为私营和公共利益服务——领先的技术公司正在掌 握技术未来的控制权，它们的商业动机并不总是与公 共利益一致。政府需要探索政策和法规，以激励并引 导技术发展沿着促进包容性和造福所有人的道路前进 。 增强人类能力——前沿技术资本密集且可能节省劳动 力。对于许多发展中国家来说，这可能会侵蚀它们在 低成本劳动力方面的比较优势，从而危及几十年来取 得的成果。然而，通过适当政策，人工智能可以增强 而非替代人类能力，并有助于维持发展中国家的竞争 增长大部分是由私营部门驱动的，但一些国家也大大扩大了它们的公共研发拨款。 数字技术的演变和全球经济的变化重塑了发展中国家追求赶超战略的机会。国家竞争 力以及指导性产业政策应越来越多地集中于提升技术、创新和知识密集型服务。 关于前沿技术和人工智能的政策为产业政策提供了新的合理性。它们可以解决市场失 灵问题，并考虑研发以及新技术在经济中的扩散、方向和影响的不确定性。 来源 联合国贸易和发展会议（UNCTAD 联合国贸易和发展会议（UNCTAD），基于全球贸易警报（GTA）和经合组织（OECD）STI 政策数据库的数据。 注意 : STI政策数据库涵盖了发达国家以及部分发展中国家。 数字技术重新定义 了机遇，使技术、 创新和知识密集型 服务成为产业政策 的核心。 图10 STI在国家政策中的相关性增加。 19 2017 2018 2019 2020 2021 2022 2023 0 10 20 30 40 50

年，韩国公布了《人工智 能国家战略（2024-2025）》，重点投资人工智能研发，推动人工智 能在医疗、交通、教育等领域的广泛应用。 机器人与人工智能的结合在国家政策层面被提出。自 2016 年起， 中国密集出台关于机器人和人工智能的政策，2023 年以来，国家层 面开始强调二者融合发展。2023 年 1 月，工信部等十七部门发布《“机 器人+”应用行动实施方案》，提出发展基于工业机器人的智能制造 4），各行业应用场景分布见下图（图 5）。 图 4 88 个“机器人+人工智能”案例行业分布图 15 图 5 各行业“机器人+人工智能”应用场景分布 1、汽车：关注精细生产、高效物流和外观检测 汽车产业是资本密集型和技术密集型产业，对机器人的算法先进 性和硬件稳定性要求较高，也是当前机器人使用最多的产业。从产业 链来看，汽车产业可分为汽车零部件和整车制造，整车制造又可分为 冲压、焊接、涂装、总装等环节。

目标、能力、知识储备、使用说明 结构化要求+示例 描述角色性格特征、指定输出情景 风格、要求、主题 “信”、“达”、“雅” 生成提示词的提示词 DeepSeek-R1 应用场景 l 推理密集型任务 Ø 编程任务中的代码生成、算法设计，媲美Claude 3.5 Sonet Ø 数学问题求解、科学推理和逻辑分析等需要复杂推理的场景。 l 教育与知识应用 Ø 可用于解决教育领域的问题，支持知识理解与解答。

构建医药⾏业新质⽣产⼒ 07 • 从 DeepSeek 看⼈⼯智能发展趋势 • ⼤模型及 DeepSeek 潜在应⽤场景探 索 ⽬录 从 DeepSeek 看⼈⼯智能发展趋 势 AI 离我们越来越近，越来越密集的“加速”信 号 Alpha, ⼤战李世⽯ “AI” 概念⾯世 DS,“Aha” 时刻 CNN, ⼈脸识 别 Chatgpt, C 端破 圈 1950s 2024 2022 2012 2017

构建医药⾏业新质⽣产⼒ 腾讯健康 李慧 ⽬录 • 从DeepSeek看⼈⼯智能发展趋势 • ⼤模型及DeepSeek潜在应⽤场景探索 从DeepSeek看⼈⼯智能发展趋势 AI离我们越来越近，越来越密集的“加速”信号 4 “AI”概念⾯世 1950s 2012 CNN,$⼈脸识别 Alpha, ⼤战李世⽯ 2017 2022 Chatgpt,/C端破圈 DS,$“Aha”时刻

