10 年发展，医院对于影像 AI 产品的接受程度不断提 升，医生对于影像 AI 研发的参与程度不断深入，影像 AI 的应用场景也日渐宽泛。 目前，以影像 AI 为核心打造的医疗器械已贯穿筛、诊、治、防全流程，应用场景也由 放射科向外延伸，可赋能几乎所有涉及医学影像的科室。 1 病理 AI、心电 AI、部分内镜 AI 虽不属于影像 AI 范畴，但技术内核与影像 AI 相似，绝大部分使用的同样是基于深度学习的计算机视觉，且都可 态研发”与“自动化研发试验室”两个部分，在近期 3 年内保持着强劲涨势。 传统固态研发方法无法根据过往的数据及刊物有效预测可能形成特定分子的正确晶体 结构，仅能对数量有限的配体测定进行筛选及评价，难以确定最佳的盐型、共晶型或多 晶型，亦无法通过人工分析准确确定晶体结构，仅可利用实验分析进行固态测试及分析， 不足以获得特定品型的详细特征。此外，传统固态研发方法仅可通过试错法解决结晶过 程中的问题，需要耗费大量的时间及成本。 其中，英伟达近两年在该赛道频繁出手“疯狂扫货”成为 AI 制药回暖的重要推手。据 Pitchbook、Crunchbase 及动脉橙产业智库数据，英伟达在 2023 年及 2024 年（截至 2024 年 9 月 5 日）共参与投资超过 70 起，所有投资无一例外，均与 AI 相关，而其中 至少投注 AI 制药企业 14 家，医疗其他领域企业 8 家。 图表 24 2023 年—2024 年 8 月英伟达投资的 AI

在这一阶段，人工智能能够帮助大型团队处理复杂任务并提高效率。应委任一名高 层领导，在转型办公室的有效支持下监督银行的整体变革，制定战略目标，并将人 工智能融入到运营模型、机器人和可穿戴设备中。 这一阶段主要关注道德、共融、安全、保障和信任。应将人工智能代理以及各种模 型（包括大型复杂模型、小型低成本模型、开放式模型、封闭式模型和特定领域模 型）融入工作流程，并利用不同来源的数据为其提供支持。在基础设施方面，应将 为此做好准备。早期，银行使用宏（基于 规则的简单工具）代为执行信用评分和欺诈检测等数据任务。随着技术的发展，银行将会 使用（基于平台的）软件以半自动化的方式根据上下文处理更复杂的任务。银行应建立共 享数据平台，供确定性人工智能或基于“大行动模型”的智能体使用，以独立评估风险、 设计产品并优化整个价值流（如贷款处理等）。 这有助于促成银行员工队伍塑造方式的范式转变，使员工摆脱传统角色，转变成为人工智 商限制的 解决方案，银行就能在不受特定生态系统束缚的情况 下开展创新试验。此举有助于确保在应对技术进步方 面游刃有余。 • 构建平衡的投资组合 银行应采取双重战略，即对基础设施、数据管理和治 理框架等进行稳健投资，同时对生成式人工智能或自 主系统等尖端人工智能技术开展受控试验。这种双措 并举有助于确保银行能够在迅速获得价值的同时，保 持足够的灵活性，以便在变革性创新成熟时推广实

进行分析和比较，探究群众诉求的时空分布规律。三是颗粒缩放，政府在数智化 技术的支撑下可以实现对特定区域的“放大”和“缩微”（譬如点位、小区、社 区、街道、市辖区、全市，甚至是跨区域），从而更加精细和精准地理解社会治 理问题的集聚和离散状态。 第二，政务热线是协同治理的“接驳器”。政务热线承担着“上挂下联”的 职责，可与政府部门（含同级政府职能部门和上下级政府）“接驳”联动，及时、 高效地回应群众诉求。政 的基础上，对诉求数据的价值、关联和反映问题进行深刻“解读”，挖掘出社会 治理过程中的热点、难点、堵点问题，为政府掌握社会运行状况、民生问题分布 和政府治理绩效提供信息依据，从而有针对性地实施政策措施，高效解决社会治 理过程中出现的各类问题。 政务热线的数智化转型进一步强化了其“信息港”功能，通过实现“科学决 策”、“应急管理”、“施策评估”提升政务热线“循数决策”的能力。一是科 学决策。借助大数据分析方 线承建企业通常也提供敏感事件、危机事件、热点事件、集中性事件的分析，但 是缺乏社会治理知识来定义这些事件。二是风险评估的指标设计及其权重设置不 完善。城市治理中的风险可能包括多重维度，诸如生态环境、卫生健康、社会治 安、网络舆情等多个方面。不过，政务热线大多缺乏合理的风险评估指标体系， 以及根据后果的严重程度设置各项指标权重。三是风险监测涉及的多源数据难以 获取。除了市民来电，还有大量风险线索淹没在网络之中。在实践中，只有充分

