和技术领先性全球瞩目；全国碳市场覆盖二氧化碳排放量超过 50 亿吨，成为全球规模最大的碳定价机制之一。然而，必须 清醒认识到，我国绿色转型仍面临 " 能源结构偏煤、产业结构偏重、环境约束偏紧 " 的严峻挑战。传统高碳产业占比依然偏高， 生态环境质量稳中向好的基础尚不稳固，全球绿色贸易壁垒持续升级更带来前所未有的外部压力。在这一关键历史节点，如 何破解绿色转型中的资金约束、技术瓶颈与制度障碍，成为决定我国能否如期实现全面绿色转型目标的核心命题。 否如期实现全面绿色转型目标的核心命题。 实现全面绿色转型目标与美丽中国愿景仍需跨越重重挑战。我们既要看到传统产业结构调整的艰巨性，也要把握绿色技术革 命带来的历史性机遇；既要完善碳核算、环境信息披露等基础制度，也要防范转型过程中的气候风险与 " 洗绿 " 风险；既要 推动绿色金融 " 五篇大文章 " 协同发展，也要深化国际合作，提升在全球绿色治理中的话语权与影响力。道阻且长，行则将至。 我们相信，只要坚持 治理驱动企业内生变革，以绿色金融引导资源高效配置，以创新驱动 绿色技术突破，就一定能将绿色发展蓝图转化为美好现实。 本白皮书立足中国实践，系统梳理了我国绿色转型政策体系的演进脉络，深入分析了 A 股上市公司在环境治理、信息披露、 绿色创新及气候行动等方面的实践进展，重点聚焦数据中心、煤电等重点行业的转型路径，并全面展现公募基金、银行、证券、 保险等金融机构在绿色金融与可持续投资领域的深化探索。我们欣慰地

然而生成式 AI 在 AIGC 上的应用仅仅是人工智能革命的开始。大模型的出现，全面提升 了 AI 的自然语言理解能力和通用推理能力，让 AI 具备自主完成复杂任务的可能，从而演进成 为能够感知环境、进行用户意图的自主理解、做出决策和采取行动的 AI Agent（智能体）系统。 - 4 - 行业趋势 鸿蒙 2030 白皮书 智能体将彻底改变人与机器的协作方式，从“以指令为中心”发展为“以意图为中心”， 世界的融合，玩家 在其中能够获得无限逼近现实或者超越现实的感受。 沉浸式 XR 将进一步提升起分辨率、视频帧率，接近人类感知极限，交互时延极低，保障 最佳的沉浸式视觉体验。例如，人们可以在虚拟环境中从裁判视角观看球赛，仿佛身临其境。 全息三维技术可以立体重现包括人体、设备、建筑、自然景观等在内的任意物体，只靠裸眼就 可以 360 度全视角看到 3D 的呈现效果，并且从不同角度都会展现不同的信息。数字触觉涉及 更以人为本的居家体验 家是每个人心中最温暖的港湾。越来越多的人对居住空间的需求，已经从基础的功能需求 转向更加惬意的感官体验和情感需求，未来的智能家居将通过个性化居住体验、自然便捷交互、 健康安全的居住环境等方面，实现更舒适便捷、更健康、更安全、更“以人为本”的居家体验。 丰富智能家居设备和传感器，将交由你的虚拟数字管家统一管理。虚拟数字管家通过其 AI 能力能够更好地学习和适应用户的习惯和需求，

