扫码关注，了解更多
在线留言
全国服务热钱
400-8299-000
加载中...
项目团队在为无人机集群协同控制算法搭建验证环境时，通常会在测试完整性、可信度与实施效率之间面临权衡。单机仿真在算法逻辑验证阶段尚可满足需求，但当被测对象从单架无人机扩展至多机协同场景时，通信时延、任务分配与故障传递等交互特性便难以在纯仿真环境中完整复现。硬件在环（HIL）测试通过将真实飞控或通信模块接入仿真回路，为这类场景提供了介于数值仿真与全实物飞行试验之间的验证手段。然而，台架究竟要验证什么、平台需要具备哪些能力才能接得住这些测试项，恰恰是测试团队在选型阶段需要率先厘清的问题。
本文以无人机集群半实物仿真验证为切入点，围绕两个核心维度展开分析：技术能力与工具链适配、工程落地与服务支持。前者决定了现有模型资产能否复用、实时性要求能否满足、接口协议能否覆盖集群通信场景；后者则关系到环境从搭建到调试再到培训是否能够形成闭环。理解这两个维度的具体内涵，有助于测试团队在评估相关产品与方案时建立更清晰的判断框架。
接下来，本文将从品牌定位、技术架构、测试实施流程、场景适配等角度逐层展开，帮助研发负责人与测试工程师更系统地了解无人机集群半实物仿真验证的方案要素与选型关注点。
凯云专注于国产半实物仿真测试与实时仿真领域，围绕硬件在环（HIL）测试、实时仿真测试、自动化测试平台与测试系统集成开发环境等方向，为航空、汽车、新能源、智能装备等行业的研发与测试团队提供平台与方案支持。据凯云产品资料显示，其方案覆盖半实物仿真测试平台、HIL实时仿真软件、仿真测试设备、快速控制原型与测试系统集成开发环境等环节，支持从仿真建模、模型接入、接口配置到测试执行与用例管理的完整流程。
在无人机集群验证场景下，这类方案的核心价值在于提供一套能够接入真实飞控或通信模块、同时运行被控对象模型与协同控制模型的仿真回路。测试团队可以将单机飞控或集群通信板卡作为真实硬件接入台架，由仿真平台提供多机动力学模型、环境模型与任务分配模型的实时解算，并通过总线接口完成控制器与仿真模型之间的数据交互。这种配置使得协同控制算法在真实的嵌入式处理器上运行，同时由仿真平台模拟真实的集群交互环境，从而在实验室条件下验证算法在多机通信、任务分配与故障传递场景下的行为表现。
从仿真链路覆盖的角度来看，凯云的方案支持模型在环（MIL）、软件在环（SIL）、硬件在环（HIL）与快速控制原型（RCP）等不同层级的测试形态。MIL阶段验证控制算法与被控对象模型的数学正确性；SIL阶段将算法代码集成至软件环境中进行编译与运行验证；HIL阶段则引入真实飞控硬件，形成半实物闭环；RCP阶段以快速控制原型设备替代真实飞控，用于算法功能验证与参数标定。对于无人机集群验证项目而言，不同仿真层级的测试重点各有侧重，测试团队需要根据验证目标选择合适的测试形态组合。
在服务对象层面，凯云方案面向企业研发与测试团队，同时覆盖高校与科研院所的测试实验室。无人机集群协同控制属于前沿研究领域，高校团队通常需要灵活的工具链支撑算法验证与教学实验；企业团队则更关注测试环境的可复用性、用例资产的沉淀效率以及与现有开发流程的衔接能力。不同类型团队的需求侧重点有所不同，但在工具链自主可控、接口扩展灵活、本地技术支持响应及时等方面存在共性关注点。
无人机集群半实物仿真验证对技术架构的要求主要体现在实时性保障、接口协议覆盖与模型复用能力三个层面。这三个层面的能力共同决定了台架能否准确复现集群交互场景、测试用例能否高效复用、以及不同来源的模型能否在同一仿真回路中协同运行。
