态融合、从规则驱动向数据与模型双驱动的深刻演进。早期L1/L2阶段普遍采 用以毫米波雷达+前视摄像头为主的“雷达主导”配置，功能边界集中于AEB、 ACC等结构化道路场景；进入L2+阶段后，激光雷达开始规模化上车(如小鹏G9 、蔚来ET7),叠加环视+侧视摄像头与超声波雷达，形成“视觉+激光雷达+毫米 波”三重冗余架构，显著提升对静态障碍物、施工区、异形物体的识别鲁棒性 ；当前L3级落地前夕，以特 缩短新功能量产周期37%，且支持同一套软件栈向下兼容至L2.5、向上拓展至 L3准入认证需求[4]。 参考文献 [1]新闻：《向高同行！地平线集结全球产业链，破解智驾规模化落地难题》， 媒体名称未提供，2025-12-10。 [2]新闻：《向高同行！地平线集结全球产业链，破解智驾规模化落地难题》， 媒体名称未提供，2025-12-10。 [3]研报：《汽车电子系列报告之二：高阶辅助驾驶走向标配，自动驾驶域前景 广阔》，发布者未提供，参考页码18。 预警（LDW）系统；二是保险成本变化 部分保险公司对装配AEB+DMS的车 队提供5%–8%保费折扣，形成经济性激励；三是技术成熟度认知提升 博世 等全栈方案商推动毫米波雷达+视觉融合方案在中重卡平台规模化落地，国内新 势力商用车品牌（如福田启明星系列）已实现L2级NOA功能量产上车，显著增 强用户技术信任度[5][6]。 政策与标准双轮驱动下，用户接受度持续提升：交通运输部发布的《公路工程

2026年我国网络安全发展形势展望 【内容提要】 展望2026年，网络空间多边治理与大国博弈将深度交织，网络安全产 业迈入高质量增长新阶段，AI智能体成为攻防对抗核心引擎，算网融合安全防护体系加速 成型，量子安全过渡进入规模化落地期；同时，地缘政治驱动的网络对抗加剧、产业内生 动力不足、AI智能体安全风险凸显、新兴技术融合带来全新挑战、数字化转型对防护能力 提出更高要求等问题仍需高度关注。赛迪研究院建议从强化网络安全防护体系建设、推动 备安全仍占主导，但增速放 缓至8%；安全咨询、风险评估、托管服务等软件与服务增速达16.7%；数据 安全治理、车联网安全、低空经济安全等新兴领域赛道增速超40%，成为增 长核心引擎，技术开始规模化应用于高级威胁检测等场景。 082 中国工业和信息化 发展形势展望系列 展望2026年，我国网络安全产业将迎来新一轮高质量增长阶段，形 成多维度发展动能。一是安全需求从合规驱动转向价值驱动，等保2 型深化，全球IoT设备超750亿台，70%存在默认密码或未修复漏洞，工业 传感器数据篡改导致生产线瘫痪事件频发，倒逼企业加大安全投入。 （三）AI智能体重塑网络安全攻防生态 2025年，AI智能体在网络安全领域实现规模化落地，成为攻防对抗 的核心载体，推动安全体系从被动防御向主动预判转型。一方面，AI智 能体的技术成熟度显著提升，具备自主任务规划、多源数据融合分析及 动态决策能力的专用智能体，在金融、能源、政务等关键行业的部署率

近年来，人形机器人正以超出预期的速度渗透到人类生产与生活的核 心场景中，这一进程的加速得益于两大关键驱动力：其一为人工智能、物 联网等底层技术的跨越式突破；其二是硬件成本下降与算法效率提升所 带来的规模化应用可行性。从技术视角看，深度学习框架的演进显著强 化了多模态数据的实时处理能力，例如基于Transformer架构的模型使 机器人能够同步解析视觉、语音与环境反馈信息，从而在动态场景中实 现 一是技术突破驱动场景扩展，多模态大模型与持续学习技术的融合 将提升机器人在复杂家庭环境中的适应能力，推动从清洁、搬运的单一 任务向健康管理、教育陪伴的综合服务升级。二是成本下降与规模化应用， 随着供应链成熟和量产技术突破，家庭机器人价格有望大幅降低，加速C 端普及。三是生态协同与跨界融合，家庭服务机器人将进一步融入智能 家居、医疗健康等生态，形成“硬件+服务+数据”的全链条价值网络。 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、生产制造、运维服务全流程的国际协作网络。 二是扶持上游零部件厂商，聚焦底层硬件技术攻关与泛化规模化应用。 建立跨国合作机制，支持引导人形机器人上游零部件厂商泛化发展，先“生 存活下来”，确保稳定可靠的部件交付能力，与人形机器人整机厂有效协同。 在芯片领域，场景定义硬件能力，重点突破异构计算架构的能效比瓶颈，通

