产品开发、简化设备安装并降低产品总成本。消息内容的标准化则通过实现与多个应用和生 态系统的有效连接，进一步提升了设备的价值。 接下来两个部分将探讨利用极少的IP网络以及特定领域应用层来打造面向大众市场的AIoT产 品的可行性。 标准设备网络 全球有数百种各具特色的设备网络——有线、无线、基于IP、非IP、全栈式、LAN、PAN、 LP-WAN、蜂窝网络、卫星网络等等，连接着数十亿台设备。这些网络在过去30年中不断发 迟）有严格要求的应用提供可预测的性能。而对于Wi-Fi的QoS控制，安装人员通常 采用超额配置接入点和限制用户接入的方式，即部署足够多的接入点，以确保在最 坏情况下也能有可接受的性能。这在大多数消费和工业场景中可行，但对于关键基 础设施或安全相关应用来说还不够好。 • 高安全性——自20世纪90年代初以来，SIM卡就为移动设备提供了安全保障。如今， 超过70亿台设备使用基于SIM卡的安全机制。对于AIoT设备，同样的安全元件和支 为他们对技术限制存在先入 为主的观念，同时也考虑到是否有办法克服这些限制、平台的可用性以及成本等因素。表1 对比了消费者和企业在连接IoT设备时所考虑的八个方面。前五个方面（绿色高亮）有切实 可行的解决办法，但后三点（橙色高亮）则没有。 这种对比十分微妙，因此在将这些准则应用于特定的企业用例之前，请仔细阅读以下注释并 自行开展研究。本分析以Matter标准作为“类Matter”解决方案的代表，这类解决方案的

其涵盖了广泛的数据采本体，遥操设备以及 “数据采集-数据标注-数据管理-模型训练-模型评测-模型部署-数据回传”等全链路的数据平台。 智元具身智能数据系统 AIDEA 智元数采工厂 遥操作-可行商业模式落地探究 05 32 资料来源：钛媒体AGI、浙商证券产业研究院 在具身智能技术发展的关键阶段，数据要素已成为驱动该领域突破的核心性基础。Meta首席技术官安德鲁·博斯沃思近期指出，当前数据资源尚无法有效支撑 的商业化进程，通过虚实融合的混合增强模式 实现关键场景落地；长期维度上，其将演进为具身智能生态的基础设施级技术，持续赋能物理交互能力的进化迭代。基于此，本研究提出以下两类遥操作技术 商业化路径的可行性分析。 众包训练员 具身本体企业 众包数采平台 数采任务 认领下发 数采完成 数据上传 数采需求 受理 数采需求 受理 数据平台通过众包形式以低 廉价格获取海量数据，并服 务各家具身本体企业

智能扩展到整个组织以及 现有的工作流程中，并实现可重复性，因此解决方案可以一次性制作并重复使用。 模型： 大型生成式AI模型以及经典机器学习和深度学习模型执行批判性思考和推理功能，以将数 据转化为可行的成果。 代理商： 设计为问题解决者，以最小的人为干预处理任务，并在时间推移中学习和成长，人工智 能代理将规划、反思和适应性融入其中。 一个人可以利用这种力量做什么？一家企业如何在 全体员工中部署它呢？ 了创建一个必须适用于所有用户的单一用户界面的想法 。但现在，随着代理系统的进步，它们开始在数字世界 中代表我们采取更多行动，它们正在推动一个新的软件 范式，其中更便宜的代码和以语言为先的界面使得动态 生成和定制的用户界面组件越来越可行。 在早期的一个示例中，谷歌展示了其Gemini模型生成界 面元素来帮助规划一个生日派对。 42 而非以项目符号 文本列表的形式回应，Gemini生成了一个交互式的派对 主题列表，每个主题都配有图片、描述、活动和食物选 最后，随着基础模型深入到物理学和化学等其他科学 领域，将这些模型调整为使机器人对物理环境有更深 刻的上下文理解，将是下一步重大进展。 并且，技术障碍只是企业采用的一部分途径。信任对于 真正的现实世界可行性也将至关重要。人们不仅需要与 周围的机器一起工作，还需要信任并依赖它们。希望推 动机器人革命的企事业必须考虑人机关系的新维度。例 如，当负责任的AI实践迁移到物理世界时会发生什么？ 当机器面临紧急情况或即将发生的意外时，它将做出什

