2025年3月6日 人形机器人：由“外”到“内”，智能革命 请仔细阅读在本报告尾部的重要法律声明 证券研究报告|行业深度研究报告 核心观点 2 资料来源：华西证券研究所  人形机器人：承载AI未来 人形机器人的外观和行为与人高度相似，能够适应人类的生存环境、使用人类的生产工具，形态更易令人产生共鸣，是具身智能最理想的载体。受政 策出台、技术成熟、需求高涨和供给竞争等因素的推动 一种模仿人类外形的机器人，除具备人形和模拟人类动作外还兼具智慧化和可交互性等特点，包含三 大核心技术模块：环境感知模块、运动控制模块和人机交互模块。  人形机器人正处于商业化爆发期前夜，普遍认为到2030年市场规模可达数百亿美元。Markets and Markets预计全球人形机器人市场规模将由2023年的18亿 美元提升至2028年的138亿美元，年复合增速约50.2%。据高盛预测，乐观情 。2024年4月首届中国人形机器人产业大会上发布的《人形机器人产业研究报告》预测，2024年中国人形机器人市场规模将达约27.6亿 元，2026年达到104.71亿元，2029年达到750亿元，将占世界总量的32.7%，比例居世界第一，到2035年有望达到3000亿元规模。  巨头纷纷入局，创业公司百花齐放，众多厂商快速迭代。如特斯拉三次发布Optimus性能更新迭代视频；DeepMind与斯坦福大学联合推出的Mobile Aloha也

和监管机构的基础。重要的是要意识到，人工智能法规来自全球各级政府和司 法管辖区。此外，尽管数据隐私和反歧视法规等法律不是专门为人工智能设计， 但这些法律将决定人工智能的使用范围和方式。例如，在美国，人工智能将受 到城市、州和联邦法律、政府行为、行政令、自愿行业协议甚至普通法的监管。 ©2025 云安全联盟大中华区版权所有 10 在准备人工智能项目时，需要考虑到人工智能法规的起源并不总是直观的，因 的，因 此需要细致分析。首个具有深远影响的法律框架是欧盟《人工智能法案》，因 为它保障了个人和企业的安全及基本权利。如果某些人工智能应用干扰或威胁 到公民权利，则会遭到禁止。如大语言模型等高风险人工智能系统可能会对健 康、安全、基本权利、环境、民主和法治造成重大损害，预计将出台相关法规 加以监管。 执行摘要 人工智能正在迅速改变我们的世界，并且具有重塑社会基本结构的巨大潜 力。然而 如何应对复杂的法律环境就成为了一个巨大的挑战。本文深入探讨了围绕人工 智能的监管环境，涵盖了诸如生成逼真文本格式（代码、脚本、文章）的深度 学习模型、处理视觉内容（面部识别、深度伪造）的计算机视觉应用、稳定扩 散（文本到图像模型）以及在自主系统（自动驾驶汽车、机器人）中使用的强 化学习算法等多样化系统。更广泛的类别，如生成式对抗网络和大语言模型等， 是众多生成式人工智能应用的基础，要求在监管中将其纳入考虑。由于现行立

算力的不断提升。但是，线性提升的算力如何带来智能水平的跨越式突破呢？这个问题似乎很难回 答。真正的突破口可能是算力的革命性飞跃，例如较现有的芯片实现数个数量级的效率提升。光计 算、量子计算、存算一体等新的范式的不断成熟，就如同通信从电缆升级到光缆，将有望变革智能 的“物质基础”。因而，将带来算力革命性提升的新型芯片，可能是人工智能的关键“奇点”。 当然，迈向通用人工智能之路依然漫长，正确的道路在哪里还需要不断探索。华为《智能世界 架内，因此，普遍认为它 仍缺乏对复杂物理现象以及因果关系的深层次抽象与推理的能力。真正的突破或将源于一种使数据 空间和物理空间深度融合的超越现有范式的新架构，这个新架构应能够将数理原理或知识内嵌到数 据空间中，使其能完整准确认知数据系统中的复杂性，这是我们研究和经常讲到的精准智能或 SCI for AI。这是一个复杂系统自组织、自适应、不断逼近真理的过程，其数学基础与实现路径是未来 十年我们面临的核心科学挑战。 协同演进的复杂生态系统。从计算范式的革命（突破冯 • 诺依曼瓶颈）、存储范式的改变（数据即 智能），到网络范式的跃迁（迈向智能体互联网），其底层驱动力是一致的：即为了支撑智能体在 物理与数字融合的“镜像世界”中进行大规模、实时、可靠的交互与决策。智能体（Agent）作为 核心载体，其从执行工具到决策伙伴的演进，标志着人工智能从处理信息的工具转变为能够主动规 划、协作并作用于环境的认知主体。这