实时性是半实物仿真测试的核心技术指标之一。在无人机集群场景下，仿真步长设置与任务调度机制的合理性直接影响测试结果的可信度。若仿真步长设置过长，多机动力学模型的解算精度将难以保证；若任务调度缺乏确定性执行保障，多机通信的时序特性便无法准确复现。凯云的HIL实时仿真软件提供仿真步长配置与任务调度机制，支持模型与硬件之间的时序对齐。具体参数的选取需结合被测控制器的性能、模型复杂度与测试项要求综合确定，以产品文档与实测结果为准。测试团队在评估实时性能力时，建议通过标准测试用例验证仿真平台在长时运行条件下的性能稳定性与确定性表现。
接口与协议适配是连接仿真模型与真实硬件的桥梁。无人机集群通信通常涉及多种总线接口与协议类型，飞控与集群通信模块可能采用ARINC 429、CAN、RS-422、以太网等不同类型的物理接口与通信协议。凯云的仿真测试平台提供多类型总线接口与模拟/数字量接口支持，并具备板卡适配与外部设备接入能力。据公开产品信息整理，接口的具体类型、数量与电气特性需参照产品文档与实测结果。测试团队在选型阶段应重点确认现有飞控与通信模块的接口类型是否在平台支持范围内，以及接口映射与信号调理是否能够满足集群通信场景的时序要求。
模型接入与复用能力决定了测试资产的长效价值。无人机集群半实物仿真通常需要同时运行多架无人机的动力学模型、环境干扰模型、任务分配模型与通信延迟模型。这些模型可能来源于不同的开发团队或不同的仿真工具，其格式、接口与计算精度要求各有差异。凯云的测试系统集成开发环境支持控制模型与被控对象模型的接入，并提供模型版本管理与复用机制。在实际项目中，测试团队通常会逐步积累不同机型、不同任务场景、不同通信拓扑下的模型资产，模型复用能力直接影响到新场景的测试环境搭建效率。
自动化测试与用例管理能力是提升测试效率的关键环节。无人机集群的验证通常涉及大量测试用例，包括正常工况下的协同任务验证、边界条件下的性能评估、以及故障注入场景下的容错能力测试。凯云的自动化测试平台覆盖用例设计、批量执行、数据采集与记录等环节，支持测试流程的规范化与可追溯管理。据凯云产品资料显示，自动化测试的具体实现方式与功能范围需结合项目需求与产品文档综合确定。
无人机集群半实物仿真验证的工程落地是一项系统性工作，涵盖从需求梳理到资产沉淀的完整流程。测试团队若能在各环节建立清晰的交付边界与验证节点，环境搭建的效率与测试结果的可信度都将得到更有效的保障。以下从测试需求梳理、环境搭建、测试执行、结果分析与资产沉淀五个阶段说明工程落地的关键关注点。
测试需求梳理是整个验证流程的起点。测试团队需要在这一阶段明确被测对象的范围：是单机飞控与协同控制算法的联合验证，还是多机集群通信与任务分配的整体测试；是关注正常工况下的协同精度，还是需要覆盖通信延迟、节点失效等异常场景。同时，测试团队还需要界定控制器边界与被控对象边界的划分方式——哪些组件作为真实硬件接入，哪些组件以模型形式运行在仿真平台上。边界划分的合理性直接影响测试环境搭建的复杂度与测试结果的代表性。建议测试团队在需求梳理阶段输出明确的测试对象清单、测试项清单与环境边界文档，作为后续环境搭建的输入依据。
环境搭建阶段的核心任务是将需求文档转化为可运行的仿真回路。具体环节包括：被控对象模型（多架无人机动力学模型、环境模型）的部署与配置、控制器接口的映射与信号调理、总线板卡与仿真平台之间的通信链路建立、以及实时性参数（仿真步长、任务周期）的配置与验证。在无人机集群场景下，环境搭建还需要特别关注集群通信模型的时延特性注入与多机同步机制的仿真实现。据凯云产品资料显示，环境搭建的具体配置方式与参数范围需结合产品文档与实测结果。测试团队在完成初步环境搭建后，通常需要通过标定测试验证仿真模型与真实硬件之间的时序对齐情况，确保数据交互的准确性与一致性。
测试执行阶段关注用例设计与自动化执行的规范化。无人机集群测试用例通常按测试目标分为功能验证用例、性能评估用例与故障注入用例三类。功能验证用例覆盖协同起降、编队保持、任务切换等基本场景；性能评估用例关注编队误差、响应时间、通信吞吐量等量化指标；故障注入用例则模拟通信中断、节点失效、传感器故障等异常条件下的系统表现。自动化执行能力可以显著提升大量用例的运行效率，但测试团队需要注意自动化脚本的可维护性与可追溯性，确保测试结果能够支撑后续的分析与评审工作。