进行分析和比较，探究群众诉求的时空分布规律。三是颗粒缩放，政府在数智化 技术的支撑下可以实现对特定区域的“放大”和“缩微”（譬如点位、小区、社 区、街道、市辖区、全市，甚至是跨区域），从而更加精细和精准地理解社会治 理问题的集聚和离散状态。 第二，政务热线是协同治理的“接驳器”。政务热线承担着“上挂下联”的 职责，可与政府部门（含同级政府职能部门和上下级政府）“接驳”联动，及时、 高效地回应群众诉求。政 的基础上，对诉求数据的价值、关联和反映问题进行深刻“解读”，挖掘出社会 治理过程中的热点、难点、堵点问题，为政府掌握社会运行状况、民生问题分布 和政府治理绩效提供信息依据，从而有针对性地实施政策措施，高效解决社会治 理过程中出现的各类问题。 政务热线的数智化转型进一步强化了其“信息港”功能，通过实现“科学决 策”、“应急管理”、“施策评估”提升政务热线“循数决策”的能力。一是科 学决策。借助大数据分析方 线承建企业通常也提供敏感事件、危机事件、热点事件、集中性事件的分析，但 是缺乏社会治理知识来定义这些事件。二是风险评估的指标设计及其权重设置不 完善。城市治理中的风险可能包括多重维度，诸如生态环境、卫生健康、社会治 安、网络舆情等多个方面。不过，政务热线大多缺乏合理的风险评估指标体系， 以及根据后果的严重程度设置各项指标权重。三是风险监测涉及的多源数据难以 获取。除了市民来电，还有大量风险线索淹没在网络之中。在实践中，只有充分

化。当突发市场波动时，若金融机构无法及时调整风险策略， 将导致客户投资损失，甚至客户流失。 6 国家金融监督管理总局官方公告，截至 2023 年底，中国银行业金融机构法人共 4608 家，中国 证券公司共 140 家；2019 年中国银行业金融机构法人共 4588 家，中国证券公司共 131 家。 11 合规压力来源于监管环境的变化，新的监管法规和标准 要求金融机构不断更新和完善自身风险管理框架，甚至构建 新的合规体 集供应链中各环节数据，可以帮助金融机构更好评价及监控 贷款企业的生产经营情况，提升供应链金融的风控水平。数 字孪生技术在供应链金融的广泛应用，为核心企业、银行和 中小微企业提供了更多发展机会，提高了业务韧性，实现多 方共赢。 2.解决业务问题 （1） 提升供应链信息透明度 数字孪生技术可以通过物联网（IoT）设备收集供应链 中各环节的实时数据，包括生产进度、库存水平、物流状态 等，实现供应链全链条的可视化数据分析。高度的透明度有

技术创新与企业应用的双向奔赴 ...................................................................... 63 5.1 产业赋能者: 专注技术创新, 构建共赢生态 .................................................................................. 63 5.2 产业实践者: 基于数据分析的产品推荐和销售策略决策体系是否健全,能否支持实时动态调整? AI 技术是否广泛应用于销售管理的自动化和智能化场景,例如实时辅助销售沟通、 分析销售执行效果等? 企业是否通过数字化手段沉淀销售经验,构建了多方共赢的智能销售管理生态平台? (5) 智慧客服: 客户服务智能化主要体现在客户信息的统一整合、多媒体 更多干货请关注公众号“管理技术化平台” 16 渠道接入、服务流程的数据拉通, 以及智能客服机器人和虚拟数字人等 是否应用大数据和 AI 算法等技术以提升运营管理效率? 企业是使用人工智能、机器学习等工具?实现从敏捷分析到智能决策? 更多干货请关注公众号“管理技术化平台” 17 是否沉淀经验, 创建多方共赢的智能运营管理平台? 是否沉淀出智能分析和生成的高精度预测模型, 实现数据和 AI 驱动的智能决策、 自动调整、自动化管理? 通过在各个核心业务环节引入智能化应用,企业得以系统化提升从营销、销

