下⼀代机器⼈的发展，将它们 转变为智能、⾃主的系统，以彻底改变各个领域。 我们在哪些领域看到了人工智能机器人的技术进步？ 近年来，机器⼈技术在稳健和坚固平台的可⽤性⽅⾯以及在能⼒⽅⾯都取得了快 速进展。像波⼠顿动⼒的Spot和ANYbotics的ANYmal这样的机器⼈已经发展成 为可靠、多功能的⼯具，现在⼴泛⽤于在具有挑战性的环境中进⾏检查、监视和 搜救。⽀持这种转变的控制、规划和机器学习⽅法的技术进步现在越来越多地被 ⼈形机器⼈硬件的快速发展毫⽆疑问将继续进⾏，尽管⽬前尚不清楚在这段时间 内这些系统将在多⼤程度上能够发展超出基本能⼒，如运动和拾取任务等。赋予 ⼤型预训练模型明确推理能⼒仍然是⼈⼯智能领域的⼀个前沿，将为机器⼈技术 的⼴泛部署打开⼤⻔，在那⾥代理⼈在物理世界中⾏动和交互。模型⼤⼩以及模 型在训练和推理中的能源消耗在将最新的⼤型模型部署到机器⼈技术中时仍然是 主要瓶颈之⼀，因为系统通常具有资源约束。我期待在这些领域看到更多激动⼈ 何做出决策，通常是在新的和动态 的环境中。 2017年由Google引⼊的“transformer”架构的出现，“ 为AI领域带来了⾰命性的变⾰，并且有望为机器⼈技术做出相同的贡献。它代表了AI 系统设计和训练⽅式的根本变⾰。 transformer 不依赖于带标签的数据集，可以从⾮结构化和⽆标签的数据中学习，使其更 加多功能且强⼤。 这⼀创新使得AI模型能够迅速扩展，这些模型的规模在不到5年的时间⾥增加了32000倍

要充分发挥供应链技术投资过去和未来的潜力，需要对“连接性”进行投资。  解决“智能”主题的技术为竞争差异化带来了更多机会。  网络安全供应链和整体可持续性是需要考虑的进一步趋势，因为它们解决了生态系统中 多个维度的更广泛影响。 1.2 Gartner 对供应链领导的建议 供应链技术领导者和其他高管在制定供应链技术战略和选择以及创新的中长期计划时，必须：  根据明确映射到业务成果的需求和使用案例，识别和评估创新技术。 评估战略技术趋势的影响和好处。鉴于技术创新的速度不断加快，这可能很困难。 每年，Gartner 都会为供应链高管确定最相关、最最新和最有影响力的技术趋势。这使我们 能够确定哪些单一趋势或战略组合将对组织及其运营所在的生态系统产生最重大的影响。 今年的主要趋势分为两大主题：  连接 — 在不同领域中发挥关键作用，推动创新、效率以及人机交互。正在进行的数字 化转型以及对集成和协作的日益重视支撑了其重要性。  智能 — 应链问题。  短期机会包括零售店或仓库的自动库存检查、易腐货物的状态监 测、实时货物跟踪或利用实时基础设施 （RTI） 的可重复使用的包 装和运输物品——基于云的安全和 API 驱动的资源跟踪系统，并带 有运营仪表板。  从长远来看，我们预计超低成本电子产品将在其整个生命周期内保 留在物品中。接收 Ambient 消息的网关将成为互联供应链中的标 准功能。新功能 （例如相关对象和设备之间的协作）

华为混合云现代化运维体系 核心能力及最佳实践 政企而言，IT架构建设作为组织战略目标实现和业务创新发展的核心引擎，是一项战略 性、系统性工程，然而IT架构的建设往往不会一蹴而就，而是会随着技术革新逐渐引入 新的平台、新的产品和技术。因此，政企IT架构的发展演进进程中普遍存在不同架构、不同代 际、不同厂商平台并存的情况。运维人员需要全面了解不同平台的部署、升级、维护等操作，这 为政企用户数智化转型的首选IT架构。然而，随着云上业务需求不断增加，云服务资源类型日益 丰富，传统的IT运维体系已经难以应对混合云环境下复杂的技术架构和多变的业务需求。 为了应对这些挑战，对混合云运维系统架构进行现代化升级势在必行。华为混合云基于自身云平 台运维经验，以及服务数千家政企客户的数字化转型实践，持续积累面向现代化的核心运维能 力，并沉淀构筑了一套全面构建稳定可靠的现代化运维能力的路径和方法。通过运维现代化核心 核心 能力，期望能够帮助政企客户从传统架构运维到云化架构运维转型，以数字化和智能化为驱动， 构筑混合云现代化运维新体验。 其中，运维体系作为混合云运维能力建设的基础性、系统性工程，面临着对技术、组织、制度需 进行系统性重构的巨大挑战，其核心在于通过数智化的运维体系实现“效益”、“效能”、“效 率”、“效果”的最大化。 效益：指经济效益，包括可盈利或其他与盈利相关的要素。运维要以效益为目标，对准业务价

