6 不足等限制，尚未在工业中大规模应用。在推理决策方面，基于深度 学习、强化学习的方法，机器人可以通过训练学习数据以模仿人类， 甚至通过与操作对象或环境进行交互实现非结构性的复杂操作和自 主导航。 2、三种应用模型及其组合催生出多种功能的机器人 运动控制类模型推动传统工业机器人升级为“能精细化控制”的 机器人。一是操作优化类，传统焊接、打磨机器人通过对机器人的运 动轨迹进行计算并 行自我调 整，以达到最佳的焊接效果；装配机器人利用强化学习算法，在装配 过程中自主学习轴孔装配技能，通过在线辨识控制器的最优参数，提 高装配操作质量。二是自主导航类，随着激光地图建模技术不断成熟， 基于地图开展移动路径设计的自主导航功能也实现广泛应用，发展出 各类清洁、搬运机器人。 在传统模块化机器人中，多种模型的组合配合也大大拓展了机器 人的应用场景。其中，以工业视觉为代表的感知交互技术在软硬件层 互技术在软硬件层 面都趋于成熟，因此与其他模型的组合使用较为常见，如搭载“识别 类+复杂操作类”模型的分拣机器人、质检机器人；搭载“识别类+ 自主导航类”模型的巡检机器人、配送机器人等。 图 2 机器人产品智能化的三个方向及组合 8 （三）具身智能尤其是人形机器人前沿研究持续火热 1、大模型为具身智能提供模拟人类的“大脑” 具身智能是人工智能与机器人技术的结合，是“具身化的人工智

Confidential & Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况 智算中心利好芯片类型 来源：与非研究院 GPU占据主导地位，CPU作为基础通用算力紧随其后。FPGA、AI ASIC芯片、DPU网络芯片和NPU等 专用芯片则在特定应用中发挥着重要作用。 17 Supplyframe, Inc. Confidential 算力基础设施架构和国产化情况 人工智能训练和推理工作负载选用的计算架构 推理 训练 AI训练和推理工作负载所选用的计算架构，来源：IDC 在人工智能训练和推理中，CPU + GPU架构在训练中占据主导，推理中CPU + GPU和CPU Only架构并 重，ASIC和FPGA应用于特定场景下。 18 Supplyframe, Inc. Confidential & Proprietary. Do 架构演进 ｜ 单节点性能提升+横向扩展并行，推理需求驱动芯片架构创新。 应用落地 ｜ AI与实体经济深度融合，需解决算力利用率低、场景适配不足问题。 长期趋势 ｜ DeepSeek等算法优化主导发展，智算中心成为数字经济核心驱动力，前景广阔但 需持续突破能耗与成本瓶颈。 30 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce

.............................1 1.1 政策主导下的 AI 购置动力....................................................................................................1 1.2 提效主导下的 AI 购置动力............................. 只有满足用户的切实需求，且能实现一定规模的溢出价值时，这项技术才 能具备商业化的可能。 那么，医疗产业中各类用户的真实需求是什么？本章将对多个主体进行分析，拆解他们 购置 AI 需要满足的真实需求。 1.1 政策主导下的 AI 购置动力 图表 1 2016 年—2024 年涉及医疗 AI 的关键政策（上 政策制定者通常会根据医疗卫生领域的发展现状和未来趋势，制定具有前瞻性和指导性 的政策文件。这些政策文件 的政策也将传导至中国的药企。目前，Medidata、Veeva 等企业 已将 AI 融入数字化转型解决方案中，准备承接这波海外政策变化带来的新需求。 3 1.2 提效主导下的 AI 购置动力 与政策主导下的 AI 需求不同，早期提效主导下的 AI 需求没有引导、没有给定的形态， 它需要企业自身从医院的临床、运营、管理等流程中发现真正痛点，且当 AI 解决这一 痛点时，能够为医院带来直观的收益。

