智驾地图与传统导航地图的区别 特征 传统导航地图 智驾地图 主要目的 人类驾驶员路径规划、导航指引 服务自动驾驶系统 (机器)，辅助感知、规划与决策 核心要素 道路网络、兴趣点(POI)、基本交通规则 按需提供车道拓扑、关键语义要素、精确道路属性等 精度要求 道路级别 (典型精度5-10米) 按需达到车道级或更高精度 (如信号灯等关键要素位 置，<50cm) 更新频率 相对较低 要求高，强依赖众源数据实现近实时或高频更新 提供更适合自动驾驶系统执行的路径（如车道级、 考虑曲率/坡度/可通行性），在高阶自动驾驶中始终是地图的核心能力。 决策支撑 (规 则/拓扑) ★ ★★ ★★★️ ★★★ ★★★️ 核心价值，高阶关键： 提供复杂的交通规则（如潮汐车道、特殊路口通 行）、道路拓扑关系，是实现安全、合规、高效智能驾驶决策的基础，重 要性随级别升高而凸显。 ODD 定义/验 证 N/A ★★ ★★★️ ★★★ ★★★ 高阶功能关键： 至10万元 级别车型，打破了智驾功能以往与高价车型绑定的局面 道路覆盖成本降低，可扩展至6.98万元车型 数据轻量化 腾讯地图 轻量化数据服务，模块化工具链支持车企仅调用必要地 图要素（如交通标志） 数据带宽需求降低，处理效率提升 众包更新机制 Mobileye 以REM路径，通过1亿+车载摄像头实时更新覆盖全球 采集成本降低，鲜度达分钟级 传感器精简 Momenta

1800EB，先进存储容量占比达 到 30%以上，重点行业核心数据、重要数据灾备覆盖率达到 100%。 应用赋能方面，打造一批算力新业务、新模式、新业态， 工业、金融等领域算力渗透率显著提升，医疗、交通等领域应 用实现规模化复制推广，能源、教育等领域应用范围进一步扩 大。每个重点领域打造 30 个以上应用标杆。 二、重点任务 （一）完善算力综合供给体系 1. 优化算力设施建设布局。按照全国一体化算力网络国家 3. 促进边缘算力协同部署。加快边缘算力建设，支撑工业 制造、金融交易、智能电网、云游戏等低时延业务应用，推动 “云边端”算力泛在分布、协同发展。加强行业算力建设布局， 满足工业互联网、教育、交通、医疗、金融、能源等行业应用 需求，支撑传统行业数字化转型。 4. 推动算力标准体系建设。加快制定面向业务需求的算力 设施、IT 设备、智能运营等方面的基础共性标准，完善相关技 术要求、测试 业务场景开发部署智能边缘算力节点，实现金融业务边缘侧数 据的筛选、整合与处理，为金融业务发展提供更为精准、高效 的算力支持。 5.“算力+交通”。面向智慧交通需求，加快“中心-区域- 边缘”多层级算力设施部署，支持感知、通信、控制相关设备 的标准化接入与数据汇聚，为道路交通精细化管理、场站枢纽 智能运营等跨域综合信息应用以及车路协同自动驾驶、港口矿 山自动化生产等低时延高可靠应用提供灵活高效的算力支撑。

模仿学习，一些在线方法已经提出以解决这个问题。 在端到端自主驾驶的背景下一般采用DAgger方法。 因果混淆。即模仿者会利用并依赖于输入组件与输 出信号之间的错误相关性（模型可能会将某些表面 上相关的因素，如天气、交通状况，错误地认为是 决定驾驶行为的关键因素，从而导致决策不准确）。 逆最优控制（IOC） 逆最优控制是一种从专家示范中学习 的算法，通过观察专家驾驶员的行为 来推测出一个“奖励函数”。这个奖 励函数可以理解为：专家做出的每一 ”区分专家行为 和学习行为，系统通过不断调整自己的行为，使得这个 “判别器”无法再区分专家的行为和系统自己的行为。 在自动驾驶的场景中，奖励函数的定义非常复杂， 因为要考虑的因素众多，比如路况、交通规则、其 他车辆的行为等等，而且这些因素是动态变化的。 所以，优化奖励函数非常困难。 成本学习（Cost Learning） ：将“奖励函数”替换成 “成本函数”，两者含义相反。在成本学习中，自动驾驶 这种方法最早依托于“深度Q网络”（DQN）应用 在Atari游戏中，通过学习来控制游戏中的角色。 在自动驾驶中，强化学习的目标是让车辆学会在复杂多变的交通环境中做出最优决策，例如如何转弯、加速、刹 车等。由于驾驶过程中存在众多不确定因素，如交通流量、路况变化等，决策任务极为复杂。强化学习通过让系 统与环境互动，不断优化驾驶策略，从而提高驾驶的舒适性和安全性。 强化学习在应用中面临的主要挑战是需

