update low-power subtopic and evidence framing

30-联合研究方/潜在合作研究路径-罗蕾教授与翼辉信息.md

@@ -166,6 +166,22 @@
 - 翼辉信息侧偏产业价值、案例与平台能力；
 - 项目组承担材料汇总、写作配合与整合支撑。
 
+### 5.5 面向小型化与低功耗方向的 RTOS 智能负载应用
+
+目标：
+
+- 聚焦小型化设备、边缘控制节点、轻量智能终端中的人工智能目标负载部署问题；
+- 研究在严格功耗、体积、散热与内存预算下，RTOS 如何同时维持推理服务能力与关键保障任务实时性；
+- 形成一套适用于低功耗、资源受限系统的任务准入、运行降级与能耗治理方法。
+
+更适合的分工：
+
+- 罗蕾教授侧可重点参与资源约束建模、可调度性分析、低功耗系统方法学抽象与学术问题凝练；
+- 翼辉信息侧可重点参与 SylixOS 在小型化硬件平台上的机制实现、BSP 支撑与工程验证；
+- 项目组负责具体场景选取、实验执行、数据整理与跨平台对照分析。
+
+这一主题与本项目现有 `T5/T4` 验证位置可以自然衔接，也更容易延伸到工业控制终端、车载边缘节点、轻量智能装备等应用语境。
+
 ## 6. 更现实的推进顺序
 
 推进顺序以稳妥、小步、可验证为宜：

30-联合研究方/罗蕾教授资料/04-代表成果与研究主题.md

@@ -8,7 +8,7 @@
 
 第三类成果是网络安全与数据安全。她及其团队长期从事物联网安全、区块链与数据安全工作，形成了“优云链”“优数”等成果，并将其用于物流追踪、汽车数据交易、移动支付可信共享等场景。论文成果也体现出她团队在入侵检测、代码混淆安全模型、异常检测等方面的持续投入。这部分工作的意义，在于把原本偏底层的软件能力继续向数据可信、安全共享和行业安全运营延伸。
 
-第四类成果是跨向智能计算与新型应用场景的延展。较新的培养方向已经覆盖工业软件、网络安全、智能计算，团队介绍中也把深度学习、自然语言处理、移动 AR、嵌入式 AI 列为主要研究方向之一。罗蕾教授的研究由此延伸到智能化应用场景。
+第四类成果是跨向智能计算与新型应用场景的延展。较新的培养方向已经覆盖工业软件、网络安全、智能计算，团队介绍中也把深度学习、自然语言处理、移动 AR、嵌入式 AI 列为主要研究方向之一。罗蕾教授的研究由此延伸到智能化应用场景。这一方向也可以继续向小型化、低功耗、资源受限系统中的智能应用展开，把嵌入式基础软件、可调度性分析与低功耗部署问题连接起来。
 
 罗蕾教授的代表性工作始终围绕两个问题展开：一是如何把系统底层做稳，特别是实时性、可靠性、安全性和可配置性；二是如何让这些底层能力进入实际产业系统，服务汽车电子、物联网、支付和数据共享等复杂场景。这也是她作为知名专家学者，能够同时出现在学术导师页面、课程建设页面、科研团队页面和行业合作资料里的重要原因。