面对全球大模型产业之争，要打赢「三大战役」 AGI之战 应用场景之战 大模型安全之战 • 探索超越人类的超级人工 智能AGI • 不仅是科技之争，更是国 运之争 • 不发展是最大的不安全， 发挥举国体制优势，打赢 追赶之战 • 大模型带来前所未有安全 挑战 • 外挂式传统安全手段难以 应对 • 应对模型安全新挑战，打 赢未雨绸缪之战 • 大模型是能力而非产品， 结合场景才能发挥价值 拥有便宜领先的大模型，迎来 机遇，带来“iPhone时刻” 中国变成AI渗透率最高的国家，率先实现AI工业革命 37 政企、创业者必读 人人智能 万物智能 数转智改 未来产业 科学研究 安全 应用爆发的六大方向 38 政企、创业者必读 DeepSeek的开源和低成本使得个人也能够拥有自有大模型，实现超能力， 成长为超级个体 DeepSeek六大应用方向之一 人人智能：人人都要用AI 从数年缩短到几分钟，解开了生物学密码 成功预测了地球存在的2亿种蛋白质结构 45 政企、创业者必读  DeepSeek典型的四大安全问题：客户端安全、Agent安全、知识安全、模型安全  360提出「以模制模」新解法，应对DeepSeek安全问题 DeepSeek六大应用方向之六 AI安全：实现安全的「自动驾驶」 46 政企、创业者必读 大模型的六大能力 47 基本 能力 业务 能力 创新

空间 �.� 多云战略落地的应用场景 �.� 多云战略为企业带来显著实践价值 第三章 智能时代，企业多云战略面临的挑战 �.� 多云是企业开展智能化升级的重要策略 �.� IT复杂性攀升，安全、效率、创新、成本成为长期挑战 �.� 重视六大核心能力，构建先进多云体系 第四章 在下一朵云上，解锁AI发展新动能 �.� 获得先进技术能力是当前企业选择下一朵云的首要核心驱动力 �.� 围绕AI构建多云能力的三大步骤 获得先进技术能力是当前企业选择下一朵云的首要核心驱动力。企业在新引 入云服务商时，应关注其是否在关键领域具备符合企业发展需求的领先技术 优势，这对企业未来发展具有显著的现实意义。这些关键优势包括：全面立 体的多云安全保障体系、先进的AI技术能力、高效普惠的数据运营管理能 力、稳定可靠的多云治理和协同、持续优化的成本治理能力、开放合规的全 球服务体系等。IDC调研显示，目前，超过一半的中国企业处于复杂多云阶 ROI（投资回报率）指标确认多云策略的成功。同时，伴随生成式人工智逐 步落地，推理任务逐渐增加，企业应审慎应对未来AI应用对数据传输、计算 资源等维度的更高要求，以确保推理任务获得更佳的访问性能、资源利用效 率、扩展性、灵活性、安全性和成本优势等。此外，企业在选择新的云服务 商时，应重点考量其对未来多模态、多场景、多技术栈等趋势的综合支撑能 力，确保企业IT技术架构始终具备足够的前瞻性和灵活性。 �� 三大变量驱动 第一章

算力基础设施高质量发展行动计划 算力是集信息计算力、网络运载力、数据存储力于一体的 新型生产力，主要通过算力基础设施向社会提供服务。算力基 础设施是新型信息基础设施的重要组成部分，呈现多元泛在、 智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升 级、赋能科技创新进步、满足人民美好生活需要和实现社会高 效能治理具有重要意义。为加强计算、网络、存储和应用协同 创新，推进算力基础设施高质量发展，充分发挥算力对数字经 发展。以构 建现代化基础设施体系为目标，面向经济社会发展和国家重大 战略需求，稳步提升算力综合供给能力，着力强化运力高效承 载，不断完善存力灵活保障，持续增强算力赋能成效，全面推 动算力绿色安全发展，为数字经济高质量发展注入新动能。 （二）基本原则 多元供给，优化布局。坚持多元发展路线，调动各类市场 2 主体积极性，构建通用、智能和超级算力协同发展的供给体系， 持续优化算力资源地域布局，加强集约化建设，强化算网存用 。充分发挥科 研院所、高校和企业在技术攻关、成果转化中的创新主体作用， 形成技术产业发展合力。 绿色低碳，安全可靠。坚持绿色低碳发展，全面提升算力 设施能源利用效率和算力碳效（CEPS）水平。统筹发展与安全， 进一步强化网络、应用、产业链安全管理和能力建设，构建完 善的安全保障体系。 （三）主要目标 到 2025 年，计算力方面，算力规模超过 300 EFLOPS，智 能算力占比达到