关键支撑。它融合空间信息化、智能化等前沿技术，可深度覆盖矿山勘探、开采、 运输、监测全流程，无需依赖大量地面基础设施建设，就能实现设备精准管控与作 业动态追踪，减少无效能耗与人力投入；同时能实时捕捉矿区安全风险与环境变化， 避免因突发事故或违规运营导致的停工损失，在提升矿山安全性与运营效率的同时， 显著压缩综合运营成本。 本白皮书以通俗科普视角，聚焦卫星技术为矿山带来的 “降本增效” 价值。当 前全球 ......................................................................... 33 5.1 高分辨率成像技术：实现矿区资源与环境的透明化监管............................. 33 5.2 精密导航定位技术：赋能矿山无人化装备的精准协同............................... 矿业是国民经济的重要基础，其发展深度关乎能源与原材料供应的根本稳定。 当前，行业正处于迈向智能化、绿色化的关键阶段，而在这一进程中仍存在若干核 心瓶颈：资源分布偏远与动态变化掌握不清，依赖传统勘察与管理方式精度与时效 不足；矿区环境与生态影响难以实现大范围、高频次的客观监测；同时，由于缺乏 高精度的时空基准，矿山内部的人员、车辆与设备难以实现高效协同与精准调度， 不仅影响作业效率，更埋下安全管理隐患。 卫星技术，作为空

物理 2. 化学 3. 材料 4. 能源 第五章 生命科学 1. 合成生物学 2. 医学 3. 神经科学 4. 医疗 5. 演化 第六章 地球与环境科学 1. 大气科学 2. 环境科学 3. 生态科学 第七章 工程科学 1. 通信 2. 遥感 3. 微电子 4. 空间信息 第八章 人文社会科学 1. 社会科学 2. 人文科学 laboratory for the accelerated synthesis of novel materials Nature 624, 86–91 (2024). 第一章 序言 核心AI 地球与环境科学 工程科学 人文与社会科学 生命科学 数学 物质科学 总量 AI4S总量 308.87 330.57 367.86 414.58 466.41 648.57 753.50 821 地区）总量趋势（2015-2024，单位：千篇） 中国 欧盟 美国 英国 总量 3. 数据分析 本研究中，人工智能（AI）相关领域 可以划分为：AI 核心（如算法、机器学习等）、 数学、物质科学、生命科学、地球与环境 科学、工程科学、人文社会科学等七个领域。 AI 核心以外的六个领域，统称为科学智能 （AI4S）领域，后续章节将以上述领域划 分展开。 根 据 自 然 科 研 智 讯（Nature Research

在数字化转型中，企业业务敏捷转型需融合云计算、大数据、AI、区块链等技术，但主机技术栈对此支持 有限：一方面，传统主机的编程语言（如 COBOL、PL/I）与现代开发工具及编程语言兼容性不足，原有开 发环境与工具链较为陈旧，且与云原生开发所采用的 Java、Go、Python 等语言存在明确的兼容壁垒；另一 方面，主机系统通常依赖传统的数据存储格式和协议（如 VSAM、IMS 等），而现代的大数据技术框架（如 旧组件接 口兼容，保障业务逻辑正常运行。 ③ 重构应用架构：对应用架构进行根本性改造，拆分单体应用为微服务，采用 Kubernetes、服务网格 等主流技术栈重构系统，优化系统设计以匹配云平台环境优势。 ④ 摒弃旧应用：完全淘汰原有应用，直接采用成熟商业软件替代原有应用，快速满足业务需求；或者基 于新业务场景，用 Java、Go 等现代开发语言重写应用，直接构建原生适配主流生态技术的新系统。 提供高可用的分布式事务调度能力，支持大规模任务并行调度，增强业务批处理能力。 ⑤ 提供高性能云内及云外接入中间件，以满足复杂云网络高效连接的需求。 14 2.2.3 应用开发与运维转型阶段关键诉求 应用从传统主机环境迁移至开放平台后，为进一步实现降本增效、业务连续保障以及加速产品创新的业务 目标，应用开发模式与运维模式应同步转型：开发模式从“瀑布开发”转型为“敏捷开发”；运维模式从“人 工经验驱动”方式升级

