关键数据基础设施，其核心价值在于补充车载实时感知、提 供超视距信息及优化路径规划。  智驾地图正从重几何精度的高精地图向更注重拓扑、语义与鲜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 精度按需: 对绝对几何精度要求动态调整，部分场景下拓扑关系与 语义准确性优先度更高。 • 要素按需: 地图包含要素集根据智驾系统能力与应用场景动态调整， 旨在实现成本与功能的最佳平衡。 • 高新鲜度: 对影响驾驶决策的道路变化要求近乎实时的更新能力， 依赖高效的自动化（含众源）更新机制。对于城市NOA，关键要 素的“天级/周级”更新成为普遍预期。 核心特征（动态演变中） 智驾地图形态演进示意图 合作模式分析 资料来源：公开资料、泰伯智库  车企与图商的合作模式仍然以软件授权(License)模式为主，数据交换、定制开发、混合模式乃至更深 度的战略合作正在探索早期。  双方关系处于动态调整和博弈之中，如何有效传递需求、明确权责、平衡价值是合作成功的关键，同时 也面临诸多挑战。 •基础地图数据 •标准接口 •关系相对松散 主要挑战： 需求匹配度低 •图商提供地图服务

控制模型。针对复杂场景，可基于点云的建模技术通过 LiDAR （光检测和测距）或其他 3D 扫描设备获取大量空间坐标点， 然后使用表面重建算法如 Delaunay 三角剖分或泊松重建。 此外，动态建模技术，专注于捕捉和表示系统的动态行为， 常见用于表达逻辑流程和状态转换的状态机建模，用来模拟 并发事件和资源分配问题的 Petri 网建模等。建模技术为数 字孪生提供了坚实的理论和技术支撑，正向着更加自动化、 析技术为核心，占比36%，在支持机构优化运营和提升服务 效率的同时，对精准营销的有效性和交易风险的快速识别提 出了更高要求；普惠科技聚焦小微贷款、供应链金融等场景， 占比16%，尽管智能风控提升了融资效率，不过复杂场景中 的动态风险评估仍是重要挑战；财富科技专注于财富管理和 理财服务，占比11%，旨在通过智能投顾 5和个性化资产配置 满足客户的多样化需求，但在隐私保护和数据安全方面的要 求也愈发严格。 金融机构作为金融业务的载体，承担着为社会提供资金 风险管理与合规性提升 通过模拟各类金融市场风险情景，数字孪生技术能够帮 助金融机构对市场风险、信贷风险以及经营性风险进行较为 准确地评价。金融机构通过对数据的实时监视与分析，建立 及时地识别与应对潜在风险的动态风险监视体系，从而及时 识别相应潜在风险，降低风险暴露。在绿色金融领域，数字 孪生技术可以模拟环境风险，评估绿色项目的环境影响，确 保投资的可持续性。另外，在合规性方面，通过模拟和预测 业务

配、操作、维护和检测 等 1.2 人形机器人发展历程 人形机器人的探索始于 20 世纪 70 年代，经历了早期发展阶段 （1970—2000 年）、集成发展阶段（2001—2011 年）、高动态运动与 交互能力提升阶段（2012—2020 年）、智能化发展阶段（2020 年至今） 等四个阶段（如图 3），人形机器人从最初以模仿人类外观和基本动作 为起点，逐步演变成了具有人类特征的智能系统，并推动了人工智能、 走，并具备自我恢 复平衡的能力。2017 年，第四版 Atlas 成功完成了跳跃、跳高、后空 翻等高难度体操动作，并在 2019 年展示了更复杂的体操动作组合，展 现了极高的动态运动能力。尽管 Atlas 的动态运动性能处于领先水平， 并且能够通过二维码进行物体识别，但复杂的搬运任务依然容易导致 机器人失稳，且其智能性仍较为薄弱。 2020 年伊始，以特斯拉 Optimus、Optimus 模块可以根据具体需求进行组合和配置，从而实现多种应用场景下的 灵活应用，如何在保证高承载能力和精确控制的同时提升机械臂的适 应性与智能性是未来研究的重点。 人形机器人具有类人腿部结构，可以实现奔跑跳跃等高动态运动， 也具备上台阶过沟壑等复杂环境适应能力，其设计和创新直接影响到 机器人的行走稳定性、运动效率以及与环境的交互能力。人形机器人 腿足自由度配置普遍包括模拟人体髋关节的三个自由度、模拟膝关节

