聚焦重点场景，驱动人形机器人应用健康发展.........................18 世界互联网大会智库合作计划系列成果 前 言 Ⅰ 人形机器人作为人工智能与物理世界深度融合的前沿范式，正成 为智能技术突破虚拟边界的关键支点。人形机器人打破传统人工智能 的"离身认知"局限，通过独特的“人形”设计，使人工智能系统能够 无缝适应人类工作与生活环境，熟练操作为人类设计的工具与设备，实 现从纯粹信息处理 Ⅱ 世界互联网大会智库合作计划系列成果 一、人形机器人发展新态势 （一）人形机器人发展现状 1.人形机器人的内涵 人形机器人作为融合了人工智能、高端制造等先进技术的革命性 突破，以颠覆性创新重塑全球科技竞争格局，加速形成数实融合的新 质生产力，催生人机协同的新型生产关系，成为驱动数字经济向自主 经济跃迁的核心引擎，为数字经济的可持续发展提供更强韧性。 人 器设备取得突破，麻省理工学院推出了具有类似人类听觉、视觉和本 体感知功能的机器人Kismet。1991年出现了六条腿机器人Genghis， 实现了自主行走。 2000年—2010年，进入跨学科融合与技术积累阶段，人形机器人 研究开始融合跨学科的方法和技术，如机构学、机器学习、机器人学 等，形成了相对完整的学科分支。 2011年—2020年，进入技术突破阶段。深度学习技术的快速发展

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 AI。 此外，这种协同效应对按应用领域收集和清理数据至关重要。事实上，构建强大的行业 模型必须从这些极为罕见的事件中学习。 历史表明，开放的生态系统和国际合作是技术进步的重要加速器，对于复杂且具有变革性的 AI 领域更是如此。开放的工具和平台将有效推动我们在系统互操作性和集成方面取得突破。 此外，国际合作对于达成监管框架共识、控制 AI 产品相关风险至关重要。以阻碍创新为由公 开反对加强监管，实际上是一种只顾短期利益的做法，长远来看不利于未来的发展。 因此，在这一背景下，我们需要开发更可靠、更能适应实体经济需求的 人工智能 带来全新的模型与算法突破，使之如人的智能一般高效、可信、灵活、全面。因而，向物理世界中 最复杂的智能系统——脑智能——学习，也可能是未来的重要“奇点”。 戴琼海 第三，更高效的算力芯片。计算能力与智能水平息息相关，当前人工智能的发展也是伴随着 算力的不断提升。但是，线性提升的算力如何带来智能水平的跨越式突破呢？这个问题似乎很难回 答。真正的突破口可能是算力的革命性飞跃，例如较

家模 块，写诗找创意模块 ⚫ 强化学习驱动：通过“试错+奖励”机制自我进化，类似游戏 AI 自学通关 2.划时代意义：中国 AI 的破局之战 DeepSeek 的诞生不仅是技术突破，更是国家战略级的里程碑： 成本革命： ⚫ 训练成本仅 558 万美元（仅为美国同类模型的 1/20） ⚫ 推理速度提升 3 倍，生成文字速度从 20 字/秒提升至 60 字/秒 字/秒 行业重塑： ⚫ 迫使国际巨头降价（如 AnthropicClaude 降价 30%） ⚫ 首款登顶全球 140 国应用榜的国产 AI 模型 国家战略： ⚫ 突破“卡脖子”技术：仅用 2000 块国产昇腾芯片完成训练 ⚫ 构建自主技术生态：带动华为昇腾、寒武纪等国产芯片产业发展 3.功能定位：你的全能数字助手 DeepSeek 不是冷冰冰的工具，而是能融入生活的智能伙伴： 万开发者，形成中美双极化的 AI 生态格局 二、核心能力图谱 1.技术特性：AI 界的“六边形战士” DeepSeek 之所以成为现象级 AI 工具，关键在于它在效率、成本、能力三大维度实现 了突破性平衡： 技术黑话翻译： ⚫ MoE 混合专家系统：像医院分诊台，遇到数学题自动转接“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

