负增长。 在这一背景下，协作机器人却展现出了较强的市场韧性。随着 3C 电子行业逐渐复苏，协作机器人订单需求明显提 升。与此同时，协作机器人在新能源行业开始实现规模性的突破，增长表现亮眼。协作机器人可以自动完成上下料、螺 丝锁付、组装、焊接、封装、质量检测、搬运、清扫等工作。 负载方面，市场对大负载协作机器人需求有所增长，众多厂商推出大负载协作机器人产品，在协作码垛场景中逐渐 形成现象级 渐扩大，协作机器人与工业机器人的边界正逐渐模糊。 当前，协作机器人行业仍处于发展初期阶段，市场基数相对较小，下游应用仍主要在工业领域。GGII 数据显示， 2024 年中国协作机器人销量为 4.0 万台，在汽车及零部件、3C 电子、食品包装、机械加工等工业细分领域合计占比约 59%。在非工业领域，包含科研教育、医疗保健、新零售、农业等非工业场景的渗透率进一步提升。 随着协作机器人不断向 行业的发展趋势，GGII 认为，未来几年，协作机器人在各行业的渗透率将持续提升，整体需求将会延续增长态势。 本蓝皮书以协作机器人为核心，重点阐述了重点核心零部件的发展态势，其中包含减速器、无框力矩电机、关节模 组、力传感器等，结合协作机器人产业链各环节的技术特点，剖析协作机器人市场和技术脉络，同时对协作机器人的 应用行业、应用场景和应用趋势进行分析，旨在厘清协作机器人的发展脉络，帮助协作机器人产业链相关企业及投资

据操作确权和授权等机制，为数据互通双方提供基本的数据可信背书。 互联网架构缺乏原生的数据信任机制，导致跨平台数据互通必须依赖平台间 面向 Web3.0 的数字实体互联白皮书 10 的主动协作，形成以平台为中心的数据流通模式。这种模式下，用户数据的流通 边界由平台间的技术接口和商业协议决定，而非数据主体的自主意愿。 要实现以用户为中心的跨平台数据可信流通，必须突破现有架构限制，在网络层 在实践层面，首先需要将非结构化数据转化为标准化的 RDF 图，这个过程通常 涉及实体识别、关系抽取等自然语言处理技术。领域本体（如医疗领域的 SNOMED CT）的构建则需要领域专家与知识工程师的深度协作。推理引擎基 于描述逻辑（Description Logic）实现自动化的知识发现。 该架构使机器能够理解"北京是中国的首都"这类陈述中的实体关系，而非仅 面向 Web3.0 的数字实体互联白皮书 根本任务从单纯的数据传输转向支持数字实体间的语义互操作与可信协作。这种 转变将带来网络技术的范式革命：任何数字实体（包括数字孪生、一项数字化服 务、一个虚拟代理还是一个复杂数字系统）都能以标准化方式接入网络，自主发 现并关联其他实体，并基于共享协议完成交互，见图 5。DEN 不再仅是数据传 递通道，而是成为数字生态的基础协作平台。 面向 Web3.0 的数字实体互联白皮书 17 图

的兴起并非偶然。大模型、算力供给、能源供给、开源、生态系统和产业应用的同步发展，共同“托举”起 AI Agent 恰逢其时的 诞生，成为当前最值得关注的技术趋势之一。 其中，大型语言模型、模块化架构与协作框架为其筑牢根基，持续发展还需攻克评估、安全与适应性难题。 AI 正站在一个关键新阶段。参考 OpenAI 对 AI 的 5 级分级， AI 已不仅仅是能进行对话的聊天机器人（ L1 ），而是逐步进化到智能体 高（软件开发） 中（主要文本和代码） 中（辅助编码） 弱（主要代码处理） 高（自主执行） 中（文本和图像） 中（研究执行） 强（文本、图像、 PDF ） 低（协助编辑） 弱（主要代码处理） 中（协作任务执行） 中（文本为核心） AWS Agent 工作流 中（云任务自动化） 弱（结构化数据交互，文本驱动云操作） 在行业领导者的推动下， OpenAI 、 Anthropic 、 Google 工具能力 ★ 规划能力 ★ 行动能力 ★ 含义 人类完成绝大部分工作， 类似向 AI 询问意见，了解 信息， AI 提供信息和建 议 但不直接处理工作。 人类和 AI 进行协作，工作 量相当。 AI 根据人类 prompt 完成工作初稿， 人类进行目标设定，修改 调整，最后确认。 AI 完成绝大部分工作，人 类负责设定目标、提供资 源和监督结果，