��������������������������93� 2.�力控算法：具身智能物理交互的“执行中枢”���������������������������94� 3.�多模态感知技术：具身智能环境认知的“感知网络”���������������95� 第七章：全球 TOP 厂商动态与典型案例分析���������������������������������������������������96� 本�视觉�语音”多源信息的统一处理。这种“跨模态理解�知识泛化”能力，打 破了传统��� 的任务局限，为智能技术向物理世界延伸奠定了基础。� 长期以来，传统机器人作为自动化工具，仅能按照预设程序执行重复任务， 缺乏对环境变化的适应能力与自主决策能力。而人工智能与大模型技术的进步， 正推动传统机器人向智能机器人跃迁，并赋予了其感知、决策、交互三大能力。� �� 具身智能� 当大模型推动传统 �� 技术突破，并赋能传统机器人向智能机器人升级时， 具身智能的核心思想源于认知科学的具身认知理论，强调智能无法脱离物 理身体而存在，必须通过身体与环境的交互来形成与发展。在机器人领域，具 身智能被定义为智能体通过物理载体，在真实环境中实现“感知—决策—行动 ���� 年 全 球 协 作机 器 人 产 业 发展 白 皮 书� � � �� � �� � —反馈”的闭环，从而获得适应环境、完成任务、与人协作的能力。其核心包 含三个要素：一是物理具身，智能必须依附于具体的机器人实体，通过机械

AI：安全、合规、向善、透明 26 2.3 云原生安全保障：打造可靠 AI 基础设施 27 目录 大模型发展趋势、风险挑战与 解决方案 1 模型商业落地加速，面临多样化的部 16 署与应用环境 2 模型应用安全风险具有系统性与复杂 17 性，全生命周期的安全保障是模型应用 落地的关键 2.1 AI 基础设施风险：供应链漏洞、DDoS 攻击 17 阿里云百炼安全能力清单 109 3 权威认证 110 3.1 大模型权威认证 110 3.2 云平台权威认证 114 Confidential MaaS：可验证 的数据保护 1 可信环境 - 机密计算 97 1.1 安全能力概述 97 1.2 阿里云机密计算产品 98 2 可信服务 - 公开审计 100 2.1 基准值发布 100 2.2 开源审计 101 2 包括 API 服务、模 型定制、工具链、应用构建等在内的全栈解决方案，真正将大模型能力嵌入业务流程， 提供新质生产力，助力企业实现智能化升级。 1 模型商业落地加速，面临多样化的部署与应 用环境 从模型应用搭建到部署运行的架构视角，大模型服务所面临的安全挑战可分为：AI 基 础设施层面的风险、大模型自身安全风险、模型应用服务模式中特有的风险。 2.1 AI 基础设施风险：供应链漏洞、DDoS

开发与运行、检索增强生成、智能应用管理引擎、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升数倍以上，支撑智能化应用的多模交互、自主运行、智能进化、环境理解、智能协作、 智能研发等特征落地，形成更广泛、更灵活的智能体系统，从而能够在降本增效、体验优化等各方面得到大幅提升。 目前， AI 在医疗、科研、教育、物流等各个领域的应用，为社会带来了巨大价值的同时，又进一步支持了 3.2 智能应用的核心技术架构概览 3.3 智能应用的六大核心特征 3.3.1 特征 1：多模交互 3.3.2 特征 2：智能协作 3.3.3 特征 3：自主运行 3.3.4 特征 4：环境认知 3.3.5 特征 5：自我进化 3.3.6 特征 6：智能研发 4 智能应用平台，应用智能化的技术底座 4.1 云原生与 AI 原生双擎驱动，加速应用全面智能化 4.2 智能应用平台 应用全生命周期智能化白皮书 05 单机系统智能化、智能系统群体化、人机交互语言化、复杂系统模块化正在人机协作新范式。硬件革新与算法突 破推动单机系统从“工具执行者”进化为“智能决策体”，能够自主感知环境，分析数据，做出决策，甚至进行自我 优化和升级。物联网与 5G 技术催生智能系统的群体化演进，形成协同工作的群体，共同完成复杂的任务，实现资源的 优化配置和高效利用。自然语言处理与多模态交互技术