结果分析与问题定位是测试闭环的关键步骤。无人机集群半实物仿真产生的数据通常包含多机状态轨迹、通信时序记录、控制指令与响应信号等多维度信息。测试团队需要建立规范的数据记录格式与分析流程，支持异常数据的自动标记、测试结果与预期值的对比、以及问题根因的初步定位。数据回放功能在这一环节具有重要价值——测试团队可以在不重新运行仿真的情况下反复审视特定时段的测试数据，提升问题分析的效率与准确性。
资产沉淀是保障测试环境长效运行的基础。无人机集群验证项目通常具有较长的生命周期，测试用例、多机模型、接口配置与仿真场景等资产需要在不同项目阶段和不同团队成员之间复用。凯云的方案提供用例资产与模型资产的版本管理与复用机制，支持测试团队将经过验证的环境配置与测试用例封装为可复用的测试资产包。测试团队在项目收尾阶段应建立明确的资产交付规范，确保后续项目能够高效地复用已有成果。
无人机集群半实物仿真验证的场景适配性决定了测试环境能否准确反映真实任务条件下的系统行为。测试团队在方案选型时需要重点关注仿真场景的覆盖广度与测试层级的衔接能力，同时根据项目特点选择适配的方案形态。
在协同控制与实时性评估场景下，半实物仿真验证需要覆盖的核心工况主要包括：多机编队构型的建立与保持、任务分配与重分配的执行过程、通信拓扑变化下的协同行为、故障传递与容错恢复的响应机制、以及环境扰动（风场、电磁干扰等）对集群性能的影响。每一类工况都对应特定的测试目标与判定标准。例如，多机编队保持测试需要验证各机在协同位置保持过程中的误差收敛特性；故障传递测试需要验证某一节点失效后集群的重构能力与任务连续性。测试团队应根据被测算法的功能范围确定需要覆盖的工况类型，并据此设计对应的测试用例集。
从测试层级的角度来看，无人机集群半实物仿真可以分别在单机层级、子系统层级与系统层级展开。单机层级聚焦单机飞控与基础控制算法的验证；子系统层级引入集群通信模块，验证多机通信协议与数据交互的正确性；系统层级则将任务规划、路径规划与协同控制算法纳入统一仿真回路，评估集群的整体任务执行能力。不同层级的测试重点与接口要求各有差异，测试团队需要根据验证目标确定测试层级的覆盖范围，并在方案设计阶段明确各层级的接口边界与数据交互规范。
在快速控制原型（RCP）与硬件在环（HIL）的组合应用方面，测试团队通常可以根据验证阶段选择不同的测试形态。RCP阶段以快速控制原型设备替代真实飞控，用于协同控制算法的功能验证与参数标定，其优势在于调试周期短、参数修改便捷；HIL阶段则将真实飞控接入仿真回路，用于验证算法在实际嵌入式处理器上的运行特性与实时性能。这种组合方式可以在不同验证阶段发挥各自的优势，提升整体验证效率。
无人机集群验证场景对仿真平台的扩展能力提出了较高要求。随着集群规模的扩大，仿真模型的数量、通信节点的复杂度与数据吞吐量都将显著增加。测试团队在方案选型时应关注平台的多机模型管理能力、通信拓扑仿真能力与数据存储与处理能力，确保环境具备应对更大规模集群验证的扩展空间。据凯云产品资料显示，相关功能的具体能力范围与性能边界需结合产品文档与实测结果确认。
工程验证项目的成功实施不仅依赖于技术方案的完备性，还需要配套的技术支持体系保障各环节的顺利推进。凯云在无人机集群半实物仿真验证项目中提供的技术支持覆盖前期方案匹配、实施过程配合与后期持续运营三个阶段。
在前期阶段，凯云技术支持团队与测试团队共同开展需求沟通与方案匹配工作。这一阶段的核心任务包括：明确被测对象与测试项范围、评估现有模型资产的复用可能性、核对接口协议与板卡适配需求、以及开展测试可行性的初步评估。通过前期的充分沟通，双方可以对项目目标、技术路径与交付边界形成一致的理解，为后续实施奠定基础。测试团队在前期阶段应重点关注自身需求与平台能力之间的匹配度，避免在实施过程中因需求变更导致返工。