整合到日常工作流程中，通过理解和应用 AI 工具来提升工作效率。 介于技术与业务之间的 AI 技术赋能者，是企业 AI 创新的重要推动力。这个群体通常由业 务架构师、AI 产品经理等组成，他们的主要职责是将AI技术转化为切实可行的业务方案， 推动业务创新与增长。这要求他们既要具备扎实的技术背景，又要对业务有深刻的理解。 作为技术基础的奠定者，AI 技术领航者是企业 AI 能力的重要保障。这个群体主要包括数 据科学家、算法工程师等技术专家，负责开发和优化 打造 AI 时代领导力 从基层到管理层系统 培养 AI 实战能力 让每个员工都能敏捷 运用、创新应用 实现 AI 与业务的深 度融合、提质增效 深入洞察 AI 前沿趋 势与商业价值 制定清晰可行的 AI 转型路线图 从工具应用升级到全 面的战略转型 培养具备 AI 思维的 创新管理团队 重塑组织决策与管理 运营模式 建立 AI 驱动的创新 型组织架构 21 AI 力主理人 4

访进行分组比较。 每一期的五大趋势报告都会重点介绍在来年 有望对业务产生重大影响的关键挑战和机 遇。今年的报告确定了 2025 年各行业和组 织的发展趋势，基于深度调查和全面的客户 参与，提供切实可行、以研究结果为依据的 洞察，帮助领导者驾驭日益复杂多变的环境 并取得长足发展。 2025 年五大趋势：人智共创未来 点燃创新纪元 5 AI 正在重塑未来的工作方式。但是，许多员工对 未 略洞察，帮助领导者做出更明智的业务决 策。凭借 IBM 在商业、技术和社会交叉领 域的独特地位，我们每年都会针对成千上 万高管、消费者和专家展开调研、访谈和互 动，将他们的观点综合成可信赖的、振奋人 心和切实可行的洞察。需要 IBV 最新研究成 果，请在 ibm.com/ibv 上注册以接收 IBV 的 电子邮件通讯。您可以通过 https://ibm.co/ ibv-linkedin 在 LinkedIn

r架构更多融入语音、视觉领域，发展 端到端的语音大模型、以DiT、ViT为代表的视觉大模型。 大模型应用逻辑：1）替代逻辑-小模型既有场景，但大 模型的效果更好 2）可行逻辑-原本小模型在某些场景能 力无法达到，大模型具备可行性 3）创新逻辑-大模型发 掘了客户需求，在需求侧未提出要求情况下创造新场景 需求 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 化方面， 应用侧：对B端+C端应用落地的作用 强化 学习 合成 数据 模型 蒸馏 技术 创新 • 重新审视传统大模型训练方法，可能过度依 赖监督学习，强调模拟人类思维方式 • 证明无需预设推理框架的可行性，为不受人 类先验约束的人工智能提供新的可能性 • 通过GRPO快速迭代高质量链式思考数据， 在特定场景下可以达到人类标注数据的效果 • 展示了模型生成数据到数据反哺模型的正向 循环，有望提升行业整体的数据使用效率 利用工程和算法创新可降低对Scaling Law 的依赖，推动行业扭转堆砌算力的竞争范式， 避免盲目追求模型的参数规模 • 证明模型蒸馏可以有效将大型模型的知识迁 移到小型模型中，显著提升小型模型的性能， 为行业提供了经济可行的应用路径 应用门槛降低 模型能力提升 促进应用繁荣 B端应用 C端应用 • 政府、金融、能源等敏感领域可以利用国产芯片+微调版开 源模型，实现大模型本地部署 • 医疗、法律等专业场景将出现更多的垂直模型，软件厂商需

