进，主要基于两大核心逻辑：场景的标准化程度、任务的复杂程度由简至繁 5 工 作 环 境 复 杂 工 作 环 境 简 单 任务单一 任务复杂 商业服务 单一动作执行 ✓ 商业演出 ✓ 迎宾引导 ✓ 导览讲解 ✓ … 多动作组合 ✓ 餐盘收集 ✓ 递送物品 ✓ … 长链条复杂机械任务 ✓ 平面清洁 ✓ 零售结账 ✓ … 长链条复杂灵活任务 ✓ 零售导购 ✓ … 工业服务 单一工序、单一动作执行 螺栓预拧紧 ✓ … 单一工序、长链条任务衔接 ✓ 组装 ✓ 接线 ✓ … 多工序、多任务衔接 ✓ 配合产线节拍 ✓ 与工业机器人/AGV协同 ✓ 与人协同 ✓ … 家庭服务 单一动作执行 ✓ 语音交互 ✓ 社区娱乐 ✓ … 多动作组合+单形式交互 ✓ 递送物品 ✓ 搬运物品 ✓ … 长链条任务+多形式交互 ✓ 平面清洁 ✓ 衣物餐品洗涤 ✓ … 复杂任务、多形式交互 ✓ 餐饮制作 ✓ 照料护理 and Confidential All Rights Reserved. 人形机器人细分场景落地顺序评估逻辑 …聚焦工业/家庭/商业领域细分场景落地顺序，需评估两大维度①场景结构化程度（环境、工具）②任务复杂程度（动作、交 互理解）。对机器人的四大关键能力提出需求（感知、运控、决策、交互） 7 一级指标 二级指标 能力等级 指标定义 结构化程度 环境 1 路线与物品位置固定 2 路线涉及物体机械移动

加持下强推理慢思考范式新边界 3 的惊人成绩，表现与 OpenAI-o1-1217 相当。 在编码相关的任务中表现出专家水平， 在 Codeforces 上获得了 2029 Elo 评级，在竞赛中表现 优于 96.3% 的人类参与者 DeepSeek-R1 在知识类问答上推动科学探索边界： Research 的潜 力 在长文本依赖任务如 FRAMEs 和 事实性推断 任务 Si l QA 上表现突出 得益于强大的推理能力与长文本思考能力 ， DeepSeek R1 在复杂任务上表现卓越，成为开源领域的 又 一里程碑，标志着开源社区在与闭源大模型（如 OpenAIo1 系列）的竞争中迈出了关键性一步。 DeepSeek-R1 在数学代码任务上表现突出 Deepseek R1 型推理能力和长程问题能力，基于 RL 的 Post-Training 将会成为下一个突破点。 自回归模型在数学推理问题上很难进步的一点在于没有办法进行回答的自主修正，如果仅是依靠生 成 式方法和扩大参数规模，那么在数学推理任务上带来的收益不会太大。所以需要寻找额外的 Scaling 为什么我们需要后训练 Scaling-Law ? 回顾： Post-Training Scaling Law

........................................................................................38 2.2.4 自主任务规划与决策.............................................................................................. 一个准确的、界限明确的定义，将会造成产业界的混淆甚至混乱。因 此，对标准化工作而言，明确人形机器人概念的内涵与外延，已然成 为一项极为紧迫且重要的任务。 首先，人形机器人属于机器人范畴。机器人是具有一定程度自主 5 能力的，可以执行移动、操控或定位任务，可编程的机械致动机构 （programmed actuated mechanism with a degree of autonomy to 为：个人使用或专业用途下，可为人类或设备完成有用任务的机器人。 所以，人形机器人在不同的应用背景下，具有不同的概念和含义。 目前，国内主流科技咨询公司对人形机器人概念的观点主要如下： 1）人形机器人是具备人类外形特征和行动能力的智能机器人，以 双腿行走的方式，通过手臂和身体的协调完成功能，基于通用型算法 和生成式 AI，具备语义理解、人机交互、自主决策等能力，并利用人 机交互实现任务理解与反馈，需要强大的感知计算与运动控制能力

基础上通过RL方法强化CoT能力而来 推理能力 在日常语言任务中表现均衡，但在复杂逻辑推理（如 数学题求解）上准确率较低。 在复杂推理任务表现卓越，尤其擅长数学、代码推理任务。 多模态支持 支持文本、图像、音频乃至视频输入，可处理多种模 态信息。 当前主要支持文本输入，不具备图像处理等多模态能力。 应用场景 适合广泛通用任务，如对话、内容生成、多模态信息 处理以及多种语言相互翻译和交流；面向大众市场和 处理以及多种语言相互翻译和交流；面向大众市场和 商业应用。 适合需要高精度推理和逻辑分析的专业任务，如数学竞赛、编程 问题和科学研究；在思路清晰度要求高的场景具有明显优势，比 如采访大纲、方案梳理。 用户交互体 验 提供流畅的实时对话体验，支持多种输入模态；用户 界面友好，适合大众使用。 可自主链式思考，不需要太多的过程指令，整体交互节奏较慢。 D e e p S e e k R 1 PART 02 DeepSeek公司 推理模型（R1） 设计初衷 想要在各种自然语言处理的任务中都 能表现好，更通用 重点是为了搞定复杂的推理情况，比如 深度的逻辑分析和解决问题 性能展现 在数学题、多语言任务还有编码任务 里表现不错，像Cmath能得90.7分， Human Eval编码任务通过率是65.2% 在需要逻辑思考的测试里很棒，比如 DROP任务F1分数能达到92.2%，AIME 2024的通过率是79

