（一）数字孪生的概念与发展 数字孪生（Digital Twins）概念于 2003 年提出，最初 被定义为与物理产品对应的虚拟数字化模型。2010 年，美国 开始在航天与军事领域推广数字孪生，通过模拟和优化航空 器和航天器的数字化模型以改进其性能。2014 年后，如西门 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 配备与重要功能方面相关的各种传感器。这些传感器产生与 物理对象性能各个方面有关的数据，例如，能量输出、温度 和天气等等，然后将这些数据转发至处理系统并应用于数字 副本。一旦获得此类数据，虚拟模型便可用于运行模拟、研 究性能问题并生成可能的改进方案；所有这些都是为了获取 富有价值的洞察成果，然后将之再应用于原始物理对象。 2 （二）数字孪生的金融政策指引 在金融行业，中国人民银行于 2021 年发布的《金融科 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 机器学习，大模型技术等 AI 技术对数据集进行各类预测及 模拟生成，对数据进行虚拟化，实现数据智能孪生。 算力层：支撑以上各层服务的算力基础设施层，包括云 计算、容器化、云原生等技术，通用计算、智能计算、存储、 网络等资源，提供弹性高效的算力基础服务。

4 一、AI大模型的技术历史回顾 （一） 4 20 世纪50 ~ 70 年代是人工智能技术的萌芽时期。20 世纪80 年代，专家系统作为一种模拟人类专家决策能力的AI应用开 始出现。20 世纪90年代，随着计算机运算能力的提升，更复杂的智能算法被开发出来，用于生产规划和调度。21世纪初开始， 大数据和云计算兴起，机器学习等算法被提出。2010年，物联网、大数据分析、机器学习、深度学习等技术出现；2020年至今 于新能源材料研发，如光伏材料、固态电池电解 质等，通过高通量模拟筛选候选材料，缩短实验 室验证周期。 2、能源技术创新：在能源新技术的研发过程中， DeepSeek可以作为智能助手，帮助科研人员进行 数据分析、模型建立、方案设计等工作，加速能 源技术的创新和突破。例如在新能源电池设计中， 让DeepSeek生成多个设计概念和初步方案，通过 模拟分析发现新的材料组合和结构设计。 4一、能源生产与管理 控 视频识别能源设备状态，结合文本数据，能让DeepSeek更全面地理解能源场景中的复杂逻辑。 4、模拟与仿真结合：将DeepSeek与能源系统模拟软件集成，利用模拟软件对能源系统的物理过程进行精确模拟，DeepSeek基于模拟 结果进行逻辑分析和决策优化，如在电力系统规划中，结合模拟软件的潮流计算结果，DeepSeek进行更合理的电网布局和调度逻辑分 析。

等，决策任务极为复杂。强化学习通过让系 统与环境互动，不断优化驾驶策略，从而提高驾驶的舒适性和安全性。 强化学习在应用中面临的主要挑战是需要大量的数据进行训练，而现实中很难保证所有可能的情况都能被模拟出 来，并且训练过程需要大量的“试错”。为了弥补强化学习的不足，许多研究选择将强化学习与监督学习（SL） 结合，例如隐式效用，通过使用监督学习对CNN编码器进行预训练。监督学习通过“标注数据”助力系统更好地理 发区域）中，车辆的行为决策需要 高度鲁棒的模型支持，然而，这些场景在真实数据中占比极低，难以通过传统的路测覆盖全面。现有的仿真测试技术 只能生成部分场景，而针对动态交互场景（如复杂的多车协同避让）的模拟能力有限，导致验证结果难以完全反映真 实情况。因此，调整长尾场景在训练数据中的分布比例有很大的探索价值。目前的普遍解决方案是采用合成数据来模 拟真实世界数据的特征分布。合成数据能够以较低成本增加训练 5000T0PS才能满足端到端的需求。除了对车端算力 的需求外，对云端算力要求也很高。由于端到端系统依赖大规模数据集，训练过程对算力资源需求极高，尤其是 为了使大模型具备复杂路况识别能力，需要在大量模拟场景和真实世界数据上进行训练。通常，样本量越大，系 统越成熟，这也推动了对高性能计算芯片和计算模块的需求。目前，特斯拉超算中心的算力支持由其自研的D1芯 片和自研的超级计算机Dojo组成，投资约10

