CCID CCID CCID ID 5 创新产出 • 规模以上工业企 业有效发明专利 数 • 规模以上工业企 业专利申请数 • 规模以上工业企 业每百名研发人 员有效发明专利 申请量 • 规模以上工业企 业每亿元主营业 务收入有效发明 专利数 创新协同 • 规模以上工业 企业 R&D 经 费 外部支出 • 技术市场交易 技术市场交易 合同金额 创新资源 • 规模以上工业企 业 R&D 经费投 入 强度 • 规模以上工业企 业 R&D 经费占 全 社会研发投入 比 重 • 规模以上工业企 业 R&D 人力投 入 强度 • 规模以上工业企 业有研发机构的 企业占比 • 规模以上工业企 业办研发机构的 仪器和设备原价 CCID CID CCID CCID CCID CCID 创新绩效 • 规模以上工业 企业新产品 销 售收入占 主营 业务收 入的比 重 • 高技术产业主 营业务收入 • 高新技术企业 工业总产值 创新环境 • 本专科毕业生 数 量 • 规模以上工业 企 业研发经费 内部 支出中的 政府资 金 • 全部工业增加 值 CCID

7 2、智算需求持续高涨，核心驱动力由“训练”转向“推理”............................................................8 3、AI 应用加速规模落地，带动智算产业发展向深向实...........................................................10 （一）AI 从“生成式”走向“代理式”，将带动算力市场持续高速增长。10 ... 19 （三）单芯片算力逼近极限，系统级创新成重点方向。................................................20 2、我国万卡级集群初具规模，海外加快十万卡级规模集群部署.........................................21 （一）万卡级集群成大模型训练标配，我国万卡集群的国产化比例超半数。......21 （二） ...........................46 智算产业发展研究报告（2025） 3 引 言 人工智能引领新一轮科技革命和产业变革，正在重塑全球经济格 局，十年内将推动全球经济规模增长 15% [1]，2035 年将为我国 GDP 贡 献 11 万亿 [2]。2025 年，政府工作报告指出“持续推进‘人工智能+’ 行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型

物理系统中胜任复杂的生产任务；二是在产业应用层面，领军企业正重新定义“试点”的范围。为 了推动规模化应用，这些企业不再局限于单个用例，而是将视野拓展到整个生产网络，通过全面 布局推动转型升级。 围绕该话题，我们拟发布系列文章（共三篇），将立足于全球制造业的发展实际，深入探讨领军 制造商对AI的战略部署，以及企业在实现AI快速、大规模部署过程中需要构建的核心能力。作为 系列文章的开篇，本文将重点诠释为何AI的成熟 标志着4IR拐点的到来，解码领先制造商如何利用 AI重塑竞争优势，并列举制造商在行业竞争日益激烈的当下，需要考虑的三种战略对策——创 新、加速以及追赶。后续两篇文章将分别聚焦AI对制造业的规模化影响，以及推动AI应用所需的 基本能力。 新技术采用的S曲线 通过对历史上多次工业革命的回顾与分析，我们不难发现，它们的发展轨迹均呈现出一种S型的 曲线特征。一阶段是“学习曲线”，往往历时较长，且早期先行者会在摸索如何使事物运转的过程 截至目前，全球灯塔网络有153家成员。这些制造业的领军者在4IR技术的采用上，要平均领先于 其他制造商3~5年。如今，用例试点已不再是他们的关注焦点。对拥有多个灯塔工厂的企业而 言，其生产网络都可作为大规模网络部署的试点。现在，领先企业可同时在10或50家工厂中捕捉 4IR技术的价值，而其他企业仍在努力寻找单个工厂的价值。 随着灯塔企业不断加速发展，在成熟度上，领先与落后企业间的差距也在不断拉大。而近几年愈

