面的应用场景。 特别是在政务热线中，DeepSeek 发挥了重要作用。以 12345 政务服务热线为例， 通过接入 DeepSeek，热线系统拓展了智能文本机器人应答、智能辅助填单、智 能工单分类和智能工单转派等功能，充分展现了人工智能大模型在提升政府服务 效能方面的巨大潜力。 就目前而言，对 DeepSeek 的探索和应用仍处于起步阶段，未来需要深入探 索大模型工具在更多政务场景中的 对政府回应公 民的速度和质量进行有效评估。1997 年，美国达拉斯市将二十多条热线和多个 呼叫中心合并为非紧急呼叫中心 311。基于通话录音，该热线及时记录市民反映 的问题，并将录音的内容进行分类和整理，分析出不同的问题类型，并将这些问 题反馈给政府的各个部门，供其及时出台相关政策，针对性地解决问题。纽约、 巴黎、芝加哥等多个城市相继模仿达拉斯成立 311 热线呼叫中心，构建公众与政 1 政务热线驱动的超大城市社会治理创新——以北京市“接诉即办 ”改革为例[J]. 公 共管理学报,2021, 18(02):1-12+164. 5 一阶段强调智能算法的赋能，对政务热线大数据进行聚合分类、关联分析、回归 分析、预测分析和可视化呈现，充分释放数据红利，推动传统城市治理向精细化、 精准化和智能化全面升级。 （二）大模型在政务热线中的全新价值 随着大模型、人工智能、物联网等新一代数字技术的突破性发展，技术赋能

面的应用场景。 特别是在政务热线中，DeepSeek 发挥了重要作用。以 12345 政务服务热线为例， 通过接入 DeepSeek，热线系统拓展了智能文本机器人应答、智能辅助填单、智 能工单分类和智能工单转派等功能，充分展现了人工智能大模型在提升政府服务 效能方面的巨大潜力。 就目前而言，对 DeepSeek 的探索和应用仍处于起步阶段，未来需要深入探 索大模型工具在更多政务场景中的 对政府回应公 民的速度和质量进行有效评估。1997 年，美国达拉斯市将二十多条热线和多个 呼叫中心合并为非紧急呼叫中心 311。基于通话录音，该热线及时记录市民反映 的问题，并将录音的内容进行分类和整理，分析出不同的问题类型，并将这些问 题反馈给政府的各个部门，供其及时出台相关政策，针对性地解决问题。纽约、 巴黎、芝加哥等多个城市相继模仿达拉斯成立 311 热线呼叫中心，构建公众与政 1 政务热线驱动的超大城市社会治理创新——以北京市“接诉即办 ”改革为例[J]. 公 共管理学报,2021, 18(02):1-12+164. 5 一阶段强调智能算法的赋能，对政务热线大数据进行聚合分类、关联分析、回归 分析、预测分析和可视化呈现，充分释放数据红利，推动传统城市治理向精细化、 精准化和智能化全面升级。 （二）大模型在政务热线中的全新价值 随着大模型、人工智能、物联网等新一代数字技术的突破性发展，技术赋能

中国工业机器人市场和产量占据绝对优势，算法将成为新一轮市 场竞争的关键。中国具有门类齐全、规模庞大的工业体系，工业增加 值连续多年位居全球第一，2023 年工业增加值达到 5.97 万亿美元， 且是全世界唯一拥有联合国产业分类中全部工业门类的国家。根据国 际机器人联合会（IFR）的数据,2023 年，中国市场以 175.5 万台的 庞大体量，稳稳占据全球工业机器人四成多的份额。其中，本土工业 机器人制造商强势崛起，市场份额飙升到 来看，机器学习对于数据和算力的需求较小，训练时间也相对较短， 而深度学习、强化学习则需要高性能的 GPU、TPU 等算力支撑，数据 需求也增长至百万量级。从应用场景来看，机器学习能够广泛用于各 类分类、回归、聚类、关联规则任务，帮助机器人实现物品分类、平 面移动和故障诊断等功能，但不具备决策能力；而深度学习则聚焦图 像、文本和语音等复杂任务的处理，能够帮助机器人实现缺陷检测、 知识问答、人机对话等功能，具有一定的决策能力。 操作对象或人类的互动。一是识别类，搭载机器视觉技术的机器人取 代人眼对产品进行识别和检测，机器视觉系统能够识别产品的形状、 颜色、二维码、字符等，可以取代人眼对产品进行外观、尺寸、材质 等方面的检测并进行分类和原料追溯，由此发展出检测机器人、打标 机器人等。二是语音类，搭载行业知识库甚至大语言模型的机器人能 够按照人类的指示完成任务，成为快速部署机器人、决策辅助机器人。 推理决策模型使得机器人“能学习”提高自主性和适应性。一是

