第1页 人工智能物联网（AIoT）：将人工智能与现实世界相连 版权所有 ©2024 Moor Insights & Strategy 2024年5月 人工智能物联网（AIoT）：将人工智能与现实世界相连 互联设备提升人工智能的实用性 分析师将人工智能物联网（AIoT）大致定义为人工智能（AI）与物联网（IoT）的融合1，利 用AI让物联网设备变得更智能、更具 从战略层面的“大数据”视角来看，AIoT是机器智能与现实世界之间的连接。用于AI训练和 推理的大数据最初是由网络边缘与事物和人交互的设备所采集的小数据。这些IoT传感器和 人类输入设备是真实数据的来源，它们让AI变得实用且有价值。换言之，互联设备构成了神 经系统，并将AI与我们的世界相连。AIoT让AI变得真实且有意义。 AIoT与设备连接的价值 AI对可靠的、现实世界的数据有着无尽的需求，以此来推动训练和推理。因此，AI的快速发 训练和推理。因此，AI的快速发 展需要大量关于我们所处世界的准确数据，而这种依赖从根本上改变了设备连接的经济价值。 过去，评估一个联网设备的价值往往基于其功能的内在价值，比如恒温器能够测量温度并控 制HVAC系统。但如今，AI拓展了设备的价值主张，使其价值还包括对能源管理等更高级别 系统的贡献。 设备总价值 = 功能价值 + AI贡献价值 - 设备成本 基于AI的生态系

业将创建他们自己的、独特的AI认知数字大脑，这将彻 底改变技术在其企业以及与员工之间所扮演的角色。这 将极大地颠覆企业技术系统的设计、使用和运营方式； 充当品牌大使；并通过为机器人身体提供动力而在物理 世界中存在。当人工智能在组织中普及时，它使人们和 人工智能能够彼此发挥最佳状态。 卡吉克·纳赖恩 集团首席 执行官兼首席技术官 Julie Sweet 董事长兼 首席执行官 人工智能的普及，这将在新水平上为企业系统、工作队 伍和运营带来自主性和能力，在通用人工智能发挥作用 之前就已经到来。 在通用人工智能（AGI）方面。 2,3 并且，就像以前 一样，这场比赛吸引了商业领袖、政府和全世界人们 的关注。 人工智能：自主宣 言 信任是否是人工智能无 限可能性的极限？ 在每一个层面都有一个认知数字大脑。 认知数字大脑的构成要素是什么？ 们原本不具备的技能，让他们能够以前所未有的主动性 减少摩擦地行动。它为机器人提供了关于世界的新程度 上下文和推理能力，使他们能够承担更广泛和更复杂的 任务，最重要的是，以前所未有的方式与人类混合在一 起。当然，智能体和智能体AI 如果有意构建，企业可以将他们正在追求的所有分布 式人工智能努力整合，构建一个认知数字大脑。他们 可以将工作流程、机构知识、价值链、社会互动以及 关于商业和世界的许多其他关键数据硬编码到一个系 统中，该系统能够以比以往任何时候都高的水平理解

2024年12⽉ 花旗是全球最⼤的⾦融机构之⼀，在所有主要成熟和新兴市场开展业务。在这些世界市场上，我们的员⼯进⾏着持续的多学科对话 - 获取信息，分析数据，制 定⻅解和提出建议。作为我们的⾸要思想引领产品，花旗全球展望旨在帮助我们的读者应对全球经济⾯临的最具挑战性的问题，并预测⼀个快速变化且相互关 联的世界中的未来主题和趋势。花旗全球展望汇集了我们全球对话的最佳要素，并整合了我公司各个⾼级专业⼈ 清楚在这段时间 内这些系统将在多⼤程度上能够发展超出基本能⼒，如运动和拾取任务等。赋予 ⼤型预训练模型明确推理能⼒仍然是⼈⼯智能领域的⼀个前沿，将为机器⼈技术 的⼴泛部署打开⼤⻔，在那⾥代理⼈在物理世界中⾏动和交互。模型⼤⼩以及模 型在训练和推理中的能源消耗在将最新的⼤型模型部署到机器⼈技术中时仍然是 主要瓶颈之⼀，因为系统通常具有资源约束。我期待在这些领域看到更多激动⼈ ⼼的发展。我是⼀位技术爱 “第三只⼿指”是额外的机器⼈⼿指，可以附着在⼿上，为⽤⼾提供超出⽣物学可能 的增强运动能⼒。 4. 新数据和合成数据 机器⼈产业发展⾯临的⼀个重⼤挑战是现实世界数据有限，⽆法训练智能机器。 这形成了⼀种“先有鸡还是先有蛋”的局⾯：机器⼈的⽣产量较低意味着从现实 世界互动中收集数据的机会较少，进⽽限制了改进和开发新机器⼈系统的能⼒。 随着强⼤的基础模型的出现，⼈⼯智能系统现在正在从各种来源的⼤量数据中进⾏训