事业单位 发展所需的数字化转型高度协同，显著提升各领域的效率，这包括了 流程智能化、资源协同优化、数据驱动决策等诸多场景所带来的效率 提升；同时，国产数字化升级从“可用”实现“好用”的进化，这体 现在产品性能和技术实力的跃升、产业应用的规模化、用户体验优 化、生态体系逐步完善等多个方面。当前，国产数字化升级，不仅是 响应政策导向，也已经成为企业提升效率、夯实安全基础的战略抉 择。拥抱 以迎接生成式人工智能全面爆发带来的巨大需求。 另一方面，人工智能技术在显著提升社会生产效率的同时，也引发了诸多新型安全风险。目前已观察到由AI赋能的安全威胁，包括智 能化网络欺诈、自动生成恶意攻击代码，以及因目标偏离而引发的破坏性操作等。这也使社会各界意识到，人工智能的稳健发展必须 依托自主创新的产业链与健康可持续的生态体系。正因如此，国产数字化升级越来越成为智能化发展的基石，并致力于为人工智能产 为例，在推进数字政府建设过程中，在政务信息化中 引入大模型助力智能化升级，面临着算力资源紧缺、场景建设复杂、场景落地效率不高等问题，需建设从算力纳管到场景开发支撑的 一体化平台，依托腾讯云的技术支持，搭建了以TI平台+智能体开发平台+AI原子能力为核心的智能化支撑体系，支撑算力资源的集 约化管理、大模型推理服务的统筹应用，政务AI应用的快速开发和部署，为大模型场景落地提供有效支撑。同时，腾讯助力宝安区构

师资培养 • 教学研讨会 • 教学网站访问量 • 在线讲座观看人数 • …… 目录 1. 大模型：人工智能的前沿 2. 大模型产品 3. 大模型的行业应用 4. 企业大模型落地方案 5. 智能体的企业应用 6. 厂商提供的企业级大模型服务 7. 大模型典型应用案例 8. AIGC与企业应用实践 9. 大模型未来发展趋势 厦门大学大数据教学团队作品 1.大模型：人工智能的前沿 1.1 大模型的概念 8万亿， 2021年11月阿里推出的M6 模型的参数量达10万亿。 1.1 大模型的概念 大模型的设计和训练旨在提供更强大、更准确的模型性能，以应对更复杂、更庞大的数据集或任务。大模型通常能够学习到 更细微的模式和规律，具有更强的泛化能力和表达能力 大模型具有更强的上下文理解能 力，能够理解更复杂的语意和语 境。这使得它们能够产生更准确、 更连贯的回答 上下文理解能力 大模型可以从大量的数据中学习， 更精准的答案和预测。这使得它 们在解决复杂问题和应对新的场 景时表现更加出色 学习能力强 大模型可以生成更自然、更流利 的语言，减少了生成输出时呈现 的错误或令人困惑的问题 语言生成能力 学习到的知识和能力可以在不同 的任务和领域中迁移和应用。这 意味着一次训练就可以将模型应 用于多种任务，无需重新训练 可迁移性高 1.2 大模型的发展历程 大模型发展历经三个阶段，分别是萌芽期、沉淀期和爆发期

