平机器人能 够满足其技术指标要求。 5.3.3 混凝土整平机器人导入要点 （1）前置工序要求 在使用整平机器人前，应完成混凝土的运输布料和初步摊铺工作，使浇筑区域大致铺 平至设计厚度略高的位置。周边模板（或控制条）应提前按标高支设牢固，作为整平边界 第 9 页 基准。施工前需架设激光基准仪（激光发射器）在现场一角，高度设置到地坪设计标高并 确保覆盖整个施工面的信号。 （2）作业环境要求 土初凝至终凝这段黄金时间窗口进行机械抹压， 以及确保作业面的条件适宜机器人发挥作 用。 5.4.4 混凝土抹平机器作业方案 （1）作业判断：当混凝土表面进入初凝状态后，立刻将履带抹平机器人运输至板面起 始位置。此时混凝土状态应满足“脚印不陷，表面微湿 ”的条件方可开始机械抹平作业。 第 12 页 （2）初次抹平：从房间或区域的一侧开始，以直线方式推进。启动机器人，使其抹盘 贴近混凝土表面开始旋转， 页 5.5.4 混凝土抹光机器人作业方案 （1）初次抹光：当混凝土表面失去浮水、呈现均匀发暗的湿润状态时，即可开始第 一次机器人抹光作业。将抹光机器人（主动机与从动机连接状态）开至板面一侧起点位置， 启动各抹盘旋转。操作者通过遥控缓缓倾斜抹盘使机器开始前进，并控制其以螺旋状或平 行 Z 字形路线行走，全场覆盖地面。第一次抹光主要作用是压实混凝土表层并提高清晰度， 此时抹盘角度宜较平， 以减少抹痕。

2025 年五大趋势：人智共创未来 点燃创新纪元 3 智能体 AI 将变革组织的业务， 但组织首先必须对员工进行再 培训。 技术债务仍在不断增加，尽管 组织在努力缓解这一问题。 在 AI 时代，位置至关重要。 AI 的快速采用带来了严峻的 IT 预算挑战，但组织很快就能自我 造血。 AI 产品和服务创新是 CEO 的首 要目标，但业务模式未能跟上。 在未来的一年中，一些组织很可能脱颖而出。您的组织会在其中吗？探索 过激反 应。 在 AI 时代，位置 至关重要。 2025 年五大趋势：人智共创未来 点燃创新纪元 14 在这两者之间取得适当的平衡变得日益困 难。展望未来，60% 的政府领导者认为冲击 的发生频率可能会增加，70% 的受访者认为 冲击的强度和影响将会增加。 18 这迫使企业 领导者评估其组织的数据存放地点，并重新 思考组织的运营方式及地理位置。2024 年， 86% 的受访高管表示其选址战略受到了地缘 升到 93%。 确定企业关键资源和技术所在的选址战略也 受到了 AI 革命的影响。企业正在寻找有效扩 展 AI 所需的人才、数据生态系统和基础架 构，同时将业务转移到能提供最大战略优势 的位置。2024 年，67% 的受访高管表示其 组织对 AI 的采用改变了其运营地点，高达 93% 的受访高管预计 AI 将在 2026 年影响其 选址战略。同样，96% 的受访高管表示数据 隐私、安全和法规将在未来两年决定其运营

统的偏好和能力。同时，地图提供 的环境要素（如道路结构、限速、 交通规则等）需高度准确，以支持 FSD系统的环境理解和合规行驶。 数据安全与合规的挑战 敏感性： 自动驾驶数据（包含精 确地理位置、环境图像等）的采集 和使用在中国受到严格监管。 合作影响： 与本土图商的合作是 特斯拉在中国合规运营FSD功能。 如：百度工程师入驻，协助特斯拉 将车道标记、交通信号灯等数据嵌 入FSD L2+/L3系统在全球主流市场落地。 • 众源更新机制与多国实时交通/安全事件服务，提升了中国NEV出海产品的智能 竞争力与用户体验 高阶赋能与多元场景覆盖  TomTom是全球主要的地图与位置服务供应商，服务于奔驰、宝马、奥迪、smart等全球50+主流车企。随着中国新 能源汽车及智驾车型大规模出海，TomTom与比亚迪、上汽、蔚来等中国车企及Tier1建立深度合作，赋能实现高阶 智 全球汽车行业向自动化、数字化及软件定义汽车（SDV）转型。HERE将位置智能从静态数据时代、互 联时代推进至AI驱动的第三代，并重点支持中国车企的出海战略。 广泛的客户基础： 为全球超过2.2亿辆汽车提供导航和地 图数据，服务全球超过70个乘用车品牌。与宝马、梅赛德 斯-奔驰、奥迪等领先车企有长期合作历史。 一站式全球解决方案： 提供覆盖全 球200+国家/地区的地图与位置服 务，结合经验丰富的本地化支持团 队和全球合规指导，为中国车企提

