等类型服务。建模服 务，指通过技术手段对物理实际业务实体进行建模映射。渲 染服务，指根据通过建模服务得到的模型进行渲染，从而得 到一个与物理实体等价的虚拟实体。仿真服务，指在建立虚 拟实体上进行各类运算，从而对实际物理实体的运行决策进 行支撑。 数据层：包含支撑服务层各类服务的各类数据，包括从 物理实体各处采集和监测的数据，以及对数据中间集和物理 实体历史数据仿真的生成孪生数据。同时，数据层能够运用 支撑数字孪生架构体系的关键技术如下。 1.渲染技术 渲染技术通常指通过计算机图形引擎，多层次实时渲染 呈现数字孪生体实境的技术。通常支持包括宏大开阔地理信 息如城市环境，精细细密局特征等，主要能力至少包括有三 维实体的可视化渲染能力，数据可视化渲染能力，业务逻辑 可视化渲染能力，应用逻辑可视化渲染能力等。 2.仿真技术 工程仿真传统上一直被用于新产品设计和虚拟测试。 虚拟仿真技术（CAE）是实现工业产品及制造过程模拟仿真 ional Virtual Prototype （全功能虚拟样机）等技术，主要是用于实现复杂产品的运 动仿真、装配仿真和性能仿真。仿真技术是创建和运行数字 孪生模型、保证数字孪生模型与对应物理实体实现有效闭环 的核心技术之一。 3.数据孪生技术 数据孪生作为金融领域数字孪生底层的关键技术，该技 术通过机器学习模型对一组业务数据的分布进行学习，从中 找到相应规律，进而生成与之相类似的数据，实现业务数据

未来挑战与趋势 核心点： 技术挑战 ｜ 集群规模扩大导致故障率上升，算法效率提升与算力需求增长并存。 架构演进 ｜ 单节点性能提升+横向扩展并行，推理需求驱动芯片架构创新。 应用落地 ｜ AI与实体经济深度融合，需解决算力利用率低、场景适配不足问题。 长期趋势 ｜ DeepSeek等算法优化主导发展，智算中心成为数字经济核心驱动力，前景广阔但 需持续突破能耗与成本瓶颈。 30 Supplyframe reproduce or distribute. 4. 未来挑战与趋势 预测我国智算产业未来两年的投资趋势 基础设施投资持续增加，特别是在数据中心和算力网络建设方面 AI应用开发将成为投资热点，尤其是能够落地实体经济场景的应用 AI基础技术开发将成为投资热点，尤其是具备突破性的领域 云服务和AI原生应用的融合成为重点 资本市场对智算领域的投资将保持活跃 其他 来源：与非研究院 预测未来两年，我国 发了科技版图的新变数，为智算产业带来了新的发展机遇。 3. 未来挑战与前景 < 技术突破：智算产业将面临技术突破的挑战，需要不断推动技术创新。 < 应用落地：AI应用开发的落地将推动智算产业与实体经济的结合，实现更广泛的应用。 < 成本优化：优化成本结构，提高算力资源的利用效率，是智算产业持续发展的关键。 41 Supplyframe, Inc. Confidential & Proprietary

塔共分为三层：（1）大量网络数据和人类视频构成金字塔的底层；（2）通过物理模拟生成和 / 或借助现成神经模型增强得到的合成数据形 成中间层；（3）在实体机器人硬件上收集的真实世界数据则构成顶层。金字塔的底层提供广泛的视觉和行为先验知识，而顶层确保模型能在 实体机器人执行任务时落地应用。 底层：来自互联网及人类活动的视频。其特点是数量多成本低。特点是通 过大规模互联网数据对视觉语言模型进行预训练，提供了丰富的语义信息。 与人类关系：硅基家人，人类理想中的人形机器人 • 应用场景：C端为主，B端为辅。主要为家用机器人，在家庭内担任家务助理及个人事务助理 • 智能化能力：在家庭内高度复杂场景完成自主工作，并熟悉理解家庭成员个人信息，成为家庭实体AI Agent • 行动能力：轮式及足式各一半，如无需外出，轮式即可 • 主要厂商：互联网大厂依靠数据优势介入C端市场，本体厂商或接入互联网大厂能力或为互联网大厂代工 • 应用落地时间：未来5-10年内落地 29 资料来源：东南大学、艾欧智能、浙商证券产业研究院 具身机器人遥操作，是指在相关机器人控制中把人类操作包含在控制回路中，任何的上层规划和认知决定都是由人类用户下达，而机器人本体只是负 责相应的实体应用。当机器人处理复杂的感知和大量任务时，在快速做出决策和处理极端情况时，遥操作远远优于智能编程。目前遥操作已广泛应用 在医疗领域、极端环境探索如太空与深海场景、防恐防爆应用场景，以及基于工业机械

智启未来，“机”舞新篇 ——“十五五”机器人产业发展趋势及落地策略 1 智启未来，“机”舞新篇 ——“十五五”机器人产业发展趋势及落地策略 机器人产业是实体经济和数字经济深度融合的典型代表，是 培育发展新质生产力的重要方向，与多类新兴技术深度融合，已 成为推动国民经济高质量发展，提升国家综合竞争力的重要抓手。 当前，全球机器人产业呈现智能化加速演进、应用加速拓展、生 ，深 入摸排机器人企业的共性配套需求，积极引培零部件、元器件及 软件企业，加强对产业发展的支撑。 第三梯队地区：突出应用引领，发扬资源优势 一是探索应用场景、开拓新业务新模式新业态，结合实体经 济需求深入挖掘应用场景，通过开展示范应用和供需对接促进机 器人规模化应用，在应用中积极探索新模式、新服务、新业态。 二是挖掘特色资源、基于资源谋发展，对本地具有与机器人相关 技术基础的企

