订单不同步、会员数据分散在多个平台、促销活动难以跨渠道协同 —— 这些痛点的本质，是企 业需要一套更灵活、更敏捷的信息系统，用极简架构支撑复杂业务。对于有一定体量的企业，" 简单即高效" ：技术栈越简洁，运维成本越低，业务响应速度越快。 随着业务复杂度指数级上升，我们对 IT 架构提出了 "4A" 诉求 ——Anytime（全时响应）、 Anywhere（全域覆盖）、Anydevice（ 据实时转化为向量特征，能否用 SQL+AI 融合查询实现 "一句话找货"，直接决定了 AI 应用的落地效果。这要求数据库不仅是数据的 " 仓库"，更要是 AI 能力的 "孵化器"，让业务团队无需复杂技术就能调用智能分析能力。 正是在这样的背景下，我们看到了一体化云数据库的价值。它用分布式架构消解了多渠道并发的 压力，用 HTAP 引擎打通了交易与分析的壁垒，用向量原生能力架起了数据与 AI 到 AI 的技术代际跃迁，智能化转型是大势所趋。 打造新一代数据底座是智能化转型的关键支撑 智能化转型对零售企业带来全新数据架构挑战。面对爆炸式增长的业务数据、多模态数据管理要 求、以及数据架构复杂与有限 IT 资源之间的矛盾，传统数据架构已难以胜任。零售企业必须打 造新一代数据底座，从而跨越海量数据洪流与实时洞察的鸿沟，激活企业“一方数据”价值，支 撑 AI 全链路应用，满足综合成本最优诉求。

，做出正确经营决策。 特别说明：本报告中的大量市场及技术资料，仅供企业经营参考用，望企业不要用于其 他商业用途，由此产生的一切后果高工咨询（GGII）将不予承担！ 宏观外部环境的不确定性和复杂性加剧，高工咨询（GGII）和所有参编企业真诚地祝福 每一家志向远大的企业都能制定出高质量经营决策，不断获得新的成长和成功！ 感谢以下联合参编单位（排名不分先后）： 上海昇视唯盛科技有限公司 ，具有技术和工艺成熟， 可靠性高的特点。采用六轴的设计提供了高精度的定位和重复性，这对于需要高精度焊接的 应用至关重要。其次，六轴工业机器人通常具有更高的负载能力，可以处理更重的焊接工具 和更复杂的焊接任务，如点焊、缝焊、弧焊等，通过精确控制焊接参数和路径，提高焊接质 量和生产效率。 协作机器人是工业机器人领域新的分支，与传统的工业机器人相比，协作机器人更强调 安全性、易用性和灵活性 轻量、低或可变的刚度 较大的自重和刚度 辅助设施 传感器种类多样 外接传感器少 投资回报 价格低、易集成、投资回收快 集成复杂、投资回收周期长 作业方式 人机协同作业 耐疲劳、连续作业 操作环境 图形化编程、可拖动示教、操作简单、无 需编程基础 操作复杂、专家编程、专员维护 常用领域 汽车及零部件、3C 电子、金属加工、钢结 构、新能源、船舶行业、其他一般工业 汽车及零部件、3C

