标，正推动央企加速构建全链路国产化底座，从建设层级看，央企先完成核心系统（如调 度、生产管控）的国产化替代，再向边缘系统（如办公、辅助管理）延伸，从协同模式看， 央企与国产芯片、操作系统厂商建立“联合研发机制”，以加速软硬件优化和适配。 （二）场景端：从“单点试点”向“全领域规模化渗透”加速落地 央企 AI 应用已跳出“局部试用”的探索期，进入“全场景覆盖+全流程渗透”的规模 化阶段。一方面，AI 覆盖范围从 机场实现货物智能分拣减少差错， 未来将推进无人化港口建设，构建能快速应对突发情况的韧性物流网络； • 信息技术与商务服务类央企立足“技术自主突破+基数设施升级+行业赋能”等，当前 推进国产软硬件兼容性测试，优化数据中心运营降低能耗，助力企业搭建智能办公系 统等，未来将会搭建安全合规的数据共享平台赋能； • 建筑工程类央企推进“智能建造+绿色施工+全周期管控”，借助 BIM 模型优化管线布 全货机智能调度平台 物流协同 空陆联运智能衔接 冷链物流全程温控 全球航空物流应急响应 信息技 术与商 务服务 类央企 信息 技术 自主可控 技术与安 全 国产软硬件适配验证 网络与数据安全防护 自主可控算力集群构建 技术 自主 突破 基础 设施 升级 行业 赋能 智慧 文旅 基础设施 智能数据中心运营 新一代通信网络优化

智慧教育系统的系统架构正由简单走向复杂。 挑战往往伴随着机遇。面对以上挑战，各教育行业解决方案厂 商在为各级教育机构打造新一代 “人工智能 + 教育” 系统时， 选择与英特尔携手，大胆引入更多、性能更强劲的软硬件设备 和更全面、更前沿的系统架构设计。事实上，采用一系列英 特尔先进产品与技术的解决方案已在诸多教育场景中获得了验 证，并取得了良好的应用反馈，这些产品与技术包括： • 多样化的硬件产品矩阵，包括英特尔® 显的时延会带来使用体验的大幅下降。 • 对校园既有 IT 设备兼容性需求：与互联网、通信、软件等 始终站在新技术潮头的企业不同，教育机构的信息化建设通 常是基于实际需求而不断增补，同时校园环境的复杂性也使 其软硬件基础设备纷繁复杂，因此对新的人工智能方案与既 有系统的兼容性都颇具考验。 • 对校园既有 IT 系统架构的要求：由数据驱动的智慧教育系 11 10 趋 势 篇 趋 势 篇 英 特 尔 中 学各环节提供支撑，全面解决人工智能人才培养中的数据、 算力、算法三大需求。 • 教育教学：本手册在教育教学象限将以课堂行为分析作为 方向。探讨如何以深度学习、计算机视觉等人工智能方法， 在英特尔软硬件产品和技术的支持及优化下，对教学过程 进行实时性分析评估，全面实现师生教与学模式、情绪状 态等信息的量化统计和可视化呈现，在有效降低教师工作 负担、优化教学过程的同时，大幅提高教育机构的管理能力。

.....................................................................................518 4.2.1.5 软硬件安装................................................................................................. 急指挥、 汇总日常报表、 信息发布、日常值机监控等职能，对全辖区的环境状况进行全 方位、无盲区的监 100 自然资源保护区大数据信息化管理平台建设方案 控。 高标准高要求设计 所有软硬件配置标准均高于国家《污染源监控中心建设标准》 的建设要求， 设备配置选型均为目前信息技术的前沿设备。确保未来几年平 台的扩展性。 多样化的网络建设 各种网络如传统 2G、3G、卫星、光纤专网、VPN 113 自然资源保护区大数据信息化管理平台建设方案 业务量增加或增 加新业务时，服务器能以增加节点、处理器、内存等方式提供 更高的性能来满足 新的需求。 3.6.3.4 灾备系统 存储系统软硬件设备，将数据服务器部署双机热备，磁盘阵列 做 Raid1+5， 达到了更安全高效的存储。另外也可以在远端架构灾备系统。 3.6.4 服务器拓扑图 服务器拓扑图 114 自然资源保护区大数据信息化管理平台建设方案

