、⽐赛等基础运动能⼒展示，开 始快速向⼯业、商业、家庭、应急、教育等潜⼒领域拓展。 特征之四，AI ⼤模型对⼈形机器⼈的赋能⽅⾯进展明显。⼤脑、⼩脑和肢体分⼯ 协作体系明确的同时，基于感知-决策-⾏动-反馈的逐步深度融合，多模态⼤模型、强 2 化学习等技术正驱动⼈形机器⼈的智能化⽔平快速提升。 特征之五，具⾝智能体之间的关系开始从单体智能向智能协作、群体智能演进。 从单个 ⼈形机器⼈技术⽣态 ⼈形机器⼈的技术与具⾝智能体系基本⼀致，包括感知—决策—⾏动—反馈四个 部分，⽽反馈机制通常内嵌于控制环路中，不完全单列为独⽴模块。系统环节通常包 括环境感知、决策规划和运动控制三个环节，形成感知→决策→执⾏的闭环控制。 感知模块作为具⾝智能的“信息采集和处理器”，通过建⽴对外部环境的感知和理 解，为决策和⾏动提供⽀持。感知模块主要⽤于对象识别、位置定位、场景理解等⽅ robots 决策模块作为具⾝智能的“指挥中⼼”，接受环境感知信息后，完成⾼级任务规划和 推理分析，并⽣成决策指令。决策模块主要任务包括任务规划和推理分析，决策模块 的具体实现从⼈⼯知识的编程决策、专⽤任务的算法设计发展为以⼤模型为核⼼的机 器智能决策。决策模块的灵活性和适应性直接影响具⾝智能系统的智能化⽔平，⾼度 智能化的具⾝智能系统，能够根据环境和任务的变化实时调整决策。 ⾏动模块

其中具身智能机器人因其强调物理实体 与环境交互的核心特性而成为关键发展方向。 聚焦“人工智能+” 赋能的具身智能机器人这一特定形 态,系统综述了具身智能机器人的概念演进与发展现状,着重剖析了人工智能技术在感知、认知、决策、 执行及底层数据支撑等环节带来的变革;围绕多模态感知、大语言模型与深度强化学习等核心技术,结 合工业制造、医疗护理、家庭服务等场景应用,展示了“人工智能+” 赋能具身智能机器人的应用成果。 同时 具身智能机器人作为机器人领域的重要分支,其 能够在真实环境中与周围环境进行交互,执行各种复 杂任务。 本文首先回顾了具身智能的概念演进及其在 机器人技术中的定位,概述了从行为控制到“感知—认 知—决策—控制”一体化系统的技术脉络与产业进展; 进而构建了“感知融合—认知规划—控制执行—数据 生成”4 层“ 人工智能+” 赋能框架;最后深入探讨了 “人工智能+” 对具身智能机器人的赋能作用,以及相 现代具身智能指的是融合多模态感知、自主学习、 行为决策与人机协作能力的智能系统,强调智能体通 过身体与环境的持续交互,在动态、不确定环境中展现 出高度适应性与进化能力 [4]。 其核心特征包括环境感 知与认知融合、跨任务的自主适应优化以及在服务、制 造等场景中的协同与实用性。 1. 2 具身智能机器人的概念 具身智能机器人是指具有物理实体,并能够通过 自身的感知、决策和行动能力在真实环境中与周围环

字化发展红利，全面开创数字政 府建设新局面”。政务热线作为我国数字政府建设最为成功的实践之一，不仅发 挥着政民互动的“连心桥”和社会治理的“连接者”的作用，并且海量热线工单 也逐渐成为辅助政府决策、推动社会治理创新的重要数据富矿。随着人工智能技 术的快速发展，政务热线作为政府与公众沟通的重要渠道，正在经历一场智能化 变革。作为数字政府的“门脸”，政务热线进一步建设发展需要各方的通力合作， 征，表现为多条热线沟通、一个总台受理、处置多种事项，或者是一条热线沟通、 一个总台受理、处置复合事项。此外，随着大数据分析技术的成熟，政务热线数 据背后的社会价值开始得到重视，并用以发现社会问题，辅助政府科学决策。其 “用数认知、循数决策、依数施策”的特征明显地区别于信息化阶段，并演化为 政务热线系统的深层本能和基础能力。 三是智能化升级阶段。当前，人工智能在社会各领域的日益深入，对国家与 社会治理创新提供了新的 整合提炼，将社会问题系统化呈现。一方面，对数据信息进行整合和分析使政府 得以精准把握社会民众的需求。政务热线通过建立社会治理云平台，借助大模型 对群众诉求进行深入发掘和全景刻画，并将分析结果应用于政策决策上，实现了 政府资源配置与民众切实需要之间的精准匹配和有效对接。另一方面，政务热线 数智化以数据融通和智慧服务为主要特征，大模型能够促进医疗、教育等多种社 会服务平台的信息互通，同时通过对大数据等信息技术分析数据的动态演变规律，

