74 75 76 79 59 63 61 56 57 01 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 量子科技是驱动人类认知跃迁与生产力重构的科学 前沿，是引领新一轮科技革命和产业变革的战略高地， 已成为全球科技博弈的核心焦点。2022 年诺贝尔物理 学奖表彰科学家“用纠缠光子验证了量子不遵循贝尔不 等式，开创了量子信息学”, 2023 年诺贝尔化学奖对获 行业提供强有力的安全保障。通过介绍各金融机构实际案例，本文展示了 量子通信在金融实用场景中的创新应用路径，展示了其在数据传输方面的 安全性与可靠性。文章最后展望了量子通信与区块链、隐私计算等前沿技 术融合发展的广阔前景，强调其在构建未来安全高效金融基础设施中的战 略价值。 俄罗斯自然科学院外籍院士 吴永飞 一、量子科技作为新质生产力代表已成为国 内外关注焦点 俄罗斯自然科学院外籍院士 AI 大模型高地，中小 城商行如何破局？作为一家扎根福建、服务“地方经济、 中小企业、城乡居民”的城商行，福建海峡银行选择了 一条轻量化、场景化、安全可控的技术落地路径。其核 心并非追求技术前沿的全面覆盖，而是聚焦区域特色金 融，以开源大模型为引擎，探索出一条高性价比的智能 化升级之路。 福建海峡银行清醒地认识到自身在 AI 人才储备和 算力资源上的局限。同时，其服务定位决定了必须优先

技术正从单点能力突破，迈向更通用、更智能的未来。全球 AI 大模型正朝着更大规模、更高效率、 更强自主性的方向迈进，这意味着人工智能大模型的发展已进入一个系统性竞争的新阶段。这不仅 定义了技术的前沿，也对底层基础设施提出了前所未有的要求。人工智能大模型对计算基础设施的 挑战是系统性的，涵盖了算力、通信、功耗和运维等多个维度。 然而，这些看似分散的挑战，其根源几乎都可以追溯到一个核心的驱动理论——“规模定律”。 系列”模型，满足更专业的市场需求。 趋势三：大模型训练成本倍数级增长趋势 根据 Cottier, B., et al. (2024) 的研究分析，大型语言模型（LLM）的训练成本正呈现出惊人 的倍数级增长趋势。前沿模型训练成本每年约 2–3 倍增长，至 2027 年或超 10 亿美元。成本构成 以加速器 / 服务器 / 互联折旧（47%–67%）与研发薪酬（29%–49%）为主，能源 2%–6%。这 迫使业界转向算法效率与底层架构的根本创新。 芯片到交换芯片带宽不小于 400GB/s，交换设备时延小于 500ns。超节点域内 AI 芯片支持内存统一编址，AI 芯片使用内存语义可直接访问其他 AI 芯片的内存。 在人工智能大模型训练和推理等前沿技术的算力需求驱动下，传统分布式集群在通信效率、资源 聚合能力上的局限性日益凸显，超节点凭借超高带宽互联、内存统一编址等技术特征，以及大规模 灵活组网、高可靠运行等系统优势，成为支撑复杂计算任务的关键底座。

TTS 领域内分析及处理 ASR 多领域对话状态分布 自然语言理解 文本或语音 文本或语音 状态更新 特征表示 特征表示 中间结果 终端 19 . . . 聊天技术的前沿研究点 Zhang et al. (2018) Oraby et al. (2018) Zhang et al. (2018) Mazaré et al. (2018) Mo et al (2018) Zhou et al. (2018) Asghar etal. (2018) Sun et al. (2018) Zhou et al. (2017) 情感对话 聊天技术的前沿研究点 Zhang et al. (2018) Luan et al. (2017) 机器人画 复质量 Zhang et al. (2018) 特色 功能 • M ：你今年多大了？ Wu et al. (2017) Tian et al. (2017) 上下文建模 Ghazvininejadetal. (2018) Ke et al. (2018) 聊天技术的前沿研究点 Zhu et al. (2018) Xing et al. (2017) Yu etal. (2017) Song et al. (2017) Li etal. (2017a,b)

