技术的赋能， 实现拟人化的感知、决策、控制能力，实现了智能的飞跃。同时，人 形机器人还需要具有拟人的外观，通常由头部、躯干、四肢等部分组 成，能够实现模拟人类的行走、抓握等动作。这种类似人类的形态，可 以快速融入人类社会，完成具体的任务，通用性和适应性较强。 人形机器人依据其结构与功能特性，可主要分为轮式人形机器人、 足式人形机器人以及通用人形机器人。轮式人形机器人采用轮式驱动， 场景。 11 1. 典型场景及成效 （二）人形机器人探索构建普惠、精准、有温度的医疗未来 人形机器人在医疗领域的应用探索正从实验室迅速走向临床实践， 其核心价值在于结合人类形态的灵活性、人工智能决策能力以及多模态 交互技术，从而解决医疗资源短缺问题，提升诊疗精准度和个性化服务 水平。2023年以来，一些通用人形机器人也开始用于医疗场景的试验。 例如，美国Sanctuary 输到末端配送的全链路无人化。通过24小时不间断作业提高物流配送效率， 降低企业运营成本。 人形机器人在物流运输领域的未来发展趋势正从技术探索走向规模 化落地，其核心价值在于结合人类形态的灵活性与环境适应性，突破传 统自动化设备的局限。人形机器人的终极价值在于重塑物流生产力范式 ——通过“类人化”突破环境限制，以“智能化”实现无缝协作，最终 构建零改造、全适应、自进化的物流系统。

业务直接出彩光进入波分系统，减少两级 OEO 过程，大幅减少中间设备和机房能耗。在架构层面，通过 CPO （共封装光学）、硅光集成、动态光层调度等新技术，推动网络走向“极 简转发+按需编排”的绿色形态。最终目标是在保障高性能承载的同时， 实现每比特传输能耗最小化，构建面向 AI 时代的低碳智联网络。 （4）切片保障 带宽切片保障是通过将网络带宽资源进行划分，为不同业务或用 户提供独立、定 硬件层：由具体的光电融合硬件组成，包括彩光引擎线卡、彩光 相干模块、模块化白盒波分设备、模块化白盒路由器、框式商用路由 器等形态。该层直接承载业务转发与光信号调制解调，是支撑 IP 业 务直接入光、光层传输、降低中继损耗、实现大带宽低功耗传输的物 理基础。其形态灵活、接口丰富，可按需部署于算力集群边缘、骨干 传输节点或广域边界侧。 协议层：该层为设备的操作系统与功能编排系统，负责统一管理 融合多能力栈 网络设备不仅具备传统路由转发能力，还融合了算力感知、自适 应路径、彩光驱动等智能调度模块，构成了“计算－网络－光传输” 融合的综合服务平台。 4.多样化形态适配多场景部署 支持彩光线卡、模块化白盒、框式路由器等多种硬件形态，可灵 活部署于核心、汇聚、边缘等多种应用场景，满足智算中心互联、骨 干网演进、数据中心互联等需求。 5.支持标准化协议与可编程能力 全面兼容 NETCON

能力的延伸，是人的智能在机器形态 上的规模化聚集、运作和反应。由此，部分基础性的专业工作被替代，AI在劳动贡献、价值创造中 逐渐与人比肩甚至超越人类，AI和人类共同成为社会贡献主体。 在中观层面上，AIGC技术在知识量、信息获取和处理方面的强势能力，迫使教育界进一步反思现有 的教育框架，教师作为教学主体的功能性与人文性价值如何取舍？师-生-机三位一体的教育形态意 义几何？以知识传递和测评 依据特定场景深入理解而切入， 但若没有自主大模型仍然会受制于人。同时，通用大模型与教育垂类大模型的关系，正向着各司 其职、融合发展的方向持续演化，未来可能呈现出通用大模型与N个专家模型多重组合的形态。 在内容层面，基于神经网络技术的AIGC与素养发展具有天然相似的基因，企业可以发力C端小模 型从而引领行业发展；在技术层面，大模型分析+多模态交互+Agent规划+具身智能行动，AGI 完全 麦克卢汉提出，媒介是人的延伸。AIGC技术作为一种人造工具（媒介），是对人脑计算、思考、判断、学习等内在能力的延伸，同 时在巨量数据的加持下，AIGC在发现、认识、运用规律上有着明显的优势，是人的智能在机器形态上的规模化聚集、运作和反应， 突破了人类能力的边界；而AIGC的问答式交互、无需下载和配置等特性，使得AI技术的使用门槛大大降低，AI技术走向平权化；同 时，联网后的实时海量数据支持，模型开源及插件