• 提供定制化蒸馏 • 提供Edge端部署服务 • 积极适配国产算力 • 汇聚主体行业龙头的特色数据 • 主体行业特色任务抽象迁移指 导数据供给 供给侧增强 持续训练 异构软硬件 灵活部署 符 合 生 产 指 标 任 务 主 导 性 强 理 解 能 力 强 生 成 能 力 强 信 息 集 成 能 力 高 动 态 自 适 应 复 杂 系 统 A I 云 边 端

从技术组成角度，可信数据空间以数字合约、使用控制技术为核心，以数据跨主体流通使用的可信 （符合预期）为目标。通过数字合约技术描述特定参与方对数据内容、使用方式、使用次数等流通利用 行为的预期并达成共识；通过集成在特定软硬件环境中的使用控制技术对使用数据的算法、应用进行控 制和审计，实现对数据访问、分析、计算等行为的管控，保证数据的流通及使用过程及结果符合预期。 从系统构成的物理角度，可信数据空间主要由可信数据空间服务平台和接入连接器组成。其中可信 数据使用控制 可信数据空间服务平台应提供数据使用控制功能，支持数据提供方、数据使用方利用平台提供的能 力按照数字合约要求控制数据的使用，数据使用控制应具备以下功能： a) 数据使用环境：提供使用数据的软硬件环境，支持数据使用方按照数字合约要求，通过算法 或应用使用数据提供方交付的数据产品；连接器可集成隐私保护计算、数据沙箱、数据匿名 化、智能合约等技术，增强数据使用的安全性； b) 控制策略执行：与 证审计系统 及行业/区域功能节点运行监测，支持本地日志查验。 5.2.3.7 数据使用控制 支持数据使用方按照合约要求，在连接器上使用数据产品，应具备以下功能： a) 使用环境：提供使用数据的软硬件环境，支持数据使用方按照数字合约要求，通过算法或应 用使用数据提供方交付的数据产品；连接器可集成隐私保护计算、数据沙箱、数据匿名化、 智能合约等技术，增强数据使用的安全性； b) 控制策略执行：与

19 5.27 22.90% 1.93 1.33 0.91 1.55% 数据 来源：高工机器人产业研究所（GGII） 第二节 中游本体 作为协作机器人产业链的核心环节，协作机器人本体集各项软硬件技术于一身，可谓产 业链的中心，向上承接和倒逼各类核心零部件技术的持续进步，向下不断在细分领域拓展应 用场景，扩大应用的边界。同时， 还在易用性、安全性、高柔性层面持续迭代优化，以满足 更多复 人 欧洲、北美、日本、韩国、泰国等 资料来源： 公开资料，高工机器人产业研究所 (GGI)整理 第二节 应用领域持续拓展 在工业场景应用中，随着传感器、力控技术、视觉识别、人工智能算法等软硬件技术的 进步与协同创新，协作机器人的性能不断向工业领域靠拢，稳定性、负载、速度、精度持续提高，应用场景向高难 度、高附加值加速渗透。大负载协作机器人与工业机器人同台竞技，能够承载更重的物品，处理更复杂的装配和搬运 一、企业简介 成立时间：2014 年；总部：镇江 成立于 2014 年，依托于上海华途的技术积淀，在 2016 年被评为高新技术企业。公司聚焦工业自动化核心智能部件、 智能生产线、工厂数字化改造的软硬件研发，自主打造数控机床编码器、工业机器人便携式示教器、电子加工行业智 能生产线及智慧屏（MES 显示、数据采集分析、AI 应用）四大产品线，形成从关键功能部件到整线解决方案的技术闭 环。 核心

