浙江省元宇宙产业发展行动计划 （2023—2025 年） 为推动浙江省元宇宙技术创新、产业发展和生态构建，前 瞻布局未来发展新赛道，培育数字经济发展新动能，特制定本 行动方案。 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 域级元宇宙产业平台，建设 50 个以上元宇宙赋能创新中心， 新增我省主导或参与的元宇宙相关标准 20 项以上，新申请元 宇宙相关专利 500 项以上。 二、重点任务 （一）创新协同攻关行动 1.加快“元平台”布局建设。推进培育元宇宙领域重点实验 室、工程研究中心和技术（产业/制造业）创新中心等，在基础 理论、关键共性技术等方面率先形成突破。积极布局元宇宙公 共技术服务，强化公共算力、模型训练资源库、标准测试数据 发挥龙头企业引领作用，着力构建大中小企业融通发展新格局， 全面提升关键器件、终端外设、业务运营、内容生产、专用信 息基础设施的产业化供给能力。（责任单位：省经信厅、省商 务厅、省发展改革委、省科技厅） （二）产业链补链强链行动 1.夯实“元设施”基础底座。加快 IPv6、5G+、卫星互联网、 工业互联网、车联网等新一代网络技术开发运用及基础设施建 设，适当超前部署自动感知终端网络。加快建设高效低碳的数 据中心、

模型作为一种通用的思维框架，通 “ 过 行动（Action）-目的（Purpose） -期望（Expectation ” ） 三个维度构建结构化的信息处理系统。工程审计领域因其 复杂性、专业性和风险管控需求， 特别适合应用此类结构化思维模型，将抽象的 审计任务转化为可操作的 AI 交互策略。 应用场景：大型基础设施项目财务审计 1. 行动（Action）：审核 2023-2024 目的（Purpose）：确保项目资金使用的合规性和透明度，识别潜在财务风险 3. 期望（Expectation）：生成详细审计报告，包括资金使用分析、风险评估和改进建议 提示词模板 作为工程审计专家，请你： 1. 行动：详细审核[项目名称]的全部财务文件 2. 目的：评估资金使用的合规性和效率 3. 期望：提供一份包含以下内容的综合报告： - 资金使用轨迹分析 - 预算执行情况 - 潜在财务风险识别 模型的各维度具有特定价值：行动维度使审 计专业人员能够精确定界审计范围与深度，解决工程审计中常见的边界模糊问 题； 目的维度将技术性审计工作与组织战略目标关联，提升审计活动的价值定 位；期 望维度则为人工智能输出提供明确标准，有效缩小技术输出与专业需求之 间的认 知差距。 4.2 CARE 模型：构建全面审计上下文 CARE 模型作为一种整合背景、行动、结果和示例的思维结构，在需要全

2025-08-23 1 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 2 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 传统智能 具身智能 只可远观，被动接受 IROS 2025 真实交互：想象链强化行动执行的环境动态适应性 n MineDreamer (IROS 2025, NeurIPS 2024 OWA研讨会) n 当处理困难问题时，一种可靠的思路是预测未来可能的执行效果，评估当前行动的可行性，以 此来指导更可靠的行动执行 n Chain-of-Imagination（想象链）可以强化具身行动执行的指令跟随能力 23 MineDreamer: Control, IROS 2025 真实交互：想象链强化行动执行的环境动态适应性 n Chain-of-imagination n Imagination-conditional VPT in a sequential way n 提供和动态环境、语言指 令、当前状态更为相关、 效果更为精准的视觉提示 24 真实交互：想象链强化行动执行的环境动态适应性 25 MineDreamer:

（例如相关对象和设备之间的协作） 将不断发展。  但是，隐私挑战仍然存在，法规会影响某些用例或智能传感标签。 他们的基础设施可能会带来新的网络安全和弹性挑战，例如，在受 监管的行业中，外人无法接受知道事物的位置。 行动建议  确定环境智能在 2025 年至 2028 年期间提供投资回报 （ROI） 的 信息影子和早期用例，并试点最有前途的示例。将其视为某些当前 或计划中的射频识别 （RFID） 用例的潜在替代品。 一线工作人员能够有针对性地更好地执行日常运营。这将带来财务投资 回报率，但可能会缩短长期价值。从这些计划中获得长期价值的组织利 用技术支持来促进更广泛的计划，这些计划更加以人为本并反映不断发 展的 EVP。 行动建议  从简化开始，采用分阶段的方法，消除离线流程并减少人为错误。 可衡量的回报将刺激对这些举措的需求，并揭示短期改进机会，为 员工队伍转型开辟道路。  开始与 HR、职能部门和业务领导者对话，了解在组织中启动增强 以通过令人愉悦的 UX 向员工提供引人入胜的分步说明。  在物流领域，有可能出现针对生产力、安全和人体工程学的解决方 案，例如卡车和货车司机的虚拟 AI 助手或使用扫描、文本、交易 和对话语音的多模式语音。 行动建议  优先考虑多模式 UI 的价值，以提供更安全、更可靠、更愉快的工 作、培训、入职和处理环境。  首先确定可以从多模式 UI 技术中受益的特定用例（例如，现场服 务、物流、仓储、制造、维护或设计）。