重点发展方向，陆续出台了一系列针对性强、力度大的政策措施，旨在推动产业创新，提升区域经 济的科技竞争力。经过多年持续投资布局，我国人工智能产业体系逐步完善，基础层、模型层及应 用层不断升级优化，实现了人工智能、大数据等数据智能技术与实体经济的广泛融合。2025年2月， 中共中央总书记、国家主席、中央军委主席习近平在京出席民营企业座谈会并发表重要讲话，强调 民营企业的关键角色与发展前景，进一步强调了人工智能产业的战略地位。 2 地政府纷纷响应号召，将人工智能及其相关产业 发展纳入当地发展规划，以助力新一代人工智能产业生态的形成。2025年初，习近平总书记指出：“中国高度重视人工智能发展，积 极推动互联网、大数据、人工智能和实体经济深度融合，培育壮大智能产业，加快发展新质生产力，为高质量发展提供新动能。并 在2月召开中央民营企业座谈会，众多与人工智能相关的民营企业家参会，为中国经济转型与产业升级打下重要基调，也进一步反映 物理AI作为融合数字智能与物理世界的创新范式，除硬件设备和软件系统的发展外，其AI发展核心在于构建具备多模态感知与具身 行动能力的智能系统，以保障物理实体行为的反应速度、操作精度、决策智能度等。这一领域发展需解决传统AI在具身交互中的瓶 颈——软硬件技术升级、跨行业生态协作、伦理规范等问题，以推动人工智能从虚拟助手向实体协作伙伴演进。目前，物理AI已经 在机器人动作表现、工业机器操控等场景初步体现，物理AI甚至可在老年陪护、家庭管家等场景进一步发挥普惠作用。

重点发展方向，陆续出台了一系列针对性强、力度大的政策措施，旨在推动产业创新，提升区域经 济的科技竞争力。经过多年持续投资布局，我国人工智能产业体系逐步完善，基础层、模型层及应 用层不断升级优化，实现了人工智能、大数据等数据智能技术与实体经济的广泛融合。2025年2月， 中共中央总书记、国家主席、中央军委主席习近平在京出席民营企业座谈会并发表重要讲话，强调 民营企业的关键角色与发展前景，进一步强调了人工智能产业的战略地位。 2 地政府纷纷响应号召，将人工智能及其相关产业 发展纳入当地发展规划，以助力新一代人工智能产业生态的形成。2025年初，习近平总书记指出：“中国高度重视人工智能发展，积 极推动互联网、大数据、人工智能和实体经济深度融合，培育壮大智能产业，加快发展新质生产力，为高质量发展提供新动能。并 在2月召开中央民营企业座谈会，众多与人工智能相关的民营企业家参会，为中国经济转型与产业升级打下重要基调，也进一步反映 物理AI作为融合数字智能与物理世界的创新范式，除硬件设备和软件系统的发展外，其AI发展核心在于构建具备多模态感知与具身 行动能力的智能系统，以保障物理实体行为的反应速度、操作精度、决策智能度等。这一领域发展需解决传统AI在具身交互中的瓶 颈——软硬件技术升级、跨行业生态协作、伦理规范等问题，以推动人工智能从虚拟助手向实体协作伙伴演进。目前，物理AI已经 在机器人动作表现、工业机器操控等场景初步体现，物理AI甚至可在老年陪护、家庭管家等场景进一步发挥普惠作用。

数字/数据/AI战略与 商业模式创新 12 strategyand.pwc.com © 2025 PwC. 所有权利保留。 PwC 指的是 PwC 网络/或其成员公司之一/或更多，每家成员公司都是一个独立法人实体。请查阅 pwc.com/structure 获取更多信息。 汽车行业中的AI机遇 2025年1月 免责声明：本内容仅用于一般信息目的，不应作为咨询专业顾问的替代。 人工智能在汽车领域 的机遇

前言 随着数字经济的蓬勃兴起，AI 技术正加速从虚拟空间向实体经 济领域拓展，机器人作为 AI 技术的理想载体，凭借其高度的灵活性 和强大的适应性，正在迅速发展并广泛应用于各个行业，成为推动产 业升级和变革的重要力量。工业领域自动化基础良好、环境结构化程 度高且市场需求大，成为近期“机器人+人工智能”应用落地的首要 方向。凭借其在提高生产效率、降低人力成本、提升产品质量等方面 的显著 这一年实现 人形机器人的量产或批量测试。然而，在人形机器人落地初期，数据 和成本两大门槛限制了其规模化应用。首先，用于人形机器人训练的 高精度操作数据还远远不够，目前，主流的数据收集方法是依赖实体 环境的数据积累的动作捕捉，而 2024 年底智元机器人开源的百万真 23 机数据集仅覆盖了 100 种场景，工业场景更是仅占 20%。由于高精度 数据的稀缺，虽然 Figure AI、特斯拉、宇树等企业的人形机器人产

解成更⼩、更易处理的步骤；⽽ DeepSeek R1 在展现卓越推理能⼒同时， 训练和推理成本极低 GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” BERT BERT 在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗 AI 小模型年代主要技术路线 “ 大数据、小算力、专用决策” DeepSeek-R1 基于 DS-v3 构建推理模 型，通过强化学习提升推 理能力，且训练成本极低

（ChainvofvThought）增强推理能⼒，将复杂问题分 解成更⼩、更易处理的步骤；⽽DeepSeek R1在展现卓越推理能⼒同时，训练和推理成本极低 BERT BERT在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗AI 小模型年代主要技术路线 “大数据、小算力、专用决策” GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” 基于DS-v3构建推理模 型，通过强化学习提升推