驾驶算法需求动态演进，众源更新成为保障鲜度的关键技术。 5 资料来源：公开资料、专家调研、泰伯智库 市场概述 智驾地图的定义、核心特征与要素 高精地图主导 高精几何+语义 - 依赖高精度传感器 - L3/L4 早期探索 - 成本高/更新难 轻地图兴起 Light Map / SD Pro - 平衡成本与功能 - 支撑城市NOA落地 - 众源更新探索 轻地图成为主流 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。 • 高新鲜度: 对影响驾驶决策的道路变化要求近乎实时的更新能力， 依赖高效的自动化（含众源）更新机制。对于城市NOA，关键要 素的“天级/周级”更新成为普遍预期。 核心特征（动态演变中） 智驾地图形态演进示意图 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。C 按需提供车道拓扑、关键语义要素、精确道路属性等 精度要求 道路级别 (典型精度5-10米) 按需达到车道级或更高精度 (如信号灯等关键要素位 置，<50cm) 更新频率 相对较低 要求高，强依赖众源数据实现近实时或高频更新 服务对象 人类驾驶员 自动驾驶系统 (机器) 价值体现 导航功能本身 (相对价值有限) 赋能智驾功能实现与体验提升，亦可作训练数据源 车辆系统融合 主要用于基础导航显示与座舱交互

识储备有着天然要求，但是许多城市热线的政策知识库建设水平不高，导致诉求 识别问题频繁发生。 第一，政策知识库精细程度和更新效率不足。政策知识库为接线员应答提供 了答案模板，便于接线员提高接诉效率。然而，政策知识库存在着分类标准不清 晰、不全面的问题，尤其在一些情形复杂且多样的政策领域。另外，政策知识库 更新不及时，各部门出台的政策、法规未及时向政务热线提供具体规范的解读和 必要的知识同步，导致出现热线办理与政策规范相冲突的状况。 线员往往难以精准定位最合适的办理部门，另一方面部门间业务流整合困难，各 部门在承接政务热线转办诉求后无法形成有效联动。四是在许多地区，各部门各 层级间数据共享度低，信息传递不畅通，对最新政策的更新步骤不统一7①,这使 得需要多部门参与回应的诉求难以形成统一明确的答复。在此情况下，市民的诉 求在不同部门会得到差异化回应，严重降低办理效率。 第二，政务服务热线与紧急事件求助热线的衔接工作仍存在挑战。在政务热 语言处理（NLP）技术自动理解 并提供精准回复。例如，当市民询问“如何办理居住证”时，系统可自动提取核 心信息，提供详细的政策解读或引导至相关服务部门。 2.统一知识库建设 政务热线需要实时更新各类政策、法规及办事指南，而传统知识库的维护效 率较低。大模型结合知识图谱技术，可以构建动态知识库，自动解析并整合各类 政策文件，使热线系统能够即时提供最新的政策信息。例如，市民咨询社保缴费

识储备有着天然要求，但是许多城市热线的政策知识库建设水平不高，导致诉求 识别问题频繁发生。 第一，政策知识库精细程度和更新效率不足。政策知识库为接线员应答提供 了答案模板，便于接线员提高接诉效率。然而，政策知识库存在着分类标准不清 晰、不全面的问题，尤其在一些情形复杂且多样的政策领域。另外，政策知识库 更新不及时，各部门出台的政策、法规未及时向政务热线提供具体规范的解读和 必要的知识同步，导致出现热线办理与政策规范相冲突的状况。 线员往往难以精准定位最合适的办理部门，另一方面部门间业务流整合困难，各 部门在承接政务热线转办诉求后无法形成有效联动。四是在许多地区，各部门各 层级间数据共享度低，信息传递不畅通，对最新政策的更新步骤不统一7①,这使 得需要多部门参与回应的诉求难以形成统一明确的答复。在此情况下，市民的诉 求在不同部门会得到差异化回应，严重降低办理效率。 第二，政务服务热线与紧急事件求助热线的衔接工作仍存在挑战。在政务热 语言处理（NLP）技术自动理解 并提供精准回复。例如，当市民询问“如何办理居住证”时，系统可自动提取核 心信息，提供详细的政策解读或引导至相关服务部门。 2.统一知识库建设 政务热线需要实时更新各类政策、法规及办事指南，而传统知识库的维护效 率较低。大模型结合知识图谱技术，可以构建动态知识库，自动解析并整合各类 政策文件，使热线系统能够即时提供最新的政策信息。例如，市民咨询社保缴费

