智能领域的前沿方向，正从理论研究阶段迈向实际应 用，开启人机深度协同的新纪元 ［1］。 2023 年以来，具身智能在技术突破和应用拓展方 面取得了显著进展。计算机视觉中激光雷达、深度相 机等感知技术的进步，使具身物理本体能够实现毫米 级环境感知 ［2］；强化学习、模仿学习、自适应控制等人 工智能算法的发展，让具身智能在虚拟仿真环境中通 过大量试错优化策略，并将经验无缝迁移至真实场 景 ［3］；Vision-Language-Action agent（如 机器人、无人机、智能汽车等）通过物理实体与环境实 时交互，实现感知、认知、决策和行动一体化的智能系 统 ［8］。其核心理念在于强调智能的本质必须通过物理 实体与环境的动态互动来塑造和体现，突破了传统人 工智能仅依赖符号推理和虚拟计算的“离身性”局限。 具身智能的智能体能够利用自身的传感器感知周围 环境的信息，通过对这些信息的理解和分析做出决 策，并通过执行器执行相应的动作，从而实现与环境 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 紧密结合，形成一个闭环的智能系统，使智能体能够 更加灵活、智能地应对各种实际问题 ［7］。 1.3 具身智能与传统机器人、工业机器人的区别 具身智能的起源可追溯至

大模型对汽车产业链的影响 1 ChatGPT 与 AI 大模型 目录 级别 名称 定义 驾驶操作 环境感知 支援 系统作用域 0 无自动化 • 由驾驶者完全操控汽车 驾驶者 驾驶者 驾驶者 无 1 驾驶支援 • 系统有时能够辅助驾驶者完成方向盘和加减速 等驾驶操作 驾驶者与 系统能够完成某项驾驶任务 • 驾驶者需要监控驾驶环境 • 其余驾驶操作由驾驶者完成 驾驶者与 系统 3 条件自动化 • 系统负责某些情况下环境感知 • 驾驶员需要时刻准备取回驾驶控制权 系统 系统 4 高度自动化 • 系统能够进行环境感知 • 驾驶员不需重新取得驾驶控制权 • 系统只能在特定环境条件下运行 系统 全部 行驶任务 5 完全自动化 • 系统能够完成所有环境条件下的所有驾驶任务 系统发展概况 AI 大模型将从根本上改变自动驾驶产业的发展 资料来源：中信证券 硬件配置方面 ，需要车辆使用满足 L3 级自动驾驶功能的智能化传感器 ，如摄像头、激光雷达、毫米波雷达等， 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力 ，能在毫秒之内识别信息 ，并提出应 对策略。 应用智能传感器是实现 NOA 的基础 无论是多传感

于创造社会价值，才能让科技成果转化为普惠民生的发 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 智能驾驶相关概念分类 02 1.2 智能驾驶的逻辑架构 04 1.3 数据是智能驾驶发展的核心 06 第二章 智能驾驶技术架构与关键能力 08 2.1 车端硬件 09 2.1.1 感知硬件 09 2.1.2 域控制器 13 2.1.3 执行硬件 18 2.2 车端推理 19 2.2.1 算法架构演进 19 2.2.2 算法场景应用 20 2.3 云端训练 类执行动态驾驶任务，当功能激活时，驾驶主体是系统， 各级核心区别如下： （1）0 级 驾 驶 自 动 化（ 应 急 辅 助，emergency assistance）系统不能持续执行车辆的横向或纵向控制 任务，但具备一定的环境感知和事件响应能力，系统 可以在特定情况下短暂介入车辆控制，以辅助驾驶员 避险。 （2）1 级驾驶自动化（部分驾驶辅助，partial driver assistance）系统能够在特定条件下持续控制车辆的横

