主化成熟度中位数仅为16%（平均成熟度则为21%）。 预计在未来五到十年内，该成熟度中位数将大幅 提升至42%。 为了更深入地理解如何向更高自主化水平迈 进，我们将典型的供应链流程划分为9个集群和 29项具体活动（见图3）。例如，“生产制造”集 群便涵盖了生产加工、产品组装以及包装等活动。 随后，我们将受访企业各项活动的当前状态及预 期的未来状态，映射到了既定的自主化发展阶段 （见图4）。 供应商合同签订 采购到付款 24. 25. 26. 异常或风险检测及预警 评估与根因分析 内部及与供应商共同执行改进计划 27. 28. 29. 客户支持 现场服务 订单到回款 客户与现场支持 图3 端到端供应链活动被划分为29项具体活动，并根据任务相似性归入9个集群 实现自主智能供应链 12 图4 大多数活动集群将在智能系统的驱动下经历重大转型， 部分集群未来将迈向高度自主化 igital-core 实现自主智能供应链 28 本文档中的部分图片是在AI辅助下生成的。 关于本研究 本研究探讨了向自主智能供应链转型及支撑该转型的战略考量。我们将端到端的供应链运营细分为29项 核心活动，评估每项活动的当前自动化水平和预期自动化水平，以及机器自主智能决策的程度。我们对来自北 美、南美、欧洲和亚太地区10个行业的1000名企业高管开展全球调查，获得了约16.8万个数据点。

com/research 邮箱：hezuo@iyiou.com 电话：010-57293241 9 A 10 701 2707-2708 C 6 4 World Trade Center, 29th Floor-Office 67, 150 Greenwich St, New York, NY 10006 ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓

错误 同义 明天飞北京，订两晚酒店，老习惯 明天面试，两点和三点各一场。 一在公 司，二在星巴克 [ 前文：订一张上海飞北京的机票 ] 有国航的吗 28 号下午三点赶火车，不，是 29 号 [ 外卖 ] 肯德基到公司 [ 语音识别 ]11 月 17 日早上八点见新低 你有 freestyle 吗？ 帮我找个人来家里打扫卫生 [ 打车 ] 肯德基到公司 查一下附近卖麻小的餐厅

并加入对模型规划层级的分类探讨. 此外, 由于该领域发展迅速, 在上述论文发布后又涌现出 了许多重要工作, 本文将补充这些最新进展, 为希 望了解该领域的研究人员提供更多的参考 (工作总 览见图 1[25, 29−100]). 本文内容安排如下: 第 1 节对大模型如何帮助 具身智能实现对环境的感知与理解进行介绍; 第 2 节分析大模型分别在需求级、任务级、规划级、动作 级这四个控制层级上为具身智能提供的规划; 1 多模态模型理解 多模态模型, 尤其是多模态大模型 (Large multi- modal model, LMM) 具有理解图像、场景文本、图 表、文档, 以及多语言、多模态理解的强大能力[29], 可 以直接用于具身智能对环境的理解, 并通过提示词 使之输出结构化内容如控制代码、任务分解等指令. 2 自 动 化 学 报 51 卷 Wang Transformer 控制层级 动作级 规划级 任务级 需求级 感知与理解 人类反馈 多模态环境建模 可供性与约束 多模态模型理解 3D-VLA[63], Wang 等[25], Yang 等[29], ViLA[30], MultiPLY[100], iVideoGPT[64] AffordanceLLM[94], Affordance Diffusion[95], CoPa[96], VoxPoser[52]

..28 图 17 省级行政区模力分指数 Top10....................................................................... 29 图 18 省级行政区模力分指数-模型资源 Top10......................................................30 图 19 省级行政区模力分指数-模型生态 富。技术与产业方面，东部地区，如北京、广东等，拥有雄厚的科 研实力和丰富的技术资源。北京模力分指数位居全国首位，是人工 智能技术的重要发源地和创新中心，聚集大量的高校、科研机构和 综合算力指数 29 高科技企业，具备强大的科研实力和技术创新能力。数据资源与应 用场景方面，东部地区企业、人口密集，数据生成量巨大，为大模 型的训练和应用提供了丰富的数据资源。广东具有强大的制造业基 础和完善

...................................................................................................29 3.1.2 模型训练与优化模块.................................................................................. 55%。下表展示了典型新兴业务 领域的传统审计盲区： 业务类型 传统程序覆盖率 主要盲点 加密货币交易 38% 链上交易追溯缺失 跨境云服务收入 45% 服务器地理位置验证困难 ESG 衍生品 29% 碳足迹数据链校验空白 审计资源分配存在结构性低效。约 70%的审计时间消耗在基础 数据核对等低价值工作（Deloitte 2023 年审计效率报告），导致 关键风险领域的分析深度不足。某会计师事务所试点数据显示，将 故障自动切换时间 < 3s - 每日增量模型快照备份 - 跨地域 模型一致性校验周期：15 分钟 该方案已在某四大会计师事务所试点运行 6 个月，实现审计效 率提升 37%，风险识别覆盖率提高 29%，平均项目周期缩短 22 天。后续将通过模型蒸馏技术进一步降低部署成本，目标在 2024 年底前实现中小型事务所的轻量化部署。 6.1.1 本地化部署与云服务选择 在审计领域部署 DeepSeek

行故障诊断与修复，提升维护效率。此外，配备专业诊断工具，能提供详细系统信息和故障日志， 助力技术人员快速定位并解决硬件问题。 3.4 全球一致的云服务能力体系，全面助力企业国际化战略 阿里云 ECS 已通过全球 29 个数据中心、88 个可用区为用户提供安全、完整的算力规格，支撑广泛 的应用负载运行，ECS 具备一致的、跨区可用的高可用架构自动恢复能力，并提供统一的开发与运 维体验，相关产品已通过多方国际安

.........27 2.2.2 数据格式标准化.........................................................................29 2.2.3 缺失值处理.................................................................................31 2 周：对训练好的模型进行验证，使用独立的验 证集测试模型的准确性和稳定性。 o 第 27-28 周：根据验证结果对模型进行进一步优化，确 保模型满足业务需求。 5. 部署与交付阶段（第 29-32 周） - 第 29-30 周：将训练好的模型部署到生产环境中，完成模型 的集成和测试。 o 第 31 周：进行用户培训和文档交付，确保相关业务人员 能够熟练使用模型。 o 第 32 周：完成项目总结报告，包括项目过程、成果及后