模式 1: 标准授权 (License / 服务费) 模式 2: 数据合作 (服务换数据/数据交换) 模式 3: 定制/混合模式 (图商基础+车企自研更新) 模式 4: 战略联盟 (风险共担/收益共享) 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights Reserved 数据价值、权责与合作模式的重构: 众源数据是鲜活地图的生命线。未来大量智能汽车本身就是数据采集车。 但这引出了数据归属、价值评估等复杂问题。车企与图商的关系，正从 简单授权走向深度数据合作，但如何建立公平、高效的共赢模式仍在探 索。 安全红线、法规壁垒与公众信任: L3/L4的商业化，安全是底线，这需要海量数据（千亿公里级）验证。 同时，数据安全法规（尤其在中国）是高门槛，任何安全事件都会引发 监管收紧和公众信任危机。

遍布全球的基础设施 100 W+ 全球服务器数量 EB 级 数据存储规模 3200+ 全球加速节点数 200 T 全球带宽储备 400+ 权威认证 丰富易用的云+AI全栈产品 开放共赢的伙伴生态 11000+ 合作伙伴 30+ 行业覆盖 行业联合解决方案 400+ 生成式AI产品生态合作伙伴 1500+ 腾讯云计算 腾讯云存储 腾讯云网络 腾讯云分布式云 ⋯⋯ ⋯⋯

时延优化、并行存储吞吐率以及实时性能监控等指标上也具有相应的需求。 AI算力综合成本：市场需要灵活的资源配置规格和计费模式，云服务商需要 支持多种配置策略，提供高效的弹性伸缩，并通过技术创新提升硬件资源共 享效率和利用率，降低计算和存储成本。 �� AI工具链：支持传统AI模型以及基础大模型、行业大模型的开发与应用，提 供数据处理、数据标注、模型训练、模型精调、配置管理、低代码等一系列 工具能力，降低企业开展AI应用的门槛。 商的产品、服务应能充分贴合企业现有和未来一段时期内的业务需求，有利于企 业加速业务创新，特别是在通用人工智能快速发展的当前，围绕AI构建多云能力 是企业必须认真对待的重要战略问题。与此同时，云服务商和其生态企业也应共 同提供完备的多云规划、建设咨询和后期的一系列迁移保障服务。本次企业访谈 中，受访企业普遍表示：看重云服务商的综合技术能力、成本效益、服务质量、 安全合规以及业务拓展潜能等要素。 《����年

发展，为政 府决策提供科学依据，为企业研发提供明确导向，为市场应用提供规 范准则，为各方提供更具价值与前瞻性的指引与参考，最终共同推动 人形机器人行业向着更加稳健、高效的方向大步迈进，开启人机共融 的全新篇章。 编委会 2024 年 12 月 4 一、人形机器人概述 1.1 概念 1.1.1 定义及本文范畴 人形机器人这个概念一经提出，就在学术界、科技界和产业界引 起广泛讨 我国对人形机器人的探索起步于 20 世纪 80 年代末，并且早期的 机器人研究主要集中在高校以及科研院所。自 1986 年开始，哈尔滨工 业大学先后研发出 HIT 系列机器人，HIT 机器人以电机驱动，机身共 12 个自由度，可以实现静态行走。国防科技大学于 2000 年率先自行研 制出我国具有历史意义的第一台仿人机器人“先行者”，这一阶段研 究集中在机器人关节以及简单步态控制上；21 世纪初，伴随着传感技 迎宾接待、 导览讲解、需求解答、舞蹈表演等。 5）高危作业场景 人形机器人在核、危、化、害等高危环境下的应用实现对人力替 代、能力互补，降低作业人员危险性，在应急救援场景的应用是与人 协作共融，提高救援效率，两类场景下的地形复杂、环境极端，人形 机器人在高危/救援下的应用成为最有价值的场景，也对机器人的性能 和形态提出了更高的要求。 27 6）教育培训 在教育培训领域，人形机器人可以作为教育助手或辅助教师使用，