近年来，人形机器人正以超出预期的速度渗透到人类生产与生活的核 心场景中，这一进程的加速得益于两大关键驱动力：其一为人工智能、物 联网等底层技术的跨越式突破；其二是硬件成本下降与算法效率提升所 带来的规模化应用可行性。从技术视角看，深度学习框架的演进显著强 化了多模态数据的实时处理能力，例如基于Transformer架构的模型使 机器人能够同步解析视觉、语音与环境反馈信息，从而在动态场景中实 现 一是技术突破驱动场景扩展，多模态大模型与持续学习技术的融合 将提升机器人在复杂家庭环境中的适应能力，推动从清洁、搬运的单一 任务向健康管理、教育陪伴的综合服务升级。二是成本下降与规模化应用， 随着供应链成熟和量产技术突破，家庭机器人价格有望大幅降低，加速C 端普及。三是生态协同与跨界融合，家庭服务机器人将进一步融入智能 家居、医疗健康等生态，形成“硬件+服务+数据”的全链条价值网络。 互规范，借助标准化框架降低跨平台协作成本，推动行业厂商数据集的通用 共享，推动形成覆盖技术研发、生产制造、运维服务全流程的国际协作网络。 二是扶持上游零部件厂商，聚焦底层硬件技术攻关与泛化规模化应用。 建立跨国合作机制，支持引导人形机器人上游零部件厂商泛化发展，先“生 存活下来”，确保稳定可靠的部件交付能力，与人形机器人整机厂有效协同。 在芯片领域，场景定义硬件能力，重点突破异构计算架构的能效比瓶颈，通

生命循环，人机共育 在宏观层面上，如果把人工智能看作一种生命体，AIGC+教育的内涵其实是碳基生命和硅基生命的 交互和培育问题。AIGC技术是对人脑计算、思考、判断等内在能力的延伸，是人的智能在机器形态 上的规模化聚集、运作和反应。由此，部分基础性的专业工作被替代，AI在劳动贡献、价值创造中 逐渐与人比肩甚至超越人类，AI和人类共同成为社会贡献主体。 在中观层面上，AIGC技术在知识量、信息获取和处理方面的强势能力，迫使教育界进一步反思现有 AIGC技术在知识量、信息获取和处理方面的强势能力，迫使教育界进一步反思现有的教育框架。 在教学主体方面，AIGC带来人机协同教学和师资强化的期待，也引发AI挑战教师主体地位的思考； 在教学载体方面，AIGC有望赋能教师并实现规模化的因材施教，但也挑战传统学习模式和评价工 具；在教学内容方面，高阶通识能力、跨学科复合能力的重要性被重提，并辅以AIGC技术素养要 求；在学习主体方面，引发近乎科幻但并不遥远的哲学思辩：教育人类还是训练大模型，二者可 麦克卢汉提出，媒介是人的延伸。AIGC技术作为一种人造工具（媒介），是对人脑计算、思考、判断、学习等内在能力的延伸，同 时在巨量数据的加持下，AIGC在发现、认识、运用规律上有着明显的优势，是人的智能在机器形态上的规模化聚集、运作和反应， 突破了人类能力的边界；而AIGC的问答式交互、无需下载和配置等特性，使得AI技术的使用门槛大大降低，AI技术走向平权化；同 时，联网后的实时海量数据支持，模型开源及插件生态的开放

. 20 四、“机器人+人工智能”工业应用展望 ..................... 22 （一）具身智能机器人将进一步变革工业生产形态 ......... 22 （二）工业人形机器人规模化应用仍需经历长期技术迭代 ... 22 （三）行业应用将从汽车电子向其他制造业领域渗透 ....... 23 附：苏州市“机器人+人工智能”工业应用案例 ............... 24 （一）智能产品案例 自动化水平高、结构化、封闭式的工业场景是当前技术条件下智 能机器人最大的应用市场。工业环境相对标准化，生产流程固定，对 机器人的自主性和泛化性要求较低，部分领域如汽车、电子信息等已 3 经率先实现了工业机器人的规模化应用。根据国际机器人联合会 （IFR）在 2024 年 10 月发布的《2024 年世界机器人报告》，2023 年 全球工厂中运行的工业机器人数量超过 428 万台，同比增加了 10％， 创下 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上 将具备超越人类的智能水平，能够进行创新和自我意识的决策。 在工业领域，机器人的规模化应用正在从中度智能向高度智能过 渡。随着深度学习算法的优化以及多模态感知技术的融合，工业机器 人将具备更强大的感知、认知和决策能力，能够更加精准地识别复杂 环境中的物体、声音和图像，理解人类的语言和意图。同时，工业机