.......... 23 智能驾驶智算数据平台发展研究报告 1 1 智能驾驶智算数据平台定义及预期功能 1.1 智能驾驶智算数据平台定义 端到端自动驾驶要求海量高价值数据、超大规模算力和专业适配算法作为支 持。自动驾驶领域数据类型多样、格式复杂、算力分散，且以 Transformer 为基 底的人工智能网络模型结构在智能驾驶领域的适应性尚未被充分验证。建立行业 级智能驾 特斯拉在数据、算力和算法方面均处于国际领先地位。数据方面，特斯拉通 过保持少量标准化的车型并搭载“影子模式”，采集格式统一的道路交通和驾驶 行为数据，数年来累积了大量的高价值数据。算力方面，特斯拉 2024 年底平台 算力总规模扩大到相当于 30 万块 A100 显卡的总算力，约为 100 EFLOPS（FP16）。 算法方面，特斯拉引领了 BEV、占据网络以及数据闭环端到端等自动驾驶技术 研发，并且开发了高度真实的仿真平台，兼具 等项目为智能驾驶领域的数据信息沟通和资源交换奠定了良好基础。 2.2 国内现状分析 2.2.1 国内智算中心建设情况 下述智算中心算力规模情况等信息详见附录 1。 （1）整车企业与智驾供应商智算中心 随着智能驾驶技术的快速发展，越来越多的整车企业和智驾供应商开始重视 智能驾驶智算中心的建设，算力规模不断提升，为智能驾驶模型的开发和测试提 供了强大的算力支持，有力地推动了智能驾驶技术的发展和应用。 （2）互联网科技厂商智算中心

1.1 具身智能是推动新质生产力建设的重要引擎 1.2 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 产业培育行动计划》 目标： 2027 年培育核心企业超 50 家，量产规模破万台， 落地科研教育、工业商业等场景。 深圳 2025.03 《深圳市具身智能机器人技术 创新与产业发展行动计划 （ 2025-2027 年） 》 到 2027 年，深圳市具身智能机器人产业集群相关企业 超过 1200 家，关联产业规模达到 1000 亿元以上。 上海 2025.04 新一代通用人工智能 能发展新赛道。 同时提及提出到 2027 年，突破百余项关键技术，产出不少于 10 项国 际领先的软硬件产品；支撑不少于 100 家创新主体开展技术创新； 实现不少于 100 项规模化应用，量产总规模率先突破万台，培育千亿级产业集群； 建设不少于 2 个具身智能特色产业集聚区，打造具身智能领域产教融合基地，营造具有国际影响力的具身智能产业生态。 上海 产业端落地，工业级具身智能第一城

Big-data Driven ，模型基于大规模语料训练而成； Multi-tasks Adaptive ，支持多种任务 ，包括自然 语言生成 NLG 和自然语言理解 NLU 类的任务； AI 大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模 型 产业研究 战略规划 技术咨询 ，在少甚至无标注样本的 条件下支持推理（自监督学习）。 将模型在下游各种自然语言处理任 务上的小规模有标注数据进行微调 得到适配模型 预训练语言模型 从海量数据中自动学习知识 将模型在大规模无标注数据上进 行自监督训练得到预训练模型 不同特定任务 有标注训练数 据 模型预训练 模型微调 最终模型 ⼤规模⽆标注 ⽂本数据 预训练语⾔模型“预训练 + 微调”技术范 式 预 训 练 测试数据 GPT-4V (OpenAI) GPT-2 (OpenAI) GPT-3 (OpenAI) ViT (Google) PaLM (Google) (Stanford) 大模型参数规模不断增长，推动 AIGC 技术升级。 AIGC 技术发展的背后是大模型（ Foundation Models ）技术的持续迭代。从 2017 年 Transformer 结构 的提 出，加速了深度学习模型的参数学习能力。另一方面，

化工园区通常由多个相关联的化工企业构成,产业耦合度高,基础设施专业性强,物质流动规模大, 能量密度高,安全与环境风险高。化工园区的循环化改造、绿色化工园区和智慧化工园区建设等已成为 推动化工园区绿色、低碳、循环和高质量发展的常态工作。 国家标准中现在没有专门针对化工园区的综合评价标准,国外也没有类似的相关标准。当前化工 园区众多,产业规模、建设和发展水平参差不齐,规范化管理工作面临很大挑战。指导化工园区评价管 对不同类型的化工园区设立不同的评价指标或阈值。 5. 3 系统评价原则 应建立结构化的评价指标体系,注重定性与定量评价的结合;对化工园区的产业、基础设施和管制 形态的发展阶段和水平做出定性判断;对化工园区的发展规模、结构、效率和水平做出定量评价。 5. 4 可统计、可监测、可考核原则 应同时考虑目标导向性和数据可得性,建立综合评价的统计、监测和考核体系。 6 评价指标 6. 1 指标要素 化工园区综 环境影响评价 应通过区域环境影响评价或规划环境影响评价审查,评估报告在时效期内。 6. 2. 3 安全风险评估 应经过整体安全风险评估,且满足安全风险基准要求,评估报告在时效期内。 6. 2. 4 面积规模 用地面积应满足发展建设需要,化工园区总体发展规划中应明确建设用地面积,包括公共管理与公 共服务用地、工业用地、物流仓储用地、交通设施用地、公用设施用地、绿地等,不包含山峦、河流和基本 农田。