产品设计服务，提升设计效率。 • 企业资源计划 ERP：降低原材料成本、优化库存管理以及缩短制造 周期。 • 产品全生命周期管理 PLM：提高产品质量、提高产品开发过程的可 见性、应对新产品的复杂性。 • 客户关系管理 CRM：全方位管理客户关系。 • 供应链管理 SCM：提高供应链响应时间、提高产品质量及安全、改 善延伸供应链网络。 • 制造执行系统 MES：通过信息传递对从订单下达到产品完成的整 发展、“中国制造”的出海需求、“国产化转型”浪潮，以及 VMware 等国外产品的销售模式调整，都为制 造企业 IT 基础设施带来了更为复杂的技术需求。而传统 IT 基础架构使用专用存储硬件、采用集中式存储架构和存算分离架构，导致存储资源分散， 整体架构复杂，难以满足业务需求。通过下表，可以一览业务需求与现有 IT 基础架构之间的矛盾。 业务场景 对基础架构的核心需求 传统基础架构的挑战 核心业务及灾备系统，包括 0，RTO 达到分钟级 控制器架构有性能瓶颈，成本高昂且运维复杂 云原生应用，即运行在容器环境、需要 快速迭代的各类现代化应用 可构建弹性且按需分配的资源池，具备快速上线、安全防 控能力 资源分配和回收慢，虚拟机安全配置复杂且效果差 多厂区建设与管理（含国内外多地分支 工厂） 可实现统一建设与管理，易于维护，且成本低 管理复杂，成本高，占用机房空间 开发测试 性能优异，使用与管理简单，且成本可控

产品设计服务，提升设计效 率。 • 企业资源计划 ERP ：降低原材料成本、优化库存管理以及缩短制 造 周期。 • 产品全生命周期管理 PLM ：提高产品质量、提高产品开发过程的 可 见性、应对新产品的复杂性。 • 客户关系管理 CRM ：全方位管理客户关系。 • 供应链管理 SCM ：提高供应链响应时间、提高产品质量及安全、 改 善延伸供应链网络。 • 制造执行系统 MES ：通过信息传递对从订单下达到产品完成的 达到分钟级 控制器架构有性能瓶颈，成本高昂且运维复杂 云原生应用，即运行在容器环境、需要 快速迭代的各类现代化应用 可构建弹性且按需分配的资源池，具备快速上线、安全防 控能力 资源分配和回收慢，虚拟机安全配置复杂且效果差 多厂区建设与管理（含国内外多地分支 工厂） 可实现统一建设与管理，易于维护，且成本低 管理复杂，成本高，占用机房空间 开发测试 性能优异，使用与管理简单，且成本可控 性能优异，良好的使用体验，可控的建设成本 I/O 风暴影响体验，存储性能存在瓶颈，不易于扩展 AI+ 制造业 满足 AI 应用、模型训练等 GPU 使用场景的高性能需求， 提升资源利用率 涉及复杂的 GPU 适配与硬件改造，计算资源利用率低 国产化转型 实现基础设施软硬件国产化替代 多基于 VMware 等国外厂商方案，订阅成本高，服务保障 存在风险，难以满足国产化需求 业务需求逐渐多元，

重于通过算法和模型对数据进行处理和分析，以实现 对问题的求解和决策；这些处理和分析都是在计算机 虚拟空间进行的，解决的问题也集中在抽象和虚拟问 题 ［9］。然而，这种方式往往缺乏与真实物理世界的直 接交互，难以应对复杂多变的现实环境。相比之下， 具身智能的优势在于其能够让人工智能通过物理实 体与环境进行实时交互，在交互过程中不断学习和适 应环境变化，从而具备更强的环境感知能力、决策能 力和行为能力 ［10］。具身智能能够将感知、认知和行动 听觉传感器则用于语音识别和声音定位，实现人机语 音交互。通过多模态感知技术，具身智能本体能够构 建更加准确、全面的环境模型，为后续的决策和行动 提供可靠依据。例如，人形机器人结合视觉反馈系 统、激光雷达和触觉反馈系统，能够在复杂的生产环 境中精确地抓取和操作物体。在实验室实现中，训练 好的具身智能双臂夹爪能够在虚拟环境进行任意点 位木块感知，决策，抓取，最后拔插。无论红色和蓝色 物体出现在桌面的任何点位，具身智能上肢和双手都 定性。通过强化学习与自适应控制技术的结合，具身 智能机器人能够在复杂多变的环境中进行自主学习 和适应，实现更加灵活、智能的行为。 2.3 具身大模型 具身大模型是具身智能的核心技术之一，它通过 对大规模数据的学习和训练，使具身智能 agent具备强 大的语言理解、视觉感知和决策能力。具身大模型能 够将语言、视觉、行动等多种模态的信息进行融合和 处理，实现对复杂任务的理解和执行。同时，具身大 模型还具有良好的泛化能力，能够在不同的应用场景