“云边端”协同的算力一体化布局。在技术融合方面，工业网络与算力 设施将加速升级，5G-A、TSN（时间敏感网络）等深度融入生产核心环 节，支撑高实时、高可靠业务场景的规模化部署。在自主可控方面，高 端数控系统、智能传感与执行单元等关键部件将加速技术攻关与规模化 应用，为制造业全要素智能化提供安全可靠的底层支撑。 034 中国工业和信息化 发展形势展望系列 （三）数据要素价值跃升：从信息工具到核心资产 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，推动虚拟调试、实时优化、预测维护智能化。 （四）人工智能加速赋能：从实验场景到规模化落地 2025年，人工智能在制造业研发设计、中试验证、生产制造、营销 服务、运营管理全环节加速渗透，工业大模型、智能体加快落地应用， 有力推动生产效率提升和产业提质升级。《工业和信息化部信息化和工 在技术方面，我国制造业在数字化关键环节的自主可控能力仍然不 足，高端工业软件市场长期由国外厂商主导，工业网络协议、高端芯片 等底层技术领域存在明显对外依赖。在安全方面，随着工业互联网平台 的规模化部署和“云-边-端”架构的普及，原本相对封闭的工业控制系 统逐渐开放，系统复杂度提升，安全边界不断扩大，导致网络攻击、数 据窃取或篡改的风险大幅上升。一旦生产控制系统遭遇攻击，可能引发 关键工

生命循环，人机共育 在宏观层面上，如果把人工智能看作一种生命体，AIGC+教育的内涵其实是碳基生命和硅基生命的 交互和培育问题。AIGC技术是对人脑计算、思考、判断等内在能力的延伸，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 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。 在教学主体方面，AIGC带来人机协同教学和师资强化的期待，也引发AI挑战教师主体地位的思考； 在教学载体方面，AIGC有望赋能教师并实现规模化的因材施教，但也挑战传统学习模式和评价工 具；在教学内容方面，高阶通识能力、跨学科复合能力的重要性被重提，并辅以AIGC技术素养要 求；在学习主体方面，引发近乎科幻但并不遥远的哲学思辩：教育人类还是训练大模型，二者可 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，模型开源及插件生态的开放

. 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 ............... 24 （一）智能产品案例 自动化水平高、结构化、封闭式的工业场景是当前技术条件下智 能机器人最大的应用市场。工业环境相对标准化，生产流程固定，对 机器人的自主性和泛化性要求较低，部分领域如汽车、电子信息等已 3 经率先实现了工业机器人的规模化应用。根据国际机器人联合会 （IFR）在 2024 年 10 月发布的《2024 年世界机器人报告》，2023 年 全球工厂中运行的工业机器人数量超过 428 万台，同比增加了 10％， 创下 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上 将具备超越人类的智能水平，能够进行创新和自我意识的决策。 在工业领域，机器人的规模化应用正在从中度智能向高度智能过 渡。随着深度学习算法的优化以及多模态感知技术的融合，工业机器 人将具备更强大的感知、认知和决策能力，能够更加精准地识别复杂 环境中的物体、声音和图像，理解人类的语言和意图。同时，工业机