括环境感知、决策规划和运动控制三个环节，形成感知→决策→执⾏的闭环控制。 感知模块作为具⾝智能的“信息采集和处理器”，通过建⽴对外部环境的感知和理 解，为决策和⾏动提供⽀持。感知模块主要⽤于对象识别、位置定位、场景理解等⽅ ⾯，通过摄像头、激光雷达等多种传感设备的输⼊数据进⾏处理，进⽽从不同模态的 数据中获得多维环境信息。humanoid robots 决策模块作为具⾝智能的“指挥中⼼”，接受环境感知信息后，完成⾼级任务规划和 汉威科技已构建了覆盖 “嗅觉-触觉-平衡-⼒控-视觉”的多维传感器矩阵。 2.3.3 伺服电机 伺服电机能够精确控制位置、速度和加速度，通过将电能转化为机械能，驱动负 载按照预设的轨迹进⾏运动。伺服电机具有⾼精度、⾼效率和⾼可靠性的特性，能够 实现对速度、位置和加速度的精确控制。 汇川技术 MS1-R 系列伺服电机，功率范围 0.05kW~7.5kW，提供多种惯量配置、 转速段 Ultra”⾝⾼约 180cm，体重约 55kg。“天⼯ Ultra”使⽤⽆线领航技术完成跟随导航和⻓程路径规划， 依托于⾃⾝搭载的运控算法和多模态传感器，结合超宽带⽆线技术，引导机器⼈进⾏ ⽬标跟踪，计算⾃⾝位置，⾃主实时调整奔跑⽅向和速度。 3.2.12 松延动⼒ 松延动⼒成⽴于 2023 年，从事通⽤⼈⼯智能本体、机器⼈仿⽣、以及具⾝操作系 统等多个⽅向的研发。松延动⼒的 N2 ⼈形机器⼈作为连续空翻⼈形机器⼈。N2

每个旋转关节需要两个编码器，每个线性 关节和灵巧手则各需一个编码器。单个人 形机器人预计需要使用约54个编码器‌ 编码器 1个旋转关节约需要2个位置传感器；1个直线关 节需要至少1个位置传感器；1个灵巧手关节需要 至少1个位置传感器 位置传感器 每个直线关节需要至少1个拉压力传感器，灵巧 手需要的压力传感器数量根据设计需求计算。国 产化率相对较低 压力传感器 特斯联Optimus iBrand），基于全面品牌洞察方案，对门店客流、店铺数、销量、用户画像等多维度数据进行统计与分析； 3）月狐 iMarketing（MoonFox iMarketing），基于自有移动端大数据和用户画像标签，对人群社会属性、地理位置、轨迹特征、线上行为偏好等多维度数据进 行统计与分析； 4）月狐调研数据，通过月狐调研平台进行网络调研； 5）其他合法收集的数据。以上均系依据相关法律法规，经用户合法授权采集数 据，同时经过对数据脱敏后形成大数据分析报告。

这些约束条件可能包括无碰撞、路径最短、机械功最小等。人形机器 人的运动规划通常需要考虑机器人的动力学特性、环境障碍物以及任 务需求等多个因素，通常需要利用传感器获取周围环境的信息，如障 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 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 的信息，包括障碍物的位置、形状、距离等，为后续的定位与导航提 43 供数据支持；二是地图构建，基于采集到的环境信息，结合机器人自 身的运动状态，构建出环境的二维或三维地图，为机器人的路径规划 提供依据；三是路径规划，在已构建的地图基础上，根据机器人的任 务目标和当前位置，运用算法计算出一条最优或次优的行动路径；四 是导航与控制，将规划好的路径转化为机器人的实际运动指令，通过 划、平衡抗扰等）及能源管理模块（含充电保护、电池监控等）等。 从产业角度考虑，目前国内针对人形机器人仿真测试平台、模型 训练平台及计算平台的研究处于国际一流水平，整机技术水平及单机 操作/多机管理系统也处于国际领先位置，亟需迅速提出相应国际标准 提案，抢占国际话语权。 56 四 、人形机器人产业/技术与标准图谱 人形机器人具有通用泛化、智能执行任务的能力，感知、思考、 动作、交互与人类行为相似，当前标准处于空白阶段。产业－标准图

