自动驾驶产业支持充足，标志性政策落地 1.3 车企抢滩DeepSeek，AI行业与智能驾驶共振 1.4 10万级别智驾落地推动行业进入智驾平权 1.5 汽车行业加速迈向智能驾驶全面普及时代 2.关注自研核心算法的整车企业 2.1 特斯拉：纯视觉方案+一体化端到端先驱 2.2 华为鸿蒙智行：模块化端到端，聚焦生态整合与全域协同 2.3 小鹏：云端蒸馏模型+纯视觉方案，大幅提升车端上限 2.4 理想：双系统并行，VLM规范端到端模型下限 al，Planning-oriented Autonomous Driving，国元证券研究所 6 端到端的发展历程 • 早期探索阶段（2016-2018年） 2016年：英伟达（NVIDIA）推出DAVE-2。端到端概念的提出 可 以 追 溯 至 英 伟 达 于 2016 年 发 表 的 论 文 《 End to End Learning for Self-Driving Cars》。同年，英伟达发布了 基于卷积神经网络（CNN）的端到端自动驾驶系统DAVE-2， 分布多样且高质量的视频片段训练才能正常运作。此外，在大规模数据收 集的基础上，需要对海量道路场景的数据进行标注，将其转化为支撑算法训练的数据，这也需要重资产投入。因此， 优质训练数据的体量与企业的自研实力、综合产品力、资金投入、智驾车型销量等因素密切相关，这些因素在一定程 度上强化了车企的马太效应。 真实数据中，长尾场景覆盖率低。长尾场景（暴雨、积雪或施工复杂环境中事故高发区域）中，车辆的行为决策需要

等⽅⾯的开放⽣态 搭建，实现从“卖机器⼈”转向输出“平台+⽣态”，通过开放平台构建开发者⽣态，有⼒ 加速了该领域技术的产业化、⽣态化进程。 特征之三，⼈形机器⼈的具⾝智能⽔准从“开始试⽤”⾛向“初步可⽤”。国内多次机 器⼈⽐赛展现了⼈形机器⼈的场景感知、运动协调、交互能⼒。⾏业应⽤重点也开始 转向解决复杂场景中的实际任务的执⾏能⼒。从表演、⽐赛等基础运动能⼒展示，开 始快速向⼯业、商业、家庭、应急、教育等潜⼒领域拓展。 转速段配置，可根据客户需求提供不同配置的编码器类型, MS1H1 和 MS1H4 （40/60/80 机座）) 最⾼转速从 6000rpm 提升到 7000rpm。⽲川科技摆线关节模组通 过全栈⾃研+深度协同设计，在核⼼性能上实现质的⻜跃，具备低背隙、超⾼精度，集 成化设计⼤幅降低冗余结构，相同扭矩下重量较传统⽅案更轻，减轻机器⼈肢体负 载。 2.3.4 灵巧⼿ 灵巧⼿是模仿⼈⼿结构 动全直驱⾃由度，单⼿最⼤握⼒ 80N，可举起 25kg 重物，五指指尖配备阵列式⾼精度 ⾼分辨率触觉阵列传感器，最⼩分辨率 0.05N；灵⼼巧⼿⾯向⼯业场景推出 Linker Hand L6「⼯业⼤师」灵巧⼿，拥有 12 个⾃由度，采⽤⾃研“超强电缸”驱动模块，驱动 效率达 90%，实测寿命超百万次；雷赛智能 6 ⽉发布的 DH2015 灵巧⼿具备 20 个⾃由 度，重量可轻⾄ 670 克，整⼿最⼤负载

依赖可能降低，但语义信 息仍重要。 路径规划 (AP friendly) ★ ★★ ★★★ ★★★ ★★★ 核心价值，持续提升： 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 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 4D毫米波雷达替代部分激光雷达，自研80TOPS中端芯片 车企智驾地图策略核心差异体现在自研程度、伙伴依赖度及数据闭环能力上，其中头部追求掌控，追赶 者重效率，外资则受合规强约束。 市场分析 细分市场-按车企类型 车企类型 地图技术路线 核心诉求 供应商合作模式 数据闭环 总体策略 头部自研型 (如: 华为ADS, 理想) 轻地图+自研核心 (主) (部分保留HD Map探索) 技术掌控, 差异化 体验 基础数据采购/合作 + 自研 强依赖自身车队