进一步推动了算力需求的激增。当前，软硬件协同的方法正在不断提 升大规模智算训练效率。在硬件方面，高性能 GPU、专用 AI 芯片、 高速互联网络、大容量高速存储等技术，实现了大规模的算力供给， 为处理复杂、不规则的计算任务（如自然语言处理的长序列数据、计 算机视觉的多尺度图像特征）创造了条件；在软件方面，分布式训练 框架、预训练大模型、多模态数据处理等技术也通过精细化算力管理 提升了大模型的训练和推理速度，为机器人的大规模应用提供了基础 1）。第一阶段是无智 4 能阶段，机器人只能执行简单的预设任务，缺乏自主性和适应性；第 二阶段是基础智能阶段，机器人开始具备基本的感知能力，能够对外 界环境做出简单的反应；第三阶段是中等智能阶段，机器人能够进行 更复杂的感知和处理任务，如图像识别和语音识别；第四阶段是高度 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上 将具 术的融合，工业机器 人将具备更强大的感知、认知和决策能力，能够更加精准地识别复杂 环境中的物体、声音和图像，理解人类的语言和意图。同时，工业机 器人将具备更强的自主学习能力，能够根据环境变化和任务需求进行 自我调整和优化。从模型架构来看，结构相对简单、参数较少的机器 学习模型正在转化为多层级、大参数量的深度学习、强化学习模型， 学习方法也从手动数据标记转变为自动的数据特征提取。从支撑要素

2024年GTC大会上，英伟达还发布了一款基于 NVIDIA Thor 系统级芯片（SoC）的新型人形 机器人计算机 Jetson Thor。Jetson Thor 是一个全新的计算平台，能够执行复杂的任务并安全、 自然地与人和机器交互，具有针对性能、功耗和尺寸优化的模块化架构。 该 SoC 包括一个带有 transformer engine 的下一代 GPU，其采用 NVIDIA Blackwell 算法方案技术路线 03 13 资料来源：量子位智库、浙商证券产业研究院 具身智能的算法方案分为分层决策模型和端到端模型两种路线。 分层决策模型 端到端模型 以「Figure 01」为代表，将任务分解成不同层级，以多个神经网 络训练，再以流程管线的方式组合。Figure 01顶层接入OpenAI的 多模态大模型，提供视觉推理和语言理解；中间层神经网络策略 作为小脑进行运动控制并生成动作指令；底层机器人本体接受神 经网络策略的动作指令，进行控制执行。分层决策模型的缺点是： 不同步骤间的对齐和一致性需解决。 以「Google RT-2」为代表，通过一个神经网络完成从任务目标输 入到行为指令输出的全过程。首先在大规模互联网数据预训练视 觉语言模型，然后在机器人任务上微调，结合机器人动作数据， 推出视觉语言动作模型。RT-2不仅负责最上层的感知与规划，还 参与中下层的控制与执行，打通了端到端的链路。端到端模型的

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？ 今年《技术愿景》探讨了人工智能从自动化向转 型发展的未来。 使人们能够自主行动的推动者——为他们提供执行新任 务和比以往任何时候都更好地执行其他任务的能力。考 虑一下，随着人工智能进入新的和陌生的领域，重新构 想的可能性与机遇。为了真正理解和利用这种潜力，企 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 能的最高标准，现在每天都被人们与大型语言模型（LL M）支持的客户服务机器人和销售人员交流中所打破。 今天的AI模型已经摆脱了过去深度但具体且线性的方法 ，并展示了前所未有的自主性—在他们如何学习、如何 处理任务以及最终能够做什么方面。他们将这种自主性 带到了工作中，75%的知识工作者报告使用生成人工智 能；在如何与技术互动方面，作为编码助手并通过扩展 语音助手功能；以及几乎在一切事物上，从机器人到汽 车，到医疗保健。 —AI正在以数十种方式推动自主性。它为人们提供了他 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

