决策与交互的重要路径，对通用人工智能的发展具有关键意义。梳理了具身智 能的核心能力维度，分析了当前标准化工作的进展与挑战，提出评测体系设计 原则与关键指标，探讨了典型评测方法与平台实践。尽管初步标准框架已形 成，但在多模态交互、群体智能等方面仍缺乏系统标准，评测工具亦亟待升级。 未来应完善分领域标准、建设权威评测平台、加快国际接轨，并同步推进伦理法 律规范，推动具身智能生态规范发展。 Abstract： Embodied 化应用。 在国家层面， 《国家人工智能产业综合标准化体 系建设指南（2024 版）》将具身智能列为人工智能关键 技术标准体系的重要组成部分 ［9］。该指南提出制定多 项具身智能相关标准，涵盖多模态交互、自主学习、仿 真模拟、群体协同等方面，体现了国家层面对具身智 能标准化的顶层设计和统筹规划。 在产业层面，AIIA 2023年牵头成立了具身智能工 作组，并于 2024 年发布了“具身智能标准体系 在评测基准建设方面，NVIDIA 推出的 Omniverse 平台为具身智能系统提供了高保真度的仿真环境，支 持多模态数据的生成与处理，广泛应用于工业仿真和 机器人训练等领域。Meta AI 发布的 AgiBot World 数 据集包含但不限于视频、音频和文本样本，为多模态 研究提供了丰富的数据资源，促进了具身智能系统在 感知与理解方面的能力提升 ［13］。 在系统认证方面，UL 公司发布的

gence 维度 传统 Al ( 如 ChatGPT, 图像识别 ) 具身 Al ( 如家庭机器人，自动驾驶 ) 环境 静态、封闭的数字世界 动态、开放的物理世界 输入 单一或特定模态 ( 文本、图片 ) 多模态、实时传感器数据流 输出 数字信号 ( 文本、标签、概率 ) 物理动作 ( 移动、抓取、说 话 ) 目标 模式识别、内容生成 在环境中完成具体物理任务 学习 基于大规模静态数据集 黄仁勋表示，人工智能的下一个浪潮是具身智能。英伟达发布多模态具身智能系统 VIMA, > 2023 年，李飞飞等提出 VoxPoser 系统，将大语言模型 (LLM) 接入机器人。 > 2023 年，英国 EngineeΓed Arts 为 Ameca 接入 GPT:3/4 增强了其语言的灵活性并增强了其面部表情 , > 2023 年，中国傅利叶推出 GR-1 通用人形机器人，多模态大模型、高度仿生的躯干构型、拟人的运动控制；宇树科 本体：智能体的物理载体，具备感知、运动和操作能力。本体的形态和功能直接影响智能体的任务执行能力。 > 智能：负责感知、理解、决策和控制的核心模块，通常由多模态大模型 ( 如 LLM 、 VLM) 驱动。通过整 合视 觉、语言、触觉等多种模态数据，生成适应环境的行动策略。 > 环境：智能体交互的物理世界，包括动态变化的场景和任务目标。环境的复杂性和不确定性要求智能体具备 强大的适应能力和实时学习能力。

非结构化数据存储 ( 文本、文档、图片、图像等 ) — 一 向量引擎 A P S A R A 云 栖 大 会 Lindorm 一站式车联网数据平台 多模态 半结构化 + 非结构化 数据 向量 + 标量 语言大模型 + 多模态大模型 AI 服 务 模型服务 ( 灵积、魔搭 LLM 、 Embedding) ( 异构算力 :GPU+CPU) 20% 成本 2-10 倍压缩，冷热分离 P S A R A 云 栖 大 会 多模态检索：文搜图、图搜图、标注搜图 Step1 向量提取入库 图片 图像 Step3 图搜图 • 选择雨天黑色的小汽车 • 搜索相似图片 Step4 标注搜图 • 选择图片，标注“摩托车” • 搜索包含标注的图片 Step2 文搜图 • 雨天的黑色小汽车 阿里云多模态大模型 (OpenTrek) 标签 +BLOB