开放性的全栈式智能服务机器人生态是一个技术 框架和商业模式的创新综合体，旨在通过以AI为 核心的多技术栈和创新的商业模式，建立开放普 惠的行业生态，实现服务机器人与一切可能的交 互对象（包括人、环境、其他机器人和软硬件系 统）之间的智能交互与万物互联，形成一个通用 的全栈式智能机器人体系。该生态的核心理念在 于开放性和通用性，通过构建一个全面互通、无 缝衔接的智能服务机器人生态，来实现服务机器 人在多样化应用场景中的深度融合和广泛应用。 封闭生态的机器人设计意味着机器人的软硬件 通常是固定且专用的，导致了兼容拓展性差、 维护迁移成本高等诸多问题。 模块化设计通过将机器人系统分解为多个软硬 件模块，厂商和用户可以根据不同的应用需求 进行灵活组合和定制。这一设计理念不仅提升 了产品的适应性和可扩展性，还为技术的创新 与产品的迭代提供了可能性，是开放性的全栈 式智能服务机器人生态系统的基石。服务机器 人模块化设计以多个软硬件模块—— 移动模块、 情感分析与响应：结合AI算法，交互模块能够 分析用户的情感，调整服务机器人在互动中的 语气与内容，从而提供更具人性化和贴心的服 务体验。 4.传感模块 传感模块是赋予服务机器人环境感知能力的重要 部分，包含软硬件的综合应用。其功能包括： • 环境监测：结合现代传感器（如激光雷达、超 声波传感器、红外传感器等）及实时处理软 件，机器人能够准确识别周围的物体及环境条 件，以支持智能决策与操作执行。 • 融合数据能力：服务机器人通过数据处理算

鹏城云脑工 (2048 块 CPU) 和百度 飞桨 4095( Pflops-day)/2128 张 GPU 商汤 AIDC ，峰值算力 3740Petaflops3 异腾 AI 基础软硬件平台 复旦大学超算中心 模型类型 多模态训练模型结合人类 参与强化学习 多模态预训练模型 NLP 大模型 NLP 大模型 NLP 大模型 计算机视觉模型 计算机视觉模型

刀具磨损，若 不立即更换则 会到时加工面 不平整需返工 危险 正常 6 通过项目经验积累及内外部专家长期、广泛的讨论，罗兰贝 格认为预测性维护是数字化运维的关键步骤，通过预测性维 护的软硬件赋能，后续应用场景广泛，举例如下： 1. 数字化资产盘点：可通过预测性维护管理平台采集设备上 的传感器传输数据，并与资产台账对比确认实物资产的存 在，有效减少盘点人力资源的浪费。 2. 数字

感知和算法 水平，需要高端车载芯片及先进人工智能技术的支持，对路侧、云端的数据协同依赖较低； 而“车路云一体化”（原车路协同）则是依仗系统优势，相较于“单车智能”方案，“车路 云一体化”对智能汽车软硬件要求较低，而是将路侧智能基础设施与云控平台结合，将“长 尾”感知、数据获取及复杂的计算任务从车端解放出来，技术角度上更易于实现。 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 行调整，如在欧 美地区跟随单车智能，在中国地区配合车路云一体化方案。 建设重点：“两率”亟待提升，力争全面智能、连续覆盖 为了实现车路云一体化这一复杂的系统工程，路侧、车端、云端相应的软硬件需要适当的 升级和部署，以提高数据获取、数据协同、决策控制的能力。目前来看，车路云“两率低” 的问题常受到诟病，即路侧基础设施覆盖率低和车载终端装配率低，基础设施建设的“碎 片化”、“分散化”，导致 联云控平 台、大数据基础平台、视频云管理平台等软件产品，并拥有云+边端算法库与算法模型。同 时，公司深耕电子车牌多年，以涉车 RFID 技术为核心，为客户提供端到端射频识读和视射 频双基识读全系列软硬件产品和解决方案，包括路侧识读设备、车端号牌和后台管理软件 等。 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 24 科技 移为通信（300590 CH）