E8%AF%81 来源：宇树科技官网.https://www.unitree.com/ 世界互联网大会智库合作计划系列成果 （三）小脑模型迭代优化，实现拟人化运动控制 1.“小脑”运动控制路线：基于模式和基于学习 （二）多模态模型算法赋能“大脑”层级进步 1.大模型是机器人“大脑”最为理想的选择 2.多模态大模型技术发展呈现多元路径共存的演进趋势 人形机器人“大脑”技 能力，分解复杂任务；涌现和泛化能力，在新环境执行任务。 从技术路线演进看，基于大模型的机器人“大脑”正沿着四条并 行路径向端到端智能发展。其一，LLM+VFM融合路线，最成熟方案。 以谷歌SayCan为代表，通过预训练技能的价值函数与大语言模型对齐， 将用户指令分解为可执行任务链，实现交互与规划闭环。其二，视觉- 语言模型（VLM）路线，重点弥合语言与视觉语义鸿沟。例如清华大学 CoPa模型 CoPa模型，利用GPT-4V等基础模型的常识知识，生成任务导向的抓取 姿态及运动规划方案。其三，视觉-语言-动作模型（VLA）路线，在 VLM基础上增加运动控制层。典型代表谷歌RT-H，通过多任务数据集 联合训练语言-视觉-动作模块，学习自适应动作策略以解决轨迹决策问 题。其四，多模态大模型路线，未来主导方向。如MIT与IBM的MultiPY， 融合视觉、触觉等3D环境特征，通过多视图关联构建以对象为中心的场

07 06 16 21 07 16 21 09 18 22 24 26 11 20 22 12 12 13 13 14 14 14 15 全球产业的演进路线：从硬件聚合到系统构建 技术特征 支撑大模型创新及云服务场景 加速人工智能科学计算，服务算法创新 助力行业企业智能化升级 系统特征 AI 技术从单点能力突破迈向系统能力创新 超节点技术产业生态发展格局 “超节点将成为 AI 时代的核心计算单元” 这一重要观点，清晰地呈 现了超节点的基础定义与特征，包括技术层面的基础特征和扩展特征，以及系统层面的大规模、高 可靠、多场景特征。同时，通过分析全球产业的演进路线、超节点稳定性的核心挑战以及技术产业 生态发展格局，为产业界指明了超节点的发展方向。 在未来计算的下一个十年，超节点无疑将成为推动 AI 技术发展的关键力量。这份发展报告为我 们提供了宝贵的理 需求。 我们相信，计算将再次成为增长曲线的起点。当超节点把“算力、带宽、内存、能效与可靠性” 整合为一体并可编排时，AI 不只是更强的内容生成器，而是可被工业化复制的认知基础设施。这既 是技术路线的抉择，也是产业组织与国家竞争力的选择题。答案取决于我们今天如何设计并投资下 一代算力系统。 [1] 前言 1.0 超节点发展报告 07 总体来看，无论是“思考”模式的引入、Agent 能力的强化，还是开源社区的繁荣，都标志着

进建 议 www.top100summit.com 转型五大环节 战略层面，企业一把手要高度 重视，并制定数字化战略。 架构层面，要进行企业架构设计， 制定目标蓝图，并形成项目组合 和实施路线图。 数字化的企业架构具有数据化、 智能化、敏捷化、生态化和体验 化5个特点。 建设层面，主要是企业架构实施、 数字化组织文化建设以及数字能 力建设等三方面。 运营层面，数字化运营才会产 生实际业务价值。 全局规划周期是一个完整的 SABOE循环。 • 年度/半年计划周期是数字化 战略规划落地的周期，以半 年或一年为一个阶段进行落 地。 • 在年度/半年计划周期结束时， 进行评估-工作总结和复盘， 对实施路线图进行校准。 • 年度/半年计划周期是一个 BOE循环。 www.top100summit.com 转型五大原则 战略引领原则 架构为纲原则 数据驱动原则 场景牵引原则 业技融合原则 元素，为具体企业架构设 计提供指导，是内容模型 的核心部分。 数字化工艺流程包括架构 愿景、架构原则、架构标 准、架构约束、架构组织 和架构需求，是架构工作 长期开展所需要建立的架 构治理要素。 项目实施包括路线图、项 目组合、项目、业务用例 和资源等，用于将架构设 计成果具体落地实现。 4A架构 数字化工艺流程 项目组合 www.top100summit.com 数字化企业架构框架DEAF-过程模型

