2.2.行业下半场的生态发展路线 22 2.2.1.生态技术基础：基于模块化设计与AIoT的R2X 22 2.2.2.商业模式变革：多品类产品矩阵助力全栈式具身智能 29 2.2.3.通用的多元形态：专用+类人形+人形 30 2.2.4.多技术栈驱动的具身智能：移动+操作+交互 32 2.2.5.开放、协同、通用：可持续与普惠的创新 38 2.3.生态价值体现 39 第三章 全球细分产业综合实践 细分场景实现全栈式的智能化解决方案，推动 产业的整体智能转型。 同时，该生态的实现需要由产品、技术与商业 模式的多重创新共同驱动，具体来看，需要通 过包括发展多品类产品矩阵、移动+操作+交互 多技术栈以及专用、类人形、人形的本体多元 形态等战略来共同实现。 该生态将惠及整个机器人行业的创新发展，其 潜力不仅体现在技术层面的不断突破，更在于 对产业链的深刻影响，创造一个更智能、便捷 和高效的未来世界。该生态将推动具身智能服 务机器人的加速落地，进而推动全球千行百业 务机器人的加速落地，进而推动全球千行百业 的智能化进程。 开放性的全栈式智能服务机器人生态 前言 开放、协同、 通用：可持续与 普惠的创新 移动+操作+交互： 多技术栈驱动的 具身智能 通用的多元形态： 专用、类人形、 人形 多品类产品矩阵 助力可持续发展 商用服务机器人 行业下半场拐点到来 开放性的全栈式智能服务机器人生态 | 第一章 全球服务机器人市场概览 第一章 全球服务机器人 市场概览

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

技能升级：提示词工程师认证考试报考人数突破百万 ②教育革命 ⚫ 教学模式：教师转型为“AI 协奏者”，聚焦个性化辅导与创造力培养 ⚫ 考试改革：部分省份允许携带 AI 助手参加职业资格考试 ③经济形态 ⚫ 零边际成本创业： 个人开发者通过 DeepSeekAPI，3 天开发出月入 10 万的智能客服系统 ⚫ 分布式经济： 非洲初创团队基于开源模型开发农业咨询 AI，成本仅为 GPT-4 核心能力： ⚫ 跨域整合（将 AI 与行业 know-how 结合） ⚫ 价值判断（在 AI 建议中做出最优决策） ⚫ 情感智慧（弥补 AI 的情感计算短板） ②组织形态进化 ⚫ DAO（去中心化自治组织）： 通过智能合约+AI 协作平台，万人团队实现零管理成本运作 ⚫ 人机混合团队： AI 成员拥有独立数字身份，参与绩效考核与利润分配 种图案，筛选出最具情感共鸣的设计 ⚫ 共情优势：心理咨询师借助 AI 分析数据，但治疗决策始终由人类主导 5.终极展望：硅基与碳基的共生文明 DeepSeek 预示的不仅是技术革命，更是文明形态的进化： ①文明备份计划 ⚫ 知识永续：将人类文明成果编码至 AI 网络，即使遭遇全球灾难也能快速重建 ⚫ 文化传承：通过多模态 AI 还原失传技艺，如成功复现唐代青瓷秘法

景，了解医疗人工智能公司的产 品形态与业务模式。 通过数据观察目前公司整体发展状况， 并对医疗人工智能的未来进行预测。 从政策、经济、社会、技术四个维度 分析人工智 能与医疗结合的发展条 件。 企业宏观数据盘点和巨头布局状 况分析。分析医疗人工智能的发 展机会和潜在挑战。 从人口结构、医疗资源等维度分析我 国当前医疗 产业宏观环境。从发展环 境、公司现状、产品形态、业务模式、 公司案例等维度对八大应用场景进行 Diagnosis & Treatment Assistant Application Scenario 2 典型应用场景  场景描述及产品形态：医疗大数据辅助诊疗，就是基于海量医疗数据与人工智能算法，发现病症规律，为医生诊断和安排治疗方案 提供参 考意见，其中最突出的产品形态是肿瘤大数据平台；  发展环境：医疗大数据平台的搭建，目前主要面临三大难题： A. 医院数据壁垒：受限于传统医疗体系，医疗信 动医疗公司开展合作，提供更多标准化增值服务。 肿瘤知识库 标准化肿瘤科研模型 临床数据 + 基因数据整合分析 CRO 公 司 移动医疗公司 服务接入 科研合作 基因公司 2 典型应用场景  产品形态及发展环境： IBM Watson for Oncology 是基于认知计算的医疗大数据辅助诊疗解决方案，这 是全球第一个将认知计算运 用于医疗临床工作中的 案例。认知技术是比人工智能更宽泛的概念，比如会

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

安全 GPT ：大模型时代下的网络安全建设思路 重新定义安全检测与安全运营 D I R ECTO RY 目录 02 安全 GPT 能力介 绍 03 部署形态与展望 01 安全困境 网络边界安全能力 企业一般都会划分了多个网络区域，如总部办公大楼、运维管 理中心、居家 / 出差等远程办公区域、分支机构、各地办事处等 边界处，通常已部署防火墙、网络入侵检测、 WAF 数据分析能力 长时间值守精力 自动化、智能化成为当下安全防护效果提升的关键途径 D I R ECTO RY 目录 02 安全 GPT 能力介绍 03 部署形态与展望 01 安全困 境 业 界 流量威胁检测（可测试，可销售） 辅助运营（可测试，可销售） Saas 交付支持 消费级显卡支持 本地交付支持 国产化显卡支持 D I R ECTO RY 目录 02 安全 GPT 能力介绍 03 部署形态与展望 01 安全困 境 Web 流量检测大模 型 • 新增检测大模型， 补 充 高级检测能力 • SaaS 化 • 本地化 • SaaS 化 • 本地化 • 新增

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。