Manufacturers》（面向CE产品 制造商的Matter）。智能家居AI的例子包括能源管理、HVAC优化、家庭安全、安防、健康 与保健以及居家养老支持。这些先进的、由AI驱动的应用需要情境感知能力，即实时感知、 理解和应对复杂情况的能力。因此，AI应用必须与家庭的多个系统相连接，如灯光、门窗、 摄像头、安全传感器、HVAC、家电、AV设备、管道、灌溉系统、泳池、汽车和能源等。通 用连接需要在两个方面进 oT产品快速增长的需求，这些产品能为基于AI 的生态系统提供现实世界的输入。从连接的角度来看，这需要：（1）标准的、广泛可用的 基于IP的网络；（2）一个软件应用层，能在设备和应用之间实现直接、安全的多厂商通信。 这种对设备连接的新定义在垂直领域内将消息分发与消息内容相结合。连接的标准化可加速 产品开发、简化设备安装并降低产品总成本。消息内容的标准化则通过实现与多个应用和生 态系统的有效连接，进一步提升了设备的价值。 LP-WAN、蜂窝网络、卫星网络等等，连接着数十亿台设备。这些网络在过去30年中不断发 展演变，每一种都有其令人信服的应用场景和商业模式。起初，网络的快速创新让嵌入式设 备制造商能够基于能效、覆盖范围、mesh网络技术、安全性、易用性、设备功能、成本和 产品兼容性等方面来打造差异化产品，而无需等待繁琐复杂的全行业标准化流程。然而等待 是值得的。如今，少数几个行业标准网络涵盖了所有相关的设备联网特性和功能。设备连接

.38 （三）数字孪生与物联网、5G 等技术的融合逐渐加深 ................ 39 （四）数字孪生与虚拟现实的结合为金融带来了新机遇 ...............39 （五）安全意识提升 .............................................40 附录 A：金融业数字孪生应用实践 ............................ 理和 理财服务，占比11%，旨在通过智能投顾 5和个性化资产配置 满足客户的多样化需求，但在隐私保护和数据安全方面的要 求也愈发严格。 金融机构作为金融业务的载体，承担着为社会提供资金 配置、风险管理和服务支持的职能，也有义务应对数字化转 型过程中精准营销、风险管理以及安全合规要求带来的日益 复杂的挑战。 1.金融营销方面痛点介绍 金融营销领域存在的痛点包括客户获得的成本上升，对 情况不仅影响了风险的实时监测，也使得机构难以预测和应 对潜在的市场风险。 3.金融安全方面痛点介绍 金融安全领域的主要痛点包括数据泄露风险、合规成本 过高等。金融数据一般包含客户的个人身份信息以及资产信 息，如果这些敏感信息发生大规模泄露，金融机构将承担包 括巨额罚款、品牌形象损害等严重后果。 金融数据安全领域存在《中华人民共和国中国人民银行 法》《中华人民共和国银行业监督管理法》《中华人民共和

提供复杂的交通规则（如潮汐车道、特殊路口通 行）、道路拓扑关系，是实现安全、合规、高效智能驾驶决策的基础，重 要性随级别升高而凸显。 ODD 定义/验 证 N/A ★★ ★★★️ ★★★ ★★★ 高阶功能关键： 地图定义了自动驾驶系统的运行设计域（ODD），并用 于验证系统能否在特定区域安全运行，是L2+及以上功能部署和安全保障 的关键。 离线训练数据 源 ★ ★ ★★ ★★ ★★★️ 实时、高效、 安全共享，并满足不同功能对地图精度、鲜度、渲染效果的差异化需求，仍面临技术挑战（如 数据隔离、功能安全、算力分配）。 图商的机遇 在‘舱驾一体’的演进中，不仅是数据的趋同和架构的整合，更重要的是实现‘感知反哺座 舱’。例如，车辆自驾系统通过车身感知获取的实时高精度环境数据，能够反哺到座舱导航应 用中。这不仅能增强导航的实时校正能力，还能极大丰富座舱的安全预警信息，提供比传统基 政策法规的逐步完善：划定安全边界与产业规范 11 资料来源：公开资料、泰伯智库  2023年11月17日，工业和信息化部等四部门发布《关于开展智能网联汽车准入和上路通行试点工作的 通知》，在道路测试与示范应用基础上，开展L3和L4级别智能网联汽车试点工作。  短期内受安全事件舆论影响，政策似乎有从严监管趋势。但从长期来看，有助于行业积累实际运营经验， 从而逐步完善政策法规，划定安全边界与产业规范。

Over-Thinking 过度思考等 未来方向分析探讨 模态穿透赋能推理边界拓展： Align-DS-V 合成数据及 Test-Time Scaling: 突破数据再生产陷阱 强推理下的安全：形式化验证 Formal Verification \ 审计对齐 Deliberative Alignment Outline DeepSeek-R1 Zero 的问题： 长推理过程可读性差、语言混合，帮助性低 Research Questions: 能否在 Zero 基础上兼顾推理性能的同时，提升模型的帮助性和安全性？例如产生 Clear & Coherent CoT 并且展现出通用能力的模型 R1 ； 能否利用一些高质量反思数据集做 Cold Start 从而加速 RL 的收敛或帮助提升推 Pipeline 总览 15 Stage II: 通用能力 & 安全性 基于规则的奖励 Rule-Based Reward 格式奖励 ! 冷启动 Cold Start ↓ Stage I: 推理链可读性 拒绝采样和全领域 SFT 全领域 RL All-Scenarios