性的设计方案 陆续产生。 管控融合的技术路线呈现从协议互通到智能融合的演进脉络，核 心技术包括协议协同、分层控制、统一模型与 AI 赋能。未来，随着 800G/1.6T 光模块、量子通信与 AI 技术的成熟，管控融合将进一步 向自优化、自治化方向发展，成为支撑算力网络、元宇宙等新兴业务 的关键基础设施。企业与运营商需根据自身需求选择技术路线：基础 互联阶段适合业务稳定的场景；动态协同阶段适用于广域骨干网；智 与集成化的平衡。这 些差异直接映射到相干系统的传输距离（如长距干线与数据中心互联 的场景分化）、频谱效率（高阶调制下的线性度需求）及商业化成本 （大规模集成带来的单位带宽成本下降），构成了技术路线选择的核 心考量维度。 在相干光技术的演进脉络中，提升信号波特率与单波传输速率是 贯穿始终的核心目标，而调制器的带宽极限正是这一进程的关键约束。 当前商用系统的波特率已稳定在 120GBaud OIF、IEEE）普遍选择跳过 200GBaud 等级，直 接推进 240GBaud 的接口规范制定 —— 其供应链成熟度与跨厂商 互通性将受到制约，更多作为过渡性技术存在。 目前三条主流技术路线的性能边界已逐渐清晰： 磷化铟（InP）：凭借直接带隙材料的高频特性，其调制带宽可支 持至 260GBaud，但受限于材料本身的光学特性，仅能在 C/L 波段 工作，难以满足未来多波段复用的需求；

默认情况下，通过使用严格的治理方法（包括将风险管理作为 IT 创新流程的一部分） 来管理每个数字化转型计划的安全性和可持续性功能。 1.3 2025 顶级供应链技术的趋势和主题 供应链技术领导者处于独特的位置，可以制定路线图，展示技术投资如何帮助他们的企业在 不确定性和压力下保持成功并推动竞争优势。供应链技术领导者和供应链业务领导者都必须 评估战略技术趋势的影响和好处。鉴于技术创新的速度不断加快，这可能很困难。 每年，Gartner 示他们至少有一项技术投入生产。智能仿真是这些技术的融合。 供应链运营，尤其是物流、制造和运输，涉及大量变量，这些变量会显 23 著影响其绩效、运营成本和资本支出 （capex）。智能仿真可以优化更多 的传统仿真和分析，用于规划路线;选择、测试和部署合适的物料搬运设 备;以及规划和重新确定内部物流工作流程的优先级。 趋势基本影响  智能仿真可以帮助从被动资源部署转变为主动资源部署，使运营能 够处理更大的数量和波动性。  自动化物料搬运设备进行规划和压力测试，并在部署后对设备进行 监控和控制。增强对智能仿真的使用可能有助于优化此用例。  一些运输提供商开始在以前被忽视的领域部署仿真功能，例如多承 运人包裹管理。这些支持跨订单和配送作的路线安排和合并说明。 它们还支持基于概率（而不是传统的确定性特征集）的承运商/配送 决策。  机器人提供商，尤其是仓库拣选/作机器人提供商，正在使用合成数 据来训练他们的系统进行对象识别。这是在此环境中使用的早期示

DeepSeek大模型的应用场景 n 其他应用（低频应用） 自动驾驶：汽车制造商使用DeepSeek开发自动驾 驶系统，识别道路和障碍物 智能物流：物流公司使用DeepSeek优化物流路线， 提高配送效率 智能农业：农业公司使用DeepSeek监测作物生长， 优化种植方案 智能交通：交通管理部门使用DeepSeek优化交通 流量，减少拥堵 智能环保：环保机构使用DeepSeek监测环境数据， 数据分析与可视化技术 4. 企业大模型落地方案 4.1 企业大模型如何为企业赋能 4.2 企业大模型的七大落地场景 4.3 企业大模型的部署方式 4.4 为什么需要本地部署大模型 4.5 企业部署大模型规划路线 4.6 企业级应用集成AI大模型的关键步骤 4.7 企业级应用集成大模型的技术架构设计 4.8 大模型应用落地总体“四维认知”框架 4.9 大模型应用落地策略建议 4.10 大模型构建的技术方案选择 成本与资源优化 避免使用限制 本地部署 大模型 4.5 企业部署大模型规划路线 数据治理 知识库 大模型 第一阶 第二阶 第三阶 知识库—— 把员工经验变成企业资产 数据治理—— 给企业数据 “立规矩” DeepSeek 大模型 —— 让企业拥有 “数字大脑” 厦大团队两本数据治理书籍 4.5 企业部署大模型规划路线 构建企业内部知识库 （RAG系统） 短期（0-6月） 开发行业专属大模型