聚焦重点场景，驱动人形机器人应用健康发展.........................18 世界互联网大会智库合作计划系列成果 前 言 Ⅰ 人形机器人作为人工智能与物理世界深度融合的前沿范式，正成 为智能技术突破虚拟边界的关键支点。人形机器人打破传统人工智能 的"离身认知"局限，通过独特的“人形”设计，使人工智能系统能够 无缝适应人类工作与生活环境，熟练操作为人类设计的工具与设备，实 各国人形机器人战略布局各有侧重 全球主要经济体均高度重视具身智能发展，不断出台政策支持具身 智能发展，提升全社会对机器人领域的关注和支持。美国紧抓人工智 能基础研究，保持具身智能领域的前沿领先地位。先后出台《国家机 器人计划3.0》和《国防部人工智能战略》，将AI技术竞争上升至国家 战略层面。欧盟方面，积极推进具身智能发展，强调具身智能的安全 与透明度，先后推出《欧盟机器人研发计划》、《欧洲人工智能战略 现“感知-决策-行动”闭环的高效运行。从成本视角看，高精度传感器、 仿生关节驱动器的微型化与成本下降，使人形机器人从“奢侈品”走向 “平民化”，产品转化周期大幅缩短，具备规模场景应用的经济基础。 10 来源：产业前沿 | 2025人形机器人产业发展十大趋势。2025年6月13日。 https://mp.weixin.qq.com/s?__biz=MzUyMDc0MzI5Mw==&mid=

在智算大模型训练、超算科学计算与工程仿真等前沿领域，海量 数据集是驱动创新的关键要素。传统的数据传输方式，如机械化运载 海量硬盘甚至整个存储机柜，在效率、安全性和成本方面面临诸多挑 战。例如，运输过程易受物理环境影响，数据丢失或损坏风险高；运 输时间长，无法满足快速迭代的业务需求；高昂的运输和人力成本也 给企业带来沉重负担。而传统互联网同样难以支撑这些前沿领域对数 据传输的严苛要求。其网络带宽有限，在面对海量数据洪流时，传输 的传输机制，无法 为特定任务提供有保障的传输质量，难以契合前沿科研和创新应用对 数据传输确定性、可靠性的需求。 随着确定性广域网的发展，其高带宽和确定性传输能力为数据传 ●输带来新的解决方案 。借助信息化手段，实现海量数据的高速、安全 传输，如同搭建一条数据高速公路，有效提升数据传输效率，降低成 本，增强数据安全性，为前沿科研和创新应用提供有力支撑。 4.2.2 目标效果  准确迁移定位 但在诸多方面存在显著差异。在应用场景上，数据快递聚焦于智算大 模型训练、超算科学计算与工程仿真等前沿领域，这些领域对数据处 理时效要求极高，需快速获取和传输海量数据以驱动创新；而东数西 存主要针对众多行业客户日常运营中产生的大量具有长期保存价值、 当前使用频率较低的数据，旨在解决本地数据中心存储容量不足的难 题。从数据特点来看，数据快递涉及的是在前沿科研和创新应用中用 于实时计算、迭代的数据，数据量庞大且更新频繁；东数西存的数据

场前景三个角度，分析 “机器人+人工智能”工业应用的发展背景；其次，从技术趋势的角 度，回顾人工智能与机器人融合的三大技术方向，分析在人工智能大 模型推动下，以人形机器人为代表的具身智能技术的前沿进展；接着， 从应用场景的角度，通过全球 88 个案例分析“机器人+人工智能”在 典型场景、行业中应用情况；最后，从技术、产品和应用三个方面， 展望“机器人+人工智能”在工业场景中的应用前景。 .......... 3 （一）工业领域的机器人正在从中等智能走向高度智能 ...... 3 （二）三大融合方向及其组合推动智能机器人产品涌现 ...... 5 （三）具身智能尤其是人形机器人前沿研究持续火热 ........ 8 三、“机器人+人工智能”在工业领域的应用 ................. 10 （一）应用场景：从生产操作向其他高附加值场景拓展 ..... 10 1、生产操作：从操作精度提升到自适应学习 别 类+复杂操作类”模型的分拣机器人、质检机器人；搭载“识别类+ 自主导航类”模型的巡检机器人、配送机器人等。 图 2 机器人产品智能化的三个方向及组合 8 （三）具身智能尤其是人形机器人前沿研究持续火热 1、大模型为具身智能提供模拟人类的“大脑” 具身智能是人工智能与机器人技术的结合，是“具身化的人工智 能”。相较于前文提到的特定目标导向的智能机器人，具身智能更强 调在环境中的