动转接“数学博士”，写诗转接 “文学教授” ⚫ MLA 多头潜在注意力：让 AI 像章鱼同时处理多任务，普通电脑也能流畅运行 ⚫ DualPipe 通信技术：优化 AI“脑细胞”之间的协作效率，响应速度提升 50% 2.功能模块：你的私人 AI 军团 DeepSeek 通过三大功能模块，满足从日常生活到专业领域的全场景需求： 模块 1：基础版（V3）——效率倍增器 销售数据+客服录音+生产日志多源融合→自动生成经营决策建议（ ②流程自动化矩阵 ⚫ 智能工作流： 邮件接收→AI 提取关键信息→自动创建待办事项→生成执行方案→推送进度提醒 ⚫ 跨平台协作： Excel 表格+微信聊天记录+邮件内容→自动整合为 CRM 客户档案 3.社会影响：重新定义工作边界 DeepSeek 的普及正在引发结构性变革： ①职业重构 ⚫ ⚫ 解决方案：政府推出“全民 AI 素养提升计划”，覆盖 5000 万弱势群体 ②职业替代 ⚫ 高危岗位：基础文案/客服/数据分析岗位替代率达 47% ⚫ 转型路径：建立“人机协作绩效评估体系”，重构岗位价值标准 ③认知依赖 ⚫ 思维退化：调查显示过度依赖 AI 导致 25%用户独立思考能力下降 ⚫ 应对策略：中小学增设“批判性使用 AI”课程，培养元认知能力

能体在 物理与数字融合的“镜像世界”中进行大规模、实时、可靠的交互与决策。智能体（Agent）作为 核心载体，其从执行工具到决策伙伴的演进，标志着人工智能从处理信息的工具转变为能够主动规 划、协作并作用于环境的认知主体。这不仅是技术的升级，更是生产力和生产关系的范式革命。 智能革命的真正价值，最终要体现在对千行百业的赋能乃至重塑上。《智能世界 2035》不仅 聚焦于技术本身的跃迁，更用大 郑志明 深度融合，形成具有感知、分析、决策和行动能力的行业级“大脑”与“神经系统”，从而极大提 升产业运行的效率、韧性与创新活力。这种赋能是一个复杂的系统性问题，需要技术专家与领域专 家深度协作，共同破解行业特有的复杂性挑战。 尤为重要的是，《智能世界 2035》中“Token 管理网络，让智能成为能源的神经系统”这一 趋势，点明了智能世界发展的一个关键约束与使能条件。未来无处不在的智能体及其承载的海量算 咨询服务方面的能力将接近人类 水平，可以解放专业人士，让其专注于战略决策。在研究领域，当通用人工智能（AGI）的奇点真 正到来时，AGI 将成为人类的协作伙伴，以超越当前想象的规模进行假设构建、实验操作与数据分 郭毅可 析。这种人机协作将加速医学、材料科学和量子技术等领域的突破，推动人类在疾病治疗、气候韧 性和可持续材料方面取得进步。 我们的日常生活也将发生改变。智能体将成为值得信赖的伙伴，持续监测并预测我们的健康需

