术的 出现，引发了广泛关注，并带动了各个行业对大模型应用的探索与创新。 在政务领域，DeepSeek 展现出了巨大的潜力与价值。多地政务系统纷纷接 入 DeepSeek，积极探索其在民生服务、城市治理、公文处理等方面的应用场景。 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 一步建设发展需要各方的通力合作， 将人工智能大模型和智能技术与政务场景深度融合，打造出智慧、高效、便捷的 现代城市治理“总客服”。 （一）政务热线的发展历程 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民热线的城市1。此后，巴尔的摩的市民热线不断升级， 尤其是 CitiStat 系统的研发和启动，不仅将市民热线数据进行实时汇聚整理，而 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 Welsh W. Integrators Answer the Call for 311 services [J]. Washington

术的 出现，引发了广泛关注，并带动了各个行业对大模型应用的探索与创新。 在政务领域，DeepSeek 展现出了巨大的潜力与价值。多地政务系统纷纷接 入 DeepSeek，积极探索其在民生服务、城市治理、公文处理等方面的应用场景。 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 一步建设发展需要各方的通力合作， 将人工智能大模型和智能技术与政务场景深度融合，打造出智慧、高效、便捷的 现代城市治理“总客服”。 （一）政务热线的发展历程 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民热线的城市1。此后，巴尔的摩的市民热线不断升级， 尤其是 CitiStat 系统的研发和启动，不仅将市民热线数据进行实时汇聚整理，而 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 Welsh W. Integrators Answer the Call for 311 services [J]. Washington

高精地图主导 高精几何+语义 - 依赖高精度传感器 - L3/L4 早期探索 - 成本高/更新难 轻地图兴起 Light Map / SD Pro - 平衡成本与功能 - 支撑城市NOA落地 - 众源更新探索 轻地图成为主流 重语义/拓扑/规划 - 与端到端算法深度 融合 - 地图成为在线先验 与离线训练数据源 - 兼顾AP友好性 驱动: 感知算法进步 (Transformer 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 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing 地图功能 \ 自 动驾驶级别 L2 (辅 助驾驶) L2+ (高 速NOA) L2+ (城市 NOA) L3 (有条件 自动) L4 (高度自 动) 趋势解读 & 核心观点 感知补充 (几 何/语义) ★ ★★ ★★★ ★★★ ★★ 重要性先升后降： 在NOA阶段（尤其城市）达到峰值，用于弥补传感器 不足；随着L4感知能力增强，对地图几何细节依赖可能降低，但语义信 息仍重要。

需求变化，逐步扩大市场份额，提升行业集中度，推动行业向高质量发展转型。 • 随着各行业数字化转型进程加速，尤其是 AI 与科技企业对算力资源的旺盛需求，正推动中国算力中心市场需求不断提升。一线及环一线城市凭借经济 发达、数字经济活跃的优势，对算力资源的需求更为突出，且由于资源与能耗限制，这些地区的算力中心服务资源或将率先面临供不应求的局面。算 力中心定制批发业务在不同地理区域的供需格局存在一定差异 易），企业需优先选择城市群内部及周边算力节点 部署推理服务，以满足毫秒级响应需求。 • AI应用推理需求的爆发将驱动算力中心零售业务的 下游需求持续增长。 智能客服 ✓ 头部流量应用接入DeepSeek， 显著推动了AI大模型技术向日 常化普及 ✓ 云厂商以API或私有化部署形式 将DeepSeek模型接入云平台， 推动AI应用开发范式向云端 MaaS（模型即服务）模式演进 推理需求由城市型算力 算力中心间的高效流动。 ➢ 支持产权清晰、运营状况良好的绿色数据中心集群、传输 网络、城市算力网、算电协同等项目探索发行基础设施领 域REITs，强化政策性金融支持。 ➢ 建立东西部地区算力对口联建计划，依托国家枢纽节点打 造面向算力需求旺盛地区的算力“飞地”。鼓励面向中小 企业发放算力券、运力券。 一线城市：算力中心供给存在稀缺性，土地资源与能耗指标相对紧张 其他宏观政策：融资支持、对口联建与存算网协同共促发展

