年，美国 Unimation 公司推 出通用工业机器人PUMA标志着工业 机器人技术已经成熟。 智能与消费类机器人 80年代，专家系统在医疗、化学领 域大显身手，工业机器人逐渐普及。 1997年，运行在IBM的Deep Blue深 蓝国际象棋专家系统，击败了人类 的国际象棋冠军，被认为是人工智 能历史上的一个里程碑。 1998年由索尼开发出机器狗AIBO， 这是第一个用于娱乐应用的大众市 定义及分类：从机械化、单一化向高度智能化、泛在化迈进， 智能机器人历经数十年技术革新与应用探索，仍在持续突破 资料与数据来源：公开资料，月狐研究院整理 5 驱动因素 社会驱动：人口老龄化加速、蓝领工作人力缺口大、高科技 平民化共同驱动智能机器人渗透 • 根据国家统计局最新数据与联合国有关老龄化的划分标准显示，我国人口增长动力减弱，老龄化人口占比增长，我国已全面步入中度老龄化社会并且老龄化仍在 亟需机器人进厂进行岗位的人力替代、协作、补充。 • 目前AI平民化成为大趋势，人工智能融入国民生产生活中，民众对于AI相关应用的关注呈指数级增长，民众对于人工智能的接受度也逐渐上升。 资料与数据来源：国家统计局，《中国蓝领群体就业研究报告》，月狐数据 -4 -2 0 2 4 6 8 10 12 14 16 18 2015年 2016年 2017年 2018年 2019年 2020年

支和芯片出货预测，我们预计 2024-26 年我国算力规模年复合增速有望达到 44%，带动 2025/2026 年新建数据中心 8.0/9.1GW，对应 530/633 亿度增量 用电。我们预计 2025 年中国用电量增速 6.1%，其中数据中心贡献 0.5pct。 AI 数据中心高功率趋势不变，供配电解决方案技术迭代有望加速 根据各厂的芯片和服务器参数，虽然单瓦浮点算力以每代约 1 倍速率提升， 40-60%的比例提升。而 DeepSeek 实现 GPU 白卡互联的能力，为国产芯 片的大规模应用打开了大门，在经济上必然存在较强的优势，但是短期内在 能耗上与英伟达芯片仍然存在差距。因此随着国内数据中心中智算中心的比 例提升，单个数据中心的 MW 数将持续上升，甚至相同算力下可能提升更 快。这将带来供配电解决方案的技术迭代加速从传统 UPS 向 HVDC，以及 未来巴拿马电源和 SST 的效率更高模式发展。我们预计国内 一体化算力网的实施意见》首次提出到 2025 年底，国家枢纽节点新建数据 中心绿电占比超过 80%。在十四五期间我国单位 GDP 二氧化碳排放降低 18%的目标约束下，我们预计各地算力中心将积极消纳新能源。对应到数据 中心建设对新能源消纳的拉动，我们估算 2024-26 年每年 6~9GW 的数据中 心建设将带来 18~27GW 的本地新能源消纳能力。 投资建议： 看好国内数据中心建设带来的电源国产替代机会，以及技术迭代加速后

关注自研核心算法的整车企业 2.1 特斯拉：纯视觉方案+一体化端到端先驱 2.2 华为鸿蒙智行：模块化端到端，聚焦生态整合与全域协同 2.3 小鹏：云端蒸馏模型+纯视觉方案，大幅提升车端上限 2.4 理想：双系统并行，VLM规范端到端模型下限 2.5 比亚迪：智驾平权加速，边际变化可期 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 伯特利：线控制动持续攀升，全面打造XYZ三轴汽车底盘 控制系统供应商 3.4.8 线控转向：L4级及以上自动驾驶必备，尚处市场导入期 4.投资建议 5.风险提示 请务必阅读正文之后的免责条款部分 3 端到端发展进入加速期，基于 规则长期护航 1 请务必阅读正文之后的免责条款部分 图1：端到端与模块化自动驾驶 资料来源：电动车公社，国元证券研究所 4 端到端的定义：基于数据驱动的深度学习 在广义语境中， 驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统 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

应用的探索与创新。 在政务领域，DeepSeek 展现出了巨大的潜力与价值。多地政务系统纷纷接 入 DeepSeek，积极探索其在民生服务、城市治理、公文处理等方面的应用场景。 特别是在政务热线中，DeepSeek 发挥了重要作用。以 12345 政务服务热线为例， 通过接入 DeepSeek，热线系统拓展了智能文本机器人应答、智能辅助填单、智 能工单分类和智能工单转派等功能，充分展现了人工智能大模型在提升政府服务 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， 将人工智能大模型和智能技 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民热线的城市1。此后，巴尔的摩的市民热线不断升级， 尤其是 CitiStat 系统的研发和启动，不仅将市民热线数据进行实时汇聚整理，而 且赋能市直部门进行高效管理，通过建立健全政府绩效评估机制，对政府回应公 民的速度和质量进行有效评估。1997 年，美国达拉斯市将二十多条热线和多个 呼叫中心合并为非紧急呼叫中心