保持足够强大的业务创新能力。 数字化商业模式：数字化企业将更加注重通 过商业模式创新来统筹实现数据的运用、用 户体验的提升、服务的深化以及生态的构 建，以更好地适应数字化环境下消费者行为 的变化、市场动态的快速演进以及技术进步 带来的变革，帮助企业保持竞争优势，实现 可持续发展。 IDC预测，到����年，已经建立 数字业务平台的组织将拥有比竞 争对手高出��%的数字化市场份 额，并拥有更强的追踪投资回报 务而设计，涉及多个云服务提供商。 �� 多云发展战略 第二章 持续扩展企业未来高质量增长空间 �.� 多云战略落地的应用场景 多云战略将不仅仅是IT技术升级的路径选择，其更重要的意义在于：企业将在多 云环境的动态构建过程中，进一步聚焦优势资源，理顺规模、质量、效率之间的 有机关系，实现可持续、高质量的创新发展。 ����年，IDC针对中国企业多云战 略展开调研，覆盖互联网、金融、 制造、医疗、能源和公共事业、交 家云服务商之间基于不同优先级建立冗余机制。 场景二：按需构建最优业务架构。企业，尤其是数字化原生企业，会将云服 务质量和成本等作为重要考量因素，通过在多个云服务商之间实现按需调配 的模式，在企业内沉淀一套资源优化策略，寻求动态最优的业务架构。例 如，企业通过新引入的云环境实现更快速灵活地创建和销毁资源，帮助企业 进行新项目试点、A/B测试或快速响应市场变化，提升业务敏捷性；此外，在 面对AI开发需求时，企业可根据自身对算力、算法、应用开发、数据安全、

以及能够帮助企 业清晰识别现状、科学指导转型路径的方法论。企业基于自身的转型经验和众多 客户的服务案例, 总结出一套企业智能化转型框架。这套框架来源于实践, 最终 又要回归实践, 始终秉持 "动态迭代、与时俱进" 的理念,通过企业的智能化转 型实践和行业赋能行动,将实际操作中积累的经验融入到理论模型中,逐步形成 新的理论优势, 不断攀登创新的思想高峰。 2024 年 AI 重塑后的“企 打造新增长引擎, 指 的是挖掘内外部数字价值潜力,推出全新的数字产品与服务或对现有产品做数字 化改造, 使数字业务成为新增长引擎; 韧性发展的能力,指的是借助数字&智能 技术及数字化组织,敏锐感知环境变化,动态调整适应多变环境, 提高企业韧性 发展、抵御不确定性风险的能力。 最后则是行业和社会价值。对一些先行者或富有社会责任感的企业而言,此 类价值体现了企业的更高追求。这类企业推动智能化转型不仅关注自身发展 远价值。 2. 四个维度: 引入智能体 体系化推进智能化转型 为实现智能化价值目标, 企业的转型应从智能化转型战略、智能业务运营、 混合 AI 的数字底座、以及组织与文化变革等四大维度有机推动、动态迭代, 从 而螺旋式进阶发展。 1) 智能化转型战略 智能化转型战略具有纲举目张的作用。首先,企业在智能化转型过程中应明 更多干货请关注公众号“管理技术化平台” 11 确并制定清晰的战略目标。企业需要通过充分研讨和论证

✓ 平稳行走 ✓ 路线规划 要求搬运任务成功率 ✓ 静态+动态避障策略 要求精准识别安装位置 ✓ 阴影下识别能力 ✓ 自主纠错 ✓ 长链条任务规划 要求任务成功按步完成 ✓ 语义/指令理解 ✓ 分解指令至动作 要求在指导下完成任务 ✓ 响应速度 要求快速完成衔接 要求与AGV配合完成 ✓ 静态+动态避障策略 ✓ 图像识别能力 要求对各类零件精准识别 ✓ 静态载荷平稳搬运 Gen1：Optimus 的运动能力得到了 显著提升，演示了更为流畅和自然的动作。实现直立 行走、抓取动作 2023年5月 多机器人同步协作：Tesla 发布了人形机器人 Optimus 的最新动态和演示视频，展示了多个 Optimus 机器人同时进行任务的画面 概 念 发 布 基 础 能 力 工 作 能 力 量 产 发 售 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 All Rights Reserved. 汽车制造场景产品概览（Figure AI） Figure AI自2022年发布首款原型机以来，不断推动人形机器人技术进步。2023年推出Figure 01，具备动态行走和制作咖啡能 力。2024年8月发布Figure 02，已在宝马工厂参与汽车组装。同年12月成功交付客户，实现营收。 企业/产品概况 Figure AI发展历程 Figure AI, Inc

来源：Wind、国金证券研究所（PE 和 PB 均为动态） 行业周报 敬请参阅最后一页特别声明 5 图表3：A 股全行业 PE 估值分布情况（按各行业估值分位数降序排列） 来源：Wind、国金证券研究所（PE 为动态） 图表4：A 股全行业 PB 分位数分布情况（按各行业 PB 分位数降序排列） 来源：Wind、国金证券研究所（PB 为动态） 行业周报 敬请参阅最后一页特别声明 图表5：化工细分子版块 PE 估值分布情况（按各子版块估值分位数降序排列） 来源：Wind、国金证券研究所（PE 为动态） 图表6：化工细分子版块 PB 分位数分布情况（按各子版块 PB 分位数降序排列） 来源：Wind、国金证券研究所（PB 为动态） 行业周报 敬请参阅最后一页特别声明 7 图表7：重点覆盖子行业近期产品跟踪情况