下保持一致的文本处理能力。 通过将文本文档、代码片段和结构化数据转换为图像，确保模型无论接收的是纯文本输入还是截图或照片中的 文本，都能提供一致的响应。这也有助于增强模型在处理文本密集型图像（如截图、表格、公式等）时的能力。 Long2Short 方法 模型融合：将长文本 CoT 模型和短文本 CoT 模型的权重进行平均，得到一个新的模型。 最短拒绝采样； Short PRM 还有探索空间，可以让模型收敛得更快速或更稳定 (Scaling 曲线的斜率 更大 ) 和自动形式化验证的结合，提供 Rule-Based 之外辅助的 Reward Signal, 指导更 密集 的奖励优化 赋能长思维链安全的验证 技术对比讨论： MCTS & PRM : PRM 的实践和反思

就是阿⻢拉定律。福特的道格·菲尔德指出，全⾯⽆⼈驾驶的⾃主性⽐将⼈类送上⽉球更困难，创造⼀款能够在拥挤的城市环境 中运⾏的L4级⽆⼈出租⻋。考虑到为获得监管批准⽽进⾏的安全测试，进展缓慢并不令⼈意外。 “⽐将⼀个⼈送上⽉球更难，是在密集城市环境中创建⼀个能够运⾏的L4级Robota xi。加⼊安全测试以获得监管批准，因此进展缓慢并不令⼈意外25” 然⽽，许多⼯作正进⾏中。⾼级驾驶辅助系统（ADAS）的渗透率正在提⾼，从紧 急刹⻋ 分之⼆。 有关我们⼈形机器⼈分析的更多细节，请参阅我们最近发布的⼈形机器⼈⽂稿。 您提供哪些人工智能机器人解决方案？ 我们专注于为专业化、⾼技能⻆⾊提供机器⼈，从⽣物制造开始。这些⾼薪⼯作 需要进⾏密集和专⻔化的培训，要求⾼精度，并且由于需要在封闭设施⾥完成⼯ 作⽽具有⼀定的体⼒需求。 我们先进的AI⼤脑架构融合了许多不同的AI模块，像⼈脑的叶叶⼀样协同⼯作。 这使我们的机器⼈能够处理复杂数据，做出明智决策，并减少⼈为⼲预即可学习 速度明显更快。这种差距意味着，如果没有电池技术⽅⾯的重⼤进展，能源供应和 需求之间的鸿沟将继续扩⼤，潜在地限制了⼈⼯智能驱动机器⼈的能⼒。 AI驱动的机器⼈需要⼤量的计算能⼒来实时处理数据、作出决策，并从环境中学习 。这种计算密集度直接转化为更⾼的能量消耗，对现有电池技术造成额外压⼒。 未来有⼀些令⼈期待的进展，包括⽯墨烯电池和固态电池。 © 2024花旗集团 71 Citi GPS: 全球视⻆与解决⽅案 2024年12⽉

展和业务 需求，重点在西部算力枢纽及人工智能发展基础较好地区集约 化开展智算中心建设，逐步合理提升智能算力占比。推动不同 计算架构的智能算力与通用算力协同发展，满足均衡型、计算 4 和存储密集型等各类业务算力需求。 3. 促进边缘算力协同部署。加快边缘算力建设，支撑工业 制造、金融交易、智能电网、云游戏等低时延业务应用，推动 “云边端”算力泛在分布、协同发展。加强行业算力建设布局，

请标明来源 21 M2 2025 Proprietary and Confidential All Rights Reserved. 中国人形机器人落地场景顶层方向 中国近1-2年国家及地方密集出台政策、引导产业方向，应用端聚焦工业、家庭、商业/消费场景，同时覆盖仓储、特种应用等 22 2023年10月 2024年1月 2024年6月 《人形机器人创新发展指导意见》 《关于推动未来产业创新发展的实施意见》

可持续发展。 目前人形机器人行业仍面临大规模商业化难题。受技术发 展制约，虽然目前已有成品，但多处于实验室研发和测试 阶段。人形机器人在复杂环境下的可靠性、人机自然交互 的流畅性仍有待提高，例如在人群密集或动态变化的场景 中，其环境感知与决策速度、情感理解与表达的细腻程度 还难以满足实际需求。规模化落地难的第二个原因是高精 度零部件如先进传感器、高性能电机和减速器等的研发和 制造成本高昂，导致人形机器人售价难以被普通消费者和