在积极制定国家层 面的“机器人+人工智能”战略。2024 年 2 月以来，欧盟启动新一轮 “地平线”计划，持续加大对人工智能和机器人技术的投资：2024 年 4 月，美国发布第五版《美国机器人路线图：机器人让明天更美好》， 提出在制造业回流、即时经济、老龄化社会、住房和基础设施等七方 面的重点发展智能机器人；2024 年，日本继续推进《社会 5.0 行动 计划》，强调利用人工智能和机器人技术推动经济增长和社会发展， 且在心理上更容易被人接受，人形机器人被普遍认为是具身智能最理 想的应用形态。目前，人形机器人前沿技术百花齐放，形成了大小脑 分层控制和端到端一体化两条技术路线。 由于目前“大脑”受限于平台和数据尚无法形成人类大脑能力闭 环，大小脑分层路线是人形机器人较为主流的形式。通过基于成熟大 模型的“大脑”进行高层次的认知分析和决策，“小脑”进行功能性 的运动路径规划和平衡控制。在大脑方面，谷歌的“LLM（大语言模 0 版 V15T 无人叉车、单叉齿 V05OT 无人叉车、全向 V10OF 堆垛 无人叉车和自动托挂 T15S 牵引式 AGV）。 27 艾吉威前瞻性的定义了具备 AI 智能交互的 AGV 技术路线，并推 出全球首台 AI 大模型语音交互 AGV，新一代的 AGV 产品将具备更强 的自主性和适应性，能够更好地应对各类复杂的售后场景及运营数据 分析。接入 AI 大模型后，就相当于艾吉威新增了一组拥有二十几年

年已成为人工智能的转折点。许多前沿组织 已从试点阶段迈向大规模应用，并采用基于人工智 能驱动的商业模式。IDC 的人工智能应用模型（AI Adoption Model）描绘了人工智能从新兴技术发 展为赋能引擎的演进路线，以便帮助我们更好地理 解当前的战略转变和能力变化 ： » 第一阶段 ：实验期（2023 年 –2024 年）—— 生成式人工智能竞赛 ：各组织开展碎片化人工 智能实验，通常在战略、数据和工具方面各自 规模专家服务。在其他行业，人工智能正在推动工 作流变革。例如，在生命科学领域，IDC 预测，到 2027 年，65% 的新药研发将利用生成式人工智能 进行分子建模和疗效预测。 3. 全球各国正在制定人工智能发展路线图 在国家层面，各国政府已经认识到人工智能的重要 战略意义，并正在制定全面的国家人工智能发展路 线图，优先考虑投资、生态系统发展、基础设施建 设和治理框架，以加速数智经济转型。 数字治理领域也在快速发展，关于人工智能伦理、 坡于 2023 年推出了 NAIS 2.0 战略，旨在通过“人 工智能向善”（AI for the Public Good）倡议，打 造全球人工智能中心。新加坡政府正在制定绿色 数据中心发展路线图，以实现其宏大的净零目标。 预计未来十年内，该国政府将对新型数据中心投 资 75 亿至 90 亿美元。其 2023 年数字联接蓝图 （2023 Digital Connectivity Blueprint）进一步强化

等。 此外，3C 制造和安防巡检领域也在逐步实现“机器替人”的应用。 2）家庭服务场景 26 家庭场景是人形机器人最具应用潜力的市场应用。从功能看，人 形机器人走入家庭可分为陪伴和服务两个路线， 陪伴是针对老幼的情 感陪护、安全看护、教育/娱乐等，服务是整理家务、家居管理等活动。 已有部分厂商尝试将人形机器人应用于家庭场景，完成简单家务、互 动交流等。 3）医疗康养场景 在人形 和操作对象的状态。当前灵巧手的技术方案尚未完全收敛，在传动方 式和传感器方案上尚未有统一意见，连杆具有大负载、高精度和低成 本的优势，但在灵活性上不及腱绳，齿轮方式受限于加工精度和空间 尺寸也一直未能推广。如何收敛灵巧手技术路线，在保证灵巧手可靠 32 性、负载能力、精度和成本的条件下，进一步提升灵巧手的自由度和 灵活性，提高灵巧手的操作精细度，使其在更多领域得到广泛应用， 是未来技术发展和突破的关键。 仿人机械 也将成为重要的研究方向。 灵巧操作是人形机器人实现复杂任务的关键。通过高度集成的传 感器、执行器和先进的控制算法，人形机器人能够模拟人类的手部动 作，进行精确的抓取、旋转和操作。传统的技术路线是人工解析建模 物体感知与机械臂决策、规划、控制多个环节并优化求解，其可解释 性强，在定义范围内有较好的通用性，但对复杂场景难以准确建模， 且对场景物体变化泛化性不足，难以适应开放场景。随着物体感知技

640GB+ H100 集群 不可行 超算 / 云计算 DeepSeek-R1 + ollama + AnythingLLM DeepSeek-R1 + ollama + Dify ChatBI 技术路线图 <2015 2016-2019 2020-2021 2023- 2021-2022 纯学术探索 核心技术 NL2SQL 技术缺陷：精度低 检索式 BI 核心技术：基于检索的 NL2SQL