定义：具身智能是一种基于物理身体进行感知和行动的智能系统，强调机器与环境的交互能力。人形机器人作为具身智能的典型代表，被视为实现 具身智能的最佳载体之一。 u 具身智能的经济理论基础在于其通过技术融合与产业升级，推动新质生产力的发展，实现劳动生产率的提升和产业结构的优化。 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 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 要有智能提升 LLM 决策 知识学习 思维推理 人形机器人 亿欧智库：推动新质生产力建设的重要引擎 亿欧智库：我国具身智能技术与应用已走在国际前列 • 2023 年我国在人形机器人专利申请量达 6,618 件， 有效专利 3,110 件，均居全球第一 • 机器人本体制造、 多模态感知、 自主决策等技术 成 果显 著，产 业链配 套 完备 ，硬件 成 本优 势明显 亿欧智库： 2025 年中 - 国具身智能相关政策 日本正在将机器人纳 入社会并使机器人成 为其社会基础的关键

能 ” 的最佳平衡点。 面壁智能迭代的最新版本 MiniCPM-S 1.2B 采用了高度稀疏 架构 ，通过将激活函数替换为 ReLU 及通过带渐进约束的稀 疏感知训练 ，巧妙地解决了此前主流大模型在稀疏激活上面 临的困境。 在通用大模型越来越卷参数规模和算力的情况下 ，如何通过 架构和算法创新去规避算力和成本的短板 ，我们认为小参数、 科 能 源 文心大模型在百度感知 2.0 中发挥了重要作用 ，主要提升 3D 感知能力 ，解决远距离检 测和长尾物体识别两大难题。 百度使用半监督、 自训练方案对大模型进行训练 先用有标签数据对模型进行初始启动训练 ，后将模型在无标签数据上进行推理得到 伪 标签 ，最后合并有标签数据和伪标签数据对模型进行进一步训练。如此往复。 训练完感知大模型后 ，百度利用知识蒸馏的方法将伪标签用于车载小模型的学习 模型的学习 ， 从 而增强车载小模型的远距离感知能力。 使用了百度文心 ERNIE 3.0 大模型 ，在智能客服知识库扩充、车载语音系统短答案生成、 汽车领域知识库构建三个任务上进行了微调与验证。 该大模型在 2300 万条吉利汽车专业领域无标注数据上进行模型预训练 ，并联合双方的 人 工智能专家和汽车行业专家一起研发。 应用于提升百度自动驾驶感知算法 产业研究 战略规划 技术咨询

2025 年第 2 期 上海航天（中英文） AEROSPACE SHANGHAI （CHINESE & ENGLISH） 强调的是“智能”，要实现设备像人一样具备思考、判断 和交流的能力，实现智能感知与智能决策，具有单元组 模块化、决策智能化、控制数字化与自动化等特点 ［6-10］。 卢秉恒院士等 ［11］在《离散型制造智能工厂发展战略》中， 提出了离散型制造智能工厂的内涵，从智能设计/工艺/ 以精确流程控制+精准计划调度+精益资源配套+ 精细质量控制为核心的精益生产管控。4） 智：工厂 智能感知-分析-决策-执行能力，包括生产状态智能 感知、故障瓶颈智能诊断、运行风险智能预警、计划 资源智能调度等能力。5） 联：全要素、全过程互联互 通能力，包括产业链上下游设计-制造-配套多企业跨 域互联、工厂制造全要素互联感知能力。 图 1 卫星总装智能工厂内涵 Fig.1 Connotation of the ，支撑 业务集成与创新应用。4） 通信层：建立“多网络环 境+多采集手段+多传输方式”相结合的跨域信息 协同环境及工业互联网平台，满足设计-制造-配套 多单位远程跨域协同、工厂制造全要素数据感知需 求。5） 设备层：开发应用激光投影装配引导、视觉 在线检测、智能辅助装配、高精度在线测量、自动仓 储物流等系列成套智能装备，提升卫星工厂设备。 6） 产线层：形成以大中型卫星脉动式总装生产线+