案例一：中电金信数据孪生实验室 .................................41 案例二：中电金信数字孪生智能运营驾驶舱 .........................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 化、智能化、自动化、可视化的形式，助力金融机构战略管 理目标落地。 案例三：交通银行数字人 1.案例背景 随着人工智能等先进技术的不断发展，数字技术对金融 机构的影响正在不断深入，正是在数字经济蓬勃发展的大背 景下，交通银行积极探索应用 3D 数字人，逐步丰富服务场 景，构建客户经理、客户服务经理、远程视频座席、数字人 “四位一体”服务模式。 48 2.解决方案 交通银行在数字人技术应用起步较早，先后推出数字员 务咨询、可视化业务办理、智能娱乐互动等全新客户服务模 式；同时还可通过数字员工与消费者进行金融知识互动问 答，提供反诈教育，为客户提供多样化金融教育学习模式， 全方位提升客户体验（见图 14）。 图14 交通银行数字人应用示例 3.应用实践 交通银行通过数字孪生技术打造虚拟数字员工，为客户 49 提供全天候金融服务，持续提升线上渠道对客户的服务能 力，优化客户体验。通过整合多模态交互、 数字人建模、自然语义理解等先进技术，数字员工可以

国企业智能化成熟度报告 (2024) 》 (以下简称《报告》) 中,便是千行百业如 雨后春第般地开始探索与迈进各自的智能化发展旅程,从智能制造领域的智能生 产线优化,到医疗行业的辅助诊断与疾病预测,再到交通领域的智能调度与拥堵 缓解, AI 技术如同流水 悄无声息又快速地填满了企业运营的各个环节 静水流 深地改变了企业的运营模式和人们的生活方式。 在今年的调研中, 我们将企业智能化成熟度量表做了刷新 partner 性质的长期陪伴尤为重要, 它将带领技术与企业共同奔赴, 共创更高价 为时代浪潮激动之余, 我们也清醒地认识到,智能化时代在为我们敞开机遇 之门的同时, 也抛出了诸多棘手难题。人工智能在医疗、交通、教育等领域的应 用极大地提高了效率,解决了许多传统难题,但同时带来了数据安全、隐私保护、 伦理道德等问题。 这些问题的出现, 迫使我们不断深入思考科技与社会的关系, 探索如何在享受科技便利的同时 网+" 到 "人工智能+" , 创新之变正在打开经济增长的更大空间。 自 2022 年开 始,我们在全国范围内,面向大中型企业客户发放《企业智能化成熟度评估量表》, 覆盖包括制造、 公共事业、 交通、能源、建筑、金融、流通、医疗卫生、专业服 务、个人消费服务、媒体、 电信、互联网在内的 13 大行业, 开展了基于年比年 历史数据的演进观测和分析, 以期寻找穿越周期、持续跃升的智能化转型和发展

商业清洁机器⼈ ⻝品和杂货配送机器⼈ 餐饮服务机器⼈ © 2024花旗集团 5 Citi GPS: 全球视⻆与解决⽅案 2024年12⽉ 内容 摘要与分析 6 技术进步 10 清洁与维护 19 交通运输 29 ⼈形机器⼈ 35 ⼯业 42 服务机器⼈ 45 医疗保健 51 安全、安全和军事 56 资本/专利 62 挑战 68 结论 78 相关阅读 79 © 2024 花旗集团 Ozmo将真实世界的危险与数据和传感器相结合  Ozmo是清洁高处窗户的最安全解决方案您认为在未来3-5 年中会面临哪些挑战？  ⾃动化劳动⼒中⼈⼯智能的接受在仓库、送货服务甚⾄交通中使⽤机器⼈的前景令 ⼈振奋。Ozmo虽然是⾃主的，但仍由⼈类使⽤屋顶上的计算机进⾏操作。最终结 果是⼈类和机器⼈共同⼯作，使⼈类远离危险，⽽机器⼈则进⾏清洁。 Ozmo在纽约的部署标志着开始。O ⻓到2050年的2450万（年复合增⻓率：3%）。整体渗透率将在2023年⾄2035年之间从3%增 加到28%，然后到2050年达到36%。 © 2024 花旗集团 29 花旗GPS：全球视⻆与解决⽅案 2024年12⽉ 交通运输 ⾃动驾驶汽⻋（AV） 我们可以就⾃动驾驶汽⻋撰写⼀份花旗GPS报告，事实上，花旗在过去⼗年中已经发表了四 份《未来汽⻋》报告，但本报告的篇幅允许我们在解释2050年之前的⼀些重点内容之前列