字核心构建坚实的数据基础，并以此为依托实现 平台与治理框架的标准化。其次，对AI赋能技术进 行战略性投资，通常先从目标明确的试点项目入 手，待方案验证有效后再进行规模化推广。最后， 重塑人与技术的协作模式，推动人的角色从执行 例行工作转变为战略性指导与统筹监督。 在自主智能供应链的转型浪潮中，未来的分 界已然清晰可见：那些积极拥抱自主智能供应链 的企业，将创造出前所未有的商业价值，并构建起 的研究表明，在自主智能供应链的生态系统中， 人力依然是核心要素。事实上，最高效的自主智� 供应链体系将实现人员角色转型⸺从任务执行 者转变为系统决策的指导者与监督者。我们观察 到，这一转变正通过“人机协作”的渐进式发展 在企业中逐步实现，每个阶段都推动着效益提升。 此外，通过将资深团队成员数十年积累的专 业知识和洞察进行系统化梳理与编码标准化，自 主智能供应链有助于确保核心知识的保留，并传 得益于更优的再利用、再循环和资 源效率，自主化运营将显著推动供 应链的循环性。 实现自主智能供应链 7 1. 构建坚实且安全的数据基础 2. 投资关键AI技术，加速规模化 战略布局 3. 重构人与技术的协作模式 图1 企业应对中断的反应时间与恢复时间 敏捷性 4天 11天 从中断或变更中 恢复的时间： - 60% 应对中断的 反应时间： - 62% 1至5个月（视具体问题而定） 此外，企业预计通过自主化运营能缩减约16%

年发起的“产业数据空间”项目（后发 展为国际数据空间协会 IDSA），以及后续的盖亚-X（Gaia-X） 跨领域数据平台，为欧盟数据空间的技术架构和治理模式奠定 了基础。例如，工业数据空间（IDS）通过标准化接口促进供应 链协作，欧洲健康数据空间（EHDS）整合跨境医疗数据以加速 科研。此外，欧盟通过《数据治理法》（DGA）、《通用数据保护 条例》（GDPR）等法规，进一步规范数据共享的合法性、隐私 保护与互操作性，确保数据空间在技术、法律和协同机制上的 信、数据流通可信、收益机制可信。 “用户身份可信”是整个体系的基石，通过严格的身份验证与 信用评估机制，确保参与可信数据空间活动的用户身份真实、 行为合规，营造安全可靠的数据交互环境，让用户放心参与数 据的共享与协作。 “数据流通可信”是数据在可信数据空间内安全有序流通的根 基，通过区块链等技术，为数据流通建立起完整且不可篡改的 记录链条，形成一份详尽的数据“履历”，一旦出现数据异常或 争议，能够迅速 具备公信力的官 方机构、专业的科研院所、行业领军企业等，这些数据经过严 格的审核验证流程，具备极高的准确性、可靠性与权威性。可 信数据空间可以链接上下游、构建共创生态，不同环节的参与 者相互协作、相互促进，不断丰富数据的类型与维度，极大地 丰富了可信数据空间的数据资源，为数据的深度挖掘与创新应 用提供了广阔的空间。 “空间”凸显了可信数据空间的载体功能，作为数据资源流通 的载体，

高 精度操作机器人；二是移动优化类，具有平面活动需求的移动机器人 能够感知到障碍物优化移动路径，成为自动避障移动机器人；三是协 同优化类，单一的机械控制转变为群体控制，包括机器人群体的高效 协作、任务分配和调度、无人物流机器人系统、多种机器人协同系统 等等。 感知交互类模型使得机器人“能看见”或“能听见”从而实现与 操作对象或人类的互动。一是识别类，搭载机器视觉技术的机器人取 代人 机械臂+识别类 模型”，AI 应用的主要目标是识别外观缺陷情况，随着机器视觉检 测能力的提升，机器人可以适应各类大小、形状、质地的检验对象， 并同时开展多个检测流程，如大族机器人 Elfin 协作机器人能在 60 秒时间内完成电池托盘法兰面内测平面度检测、内腔长度检测、碰焊 点检测等 10 多项检测，又比如 ABB 提供的人工智能机器人焊接质检 系统，以比人工快 20 倍的速度，检测、发现和识别仅 试验验证和产线优化场景处于价值链的两端，附加值较高、应用 难度大，占比均为 5%。近年来，随着设备标准化和自动化程度的提 高，各类搬运、测量、焊接机器人及其他生产设备实现互联互通，并 通过统一的控制平台和模型算法开展协作，为产线和研发的智能化创 造了基础条件，但是由于前期投入大、回报周期长，目前这两类场景 14 的探索主要集中在部分高科技行业的龙头企业。 此类场景“机器人+人工智能”主要是“多智能体+协同优化模型”