全球主要零部 件企业营收规模遭遇了近年来的首次负增长，欧洲、日韩等传统强势市场普遍承 压，区域间、企业间的分化进一步加剧。 面对全球市场的深刻变化，中国零部件企业展现出了强劲韧性与增长潜力。借助 内需回暖与出口扩张双轮驱动，中国企业在新能源、智能化等核心领域加快国产 替代和全球布局，营收规模和百强企业上榜数量持续提升，全球竞争力不断增强。 但与此同时，产业规模与利润增速放缓，头部集聚效应加剧，中国企业在全球化能 中国零部件企业出海五大考量要素 现状一：营收规模负增长 趋势一：总体规模及利润总额增速放缓，头部虹吸效应凸显 产业格局趋势 中国零部件企业海外业务发展趋势 品牌趋势 04 06 12 18 05 07 16 20 05 07 13 19 16 目录 全球汽车零部件 发展概览 5 2025年全球汽车供应链核心企业竞争力白皮书 | 现状一：营收规模负增长 2024年百强企业总营收1为82 全球营收承压背景下，中美企业实现逆势增长。据统 计，中国上榜企业2024年营收规模同比增速为9%， 且新增上榜企业数为4家，新增企业数分区域位列第 一，显著优于全球各地区整体表现。增长来源于刺激 内需、出口驱动以及电动智能化趋势下的核心部件国 产替代加速，中国企业快速适应新趋势，积极布局。 美国上榜企业2024年营收规模同比增速为5%，主要 得益于北美汽车供应链回流、本土车企订单稳定等带 动效应。

从产业现状看，中国智能焊接机器人已在钢结构、船舶、隧道桥梁、能源等领域实现规 模化应用，且在上述行业中渗透率持续上升，呈现出显著的积极发展态势。这将为智能焊接 机器人的大规模应用创造有利条件。然而智能焊接机器人要达到大规模商业化应用的程度， 还需克服诸多技术与非技术难题。 本蓝皮书以智能焊接机器人为核心，重点阐述了其各核心模块的发展态势，其中包含焊 接机器人本体、3D 视觉及激光焊缝跟 ............ 26 图表 12 2022-2030 年全球智能焊接机器人市场销量及预测（单位：万台，%） .. 27 图表 13 2022-2030 年全球智能焊接机器人市场规模及预测（单位：亿元，%） .. 28 图表 14 焊接机器人本体主要代表厂商 ..................................... 29 图表 15 2016-2025 .... 31 图表 17 2022-2030 年中国智能焊接机器人市场规模及预测（单位：亿元，%） .. 31 图表 18 线激光焊缝跟踪传感器和 3D 结构光相机特点对比 .................... 32 图表 19 2022-2030 年中国智能焊机器人视觉/激光跟踪系统市场规模及预测(单位：亿 元) ............................

［3］；Vision-Language-Action 大模型的出现，进一步增 强了具身智能的泛化能力，使其能够适应不同的应用 场景 ［4］；分布式协同技术则构建了多智能体协作网络， 提升了群体智能的规模效应 ［5］。 随着技术的不断成熟，具身智能的不同初级形态 已广泛应用于工业制造、医疗健康、自动驾驶、家庭服 务等多个领域，为各行业的智能化升级提供了强大动 关键词： 具身智能；技术架构；应用案例；发展挑战；未来趋 具身智能技术演进、工业应用实践与未来展望［J］. 邮电设计技术，2025（7）：35-40. 35 2025/07/DTPT 力 ［6］。尽管具身智能得到了一定程度的应用，但现阶 段并没有实现技术的全面突破，也没有形成规模化市 场，其发展仍面临诸多挑战。数据获取与仿真鸿沟、 硬件限制、软件生态标准化缺失以及伦理与安全等问 题，制约着具身智能的进一步发展和广泛应用 ［6］。因 此，深入研究具身智能的技术架构、应用案例、发展挑 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