具身智能的数据采集可分为基于仿真环境数据和基于真是世界数据两种路线。 基于仿真环境的数据采集（Sim2Real） 基于真实世界的数据采集 Sim2Real（Simulation to Reality）—— 在仿真环境中学习技能和策略，并迁移到现实世界中。 • 优势：数据可大规模获取，成本低 • 劣势：对仿真器要求高，仿真环境与真实世界存在差 异；迁移过程中存在性能下降 基于真实世界数据采集——直接从现实世界数据中学习， 远少于互联网规模的数据集。智元采用Latent Actions（隐 式动作）来建模当前帧和历史帧之间的隐式变化，然后通 过Latent Planner，预测这些Latent Actions，从而将异构 数据源中真实世界的动作知识转移到通用操作任务中。 采用Diffusion Model作为目标函数来建模低层级动作的连 续分布。 Action Expert结构设计上与Latent Planner类似， 也是与 体系。这个数据金字 塔共分为三层：（1）大量网络数据和人类视频构成金字塔的底层；（2）通过物理模拟生成和 / 或借助现成神经模型增强得到的合成数据形 成中间层；（3）在实体机器人硬件上收集的真实世界数据则构成顶层。金字塔的底层提供广泛的视觉和行为先验知识，而顶层确保模型能在 实体机器人执行任务时落地应用。 底层：来自互联网及人类活动的视频。其特点是数量多成本低。特点是通 过大规模互联网数

44 案例三：交通银行数字人 .........................................47 摘要：随着数字经济发展，数字孪生（Digital Twin） 技术成为连接物理世界与虚拟空间的重要力量。本课题围绕 数字孪生技术在金融领域中虚拟厅堂服务、供应链金融、智 能运营等场景的应用，探索了其在提升客户体验、优化流程、 强化风控的潜力。通过具体案例实践，为金融行业数字孪生 年提出，最初 被定义为与物理产品对应的虚拟数字化模型。2010 年，美国 开始在航天与军事领域推广数字孪生，通过模拟和优化航空 器和航天器的数字化模型以改进其性能。2014 年后，如西门 子、达索等世界知名的工业软件公司开始在各自擅长的工业 领域提出数字孪生的衍生概念与应用方案。 2015 年，国内航空工业领域吸收并应用了数字孪生概 念，通过集成各类传感器采集的数据，使用机器学习等人工 智 Kullback-Leibler (KL) 散度。这种方法不仅促使模型学习有效的数据表示，还保证 7 了潜在空间的平滑性，使得我们可以通过在潜在空间中采样 来生成新的数据点。 4.建模技术 建模技术是将物理世界中的对象、过程或系统转化为数 学模型或计算机模型，为数字孪生提供一个虚拟的“骨架”。 几何建模是最基础的一环，通过 CAD 计算机辅助设计软件创 建物体的几何形状及物体间行为框架，通过一系列可变参数

用之路 11 政企、创业者必读 把大模型拉下神坛！ 走入千家万户、百行千业，才能掀起新工业革命 • 当年IBM做出超级电脑，并没有带来工业 革命，因为只有少数人用 • IBM甚至声称，全世界只用5台电脑就够了 • 真正带来信息革命的是个人电脑走入千家 万户、百行千业 当年的电脑 当今的大模型 • 如果需要十万或百万张卡起玩，就无法 产生工业革命 • 只有把大模型拉下神坛，让大模型走进 0倍  国内：大模型「亏本」卖，可以「白嫖」大模型API能力 19 政企、创业者必读 DeepSeek出现之前的十大预判 之七 多模态越来越重要  由文本生成迈向图像、视频、3D内容与世界模拟  多模态模态在能力变强的同时，规模正在变小 20 政企、创业者必读 21 DeepSeek出现之前的十大预判 之八 智能体推动大模型快速落地  能够调用各种工具，具有行动能力  DeepSeek颠覆式创新——开源 33 政企、创业者必读 新时代下的集中力量办大事  每个企业都可以直接使用DeepSeek，因为开源透明可信任，企业和 政府可做大量私有化部署  一个开源产品获得突破之后，全世界都能分享成果，结束中国百模大 战，节省大量成本  很多公司参与开源，帮助改进产品，很多人基于DS生态开发应用产 品，增加影响力，人人为我，我为人人  技术开放，对人工智能行业形成蓬勃发展，寒武纪大爆炸，推动AGI

Taibo Co.， Ltd. All Rights Reserved. 研究背景  智能驾驶技术正加速从早期“功能验证”向“全域场景”突破，头部整车厂与科技公司大规模投入车规 级大模型、“世界模型”等自动驾驶方案，智驾地图作为支撑自动驾驶决策与感知的关键底层能力，如 何成为实现自动驾驶落地和差异化体验的基础保障？  随着舱驾一体化架构成为主流，智驾地图成为连接座舱体验与驾驶功能的关键枢纽，如何实现从导航指 市场概述 技术路径的演进：AI重塑地图角色与形态 8 资料来源：公开资料、泰伯智库  L3及以上自动驾驶的兴起，对地图的精度、鲜度、覆盖度及可靠性提出了更高要求。AI驱动的感知技术 （如世界模型）正推动智驾地图从“数据提供者”向“先验知识库”角色转变。 • 是降低成本、提升鲜度的关键 • 百度、腾讯、Mobileye、TomTom等全球和本 土头部玩家，都在强化车队实时数据回传，制图 持，验证了“轻地图+重感知”混合路 线的现实需求 FSD入华的鲶鱼效应 • 英伟达、蔚来（NWM）、理想 （MindVLA）等布局‘世界模型’ • 进一步弱化静态地图依赖，但对地图作为 “先验知识库”与仿真训练数据需求提升 端到端大模型普及、世界模型兴起 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo

........ 31 5、乐聚人形机器人在电缆行业的应用 .................... 32 1 一、研究背景 （一）大模型正在加速通用机器人的全面爆发 随着人工智能向物理世界的渗透，大模型正在推动机器人向通用 化方向发展。当前，人工智能正在由虚入实，国际数据公司（IDC） 发布的最新数据显示，2023 年，中国的“机器流程自动化（RPA）+AI” 解决方案市场规模已达 贝尔物理学奖颁给了 John J. Hopfield 和 Geoffrey E. Hinton，以 表彰利用人工神经网络进行机器学习的基础发现和发明。对于机器人 产业来说，物理智能将使机器人能够理解 3D 世界的空间关系和物理 行为，赋予机器人更强的环境感知、理解和交互能力，实现更广泛的 功能应用，如宇树科技的机器人实现了原地侧空翻、复杂舞蹈动作、 平衡木行走、灵巧手操作等复杂功能。 硬件和软件的 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％， 创下历史新高。随着市场竞争的加剧和人工智能技术的赋能，工业机 器人性能不断提升、成本持续降低，正在从高新技术制造业延伸到传

只能生成部分场景，而针对动态交互场景（如复杂的多车协同避让）的模拟能力有限，导致验证结果难以完全反映真 实情况。因此，调整长尾场景在训练数据中的分布比例有很大的探索价值。目前的普遍解决方案是采用合成数据来模 拟真实世界数据的特征分布。合成数据能够以较低成本增加训练数据的规模、丰富泛化场景的多样性，并有效生成长 尾场景。例如，英伟达通过其Omniverse平台，利用合成数据提升模型对复杂场景的适应性。此外，特斯拉也采用合 S才能满足端到端的需求。除了对车端算力 的需求外，对云端算力要求也很高。由于端到端系统依赖大规模数据集，训练过程对算力资源需求极高，尤其是 为了使大模型具备复杂路况识别能力，需要在大量模拟场景和真实世界数据上进行训练。通常，样本量越大，系 统越成熟，这也推动了对高性能计算芯片和计算模块的需求。目前，特斯拉超算中心的算力支持由其自研的D1芯 片和自研的超级计算机Dojo组成，投资约10亿美元。而国内 的大规模应用，“车路云一体化”正处于转入规模化 应用的关键时期，建成将具有巨大潜在价值：一方面，当车辆大规模接入车路云网络后，交通的通行效率将得到大幅提升；另一方面， 该网络中大量的数据可以反哺真实世界模型、自动驾驶模型及机器人模型的训练。截止2024年5月，全国已有47个国家级智能网联测 试示范区，16个双智试点城市，7个智能网联先导区，包括武汉、重庆、深圳、北京等无人驾驶提前布局的重点城市。全国共开放自

它与传统技术区分开来，并挑战了技术中立的观点。人工智能的快速发 展也超过了政府有效应对的能力。2025年科技与创新报告旨在引导政策 制定者穿越复杂的AI景观，并支持他们设计促进包容性和公平技术进步 的科学、技术和创新（STI）政策。 世界已经存在显著的数字鸿沟，随着人工智能的兴起，这些鸿沟可能会 进一步扩大。为此，报告主张基于包容性和公平性的人工智能发展，将 重点从技术转向人。人工智能技术应补充而非取代人类工人，生产结构 也应重组， 物联网 区块链 领先的尖端技术提供商现在已成为世界上市值最大的公司之一。苹果、英伟达和微软 的市值均超过3万亿美元，接近非洲大陆或大不列颠及北爱尔兰联合王国的国内生产总 值（GDP），后者是全球第六大经济体。 1 前五家公司均来自美国，其中三家领先的 芯片制造商为英伟达（Nvidia）、博通（Broadcom）和台积电（TSMC）。 2 – 位居 世界前十；几乎全部专注于前沿技术，并在人工智能领域投入大量资金（图2）。 荷兰 (王国之) 新加坡 瑞士 大韩民国 德国 爱尔兰 法国 选定的经济体 中国 俄国 联邦 印度 巴西 南非 发展中国家应准备迎接一个正由人工智能和其他前沿技术快速重塑的世界。为了评估进 步的潜力，联合国贸易和发展会议（UNCTAD）制定了前沿技术准备指数，该指数结 合了信息技术和通信技术（ICT）部署、技能、研发活动、工业能力和融资获取等指标 ，以提供一个国家应对前沿