生态，构筑丰富的 业务和应用生态。  联接 ToC/ToB/ToH 场景下的海量用户资源，将算力服务和生 态应用引入到千行百业、千家万户。 （2）算网一体、灵活部署  沿用新型城域网模块化组网架构，基于 Spine-Leaf 灵活扩展， 泛在接入各类用户。  算力网关随 AIDC 灵活部署，构建网络和算力资源的标准化对 算力城域网白皮书（2025 版） 14 接模型，实现网随算动。 按用户或业务类型设置网络切片，实现用户数据管道安全隔离。 算力城域网白皮书（2025 版） 15 4.2 算力城域网总体架构 图 4-1 算力城域网（COMAN）总体架构 算力城域网基于算力 POD、云网 POP、出口功能区模块化组件 搭建。算力 POD 实现 ToC/ToB/ToH 场景的算力用户统一接入和广泛 覆盖，以及深/浅边缘算力池的快速接入；云网 POP 通过算力网关联 接城域网络与算力资源池，实现二者在参数面、样本面、业务面网络 接城域网络与算力资源池，实现二者在参数面、样本面、业务面网络 间的标准化快速对接；出口功能区作为 AIDC 与算力 POD 之间的枢 纽，实现用户数据高效入算，以及多 AIDC 之间的算力协同。 算力城域网通过三大模块化组件之间的高效协同，确保算力业务 在城域内的高效承载。算力 POD 作为用户接入入口，通过与云网 POP 高速互连，构建用户至算力资源池间的高效传输通道；算力 POD 与 出口功能区联动，实现跨 POD/跨域的用户至算力资源池的端到端无

速度。 图 1. 光电融合网络系统架构图 光电融合网络采用分层解耦、融合重构的技术架构。其核心结构 包括三层： 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 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 NETCONF、 备的统一配置和状态同步，替代传统 CLI/SNMP，实现从“人工脚本” 向“结构化交互”的转型。 如今，业界更多转向以 PCEP + BGP-LS、NETCONF + YANG 等 更轻量、模块化、可编程的协议体系，来实现 IP 与光层的有效联动 与自动化编排。 3.硬件层融合 在底层网络中，报文转发方式历经多个阶段性技术迭代，体现出 从光电分离走向光电融合的演进趋势，尤其在硬件层面上，体现为模

署。其核心目标在于 充分发挥标准化在支撑产业发展中的关键作用，着重强化产业链上下 游的协同创新能力，推动科技成果向实际应用的高效转化，构建完备 的产业技术创新生态链，推动软硬件系统的标准化与模块化设计，大 幅提升新产品开发效率，助力应用场景的落地生根，并持续提升我国 标准在国际舞台上的影响力。 白皮书全面且系统地梳理了人形机器人领域标准化工作的现状， 深入剖析了当前面临的问题与挑战，精准把握标准化建设的迫切需求 打破国外技 术垄断，为实现自主可控的核心部件供应提供重要支撑。 未来，为推动人形机器人产业高质量发展，应加速制定上游核心 零部件的技术标准，以提升国产化水平和全球竞争力。标准化不仅是 实现模块化设计和部件互换性的关键，也是优化生产流程、提升系统 集成效率的重要手段。统一的技术规范和接口标准将有效降低企业在 研发和制造环节的成本，同时促进产业链上下游企业间的协同创新与 资源整合，进一步 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 品在性能、可靠性、互操作性等方面的竞争力，加速产业链协同，推 动产业升级，同时助力国内企业在全球市场中打造技术优势和品牌效