r架构更多融入语音、视觉领域，发展 端到端的语音大模型、以DiT、ViT为代表的视觉大模型。 大模型应用逻辑：1）替代逻辑-小模型既有场景，但大 模型的效果更好 2）可行逻辑-原本小模型在某些场景能 力无法达到，大模型具备可行性 3）创新逻辑-大模型发 掘了客户需求，在需求侧未提出要求情况下创造新场景 需求 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 化方面， 应用侧：对B端+C端应用落地的作用 强化 学习 合成 数据 模型 蒸馏 技术 创新 • 重新审视传统大模型训练方法，可能过度依 赖监督学习，强调模拟人类思维方式 • 证明无需预设推理框架的可行性，为不受人 类先验约束的人工智能提供新的可能性 • 通过GRPO快速迭代高质量链式思考数据， 在特定场景下可以达到人类标注数据的效果 • 展示了模型生成数据到数据反哺模型的正向 循环，有望提升行业整体的数据使用效率 利用工程和算法创新可降低对Scaling Law 的依赖，推动行业扭转堆砌算力的竞争范式， 避免盲目追求模型的参数规模 • 证明模型蒸馏可以有效将大型模型的知识迁 移到小型模型中，显著提升小型模型的性能， 为行业提供了经济可行的应用路径 应用门槛降低 模型能力提升 促进应用繁荣 B端应用 C端应用 • 政府、金融、能源等敏感领域可以利用国产芯片+微调版开 源模型，实现大模型本地部署 • 医疗、法律等专业场景将出现更多的垂直模型，软件厂商需

个环节。在运动控制方面，优化类模型能够加强机器人的控制精度， 比如在拾取操作中，当传感器检测到力量过大的时候，机器人可以利 用贝叶斯优化算法及时纠正；又如在平面移动中，快速探索随机树 （RRT）算法能够先构建一条复杂但可行的路径，然后对其进行优化 来避免碰撞。另外，蚁群算法、粒子群算法等群体算法能够通过模拟 自然界生物群体的行为，实现群体优化协调。在感知交互方面，基于 机器视觉技术的识别类模型应用比较成熟，在机器人的操作取物、移 造业、家庭典型场景下机器人泛化能力的提升进行了市场调研、测试 开发和场景验证，为打造通用场景的人形机器人展开了联合创新。 在制造场景下，华为云与乐聚团队深入亨通线缆车间一线展开调 研，针对工业企业的普遍性业务痛点，进行技术可行性分析，定义整 体产品形态、任务指标和行动计划，以扫码包装、物流搬运、沾锡工 序等作为典型场景进行验证。 图 15 搭载盘古大模型的夸父在江苏亨通工厂实习

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 人能够在复杂环境中自主导航，避免碰撞，并高效地完成任务。 在人形机器人中，运动控制涉及到对机器人各个关节和肌肉的精 五、人形机器人标准体系建设 5.1 标准体系参考结构 图 10 人形机器人标准体系参考架构 人形机器人标准化体系是建立人形标准质量体系的重要环节，由 于人形机器人本身的复杂性，标准的必要性和可行性分析角度需要涵 盖多个维度，以确保其在实际应用中的有效性和可靠性。 从标准价值链来看，标准化方向包括基础通用、关键技术、典型 61 产品、任务场景、行业应用等多个环节。基础通用标准是人形机器人 同时减少了人为错误，确保了质量一致性和可靠性。此外，H1 的灵活 性使其能够快速适应生产线上的不同任务和需求变化，提高了生产线 的适应性和柔性，满足了多样化产品需求。 77 该案例不仅验证了人形机器人在动态工业流水线中的实际可行性， 还为其他企业提供了可以借鉴的具体解决方案。通过该应用，企业能 够更好地理解和应用机器人技术，推动工业生产的自动化进程，降低 对人工劳动力的依赖，从而在提高产能的同时降低生产成本。此外，

智能化程度与日俱增的未来取得成功奠定基础。 本报告总结了针对人工智能（AI）给银行业带来的价值 进行大量研究的结果，旨在为从刚开始试点到希望在内 部整体推行人工智能计划的银行管理层提供在人工智能 转型各阶段切实可行的真知灼见。 当前，虽然部分银行在应用人工智能方面取得了很大的进 步，但仍有不少银行面临着重重障碍。其当务之急，是不 能一味停留在测试和试点阶段。银行可参考本报告的指引 实施这一重大转型变革，以充分挖掘人工智能的潜力。 此举的目的是深入了解客户对该银行产品和服务的意 见，准确获知他们对银行的满意度、不满意的领域以 及对该银行的普遍看法。 毕马威的应对之策 毕马威团队利用其OpenAI平台，对客户满意度调查 结果进行了详细的情绪分析，以得出可行见解。 在Python、MS Excel和OpenAI的帮助下，我们创 建并分析了一个大型反馈数据集，以反映客户的总 体意见。 通过仔细检查反馈中表达情绪的内容，我们详细识 别出了客户从满意到失望的各种不同感受。该行认