模式，AI 应用的主要 目标是实现环境识别和路径规划，形成码垛、上下料、仓储、配送等 典型细分场景，如极智嘉的取货机器人使用计算机视觉技术和深度学 习算法，可以在繁忙的物流中心中，快速识别包裹位置，避开障碍物， 并高效完成取货任务。二是“移动机器人+协同优化模型”模式，AI 应用的目标是开展多种物流机器人的协调配合，如亚马逊建设的无人 仓库大量使用了各类移动、仓储机器人，并引入技术团队将人工智能 需要借助 多个机器人进行全方位检测。如斯睿特漆面外观检测智能工作站，可 检测出汽车漆面的各类缺陷，包括颗粒、漆渣、橘皮、流挂、碰伤等 16 种缺陷，引入 AI 智能分类定位技术，能精准定位缺陷位置及种类 （图 6）。 图 6 斯睿特漆面外观检测智能工作站 部分整车企业也开发了用于产线优化的人工智能系统，与机器人 配合提升部分操作场景的精确度，占比约为 9%。如宝马推出的先进 的测量 精密零件力控装配。在一些复杂精细的力控装配场景中，如笔记 本主板生产过程中的内存条装配，由于装配精度要求较高，同时需监 控装配过程中的力，避免损坏工件。因此机器人不仅需要具备高精度 运动控制，还需具备与人手类似的柔性装配能力，以位置控制为主的 传统机器人难以应对挑战。珞石柔性协作机器人所有关节均内置高精 度力矩传感器，兼顾高精度运动控制与外界力感知控制能力，重复定 位精度精度优于 0.02mm，力控精度可达 0.5N，配合先进力控搜索规

资源的一体化管 理和调度。 一站式多集群管理：既能利用统一的平台连接和管理不同地域、不同基础设 施上的云主机、容器和云原生工具组件等，支持资源统筹管理与调度，亦能 将云服务调 度到不同的物理位置，减少延迟、提高服务质量并提供统一管理 视图。同时，有能力对安全、事件、日志、监控、审计、流量等进行统一运 维管控，满足跨地域容灾、跨云弹性、应用迁移等高等级需求。 �� 一致性上云体验：利用统一的容器、中间件环境，实现标准 �% 图�� 中国人工智能服务器工作负载占比预测，����-���� 训练 推理 来源：IDC，���� �� 在落地人工智能的过程中，尤其是在推理任务中，将应用程序部署在更靠近大模 型的位置将成为一种趋势，这样可有利于保障保数据处理和决策响应的实时性， 减少延迟并优化资源利用，改善整体性能。具体优势如下： 性能优化：当应用程序与模型靠近部署时，数据在网络中的传输距离和时间 都大幅 应用场景（如自动驾驶、金融交易等），数据处理的及时性至关重要，靠近 模型的应用可以更快地做出决策，可提升智能化应用的用户体验。 资源利用效率提升：将计算任务放置在数据存储位置附近，甚至将应用与模 型部署在同一地理位置或同一云区域内，可使计算资源直接访问和处理数 据，无需经过复杂的网络路由，避免了远程调用带来的额外开销，显著提升 资源利用效率，同时也更容易实现负载均衡，确保资源得到均匀分配；

炼钢设备远程监控及故障 诊断 • ·转炉炉体缺陷检测 • 钢水液面检测 • 钢包水口位置定位 • 钢包顶升高度预测 • 钢包吊钩姿态监测 • 钢包温度远程智能监测 • 炼钢工序物料属性检测 • ·精炼钢水温度连续测量 • 炼钢设备远程监控及故障诊断 • 转炉炉体缺陷检测 • 钢水液面检测 • 钢包水口位置定位 • 钢包顶升高度预测 • 钢包吊钩姿态监测 • 钢包温度远程智能监测 线材轧机咬钢打滑识别 • 线材高速线材表面质检 • 线材成品异常检测& 自动剪尾 • 轧辊表面缺陷分析 • 带钢表面质量监测 • 带钢表面质量检测 • 热卷带头方向识别 • 钢卷带头监测与联动控制 • 钢卷托举位置对中检测 • 宽厚板双边剪自动对中 • 钢卷喷号自动识别 • 棒材自动数支数 • 自动控制转钢辊道的转向 和转速 • 连轧机组中心线检测 • 轧钢机械振动故障的诊断 • 轧次计划优化算法 • 断带预测分析

的战略思路，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 批复资源规模受限，不符合头部客户定制集约化需求而使得周边市场兴起。 • 苏州市的IDC规模稳居次席。下辖市如昆山、太仓、常熟等地，成为了上 海溢出定制化IDC资源的首选承接地，这些地区凭借优越的地理位置和灵 活的定制服务，满足了市场的多元化需求。 • 南通市则以迅猛之势崛起，特别是得益于阿里巴巴等大型企业的自建项目， 进一步推动了市场繁荣，位列第三。 • 张家港则正积极布局IDC项目，预示着未来市场的进一步扩张。 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，粤港澳地区算力中心规模相对偏小，主要系当地气候气