放射科向外延伸，可赋能几乎所有涉及医学影像的科室。 1 病理 AI、心电 AI、部分内镜 AI 虽不属于影像 AI 范畴，但技术内核与影像 AI 相似，绝大部分使用的同样是基于深度学习的计算机视觉，且都可 基于《人工智能医用软件产品分类界定指导原则》进行划分，因而我们在此章节将其合并讨论。 7 2.1.1 产品梳理 统计有过融资记录的人工智能初创企业与公布产线的上市公司，蛋壳研究院总计对 64 家企业进行梳理，调研总计 436 AI 通常可处理多种肿瘤，这里统归为“肿瘤（放疗）”。 8 图表 4 产品分布图（脏器分布+病种分布） 资料来源：国家药监局官网、各企业官网 （其中“其它”包括皮肤、口腔、盆底等；“多种”表示含分类疾病中 2 种及以上） 2.1.2 注册准入 截至 2024 年 9 月 30 日，上述产品中总计有 160 项人工智能产品获得了医疗器械第三 类注册证3。其中，拥有 16 张三类证的联影集团（联影智能 曝光参数，会影响 AI 的应用等。此外，肝脏是功能和结构比 11 较复杂的脏器，肝脏中很多管道结构以及多个管道系统在中间穿行，某些疾病影像上可 能重叠，增加误诊风险，因而需要 AI 具有更强的分类和识别能力。 2023 年 11 月，数坤科技率先在 MR 肝方向作出突破，拿到肝脏局灶性病变 MR 图像辅 助分诊软件，将肝脏相关疾病纳入辅助诊断范畴，并于 2024 年 7 月发布第二版本。2024

人形机器人与其他相关概念的关系..................................................................................7 1.1.3 分类................................................................................................... 标准在国际舞台上的影响力。 白皮书全面且系统地梳理了人形机器人领域标准化工作的现状， 深入剖析了当前面临的问题与挑战，精准把握标准化建设的迫切需求 与未来发展方向。其内容涵盖了人形机器人的定义、分类、发展历程、 产业与技术现状、标准化现状与需求、产业/技术/标准图谱、标准体 系建设以及标准全生命周期管理与标准化生态构建等多个关键维度， 致力于为企业、研究机构、投资者以及政府管理部门提供坚实的技术 起广泛讨论，人们从各自的认知和立场给出了不同的解读。从某种程 度上讲，人们对人形机器人的定义和理解，不仅会对学术研究、专业 探索以及产业发展产生影响，还与政策走向息息相关。 从标准的角度来看，纵观国内外相关资料，机器人的分类大多依 据应用场景、功能特性、控制模式以及移动方式来进行，截至目前， 尚未发现按照机器人形状进行划分的标准或文献。因此，当 “人形机 器人” 这一以模仿生物体形状为主要特征的全新概念首次出现时，引

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 其他 未指定 0 5 10 15 20 25 2021 2022 2023 全球各行业商用机器人安装量 （单位：万台） 运输与物流 服务业 农业 专业清洁 医疗保健 一级分类 二级分类 痛点 工业机器人 搬运机器人 不同行业搬运后的装卸、室内外 搬运的衔接 焊接机器人 非标行业与场景需求、多种焊接 工艺临时切换 清洁机器人 多场景不同清洗需求、群体协同、 开放场景 商用机器人