高的行业敏感度，对接难度相对较小或者改造优势比较明显的意愿型企业也将具有先期优势。 国内外化工行业的软实力差距有望逐步缩窄。经过 20 多年的发展，我国的竞争优势从前期低人力成本、政策驱动的 资本投入向产业链市场配套和系统化的综合赋能进行升级。借助 AI 工具，我国有望弥补多年历史积淀带来的国内外 材料研发的差距，实现高端材料的加速突破。 投资建议 Deepseek 的出现加速了 AI 智能化在各个领域的实体 17： 基于 AI 的化工生产应用结构 ............................................................ 19 图表 18： 化工生产自动化控制系统中 AI 技术具备多方面的应用 ..................................... 19 行业深度研究 敬请参阅最后一页特别声明 4 能进行了淘汰，在环保等 方面进行了明显的优化改造，从目前的情况看，行业内部分新建装置已经具有较为先进的 自动化产线，人员数量有大幅缩小，机械化程度了有了大幅提升。部分企业实现了较好的 流程自动化管控系统，现有园区对接 AI 升级已经有了明显的进步。 从化工行业的所处赛道来看，不同的产品的生产和经营模式有明显区别，AI 形成的行业 影响也有快慢、维度之分。化工从大的赛道上看，具有大宗和精细的明显差别：

9万元起，有望推动人形机器人进入千 家万户。Figure AI率先探索人形机器人实际应用， Figure 01已在宝马美国斯帕坦堡工厂进入试点环节，还与OpenAI合作推进机器人具身智能。  计算机领域：控制与感知 控制系统负责对人形机器人的行为和运动进行规划和控制，相当于“大脑”和“小脑”，视觉则是人形机器人对外感知的主要渠道，二者共同构成人 形机器人的核心领域。机器人控制器市场目前由机器人整机厂商主导。但控制器研发 德国政府的《高科技战略2025》，每年都将提供6 900万美元的资金，到2026年，总预算为3.45亿美 元。研究课题包括数字辅助系统，例如人机协作 或支持移动办公的解决方案(BMBF, 2018)；  美国《国家机器人计划3.0》(NRI-3.0)》提供了1 400万美元的资金支持，主要研究集成机器人系统 (NSF, 2021)。美国航空航天局(NASA)推出的《从 月球到火星》计划，旨在提高机器人性能，以协 同支持深空人类探索及科学任务(IFR 人形机器人在医疗市场中以多种方式被使用，如作为患者护理助理，能执行测量生命体征、给药等任务，还可通过对话或触摸为患者提供情感支持。人形 机器人还被用于养老陪护，如提醒独居老人服药。人形机器人可通过改善应急响应和日常监视来改变公共安全。它们可以快速穿越灾区、寻找幸存者并提 供援助，从而降低人类救援人员的风险；还可以在大型活动期间检测异常情况、威慑犯罪并确保人群安全，增强应急响应能力并提供持续监控。在这些服 务场景中

版本发布 69 3.3 OS底座（openEuler系操作系统） 70 3.3.1 openEuler简介 70 3.3.2 openEuler基础能力 71 3.3.3 openEuler工具和社区服务 75 04 行业案例 80 4.1 金融 81 4.1.1 恒生电子：基于鲲鹏原生开发经纪场外业务系统，让证券数据处理更高效 81 4.1.2 宇信科技：基于鲲 理更高效 83 4.2 电信 86 4.2.1 浩瀚深度：鲲鹏原生赋能 DPI 采集系统，网络数据可视化处理更加高效 86 4.2.2 恒安嘉新：基于鲲鹏原生开发安全采集分析平台，保障企业信息系统安全稳定运行 89 4.3 政府 91 4.3.1 超图软件：基于鲲鹏原生开发地理信息系统，让自燃资源评估更高效 91 4.3.2 深圳防灾减灾技术研究院：鲲鹏原生助力地震观测数据高效处理 1 广州海颐：基于鲲鹏原生开发高性能、高可靠电力系统软件，加速电网数字化转型 95 4.4.2 国能信控：基于鲲鹏原生开发新能源计算平台，为电力系统提供高效算力支撑 97 4.5 医疗 99 4.5.1 卫宁健康：基于鲲鹏原生开发新一代医疗信息系统WiNEX，让医疗服务更便利 99 4.5.2 东华软件：构建鲲鹏原生医疗经营管理系统，让医院运作更有序 101 4.6 水平软件

能源富集区却面临算力需求不足的问题，影响了绿电的消纳。在系 统协同层面，算力调度以性能优化为导向，电力系统则以稳频调峰 为目标，二者缺乏统一的优化框架，造成新能源利用率损失 3%- 5%。技术层面，算力系统的异构性与电力系统的波动性难以通过传 统控制模型实现兼容，跨域协同效率低下。这些问题的存在严重制 约了算力产业与能源系统的协同发展。 本白皮书详细介绍了算电协同的发展背景、基本概念、功能架 构、关键 景、生态 第九届未来网络发展大会白皮书 算电协同技术白皮书 IV 建设，并探讨了算电协同面临的技术挑战和未来发展方向。我们期 待本白皮书能够为政产学研各界提供系统性参考，推动算力网络与 新型电力系统从简单叠加走向深度融合，最终实现“绿色算力赋能 数字经济，高效能源驱动算力革命”的美好愿景。 第九届未来网络发展大会白皮书 算电协同技术白皮书 V 目 ....................................................................................... 47 5.1.1 系统复杂性，算电协同的纳管挑战..................................... 47 5.1.2 资源动态匹配，协同控制的核心难题.....................

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，这种变革 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 法在适应这一动态环境方面面临挑战，因此有必要采取细致入微的方法管理这 一广泛、快速发展的系统。由于竞争压力，快速发展的技术渗透到我们的生活 和商业实践 建议）。 ● 全球人工智能合作伙伴关系（GPAI） 汇 集来自科学界、产业界、民间社会、政府、 国际组织和学术界的专长，以促进国际合作 。 ● ISO/IEC 42001:2023 (人工智能管理系统 标准) ● OWASP大语言模型应用的10大安全风险 ©2025 云安全联盟大中华区版权所有 14 1. 生成式人工智能法律和监管的重点领域 1.1 数据隐私和安全 生成式人工智能在数