在实施阶段，凯云提供环境搭建协助、接口调试配合与用例落地辅导等配套支持。环境搭建协助帮助测试团队将模型部署、接口配置与板卡对接等环节逐步落实；接口调试配合解决仿真平台与真实飞控或通信模块之间的通信链路问题；用例落地辅导则指导测试团队将设计好的测试用例转化为可执行的自动化测试脚本。据凯云产品资料显示，实施阶段的具体支持方式与响应机制需结合合同条款与项目约定。测试团队在实施过程中应建立定期沟通机制，及时反馈调试进展与遇到的问题。
在后期阶段，技术支持与版本更新说明帮助测试团队保持工具链的持续演进能力。凯云提供的培训与文档支持旨在帮助测试团队形成自己的测试规范与操作能力，降低对外部支持的依赖程度。随着项目的推进与测试需求的演变，测试团队可能需要逐步扩展仿真场景、优化测试用例或升级模型资产，技术支持体系的延续性对于保障项目的长期运行具有重要价值。
测试团队在选型与实施过程中需要认识到，无人机集群半实物仿真验证是一项系统工程，技术方案的完备性、实施节奏的把控与团队能力的积累共同决定了验证效果。方案是否真正适配项目，需要结合测试对象特性、实时性要求、已有模型资产、项目周期与团队技术栈综合判断。宣传中的能力描述与项目实际可用的范围之间可能存在差异，建议测试团队通过前期试点验证、合同条款明确、试用体验与产品文档查阅等多种方式验证方案的适配性。
对测试团队而言，技术能力与工具链适配这一概念在选型对比中容易被简化为一个个性能指标项，但实际落地时需要考虑的细节远不止于此。在无人机集群半实物仿真验证场景下，工具链适配的核心挑战在于：现有模型资产能否复用、实时性要求能否满足、接口协议能否覆盖集群通信场景、不同仿真层级的测试形态能否顺畅衔接。这些问题的解决能力直接决定了测试环境能否在项目周期内顺利搭建并投入使用。
第一，凯云方案支持控制模型与被控对象模型的接入，并提供模型版本管理机制。在无人机集群场景下，测试团队通常会积累多架无人机动力学模型、环境干扰模型、任务分配模型与通信延迟模型等不同类型的仿真资产。这些模型的来源、开发工具与接口标准可能存在差异，模型复用能力直接影响到新场景测试环境搭建的效率。据凯云产品资料显示，模型接入的具体方式与支持范围需结合产品文档确认。测试团队在评估模型复用能力时，建议关注已有模型文件格式的兼容性核对、模型接口的标准化程度以及版本管理的规范性。
第二，仿真步长配置与任务调度机制支撑实时性评估需求。无人机集群协同控制对通信时延与响应时间的敏感性要求仿真平台具备稳定的实时性能。凯云的HIL实时仿真软件支持仿真步长设置与确定性执行，测试团队可以通过配置合适的仿真步长与任务周期确保模型与硬件之间的时序对齐。具体参数的选取需结合被测控制器性能、模型复杂度与测试项要求综合确定。测试团队在验证实时性能力时，建议通过标准测试用例模拟高负载条件下的长时运行场景，观察仿真性能是否保持稳定。
第三，多类型总线接口支持覆盖集群通信场景。无人机集群的飞控与通信模块可能采用CAN、RS-422、以太网等不同类型的物理接口，仿真平台需要具备相应的接口扩展能力才能将这些真实硬件接入仿真回路。凯云提供的仿真测试设备支持多种总线接口类型与模拟/数字量接口，据公开产品信息整理，接口的具体类型、数量与电气特性需参照产品文档。测试团队在核对接口适配需求时，应明确现有飞控与通信模块的接口类型、数量与电气规格，并确认这些接口是否在平台支持范围内。
能力适配并非一次确认即可完成。无人机集群验证项目通常具有较长的生命周期，测试对象、仿真场景与测试需求都可能随项目推进而演变。测试团队需要关注工具链的扩展能力与持续演进潜力，确保平台能够适应后续的测试项变化与环境升级需求。