应用的探索与创新。 在政务领域，DeepSeek 展现出了巨大的潜力与价值。多地政务系统纷纷接 入 DeepSeek，积极探索其在民生服务、城市治理、公文处理等方面的应用场景。 特别是在政务热线中，DeepSeek 发挥了重要作用。以 12345 政务服务热线为例， 通过接入 DeepSeek，热线系统拓展了智能文本机器人应答、智能辅助填单、智 能工单分类和智能工单转派等功能，充分展现了人工智能大模型在提升政府服务 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， 将人工智能大模型和智能技 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民热线的城市1。此后，巴尔的摩的市民热线不断升级， 尤其是 CitiStat 系统的研发和启动，不仅将市民热线数据进行实时汇聚整理，而 且赋能市直部门进行高效管理，通过建立健全政府绩效评估机制，对政府回应公 民的速度和质量进行有效评估。1997 年，美国达拉斯市将二十多条热线和多个 呼叫中心合并为非紧急呼叫中心

地图市场，重点分析面向车端智能驾驶系统的地图，不涉及手机导航地图。 4 资料来源：公开资料、专家调研、泰伯智库 市场概述 智驾地图的研究背景与定义内涵 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.  智驾地图是支撑L2级及以上智能驾驶系统的关键数据基础设施，其核心价值在于补充车载实时感知、提 与端到端算法深度 融合 - 地图成为在线先验 与离线训练数据源 - 兼顾AP友好性 驱动: 感知算法进步 (Transformer, BEV等) 驱动: 成本压力/规模化 (数据闭环, 众源成熟) • 精度按需: 对绝对几何精度要求动态调整，部分场景下拓扑关系与 语义准确性优先度更高。 • 要素按需: 地图包含要素集根据智驾系统能力与应用场景动态调整， 旨在实现成本与功能的最佳平衡。 人），区别于传统导航为人类驾驶员提供路径规划和导航提示， 智驾地图则面向自动驾驶系统，提供机器可读的多元结构化环境要素数据，支撑AI感知、路径计划与决 策。 6 资料来源：公开资料、泰伯智库 市场概述 智驾地图与传统导航地图的区别 特征 传统导航地图 智驾地图 主要目的 人类驾驶员路径规划、导航指引 服务自动驾驶系统 (机器)，辅助感知、规划与决策 核心要素 道路网络、兴趣点(POI)、基本交通规则

也将中国企业的智能化发展之路,带至一个 全新的高度。 从 AI 1.0 到 AI 2.0 , 人类对 AI 的想象, 飞速从简单地识图、识字、辨音等 基础场景 进化到今天: AI 具备了强大的分析能力, 能够深度挖掘数据价值, 走 深向实, 行业大模型在金融、医疗、教育、零售、能源等多个行业领域实现了初 步应用, 并产生了明显的经济效益和社会效益。 特别是在中国, AI 的风起云涌恰逢波澜壮阔的企业智能化浪潮 进一步明确了企业智能 体的布局、探索、应用的水平,希望在 AI 2.0 时期的新要求、高要求,对企业利 用新 AI 技术实现跨越式发展提供一定面向未来的指引。 作为率先布局全栈 AI 的领军者, 企业聚焦数据、算力和算法, 积极投身 AI 带来的智能化变革的时代洪流。过去的近八年, 企业在 AI 领域砥砺深耕、前瞻 II 布局。作为科技领域的先锋企业, 企业凭借对 AI 技术的深度应用, 将其巧妙转 为时代浪潮激动之余, 我们也清醒地认识到,智能化时代在为我们敞开机遇 之门的同时, 也抛出了诸多棘手难题。人工智能在医疗、交通、教育等领域的应 用极大地提高了效率,解决了许多传统难题,但同时带来了数据安全、隐私保护、 伦理道德等问题。 这些问题的出现, 迫使我们不断深入思考科技与社会的关系, 探索如何在享受科技便利的同时, 构建一个更加公平、安全、和谐的社会环境 。 此外, 算力的场景化应

.........................16 （二） 数字人 ..................................................18 （三） 仿真业务数据 ............................................20 （四） 智能运营 ......................................... .............................40 附录 A：金融业数字孪生应用实践 .....................................41 案例一：中电金信数据孪生实验室 .................................41 案例二：中电金信数字孪生智能运营驾驶舱 .........................44 案例三：交通银行数字人 领域提出数字孪生的衍生概念与应用方案。 2015 年，国内航空工业领域吸收并应用了数字孪生概 念，通过集成各类传感器采集的数据，使用机器学习等人工 智能算法，建立可实时更新的“拟真”模型，以支撑各类航 空工业产品的生命周期内的各项活动。 数字孪生是集成了多物理量、多尺度、多概率的系统， 经过最初在航空航天领域的应用，逐渐扩展到电力、城市管 理、建筑、制造、金融等多个行业；数字孪生在精确反映物