展望2026年，数据要素价值将加速释放，有力重构制造业价值链。 在数据资产化层面，数据确权、评估、入表流程将更加规范，工业数据 空间、数据交易所等为工业数据共享提供流通渠道，将涌现出更多标准 化、模块化的封装工业数据产品，数据资产相关的金融创新工作起步探 索。在数据驱动决策层面，多维数据融合分析成熟，时空与语义上下文 理解驱动决策精准化，工业数据将赋能产品设计、生产工艺优化、设备 运维全流程 （三）强化关键技术攻关，筑牢安全发展基座 组织实施工业软件、工业控制芯片、实时工业网络等关键环节的攻 关计划，开发一批通用型数字化转型工具，围绕数据采集、边缘计算、 系统集成等共性需求，推出标准化、模块化、低成本的解决方案，降低 企业技术应用门槛。支持龙头企业牵头，联合高校、科研院所组建创新 联合体，推动建立工业技术软件化开源社区，共享基础算法和组件，突 破设计、仿真、控制等领域的核心技术瓶颈，打通技术研发到落地应用

度、交易、服务等关键业务 从经验范式向数据驱动、智能决策跃迁。 横向维度：技术基座的兼容与赋能，构建集多模态数据处理、行业知识、模型与 智能体能力于一体的共享基座，为所有纵向业务提供标准化、模块化的智能支持。 二者协同构成“飞轮效应”，纵向业务牵引基座迭代，横向基座加速业务创新。共 同驱动产业智能化转型。 以此框架为核心，系统阐述了五大核心业务场景的智能化实践与成效： 资产智能：针对 本维度指支撑所有纵向业务实现智能升维所需的共享技术能力基座。其核心使 命是打破壁垒、融合资源、标准化能力。它并非某一具体业务系统，而是一个能够向 下兼容接入各类异构设备、多元系统、多源数据，向上以标准化、模块化方式提供智 1.2 双轴驱动：业务智能升维与基座兼容赋能的协同演进 然而，现阶段的人工智能方法在复杂电力系统任务中的应用，与新能源行业的 核心需求之间仍存在一定的适配空间。一方面，传统小规模深度学习模型在特定场 能力产品化，从内置功能到可交易服务。这一趋势是横向技术基座能力标准化、 模块化输出的必然结果。当前，预测、优化、控制等AI能力大多作为应用系统的内 置功能，与特定软硬件绑定。未来，这些能力将逐步解耦为独立的数字化产品，通 过API、微服务等形式按需调用、计量计费，形成繁荣的能源AI应用市场。朗新科 技已在新电途平台实践MCP服务开放模式，未来将进一步推动“朗新九功”核心能 力的模块化、产品化输出，为行业提供可复用的智能能力组件。

长尾场景中依赖人工接管率仍高于8.7%[1]。这一瓶颈并非单纯算力限制所致， 更深层源于传统架构中感知特征、运动规划与底层控制指令间存在强耦合依赖 ，导致任一模块升级需全链路回归验证，严重制约迭代效率。 为突破上述局限，模块化解耦正成为行业共识路径。以地平线HSD（HorizonS martDriving）城区辅助驾驶系统为例，其将决策规划模块明确划分为行为决 策（BehaviorDecision）、轨迹规划（Tra 信，支持算法模型、地图语义、控制参数的按需替换与灰度发布。该设计已在 征程6系列芯片平台实现量产落地，使城区NOA功能OTA迭代周期从平均45天 压缩至9天，同时保障系统级功能安全（ASIL-B）不降级[2]。模块化不仅提升 开发敏捷性，更强化了技术栈的可验证性与责任边界划分能力。 答对先见AI 全球智能驾驶辅助技术发展现状:技术路线、商业化落地与政策框架分析 7 计算资源调度优化是支撑实时推理稳定性的关键底座。现有方案多采用静态任 推动域控制器市场加速普及的核心增长动因呈现结构性特征：其一，系统集成 效率提升 单域控替代多ECU可减少30%以上布线重量与20%以上开发周期； 其二，维护便利性增强 基于SOA（面向服务架构）的模块化设计使功能更 新与故障诊断更精准高效；其三，功能拓展空间扩大 BEV+Transformer模 型广泛应用倒逼域控算力跃升与结构重构，高阶智驾功能（如无图城市NOA、 自动泊车代客泊车）持续拓