3、钢铁：聚焦质量管理和安全管理 ...................... 20 四、“机器人+人工智能”工业应用展望 ..................... 22 （一）具身智能机器人将进一步变革工业生产形态 ......... 22 （二）工业人形机器人规模化应用仍需经历长期技术迭代 ... 22 （三）行业应用将从汽车电子向其他制造业领域渗透 ....... 23 附：苏州市“机器人+人工智能”工业应用案例 模态大模型是衔接虚拟和物理世界的主要模式。 2、人形机器人作为人类能力的延伸是具身智能的重要发力点 具身智能的可以是机械臂、机械爪、仿生机械狗等多种形态，但 是由于类人形态能够执行多种复杂任务、与人类社会环境较为适配并 且在心理上更容易被人接受，人形机器人被普遍认为是具身智能最理 想的应用形态。目前，人形机器人前沿技术百花齐放，形成了大小脑 分层控制和端到端一体化两条技术路线。 由于目前“大脑”受限于平台和数据尚无法形成人类大脑能力闭 构完成了以智能焊 接机器人为核心的国内建筑钢结构行业首条智能焊接生产线，用于建 筑、桥梁等钢结构项目。 22 四、“机器人+人工智能”工业应用展望 （一）具身智能机器人将进一步变革工业生产形态 目前，部分先进的工业机器人已经能够通过学习视频、图像的等 完成各种复杂操作，但本质上依然是基于先验设计和既有数据训练的 结果，难以适应训练场景以外的复杂环境。而具身智能是在开放环境 中涌现

体同台竞价成 为常态，进一步加剧了新能源产业的市场博弈复杂度。 随着新能源渗透率提升，电力系统运行机理发生根本性改变。传统“源随荷动” 的模式难以为继，取而代之的是“源网荷储协同互动”。这一新形态具有三大特征：高 比例波动性电源、海量分布式资源、多时间尺度耦合，直接将新能源产业的核心矛盾 聚焦于“三重不确定性”，即物理侧不确定性（新能源出力预测偏差）、市场侧不确定 性（电价波动）和政策 捕捉外界信息、消化系统将其转化为能量，智能基座必须具备对海量异质数据的 强大接入与处理能力。这些数据涵盖时序运行的功率数据，如风电、光伏出力、 负荷曲线等；空间分布的地理信息，如场站位置、充电网络布局、电网拓扑等； 文本形态的政策报告，如市场规则、补贴政策、调度规程等；图像视频的巡检影 像，如设备状态、故障识别、现场监控等。此外，这些数据协议繁多，例如 Modbus、IEC���、MQTT、OPC UA等，质量也参差不齐，存在数据缺失、噪声 产，为上层智能提供一致、可信、高效的数据燃料。 需要说明的是，这里将“多源异构”与“多模态”进行了区分：多源异构强调 数据来源与协议的统一接入，属于数据工程与数据中台范畴；多模态则指文本、 图像、视频、语音等不同媒体形态的融合建模。二者共同构成智能基座的数据基 础⸺前者解决“数据能否被看见”的问题，后者解决“能否被理解”的问题。 2.3 模型能力：智能基座的核心智囊 2.4 智能体能力：智能基座的手脚与协作网络

生命共融、科技与人文同辉的美好未来。 中国工程院院士 清华大学信息科学技术学院院长 北京信息科学与技术国家研究中心主任 脑与认知科学研究院院长 《智能世界 2035》较系统地勾勒了未来十年智能技术演进与社会形态重塑的宏伟蓝图，视野开 阔、分析深入。值此研究报告发布之际，我愿从复杂系统与智能演进的内在逻辑出发，谈几点思考。 智能的本质，并非仅仅是数据模式的识别与归纳，更在于其对物理世界的理解、互动与重塑能 底座。预计到 2035 年，网络将需要支撑 90 亿人口拥有 9,000 亿智能体，通信容量将增长 100 倍。 与此同时，算力需求将激增 10 万倍，催生出全新的范式，如模仿大脑高效能的神经形态处理器与 量子处理器等。存储将迈入尧字节时代，让数据“觉醒”，为持续学习提供有形资源。云边协同共 生将推动 AI 民主化，而能源领域的突破，特别是高密度电池和可持续发电，将消除认知和实现之间 “Prompt 与 Goal 设计师”和“安全审计官”。 价值重心从写代码转向治理复杂系统。 流程重构：从流水线到代理化 SDLC。传 统 SDLC（软件开发生命周期）将被 Agent 代 软件形态变化：从程序到“程序 +Agent” 13 理化，AI 可自动生成需求文档、产出代码、执 行测试、提交 PR，人类则监督关键节点。开发 流程将演变为人机协作流水线，强调回滚机制 与可靠性保障。

立的多个节点。这些计算节点可涵盖数据中心、边缘设备（如基站、 物联网网关）、终端设备甚至个人闲置设备等，通过网络连接形成协 同体系，实现算力资源的分布式协同与高效利用。分布式算力并非单 一形态，边缘算力是前者重要组成部分，是分布式思想的一种具体体 现。边缘算力强调“地理近端性”，即计算能力的部署靠近数据源， 以满足低延迟和高实时性的需求；而分布式算力更关注“全局最优性”， 侧重任务 为构建高效、敏捷、普惠、可持续的下一代数字基础设施提供核心动 能，赋能千行百业的数字化转型与智能化升级。 1.2 分布式算力感知与调度研究意义 在数字化浪潮席卷全球的今天，算力已不再是单纯的技术指标， 而是驱动社会经济形态深刻变革、与热力、电力并驾齐驱的关键生产 力，是支撑数字经济高质量发展的战略基石。中国信通院指出，随着 新一代通信规模建设和边缘计算应用的持续部署，越来越多的应用运 行和数据生产处理在边端侧开展，这对于传统算力基础设施的部署、 ，该领域的 研究将不断深化，向着更高程度的智能化、更精细的感知、更强大的 跨域协同能力、更强的安全可信保障以及更优的绿色效能演进。它不 仅是解决当前算力供需矛盾的有效途径，更是塑造未来数字社会形态、 驱动经济高质量发展、提升国家综合实力的关键所在。 1.3 需求分析 当下通信与算力的多样化以及算力资源分布式特性与多类型应 用场景的深度耦合极大地推动了分布式算力感知与调度的产生，本节