定义的智能体具有长期和短期记忆、自主规划、工具使用和自动执行任务 的能力，能提高工作效率和用户体验。另外，智能体也分为单智能体和多智能体。单智 能体通过试错学习在单一环境中行动，追求最大奖励，多用于简易任务。多智能体在博 弈环境中行动，追求长期累积奖励，多用于复杂测试。 1.1Agent 模式架构解析 Agent 有效减少人类工作总量，人与 AI 协作才是最终形态。人类与 AI 交互可大致 分为三种模式。Embedding 在单一子目标耗时过长等问题，将经验存入长期记忆以规避类似错误。3）工具模块： 智能体可利用工具来弥补自身短板，通过调用外部 API 来实现功能拓展。例如调用连接 互联网的 API 去搜索实时信息。4）行动模块：智能体会形成完整的计划流程。例如先 读取以前工作的经验和记忆，之后规划子目标并使用相应工具去处理问题，最后输出给 用户并完成反思。 直领域。单智能体的强化学习原理是 基于马尔可夫决策来完成的，简单来说可以分为状态集 S、行动集 A、奖励 R，下一时 刻的状态和奖励只与上一时刻的行动有关，与更早之前的状态无关。其模型原理就是让 智能体用试错的方式来学习，若某个策略能得到奖赏，则智能体产生该行为的策略就会 加强。其目的就是在单一环境中行动，尽可能得到最大的奖励。应用领域目前也较为广 泛，例如赛车游戏中连续动作的训练：控制方向盘、油门、刹车等动作，可由

通过系统梳理中国企业在环境（E）、社会（S） 和公司治理（G）方面的创新实践、落地成效与 治理经验，为行业树立可持续发展标杆。 通过遴选和发布ESG最佳实践案例，激励企业 采取更具社会责任的创新行动。促进ESG理念 在各行业的深入融合与协同发展，助力企业从 被动合规向主动价值创造转型。系统展示中国 企业在绿色转型、社会责任和公司治理方面的 领先能力与实践成果，提升其在全球ESG评价 体系中的影响力。 表性的创新实 践、落地成效与治理经验，系统展示中国企业在绿色转型、社会责任、 公司治理等方面的领先能力与实践成果。 通过遴选和发布ESG最佳实践案例，评选旨在树立可持续发展标杆 企业，激励责任创新行动，推动ESG在各行业的深入融合与协同发 展，助力中国企业在全球ESG评价体系中的影响力提升。 研究时间计划 课题立项：2025年7月 市场研究及行业专家交流：2025年7-8月 专家评审：2025年8月上旬 ESG风险识别与评估 ESG策略制定与执行 企业应根据自身的发展战略和行业特点， 结合利益相关者的期望和要求，制定明确 的ESG目标。 企业应基于ESG目标和风险评估结果， 企业应制定相应的ESG策略和行动计划 企业应建立健全的ESG风险识别和评估 机制，定期对企业面临的ESG风险进行 全面排查和分析。 可持续发展导向原则强调企业应以实 现经济、社会和环境的可持续发展为 目标。 利益相关者参与原则认为企业ESG管

往往包含各种主题与应用场景, 能学习到丰富 的表示与知识, 具有解决各类任务的潜能, 其作为 具身智能的“大脑”能显著弥补机器人领域训练数据 少且专门化的缺点, 为系统提供强大的感知、理解、 决策和行动的能力. 此外, 基础模型的零样本能力 使得系统无需调整即能适应各种未见过的任务, 基 础模型训练数据的丰富模态也可以满足具身智能对 各类传感器信息的处理需求. 无论是视觉信息、听 觉信息, 还是其他类型的感知数据 大机器人企业制造的人形机器人, 如宇树机器人 Unitr- ee H1、特斯拉机器人 Optimus, 以及 Figure AI 的 Figure 01 均使用了基础模型进行赋能, 展现出令人 惊讶的理解、判断和行动能力. 随着大模型的发展, 近年基于大模型的具身智 能工作已经成为研究热点, 各类试图将二者结合的 工作层出不穷. 尽管目前有一些以具身智能为主题 的综述[21−23], 但并未聚焦于大模型. 目前也有综述研 机器人能够在动态环境中进行鲁棒的闭环规划: 机 器人执行第一步行动, 并观察结果, 执行行动后, ViLA 会将新的视觉观察作为反馈, 与之前的视觉观察和 已执行的行动步骤一起输入到 GPT-4V 中. GPT- 4V 将根据这些信息更新其对环境的理解, 并调整 后续的行动步骤. 例如, 如果第一次行动没有完全 达到预期的效果, ViLA 可能会生成一个新的行动 步骤来纠正或完成未完成的任务. 通过这种以多模 态大模型提供实时反馈的设计