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 基础特征：大带宽、低时延、内存统一编址 超大规模 扩展特征：多级缓存池化、资源灵活配比 超高可靠 灵活切分 大模型计算基础设施的挑战 小结 互联，将数百上千个 AI 处理器编织为一个逻辑统一的高密度计算体，为高效计算提供了底层支撑。 系统能力则是超节点高效运转的保障，它需要具备大规模、高可靠、多场景等系统特征。大规模的 组网能力突破了单机扩展的硬件限制，为大规模算力聚合提供架构支撑；高可靠的运行特性化解了 网络、计算、存储等子系统的故障风险，保障集群作业的连续性；多场景的适配能力则能通过精细 化资源调度等机制，满足不同业务需求，最大化释放算力价值。 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 们提供了宝贵的理论指导和实践参考，相信在产业界的共同努力下，超节点将不断成熟完善，为人 工智能的持续突破和广泛应用奠定坚实的算力基础。 中国工程院院士、清华大学计算机系教授 郑纬民 序言 1 超节点发展报告 03 大模型正以不可逆转之势为全球计算领域带来跨越式变革。从生成式 AI 到 Agentic

按下国家数据基础设施建设的启动键，开 启了国家数据要素化事业的新征程。 国家数据基础设施建设是一项前无古人的伟大创新事业，从实现目标上要形成数据高效流通与安全可信 间的协调统一。从技术架构上要突破引领全球计算机和信息系统发展了80余年的冯.诺依曼架构；从建设运营 上要实现供给方、需求方和服务方等数据主体基于共识规则基础上的价值共创。具有极大的挑战性，至今还 未形成成熟的技术路线。《国家数 来越多的管理、服务、生产、经营、工作、学习 等事务迁移到网络空间，网络空间的传输功能逐渐被计算功能超越，网络空间也由此升级为计算空间；第四阶段是数据空间 时代。近年来，随着大模型等人工智能技术的突破，以及人们对网络空间依赖程度的加深，对原先在互联网上难以流通的非 结构化数据和私域数据提出了流通的需求，如何构建一个既能让数据高效流通同时又确保安全可信的数据空间，成为网络空 间升级为计算空间后的又一次的跃升。 隐涉密（国家机密、企业秘密、个人隐私）而被尘封的海量私域数据，正在成为人工智能高价值数据集的重要数据源。传统 意义上的不可流通数据将随着隐私计算、区块链、智能合约、控制技术和数据沙箱等数据安全流通技术的不断突破，而逐步 变成可流通数据，从而充分释放这些涉隐涉密数据的高价值潜能。 数据安全流通要求新型数据基础设施的建立。人类社会不同发展阶段对统筹发展和安全提出了不同的要求。在信息 化、网络化发展阶段，

年我国算力总规模已达 230EFLOPS，智能算力增速高达 45%。然而，这种增长也带来了严峻的能源问题，全国数据中心年 耗电量突破 1500 亿千瓦时，占全社会用电量的 1.6%，单次 AI 大模 型训练的能耗相当于数百个家庭年用电量。与此同时，我国电力系 统正在经历深刻变革，新能源装机占比已突破 50%，但“弃风弃 光”与东部电力短缺并存的结构性矛盾日益凸显。这种算力需求激 增与能源转型的双重压力，使得构建高效、低碳的算电协同体系成 .................................................................... 53 5.2.5 量子计算与 AI 大模型赋能调度系统，突破传统优化算法 的算力瓶颈 ..................................................................................... 230EFLOPS，同比增长约 35%，其中智能算力增速更是高达 45%，显示出强劲的发展势头。然而，算力产业的爆发式增长也带来 了巨大的能源消耗问题。以数据中心为例，2023 年全国数据中心用电 量突破 1500 亿千瓦时，占全社会用电量的 1.6%，相当于三峡电站全 年发电量的 1.5 倍。更值得关注的是，随着大模型技术的快速发展， 单次训练能耗屡创新高——OpenAI 的 GPT-3 模型训练耗电达

网络七层模型的基础上，通过在网络传输层之上构建新型互 联协议，提出一种面向 Web3.0 的数字实体网络创新技术路径。 本白皮书1首先分析了网络中的数据对象，探讨了网络发展与数 据传输的本质、现有架构的局限性以及下一代网络的关键突破方向； 其次梳理了现有 Web3.0 技术演进路径；在此基础上，提出了“数 字实体互联网络”的概念与内涵，并阐述了其核心价值、关键技术要 素及相关标准化情况；最后对未来发展进行了展望。 1 ..... 5 （三） 当前网络的局限性.............................................................. 8 （四） 下一代网络的关键突破点................................................ 10 二、 现有 Web3.0 演进路径............................ 和端口的 浅层优化，导致缓存命中率等性能指标下降 40%以上。这种现状与 OSI 模型标 准化的初衷形成鲜明对比，亟需在网络架构中引入统一的数据抽象层，在保持格 式灵活性的同时实现语义互操作，从而突破当前"数据管道"式传输的局限性。 4) 跨平台数据可信保障技术缺乏 数据的流通和利用面临着可信、隐私保护和数据安全等多重挑战。为了确保 数据的可信，当前互联网通过平台为数据提供方和使用方建立信任关系。平台除