··············································································· 57 图表 72 图表国产厂商 UHF RFID 不同形态读写器出货量分布（单位：万台） ·································································58 图表 73 UHF RFID 第一是从连接成本考虑，RFID 无源物联网是市场上连接成本最低的方案，万物互联就意味着有大量的 日常消耗品需要连接，比如衣服、药品、快递包裹等，而这些消耗品可能单价很便宜，用高成本的方案显然 不现实。 第二是从产品形态与适用性角度来说，RFID 无源标签也是最适合用来对大规模的物品进行连接的，因 为 RFID 无源标签没有电池，且芯片尺寸也极小，几乎跟普通的标签没有差异。 第三是从环保与可持续发展的角度来说，RFID 显性成本就是电池的购买成本以及人工成本，仅看价格，电池已经很便宜，但是再便宜的单价 ×1000 亿的量都是 一个很大的数字，并且，如果功耗大，1 台设备更换电池就会很频繁，电池的成本更高。 • 隐性成本就是电池对 IoT 产品的尺寸形态带来的改变，对环境造成的损害等，隐性成本虽无法量化，但成本的总 量也会很高。 很多场景需要做到单个电池的使用寿命与 IoT 设备的迭代周期同步，即当电池电量耗完时，这个设备也需要更换。 这一需求也促使了各类

surface”，即 由一组相互连接的连杆和关节组成的机构，通过往复运动和与行进表 面的间歇接触来支撑和推进移动机器人。根据定义来看，双足机器人 可以是双足的动物形态，也可以是人形形态，亦或是其他有双足的形 态，在此定义中并没有十分明确其具体形态。并且如前文所讲，人形 机器人并不一定是用两条腿来移动，可以是其他可移动部位的动作与 人类相似。所以双足机器人和人形机器人两者之间有交集但并不相等。 且 物品抓取 泡咖啡、整理 桌面、搬运物 品 搬运物品 行走、上下台 阶、舞蹈、奔 跑 行走、跳跃、 跳高、抓放物 品 行走、舞 蹈、端水 行走、抓放 物品、搬运 物品 25 产品形态 当前，我国人形机器人产业在国际上处于领先并跑阶段。未来， 可通过制定人形机器人本体整机系统相关标准，涵盖模块化设计、接 口兼容性、整机性能评价和安全规范等核心要素，进一步提升我国产 品在性 代、能力互补，降低作业人员危险性，在应急救援场景的应用是与人 协作共融，提高救援效率，两类场景下的地形复杂、环境极端，人形 机器人在高危/救援下的应用成为最有价值的场景，也对机器人的性能 和形态提出了更高的要求。 27 6）教育培训 在教育培训领域，人形机器人可以作为教育助手或辅助教师使用， 他们可以与学生进行互动，解答问题，提供个性化教学。此外，人形 机器人还可以用于模拟实验、演示科学原理、编程教育等教学场景，

序言 3 超节点发展报告 05 人工智能高速演进背景下，算力需求呈指数级增长，大模型竞争已进入 “参数规模摸高” 与 “训 练效率提升” 并行的新阶段。Scaling Law（规模定律）将以多元形态长期生效，持续推动人工智 能技术突破能力边界，而超大规模 Transformer、MoE（混合专家模型）、稀疏注意力模型等，已 成为可扩展模型的核心架构方向。在复杂的混合并行策略下，随着并行规模持续扩大，系统节点间 架构通信瓶颈的突破，经历了从服务器到机柜级集成 系统并最终深化为软硬件全栈协同的系统工程。它与 HPC、分布式计算等领域既有渊源又存在本质 区别，其核心价值是为大模型深度优化的专用算力基石。超节点的形态和技术路线将持续演化，但 其作为 AI 时代核心计算单元的地位已然确立。 随着超节点成为 AI 基础设施的核心，围绕其构建的产业生态也呈现出两种截然不同但又相互竞 争的发展模式。 第一种是“ 常低于 100GB/s），且并行 维度被限制在八卡以内。以大模型训练为例，当前主流的 MoE 模型（如 DeepSeek V3、Qwen3 等） 都采用了 64 卡 EP 并行的方式，传统服务器形态，跨机通信存在瓶颈，优化困难，超节点的大带宽 能够提升通信效率，缩短卡间不可掩盖的通信，降低模型性能调优难度，快速提升 MFU。 超节点需通过构建 Scale Up 高速互联体系实现规模破局：依托创新的互联技术打造大规模、高