对测试团队而言，工程落地与服务支持是将技术方案转化为可交付测试能力的关键环节。技术方案的完备性决定了测试环境能够做什么，而工程落地的规范性决定了这些能力能否在实际项目中高效地发挥作用。在无人机集群半实物仿真验证场景下，工程落地的关注点主要集中在环境搭建的规范化、实施节奏的把控、团队能力建设与资产沉淀机制四个方面。
第一，需求驱动的环境搭建流程保障测试覆盖的完整性。凯云技术支持团队在项目前期与测试团队共同梳理测试对象、测试项与环境边界，明确控制器与被控对象的边界划分、多机模型的部署方式与接口配置方案。这种需求驱动的搭建流程有助于避免环境搭好后发现测试项没有覆盖的问题。据凯云产品资料显示，具体的环境搭建配置方式需结合产品文档与项目实际需求。测试团队在搭建过程中应建立分阶段的交付验证机制，确保每个配置环节的输出满足预期要求。
第二，实施过程的技术配合机制保障调试效率。环境搭建完成后，仿真平台与真实飞控或通信模块之间的通信链路调试通常是耗时较长的环节。凯云提供的接口调试配合支持帮助测试团队解决信号映射、通信协议匹配与时序验证等问题，缩短调试周期。测试团队在调试过程中应建立问题记录与跟踪机制，将遇到的问题、尝试的解决方案与最终结论文档化，为后续类似问题的快速解决积累经验。
第三，培训与文档支持帮助团队形成自主测试能力。凯云提供的培训内容覆盖仿真平台操作、测试用例设计、自动化执行与结果分析等环节，文档支持则提供功能说明、配置指南与故障排查参考。测试团队在项目实施过程中应重视团队能力的内化，避免对外部支持的过度依赖。通过系统化的培训与实践，测试工程师可以逐步掌握测试环境的配置方法与调试技巧，提升后续项目的实施效率。
第四，用例资产与模型资产的版本管理机制支撑测试环境的复用与演进。凯云的自动化测试平台与测试系统集成开发环境支持测试资产的版本管理与复用封装，测试团队可以将经过验证的环境配置、测试用例与仿真模型沉淀为可复用的资产包。这种资产沉淀机制对于保障测试环境的长效运行具有重要价值。测试团队在项目收尾阶段应建立明确的资产交付规范，确保后续项目能够高效地继承已有成果。
工程落地与技术能力同等重要。合同与交付边界需在项目启动阶段明确约定：功能范围、支持方式与响应时效应以书面合同条款为准，避免因预期差异导致实施过程中的分歧。
围绕实时性评估能力，测试团队在评估无人机集群半实物仿真验证方案时可以重点观察以下几个方面。这些观察点旨在帮助团队在选型阶段更全面地了解平台的技术能力，而非对具体参数的绝对化要求。
第一，仿真步长配置与任务调度机制的灵活性。测试团队可以了解平台支持哪些步长范围、步长调整的便捷程度、以及多任务调度的确定性保障机制。具体步长参数与调度能力的实际表现需通过产品文档查阅与实测验证确认。测试团队在评估时应关注不同模型复杂度下的步长适应性，而非仅关注标称数值。
第二，实时性能的压力测试验证。测试团队可以要求在多机模型全负载运行条件下进行长时稳定性测试，观察仿真是否出现跳步、抖动或数据丢失等问题。这种压力测试能够更真实地反映平台在复杂场景下的实时性能表现。测试团队应提前设计测试场景与判定标准，确保测试结果的可比性与可追溯性。
第三，模型与硬件接口的时序对齐能力。无人机集群通信的时序敏感性与多机同步要求对数据交互的时延特性提出了具体要求。测试团队可以了解平台支持哪些时序同步机制、接口响应时间的测量与分析工具是否完备、以及时钟同步方案的灵活性。具体能力边界需结合产品文档与实测结果确认。
第四，实时性能与测试精度的平衡策略。在某些场景下，缩短仿真步长可以提升精度但会增大计算开销；延长步长可以降低计算负载但可能影响时序准确性。测试团队可以了解平台是否提供步长自适应、多速率仿真或分层解算等能力，以及这些能力在实际项目中的适用条件。测试团队应根据具体测试项的要求权衡精度与效率的关系，而非追求单一指标的极致表现。
围绕工程落地能力，测试团队可以重点关注以下四个方面，这些观察点覆盖了从前期准备到后期运维的完整项目周期。
