........................................................................................67 4 6.1 适应新产业发展新需求，提升有效供给.................................................................................... 常基于预设的规 则和指令，虽然可以在一定程度上应对环境变化，但并不一定具备真 正的理解和适应能力。智能性是指物体或系统具有类似人类的智慧、 学习和适应能力，智能体能够感知环境、进行决策并采取行动，同时 不断学习和优化自身行为，以实现特定目标。这种能力不仅要求具备 自主性，还需要具备感知、学习、适应和决策等更高级的功能。所以 虽然所有机器人都具备自主性，但是并不是所有机器人都具备智能性， 年起，ASIMO 逐步融合视觉识别等技术， 具备了基本的交互能力，能够完成如拧瓶、倒水、端茶和踢球等任务， 标志着人形机器人进入了集成的发展阶段。然而，ASIMO 在应对不平整 地面和未知扰动方面的适应性仍然较为有限。 2013年，波士顿动力公司发布了更具影响力的由液压驱动的Atlas 人形机器人，能够推开房门、在各种复杂地形中行走，并具备自我恢 复平衡的能力。2017 年，第四版 Atlas

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 . 8 三、“机器人+人工智能”在工业领域的应用 ................. 10 （一）应用场景：从生产操作向其他高附加值场景拓展 ..... 10 1、生产操作：从操作精度提升到自适应学习 .............. 11 2、物流配送：“识别+导航”模型组合适用于封闭生产场景 . 12 3、质量管理：机器视觉检测大量取代人工检测 ............ 12 4、安全管理：在部分重化工业存在一定需求 1）。第一阶段是无智 4 能阶段，机器人只能执行简单的预设任务，缺乏自主性和适应性；第 二阶段是基础智能阶段，机器人开始具备基本的感知能力，能够对外 界环境做出简单的反应；第三阶段是中等智能阶段，机器人能够进行 更复杂的感知和处理任务，如图像识别和语音识别；第四阶段是高度 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上

务规划和 推理分析，并⽣成决策指令。决策模块主要任务包括任务规划和推理分析，决策模块 的具体实现从⼈⼯知识的编程决策、专⽤任务的算法设计发展为以⼤模型为核⼼的机 器智能决策。决策模块的灵活性和适应性直接影响具⾝智能系统的智能化⽔平，⾼度 智能化的具⾝智能系统，能够根据环境和任务的变化实时调整决策。 ⾏动模块作为具⾝智能的“执⾏单元”，负责接收决策模块指令，并执⾏具体动作。 ⾏动模块的 ⾏动模块的主要任务包括导航、物体操作和物体交互。导航通过四处移动寻找⽬标位 置；物体操作需要接触物体并通过操作改变物体状态。 反馈模块作为具⾝智能的“调节器”，通过多层交互不断接收来⾃环境的反馈经验并 进⾏调整优化，提⾼对环境的适应性和智能化⽔平。反馈模块主要依赖⼤模型加速反 馈经验的学习，形成闭环的优化过程：通过⼤模型处理收集到真实交互数据，实现更 细致的环境感知；然后⼤模型处理交互信息，实现模仿⼈类反馈的决策；最后⼤模型 AI）强调智能通过机体与环境的交互，致⼒于为 AI 系统赋予 物理⾝体和感知运动能⼒，使其能够通过多模态传感实时感知环境，依托算法进⾏理 解与决策，并借助执⾏机构实现物理反馈，最终通过和环境持续交互实现⾃主学习、 适应与进化，标志着⼈⼯智能的研究重⼼从虚拟空间转向物理世界。具⾝智能产品主 要分为⼈形机器⼈、四⾜机器⼈、仓储物流机器⼈、商⽤服务机器⼈等类别。 3.1.1 ⼈形机器⼈ ⼈形机器⼈是指模仿⼈类

Reserved. 21  为FSD在华落地，根据中国《数据安全法》及测绘法规，需与本土持牌图商百度合作，解决地图牌照与 数据合规问题。合作模式：百度地图提供车道级导航数据，协助FSD优化路径规划，适应中国复杂路况 （如非机动车混行、特殊交通标志）。  这种‘全球模型+本地化数据包’的模式，成为更多追求全球化车企在地图策略上的一个参考方向。 核心依赖：中国本土图商 背景： 受中国数据安全法规（如 地图数据要求 需求： 特斯拉对其合作图商提供 的地图数据质量有极高要求。 具体要求： 需要地图数据不仅准 确，还要具备良好的“路线规划友 好度”（AP friendly），即路线规 划结果能更好地适应其自动驾驶系 统的偏好和能力。同时，地图提供 的环境要素（如道路结构、限速、 交通规则等）需高度准确，以支持 FSD系统的环境理解和合规行驶。 数据安全与合规的挑战 敏感性： 自动驾驶数据（包含精 与本土图商的合作是 特斯拉在中国合规运营FSD功能。 如：百度工程师入驻，协助特斯拉 将车道标记、交通信号灯等数据嵌 入FSD V13系统，并实现数据本地 化处理，符合中国《数据安全法》。 本地化适应性需求 挑战： FSD V13系统需深度整合 百度地图数据，提升对中国特有交 通元素（如复杂路口、人车混行、 特色交通标识）的感知与规划精度。 合作补充： 虽然端到端模型力求 通用性，但在实际应用中，精准的、

