高了拟人机器人 处理人类工作场所中经常遇到的复杂和微妙场景的潜力，同时增强了机器人利 用更复杂的传感器/视觉/执行器组合的能力，以使拟人机器人商业化成为可能 。” 人形机器人的快速发展并非源于单一的技术飞跃，而是多领域多项创新显著融 合的结果。 人工智能的增长极大地增加了拟人化机器人处理人类工作 场所中经常遇到的复杂和微妙场景的潜力。 赋能技术：创新的完美风暴。 9 使能技术 一个突出的例子体现在激光雷达（LiDAR 丹利的报告《摩尔 定律将适用于电池吗？》中所指出的，过去十年间的新电池发展已 逐步使能量密度每两年增加约20%。以这样的速度，我们有望在202 8-30年看到固态电池的商业化——这可能是人形电池容量潜力的一 大突破。 电池储能技术——驱动机器人革命： 随着人形机器人变得更加复杂，随着计算能 力和操作精度的提升，它们不可避免地需要更多的能量。当今的现代人形机器人通 常在运行时的电池寿命为1-3小时 老年人护理，并填补工厂的 劳动力短缺。” 制造业与危险工作： 除老年护理外，其他行业也正面临严重的劳动力短缺问 题。高盛的最新报告指出，人形机器人在汽车制造、灾难救援和核反应堆工作 等危险工作中的潜力。该报告预测，“假设汽车制造以及灾难救援和核反应堆 工作等危险工作的劳动力替代率为5-15%，那么人形机器人的需求量在全球范 围内可能达到110万至350万台。” 13 驱动市场条件 中国和日本的需

要方法。 的用能目标。使能耗管理： ① 变被 动为 主 动 ② 变无 形为有 形 ③ 变经验为 科 学 ④ 变局 部为系 统 通过节能管控、优化调度、挖掘潜力、合理节能，引导地铁能源消费，对建设高效节能地铁智慧能源 管 理系统，实现地铁节能增效，有着非常重要的意义 ! 最终实现节能达到 25% 。 最终目标 让地铁站点管理人员提升能耗管理水平，降低 能耗公示 通过对能耗监测数据的收集、统计和对比，挖掘节能潜力，最终达到节能的目的。节能潜力模块通过后台数 据的计算分析，首先寻找同类型标杆，以标杆为基准做对比，找出量化的差距，然后深层次的挖掘节能潜力， 把待机能耗 ( 包括空调、照明、插座 ) 统计出来，另外再从更换节能灯具的角度入手，向用户展现监测地铁 站点的用能情况和节能潜力空间，直接向管理人员展示诊断结果，为地铁站点后期做管理节能和技术节能提 额量，为成都市地铁提供能耗衡量的 依据， 帮助成都市地铁深入开展能耗定额工作 ( 如：超定额加价等管理措施 ) 。待机能耗：主要是向地铁 管理人员 提供监测地铁站点用能的待机能耗汇总结果，为计算节能潜力提供参考依据。 添加 删除 编辐 能耗类型 0 电 ( 千瓦时 ) 1 电 ( 千瓦时 ) 0 电 ( 千瓦时 ) 4 电 ( 千瓦时

经验化 定量化 由经验化管理向科学定量化管理的转变 10% 降低能源成本 能源管理 | 内置专家系统，助力能源数据深度挖掘分析 指标评估： KPI 对标分析，挖掘节能潜力 能耗预测：辅助制定能源计划 节能评估：核算节能潜力及投资收益 能源驾驶舱：关键信息总览 损耗分析：定位能耗漏洞，减少浪费 定额管理：监督能源计划执行情况 水、电等能源管理，颗粒度小至房间（租户）、分钟、流量，实现数据深度分析。 分体空调全生命周期托管， AI 智能调控 年综合节能率 >20% 降低维保费用 ~50% 延长压缩机寿命 >30% 空调负荷削峰 ~50% 降低运营成本，打造绿色形象 空调全生命周期托管服务 节能潜力评估 方案设计 设备安装 远程监控 节能优化 数据分析 故障诊断 动态修复 通过外置“空调管家“，不改变空调结构，实现 20%-30% 能耗降低 智慧空调管理 | 基于机器学习的故障诊断系统，确保空调健康运行

生活。 智慧社区的“ 绿色内涵 ”： 以信息化为驱动，推动社区生态转型，旨在通过先进适用技术应用 和开发建设模式创新，综合运用信息科学和技术、消费方式、决策 和管理方法，挖掘社区范围内外资源潜力，建设生态高效、信息发 达、经济繁荣新型现代化社区。 智 慧 社 区 “ 智慧社区”的定义：概念与特色 城市发展给城市社区生活带来诸多问题 城市发展意味着生产和消费的更集中、更大规模、更社会化和更高的生产效 对重要能源设备运行状态进行实时监 测，提高动力系统正常运行的可靠性 v 帮助园区管理提高能源管理效率和质量，强化基础信 息设施建设，提高小区信息化水平。 v 实时监测小区能源单耗，分析各居民资源利用效率和 节能潜力；统计各户能源消耗状况，让居民实时了解 到自家能源的使用情况。 典型应用 8 ：社区能源管理计量分析 數字社區平臺對外具有良好的開放式接口， 通過接入中國電信號碼百事通、中國移動 12580 、物業管理公司等第三方信息服務提