究等多个领域展现出类似人类水平的创造力。这些 能力的涌现，使得知识创新不再受限于个体的认知 和经验，能够打破学科和专业的壁垒，加速知识的 融合和创新，预示着知识生产方式正在经历一场深 刻的变革，将引领我们进入了一个人机协作的知识 生产新模式 [7-8]。 1.1 知识获取 1.1.1 联结主义学习 大语言模型的知识获取基于联结主义的学习观 点，该观点认为智能源于大脑神经元的物理结构和 复杂的网络连接，是由大量如神经元的简单元素通 问题，但整体而言仍属于打补丁式的被动应对，缺 乏系统的、持续的学习机制来增强应变能力。 2.4 人机协作不足 人的优势包括创造力、认知力、价值判断等，机 器的优势在于计算能力、存储能力等，系统智能的 提升在于将人的能力与机器的能力有效整合[18]。系 统中人机协作的效率和效果仍然受到人机协作的自 然度、信息处理能力、交互系统智能水平、工作流程 等方面的制约，缺乏有效的机制将人的优势与机器 的优势整合起来。 知识生产场所和应用场景的物理局限，实现知识生 产的人机协作。应急知识生产超级节点作为网络中 联结密度最高的节点，扮演了一个交流中心的角色， 在与知识生产者交互中加深认识、产生联想、激发 想象，最终形成创造力推动复杂问题的解决。同时 超级节点还扮演了存储中心的角色，吸收每一轮问 题解决中生产的新知识，在参与到下一轮问题解决 时应用到新的应用场景中，促进应急知识的转移和 应用。在这样一个人机协作的知识生产模式下，应 急知识的应用与创新之间存在着一种互相促进和动

美国的数据基础设施探索实践 使用技术或方案 覆盖企业全部供应链、生产链、生态链 的完善数据整合与协作体系 云原生架构数据分析处理平台 区块链和加密算法 以Google Cloud、AWS、Azure等为代表的公司是全球领先的云平台公司，为美国和其他国家公域数据流通提供了先 进的基础设施。 1.Google Cloud的开源协作数据流通平台 Google Cloud是Google推出的云计算服务，服务涵盖 据基础设施建设和运营模式：一是平台公司的数据流通平台。以 亚马逊、谷歌、微软为代表的大型跨国数据平台公司分别构建起自身的数据安全流通环境，形成覆盖企业全部供应链、生产 链和生态链的完善数据整合与协作体系；二是专业公司的数据分析平台。以Databricks、Snowflake、Palantir为代表的数 据平台公司，构建起云原生架构数据分析处理平台；三是经纪商的数据交易平台。以Acxiom、Corelogic、Factual、 球用户对数据安全保 护和数据共享流通利用的需求变化，推出了基于数据安全流通的云到云、云到端等多种模式的数据共享服务，支持集中化和 平台公司的数据流通平台 名称 Google Cloud的开源协作数据流通平台 AWS的数据共享服务平台 Microsoft Azure的工业数据流通平台 技术特点 1、BigQuery云数据仓库 2、EDC搭建数据交互桥梁 3、联邦学习 4、数据自主控制