两种模式各有优势，示教型机器人易于理解和操作，适合于重复性高、焊缝路径固定的 任务；而智能焊接机器人则更加智能和灵活，适合于复杂或变化频繁的焊接任务。 随着技术的进步，未来的焊接机器人可能会融合更多智能感知和自主决策能力，进一步 提高焊接的质量和效率。 2025 智能焊接机器人产业发展蓝皮书 17/141 图表 6 传统示教焊接机器人 vs 免示教智能焊接机器人 2017-2025 年全球工业机器人销量增长趋势及焊接机器人占比(单位：万台，%) 数据来源：高工机器人产业研究所（GGII）整理 焊接机器人的发展路径体现了从简单的示教--再现模式向更先进的感知型系统，最终迈 向高度智能化的发展趋势。过去，无论是国内还是国际市场上的焊接机器人大多采用的是示 教--再现技术，即通过人工教导机器人进行特定动作，并随后重复这些动作。然而，随着机 38.1 智能焊接机器人产业发展蓝皮书 27/141 器视觉和传感器技术的进步，现代焊接机器人已经能够感知周围环境的变化。利用集成的视 觉传感器和线激光等技术，机器人可以灵活地调整其操作行为，确保即使在环境条件变化时 也能顺利完成焊接任务，从而显著提升了焊接过程的智能化水平。 对于智能焊接机器人，不但需要具有感知能力，而且具有独立判断、行动、记忆、推理 和决策的能力，能适应外部对象、环境协调地工作，能完成更加复杂的动作，具备故障自我

发改委、能源局、 应急部、煤矿安 监局等八部委 《关于加快煤矿智能化发展的指导意 见》 将人工智能、工业物联网、云计算、大数据、机器人、智能装备 等与现代煤炭开发利用深度融合，形成全面感知、实时互联、分 析决策、自主学习、动态预测、协同控制的智能系统，实现煤矿 开拓、采掘 ( 剥 ) 、运输、通风、洗选、安全保障、经营管理等过 程智能化运行。 2020 年 4 月 工信部、发改委、 亿欧智库 - 叶子 (355826) © 亿欧智库 - 叶子 (355826) 煤矿智能化全面应用 ： 各类煤矿基本实现智能 化，构建多产业链 ，多 系统集成的煤矿智能化 系统，建成智能感知、 智能决策、自动执行的 示范煤矿中提炼技术规范与标 准体系 ：大型煤矿和灾害严重 煤矿基本实现智能化，形成煤 《能源技术革命创新行动计划（ 2016- 2030 年）》 到 2030 设备数据 2.1.3 技术端视角下 ，智能矿山解决方案技术架构图 u 从技术端视角下，现有智能矿山建设技术架构通常由“感知层”、“传输层”、“边缘层”、“数字平台层”构成，也有总结为“云 - 边 - 端” 的智能矿山 解决方案技术架构。 亿欧智库：智能矿山解决方案技术架构图 传输 层 以太光口 以太电口

l l l l l l l l l l 生产无人化系统 设备预测性维护系统 智能化集控中心 产销存一体化系统 数字营销网络 产业链生态协同平台 移动互联； 全连接全感知全计算； 工业 5G 专网 中心云、边缘云 l 人工智能 5G 融合应用场景： ** 依托 5G 拓展 5 大生产工序场景全景图 面向水泥生产的 5 大生产工序 8 个主要业务环节 ， ** 矿山机械远程操控通过线控改造并装备 高精定位及环境感知 部件，实现作业现场视频数据实时采集及监控，并部署 远程操控端 （多功能遥控 座椅等）下发指令，实现高精度定位及远程操控，并通过技术措施 提升自动化水平及远程操控效率 。 • 视频拼接及 AR 辅助 • 远程操控辅助驾驶 • 远程操控安全保障 智能姿态监控及 激光雷达 视觉感知 毫米波雷达 痛点分析 • 自然环境恶劣，扬尘多，只能白天工作，开采 驾驶人员的工作环境得到改善，降低安全风险； • 采矿由原来的两班变三班，增加夜间采集，矿石产量增加。 方案架构 开采服务： 基于 5G 的矿卡无人驾驶系统（ 2/3 ） 矿卡自动驾驶通过线控改造并装备 高精定位及环境感知 部件，基于路径动态规划，实现 矿区无人驾驶、自主避障和会车 等功能，并实现矿卡 与有人矿卡、电铲等装备的 V2V 通信，矿卡与卸料点的 V2I 通信，实现 协同装载，协同卸载，混编运行 。 •