务、救援救灾等领域。伴随着人形机器人的多场景实地应用，为确保 机器人能够在多样化环境中安全、高效地运行，安全测评的需求愈发 重要。未来人形机器人技术的发展不仅需要持续的技术创新，更需要 系统的安全保障技术与标准化支持，以满足不同交互环境下对机器人 安全性、互操作性和环境适应性的需求。提升人机交互的安全性，不 仅能够推动技术在特定应用领域的推广，还将引领机器人技术的规范 发展，为人形机器人在多元化场景中的普及奠定基础。 全球产业政策特点 人形机器人作为新一代人工智能的集大成者，已经成为全球科技 和产业竞争的新高地。各国政府高度重视，从促进多方协同、加大研 发投入、完善产业生态、重视人才培养、加强国际合作以及关注伦理 安全等维度，出台了一系列政策措施，为本国的人形机器人产业发展 提供强力支持。 15 以中国、欧美、日韩地区为例，各国政府在技术创新与研究支持 方面，集中资源推动核心技术的突破，包括人工智能、机器学习、机 人形机器人将持续提升智能化水平，为人类提供更加多元化的服务支 持，进一步推动社会各行业的数字化转型和自动化进程。 与此同时，人形机器人产业的发展也面临诸多挑战，涉及技术创 新、市场需求、标准化和伦理安全等方面。因此，全球各国、各地区 以及行业企业需加强协作，推动跨界融合，解决技术与市场的问题， 确保产业健康有序地发展。 2.1.3 产业链分析 2.1.3.1 总体情况 人形机器人上游产业链涵盖零部件和基础软件供应，包括电机、

GPS: 全球视⻆与解决⽅案 2024年12⽉ 内容 摘要与分析 6 技术进步 10 清洁与维护 19 交通运输 29 ⼈形机器⼈ 35 ⼯业 42 服务机器⼈ 45 医疗保健 51 安全、安全和军事 56 资本/专利 62 挑战 68 结论 78 相关阅读 79 © 2024 花旗集团 6 花旗GPS：全球视野与解决⽅案 2024年12⽉ 摘要与分析 AI并⾮新领域（1 5％。我们的家庭估计受 到80岁以上的⽼年⼈⼝数量和有清洁⼯的影响。考虑到护理和清洁机器⼈可能会惠 及其他许多⼈，我们的渗透率假设可能过低。 我们还注意到，我们尚未分析⼏个潜在的巨⼤市场——如军事、安全、教育、农业。 虽然预计对⼤多数发达地区采⽤率将会更⾼，但我们认为到2050年，较不发达地区 由于其⼈⼝规模和劳动⼒市场规模的原因，将占整体市场的相当⼤部分。下图显⽰ ，到2050年，较不发达地区将占⼈形机器⼈市场的三分之⼆。 Ozmo凭借⼈⼯智能、机器学习和计算机视觉技术，⼤部分决策都是⾃主完成的。 它每秒计算250次，以确定在窗⼾上施加多⼤的压⼒，刷⼦在哪⾥施加，以及何时 将脚⼿架移动到下⼀个层级 - 所有这些都是为了确定最有效和安全的清洁路径。它 还考虑建筑外墙的状况，并汇报需要解决的潜在问题的数据。 会⻅改变数⼗亿美元窗⼾清洁⾏业的⼈⼯智能机器⼈（《财富》杂志） © 2024 花旗集团 26 Citi GPS：全球视⻆与解决⽅案

3.智能驾驶产业链 3.1 车端：电子电气架构向中央计算迈进 3.2 感知层 3.2.1 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 模块的端到端化，为后续端到端技术的全面应用奠定了基础。 2023年：特斯拉FSD V12发布。特斯拉正式推出FSD V12版本， 采用端到端架构，实现了感知、决策、规划的一体化，显著 提升了驾驶体验的拟人化和安全性。这一版本成为行业标杆， 推动了全球车企加速端到端技术的研发。 2023年：OpenDriveLab发布UniAD。OpenDriveLab推出了全 栈Transformer端到端模型UniAD，整合感知、预测和规划模 ansFuser及其变体。这些设计结合对仿真环境的深入理解， 使模型在CARLA基准测试中显著提升性能。 为提高自主系统的可解释性和安全性，一种解决方案是引入各种辅助模块以更好地监督学习过程，另一种则采取注意力可视化。 2023-2024年，研究重点聚焦生成安全关键数据、预训练策略学习的基础模型或骨干网络，推动感知与规划模块的端到端整合。 同时，更具挑战性的CARLAv2和nuPlan基准测试也被引入。