傅利叶智能、智元机器人等企业频频 发布产品。 • 我国发布的国家标准《机器人分类》（GB/T 39405-2020）将机器人定义为：具有两个或两个以上可编程的轴，以及一定程度的自主能力，可在其环境内运动以执 行预定任务的执行机构。以此为基础，极光月狐研究院将智能机器人定义为：加入智能技术，能够实现自主感知、交互、决策、执行等操作的机器人。 定义及分类：从机械化、单一化向高度智能化、泛在化迈进， 智能机器人历经数十年技术革新与应用探索，仍在持续突破 高级技工的缺口达到了上千万人。 劳动力缺口大 2 蓝领群体的平均年龄也在继续增加，40 岁以上蓝领劳动者占比约50%，年轻群 体进入蓝领工作岗位的意愿较低。 年轻群体意愿低 3 工厂普工、建筑零工等工作环境危险、 任务繁重，工人精神与肉体压力大， 认可度低。许多危险性大或者繁重辛 苦的工种已经面临招工困难的局面。 繁重、危险工种招工难 6 驱动因素 政策驱动：从国家战略到地方政策培育沃土支持机器人产业 发展 人+”应用标杆企业，建设一批应用体验中心和试验验证中心。 工业和信息化部 2023年9月14日 关于组织开展2023年未来产业创新任务揭榜挂帅的通知 面向元宇宙、人形机器人、脑机接口、通用人工智能4个重点方向，聚 焦核心基础、重点产品、公共支撑、示范应用等创新任务，发掘培育 优势单位，突破一批标志性技术产品，加速新技术、新产品落地应用。 人形机器人创新发展指导意见 工业和信息化部 2023年11月3日

缺问题变得更加棘⼿ 此外，对于功能强⼤的机器⼈来说，投资回报周期相对于⼈类的吸引⼒越来越⼤。劳动 ⼒在全球国内⽣产总值中占⽐超过50%。因此，市场机会可能是巨⼤的 3 改善-技术进步使⼈们摆脱了单调的任务，增加了休闲时间。继续这⼀趋势，⼈⼯智能机 器⼈将为⼈们提供机器⼈清洁⼯、管家、司机、助⼿和护理⼈员等服务 通过分析这些动因，本报告分为3个主要部分： 1 技术-我们在第1章突出了9个变⾰。其中最重要的变⾰来⾃⼈⼯智能的进步，使 吸尘器已经在美国的20 %家庭和中国的9%家庭中活动。我们的分析显⽰到2050年将有12亿台家庭和2500 万台商业清洁机器⼈。 最新的机器⼈类别是⼈形机器⼈。这些机器⼈旨在适应⼈造环境，并在许多任务中提供多样性。在评估⼈形机器⼈的机会时， 我们⾸先在⼯业领域（即制造和仓储）看到最⼤潜⼒，然后是在家庭中。我们在家庭中看到的主要功能是清洁和照料。虽然这 个新领域需要时间建设，但我们预计到2050年将有6 达地区的渗透率是不发达市 场的⼀半。我们分析了每个地区的数据直⾄2050年。 我们认识到增补与替代的担忧既不⼀致也不直接。例如，AVs可能会替代⼀些驾驶 职业（例如出租⻋），但⼀些驾驶职业涉及其他任务/服务（例如配送）。 配送）。 采⽤和渗透率将基于经济情况⽽变化。我们发现清洁领域的机会看起来很⼤（表1中 显⽰的1188万个清洁机器⼈预测表明清洁领域的采⽤机会是巨⼤的）。当看到类⼈ 机器⼈时，令⼈惊讶的是与美国最低⼯资标准（7

认知，其开源策略结合高效、低成本的架构显著加速了中国AI产业向更加高效、开放和自主的 方向迈进，并带动产业链上下游的合作与应用落地。 AI Agent正在重塑大模型的产品应用形态，带领AI产品由简单的对话问答向完成复杂任务的智 能代理演进。作为连接数字智能与物理世界的关键技术，具身智能是下一代AI竞争的战略高地， 其发展需要解决硬件加速和软件优化、跨行业生态协作等一系列挑战。DeepSeek的开源开放， 推动了大模型 2%的人认为2022年11月 ChatGPT的发布是“AI到来的标志事件”。C端 ChatGPT 产品的出现让公众直观感受到，AI可以理解复杂的语言指令并生成流畅自然文本 的强大功能，极大突破了以往人们对AI通常进行简单任务处理的认知。AI、AIGC、大模型快速成为近两年科技产业发展的高频关键词，政 府侧、企业侧纷纷加大对AI技术投资以释放大模型生产力，消费者对生成式AI工具产品的兴趣也在增加，其中，文本写作类应用（豆包、 适用于处理空间结构的数据，如图像识别、目标检测、图像分割等。在 这些场景中，CNN能够有效地提取图像的特征，从而实现更好的性能。而 RNN 适用于处理时序关系的数据，广泛应用在自然语言处理、语音识别、机 器翻译等领域。在某些任务中，这两者也可以结合使用，形成更复杂的神经网 络结构，目前 CNN 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架