年，50% 的仓库运营将用自主数据收集平台取代一些以人为中 心的数据收集。 趋势基本描述 自主数据收集利用室内飞行无人机和移动机器人等技术来自主捕获数 据。这些解决方案使用支持 AI 的视觉或射频识别 （RFID） 等技术来 支持库存管理、检查和监控等使用案例。解决方案通常包括移动平台， 例如飞行无人机或移动机器人;板载摄像头或其他传感器;以及用于导航 的基于 AI 的高级软件。较新的解决方案正在从无人机转向使用安装了 图像进行智能解释，通过降低成本和提高流程效率来提供显著的业 务优势。  库存管理中的周期盘点非常耗时且存在安全风险，使其成为自动化 的主要领域。带有摄像头的移动机器人正在成为有效的解决方案， 18 可能会加速对飞行无人机的采用。  使用无人机或其他技术进行检查或监视可以取代仓库和工厂中通 常很危险的人工检查或监视流程。室内无人机对于危险区域或高空 的检查特别有价值。与库存管理不同，这些将是非作性的，并且会 全事件的吊顶式摄像 头，到可以在产品装载到卡车上时自主验证产品的码头门旁的塔 式，再到监控堆场中车辆移动和状况的摄像头。 行动建议  如果您的货物是托盘化的，尤其是如果它们是收缩包装的，请驾驶 飞行无人机进行库存管理和周期盘点。在一个站点进行测试，如果 业务案例已得到证实，则迅速推广到其他站点。  就像使用其他检查使用案例一样，使用无人机来补充已经以其他方 式进行检查的熟练劳动力。 

本转型性胜利，而忽视了使这些胜利成为可能的基础性工作。 4 2026趋势报告：数据与人工智能 点状实施 关键基础，常常缺失 2026年数据与人工智能趋势 公司关注点在哪里 人工智能应用层次 GenAI飞行员与POCs GenAI飞行员与POCs 流程自动化与分析 流程自动化与分析 数据平台与治理 数据平台与治理 公司在实际进行现代化时，会谈论转型。他们声称要利用人工智能、数据平 台和自动化来重新创造他们的业务。但在实践中，大多数精力都花在修复旧 202& 202) 202- 3 2024 202" 202& 202) 202- 2026趋势报告：数据与人工智能 人工智能采纳进化 人工智能采纳进化 阶段 阶段 广义 实验 战略飞行员 & 基础 建筑 生产 部署 & 编排 人工智能增强 操作 主流 成熟A 能力 商业 令人惊讶的是，人工 智能将不会让人觉得 具有未来感。它将会 让人觉得平凡且必不 可少，就像微软办公 和决策。最初的适应 largely 结束了。对于大多数组织，在特定的用例集群 中，AI 开始显示出真正的效益。这可能不是 10 倍的收益，但即使是 10-20 % 也是实质性的。 实验广泛 战略飞行员建造与 基础 生产代理 部署与编排代理 AI增强 成为 操作主流变 成熟A 嵌入式 跨能力 嵌入式业务 acros s 8 2026趋势报告：数据与人工智能 AI 成功因素 是

跨越电池能量密度鸿沟，低空飞行开启城市立体交通 随着电动汽车（EV）技术与航空技术的融 合发展，低空经济已迅速成为全球范围内的新 兴热点赛道，吸引了大量的投资和创新，也是 未来具身智能技术应用的关键方向。 低空经济未来的发展面临多重挑战：1）电 池能量密度不足，续航问题尚未解决；2）基础 设施不完善，制约业务发展速度；3）价格和成 本高昂，商业模式不清晰，影响飞行器普及； 4）政策法规和适航认证仍存障碍，缺乏相关的 4）政策法规和适航认证仍存障碍，缺乏相关的 标准，对空域管控仍谨慎。5）飞行器安全，以 及带来的社会安全问题依然需要有有效的解决 方法。 其中，约束低空经济普及最关键的因素是 电池能量密度鸿沟：目前 300-400Wh/kg 的电 池能量密度无法支撑几小时的低空飞行，未来 能量密度需要达到 800Wh/kg，高能量密度的 固态电池、太阳能 - 氢能 - 电能多源耦合，以 及电池与液态发电机混动续航，可能是未来的 及电池与液态发电机混动续航，可能是未来的 关键突破方向。 AI 将作为核心赋能技术，深度融合于低空 飞行的三大环节：环境感知、自主决策与精准 控制，显著提升飞行器的单机智能化水平。 在此基础上，智能体将通过连接飞行器与 地面基础设施，构建低空智联网这一数字基石， 实现全域信息的全面感知与资源的高效协同。 其核心价值在于动态优化空域资源分配、智能 规避冲突，从而保障安全、极致提升空域利用 与运营效率。

