12 本报告来源于三个皮匠报告站（www.sgpjbg.com）,由用户Id:349461下载,文档Id:654005,下载日期:2025-05-23 算法方案技术路线 03 13 资料来源：量子位智库、浙商证券产业研究院 具身智能的算法方案分为分层决策模型和端到端模型两种路线。 分层决策模型 端到端模型 以「Figure 01」为代表，将任务分解成不同层级，以多个神经网 络训练，再以流程管线的方式组合。Figure 推出视觉语言动作模型。RT-2不仅负责最上层的感知与规划，还 参与中下层的控制与执行，打通了端到端的链路。端到端模型的 缺点是：训练数据海量、消耗资源巨大、机器人执行实时性差。 训练方案技术路线 03 14 资料来源：量子位智库、浙商证券产业研究院 具身智能的训练方法可分为模仿学习和强化学习两种路线。 模仿学习 强化学习 模仿学习—— 智能体通过观察和模仿专家（经验丰富的人类操作者或具 有高级性能的系统）的行为来学习任务。 优势：能够通过探索环境学习未知的策略；可以处理 高度不确定和动态变化的环境 • 劣势：需要大量的探索和试错，学习过程缓慢；对于 复杂任务，设计合适的奖励函数难度较高 数据采集技术路线 03 15 资料来源：量子位智库、浙商证券产业研究院 具身智能的数据采集可分为基于仿真环境数据和基于真是世界数据两种路线。 基于仿真环境的数据采集（Sim2Real） 基于真实世界的数据采集 Sim2Real（Simulation

在基础层面，银行应建立以人工智能为先的技术栈，包括基础设施、云和芯片等。应 提供高质量企业数据，也可能需要部署多种模型以应对特定领域的人工智能需求并为 人工智能代理的使用提供支持。还需要更多地关注人工智能的网络安全问题，并针对 量子技术等其他新兴技术制定相关计划。 在银行内部成功实施人工智能，需要采取战略手段进行涵盖基础、职能和企业层面的 能力建设。此外，还需设立转型管理办公室，以确保各个层面的人工智能战略、价值 协调和 营模式中融入人工智能。可借助云和传统技术现代化等 措施，部署人工智能代理和各种模型，并在银行上下利 用数据强化运营。 演进 在演进阶段，应推动商业模式和生态系统的发展，使用人 工智能以及量子计算和区块链等前沿技术来解决行业面临 的重大挑战。人工智能有助于在银行与合作伙伴之间顺畅 地实现价值联动。这一阶段聚焦以实时安全性确保遵循道 德要求并赢得信任，通过广泛而深入的培训提升员工潜 先行引入简单模型 • 通过云服务使用人工智能 • 部署跨生态系统的人工智能 • 借助域模型开展竞争 • 利用生态系统数据开展竞争 • 使用具备经人工智能优化的芯片的云服务 • 考虑采用人工智能与量子技术 企业层面 • 使战略以及目标和关键结果（OKR）与人工 智能相匹配 • 定义价值和投资 • 重塑运营模式 • 增强对人工智能的信任 • 重塑员工队伍 • 协调企业整体变革 职能层面

资料来源：晶泰科技招股书 面对上述问题，晶泰科技将量子物理、人工智能、机器人等技术融入固态研发中，优化、 28 改良固态试验晶体结构预测、固态筛选及评估、晶体结构确定、固态测试及分析、结晶 工艺研发五个关键步骤，进而在计算预测与实验验证之间建立反馈回路，于更短的时期 内提供更高的功效及精确度，降低研发方的成本。 晶泰科技自动化研发试验室的入局逻辑与固态研发相似，也是融入 AI、量子力学等前沿 技术，帮助实验

MES 为核心的集成制造系统，借助机 器人实现了生产过程无人化，并引入了人工智能技术，在三年内就将 劳动生产率提高了 75%；在试验验证方面，晶泰科技生物医药“AI+ 机器人丛林”实验室，结合量子物理和计算化学产生大量的“干试验” 数据，并通过机器人获取“湿试验”数据，建立垂直 AI 模型以预测 化学结构的活性、成药性和耐药性，大大缩短了药物开发周期。 （二）应用行业：重点用于汽车、电子、金属三大行业

43 强推理模型存在 Overthinking 的行为 过多的语气词，例如 Wait 等 一些模型经常会不分场合使用一些 高 端词汇，典型的如量子纠缠（会 用在 各个领域） 对于一些简单的数学问题例如 2+3 = ？ 也会过多思考 看似有反思范式，重复 Pattern 多，可能 会 导致更好的表现，但是会带来 training 和

通智超一体化智算加速平台“云骁” • 一站式智算服务平台“慧聚” • 云计算及算力 • 新一代信息通信 • 大数据 • 人工智能 三大智算平台 七大 战略新兴业务 • 安全 • 量子 • 数字平台 • 互联网企业、政府机关、教育公司、金融证券公 司、大型ICP运营商、游戏运营商等 客户情况 • 长三角 中国移动至24年底预计能够对外提供算力中心服务的运营容量将达到2.2GW，未来年均增量超过500MW。

更多干货请关注公众号“管理技术化平台” 32 私保护、反垄断等方面的政策法规日益严格,企业在推进智能化转型过程中需要 投入更多资源来确保合规运营。最后, 尽管智能化技术整体呈现快速发展态势, 但在一些新兴技术领域, 如量子计算、脑机接口等, 技术路线仍存在较大争议, 技术成熟度和商业化应用前景尚不明朗。企业担心过早投入大量资源可能因技术 方向选择错误而导致投资失败。 (2) 新技术短期投入回报不明显。一方面, 许多智能化新技术的研发需要

从法律的层面，计划重新定义“人工智能”及“人 形机器人”等新技术和产业，彻底重新审视机 器人产业、机器人技术的相关规则 日本 《科学技术白皮书》 2021 年 强调在超级计算机、人工智能、量子、机器人 等未来产业领域，加大科技基础研究与人才开 发力度 日本 《AI 战略 2021》 2021 年 鼓励 AI 与机器人技术结合，以开发更先进的 服务型的人形机器人 日本 新机器人战略

思考一下基础模型因能耗而受到的关注。在新型技术发 展一度与更高效率相关联的时代，现在它们却带来了前 所未有的更高需求。坦白说，任何新兴企业所做的事情 都面临着公众更高的可持续性审查。我们从生成式AI中 看到了这一点，而对于机器人、量子计算和太空等新兴 技术也将如此。特别是对于机器人来说，它们不仅是能 耗巨大的AI的直观体现， 最后，企业需要建立长期信任的环境，这引出了可持 续性。随着ESG目标和消费者日益增长的关注，一个 简单