“技术栈、工程域、行业线”分层协同演进的智能化转 型标准架构。 图 3 软件工程智能化标准建设架构 技术栈聚焦 AI 驱动的底层技术体系。核心构建层聚焦 AI 驱动的 软件工程底层技术，包括大模型/智能体开发框架、多模态数据工程 软件工程智能化标准体系建设指南（2025 年） 11 能力等，具备规模化服务支撑能力。适配层/集成层聚焦跨平台工具 链整合方案、社区协作组件及异构系统兼容性技术，重点评估标准化 接口与生态扩展性。 。以 AI for OPS 为核心实现故障预测、根因定位、自愈执行的闭环管控， 通过日志智能分析、异常模式挖掘、演练自动化提升系统韧性；以 Ops for AI 深度赋能智能体系统运维，建立多模态模型监控、LLM 应 软件工程智能化标准体系建设指南（2025 年） 12 用性能调优、对抗环境演练等机制，确保 AI 系统鲁棒可控。二者联 动，形成“AI 驱动运维提效，运维保障 AI 可靠”的自治循环。 代码提交、构建工件、测试用例、缺陷追踪、部署单元、性能指标等 实体及其关联关系。在此基础上建立三层数据工程体系：在采集层实 施数据血缘追溯与质量校验，保障数据的完整性、一致性与时效性； 在存储层依托弹性云基础设施构建多模态数据湖，支持时序数据、图 软件工程智能化标准体系建设指南（2025 年） 13 数据及文档数据的混合处理；在服务层提供准实时数据管道与统一访 问接口，为上层智能应用提供高质量数据供给。关键价值在于将离散

等能力， CRM 系统正在从传统的“人驱动系统”转变为“系统辅助人”，形成新 一代的智能化、对话式交互范式。 当前的大语言模型不仅能够更深层次地理解客户的语言、行为、 意图和情绪，还具备跨模态的表达和信息融合能力，显著提升了系统 的交互及个性化服务水平。在大语言模型的支持下，CRM 系统在营 销、销售、服务等多个场景下从工具角色转变为“智能辅助”的角色， 智能驱动增长：人工智能客户关系管理系统研究报告（2025 的驱动下，CRM 系统正逐步转向呈现全场景化嵌入、高个性化响应、 强自然语言理解趋势的新型交互模式。未来，大模型将更加深入地实 现 CRM 系统的全场景、全角色、多模态的智能化驱动，推动系统向 主动式多智能体、人与系统闭环协同决策以及多模态交互和感知融合 等方向演进。 （二）智能化核心能力演进 通过引入 AI 技术，CRM 系统的智能化核心能力正经历从辅助工 具到智能中枢的转变。当前，AI 从而构建精细化的用户画像。智能化系统也能够基于用户画像，根据 客户的个体特征及所处的不同生命周期进一步生成个性化的营销内 容、优惠信息及产品推荐，帮助企业实现千人千面的精准触达。 随着大语言模型、多模态融合等技术的发展，CRM 系统中的个 性化正迈向更加智能、动态和情境感知的体验，主要表现为以下核心 优势： 1) 多源数据融合：AI 技术使系统能够更好的实现结构化与非结 构化数据的融合分析。通过整合对话内容、客户购买记录、

务效率的“加速器”、客户运营的“显微镜”。在渠道管理中，通过统一数据口径、沉淀全生命周期合作数据，实现 “厂商赋能渠道、渠道反哺市场”的双向共赢。 而当大模型应用成为企业提效的标配，数据的安全性、及时性、多模态处理能力成为AI应用落地的前提：不合规 的数据可能引发法律风险，低质量的数据会导致模型输出偏差，非结构化数据的割裂会阻碍智能应用的深度落地。此 时，CRM系统既要具备数据采集、清洗、治理的全流程 明确数据主权与责任边界。 4.1 25 CRM数据治理及应用实践蓝皮书 数据安全合规成为 企业AI应用的门槛 02 高质量数据是AI应 用的优质生产资料 高质量 数据 连续性 及时性 多模态 结构化 ◎ 多模态 客户在获取服务过程中的语 音 、 照 片 等 都 包 含 重 要 信 息，AI在赋能服务过程中，需 要读取理解这些语音及图片 含义，才能精准回复客户。 ◎ 连续性 汽车行业中，企业基于客户 的数据管道自动流入基于云原生技术构建的Lakehouse，确保数据的新鲜度和一致性； ◎ ERP、MES等企业系统数据：通过统一的流批一体数据同步引擎进入 Lakehouse，消除数据孤岛； ◎ 多模态数据：合同文档、产品手册、企业知识库、会话记录等非结构化数据，经过向量化引擎转化为语 义向量，存储在统一的Lakehouse中。 赋能企业以客户为中心 29 CRM数据治理及应用实践蓝皮书 租户数据隔离