2 IoT：技术逐渐突破，巨头加速布局 2.3 目录 CONTENTS 半导体：新需求拉动叠加进口替代，行业迎来黄金机遇 3 行业变局：需求多元、龙头集中、周期减弱 3.1 供需格局：库存主导行业短期景气波动 3.2 大陆半导体行业：贸易战和库存短期扰动不改加速发展大趋势 3.3 产业链分析：建厂潮拉动设备材料、5G+AI带来设计领域新机遇 3.4 PCB：内资大厂加速崛起，5G拉动新需求 价值量：LCP天线价值量显著提升，是FPC天线价值量的2倍以上，预估MPI天线价值量也会达到FPC价值量1.5倍左右； 供应链：目前LCP上游材料（树脂/薄膜）和LCP覆铜板主要由日本厂商提供，LCP软板最初由村田主导，目前逐渐有中国台湾和大陆软板厂 商参与，模组段国内厂商已经具备一定的竞争优势和市场规模，目前立讯精密已成为全球最大的LCP天线模组供应商； 目前仅有苹果大规模导入LCP，其他终端厂商也在积极跟 零组件/EMS厂商：富士康、立讯精密等 下游 下游 国产电子材料步入加速替代期： 1、产业升级：组装（毛利率10%）→零组件（毛利率 20%~30%）→材料（毛利率30%~50%）； 在组装、零组件环节，我国已占据全球主导地位；在壁垒 更高的材料环节，以3M、日东为代表的美日企业仍占主 导，随着技术工艺进步，近年来国产材料厂商开始涌现， 电子材料已进入加速替代期。 2、电子功能材料国产替代已经开始： 胶带：全球主要供应商是3M（美）、日东（日）、德莎

成本高等痛点 19 公司名称 Figure AI 特斯拉 Apptronik 产品名称 Figure 02 Optimus Apollo 功能 多模态交互、自主导航、机械手（能够处理 复杂任务如抓取等） 自主行走、自主导航、环境感知、拼接和组装 小部件等 自主行动、精准操作、环境感知、人机协同等 应用场景 工业生产、家庭服务、商业服务、仓储物流 工业生产、家庭服务、商业服务、仓储物流 EMIEW3 Ugo 功能 情感识别与对话、动作与导航、 内容展示等 物体抓取与搬运、远程操作、自主 导航/移动、环境感知等 自主移动、语音识别、导航、信息 查询和客户服务等 远程控制、自主导航、多工具接口 （根据任务更换不同工具）、高精度 作业等 应用场景 家庭服务、商业服务 家庭服务 商业服务 家庭服务 工作地点 友利银行大厅、深圳宝安机场、 东风日产4S店等 康复服务中心（日本横滨康复服务 5km/h，具备了上下楼梯、踢球、舞蹈、 感知避障、人机交互等功能 2019年 发布第二代Walker：增加了灵活的双臂和灵巧的双手， 结合机器视觉能力，可实现手眼协调抓取，引入语音 交互，可识别周围环境和地形，实现自主导航行走 2016年 推出第一款人形机器人Walker原型机：原型机具备全 向行走功能，但速度较慢，仅为 1.0km/h 2021年7月 发布Walker X（全球首个能够量产交付人形机器人）：

机 器人专项规划和政策措施，编制机器人关键技术和产品发展路线 图，在科技研发重大项目中增加机器人相关课题比例。二是突出 特色、建立细分环节主导力，紧抓当前长板优势领域，着力强化 技术实力和产品竞争力，支持企业打响自有品牌、在细分市场中 占据主导地位。三是根据产业需求补强零部件元器件及软件，深 入摸排机器人企业的共性配套需求，积极引培零部件、元器件及 软件企业，加强对产业发展的支撑。

度的轻量化地图演进，其具体形态随自动 驾驶算法需求动态演进，众源更新成为保障鲜度的关键技术。 5 资料来源：公开资料、专家调研、泰伯智库 市场概述 智驾地图的定义、核心特征与要素 高精地图主导 高精几何+语义 - 依赖高精度传感器 - L3/L4 早期探索 - 成本高/更新难 轻地图兴起 Light Map / SD Pro - 平衡成本与功能 - 支撑城市NOA落地 增强型标准地图 (SD Map+)/轻地图 动态、语义丰富的地图数据层/ 服务 (MaaS) 地图形态 发展阶段 感知主导 & 语义规划增强期 智能规划 & AI训练核心期 探索与高精依赖期 成本高, 覆盖难, 更新慢 L3/L4 演示为主 图商主导定义 重感知、轻地图成共识 城市NOA规模化 推动SD地图能力提升 车企自研能力增强，与图商关 系重塑 HD