...................55 5.1 深睿医疗：自研多模态 AI 引擎，数智化助力医院数据资产管理........................ 56 5.2 医渡科技：“双中台”助力全线产品升级，盈利能力大幅提升............................... 57 5.3 埃格林医药：“自研管线+AI 服务”双引擎战略，引领国内 AI 制药......... .56 图表 43 医渡科技“大数据+大模型”双中台解决方案......................................................58 图表 44 埃格林自研 AI 分析药物开发精准表型的过程................................................. 59 图表 45 柏视医疗微创手术人工智能平台的肺部重建效果.. 尤其是在智慧运营、智慧后勤等场景，很多三级医院已经采购了相应的数智化系统，率 先享受到了 AI 赋能后的管理红利。 制药 AI 方面，绝大多数创新药企都对医疗 AI 持积极态度。不过，大多数药企在药物发 现阶段均倾向于自研 AI，而到了临床试验，更多药企习惯于采购成熟的第三方综合解决 方案，降低成本并规避研发风险。 5 6 第二章：自我突破，医疗 AI 形态异变 政策与提效两大购置动力支持下，国内已经孕育了一大批医疗人工智能产品，嵌入了医

护市场秩 序、促进技术创新交流、加速成果转化、降低企业研发成本与技术门 槛等方面发挥不可替代的作用，进而全面提升行业整体技术水平与国 际市场竞争力。因此，积极推进标准化建设对于人形机器人产业的可 持续发展具有深远意义。 本白皮书的编撰工作紧密围绕《人形机器人创新发展指导意见》 《关于推动未来产业创新发展的实施意见》等一系列国家政策对人形 机器人产业的战略规划与具体要求，旨在深入贯彻《十四五机器人产 to perform locomotion , manipulation or positioning ， ISO 8373:2021）。 人形机器人既可以是工业机器人，其定义为：自动控制的、可重 复编程、多用途的操作机，可对三个或三个以上轴进行编程，它可以 是固定式或移动式，用于工业自动化；也可以是服务机器人，其定义 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。 体相似，能 够模仿人类运动、表情、互动与动作的机器人，并具有一定程度的认 知和决策智能（《高工咨询》）； 3）人形机器人是一种模仿人类外形的机器人，除具备人形和模拟 人类动作外还兼具智慧化和可交互性等特点。 人形机器人主要包含三 大核心技术模块：环境感知模块、运动控制模块和人机交互模块（《觅 途咨询》）。 6 从上述对人形机器人概念的主要观点来看，可以归纳为如下三个 主要特征：①

升客户体验；同时，一些企业还坚定地贯彻“走出去”战略，向外追求增量 空间。未来，数字化创新业务和数字化商业模式将成为企业发展的新动力源 泉，让企业能够始终保持积极的竞争姿态，在数字化新环境中打造可持续发 展格局。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率和执行数字 收入举措的能力。 一系列的变革将给企业的 �.� 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 通和教育等行业。《����年IDC中 国企业多云战略调研》发现：目 建智算集群等方式，开展训练和推理业务，满足成本和规模化的考量。 场景三：构建企业创新能力。随着大模型带来的新的AGI场景的兴起，企业需 要引入更多的AI原生开发工具能力，构建“AI+”应用。同时，企业还对研 发、测试、交付过程的效率提出了更高的要求。因此，企业需要不断引入新 的云服务商，基于其在AI、机器学习、大数据分析等领域的显著能力优势和 �� 突出创新服务，例如大数据营销、AI工具链、AI创作等，加速推动新技术的

������������������ 6 3. ������ ������������ DeepSeek ����������务���� ��确�������������研������������������ ��������������撑练������������������� �������������������� 4. ������������ 5. DeepSeek ����������� 5.1 ���� ���� DeepSeek ����������务������������ ����� L4/L5 ���������研� ���������������� l ����������务������ DeepSeek ���������� ��������够������������������ DeepSeek �������务����� �������������������������������� ���副�������������������导� DeepSeek �� ������务�������������������������研� 5.2 ������ 5.2.1 ���� ������ NVIDIA A800 80GB GPU�� 16 � GPU �⼦������ ��� l �����GA100���

数据能够不断提升机器人的工作能力 ✓ 找复杂工作：工作能力提升后，向其他精细度高，链条长的任务逐步演进 • 工作环境：环境广阔，需识别物品多， 可自主移动的目标多（人，宠物等） • 工作任务：由基础搬运、巡场类工作开 始，在“指导下”逐步胜任复杂工作 • 工作任务演进逻辑： ✓ 由可胜任的单一工作开始，向复杂 长链条工作演进 2030+ M2 2025 Proprietary and Confidential 装 12 新能源汽车制造 五大工序 人形机器人 适配工种 搬运类 质检类 工站衔接类 冲压 焊接 涂装 电池制造 总装 基础组装类 人形机器人进厂打工将“分级而行”： 1. 筛选现阶段可适配工种：搬运类如冲压零件搬运存储；工站衔接类如与AGV小车协同完成“最后10m”搬运工作；质检类如来料检验，焊接质量检查；基础组装类螺丝预拧紧。 2. 从试制线学习到进场打工：优先试制线，在无生产 M2 2025 Proprietary and Confidential All Rights Reserved. 新能源车制造工序 VS 人形机器人适配工种（2/2） …在各工艺段人形机器人可适配的工种中，质检、搬运类优先落地，部分基础组装测试中（车门安装螺丝预拧紧、高压线束装配等） 14 基本实现功能 任务单一 任务复杂 2025~2030年目标 冲压-来料检验 冲压-质量检查

技术驱动：关键硬件实现国产化自研或大幅降价，大模型的 爆发降低开发成本，共同促进机器人落地通用场景 资料与数据来源：公开资料 数据收集与预处理 在智能机器人开发中，大模型 可整合来自摄像头、传感器等 设备采集的图像、声音、物理 信号等数据，将原始数据转化 为适合模型训练的高质量数据 集，极大提升数据准备效率与 质量。 1 大模型 模型训练环节 大模型可实现多任务学习，让 智能机器人同时学习多种技能 智能机器人同时学习多种技能 与行为模式。借助迁移学习， 在一个任务上训练好的模型参 数可迁移到其他相似任务，加 速新任务学习，减少训练时间 与数据需求。 2 算法优化 大模型能为智能机器人找到最 优行为策略。在复杂环境中， 机器人通过与环境交互获得奖 励反馈，大模型利用这些反馈 不断调整自身决策。大模型参 与对抗训练，让生成器生成各 种复杂场景数据，判别器与生 成器对抗，使智能机器人模型 成器对抗，使智能机器人模型 在不同场景下都能稳定运行。 3 落地应用 大模型强大的自然语言处理能 力，让智能机器人能理解人类 语言指令，实现流畅对话。在 物流、医疗等复杂场景，大模 型可整合多方面信息，辅助智 能机器人完成复杂任务。 4 激光雷达 激光雷达随着在智能驾驶系统 中的规模化落地，已大幅降价。 据国联证券测算，2024年用于 ADAS系统的激光雷达均价，将 同比下跌15

在低负载下效率优势更加明显 ...................................................................... 12 图表 15： HVDC 可减少配套设施（冷却+供电系统）和机组电能消耗 ..................................................................... 12 图表 资料来源：政府网站，华泰研究 数据中心建设有效促进我国新能源消纳，我们估算，若 2024-26 年每年数据中心建设量 6~9GW，考虑利用小时的三倍差异（数据中心 6000 小时 vs 新能源 2000 小时），可本地 消纳 18~27GW 新能源，可提供的新能源增量消纳空间相当于新建 2 条特高压外送线路。 图表4： 中国智算中心项目建设现状（截止 2023 年） 项目数量占比 项目投资规模 UPS 交流侧整流，再通过 DC/DC 变换供电； HVDC 输入端变为直流，服务器内部电源可省去整流器环节，直接将输出直流电通过 DC/DC 转换，进而降低服务器电源单元（PSU）的效率损耗。 图表14： 相比 AC UPS 系统，HVDC 在低负载下效率优势更加明显 图表15： HVDC 可减少配套设施（冷却+供电系统）和机组电能消耗 资料来源：NTT DATA，华泰研究