字化发展红利，全面开创数字政 府建设新局面”。政务热线作为我国数字政府建设最为成功的实践之一，不仅发 挥着政民互动的“连心桥”和社会治理的“连接者”的作用，并且海量热线工单 也逐渐成为辅助政府决策、推动社会治理创新的重要数据富矿。随着人工智能技 术的快速发展，政务热线作为政府与公众沟通的重要渠道，正在经历一场智能化 变革。作为数字政府的“门脸”，政务热线进一步建设发展需要各方的通力合作， 征，表现为多条热线沟通、一个总台受理、处置多种事项，或者是一条热线沟通、 一个总台受理、处置复合事项。此外，随着大数据分析技术的成熟，政务热线数 据背后的社会价值开始得到重视，并用以发现社会问题，辅助政府科学决策。其 “用数认知、循数决策、依数施策”的特征明显地区别于信息化阶段，并演化为 政务热线系统的深层本能和基础能力。 三是智能化升级阶段。当前，人工智能在社会各领域的日益深入，对国家与 社会治理创新提供了新的 整合提炼，将社会问题系统化呈现。一方面，对数据信息进行整合和分析使政府 得以精准把握社会民众的需求。政务热线通过建立社会治理云平台，借助大模型 对群众诉求进行深入发掘和全景刻画，并将分析结果应用于政策决策上，实现了 政府资源配置与民众切实需要之间的精准匹配和有效对接。另一方面，政务热线 数智化以数据融通和智慧服务为主要特征，大模型能够促进医疗、教育等多种社 会服务平台的信息互通，同时通过对大数据等信息技术分析数据的动态演变规律，

...................................................................................38 2.2.4 自主任务规划与决策................................................................................................... 产业与技术现状、标准化现状与需求、产业/技术/标准图谱、标准体 系建设以及标准全生命周期管理与标准化生态构建等多个关键维度， 致力于为企业、研究机构、投资者以及政府管理部门提供坚实的技术 支撑与决策依据，助力各方深入洞察人形机器人产业发展趋势，加速 技术创新与应用场景的深度融合。 本白皮书凝聚了众多科研人员、企业精英以及行业专家的心血与 智慧，反映了大部分从业者在人形机器人标准化相关领域探索研讨的 挚的态度，欢迎各界人士，不吝指出其中的不当之处。我们期望通过 3 这样的交流与反馈，在未来能够进一步完善与优化本白皮书，使其能 精准地把握行业脉搏，切实地服务于整个人形机器人行业发展，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。

以成事”的生存 智慧，在数字文明时代正演绎出新的战略内涵。 以大语言模型为代表的新一代 AI ，早已突破了简单的效率提升，正在为企业带来全方位 的革新动能和效益提升，涵盖客户体验优化、流程自动化、决策支持、商业模式创新等诸 多方面。未来的商业竞争，比拼的将是企业运用 AI 这一"利器"的战术与策略。 根据 IDC 2024 年 8 月对 100 家 AI 转型企业的调研，大模型正在重塑企业的运营模 的企业实现员工能力定制化提升 14% 的企业优化了员工工作体验 超过一半 (53%) 的企业加速了决策流程，减少重复劳动 超过三成 (34%) 的企业优化了工作流程整合 近一半 (46%) 的企业提升了整体工作效率 优化用户体验 57% 53% 46% 34% 32% 29% 14% 加速企业决策,减少重复劳动 提升员工效率 工作流整合,方便使用多个程序 创新产品形式/业务价值 为员工创造定制化提升 (EHR)、医学图像 (如 X 光、CT、MRI) 和医学文献等 数据，辅助医生识别疾病特征，并提供初步诊断建议，减轻医生的工作负担 临床决策支持：实时数据分析, 减少误诊漏诊 实时分析患者临床数据，结合最新的医学研究成果、临床指南及类似病例处理经 验，为医生提供临床决策支持，辅助医生减少误诊和漏诊的风险，提高医疗安全。 市场分析和趋势预测：精准洞察市场，优化营销策略 利用 AI 分析消费者行为、

传感器数量减配、性能提升 3.2.2 激光雷达市场快速增长，格局集中 3.2.3 高阶智驾需要激光雷达提供安全冗余 3.2.4 前视摄像头市场分散 3.2.5 从全量感知到按需感知的算法演进 3.3 决策层 3.3.1 域控制器构成 3.3.2 智驾域控市场逐渐走向合作定制化 3.3.3 德赛西威：高算力智驾域控行业的领军企业 3.3.4 Momenta：提供基于端到端技术架构的自动驾驶解决方案 3 的信息直接输入统 一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能 从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。 传统智驾系统的感知层、决策规划层和控制执行层之间 相互独立，信息传递容易积累误差，且智驾方案依赖于 工程师通过代码制定的规则，难以处理所有复杂场景， 边际效应随着智驾能力的提升呈现几何式骤减。与基于 规则的传统自动驾驶算法结构相比，端到端算法基于数 端到端架构的本质是深度学习的全面使用与数据驱动。根据感知模块与决策模块之间的贯通程度，可分为模块化 端到端与一体化端到端。 模块化端到端将感知模块和决策规划模块视为两个独立部分，分别使用神经网络，但模块之间仍存在人工设计的 数据接口。例如，华为乾崑ADS 3.0由GOD感知网络和PDP决策规划网络组成，GOD负责感知障碍物，PDP则根据感知 信息迅速做出决策。一体化端到端则将感知与规控模块全部打通，形成一个统一的大模型，使系统能够更直接、