决策层和执行层找到合适的技术路线。同时，流程智能化必须突破数据孤岛与流程割裂。 企业可以通过构建穿透式数据治理体系，突破数据孤岛。物理穿透层面，企业通过多模态数据中枢 整合异构数据源，形成全域数据资产池。逻辑穿透层面，企业可以建立动态数据血缘图谱，利用 AI 自动识别数据关联关系。价值穿透层面，企业基于知识图谱技术建立跨域语义关联。 为破除流程割裂建立统一流程，企业需遵循闭环原则。一方面是端到端流程闭环的建立，企业通过 流程智能化的基础在于流程梳理，其作为成功关键主要体现在五个维度。 首先，企业需构建结构化流程库。通过流程分类、分级与分段形成全景图谱，为 AI 提供可解析的语 义基础，确保机器可理解与执行。其次，企业需要实现战略与执行的动态映射。基于业务架构与流 程架构的贯通，将战略目标拆解为可执行的流程组件，确保 AI 与价值创造路径精准对齐。第三，企 业需要建立数据治理底层规则。通过明确数据采集点、流转路径及质量标准，形成"数据-流程-决策 计溯源。 技术革新与供给侧变革的协同效应，正在重塑行业价值链条。同时，流程智能化将从效率工具进化 为战略资源，最终推动企业实现从流程优化到商业模式创新的质变跨越。爱分析将持续关注这一领 域的动态，为企业及相关技术供应商提供更深入的研究与更精准的建议，助力双方在数字化转型的 浪潮中乘风破浪，共创未来。 | 2025 爱分析 · 流程智能化实践报告 20 关于爱分析

• 高炉温度分布 • 高炉燃料比监测 • 高炉精准出铁预测 • 高炉炉况诊断 • 高炉燎铁能耗预测 • 高炉在含量智能预监 • 铁包动态调度算法(铁包 跟踪) • 烟气余热回收控制 • 部署工艺模型分析诊断 • 能源诊断分析 • 建设质量工艺动态设计 优化 • 堆堵料异常检测 • 炼铁原料混匀过程调度 优化 • 风机风压参数实时捕捉 和分析检验 • ·计算最佳工艺参数 • 炼钢工序物料属性检测 • 钢包吊钩姿态监测 • 钢包温度远程智能监测 • 钢包坐罐过程识别 • 钢包挂罐过程识别 • ·转炉吹氧自动控制 • 炼钢现场生产安全态势感知与预警 • 炼钢过程智能调度 • 能源动态管控 • 碳资源智能分析 • 电弧炉炼钢尾气检测与控制 • 钢包内渣状态识别 • 渣罐残留水识别 • 钢包挂钩挂实确认 • 钢包内渣状态识别 • 渣罐残留水识别 • 钢包挂钩挂实确认 • 热轧管材表面质检 • 钢管识别跟踪 • 铸管外表面缺陷自动检测 • 铸管内壁缺陷自动检测 • 轧钢含油污泥油-水-固三相比例及成分分析 • 坯料库行车智能调度 • (棒材)多维度轧件堆拉关系分析 • 轧钢动态调度算法 • 产品质量在线控制无损检测 • 无缝钢管芯棒表面质检 • 无缝钢管制品芯棒插偏检测 • 冷轧带材精轧机架间钢带异常识别 • 冷轧带材机架间板形异常识别 • 带材表面缺陷自动检测 • 带材卷取异常检测

仅加速了模型层的国产化创新，也为中小企业提供了更易获取的 AI 工具，激发了应用层的创新活力， 成为中国AI产业发展的标志性事件。 艾瑞人工智能研究团队延续六年行业研究经验，在第七年聚焦人工智能产业的发展环境、产业 进程及产品动态，深入探讨技术驱动、产业机遇、商业模式及挑战等核心议题，为市场提供前瞻性 数据与深度洞察。 研究方法： 本报告通过业内资深的专家访谈、桌面研究、案例实证研究、行业对比研究、投融资数据统计输出 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 1）市场规模增速略低于预期：2024年中国AI产业规模为2697亿元，增速26.2%，略低于预期。 主要原因为大模型在实际业务场景的表现未完全满足客户需求，且建设成本较高，较多项目仍 iresearch.com.cn 中国人工智能产业技术环境（2/2） Scaling Law是否失效？思维链、强化学习、后训练可提升模型训练ROI 来源：艾瑞咨询研究院自主研究绘制。 AI技术动态 Scaling Law 演进：Scaling未到尽头，各家仍在积极探索，探索大模型能力边界 思维链 CoT 优化：强化学习完成推理侧优化，在复杂计算、科学研究等方向持续加强 跨模态响应：将大