企业下一步的布局、选 品、研发、商业化提供参考建议。 核心观点 1. 伴随 AI 应用的持续扩展与需方对于 AI 认知的不断加深，“提效”取代“政策”成为需方 购置 AI 的主要动力。如今，医疗 AI 企业已突破 1-2 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 的购置态度...................................................................................... 3 第二章：自我突破，医疗 AI 形态异变........................................................................................ 方面，绝大多数创新药企都对医疗 AI 持积极态度。不过，大多数药企在药物发 现阶段均倾向于自研 AI，而到了临床试验，更多药企习惯于采购成熟的第三方综合解决 方案，降低成本并规避研发风险。 5 6 第二章：自我突破，医疗 AI 形态异变 政策与提效两大购置动力支持下，国内已经孕育了一大批医疗人工智能产品，嵌入了医 疗领域中的绝大多数场景。 不过，不同场景不同主体之中的应用规模有多有少，为了更为精准地衡量医疗

人民银行发布的《金融科技发展规划（2022-2025 年）》 指出要“探索运用量子技术突破现有算力约束、算法瓶 颈，提升金融服务并发处理能力和智能运算效率，节省 能源消耗和设备空间，逐步培育一批有价值、可落地的 金融应用场景”。2024 年 11 月，人民银行等七部门联 合印发《推动数字金融高质量发展行动方案》也强调“探 索运用边缘计算和量子技术突破现有算力瓶颈，为金融 数字化转型提供精准高效的算力支持”。在此背景下， 业标杆的向心力，吸引更多客户选择与银行合作；另一 方面，银行的成功实践将为客户经营提供借鉴，这种社 会影响力的价值不可估量。 银行在互联网时代已经落后，在 AI 时代，所有企业， 包括科技巨头，都站在同一起跑线上，如何突破简单的 会员费、使用费模式，通过大模型技术构建可持续的盈 利模式？这也是困扰 AI 企业的关键课题。 未来已来，银行业需要以战略眼光把握这一历史性 机遇。那些率先布局、深度应用 AI 智能体技术的银行， 在开展数字化转型过程中，不可避免地会引入新技术、 提出新场景、构建新模式，由于技术成熟度、验证的局 限性以及场景的新颖性，加之一些监管要求或政策条款 可能存在一定的滞后性或空白地带，导致了部分应用或 者个别环节濒临突破政策的边缘或者涉及政策的敏感界 限，从而引起一些合规安全问题或埋下一些安全隐患， 务必要引起足够重视。但是不能因为囿于合规担忧，完 全故步自封、停滞不前，也绝对不能为了效率提升，舍 弃合规底

与机器人技术融合后，从分子模拟到材料基因组学的全链条效率将被重新定义， 既能降低传统材料成本，又能缩短新材料研发周期。面对化工新材料研发的“多尺度复杂性” 与“实验验证滞后”痛点，AI 通过跨尺度建模、分子动力学加速等方案实现突破。在生产流 程中，AI 结合高通量机器人实验优化生产，降低损耗与故障率。但 AI 也在瓦解传统技术壁 垒，“白痴指数”高的材料受冲击大。化工企业需加强 AI 研发、引进人才、推动数字化转型， 以应对挑战，把握发展机遇。 ➢ 新材料预测的挑战与 AI 的破局方案：数据+算法的双重赋能 我们认为：化工新材料研发面临“多尺度复杂性”与“实验验证滞后”两大痛点。类似 Deepseek 等顶尖 AI 工具有望通过以下方案突破瓶颈： 1.跨尺度建模误差控制：微观层面，从每个原子之间相互作用力的计算误差；到介观层面， 微小的孔洞结构或者材料密度变化对材料强度带来影响；再到宏观层面，在实验室小试成功， 但是规模化生产却完全 甚至通过推理发现数据之间的逻辑关系，补充缺失的数据。比如潘锋教授团队构建了锂离子 电池正极材料知识图谱，并预测出潜在的正极材料 Li₂TiMn₃O₈。 ➢ 高通量机器人+AI 驱动的生产流程革命：成本与精度双突破 AI 可以对生产流程进行全方位的“管理”和优化。比如原材料的成分、用量，生产设备的运 行参数，环境温度、湿度等，进而通过机器强化学习结合高通量机器人实验，相比“人工试 错法”，找到生产过程中的