智能领域，旨在帮助决策者制定促进包容性技术进步的科学、技术和创 新政策。 人工智能的使用有潜力加速实现可持续发展目标，但如果分布不均且缺 乏伦理监督和透明度，其扩散可能会加剧现有的不平等。报告分析了在 从开发到采用的所有阶段所需的必要要求和政策，以促进可持续发展的 包容性技术进步。 这需要一种多维和基于证据的方法。为此，确定了三个关键杠杆点—— 基础设施、数据和技能，提供了一个广泛的社会经济视角，并突出了构 的高度集中情 况，并识别了数字基础设施方面的广泛差距，这些差距可能加剧各国和 各国内部的不平等。接着，它探讨了生产率和劳动力动态，重点关注经 济增长和体面工作。从国家层面看，报告分析了支持人工智能的采用、 适应和发展所需的要求数和政策。从国际角度看，它考虑了全球人工智 能治理的需求，以引导人工智能走向包容性和公平的发展，强调了国际 合作的重要性。 版权所有 © Adobe Stock vi 设施方面，美国 拥有大约三分之一的顶级500台超级计算机和超过一半的总计算性能。大多数数据中心 也位于美国。除了巴西、中国、印度和俄罗斯联邦外，发展中国家在AI基础设施方面的 能力有限，这阻碍了他们采用和开发AI的能力。在服务提供商、投资和知识创造方面， AI差距也十分明显。 发达国家和发展 中国家之间存在 广泛的AI差距。 来源 联合国贸易和发展会议（UNCTAD），根据公司市值数据。 注意

最能 描述贵组织当前和明年采用AI 的方法？ 注：总和不等于 100%，因为“重新评估“和“以上都不是”也是其中 的选项。 2025 年五大趋势：人智共创未来 点燃创新纪元 3 智能体 AI 将变革组织的业务， 但组织首先必须对员工进行再 培训。 技术债务仍在不断增加，尽管 组织在努力缓解这一问题。 在 AI 时代，位置至关重要。 AI 的快速采用带来了严峻的 IT 预算挑战，但组织很快就能自我 必须面对的六个残酷事实。IBM 商业价值研究院。 2025 年五大趋势：人智共创未来 点燃创新纪元 7 在这样的形势下，64% 的受访 CEO 表示，AI 制胜的关键将更多取决于员工对技术的采用，而 非技术本身。 4 然而，64% 的受访 CEO 认为其组织必须充分利用那些变化速度快于员工适应 能力的技术。 5 47% 的受访高管表示其员工缺乏在整个组织中有效实施和扩展 AI 所需的知识 打破各自为政的思维模式，建立协作沙盒， 在沙盒中对 AI 工作流程进行严格测试和完 善，鼓励员工大胆实验，不必担心失败。让 业务部门、IT 和人力资源部门的领导者共同 对 AI 成果负责，凸显在整个企业内采用 AI 的战略重要性。让治理成为协同创新成果的 关键要素，重新构想运营模式，确保有效、 负责任地整合智能体 AI。 让员工为未来做好准备。 设立流程协调者和数字资源管理员等新角色 来管理组织内

当前的主流感知算法路线 模块化“端到端”： 决策规划控制模块升级“端到端”并且两模块间的的数据传递 有望由人为定义的结果抽象为特征向量 0ne Model/单一模型“端到端”： 原始信号输入到最终规划轨迹的输出直接采用单一深度神经网 络实现 请务必阅读正文之后的免责条款部分 图3：UniAD架构设计概览 资料来源：Hu Y, Yang J, Chen L, et al，Planning-oriented Autonomous 通过摄像头图像直接输出转向指令。这是端到端技术的早期 尝试，标志着自动驾驶从模块化向一体化迈进的起点。 2017年：Wayve.AI成立并发布“Learning to Drive in a Day”。Wayve.AI采用强化学习结合深度学习的方法，仅用 一天时间训练即可应对复杂城市驾驶场景，展示了端到端技 术在快速学习和适应能力上的潜力。 2017 年 ： Comma.ai 推 出 OpenPilot 。 Comma View）技术。特斯拉在 AI Day上公布了BEV技术架构，通过多传感器融合实现感知 模块的端到端化，为后续端到端技术的全面应用奠定了基础。 2023年：特斯拉FSD V12发布。特斯拉正式推出FSD V12版本， 采用端到端架构，实现了感知、决策、规划的一体化，显著 提升了驾驶体验的拟人化和安全性。这一版本成为行业标杆， 推动了全球车企加速端到端技术的研发。 2023年：OpenDriveLab发布UniAD。OpenDriveLab推出了全

