研究报告 2025 年全球感知技术十大趋势预测 2 前言 在当今时代，人工智能、大数据、物联网以及新型通信技术正以前所未有的速度蓬勃发展。 这些技术的不断进步，犹如一股强大的推动力，为感知技术的发展带来了前所未有的机遇。感知 技术，作为科技领域的关键一环，正站在变革的十字路口。 传统的单一传感模式，在智能化时代的浪潮下，逐渐暴露出其局限性。它已难以满足环境认 知、精确定 ，环境认知需要更加全面、 准确的信息获取，精确定位要求更高的精度和可靠性，而交互体验则追求更加自然、流畅的感受。 单一传感模式由于其自身的局限性，无法同时兼顾这些需求。 然而，2025 年的感知技术将迎来全新的发展格局。它将在多个前沿领域展现出令人瞩目的突 破。多模态融合技术，将多种传感器的数据进行深度整合，为环境认知提供更丰富、准确的信息； 超低延迟网络技术，能够实现数据的实时传输，为远程控制和实时反馈提供有力支持；3D 方面的丰富实践，精心归纳出 2025 年感知技术的十大趋势。报告不仅将详细介绍每一趋势的技 术原理、关键算法和实现方式，还会结合国内外领先企业的实际应用案例，深入分析各趋势对未 来商业生态所产生的深远影响。这份报告旨在为技术研究者提供全面、深入的参考，同时也为决 策者、企业管理层和投资人指明未来技术发展的明确方向。 在全球数字化转型加速的大背景下，感知技术早已超越了单纯的技术进步范畴。它成为了实

.............................. 62 4.6 信号灯信息提醒场景参考架构 ..................................... 67 4.7 感知信息共享场景参考架构 ....................................... 71 4.8 闯红灯预警场景参考架构 ............................ 面向未来规模化不同等级智能网联汽车需求，我国提出了车路云 一体化技术路线，具备分层解耦、跨域共用的特征。车路云一体化系 统通过新一代信息与通信技术将人、车、路、云的物理空间、信息空 间融合为一体，基于系统融合感知、协同决策与控制，实现智能网联 汽车交通系统安全、节能、舒适及高效运行的信息物理系统（Cyber- Physical Systems, CPS）。车路云一体化系统由车辆及其他交通参 与者、路侧基础设 据高速缓存技术、标准化分级共享接口及融合感知、协同决策与协同 控制标准件实现车端和路侧数据接收、处理、融合感知、精准决策及 管控，有效确保了感知、决策结果及控制指令能够迅速传递至网联车 辆，同时上传至区域云，并同步处理区域云下发的基础设施管控信息。 区域云通过标准化分级共享接口、区域云一体化底座内的网关和数据 库以及一系列标准件，有效地吸收、整合来自支撑平台、边缘云及第 三方平台的数据资源。区域云融合感知标准件、协同决策标准件及交

对一定区域进行感知可识别无人机的飞行状态、检测障碍物、监测气候变 化等，提供监管类和辅助飞行类服务，进一步地，利用基站对机上终端的 感知功能可针对特定无人机进行监管。相比于传统的低空雷达方案，通感 一体化无人机感知方案具有 3 个明显的优势：1） 部署成本低，可在传统 基站上部署感知功能；2）频谱可以共享，即通信和感知共享频谱，提高了 频谱利用率；3） 感知范围广，例如单站感知距离超过 1 km，依赖 5： 低空无人机主要感知应用场景 ................................... 6 图表 6： 低空无人机不同场景的感知业务指标 ............................. 6 图表 7： 5G-Advanced 应用场景 ......................................... 7 图表 8： 通信感知一体化的技术发展趋势 无人机缺乏有效的信息获取手段，难以全面、及时感知规避障碍物，导致空 中碰撞的风险增加； ➢ 无人机运营缺乏高效飞行任务的申报渠道，造成黑飞现象屡禁不止。 面向无人机场景，利用基站通信功能实现信息回传和飞行控制；利用基站对一定 区域进行感知可识别无人机的飞行状态、检测障碍物、监测气候变化等，提供监管类 和辅助飞行类服务，进一步地，利用基站对机上终端的感知功能可针对特定无人机进 行监管。具体智慧低空感知业务场景可归纳如下：