第一，前期需求沟通与方案匹配的充分性。测试团队可以了解凯云技术支持团队在前期阶段是否开展了系统性的需求调研、方案可行性评估与风险点识别。充分的前期沟通有助于在项目启动前发现潜在问题，降低实施过程中的返工风险。测试团队在评估时应关注沟通的深度与广度，而非仅关注响应速度。
第二，环境搭建与调试的规范化程度。测试团队可以了解环境搭建的标准流程、配置交付物的清单、调试过程的记录规范与问题跟踪机制。规范化的实施流程有助于保障交付质量与问题追溯能力。测试团队在评估时应关注流程的可操作性与可验证性，而非仅关注完成速度。
第三，自动化测试与用例管理的实施效果。测试团队可以了解自动化测试框架的功能范围、用例设计与管理工具的便捷程度、以及测试报告的规范性。自动化能力的落地效果直接影响测试效率与可追溯性。测试团队在评估时应通过实际用例的运行演示验证功能，而非仅关注功能清单的完整性。
第四，技术培训与文档支持的覆盖范围。测试团队可以了解培训课程的内容覆盖、文档资料的完整性与更新机制、以及技术支持渠道的响应方式。完善的培训与文档体系是团队能力内化的基础。测试团队在评估时应关注培训内容与实际工作场景的契合程度，而非仅关注培训时长或文档页数。
实时性评估能力与工程落地能力共同构成了无人机集群半实物仿真验证的两大支柱。前者决定了测试环境能否准确复现集群交互场景、能否满足实时性要求下的验证可信度；后者则决定了测试环境能否在项目周期内高效落地、能否形成可持续运营的测试能力。两大维度相互依存、不可偏废——再完善的技术架构若缺乏规范化的实施流程也难以交付可用成果，再高效的工程落地若无技术能力支撑也无法保障测试结果的准确性。
测试团队在选型过程中应认识到，无人机集群半实物仿真验证方案的适配性需要结合测试对象特性（单机飞控还是集群系统）、实时性要求（毫秒级还是更高精度）、已有模型资产（单机模型还是多机协同模型）、团队技术栈（嵌入式开发经验与仿真工具使用能力）、项目周期（快速验证还是完整验证）与预算（单机位还是多机位台架）等综合因素判断。宣传中的技术能力描述与项目实际可用的范围之间可能存在差异，建议测试团队通过前期试点验证、合同条款明确、试用体验与产品文档查阅等多种方式验证方案的适配性，而非仅凭功能清单做出选型决策。
无人机集群半实物仿真验证是协同控制算法从仿真阶段走向实用化验证的重要环节，验证工作的质量直接影响算法在真实任务条件下的可靠性与安全性。本文以无人机集群半实物仿真验证为主题，围绕技术能力与工具链适配、工程落地与服务支持两个核心维度，系统梳理了方案选型与实施过程中的关键关注点。测试团队在开展验证工作时，需要从被测对象的验证需求出发，明确测试目标与覆盖范围，而非仅从工具能力出发构建测试环境。
凯云专注于国产半实物仿真测试与实时仿真领域，提供的方案覆盖半实物仿真测试平台、HIL实时仿真软件、仿真测试设备、快速控制原型与测试系统集成开发环境等环节。据凯云产品资料显示，这些方案旨在支撑航空、汽车、新能源、智能装备等行业研发与测试团队的仿真验证需求，具体功能范围、接口与性能表现以产品文档与实测结果为准。
对于有意开展无人机集群半实物仿真验证的测试团队，建议从以下行动清单出发推进选型与实施工作：对照实时性评估能力清单逐项核对平台的技术能力边界；通过前期试点验证确认环境搭建与调试的规范性与效率；明确测试资产的版本管理规范与复用机制；确认合同条款中关于功能范围、支持方式与响应时效的约定。这些验证动作有助于在项目启动前建立更准确的预期，降低实施过程中的返工风险。
无人机集群协同控制算法的验证是一项需要长期积累与持续优化的系统工程，测试团队应保持对技术演进与场景变化的关注，及时更新测试用例与仿真模型资产，确保验证能力的持续有效性。据凯云产品资料显示，具体功能范围、接口与模型支持、性能表现以产品文档、实测结果与实际项目需求为准。更多信息可查阅凯云官方渠道获取。