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 器人将具备更强的自主学习能力，能够根据环境变化和任务需求进行 面移动和故障诊断等功能，但不具备决策能力；而深度学习则聚焦图 像、文本和语音等复杂任务的处理，能够帮助机器人实现缺陷检测、 知识问答、人机对话等功能，具有一定的决策能力。 5 图 1 机器人与人工智能融合历程 （二）三大融合方向及其组合推动智能机器人产品涌现 1、根据不同的环节需求形成三大方向的融合应用 人工智能应用于工业机器人的感知交互、推理决策和运动控制各 个环节。在运动控制 学习探索；基于语音 交互技术的语言类模型虽然较为成熟，但是主要用于陪伴对话、教育 辅导、智能家居等服务型场景，而由于可靠性要求高、工业知识积累 6 不足等限制，尚未在工业中大规模应用。在推理决策方面，基于深度 学习、强化学习的方法，机器人可以通过训练学习数据以模仿人类， 甚至通过与操作对象或环境进行交互实现非结构性的复杂操作和自 主导航。 2、三种应用模型及其组合催生出多种功能的机器人

通过为 AI 智能体赋 予相关权限，它们可以自动执行决策、解决问题以及执行其他超出系统机器学习模型训练范围 的任务，这是大多数 AI 助手无法做到的。 另外，随着数字劳动力的发展，变革的力量牢牢掌握在员工手中。 1 这样个人得以提高生产率 并重新定义工作流程，同时挑战了传统的领导观念。 引言 AI 推动数据普及化， 重新定义决策流程。 领导者如何才能在不给企业带来风险 的情况下增强员工的自主创新能力？ 的情况下增强员工的自主创新能力？ 2025 年五大趋势：人智共创未来 点燃创新纪元 2 事实上，领导者没有时间审查每一项创新。随着智能体 AI 在组织中发挥的作用不断增强，领导 者需要下放更多决策权，才能真正加快步伐。他们仍然需要制定目标并明确前进规则，但必须 赋权团队重新思考工作流程，并用新的方式部署 AI 智能体，从而大幅度提高绩效。 在这种环境下，领导者相当于在敏捷性和安全性之间走钢丝，尽力维持韧性与风险之间的平衡。 管表示其组织仍将处于实验。 要将这一势头转化为真正的业务价值，领导者需要赋予员工权力，让他们充分利用这一触手可 及的技术。这意味着要实现决策民主化，并为员工提供成功所需的工具和培训。人才是利用 AI 制胜的秘诀，但如果没有战略性再培训、安全护栏和决策支持，仅凭人才是无法取得成功的。 2025 年五大趋势：人智共创未来 点燃创新纪元 4 本研究是 IBM 商业价值研究院 “五大趋势”

已然站在了 AI 发展的 最前沿，在众多场景中实现了实际的技术突破与应用，进而推动着更多产业的蓬勃发 展。 总体而言，具身智能目前尚处于从实验室研究向规模化商业应用过渡的发展阶 段。从具身决策能力瓶颈的突破，到高质量数据资源的匮乏，再到量产过程中对产业 链协同及性能一致性的严苛要求所带来的压力，均表明具身智能产业在发展初期面临 着与其他新兴产业初期相类似的诸多挑战。此外，产业发展到一定阶段，还会面临技 撑，鼓励垂类领域二次开发、成果开源共享、软硬件协同集成，实现从代码到产 品的全链路赋能 9 l 上海：《上海市具身智能产业发展实施方案》，为期 3 年，加快构建具身智能全链 条技术自主创新体系，重点支持感知决策、运动控制、具身语料、操作系统等关 键技术攻关，给予核定项目总投资最高 30%且不超过 5000 万元支持。 10 性直接决定了上层应用的效 能。传感器如同系统的“眼睛”和“耳朵”，能够捕捉到周围环境的细微变化； 执行器则是系统的“手脚”，根据指令精准执行动作；计算单元作为“大脑”， 处理着海量的数据并做出决策。仿真平台为系统的开发与测试提供了虚拟环境， 使得研发人员能够在不接触实际硬件的情况下进行算法验证与优化。操作系统与 12 开发工具则如同系统的“操作系统”和“编程语言”，为上层应用的开发提供了