家主流制药 AI 公司停止或被撤下的管线.................................................... 25 图表 21 39 家主流制药 AI 公司新增管线/适应症............................................................26 图表 22 固态研发传统研发方法与自动化方法关键步骤对比..... 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。 图表 16 百度灵医智惠技术框架 资料来源：百度灵医智惠 其次，智慧加号的价值在于 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 期管线总计 3 条，占比 20%，临床Ⅱ期管线总计 9 条，占比 60%；临床Ⅰ/Ⅱ期管线总计 3 条，占比 20%。 图表 20 39 家主流制药 AI 公司停止或被撤下的管线 资料来源：蛋壳研究院、动脉橙产业智库 同时，上述企业新增 16条管线/适应症，与停止或被撤下的管线数量持平。这些管线中，

技术、个性化的体验、数据驱动的见解和自动化的操作来提升效率，促进创新和 增强韧性。通过将人工智能大力融入价值流、能力中心和流程，以实现顺畅的客户互动、稳健的风险管理、智能化的产品开发以及面向未来的适应能力，从而确保在智能经济中能够蓬 勃发展。 职能层面 价值 企业层面 顺畅的客户互动 预测性运营 智能产品开发 洞察驱动的战略与价值创造 持续的业务和运营模式演变 价值流及体验为本 可组装的企业架构 智慧银行：以人工智能驱动转型并创造价值 24 价值障碍 银行应该尽早开展关键的基础性活动，否则可能会拖慢人工智能的实施进度。其中的 主要障碍包括对未来运营模式缺乏全面的展望，底层和技术基础设施不适应发展需 求，以及用于缓解风险和遵从道德标准的治理框架不足。 此外，通过展示人工智能的变革性潜力争取管理层和员工的支持参与也极为重要。需 要重点关注的领域包括： 缺乏可信度的问题 随着人工智 能或雇佣专业人员，但这只能解决部分问题。此类转型通 常会遇到与特定产品相关的团队和管理层的抵制，从而减 缓价值流运营模式的实施。例如，将风险、运营和客户服 务整合到一个单一类似“集中负责”的价值流中，可能会 在各个部门适应新的工作方式时引发一些矛盾或紧张。 这种转型也会对员工和组织架构产生重大影响。随着日常 任务的自动化，员工将转而承担更高价值的活动，如监督 和战略决策，因而许多职务将不断发展演变。这会给员工

AV⽬前⾮常昂贵。在价格和⻛险谱的另⼀端，AI智能机器⼈吸尘器已经在美国的20 %家庭和中国的9%家庭中活动。我们的分析显⽰到2050年将有12亿台家庭和2500 万台商业清洁机器⼈。 最新的机器⼈类别是⼈形机器⼈。这些机器⼈旨在适应⼈造环境，并在许多任务中提供多样性。在评估⼈形机器⼈的机会时， 我们⾸先在⼯业领域（即制造和仓储）看到最⼤潜⼒，然后是在家庭中。我们在家庭中看到的主要功能是清洁和照料。虽然这 个新领域需要时间建设，但我们预计到2050年将有6 来源：Citi GPS © 2024 花旗集团 10 Citi GPS：全球视⻆与解决⽅案 2024年12⽉ 技术进步 配备⼈⼯智能，机器⼈可以越来越好地在复杂环境中导航，做出⾃主决策，并适应 不断变化的条件，从⽽弥合⼈⼯智能和物理活动之间的鸿沟。 这种⼈⼯智能的实现将使机器⼈在制造业、医疗保健等⾏业承担越来越多的⻆⾊ ，将我们经常听到的软件进步转变为实际应⽤。 近年来，⼈⼯智能和相 这⼀创新使得AI模型能够迅速扩展，这些模型的规模在不到5年的时间⾥增加了32000倍 。 如Bommasani等⼈（2021年）定义的基础模型是“在⼴泛数据（通常使⽤规模上的 ⾃我监督）上训练的任何模型，可以适应（例如，微调）各种下游任务”。 图5。人工智能的故事是一个不断增长和同质化的过程 来源：关于基础模型的机会和⻛险 基础模型对机器⼈的影响深远。它们可以接收任务描述，将其转换为可执⾏代码，然后通过机