解成更⼩、更易处理的步骤；⽽ DeepSeek R1 在展现卓越推理能⼒同时， 训练和推理成本极低 GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” BERT BERT 在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗 AI 小模型年代主要技术路线 “ 大数据、小算力、专用决策” DeepSeek-R1 基于 DS-v3 构建推理模 型，通过强化学习提升推 号⼈造卫星，是冷战中的其中⼀个重⼤事件及转 AI 的斯普特尼克时刻 被美国及其盟友列⼊各种限制 7 MLA （多头潜在注意⼒机制） • 注意⼒机制⽐作图书检索系统 • MLA 建⽴⼀个智能分类系统，不记具体 信息，⽽是⼀个“简单”标签 • 模型的占⽤率降低⾄传统的 MHA 5-13% NSA ( 原⽣稀疏注意⼒ ) • 像学霸⼀样把注意⼒消耗降到最低 • “ ⼀⽬⼗⾏

通过思维链（ChainvofvThought）增强推理能⼒，将复杂问题分 解成更⼩、更易处理的步骤；⽽DeepSeek R1在展现卓越推理能⼒同时，训练和推理成本极低 BERT BERT在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗AI 小模型年代主要技术路线 “大数据、小算力、专用决策” GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” 基于DS-v3构建推理模 每次推理仅激活相关专家，“术业有专攻” • “专事专办、要事要办 ⼩事不办 尽量不跨组解决” • 节省42.5%训练成本 MoEnSparsen(稀疏专家混合模型） • 注意⼒机制⽐作图书检索系统 • MLA%建⽴⼀个智能分类系统，不记具体 信息，⽽是⼀个“简单”标签 • 模型的占⽤率降低⾄传统的MHA%5-13% MLAn（多头潜在注意⼒机制） • 像学霸⼀样把注意⼒消耗降到最低 • “⼀⽬⼗⾏ 跳记重⼼ 记住题点”“

涵盖广泛的范围，从基本的数据素养到开发算法的高级技术专长，以 及从数据分析的熟练程度到整合领域知识以解决复杂问题。 (b) 数据 输入数据是算法培训、验证和测试的主要输入，使人工智能系统能够对输入 进行分类、生成输出和做出预测。高质量、多样化和无偏见的语料对于构建有效且值 得信赖的人工智能系统至关重要。 在少数国家显著集中研发。 5 三个关键杠杆点的协同效应可以加速人工智能进步。 图4 基础设施 ）在两个指 标上得分都较低。在两个指标上，发达国家都比发展中国家排名更高，但香港（中国 ）和新加坡例外。 各国可以根据人工 智能的采纳和开发 能力进行分类，从 而揭示其优势、劣 势以及潜在赶超轨 迹。 根据各国采用和开发人工智能的能力进行分类 15 0 20 40 60 2 4 6 8 10 （百分比） 发达国家 发展中国家 最不发达国家 工作年龄具有高学历的人口 SGP*

《数字化转型数字人才技术能力和培养 要求》 《数字化转型数字人才技术能力和培养要 求》是首项针对数字化转型数字人才培养的 国家标准。本标准聚焦数字化转型数字人才 的技术能力和培养要求，提出数字人才分类 和能力框架、各类数字人才的知识、技能和 经验要求、素养要求和培养要求。 2024 年 4 月 人力资源社会保障等九部门 《加快数字人才培育支撑数字经济发展 行动方案（2024-2026 这类新型人才不仅掌握专业的数字技能，还能深刻洞察业务场景，运用“用户导向”思维解决 实际问题，成为业务与技术融合的桥梁。因此，数字人才的定义正逐渐超越单一技能领域的界 限，向具备全面能力的“全栈型”人才转变，其分类也更加注重岗位胜任能力的考量。  目前主流的数字人才定义：岗位胜任能力 数字化技术的飞速发展，相关岗位的技能需求持续演变，仅凭学历或专业背景已难以充分 满足企业的数字人才需求。因此，企业更倾 型。 2024 年 7 月，中国电子技术标准化研究院牵头起草的《数字化转型 数字人才技术能力 和培养要求》国家标准正式获批立项，该标准聚焦数字化转型数字人才的技术能力和培养要求， 提出数字人才分类和能力框架、各类数字人才的知识、技能和经验要求、素养要求和培养要求。 该标准拟将数字人才分为数字化管理人才、数字化技术人才和数字化应用人才三大类。 第 10 页 数字人才三个层次划分 名称 数字化管理人才