一、总体要求 （一）发展思路 立足浙江实际，抢抓新一轮科技革命和产业变革机遇，坚 持“创新引领、应用牵引、系统推进、生态发展”，全方位推进 元宇宙产业链条化、规模化、国际化，在经济社会重要行业领 域实现规模化应用，带动软件和信息服务业、电子信息制造业 创新发展，为我省加快构建未来产业发展体系，全面建设数字 经济强省，打造全球数字变革高地提供有力支撑。 （二）主要目标 到

测试和仿真的方法， 开发更严格的验证技术。同时，我们还必须通过基于知识的监测技术弥补可靠性降低的影响。 报告中提到的愿景既广泛又宏大，与科技巨头截然不同。科技巨头通常依赖机器学习并推崇超 大规模化发展，需要对高耗能基础设施进行巨额投资。 这一愿景的实现需要前所未有的技术突破，还需要全球范围的努力。在该愿景的推动下，相关 领域可以形成合力，共同开发特定的基础设施和数据平台，进而发展出可信的行业 高价值跨域服务拓展释放更大市场空间、技术 需求从基础交互向通用智能与伦理对齐深化的 梯度发展路径。 我们认为，2035 年的智能体将带来多维度 突破。在分级演进上，L4 级指导型智能体将在 部分领域实现规模化落地。在人类工程体系成 熟的领域，它能够胜任人类的工作时长与强度， 进行自主决策，成为人类的高效协同伙伴。 11 人机协同编程，重塑软件未来 人类科技正在面临复杂性，芯片演进到亿 门，大模型参数突破万亿规模，产品越来越复 型（World Model）的技术突破，高速与城区场 景将逐步升级至 L3 + 水平。对于自动驾驶路线 图，我们预计于 2027 年底开启 L4 级试商用，于 2030 年在部分场景实现 L4 规模化应用，并最终 在 2035 年达成大部分场景的 L4+ 级无人驾驶， 同时启动 L5 级的试商用探索。这是一个从试点 到普及，最终迈向完全自动驾驶的关键旅程。 智能机器人的演进预测 20

发展所需的数字化转型高度协同，显著提升各领域的效率，这包括了 流程智能化、资源协同优化、数据驱动决策等诸多场景所带来的效率 提升；同时，国产数字化升级从“可用”实现“好用”的进化，这体 现在产品性能和技术实力的跃升、产业应用的规模化、用户体验优 化、生态体系逐步完善等多个方面。当前，国产数字化升级，不仅是 响应政策导向，也已经成为企业提升效率、夯实安全基础的战略抉 择。拥抱国产数字化升级，既是企业降本增效的理性之选，更是迈向 国产生态链， 为数字经济提供安全可靠的基础软件支撑。在产业落地方面，融合创 新正从党政、金融等典型领域，向电力、交通、医疗等各大关键行业 以及其他领域加速渗透，涌现出一批成功实践，并正在进入规模化复 制阶段。 本报告精选了18个典型的融合创新实践案例，涵盖政务、金融、电 力、交通、医疗、传媒等行业。通过这些标杆实践的解读，可以洞 见各行业推动自主创新的思路和经验，为产业高质量发展提供参考 DSQL数据库核心代码 100%自研，性能多次刷新世界权威性能测试榜单，同时国产产品易用性与交付效率提升，例如中型银行的数据库国产切换“只需要 几个月就能完成”。 二是行业落地从“标杆”到“规模化”：许多国产软件已在多个行业的关键系统中完成实战部署，证明了其不仅能用在边缘业务，更 能支撑核心系统。在政务领域，腾讯云已助力超过30个部委、20多个省、500多个市县数字化转型。在金融领域，腾讯云数据库