正催生新一代 ICDT（Information， Communication，Big Data Technology）融合范式。这种融合驱动的 6G 系统将突破传统通信 网络边界，演进为集通信、感知与算力于一体的端到端智能信息服务体系，构筑起支撑万物 智联的移动信息网络。当前，众多面向 6G 的候选技术已在理论创新、仿真验证及原型开发 等维度取得突破性进展。 本白皮书作为 4.0 版本的延续，从 ..........................38 2.2.1 通信赋能感知.........................................................................................................38 2.2.2 感知赋能通信..................................... 、 人工智能、大数据技术、系统控制技术和感知技术的不断融合，我们迎来了 6G 技术的新时 代。在 2020 年 11 月的全球 6G 大会上，《ICDT 融合的 6G 网络》白皮书 1.0 正式发布，指 出了 6G 将是一个端到端的信息处理与服务系统，核心功能由简单的信息传递扩展到信息采 集、信息计算与信息应用，为用户提供更强大的通信、计算、感知、智能和安全等多维内生 能力。随着时间的推移，6G

智慧路口是传统交通路口的智能化升级形态，以物联网、人工智能、大数据、通 信技术为核心支撑，通过整合路侧感知设备 ( 如摄像头、雷达 ) 、智能控制终 端、数据传输网络和云端管理平台，构建起 “感知 –分析 - 决策 –控制 - 反馈” 的闭环系统。其核心目标是实现对路口车辆、行人、非机动车及环境的全域实时 感知、智能数据分析、动态决策调度，最终提升交通效率、保障安全，并为车路 协同和自动驾驶提供路侧支撑。 、智慧路口的发展历程 智能化起步阶段 (21 世纪初 - 2010 年代 ) : 数字化与自适应控 制 多传感器融合感知 (2000s) 地磁、微波 雷达、激光检测器等设备逐步应用，采集 车流量、速度、占有率等数据。 自适应控制技术突破 (20105) 2010 年， 公安部提出 “智能北 + 互联网 ” 战略 的总体思路，以破解传统路口痛点为导向，构建从 “ 感知 - 决策 - 执行 - 反馈” 的全闭环智能体系，同时衔接城市交通整体规划与未来出行需求，具 体可拆解为以下六大核心方向。 一、锚定核心目标，衔接顶层规划：避免 “碎片化建设 9 · 以 “高效、安全 协同、绿色、民生” 五大目标为出发点，将智慧路口建设纳入城市交通大脑、车路协同示范区、智慧城市等顶层规划，避免单 个路口 “孤立建设”。 二、夯实感知底座，构建全城数据休系：筑牢“

......................................................................... 17 体系架构 /13 5.1 全息感知，提升路网数字化感知能力 ...............................................................19 5.2 设备互联互通，助力公路机电设备智能化升级 34 6.3 多样化的生态伙伴，丰富全球智慧公路生态 ...................................................35 生态体系 /33 7.1 雷视感知+数字孪生拟合新技术，打造全息智慧隧道 .....................................36 7.2 随路无线和传输网络，满足视频回传和应急通信需求 .......... 析，针对智慧公 路面临的安全、效率、服务等方面的挑战，结合全球公路建设、管理、养护、 运营、服务各阶段的建设实践，提出了包含“智能交互、智能联接、智能中枢、 智慧应用”四层的技术参考架构，解构感知、传输、研判、控制、应用各个 领域的关键技术，旨在帮助全球客户建设开放共享、技术领先、持续演进的 智慧公路数字化、智能化体系。 导言 导言 智慧公路技术白皮书 03 现状和趋势 各国出台中长期规划，开启公路智慧化新篇

年"，头部企业实现千台级交付。 特征之⼆，产业群浮现，多路中国企业共同形成全产业链能⼒，全链基础上逐步 强链，开放协作的基础上加速⽣态化。核⼼模块与基础⽀撑系统，包括电机与减速 器、传感器与感知模组、伺服电机、灵巧⼿、操作系统、⼤⼩脑系统-基础模型-功能 模型、芯⽚与算⼒平台、软件与仿真平台等⽅⾯，均取得⻓⾜进步。在此基础上，部 分企业通过操作系统、专业模型、训练仿真、算⼒系统、数据 API 步可⽤”。国内多次机 器⼈⽐赛展现了⼈形机器⼈的场景感知、运动协调、交互能⼒。⾏业应⽤重点也开始 转向解决复杂场景中的实际任务的执⾏能⼒。从表演、⽐赛等基础运动能⼒展示，开 始快速向⼯业、商业、家庭、应急、教育等潜⼒领域拓展。 特征之四，AI ⼤模型对⼈形机器⼈的赋能⽅⾯进展明显。⼤脑、⼩脑和肢体分⼯ 协作体系明确的同时，基于感知-决策-⾏动-反馈的逐步深度融合，多模态⼤模型、强 2 ⼈形机器⼈技术⽣态 ⼈形机器⼈的技术与具⾝智能体系基本⼀致，包括感知—决策—⾏动—反馈四个 部分，⽽反馈机制通常内嵌于控制环路中，不完全单列为独⽴模块。系统环节通常包 括环境感知、决策规划和运动控制三个环节，形成感知→决策→执⾏的闭环控制。 感知模块作为具⾝智能的“信息采集和处理器”，通过建⽴对外部环境的感知和理 解，为决策和⾏动提供⽀持。感知模块主要⽤于对象识别、位置定位、场景理解等⽅ ⾯，通