和轻型飞艇等在低空空域与地面基站共同编织出一个灵活的三维通 道，用于承载物流配送、环境监测、应急通信、临时零售与数据采集 等多元化业务。随着这些平台在城郊乃至乡村上空的持续巡航，任务 对计算和通信的需求随时在变化：物流环节需要在飞行器上实时完成 包裹条码识别与路径优化；环境监测需对多源传感器数据进行边缘聚 合、清洗和初步分析；在群众聚集或演出活动现场，需要快速部署移 动支付和库存查询服务以支撑临时商铺；而在应急救援或大型活动中， 低空平台又要承担视频转发和通信中继的重任。这种动态生态对算力 的并发性、链路的可靠性和能源的可持续性都提出了高要求，同时不 同业务之间的负载高峰常常出现错峰重叠，给资源调度带来极大挑战。 分布式算力感知与调度通过在每一个飞行平台和地面节点中安 装轻量化探针，持续采集包括 CPU/GPU 利用率、硬件编码器队列长 度、网络往返时延、丢包率及平台剩余电量在内的多维指标，并将异 构设备的性能映射为统一的“空中算力单元”。在此基础上，调度器 根据当前业务类型的时延敏感度、数据量大小与处理复杂度，将紧急 52 的条码识别和支付验证任务优先分配给网络最稳定、计算负载最轻的 临近无人机或地面服务车；对容许短暂延迟的环境数据清洗与批量分 析，则集中调度到飞行器群中计算资源富余的节点或后端边缘机房。 每当检测到流量骤增或某个平台电量临界，系统会自动唤醒预置的备 用载体、启动竞价式算力实例，并在后台平滑迁移正在运行的子任务， 从而保证业务不中断。任务完成后，调度器还会迅速回收已用算力，

M2 2025 Proprietary and Confidential All Rights Reserved. 企业画像 全栈型企业 硬件型企业 软件型企业 传统业务基因 以汽车装备/飞行器等为主 兼具AI算法FSD、硬件供应链、下游场景与客户基础 以自动化硬件设备、各类机器人等为主 软件算法、科研高校背景为主 机器人业务起点 本体、“大小脑”并线 本体及控制器为主 “大小脑”为主

目标卫星的资源，如信道、时隙等。在实际应用中，例如在全球 卫星移动通信系统中，当用户乘坐飞机跨越不同卫星覆盖区域时， 通过多卫星协同的软切换技术和基于轨道参数的预先切换准备， 可将服务中断时间降低至极短，保障用户在飞行过程中的通信体 26 验。​  轨道间切换（如 LEO-GEO 切换）：涉及不同高度卫星的配合， 需解决链路特性差异带来的适配问题，双连接技术可保持新旧链 路的临时并行传输，提升切换成功率。LEO 海上回收船项目，船舶需在离岸 300-700 公里复杂海况下执行高精度 回收任务，体现卫星互联网定位与通信技术对高端海工装备的赋能。 5.3.3 低空经济支撑 卫星互联网承载网通过高轨中继卫星与低轨星座组网，破解低空 飞行器通信覆盖与管控难题，如图 5-3 所示。深圳苍宇天基启动全球 首个高轨商业中继卫星项目，计划 2026 年发射“苍宇一号”，形成 60%低轨覆盖和 40%地表覆盖能力。2027 年三星组网后，将实现

子网络关联更多的望远镜阵列来获取更多的探测信息。 1.5 实验系统 各类量子信息任务的执行都需要一个具体的物理系统来实现。对 27 于量子通信，进行远距离的比特传输会选择光子作为量子比特载体。 这是由于光子飞行速度快且相互作用弱，非常适合作为飞行比特进行 量子比特传输。由于实际通信的需要，光量子比特可能会有不同波长 的要求，比如可见光波段和通信波段等。在远程量子通信中，还需要 一些相干时间长的存储量子比特用于量子中继。对于量子计算，目前

夜晚也可使用，资源消耗 小，功耗低 易受环境光干扰，精度随 距离降低 < 5m 高 近距：高 远距：低 手机前置、屏下3D结构光、刷脸支 付、刷脸门锁、服务机器人、安防 监控等 iToF 根据光线飞行时间 测距 精度稳定，受环境光干扰 小 边缘精度低，硬件要求高， 计算量大，分辨率/帧率较 低 < 3.5m 中 近距：中 远距：高 手机前置、手机后置、门禁、扫地 机器人、AR/VR、等

业模式。 时间维度：从周期性向持续化演进。作业模式将从固定的项目 周期审计，发展为持续审计与跟踪审计相结合。借助联网数据采集 与智能监测，对关键风险领域实现不间断监控，对高风险事件即时 执行飞行审计，充分发挥震慑作用。 空间维度：从现场单向到“云端”协同。物理空间限制被彻底 打破，借助审计云平台实现跨区域、跨层级审计资源实时调配，形 成“非现场审计与现场审计相结合”的新格局，实现区域内部审计

文，创建一种类似于巨型科学论文 图谱的体系，可以实时维护，用于 对学术成果进行分类并跟踪其发展 动态。” [20]Garfield 这样评价 Small 与 Griffith 的工作，“他们的工作 是我们的飞行器得以起飞的最后一 块 理 论 基 石” [21]。Garfield⸺ 一 位实干家，他将自己的理论研究工 作转化成了数据库产品，无论是信 息检索还是分析领域都受益良多。 这 个 飞 行