展动能，让每一条道路都通向更美好的安全出行图景。 技术突破是根基，安全落地是底线。自动驾驶技术的核 心在于构建全域要素深度融合的智能系统。需要在感知 算法、决策控制、高精定位、计算芯片等关键领域持续 深耕，同时以更高标准解决复杂交通场景下的长尾问题。 但技术的进步必须以安全为前提，必须将“可解释性”和 “可靠性”融入技术研发的全生命周期，构建覆盖汽车研 发、测试、运行的安全框架，让技术始终服务于人的生 命价值。 驶技术作为智能网联汽车发展的关键技术底座，其突破 程度直接决定着产业发展的深度与广度。我国已将智能 驾驶技术发展提升至国家战略高度，通过政策法规创新、 标准体系构建、测试场景开放等多维度推进技术落地。 然而，面对复杂的道路交通长尾场景应对、车规级芯片 性能瓶颈、车用操 作系统自主可控、数据安全与伦理 挑战等关键问题，产业亟需系统性梳理技术路径、研判 发展趋势、凝聚发展共识。 本书中所述的智能驾驶是行业内的一种通俗叫法，涵盖 近年来，在国家政策的持续引导和产业链协同推动作用 下，我国智能网联汽车产业快速发展，逐步成为引领全 球汽车技术变革的重要力量。但随着智能网联汽车的不 断发展，与智能驾驶相关的概念与技术名词层出不穷、 纷繁复杂，消费者理解门槛逐渐升高，购买产品时对于 产品的功能与技术存在“看不懂、理不清、易混淆”等问 题。理清智能驾驶相关概念，既是筑牢消费者知情权与 自主选择权的重要基石，也是推动行业标准化、规范化

交互界 面得以实现更加智能化的人机对话，从而提升用户体验并确保驾驶安全。 通过集成先进的机器学习模型与海量数据集进行训练，智能网联汽车如今已具备了高度自适应的能力，可 以在多变的道路条件下执行复杂的决策任务。例如，在智能辅助驾驶系统中，车辆可基于实时收集的数据流， 运用预测性建模和情境理解来优化路径规划，进而提高行驶效率与安全性。 此外，大数据分析在汽车行业的应用也逐渐成熟，通过收集和分析海量数据，企业能够预测市场和客户 支持。借助云服务，车企能够轻松处理来自全 球各地的用户反馈和行驶记录，并利用这些数据优化产品设计和服务流程，从而为用户提供更加个性化的服务， 如智能导航、远程维护等。更重要的是，云端计算能力使得复杂的 AI 模型算法训练成为可能，加速了新功能 的研发周期，让创新成果更快地惠及消费者。 新技术带来的全新机遇 当前，全球智能汽车市场正处于蓬勃发展阶段。根据 IDC 研究数据显示，2021 年至 驾驶体验提升了驾驶的便利性和舒适性。除了智能驾驶能力 外，智能化汽车还具备自我学习和优化的能力，通过深度学习算法，汽车可以从大量的驾驶数据中提取有用的 信息，不断优化自身的驾驶策略，逐步提升了对复杂交通场景的处理能力。此外，汽车还可以根据用户的驾驶 习惯和偏好进行个性化调整，提供更加符合用户需求的驾驶体验。未来，随着技术的不断进步和完善，汽车将 变得更加智能、便捷和安全，为用户带来全新的出行体验。