13%在中国总部，以华为和腾讯为首，比10年前增长了2%，并超过了德国、日本、韩 国、瑞士和英国等传统研发领导者（图3）。除中国外，100家顶尖企业研发投资商中 没有来自发展中国家的。在企业和国家层面上，市场主导地位的扩大可能会导致全球 技术差距的扩大，使得后来者追赶变得更加困难。 同样，发达国家和发展中国家之间存在着显著的AI差距。例如，在基础设施方面，美国 拥有大约三分之一的顶级500台超级计算机和超过一半的总计算性能。大多数数据中心 联合国贸易和发展会议（UNCTAD），根据公司市值数据。 注意 : 该排名显示了截至2024年末全球最有价值的上市公司。 全球市值前十上市公司（亿美元） 市场主导地位的 扩大可能会导致 技术差距进一步 扩大，使得后来 者难以赶上。 图2 技术巨头的市场主导地位 4 2022 2012 49 39 13 2 12 11 8 20 4 4

碍物位置、地形特征等。然后，基于这些信息，机器人会运用各种算 法和策略来规划出一条最优或可行的运动路径。这些算法可能包括 A* 搜索算法、Dijkstra 算法、人工势场法等。通过运动规划，人形机器 人能够在复杂环境中自主导航，避免碰撞，并高效地完成任务。 在人形机器人中，运动控制涉及到对机器人各个关节和肌肉的精 确控制，以实现复杂的动作和姿态。为了实现高精度的运动控制，人 形机器人需要采用先进的控制算法和传感器技术。控制算法可能包括 的主要 功能，这些功能共同构成了人形机器人在各种应用场景中高效、智能 执行任务的基础。 平稳步态移动是人形机器人实现自主导航和移动的基础，依赖于 高精度传感器、地图构建算法、路径规划算法以及导航与控制算法等 多种技术的综合应用，可以实现机器人在多样化环境中的自主导航与 控制。这项技术主要涵盖四个方面：一是环境感知和空间定位，通过 激光雷达、摄像头、超声波传感器等多种传感器，实时采集周围环境 盖不同应用场景对机器人的要求仍可为未来制定人形机器人在应用方 面的标准提供一定参考。 综上所述，目前人形机器人国际标准尚属空白，但是从各大国际 标准化组织和世界主要经济体的标准布局可以看出，对人形机器人领 域关键标准主导权和事实标准话语权的争夺即将成为大国博弈的新战 场，推动人形机器人标准与国际接轨，提高我国机器人产业的国际影 响力已迫在眉睫。 从标准空白角度考虑，应当迅速推动国际标准立项的领域包括仿 人臂

的普及加速了市场教育， 公 众 接 受 度 显 著 提 升 ， 但 就 业 替 代 、 隐 私 安 全 等 问 题 仍 引 发 一 定 焦 虑 。 技 术 方 面 ， Transformer架构依然主导大模型发展，研发侧通过强化学习、思维链优化提升模型推理能力， 同时加速跨模态融合，并在推理效率优化和新型注意力机制等方面持续探索，推动AI产业向更 高水平迈进。 宏观环境 产业动态 发展趋势 早期投资占比高，文娱消费和医疗为最热门领域 2024年语言及多模态赛道应用领域频次分布 2024年语言及多模态模态赛道 投融资轮次占比分布 在2024年语言及多模态赛道的投融资事件中，早期投资仍占据主导地位，其中53.6%的投融资集中在C轮以前。仅有2家企业进入pre-IPO 及IPO环节，其应用领域分别为文娱消费和医疗，这与热门应用领域的分布情况高度契合，文娱消费和医疗领域也是2024年语言及多模态 问答翻译产品、AI情绪陪伴产品、AI Coding产品、To B的企业员工及To C的个人助手几类。从市场厂商参与者角度来看，大厂凭借技术、数据、资金资源和市场理解等多方面的优势，在多类型产品占据了主导 地位，尤其是To C领域。艾瑞认为，未来更多AI创业机会或诞生出小而美的To B市场，面向垂域需求，深耕业务理解与工作流优化，打造 基于AI产品能力的一体化解决方案，在前期实现市场开拓与资源积累。