在经历初创期的IT系统快速交付后，企业需要不断思考IT系统的灵活扩展、整合 优化以及面向未来的统筹规划问题。大多数企业在业务与数字化的协同发展中， 都普遍经历了以下典型阶段： 初步探索期：业务发展伊始，企业往往采用试点验证的思路，小幅投入IT资 源，进行局部尝试和验证。一些初创企业或新业务往往会选择成本相对较低 的公有云基础设施服务和SaaS服务，以满足当期发展实际需求作为IT投入和 环境搭建的根本原则。 因此，企业有必要深入思考上云需求的变化，这些变化可能源自于新业务的拓 展、已有云服务缺陷的改进以及新的云技术、人工智能技术发展需求等；这些因 素将促使企业寻求更加灵活多样的云服务和IT系统组合。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 利用多云协同支撑未来的业务拓展需求，在此过程中积累了诸多具有代表性的多 云应用场景： 场景一：构建冗余环境。利用异构云环境提供容灾备份服务，其区别于传统 的同构备份或两地三中心模式，更多是企业综合考虑诸多因素后，采用异构 云所设计的备份方案。企业可在多个云环境中部署关键业务系统，实现多活 容灾架构，或在不同云之间定期备份数据，增强系统的容错能力和灾难恢复 速度。例如，一些制造业企业基于合规要求，将数据在私有云上进行备份。

VLM（视觉-语言模型）CoPa 通过嵌入在 GPT-4V 中的常识生成操控任务。在小脑方面，本田 Asimo 人形机器人采用传统的逻辑推理控制，能够完成各种复杂的行走功能 和人类肢体动作；Figure 在 OPEN AI 提供的大脑功能以外，打造了 完全端到端的运动控制系统；智元机器人采用云端超脑、大脑、小脑 等多层次架构，分别负责任务级、技能级和指令级的操作任务。 部分人形机器人头部厂商开展了端到端架构的探索。端到端架构 “机器人+识别类模型”已经大量用于各环节的质量管理与追溯 场景，占比约为 54%。在原材料准备环节，机器视觉算法，通过带有 标签的历史图像数据对模型进行训练和优化，使其能够自动对废钢进 行逐层判级、异物识别，如湛江钢铁采用无人机拍摄的方式，对卸料 进行识别判级并拍照定位。在检验包装环节，AI 大模型能够快速、 准确地识别出钢材表面的各种缺陷，如裂纹、气泡、夹杂等，提高了 检测的准确性和效率，如广西钢铁焊缝“云眼”机器人，通过 技企业，提供工业级灵巧手、智能电动夹爪、电动吸盘等多种产品。 钧舵的 LRA 系列产品主要优势如下：一是精确力控补偿与柔和着陆技 术，通过线性差值补偿算法，有效地补偿了动力源全行程的推力波动， 降低了温度对精度的影响；二是采用恒力磁性弹簧技术，提高全寿命 周期力控稳定性，实现全行程恒力输出；三是利用领先的自主研发光 编技术实现高精度定位；四是航天级的过程质量控制，确保量产质量 稳定性依赖补偿算法的自适应补偿能力，提高软件的鲁棒性；同时，

大模型训练和推理，与核电、气电等稳定电源签订直连保 供协议的必要性弱于美国同行，这也反过来给新能源供数据中心提供了机会。从项目角度 来看，已有比如新疆绿电智算中心，合盈数据智算中心等实现绿电和算力的耦合，采用 UPS 的供电结构。其中合盈数据智算中心项目在张家口的蔚县、沽源、张北建设总计 5.53GW 装机容量的新能源电站，共分为 13 个新能源发电项目，年新增新能源发电量达 130 亿千瓦 时，满足其怀来科技产业园算力集群超 化部等发布的《关于严格能效约束推动重点领域节能降碳的若干意见》要求提升数据 中心能效水平，鼓励使用可再生能源。2024 年国家发展改革委、工业和信息化部等发 布的《数字化绿色化协同转型发展实施指南》推动数据中心采用智能化能源管理系统， 提升绿电使用比例，支持数据中心参与虚拟电厂等新型能源模式。地方政策也在逐步 提升碳排放指标要求。2021 年上海要求绿电占比≥10%，推动绿电交易； 0 500 1,000 S1 级超算中心（通常为国家级 超算中心或国家级实验室）为例，计算节点的用电需求为 25～28MW，高速网络、存 储等节点的用电需求合计 2MW 左右。 3） 智算中心 AIDC-智能算力：通常采用芯片异构计算架构，结合 CPU、GPU、NPU、TPU 等多种芯片，形成高并发的分布式计算系统。随着智算需求的持续增加，当前我国智算 中心用电规模可以达到 100-200MW（根据 DTDATA，火山引擎内蒙古和林格尔算力中

持4个QTM052毫米波天线模组，目前这款QTM052毫米波天线模组系列正在向 OEM厂商出样，有望在2019年面市的5G终端中采用。 Qualcomm 5G毫米波通信终端参考设计样机 数据来源：Qualcomm，国泰君安证券研究 高通5G毫米波 通信终端采用4 个28GHz的AiP 1.2 23 电子行业2019年春季投资策略 【002475】立讯精密：5G智能化时代的精密制造平台 近年来，手机拍照摄像头创新呈现加速态势。2017年为双摄元年，2018年双摄加速渗透，同时安卓阵营高端旗舰手 机试水三摄，市场反馈良好。2019年安卓阵营更多品牌及机款将导入三摄，同时苹果也有望采用。全球手机摄像头 市场有望从2016年的180亿美元增长至2020年的320.6亿美元，CAGR达15.6% 手机摄像头总市场规模（百万美元）  总结 （1）图像数据在人工智能时代会变得更加重要，对 手机厂商需方案商密切配合 苹果通过收购构筑了3D成像的闭环生态系统，自主掌握了核心技术。除苹果外，别的手机品牌厂商需要更多的依赖 方案厂商的配合。小米8探索版采用的MV的方案，欧菲科技独家的模组。OPPO Find X采用的奥比中光的方案，丘 钛科技的模组。华为整合供应链，推出采用自家方案的3D成像产品。 3D成像方案需要方案商密切配合 类型 方案商 代表产品 软件 商汤科技 小米8探索版 Face++ OPPO