月，《湖北省内部审计条例》强调“利用大数据等 现代技术手段，提高审计质量和效率”。 (二) 技术赋能：内部审计新质生产力的实现路径 当前，大数据、云计算、人工智能、物联网等新兴技术已进入 规模化应用阶段。从技术发展视角审视，内部审计数智化转型是破 解当前审计资源与监督需求结构性矛盾的必然路径。面对被审计单 位不断加快的数字化转型进程，内部审计工作需要面对多模态、多 种类并且迅速增长的 显著的“引领”“追赶”“起步”三级梯队。通信、保险、银行、 石油石化化工、电力、证券等普遍具备资金密集与技术密集特征的 行业相对领先，已构建起系统化的运作体系，审计平台功能完备， 数据资源全面丰富，模型应用实现规模化成熟，AI 技术应用实现多 点突破，整体能力处于各行业前列，在被调研单位中占比为 4.0%； 交通运输、钢铁冶金、建筑工程等行业处于追赶状态，审计平台相 对完善，数据资源积累和模型应用体系初见成效，新技术仅初步尝 全国内部审计数智化转型发展研究报告（2025） 23 三是来自审计署、国资委等上级单位的政策驱动与监管要求（占比 16.1%）。 然而，强大的驱动力背后是更为突出的阻力，资源瓶颈与规划 迷航成为制约规模化落地的两大核心障碍。其中，兼具业务能力与 技术背景的复合型人才极度稀缺（提及率 25.7%）和转型专项资金 投入不足（提及率 21.3%）构成了最主要的资源瓶颈；而缺乏系统 性的顶层设计（提及率

低网损，满足高端制造、跨国企业对绿电物理溯源的刚性需求。氢能产 业将进入规模化发展阶段。《加快工业领域清洁低碳氢应用实施方案》 （工信厅联节函〔2024〕499号）以拓展应用场景为着力点，加强供需对 接和产业链融通发展，加快技术装备产品升级。我国氢能“制储输用” 关键技术和重要装备加速创新，应用场景日益丰富，商业模式加快探 索，正由试点示范转向规模化发展，逐步成长为新的经济增长点。园区 级能源系统将成为

推动人工智能、量子计算、人形机器人、高端芯片等关键领域取得技术 突破的基础上，将推动相关前沿技术交叉赋能，从而在新兴领域实现多 点突破。以人工智能为代表的新技术将进一步加快落地应用。2025年， 欧盟《人工智能大陆行动计划》提出规模化部署人工智能工厂和超级工 厂，以扩大人工智能计算基础设施，加速人工智能向战略领域渗透应 用，美国《赢得竞赛：美国人工智能行动计划》鼓励人工智能在医疗保 健、能源、国防、科学等各个领域应用，我国以《关于深入实施“人工 性与跨界融合特 征，而传统政策制定周期长、修订慢，难以匹配技术发展节奏。例如， 生成式AI的数据权属、算法责任等规则仍不明确，低空经济中eVTOL飞 行器因空域管理、适航认证等制度缺失而难以规模化商用。制度空白易 052 中国工业和信息化 发展形势展望系列 引发风险，而仓促出台的限制性措施又可能扼杀创新活力。二是传统监 管模式难以适配新兴业态。现有监管多基于清晰行业边界和成熟产品标

测试和仿真的方法， 开发更严格的验证技术。同时，我们还必须通过基于知识的监测技术弥补可靠性降低的影响。 报告中提到的愿景既广泛又宏大，与科技巨头截然不同。科技巨头通常依赖机器学习并推崇超 大规模化发展，需要对高耗能基础设施进行巨额投资。 这一愿景的实现需要前所未有的技术突破，还需要全球范围的努力。在该愿景的推动下，相关 领域可以形成合力，共同开发特定的基础设施和数据平台，进而发展出可信的行业 高价值跨域服务拓展释放更大市场空间、技术 需求从基础交互向通用智能与伦理对齐深化的 梯度发展路径。 我们认为，2035 年的智能体将带来多维度 突破。在分级演进上，L4 级指导型智能体将在 部分领域实现规模化落地。在人类工程体系成 熟的领域，它能够胜任人类的工作时长与强度， 进行自主决策，成为人类的高效协同伙伴。 11 人机协同编程，重塑软件未来 人类科技正在面临复杂性，芯片演进到亿 门，大模型参数突破万亿规模，产品越来越复 型（World Model）的技术突破，高速与城区场 景将逐步升级至 L3 + 水平。对于自动驾驶路线 图，我们预计于 2027 年底开启 L4 级试商用，于 2030 年在部分场景实现 L4 规模化应用，并最终 在 2035 年达成大部分场景的 L4+ 级无人驾驶， 同时启动 L5 级的试商用探索。这是一个从试点 到普及，最终迈向完全自动驾驶的关键旅程。 智能机器人的演进预测 20