HYGON 海光DCU行业实战手册 方案亮点 / HIGHLIGHTS 实施效果 / IMPLEMENTATION RESULTS 海曦技术基于海光DCU与国产大模型打造心理筛查一体机，首创游 戏化多模态无感采集技术，突破传统心理筛查的局限，实现75%的病 症识别准确率，交付国内首个深度融合行为分析与AI诊断的心理健康 筛查平台。 数据长期跟踪与发展性评估：建立学生心理成长档案库，通过随 机 自动化报告生成：系统自动生成多维度可视化报告（如心理状 态雷达图、风险因子权重分析），并提供可操作建议（如推荐干 预课程、家校沟通话术）。 结束了传统心理检测技术（问卷、沙盘等）一统天下的局面， 在大模型和多模态技术的加持下，青少年心理筛查的手段变 得更加友善、更加科学。 帮助医院、学校及时发现和解决学生的心理问题，从而有效 预防校园抑郁、自闭、欺凌、自杀等事件的发生，为平安校园 建设提供有力支持。 构建国产AI集群算力平台 方案亮点 / HIGHLIGHTS 实施效果 / IMPLEMENTATION RESULTS 针对全球金融市场每日产生的交易数据、舆情信息以及企业财报、行 业研报等多模态内容，客户亟需海光DCU强劲算力提供的自然语言 处理和多维度关联分析能力，以及实时推理与预测能力，实现对市 场、政策和风险的穿透式秒级洞察。 生产支持：选取市场成熟应用场景，率先将海光DCU引入生产

过剩和低附加值的背景下，“高端制造”成为转型必然，而具身智能 正是这一战略升级的底层支撑。 具身智能引领“自动化→智能化”的范式跃迁。传统机器人依赖 硬件与固定编程，而具身智能融合 AI 大模型、多模态感知、端到端 控制，实现感知—认知—决策—执行的动态闭环。应用场景有望从商 用、工业扩展到医疗、家庭、教育等，推动“软件定义硬件，硬件产 品承载软件剩余价值”的产业趋势发展。 国家逻辑×市场逻辑双轮驱动，开启 制 造上占优）。 4 资本与政策导向 以政府补贴和工业升级需求为主，资本集中于成熟企业，创新多为增量优 化。 图表 4：具身智能产业特点 序号 特点 描述 1 技术融合驱动 AI 大模型、多模态感知、端到端运动控制成为核心，硬件与软件高度协 同，AI 算法占比显著提升。 2 场景多元化 从工业制造扩展至医疗健康、家庭服务、教育娱乐、公共安全等，应用渗 透率快速提升。 3 产业链复杂化 上游扩展至 征。实现这一 路径，就需要对垂类环境、任务要求、通用机型成本、灵巧执行器等 一系列要素重构。关键要以“运营”为牵引，系统性地驱动“AI Agent 模型”、“VLM/VLA 模型与数据训练的多模态工具”、“适配算力域控”、 “操作环境”、“工艺流程”等各节点的整合与调整。最终，解决泛化性 难、实时性难、数据质量差、操作容错低以及成本高昂等问题，加速 催生头部的新势力创业公司产生。 12

能应对自如 产品优势 NeoAgent平台 AI能力中国No.1 帮助企业构个性化、安全、可信的 AI Agents 销售易智能化产品能力已获得Gartner权威认证 产品优势 海量多模态高质量数据为NeoAgent提供可靠输入，让NeoAgent预测更精准，洞 察更全面 · · 融合专家经验规则、机器算法、大模型技术，引入客户运营管理最佳实践 · 融合Agent智能代理理念， NeoPlatform 流程编排 Action 执行 意图识别 敏感数据脱敏 毒性内容拦截 租户数据隔离 确保 Action 可控 全链路审计 大模型请求数据零留存 低代码/无代码 Agent 构建 基于多模态数据推 理、自主执行任务 企业级安全与合规 私有大模型 销售助理 Agent 销售经理 Agent 营销 Agent 客户服务 Agent 分析师 Agent 销售教练 Agent

基于统一操控的简化飞行操控技 术 ☆ 先进态势感知在线决策避让技术 ☆ 空地一体网络运营与集群调度技 术 ☆ 全姿态应急通道撤离技术 ☆ 气动结构同伺服耦合控制技 术 ☆ 水上应急迫降与漂浮技术 ☆ 全模态飞行包线自动保护技 术 ☆ 高容错新构型复合控制技术 安 全 失速安全 Thi documentand informafon therein ar the propetyof AEROFUGIA