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 建筑机器人应用环境：机器人在环境适应性与防护，应具备坚固的机体机构、极高的高 密封性、宽温域的工作能力，防腐蚀处理，严禁明火、易爆及结构不稳的危险环境中作业。 3.7 建筑机器人的操作人员应经过专业培训，掌握机器人的基本操作、设备日常维护保养、 下压旋转的抹盘反复揉压混凝土表层，将泌出的水泥浆均匀提至表面并填补空隙，以提高 表层密实度和平整度。 （2）关键性能指标：机器人专为高效抹平作业而设计，展现出卓越的综合性能。其核 心抹平机构具备高度的适应性，能够根据工作介质的实时状态智能调节运作强度，从而确 保在不同工况下均能获得一致的高质量作业效果。在效率方面，机器人可持续保持高速运 行，单位时间内可处理极大的面积，并对目标区域实现极为全面与彻底的覆盖，显著减少 工作模式， 确保在不同工况下都能实现均匀、细腻的最终效果。机器人运行高效流畅，能够持续完成 大面积的抹光任务，并对施工区域进行极为全面细致的覆盖，有效避免遗漏。其底盘设计 稳健，具备良好的地面适应性，可轻松应对施工现场常见的微小障碍，保证作业流程的连 贯性。此外，其内置的高容量动力系统支持长时间连续工作，足以满足日常作业周期对续 航能力的严格要求，保障施工效率。 第 13 页 5.5

不稳定时期，企业也会持续投入数字化，以 保持足够强大的业务创新能力。 数字化商业模式：数字化企业将更加注重通 过商业模式创新来统筹实现数据的运用、用 户体验的提升、服务的深化以及生态的构 建，以更好地适应数字化环境下消费者行为 的变化、市场动态的快速演进以及技术进步 带来的变革，帮助企业保持竞争优势，实现 可持续发展。 IDC预测，到����年，已经建立 数字业务平台的组织将拥有比竞 争对手高出��%的数字化市场份 。事实上，很多企业已经 采用多云战略或正在思考规划下一朵云的必要性，通过新的云基础设施和云服 务，实现多云统筹下的成本优化、技术能力提升和IT可靠性增强，从而在竞争激 烈的市场环境中构建出新的适应力和竞争力。 IDC认为：多云是关于组织云策略或架构方式的一种描述，针对复杂的数字化业 务而设计，涉及多个云服务提供商。 �� 多云发展战略 第二章 持续扩展企业未来高质量增长空间 � 化服务能力，增 强企业韧性，优化成本效益，提高资源利用率和效率，完善技术能力建设以及弹 性支持业务发展。 �� 企业在采用多云策略时发现，多云环境赋能企业跨越地理界限，强化企业面对变 局的适应力与恢复力，实现成本与效益的精细优化，以及资源使用的最大化与运 营效率的跃升；同时，多云环境通过促进技术体系的健全与升级，为企业的技术 创新之路铺设坚实基石，其提供的灵活性与扩展性极大增强了对业务动态变化的

合生成式奖励 200k 通用任务 (writing \ role-playing \ general- purpose) 成效： 使模型在推理能力不减的前提下，语言表现更为自然， 适应性更为广泛。 全领域 RL RL for all Scenarios 进一步提升除了 reasoning 能力之外帮助性和安全性 对于 reasoning data, 可以用基于规则的奖励 ，而不是被预先设定的模 式所 束缚。这也使得模型最终具备了更加强大的泛化能力和适应能力。 为了充分释放 GRPO 的潜力并确保训练稳定性， DeepSeek R1 的训练中采用了四阶段的交替 迭代 流程：“监督微调（ SFT ）→ 强化学习（ RL ）→ 再次 SFT→ 再次 RL” ，有效解决了传 统强化学 习模型在冷启动、收敛效率和多场景适应性方面的瓶颈。 强大的自验证和长链推理能力：并非预先设定好的，而是在 的方法。 相对依赖于强大的教师模型 蒸馏过程通常针对特定任务或一组任务（例如代码和数学问题） 优化， 这可能导致生成的小模型在面对新任务或环境 （例如通用任务） 时适应性和泛化能力不足。 技术对比讨论：蒸馏 vs 强化学习 Discussion 40 利用