(IFR)发布最新版《世界机器人研发计划》。日本、韩 国、欧 盟、德国和美国采取了各不相同的研发资助战 略。 2023年11月国家工信部印发《人形机器人创新发展指导意见》明确指出 阶段发展目标，强调整机产品批量生产、产业规模化发展、深度落地各 类应用场景 国内政策 2025年 2027年  人形机器人创新体系初步建立  “大脑、小脑、脑体”等一批关键技 术取得突破，整机产品实现批量生产  培育2-3家有全球影响力的生态企业 培育2-3家有全球影响力的生态企业 和一批专精特新中小企业，打造2-3 个产业发展集聚区  人形机器人技术创新能力显著提升， 形成安全可靠的产业链供应体系，构 建具有国际竞争力的产业生态  产业加速实现规模化发展，应用场景 更加丰富，相关产品深度融入实体经 济，成为重要的经济增长新引擎 时间 政策 关键内容 2024.01 《关于推动未来产业创新发展的实施意见》 加快实施重大技术装备攻关工程，突破人形机器人 造及工业大数据、天璇2.0 MaaS平台、多模态通用生成模型、IssMeta数字孪生仿真推演平 台等，并与智元机器人合作，整合在人工智能和场景数据方面的优势能力，共拓人形机器 人“具身智能”能力新边界，推动人形机器人规模化迈向工业、家庭真实场景。 • 软通动力已实现鸿蒙生态全栈布局，作为华为核心战略伙伴，将受益于鸿蒙生态的繁荣发 展。如乐聚机器人推出的人形机器人夸父搭载了基于开源鸿蒙研发的KaihongOS操作系统及

系统性转型。 » 第二阶段 ：应用期（2025 年 –2026 年）—— 人工智能转型 ：各组织进行战略对标，推动人 工智能平台、治理框架和数据管道的整合与建 设。该阶段的特征是从临时性测试转向规模化 人工智能整合。企业着手设计统一的系统，将 人工智能融入核心运营。 » 第三阶段 ：加速期（2027 年及以后）——人工 智能驱动业务发展 ：人工智能将成为许多企业 DNA 中不可或缺的一部分。通过建立统一的治 ：初期数字化落地应用由实际 需求和新兴人才驱动，整体生态不够成熟。 在频谱政策方面也存在类似的差距。新兴国家的频 谱战略与高速移动宽带（尤其是 5G）的部署规划 存在脱节，阻碍了数字化从消费和电子商务领域走 向规模化行业应用。 31 全球数智化指数（GDII）2025 频谱政策 线性（频谱政策） 5G覆盖 线性（5G覆盖） 移动宽带用户数 线性（移动宽带用户数） 基本政策， 5G覆盖率低 移动宽带发展政策不断完善， 和人工智能的落地应用。相比之下，数据传输对进 一步提升应用收益的贡献有限，这是因为电信和云 标准已经高度标准化，这类国家的数据传输速度和 质量相对一致。 未来数据规模化应用面临的挑战 这揭示了高收入国家面临的一个关键制约因素 ：尽 管数据应用与数据生成呈协同发展趋势，但未来的 规模化应用将高度依赖数据处理和存储能力的提 升。如果没有持续对这些底层能力进行投资，将会 严重限制释放下一波数据驱动创新的能力。 35 全球数智化指数（GDII）2025

OWL:sameAs）实现了跨系统的语义互操作；在应用层面，基于规则 的推理支持了智能问答、个性化推荐等高级功能。Linked Data 项目证明，语义 网方法可使跨机构数据查询效率提升 40%以上。 4．问题与挑战 语义网的规模化应用面临三重障碍：技术层面，RDF/OWL 等标准学习曲线 陡峭，且逻辑推理存在性能瓶颈，难以满足实时需求。生态建设方面，数据标注 与应用开发陷入"先有鸡还是先有蛋"的困境，加之现有 Web 内容缺乏平滑迁移 内容缺乏平滑迁移 路径，导致采用率低迷。架构设计上，过度集中的标准体系难以适应领域需求， 且网络基础设施无法利用语义信息，形成应用层与传输层的割裂。这些系统性缺 陷严重制约了语义网的规模化落地。 （二）Web3 与公链：构建信任原生的网络结构 1. 概念与目标 Web3 是近年来兴起的互联网演进范式，其核心理念是“通过区块链技术重 构互联网基础架构，实现去中心化的数字生态”。与 Web1

高并发：逻辑推理等任务将带来推理算力需求或百倍增长，推理也将集群化， 对互联与全局调度提出更高要求。因此，能否以更高效、更绿色的方式提供和使用算力，已不再是 锦上添花的技术选项，而是决定 AI 规模化发展能否持续的战略性挑战。 2.4 小结 超节点发展报告 12 超节点的出现与演进 3.0 过去的计算集群主要采用“横向扩展”（Scale-Out）架构，即通过通用以太网连接大量标准化 服 neural language models. arXiv. https://arxiv.org/ abs/2001.08361 3. 我国已有 433 款大模型完成备案并上线提供服务——AI 产业迈入规模化应用新阶段 - 中国网 , http://www.china.com.cn/txt/2025-07/01/content_117956489.shtml 4.Cottier, B., Rahman