应用终端 URLLC 高可靠低延时 通信 • 基础设施 • 应用终端 手机 AR/VR 射频端 传感器 智能家居 智能穿戴 AR/VR 智慧城市 智能安防 无人驾驶汽车 智能交通网络 工业物联网 5G将开启手机新一轮换机周期 1.1 1.1 显示器 6 1.1 5G将开启手机新一轮换机周期 1 5G：终端发布在即，射频、光学、面板行业迎新机遇 1.2 应用终端 URLLC 高可靠低延时 通信 • 基础设施 • 应用终端 手机 AR/VR 射频端 传感器 智能家居 智能穿戴 AR/VR 智慧城市 智能安防 无人驾驶汽车 智能交通网络 工业物联网 5G将开启手机新一轮换机周期 1.1 1.1 显示器 74 电子行业2019年春季投资策略 2.1 安防行业：需求逐渐回暖、AI加速、海外拓展 2 AI：安防、汽车和IoT将是率先爆发的三个场景 2016 2017 17VS16 2018 18VS17 分类 招标金额 招标金额 增长率 招标金额 增长率 平安城市 284 383 35% 289 -25% 交通管控 181 152 -16% 215 42% 智慧交通 169 118 -30% 89 -24% 智慧城市 96 67 -30% 181 172% 雪亮工程 0 64 136 112% 智慧社区 2 5 144% 6 6%

面的重点发展智能机器人；2024 年，日本继续推进《社会 5.0 行动 计划》，强调利用人工智能和机器人技术推动经济增长和社会发展， 特别是在医疗、交通、工业等领域；2024 年，韩国公布了《人工智 能国家战略（2024-2025）》，重点投资人工智能研发，推动人工智 能在医疗、交通、教育等领域的广泛应用。 机器人与人工智能的结合在国家政策层面被提出。自 2016 年起， 中国密集出台关于机器人和人工智能的政策，2023 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 22 微米的缺陷。 4、安全管理：在部分重化工业存在一定需求 安全管理类应用占比约为 5%。主要集中在钢铁、化工、电力、 采矿、交通等安全性要求较高的领域，总体需求较小。此类场景“机 器人+人工智能”应用模式主要为“移动机器人+识别类模型+自主导 航模型”，AI 应用的主要目标是识别和预测异常情况，巡检机器人 可以不受时间

载体，将伴随AI技术的广泛应用迎来持续性的规模扩 展，以满足日益增长的算力需求。 以OpenAI 的 Sora为例，生成性人工 智能算法将文本转化为照片和视频： 行业模型 零售 政务 教育 交通 医疗 广告 金融 传媒 工业 ...... 基础模型 NLP 多模态 科学计算 CV 预测 ...... 算力基础设施 AI芯片 AI服务器 智算中心 云服务 智算一体机 ..... ，其 算力中心供给主要在北京中心城市外的郊区、廊坊、张家口以及天 津武清区等地。北京受土地资源、电力成本等因素的制约，算力中 心供给收紧，主要提供高质量、低能耗的算力中心。 ✓ 廊坊地理位置优越，交通便利，核心网络节点布局，是承接北京需 求外移的理想之地；首先承接了北京外溢的部委、互联网大厂、公 有云等大规模算力需求。 ✓ 张家口拥有丰富的风能、太阳能等绿色能源资源，不断加强与京津 冀其他 优化需求，在粤港澳地区制定了稳定的部署规划。 • 韶关是粤港澳地区提供算力资源的重点城市，以承接广州、深圳等 地实时性算力需求。目前，朗科科技、华天科技、芯峰光电等企业 已成功落地韶关集群。 • 东莞的交通网络与地理位置优势，利于算力资源快速调配，主要为 深圳等地区提供算力资源。算力中心存量资源多来自互联网大厂的 定制批发型业务，如阿里、华为、百度、腾讯等。 需求特征 • 相较于其他地区，粤港澳地