2）人形机器人是一种仿生机器人，指形状与尺寸与人体相似，能 够模仿人类运动、表情、互动与动作的机器人，并具有一定程度的认 知和决策智能（《高工咨询》）； 3）人形机器人是一种模仿人类外形的机器人，除具备人形和模拟 人类动作外还兼具智慧化和可交互性等特点。 人形机器人主要包含三 大核心技术模块：环境感知模块、运动控制模块和人机交互模块（《觅 途咨询》）。 6 从上述对人形机器人概念的主要观点来看，可以归纳为如下三个 和形态提出了更高的要求。 27 6）教育培训 在教育培训领域，人形机器人可以作为教育助手或辅助教师使用， 他们可以与学生进行互动，解答问题，提供个性化教学。此外，人形 机器人还可以用于模拟实验、演示科学原理、编程教育等教学场景， 丰富教学内容，为教育注入更多创新元素，激发学生的创造力和想象 力。 7）物流运输场景 人形机器人可以在仓储、装卸、分拣、包装、配送等环节提升工 作效率和管理水平。亚马逊正在测试 人的关键技术研究现状和发展趋势，并从中识别标准化需求。人形机 器人核心技术架构见图 9。 30 图 9 人形机器人技术体系架构 2.2.1 机械本体与核心部件 人形机器人机械本体的技术特点在于其高度模拟人类形态，具备 灵活的“肢体”，包括一体化关节、灵巧手、仿人机械臂、仿人腿、 骨架躯干、柔性电子皮肤，需要高强度紧凑的机械结构，也需要实现 灵活性和轻量化。 人形机器人一体化关节是一种高度集成化的机器人关节组件，它

成的数据集的异构混合物来 训练 GR00T N1，解决了具身智能所面临的数据稀缺和多样性不足的问题，从而提升机器人在复杂环境中的操作能力。英伟达表示，GR00T N1 在多个机器人实施例的标准模拟基准上优于最先进的模仿学习基线。 System1是一个扩散转换器（DiT）作为动作模块。它交叉关注 VLM 输出的Token，并采 用特定于实施例的编码器和解码器来处理可变状态和动作维度以产生运动。它以更高的 伟达将视觉语言动作（VLA）训练语料库构建成一个数据金字塔，整合异构数据源，构建覆盖不同抽象层次的训练数据体系。这个数据金字 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。 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。 中层：来自视频生成及基于物理模拟器生成的轨迹数据及机器人操作轨迹 数据。其特点是数据量中等，成本低。如使用多模态LLM对视频进行过滤， 并重新标注。最终生成视频数据相当于原始数据的约10倍。 顶层：来自各种构型的机器人在真实环境中的操作数据，数据收集成本高，

AI+安防市场规模将快速增长 成本下降+技术升级，AI+安防将进入快速渗透期：从成本来看，AI视频监控（包括前端智能、后端智能等）的价格近年来已大幅下降， 到2018年平均每路的价格约为2万元，但仍高于传统监控（包括模拟摄像机、高清摄像机等）的平均5000元每路的价格，随着上游成本 的降低和行业玩家增多，未来价格仍有较大下降空间，成本下降将驱动渗透率持续提升；从市场规模规模来看，2020年AI+安防市场规 模将达到453亿元，较18年增加2 汽车、工控  供给：全球半导体库存处于较高水平，以模拟芯片为例，全球库存周转率（3.5）位于中值以（3.65）以下。 （1）2010年后【汽车+工控】占比显著提升，带来模拟芯片库存周期周转率中枢下移。 （2）库存周转率与芯片毛利率高度相关：高库存/低库存周转率→去库存周期→降价清货→毛利率下降（下滑1-3个点） 模拟芯片毛利率和存货周转率 模拟芯片下游结构2010年变化较大 数据来源： Wind、国泰君安证券研究 供需格局：库存主导行业短期景气波动  芯片库存调整反应滞后一个季度，且具有产业链放大效应（模拟芯片标准差：0.2，分销商标准差0.44） 下游需求 旺盛 分销商订 单旺盛 模拟芯片 公司产能 偏紧 芯片公司 扩产/分 销商囤货 产能释放， 供不应求 产业链景 气度下滑 重复下单 产品价 格提振 渠道抛货 分销商和模拟芯片库存周转率 半导体产业链库存调整模式 数据来源： 国泰君安证券研究 数据来源：

神经介入 手术时进行动脉瘤弹簧圈栓塞用的微导管路径规划和微导管塑形规划。 随后，部分内置 AI 解决方案的手术导航系统获批进一步扩大了 AI 在手术治疗的应用范 畴。如长木谷医疗的关节置换手术模拟软件，可实现深度学习的骨骼分割、骨骼髓腔中 心线提取；基于深度学习的识别和测量、假体模板匹配等功能。 2024 年，推想医疗在此基础上再度实现突破。在一年之内取得肺部手术规划领域第一 证和腹部 人工阅片的遗漏和误诊，还通过定量分析技术，对冠状动脉狭窄程度进行精确测量，并 评估斑块的稳定性，为医生提供了客观、量化的诊断依据。 13 此外，AI 在三维重建与模拟方面也展现出了强大的能力。它能够对冠状动脉及其周围结 构进行精细的三维重建，并模拟手术过程，帮助医生评估手术难度和风险，从而制定出 更为个性化的手术方案。基于三维重建模型，AI 还能够规划出最佳的支架或球囊输送路 径，确保手术过程的安全和有效。 性的问题，诊断的精准度也 随之提升。 百度灵医智惠走得稍微快一些，在诊前环节拿出了智能分导诊、智慧加号、智能候诊三 个应用。首先，智能分导诊面向的是患者常见的分导诊需求。大模型支持下，AI 可模拟 诊前咨询流程，引导患者对病症进行准确描述，借助推理能力进行归纳汇总，为患者精 准匹配与病情相适应的临床科室和专家。通过这种方式，医院能够将有效的医疗资源最 大化利用，让每一个医生都发挥出他们应有的价值。