.........................................................24 图表 19 2023 年 10 月 31 日—2024 年 9 月 1 日更新了临床情况的管线............. 25 图表 20 39 家主流制药 AI 公司停止或被撤下的管线........................................... 行了调研。2023 年 10 月 31 日统计数据，上述企业共有 95 条进入临床研究的管线， 截至 2024 年 9 月 1 日，仅 5 条产线更新了最新的临床情况，进入新的阶段。 图表 19 2023 年 10 月 31 日—2024 年 9 月 1 日更新了临床情况的管线 资料来源：蛋壳研究院、动脉橙产业智库 剩下的管线中，总计有 15 条管线/适应症被企业从官网撤下或宣告停止。其中，临床Ⅰ 型的建立原理和药物疗效、安全性的确定过程，意味着企业必须尝试解释算法逻辑，提 29 升模型可信性。  模型持续学习和更新 AI 模型需通过持续学习、更新保持其效能，但在当前阶段，研究人员很难确保新模型的 表现优异于旧模型。更新模型过程需考虑运算能力、准确性等多个参数，并非简单换种 方法。因此，如何持续学习和更新 AI 模型是一个仍在摸索的问题。 综上所述，AI 在药物研发及临床应用中面临数据质量与多样性、监管合规、模型可解释

中通过策略选择动作（ action ）， 基于 环境状态选择一个可能的策略路径。 STaR 中，通过计算目标函数，模型对整个数据集的预测结果进行评估，并且只根据预测正确的 样 本更新模型。 STaR 在同一批数据上进行多次梯度更新，这类似于某些策略梯度算法中的策略，即通过多次调 整 同一批数据来稳定学习过程。 技术对比讨论：强推理路径 - Pure RL vs STaR-based 数学任务相当的水平 一个作为策略模型 Policy Model, 另一个模型训练成为基于偏好的过程奖励模型（ PPM ），二者配合进 行 MCTS 产生分步验证的高质量推理数据， 四轮自我迭代提升，不断更新数据而后微调模型 虽然即便经过 MCTS 模拟后， Q 值依然无法做到对每个推理步骤进行精准评分，但是它们能够有效识别 出哪 些步骤是正确的（正向步骤），哪些步骤是无关或错误的（负向步骤） , 可以用 保持原有预训练分布，抗拒对齐分布，使得“逆向对齐”更加容易。 从最简单的弹簧系统建模，探究大模型内在抗拒对齐的机理 大模型存在弹性：模型在预训练阶段经过大数据、 大更新产生了具备通用能力的稳定分布 pθ, 而经 过对齐阶段的“小数据、小更新”表现出由对齐分 布 pθ’回弹到预训练分布 pθ 倾向，从而抗拒对齐 ; 胡克定律：在弹性限度内，弹簧弹力 F 和 长度变化量 x 成线性关系，即：

子、达索等世界知名的工业软件公司开始在各自擅长的工业 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 4608 家，中国 证券公司共 140 家；2019 年中国银行业金融机构法人共 4588 家，中国证券公司共 131 家。 11 合规压力来源于监管环境的变化，新的监管法规和标准 要求金融机构不断更新和完善自身风险管理框架，甚至构建 新的合规体系，例如衍生自金融监管的监督审计和衍生自金 融风险领域的反洗钱。这增加了机构的合规成本，也加大了 金融机构平衡合规性和业务灵活性的难度，以及管理难度。 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 国商业银行法》在内的多项法律法规。在数据隐私法规日益 严格的情况下，为确保合规，金融机构需要不断更新和完善 安全措施，这也将耗费大量的人力和财力。 数字孪生技术在解决上述金融业务场景的痛点上，具有 广阔的应用前景。在营销上，可以通过模拟客户虚拟业务场 景进行员工培训，提升品牌形象，还可以分析供应链上下游

。快速的发 展带来了令⼈难以置信的机遇，但也引发了购买AI-enabled机器⼈的潜在买家的担 忧。 ⽽⽆线更新和⾃我维护的概念提供了有希望的解决⽅案。 投资者担⼼，随着更新、更先进的模型的发布，他们的投资很快就会过时，这可能会阻碍 AI-enabled机器⼈的采⽤。 幸运的是，OTA更新为这个问题提供了⾼效的解决⽅案，使机器⼈能够在不需要进 ⾏物理修改的情况下获得新功能、增强和改进。 6 https://www 。根据2023年8⽉加 州公共事业委员会做出的具有重⼤意义的决定，允许Waymo在旧⾦⼭⽆需⼈员操作 员的情况下⾏驶，该公司现在每周提供10万次出⾏。这是去年的10倍。 23 未来汽⻋ v4.0 更新：⽹络化移动性的未来之争 24 未来汽⻋：改变我们所认识的移动性 25 福特-⼤众⽆⼈驾驶汽⻋合资项⽬由于技术挑战⽽失败 26 AVIA - 2024年AV现状 27 Waymo安全影响 28 Waymo⽬前每周在美国提供超过100 员相⽐，事故率减 少了 70%。 2. 服从规则-美国国家公路交通安全管理局的数据显⽰，每年有440万美国⼈闯红灯。 202235，导致许多死亡。⾃动驾驶汽⻋被设计得⽐⼈类更好地遵守交通规则。 更新的规则，⽐如速度限制，也可以同时传输给⾃动驾驶⻋队。 3. 省钱 - 美国国家公路交通安全管理局估计交通事故的年度社会成本⾼达数千亿美 元36。⽆⼈驾驶出租⻋承诺节省成本，因为没有⼈类司机，以及相对于贬值的