生成算力网络通过将 AI 技术与算力网络的基础设施、功能流程、服 务应用等深度融合，把 AI 的解决目标和承载方式都设在算力网络内 部，利用 AI 技术赋予算力网络基础设施智能化、业务流程一体化、 服务能力自优化、算网运维自动化等能力，进而为多元应用提供泛在、 高效、灵活、安全的服务化算力供给。算力网络服务生成是利用 AI 技术使能算网深度融合与智能服务的新范式，也是智能算力网络构建 算力网络的体系框架下，通过将 AI 技术与算力网络的基础设施、功 能流程、服务应用等深度融合，把 AI 的解决目标和承载方式都设在 算力网络内部，利用 AI 技术来赋予算力网络基础设施智能化、业务 流程一体化、服务能力自优化、算网运维自动化等能力，进而为多元 应用提供泛在、高效、灵活、安全的服务化算力供给。在此基础上， 服务生成算力网络还强调能力自主优化和智能自适演进，面向动态变 化的应用场景和服 等新型业务正逐渐落地推广。为 了满足复杂多元业务场景中的不同服务质量需求，新一代信息网络基 础设施正向着通信、存储、计算等多要素深度融合的一体化服务方向 发展。算力网络作为实现算网基础设施化的一个重要载体，旨在将泛 在的算力资源依托网络进行打通互联、协同调度，并将不同的应用业 务通过最优路径调度到最优的计算节点，在实现用户体验最优的同时， 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 3 保证网络资源和计算资源利用率最优化。

大模型计算基础设施的挑战 小结 小结 CONTENTS 目录 超节点发展报告 02 当我们站在人工智能大模型技术飞速发展的十字路口，一个清晰的趋势已然浮现：大模型正沿着 “规模定律”不断演进，从预训练扩展到覆盖预训练、后训练、逻辑推理的全流程，其参数与集群 规模实现“双万” 跨越，行业模型落地需求专业化。 传统的服务器集群架构在这场变革中瓶颈愈发明显。千亿级模型一次梯度同步产生的 TB 级数据 让 础技术、系统能力与可落地性的三方协同。基础 技术是超节点的根基，其具备超高带宽互联、内存统一编址等技术特征，通过近乎无阻塞的高带宽 互联，将数百上千个 AI 处理器编织为一个逻辑统一的高密度计算体，为高效计算提供了底层支撑。 系统能力则是超节点高效运转的保障，它需要具备大规模、高可靠、多场景等系统特征。大规模的 组网能力突破了单机扩展的硬件限制，为大规模算力聚合提供架构支撑；高可靠的运行特性化解了 越式变革。从生成式 AI 到 Agentic AI 再到 Physical AI，大模型持续提升解决复杂问题的能力，并向物理世界延伸。大模型技术及能力演进， 驱动 AI 系统负载变化，需要一套系统架构满足未来发展需求，超节点成为 AI 基础建设的共识。 超节点架构引领技术革新，重构计算能力边界。超节点架构依托高速互联技术，将大带宽的互联 范围，从单台服务器扩展到整机柜以及跨机柜的大规模集群，超节点域内可达百

月，中国人民银行等七部门联合印发《推动数字金融高质量发展行动方案》， 明确提出以数字化转型为战略引擎，通过“技术驱动 + 数据赋能”双轮联动，全方位推进金融机构在战略布局、 技术应用、数据治理等核心领域的系统性变革，进一步明确了到 2027 年建成“数字金融强国”的路线图—— 以数据要素为关键生产资料，以算法算力为核心生产力，重构金融服务模式。 在数字经济纵深发展时代背景下，数据要素的市场化配置改革持续深化，以 DeepSeek Top10 获奖案例 量子技术加固金融信息安全防线——量子通信在金融领域的应用研究 拥抱智能体，赢得好未来 中小城商行数字化转型实践中的若干思考 从探索到落地：福建海峡银行 AI 大模型的轻量化实践 证券公司数字化转型的系统性规划与实践：从战略设计到落地攻坚 资本市场数字化趋势相关思考：技术跃迁与场景裂变 零信任架构在证券公司数字化转型中的应用实践 证 50 49 45 48 55 52 53 54 “鑫智奖·第六届金融机构数智化转型优秀案例评选”单项奖综述 金融机构数智化转型解决方案选登 中信建投证券：基于 AI 大模型的多智能体技术在投顾领域的应用案例 财信人寿：意健险智控平台——基于行业大数据的反欺诈与降损决策系统 潍坊银行：洞悉脉络·精准溯源——信息系统血缘关系管理平台 大家保险集团：消保管理数字化平台 数智领航