现频次明显加大。在技术演进进程中，人机交互的友好性得以提升， 与此同时，在医疗健康领域，针对癫痫、抑郁症、脊髓损伤等疾病 的精准治疗案例持续涌现。这一系列现象表明，脑机接口已步入技 术爆发式发展阶段，正沿着脑感知与脑调控这两大核心方向稳步演 进，且展现出融合化与智能化的发展趋势，具体表现为技术手段深 度融合、功能模块有机整合以及多学科交叉渗透融合，进而使得脑 机接口系统在解码、控制与校准等关键环节的智能化水平显著提升。 脑机接口分类与国内外布局..............................................................................1 (一) 脑机接口分为脑感知与脑调控技术..........................................................1 (二) 脑机接口技术具有创新、交叉、前沿三个特性........ .........................................12 脑机接口技术与应用研究报告（2025 年） 1 一、脑机接口技术分类与国内外布局 (一)脑机接口分为脑感知与脑调控技术 脑机接口（Brain Computer Interface, BCI） 是一种建立大脑与 外部设备之间直接通信通路的技术，其核心目标是解读大脑活动产 生的意图或状态信息，并将其转化为控制外部设备的指令；或者将

比亚迪：智驾平权加速，边际变化可期 3.智能驾驶产业链 3.1 车端：电子电气架构向中央计算迈进 3.2 感知层 3.2.1 传感器数量减配、性能提升 3.2.2 激光雷达市场快速增长，格局集中 3.2.3 高阶智驾需要激光雷达提供安全冗余 3.2.4 前视摄像头市场分散 3.2.5 从全量感知到按需感知的算法演进 3.3 决策层 3.3.1 域控制器构成 3.3.2 智驾域控市场逐渐走向合作定制化 从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。 传统智驾系统的感知层、决策规划层和控制执行层之间 相互独立，信息传递容易积累误差，且智驾方案依赖于 工程师通过代码制定的规则，难以处理所有复杂场景， 边际效应随着智驾能力的提升呈现几何式骤减。与基于 规则的传统自动驾驶算法结构相比，端到端算法基于数 据驱动，可以实现信息的无损传递。同时，端到端架构 将感知、预测和规划结合为一个可以共同训练的单一模 型 端到端架构的本质是深度学习的全面使用与数据驱动。根据感知模块与决策模块之间的贯通程度，可分为模块化 端到端与一体化端到端。 模块化端到端将感知模块和决策规划模块视为两个独立部分，分别使用神经网络，但模块之间仍存在人工设计的 数据接口。例如，华为乾崑ADS 3.0由GOD感知网络和PDP决策规划网络组成，GOD负责感知障碍物，PDP则根据感知 信息迅速做出决策。一体化端到端则将感知与规控模块全部打通，形成一个统一的大模型，使系统能够更直接、

+3+N”的模式，建设一个 智能调度控制中心，构建一张图（“GIS”地图）、一张网（万兆环网 +5G）和一朵云（私有云）以及智能采煤、掘进、防冲等“N”个控制 系统，形成了井上下各子系统的全面感知、实时互联、分析决策、动 态预测、协同控制的智能化建设示范，采煤工作面采用“三六”生产 组织模式，取消夜班生产，综采工区减人 62 人，深部复杂条件生产 班 9 人以内，固定岗位、矸石分选岗位减人 重塑传统煤矿安全管理模式。通过将智能化建设与安全生产全要素的 深度融合，构建形成“感知-预警-决策-控制”的全链条防控体系。 通过协同智能监测系统、自动化装备、数字化平台，有效推动煤矿安 全管理从被动应对转为主动预防，大幅提升了风险识别能力和本质安 全水平。 1.一体化综合管控平台建设提升了煤矿安全生产管控水平。通过 构建“全域感知-智能决策-协同管控”三位一体的管控平台，为煤矿 安全提供了新型治 体防控体系，实现了矿井各业务系统的设备标准接入、数据融合共享、 智能协同管控，安全隐患处置效率提升 85%，重大险情应急响应时间 压缩至 3 分钟。 2.灾害综合防治系统成为矿山本质安全生产的核心保障。通过构 建“感知-预警-处置”全链条灾害防控体系，推动矿山安全管理模式 从被动应对向主动防御的变革。例如，陕煤集团红柳林煤矿建设的 “智能灾害防控一体化平台”，构建了煤矿“一图、一库、一网”多 灾害智能预警防