Learn（机器学习）等知识点。提供理论考核关卡需达到不少于4个，实操考核关卡需达到不少于30个。2、人工智能数学基础：还敢函数、极限、无穷小与无穷大、连续性与导数、偏导数等的基本概念和性质，向量、矩阵，以及矩阵和向量的创建、特殊矩阵、转置矩阵等线性代数等知识点。提供实操考核关卡需达到不少于10个。3、智能搜索技术：涵盖启发式搜索算法、盲目搜索算法、AlphaBeta剪枝算法和MinMax算法等知识点。提供实操考核关卡需达到不少于5个。4、模型评估：涵盖留出法、交叉验证法、回归任务、二分类任务知识点。提供实操考核关卡需达到不少于4个。5、最优化：涵盖正则化、梯度下降法、牛顿迭代下降法、坐标下降法等知识点。提供实操考核关卡需达到不少于5个。6、激活函数：涵盖常见函数Sigmoid、ReLU、Tanh、Softmax等知识点。提供实操考核关卡需达到不少于4个。7、人工智能应用案例：提供不少于5个典型人工智能应用案例（九）神经网络1、网络基础：需涵盖神经网络、神经元、常见学习方法、优化方法：梯度下降等实验内容，共计不少于4个关卡。2、数学基础：需涵盖向量乘法、向量范数、矩阵、导数等实验内容，共计不少于4个关卡。3、机器学习基础：需涵盖机器学习类型、激活函数、损失函数、机器学习中的重要参数、拟合问题等实验内容，共计不少于5个关卡。4、前馈神经网络：需涵盖单层感知器网络、BP神经网络等实验内容，共计不少于2个关卡。5、卷积神经网络：需涵盖卷积运算、填充（Padding）、步幅（Stride）、多通道输入与多通道输出、池化层（Pooling）、简单的卷积网络的搭建：LeNet模型、卷积神经网络：AlexNet模型等实验内容，共计不少于7个关卡。6、循环神经网络：需涵盖循环神经网络、梯度消失与梯度爆炸、长短时记忆网络等实验内容，共计不少于3个关卡。（十）自然语言处理1、自然语言处理基础：涵盖自然语言处理的前置技术、基于GMM-HMM算法的语音识别、Eliza等知识点。提供理论考核关卡需达到不少于2个，实操考核关卡需达到不少于4个。2、基于规则的词法分析：涵盖正则表达式、决策树、最小编辑距离等知识点。提供实操考核关卡需达到不少于4个。3、中文分词与N元模型：涵盖规则分词法、统计分词法、基于ieba的中文分词、N元语言模型等知识点。提供实操考核关卡需达到不少于9个。4、词性标注与命名实体识别：涵盖词性标注和命名实体识别等知识点。提供实操考核关卡需达到不少于3个。5、关键词提取算法：涵盖TF/IDF算法、TextRank算法、LSA/LSI算法、LDA算法等知识点。提供实操考核关卡需达到不少于7个。6、句法分析：涵盖常用的句法分析方法，提供实操考核关卡需达到不少于2个。7、文本向量化：涵盖向量化算法 word2vec、向量化算法doc2vec等知识点。提供实操考核关卡需达到不少于2个。8、情感分析技术：涵盖基于情感词典的情感分析、基于 SnowNLP 的情感分析等知识点。提供实操考核关卡需达到不少于2个。9、基于机器学习的NLP算法：涵盖朴素贝叶斯、支持向量机等进行文本分类，用 k- means 方法进行文本聚类等知识点。提供理论考核关卡需达到4个，实操考核关卡需达到不少于5个。10、基于深度学习的 NLP 算法：涵盖神经网络模型与实战、RNNOLSTM、词嵌入算法等知识点。提供理论考核关卡需达到不少于4个，实操考核关卡需达到不少于3个。并提供不少于1个社交网站情感分析系统实战案例。★三、公有云算力支撑服务1、云端计算资源：提供不少于7个教师账号，不少于150个并发量的常规课程运行需求的云端计算资源集群，支持资源弹性扩容，可根据用户规模及业务需求动态扩展计算资源，保障特定场景下的大规模教学应用需求。2、教学课堂权限：提供不少于3个教学课堂使用权限，满足课程教学与实践教学组织需求。 ★四、智慧实践教学平台服务期限：平台整体服务期限不少于3年。
其他	采购单位未提供需求而供应商认为需说明及补充的内容在此填列