过程中自主学习轴孔装配技能，通过在线辨识控制器的最优参数，提 高装配操作质量。二是自主导航类，随着激光地图建模技术不断成熟， 基于地图开展移动路径设计的自主导航功能也实现广泛应用，发展出 各类清洁、搬运机器人。 在传统模块化机器人中，多种模型的组合配合也大大拓展了机器 人的应用场景。其中，以工业视觉为代表的感知交互技术在软硬件层 面都趋于成熟，因此与其他模型的组合使用较为常见，如搭载“识别 类+复杂操作类”模型的分拣机器人、质检机器人；搭载“识别类+ 驱动强化学习实现任务泛化，比如若愚科技推出的九天机器人大脑， 能够通过自然语言与机器人交互完成任务。 大模型是强化学习的辅助工具，为具身智能提供了开展统一决策 的“大脑”。在传统的“感知-推理-控制”模块化框架之下，智能机 器人通过单个或多个“小模型”结合人工介入来完成相应的任务。大 模型出现以后，不同模块的功能融合到一个统一的框架下，机器人能 够通过与物理环境的实时交互，对语言、视觉、触觉等多种感官信息 早出现在生产过程中的重复性、封闭性的操作场景中，在多个行业已 经实现了大规模应用，在市场效率竞争和小批量柔性生产趋势下，企 业普遍存在对智能化机器人的升级需求；二是机器人功能的拓展，随 着机器人模块化设计和柔性控制技术的成熟，工业机器人的精细化程 度和灵活性显著提高，原本无法被取代的喷涂、焊接场景也逐步开始 应用机器人。 此类场景主要包括两种“机器人+人工智能”融合应用模式。一 是“机械臂+操作优化模型”模式，AI

协作网络。在人形机器 人的发展进程中，面临着技术差异与标准碎片化的问题。在硬件构型方面， 针对细分领域机器人建立相对统一的硬件标准，通过制定标准化的接口协议 规范和模块化架构，降低硬件维护难度，延长设备使用寿命；构建模块化硬 件参数基准，提升硬件之间的互操作性；统一操作系统的通信协议和人机交 互规范，借助标准化框架降低跨平台协作成本，推动行业厂商数据集的通用 共享，推动形成覆盖技术研发

应建立仿真测试环境，实 现产品外观、结构、性能 等关键要素的设计仿真 及迭代优化； c) 应实现产品设计与生产 相关业务活动的信息交 互、并行协同 a) 应建立敏捷设计环境，支 持产品参数化、模块化 设 计 ； b) 应将产品的设计信息、生 产信息、检验信息、运维 信息等集成于产品的数 字化模型中，实现基于模 型 的 产 品 数 据 归 档 和 管理： c) 应构建完整的产品设计 产量、生产资源配置等； c) 适用时，应基于先进过程 控制系统，融合工艺机理 分析、多尺度物性表征和 建模、实时优化和预测控 制等技术，实现精准、实 时和闭环的过程控制； d) 适用时，应用模块化、成 组和产线重构等技术，搭 建柔性可重构产线，根据 订单、工况等变化实现产 线的快速调整和按需配 置，实现多种产品自动化 混线生产； e) 应用工业控制网络技术， 通过生产现场设备控制

能够更好地适应动态变化的环境和需求，提供更强大的网络服务能力。 通过自主决策和协同合作，实现网络的智能化和在线闭环优化。作为 构建服务生成网络的核心思想，“单域自治、跨域协同”通过分层次 构建体系化能力，一方面，通过模块化的极简网络来降低网络操作复 杂度，为用户提供极致的服务体验。另一方面，允许面向业务场景、 部署方案、运维流程和用户需求等进行灵活定义、全局规划、优化， 使能网络更好地适应复杂的网络环境和需求。上述思想也是实现全场 能力，并能够将 基础设施资源以统一的标准进行度量，抽象为信息要素加载在网络报 文中，通过网络进行共享。同时，为敏捷实现多元业务并提供极致的 用户体验，服务生成算网的体系架构需要是极简的，支持模块化的功 能组件、标准化的协议接口、扁平化的管理机制、可解耦的服务策略 等功能。在此基础上，服务生成算网的架构还应该遵循分层跨域的设 计思想，基于单域自治与跨域协同的建设思想，进而实现全域服务生