。这是一个突破性的进展。 总体概况 二进制大爆炸12 从丰裕出发：正如我们通过编码协作者所见，数字系统 的创建正变得越来越便宜和快速。亚马逊的生成式AI辅 助软件开发在更新应用程序到Java 17时，能够节省相当 于4500名开发者年的工作量。 35 即使人工智能竞赛的 次级效应也在产生影响——黄仁勋表示，NVIDIA已将计 算边际成本降低了10万倍。 36 所发生的是，一家公司可 部和外部）与可以分析该数据以推动决策和有益行动的 分析平台的情况下才能实现。换句话说，代理将成为数 字核心的主要使用者，利用它来回答用户请求和构建新 的数字解决方案。而且进一步说，他们甚至可以在构建 、验证和更新组合组件中扮演角色。 今天的代理系统无法构建和维护整个数字核心——但它 们正在处理其各个部分。Salesforce的Agentforce在Sal esforce平台的多部分充当代理系统。 41 表面上，这可 而非以项目符号 文本列表的形式回应，Gemini生成了一个交互式的派对 主题列表，每个主题都配有图片、描述、活动和食物选 项。Vercel也希望利用其AI SDK 3.0加速这一向生成式 UI的过渡。 43 本更新允许应用程序使用React服务器组 件直接从LLMs流式传输UI组件，无需大量客户端JavaS cript，从而使得LLMs对用户请求的响应方式更加引人入 胜。 GUI已经成为了数十年来人机交互的

为核心的IT基础设施规划与 企业业务规划密切相关，在业务发展的每一个阶段都应起到核心推动作用。 面对业务和技术发展新需求，越来越多的企业开始在已有云设施之外，规 划、建设新的云环境，利用技术的更新和IT架构的迭代，获得新的发展动 力，并通过引入新的合作对象，解决企业当前云环境下存在的问题。多云策 略已经在企业众多应用场景中实现了深度普及与广泛应用，成为企业重要的 云发展战略组成部分。I 度激增。 巩固期和新一轮探索期：当业务步入稳定期，企业在着手加固现有业务根基 的同时，会积极挖掘新机会，以期进入新一轮增长。在此阶段，企业往往会 利用中台建设等方式进行资源整合，以迁移、重构等方式更新已有系统，期 望通过对IT系统的升级带动企业上下的降本增效，并持续提升企业智能化水 平和创新能力，驱动企业迈入新的创新发展阶段。 业务和IT层面的需求极大地塑造了企业的云战略。企业的业务发展目标和IT系统 的流动难度加大，极容易造成服务过程中的数据泄漏问题，使数据资产的合 �.� IT复杂性攀升，安全、效率、创新、 成本成为长期挑战 �� 规管理和治理变得更为困难。在应对上述风险的过程中，企业在过去所熟知 的运维知识需要更新，运营经验需要逐步积累。 挑战二：效率与运维复杂性挑战 多云间的管理和协同仍是当前企业面临的重要难题。有多个受访企业表示， 在多云之间传递数据和进行数据迁移时会遇到很多现实问题，厂商之间往往

人员安全风险、提升工程建造质量与施工效率，制定本导则。 1.2 本导则适用于成都市行政区域内各类新建、改建、扩建工程项目的建筑机器人应用选择 及场景准备工作，涵盖房屋建筑工程、市政基础设施工程及城市更新项目等。 1.3 建筑机器人在选择应用过程中除应符合本导则外，尚应符合现行国家、行业及地方有关 标准的规定。 第 2 页 第二章 术语 2.1 建筑机器人 Construction Robot 3.3 监理单位宜负责建筑机器人的使用督导工作，督导工作包括建筑机器人的安全使用、合 作方协调及使用效果评价。 3.4 试点工程项目宜导入应用建筑机器人，新建房屋建筑工程、市政基础设施及城市更新项 目推荐导入使用建筑机器人。 3.5 建筑机器人应具备可靠稳定的性能，在规定的工作条件下能正确地完成任务。其功能性 能应符合相关国家或行业标准，作业精度应满足施工质量验收标准。 3.6 建 受损时，操作人员可立即停止机器人，通过指示故障信息，排查机器人问题。 4.5 建筑机器人的使用单位应根据其使用情况，制定日常保养内容与定期维护计划。保养维 护应包括但不限于更换磨损部件、润滑机械关节、维护电池、更新软件系统等内容。 4.6 使用单位在对建筑机器人进行维护保养的过程中若发现其存在故障问题，应放置明显标 识警示现场作业人员。待其维修完毕后方可带走警示标识。 第 5 页 第五章 建筑机器人场景选用导则