合同履行期限：合同生效后7天内

本项目（是/否）接受联合体投标：否

二、供应商的资格要求

1.满足《中华人民共和国政府采购法》第二十二条规定。

2.落实政府采购政策需满足的资格要求：本项目专门面向中小微企业采购，供应商所投产品厂商须为中型或小型或微型企业，残疾人福利性单位、监狱企业视同小型和微型企业

3.本项目的特定资格要求：无

三、政府采购供应商入库须知

参加辽宁省政府采购活动的供应商未进入辽宁省政府采购供应商库的，请详阅辽宁政府采购网 “首页—政策法规”中公布的“政府采购供应商入库”的相关规定，及时办理入库登记手续。填写单位名称、统一社会信用代码和联系人等简要信息，由系统自动开通账号后，即可参与政府采购活动。具体规定详见《关于进一步优化辽宁省政府采购供应商入库程序的通知》（辽财采函〔2020〕198号）。

四、获取采购文件

时间：2026年11月05日23时59分至2026年11月11日00时00分（北京时间，法定节假日除外）

地点：辽宁政府采购网获取

方式：线上

售价：免费

五、响应文件提交

截止时间：2026年11月12日 09时00分（北京时间）

地点：辽宁政府采购网

六、开启

时间：2026年11月12日 09时00分（北京时间）

地点：辽宁浩亿招投标有限公司会议室（沈阳市皇姑区同江街11-1号3门）

七、公告期限

自本公告发布之日起3个工作日。

八、质疑与投诉

供应商认为自己的权益受到损害的，可以在知道或者应知其权益受到损害之日起七个工作日内，向采购代理机构或采购人提出质疑。

1、接收质疑函方式：线上或书面纸质质疑函

2、质疑函内容、格式：应符合《政府采购质疑和投诉办法》相关规定和财政部制定的《政府采购质疑函范本》格式，详见辽宁政府采购网。

质疑供应商对采购人、采购代理机构的答复不满意，或者采购人、采购代理机构未在规定时间内作出答复的，可以在答复期满后15个工作日内向本级财政部门提起投诉。

九、其他补充事宜

1、本项目采用全流程电子招投标，供应商应在辽宁政府采购网系统中下载采购文件。参与本项目的供应商须自行办理好CA锁，供应商除在电子评审系统上传投标（响应）文件外，应在递交投标（响应）文件截止时间前提交电子备份文件，并承诺电子备份文件与电子评审系统中上传的投标（响应）文件内容、格式一致，备系统突发故障使用。供应商仅提交备份文件，投标（响应）无效。详见辽宁政府采购网《关于完善政府采购电子评审业务流程等有关事项的通知》辽财采函{2021}363号。 2、正本电子文件提交至辽宁政府采购网，电子备份文件提交至辽宁浩亿招投标有限公司会议室（沈阳市皇姑区同江街11-1号3门）或以加密文件形式发至邮箱syhygs@[链接]。 3、本项目共分为2个合同包组，2包允许兼投不兼中。 4、002包文件详见其他附件信息。

十、对本次招标提出询问，请按以下方式联系

1.采购人信息

名称：沈阳理工大学

地址：沈阳市浑南区南屏中路6号

联系方式：024-24686059

2.采购代理机构信息

名称：辽宁浩亿招投标有限公司

地址：沈阳市皇姑区同江街11-1号3门

联系方式：024-81231520

邮箱地址：syhygs@[链接]

开户行：盛京银行沈阳市向工支行

账户名称：辽宁浩亿招投标有限公司