节水优先，空间均衡，系统治理，两手发力 以水定城、以水定地、以水定人、以水定产 -- 呼唤“一图掌控、五水共治、三水联调、河长监管” 水资源承载能力 水环境承载能力 节水潜力 生活用水 农业用水 工业用水 环境用水 工程调度 12 下 水 再生水 清水 雨洪水 如何在有限的计量监测下，算清水资源总量？水资源可开发利用量？如何实现用水总量控制？水资源承载能力如何？节水潜力如何？ 水资源状况时空分布 水资源承载能力 水环境承载能力 节水潜 力 生产用水 生活用水 生态用水 生活用水 生态用水 再生水 GDP 预 测 (

3.2 美国 ITS 战略：《智能交通系统战略规划 2020-2025 》重点提出了 6 项重点计 划  注重新兴科技的应用：建立长效机制，识别和评估人工智能等新兴技术在交通系统中的应 用潜力，将具备潜力甚至颠覆性的创新技术引入交通系统。  推动数据共享：建立数据处理机制，推进 ITS 数据的共享，支持基于交通大数据的处理和 利用。  强调网络安全：在交通系统各个环节持续性、系统性的评估

部署阶段。相较而言，中国不仅在“单车智能”领域拥有萝卜快跑、文远知行、 小鹏、理想、蔚来等组合辅助驾驶技术提供商，高已在“车路云一体化”领域进 行规模化建设部署与标准体系设计，领先优势突显，“弯道超车”潜力显著。 图13、中美韩欧日计算机辅助驾驶技术发展大致进度示意图 数据来源：研究员综合前文内容绘制，兴业证券经济与金融研究院整理 四、产业网络覆盖广泛，路、云建设与场景应用值得关注 九识智能等。此类企业大多还未上市，但鉴于这一领域预期的高增长，未来 有可能走出一批高价值企业。近来走入舆论焦点的”萝卜快跑“，虽并非一个独 立的经营实体（属于百度的下属品牌），但其运营的成功，亦展现了场景应用 类业务的巨大潜力。 五、制约因素与前景展望 （一）投资可持续性是“车路云一体化”建设的关键制约因素 路侧、云端建设是关键，投资压力巨大。 “车路云一体化”能否真正发挥作用，取 亿元的产值增量。然而，受制于“单车智能”的固有局限性，无人驾 驶应用仍较为受限（如 Robotaxi 仍需要雇佣大量安全员、无人物流车尚未实 现高频次高速度运用）。考虑到“车路云一体化”有潜力大大降低所需的“安全 员”数量，支持无人车辆提高运营频次与速度，其对服务商进一步“降本增 效”具有显著推进作用。因此，“车路云协同”有望在无人驾驶车辆运营区段 率先落地，通过运营企业的主动投资与政府统筹，初步建立起能支持公共无

乐、安防为一体的理想生活。 以信息化为驱动，推动福利中心生态转型，旨在通过先进适用技术 应用和开发建设模式创新，综合运用信息科学和技术、消费方式、 决策和管理方法，挖掘福利中心范围内外资源潜力，建设生态高 效、信息发达、经济繁荣新型现代化福利中心。 智慧福利中心特点 智慧化的福利中心能够全方位的为老人们提供高品质、高质量的服务。 可视化管理 服务个性化 信息精准化

按量供应，通过基础原子能力的有机 组合统一呈现给智慧城市上层运营音 数据 算法 算力 知识 在底层技术融合基础上，结合垂直领 域场景需求能够开发出特定应用算法， 尽可能地发挥底层技术的价值潜力， 使其更好地服务于现实场景 打破以往因为技术壁垒和管理壁垒形 成的数据孤岛，实现多源异构数据的 共享与交换，通过构建易于人类组织、 管理和利用的仓库服务为城市服务 通过知识计算结构化地分析和挖掘城 的燃料节省，带来显著的经济效益，并促进生 产力 的提升，广泛改善人民收入和生活水平， 构建生态协同创新 智慧工业的技术创新将直接应用于各行各业，其涉及的行业领域比传统经济学别更广，随着全球经济继 续发展，智慧工业的应用潜力也将不断增长 助力双碳目标达成 智慧工业将从石油加工及炼焦、全属冶炼、化工、非全属建材制造等方面系统性的优化工业业务流，最 终实现向绿色低碳、无人化、供需平街等方向的转型 智慧工业：释放工业生产系统潜能

...................................................................................9 1.3 AI 大模型的应用潜力................................................................................................... 重要举措。通过 AI 大模型的深度应用，政府能够更快速、更精准 地响应市民需求，构建一个更加高效、和谐、智能的现代化城市。 1.3 AI 大模型的应用潜力 在当前智慧城市建设中，AI 大模型作为新一代人工智能技术的 核心，展现出巨大的应用潜力。首先，AI 大模型通过海量数据的处 理与分析，能够显著提升城市治理的精准性与效率。例如，在交通 管理领域，大模型可以通过实时数据分析，预测交通拥堵点并提供 应市民的多样化需求，提供个性化的服务解决方案。例如，某城市 引入 AI 大模型驱动的智能客服系统后，市民咨询的响应时间从平 均 3 分钟缩短至 30 秒，满意度提升了 20%。 此外，AI 大模型在公共安全管理领域的潜力同样不容忽视。通 过深度学习与图像识别技术，大模型可以实时监控城市关键区域， 自动识别异常行为或潜在风险，并及时预警。例如，某城市的安全 监控系统在引入 AI 大模型后，犯罪发生率同比下降了 12%，进一