微创鸿鹄、天智航、佗道、史 赛克、美敦力、键嘉、元化智 能、华瑞博、铸正、捷迈邦美、 柳叶刀、维卓致远 3D术前规划、术中精准控制 及微创操作、追踪及精准导 航 口腔机器人 29台 雅客智慧、键嘉、瑞医博 可视化体外模拟，术中精准 定位、动态导航等 神经外科机 器人 20台 柏惠维康、华科精准、博医来 颅脑三维建模、高精度定位 血管接入机 器人 8台 微创R-ONE 触觉感知、多器械协同、隔 室介入手术 经自然腔道 人形机器人可应用于化学、物理、医 药、生物等多种实验室场景，实现自 动化操作、精准实验、数据记录与分 析等功能，能够帮助科研人员规避风 险。目前，中山大学推出生物实验人 形机器人，深圳大学推出可呼吸暖体 假人，模拟人类的呼吸和体温为疾病 传播研究提供了重要实验工具。 人形机器人能够在空间站内部监测环 境、维护设备、进行实验，能够在太 空中行走、修复航天器、进行垃圾清 理、地表探测、样本采集等重复性且 有危险性的工作。近十年来，美国、

稀缺或不完整数据集的限制。合成数据是⼈⼯⽣成的，通常通过计算机模拟⽣ 成，⽽不是从现实世界事件中收集。 合成数据最重要的好处之⼀是其可扩展性。例如，最新的启⽤物理仿真的三维 环境使得如家庭助⼿等机器⼈系统能以惊⼈的速度进⾏训练。 © 2024花旗集团 15 Citi GPS: 全球视⻆与解决⽅案 2024年12⽉ 每秒25,000次模拟步骤 这代表与当前模拟⽅法相⽐加速100倍。 根据Gartner的数 2024 花旗集团 40 Citi GPS：全球视⻆与解决⽅案 2024年12⽉ 您认为未来3-5年会面临哪些挑战？ AI机器⼈⾯临的最⼤挑战是展⽰其在不同环境中安全执⾏各种现实任务的能⼒。 虽然模拟和受控演⽰突显了AI动⼒⼈形机器⼈的潜⼒，但它们在这些设置之外的 ⾏为可能是不可预测的，在某些情况下甚⾄是不安全的。 迄今为⽌，没有公司在真实环境中展⽰过⼈形机器⼈的部署。没有⼈展⽰过在⼯ ⼚使⽤ 情况会随着时间的推移⽽加快。 AI模式识别是监控机器⼈（或⽆⼈机）的关键要求。使⽤案例包括检测管道中的 甲烷泄漏、输电⽹中的电⽓故障或结构中的裂缝。  物流应⽤中的AI路线优化  产品和流程设计中的AI模拟，利⽤⼈类可能甚⾄没有考虑过的场景  进⼀步发展“数字孪⽣体”概念，实时数字渲染物理产品和流程，并实现⾃ 然语⾔交互  我们的专有分析 根据Interact Analysis和Sta

器人可以利 用贝叶斯优化算法及时纠正；又如在平面移动中，快速探索随机树 （RRT）算法能够先构建一条复杂但可行的路径，然后对其进行优化 来避免碰撞。另外，蚁群算法、粒子群算法等群体算法能够通过模拟 自然界生物群体的行为，实现群体优化协调。在感知交互方面，基于 机器视觉技术的识别类模型应用比较成熟，在机器人的操作取物、移 动避障等各类功能中应用广泛，部分企业甚至开始了针对表面缺陷、 产 类+复杂操作类”模型的分拣机器人、质检机器人；搭载“识别类+ 自主导航类”模型的巡检机器人、配送机器人等。 图 2 机器人产品智能化的三个方向及组合 8 （三）具身智能尤其是人形机器人前沿研究持续火热 1、大模型为具身智能提供模拟人类的“大脑” 具身智能是人工智能与机器人技术的结合，是“具身化的人工智 能”。相较于前文提到的特定目标导向的智能机器人，具身智能更强 调在环境中的交互能力，即通过“感知-决策-控制-反馈”的闭环，