”则代表基于 AI 分析结果的迅速且精准的行动实施， 彰显了人类 对 于机器智能输出的高效利用与转化 。 此理念倡导在 AI 技术的辅助下， 人类应持续深化提问的质量与深度， 充分利用 AI 的数据挖掘与模式识别能力， 探寻数据与知识 背 后的深层逻辑与规律 。 同时， 人类需对 AI 的输出进行精准解读， 并迅速转化为具有实际操作性的策略与行动， 以实现人机协同 的最大 开放性：好的问题往往是开放性的 ，能够激发新的思考和发现，不局限于已有的知 识和观点。 行 实践性：“行 ”是将知识和信息转化为实际行动的过程， 它强调实践和应用。 目标导向：行动是为了实现特定的目标或解决问题 ，具有明确的方向性。 动态调整：行动过程中需要根据实际情况进行灵活调整 ，以达到最佳效果。 问行合一 ： 主动深思 创新执行 8 • DeepSeek 发布后在 1 灵活分配；软硬协同突破能效瓶颈 ，提升系统的整体性能；算网协同强化计算效率 ，为用户 带 来极致的体验。 “ 三个共同”强调模型算法、 隐私保护、标准共建以及 AI 伦理和行业共治等方面的共同行动。 通过技术共享与协作 ，推动模型算法的持续创新；加强隐私保护和标准共建 ，确保 AI 应用的 合 规性和安全性；共同探讨和制定 AI 伦理准则 ，实现行业的健康可持续发展。 未来趋势展望 荣耀

AI的突破：保险行业的创新挑战与机遇 • 可能问题头脑风暴 面对本次AI热潮，保险行业的焦点问 题都有哪些 • 定义核心问题 • 洞见问题本质 洞察问题，探寻本源 • 找到本质解 • 制定解决方案 设定锚点，行动实践 人工智能正在经历新的发展浪潮。某头部公司正在转向AI Agents支持平台，结合第4代人工智能 模型与专业语料库以实现业务创新。AI Agents有望为商业领域注入新活力，展示人工智能的潜力 求，甚至会让答案更加迷茫。在这 种情况下，读者可能会开始质疑自己的常规思维方式是否合理。然而，问题的核心往往隐藏在表 面之下，需要大家进行更深入的思考和探索才能发现。那么，为解决问题应该如何采取行动呢？ 三 洞察问题，探寻本源 面对复杂问题，建议参考《U型思考》方法论，从初始问题出发，洞察其背后的本质，进而精准 地解决问题。 遇到初始问题 遇到初始问题 解决问题 解决问题 发现问题的本质 服务出现。 构建保险行业的技术发展趋势参考系（微观） 四 设定锚点，行动实践 AI大模型平台化，重新定义AI Agent的开发体系 AI Agent开发范式 ►基于AI大模型的Al Agent开发流程: • 角色定义（Profile） • 记忆存储（Memory） • 计划反馈（Planning） • 行动执行（Action） Profile Profile Contents

算任务转移至绿电富集时段，理论上可提升新能源消纳率 15%以上， 实现“比特”与“瓦特”的时空耦合。政策层面，“东数西算”工程已 明确要求 2025 年国家枢纽节点数据中心绿电占比超 80%， 《加快构建 新型电力系统行动方案（2024—2027 年）》更将算电协同列为新型基 础设施建设的战略抓手，通过源网荷储一体化项目推动“大”“小” 电网与算力节点的双向赋能。产业实践中，青海柴达木 100%绿电算 第九届未来网络发展大会白皮书 五五”期间，我国将进一步提升可再生能源的利用比例，到 2030 年， 全国可再生能源消费量将达到 15 亿吨标煤以上。 2023 年 10 月，工信部等六部门发布《算力基础设施高质量发展 行动计划》，提出到 2025 年实现算力规模超过 300EFLOPS、智能算 第九届未来网络发展大会白皮书 算电协同技术白皮书 4 力占比达 35%、新建数据中心 PUE 低于 1.25 作为独立章节， 要求建立算力电力协同调度机制，支持算力企业参与电力市场化交易。 2024 年，政策进一步细化落地。国家发改委《加快构建新型电力 系统行动方案》提出开展"算力+电力"协同调度试点；工信部《数据中 心绿色低碳发展专项行动计划》要求到 2025 年新建大型数据中心 PUE 降至 1.1 以下，绿电使用率超过 50%。这些政策形成了从顶层设 计到实施细则的完整体系，为算电协同发展提供了制度保障。