3．价值体现 ............................................................................................131 复杂产品的构型管理解决方案 .........................................................................132 1．构型管理概述 厂 SEWC 作为安贝格在中国的姊妹工厂，也实 现了从企业管理、产品研发到制造控制层面的 高度互联，通过在整个价值链中集成 IT 系统 应用，实现涵盖设计、生产、物流、市场和销 售等诸多环节在内的高度复杂的全生命周期的 自动化控制和管理。SEWC 于 2013 年 9 月 11 日正式开始运营，引起了广大用户和分析师的 广泛兴趣。 关于 SEWC，让用户和分析师津津乐道的 是这座工厂不仅是一个数字化企业，而且绝大 近年来，国内大型装备制造企业已认识到 MBD 技术的优势，并逐步开始应用 MBD 技术 进行产品设计，并将 MBD 模型作为制造的唯 一依据。 但仅仅是 MBD 还无法完全实现最初提出 的提高大型复杂系统的设计质量，减少制造交 货时间，以及减少工程变更，减少产品缺陷， 从 MBD 走向 MBE 11

政府报告首提，配套政策不断出台 1.3 地方政府具身智能核心发展需求 02 具身智能产业发展现状 2.1 具身智能市场规模不断扩大，人形机器人资本热度不断上升 2.2 技术泛化能力不足以满足场景需求复杂度，商业回报阈值不足以 支撑量产成本 2.3 科研与工业制造率先迈入商业化试点， 同时渐进突破其他领域 2.4 产业图谱 03 具身智能应用场景洞察 3.1 科研场景 要素一：环境 要与环境交互 人 - 机 本体 - 物理环境 多机 感知： 开放环境，感知能力 与环境的交互 呈现拟人化交互 行动： 复杂操作，行动泛化 人形机器人不仅具备感知和決策能力，还能通过机械臂、 轮子等执行器与物理世界互动，完成复杂任务。这种结 合感知、决策和行动的能力，正是具身智能的核心特征。 亿欧智库：具身智能的三大要素和典型代表 eVTOL 要素三：智能 率 抗击打和抵冲击能力——野外复杂环境 内部软硬系统的紧密耦合挑战 动作控制算法与产品硬件的紧密耦合——灵活 性 量产成本 关键零部件产能不足，依赖进口 行星滚柱丝杠，无框力矩电机 制造维护成本高 主流人形机器人售价均超过 40 万元 B 端客户接受度有限 u 受限于产品形态的合理性和内部硬件系统结构， 目前具身智能无法适应多复杂场景的不同需求，人形机器人的市场渗透较低，只能从环境相对封闭，

某风电厂将齿轮箱运行机理和故障数据联合 建模,不仅大幅提升了故障诊断的精度,还赋予了故障 结果清晰的物理意义。 再者,知识推理决策类技术通 过定量复杂决策和异构数据知识自构建等技术手段, 有效应对了制造业中知识传承及实训难题,为构建更 加丰富且精确的知识网络、辅助复杂决策提供了有力 支撑。 如沃丰科技开发的多源异构数据对齐技术,利 用构建工具自动生成汽车装配知识图谱,显著提升了 机械设计效率与品质 策。 制造业与 AI 的融合还体现在智能化的硬件设备, 如将工业机器人与新兴的 AI 大模型技术融合,形成智 能工业机器人。 与传统的工业机器人相比,智能工业 机器人通常更加灵活、自主,能够适应更复杂的环境, 同时具备一定的运动规划、运动控制和人机交互的能 力。 在国内大模型厂商中,创新奇智的 ChatRobot 生 成式工业机器人,借助工业大模型能力,构建了多模 态、端到端的视觉-语言 � �#U� ��E�-/KAI��4@ 图 2 大模型制造业应用场景图 总而言之,制造业 AI 应用的深化发展,正引领着 制造业智能从简单识别类任务向建模优化、知识推理 决策、组合应用等复杂应用演进。 随着技术的不断成 熟和应用场景的不断拓展,AI 专用小模型将在提升工 业自动化水平、优化生产流程、降低成本和提高效率等 方面发挥越来越重要的作用。 3. 2 大模型技术已逐渐渗透制造业