据治理框架，重点关注质量、集成和安 全，为长期可扩展性奠定基础。这就要求 对可以为大量交易、复杂风险模型和实时 决策提供支持的企业级人工智能基础设施 进行投资。 培养利用人工智能提升人类潜能的文 化氛围 采用综合人才战略以留住人才及提升人才 技能是关键要务之一。学术机构、金融科 技初创企业和创新中心可以帮助以全新视 角提高员工技能。沉浸式人工智能培训项 目能帮助推动客户体验和运营模式创新， 拓展招聘渠道，并促成变革性成果。 成员。 版权所有，不得转载。 智慧银行：以人工智能驱动转型并创造价值 8 现状 银行业正积极探索和完善人工智能部署策略。在基础设施和人才不足的压力之 下，银行业正谨慎地探索人工智能应用创新，采用不同实施策略，并整合互补 技术以实现关键业务职能转型。 对于银行业而言，人工智能不再只是一个未来概念，而是已在欺诈检测、个性化和风险管 理等关键领域推动着创新实践。当前，全球各地反应迅速的银行正率先利用人工智能改造 简介 概要 引言 打造智慧银行 阶段一 调研 结论 缺乏优秀的人工智能实施模式 当前，银行正尝试各种人工智能实施方式。66%的 受访银行利用基于云的人工智能平台，46%使用开 源工具，83%则采用本地解决方案。此外，86%的 受访银行正在内部开发定制人工智能解决方案，他 们的实施方式因各自数字化程度的差异而有所不 同。 管理层对控制心存忧虑 对人工智能的控制仍然是银行管理层的主要担忧之

是一个全新的计算平台，能够执行复杂的任务并安全、 自然地与人和机器交互，具有针对性能、功耗和尺寸优化的模块化架构。 该 SoC 包括一个带有 transformer engine 的下一代 GPU，其采用 NVIDIA Blackwell 架构， 可提供每秒 800 万亿次8位浮点运算 AI 性能，以运行 GR00T 等多模态生成式 AI 模型。凭借 集成的功能安全处理器、高性能 CPU 集群和 目前全球机器人高质量带动作标签的真机数据量仍然有限， 远少于互联网规模的数据集。智元采用Latent Actions（隐 式动作）来建模当前帧和历史帧之间的隐式变化，然后通 过Latent Planner，预测这些Latent Actions，从而将异构 数据源中真实世界的动作知识转移到通用操作任务中。 采用Diffusion Model作为目标函数来建模低层级动作的连 续分布。 Action 序列长度 × 隐藏维度）的多模态特征。 英伟达通用机器人大模型 GR00T N1 04 23 资料来源：英伟达官网、CSDN，浙商证券产业研究院 DiT模块负责处理机器人的状态和动作生成。它采用了一种变体的扩散变换器，结合了去噪步骤的自适应层归一化。 状态和动作编码器：针对不同机器人构型的状态和动作，GR00T N1为每种构型使用一个多层感知机（MLP）进行投影，确保所有输入映射到一个共享的嵌入空间。

全系统和标识牌等设备。 • 可控服务质量（QoS）——蜂窝网络，尤其是5G网络，能为对服务质量（带宽和延 迟）有严格要求的应用提供可预测的性能。而对于Wi-Fi的QoS控制，安装人员通常 采用超额配置接入点和限制用户接入的方式，即部署足够多的接入点，以确保在最 坏情况下也能有可接受的性能。这在大多数消费和工业场景中可行，但对于关键基 础设施或安全相关应用来说还不够好。 • 高安 传输层安全协议（TLS）来维护互 联网流量（如网页）的安全。Matter等IoT应用层也具有相同的功能，能在任何网络（或网 络组合）上实现私密、安全的端到端通信，而且很多都和您的网络浏览器一样，采用了 HTTPS和TLS协议。不过，IoT应用层会运用专门的技术来验证设备和应用的真实性，并管理 操作凭证。 应用层语义 除了提供网络安全保障外，应用层还拥有同一种通用语言——同一种数据模型，用于定义特 泛 普及的IP网络，如以太网、Wi-Fi和Thread，还能利用低功耗蓝牙进行设备设置。其他IP网 络（如蜂窝网络和卫星网络）能够为家庭以外的场景以及其他垂直领域提供新的应用场景支 持。不过，采用新的网络就需要新的设备配置和安全流程。 Matter定义了一个应用层，旨在为智能家居应用实现协议、安全和语义的标准化，相同的 理念也可应用于其他领域。我们将在下一节探讨这种可能性。