思维、技术素养、好奇心和学习能力等通识素养是未来最需要培养的技能。智能时代背景下，传统的技能已无法满足社会需求，学 科壁垒不断消融，跨专业人才需求紧俏。 来源：麦肯锡《生成式人工智能的经济潜力:下一个生产力前沿》、世界经济论坛《未来就业报告2023》 ，艾瑞咨询研究院根据公开资料自主研究绘制。 AI成为基础设施，基础工作被替代 AI大模型具备认知、分析、推理能力，冲击替代的对象涉及部分专业化岗位： 需要一定知识储 www.iresearch.com.cn 技术发展影响教育形态 教育的进化在于结合前沿生产技术与教育理论探索“如何实现更好的教学” 教育作为服务于人类群体传承的古老环节，其连续性、稳定性和继承性的本质特征，决定了它不会随着生产技术发展而快速进化。 在传统教育模式的基础上，前沿生产技术主要带来了教育资源类型、教学组织方式以及教学交互方式方面的革新，其影响是累积、 叠加和渐变的， 叠加和渐变的，而并非是全然替代性的，“老师讲授-学生吸纳-知识传承”的班级授课至今仍然是学校的主流教学模式，和千百年前 并没有本质上的区别。而如何利用前沿科学技术结合现代教育理论，实现更大规模、更高质量、更高效率以及更好成果的教育，是 当代教育研究领域一直致力于探索的问题。 时代发展 口头信息 公元前4世纪 中以前 手抄文字 15世纪中以 前 印刷文字 15世纪中叶 至今 电子信息 1830年至今

CCID CCID CCID CCID CCID CCID CCID CCID CCID C 5 加强制造业中试平台建设。加强战略急需中试平台建设，围 绕量子、生物、人工智能等前沿产业发展需求，布局一批中 试平台，促进新技术新产品密集验证与落地转化，提高产品 性能、功能和质量可靠性水平，促进自主产品迭代升级。三 是制定促进国货国用的相关政策。动态编制发布科技创新成 果 建议：一 是建立技术预见机制。加大对发达国家科技发展战略、全球 顶尖咨询机构权威报告、全球高价值专利等的分析力度，加 强对战略性新兴产业和未来产业战略规划、预见预测与发展 模式研究，动态筛选前沿技术领域。二是丰富应用场景。建 设多元化未来制造场景，加快工业元宇宙、生物制造等新兴 场景推广，以场景创新带动产业升级。依托载人航天、深海 深地等重大工程和项目场景，加速探索未来空间方向的成果

标准认证、知识产权等公共服务建设，推动创新环节全流程协 同发展。（责任单位：省发展改革委、省科技厅、省经信厅为 责任主体，下同） 2.强化“元技术”前沿攻关。加快内容生产、实时渲染、网 络传输、立体显示、人机交互等多感官交互技术研发应用，推 进脑机接口等前沿技术攻关。深度布局新型显示技术，加快光 电关键元器件及材料、高端显示芯片等核心技术研发，加强 8K 显示、近眼显示等产品创新。提升发展高性能计算，加速

.................................................................. 29 微软&OpenAI：闭源模型全球领先，大模型产品化处于前沿 ...................................................................... 29 谷歌：闭源模型全球领先，自有业务生态及 AI 大模型的多模 态能力也快速提升。2023 年初，主流闭源大模型通常为纯文本的 LLM。2023 年至今，闭 源模型的多模态能力具有大幅度提升，目前主流闭源大模型通常具备图像理解、图像生成 能力。部分最前沿的闭源大模型，例如 GPT-4o、谷歌 Gemini，支持的模态更加多元，能 够理解文本、图像、音频、视频（帧），并生成文本、图像、音频。2022 年 9 月，红杉资 本预计还需要近十年的时间，大模 ecosystem graphs，公司官网，华泰研究 AI 大模型不断提升的同时，得益于算力芯片性能的提升与推理部署的优化，大模型应用成 本快速下降，为基于大模型的应用发展创造了基础。目前 OpenAI 最前沿的 GPT-4o (128k) 输入输出的平均价格比 2022 年 11 月的 GPT-3 Da Vinci 低一半，主打高性价比的 GPT-3.5 (16k)平均价格则比 GPT-3 Da Vinci