尝试，标志着自动驾驶从模块化向一体化迈进的起点。 2017年：Wayve.AI成立并发布“Learning to Drive in a Day”。Wayve.AI采用强化学习结合深度学习的方法，仅用 一天时间训练即可应对复杂城市驾驶场景，展示了端到端技 术在快速学习和适应能力上的潜力。 2017 年 ： Comma.ai 推 出 OpenPilot 。 Comma.ai 发 布 了 OpenPilot软件，最初为L2级辅助驾驶系统，后逐步转向端 其中监督学习中的损失函数用于度量 智能体动作与专家动作之间的距离。 早期应用于自动驾驶的BC，利用端到 端神经网络从摄像头输入生成控制信 号（如方向盘转动、加速等）。为了 使基于BC的端到端驾驶模型能够应对 复杂的城市场景，业内提出了进一步 改进，如多传感器输入、辅助任务和 改进的专家设计。 简洁性和高效性，因为无须手工设计奖励函数。 协变量偏移。协变量偏差指的是在训练过程中模型 训练时所用的数据分布（例如，某些路况、驾驶场 2020.10.20 国务院 《新能源汽车产业发 展规划（2021—2035 年）》 推动新能源汽车与信息通信融合发展，推进以数据为纽带的“人—车—路—云”高效协同。基于汽车感知、交通管 控、城市管理等信息，构建“人—车—路—云”多层数据融合与计算处理平台，开展特定场景、区域及道路的示范 应用，促进新能源汽车与信息通信融合应用服务创新。 2023.11.17 工信部等四部 门 关于开展智能网联汽

海量机器通信 • 基础设施 • 应用终端 URLLC 高可靠低延时 通信 • 基础设施 • 应用终端 手机 AR/VR 射频端 传感器 智能家居 智能穿戴 AR/VR 智慧城市 智能安防 无人驾驶汽车 智能交通网络 工业物联网 5G将开启手机新一轮换机周期 1.1 1.1 显示器 6 1.1 5G将开启手机新一轮换机周期 1 5G：终端发布在即，射频、光学、面板行业迎新机遇 海量机器通信 • 基础设施 • 应用终端 URLLC 高可靠低延时 通信 • 基础设施 • 应用终端 手机 AR/VR 射频端 传感器 智能家居 智能穿戴 AR/VR 智慧城市 智能安防 无人驾驶汽车 智能交通网络 工业物联网 5G将开启手机新一轮换机周期 1.1 1.1 显示器 74 电子行业2019年春季投资策略 2.1 安防行业：需求逐渐回暖、AI加速、海外拓展 招标金额 招标金额 增长率 招标金额 增长率 平安城市 284 383 35% 289 -25% 交通管控 181 152 -16% 215 42% 智慧交通 169 118 -30% 89 -24% 智慧城市 96 67 -30% 181 172% 雪亮工程 0 64 136 112% 智慧社区 2 5 144% 6 6% 城市大脑 0 2 11 481% 智慧警务 3 3 13%

交通、航 运、石油和天然气、采矿、医疗监测，以及其他任何户外移动场景。 • 偏远地区——在固定宽带无法覆盖的地方，蜂窝网络和卫星服务可填补连接空白。 相关应用包括农业、建筑、户外设备、智慧城市、公用事业和环境监测等。对于一 些低带宽需求的场景，可以使用成本更低的LP-WAN技术，如LoRaWAN。 • 高连接密度——5G网络每平方公里可支持多达一百万个连接。在体育场馆等场所， 长距离——诸如LoRaWAN这样的LP-WAN技术能以低带宽、低功耗实现惊人的长 距离连接。这些专用网络使用免授权频谱，开发简单、部署容易、运营成本低且有 一定的安全性。应用场景包括公用事业计量、智慧城市、停车管理、环境监测、宠 物追踪和农业等。虽然LoRaWAN可以承载IP协议，但其带宽很低且消息语法高度精 简，无法直接与Wi-Fi、Thread或其他IP网络互操作。不过，网关可以将高度压缩 指令 以及“温度为82度”这样的传感器读数对于每个应用和设备来说都应该具有相同的含义。 下一节将介绍Matter为智能家居领域定义了一个应用层。而商业建筑、医疗保健、零售、 农业或智慧城市等其他领域的应用层则有独特的设备定义、属性和安全架构。下面我们先介 绍一下Matter，然后再看看如何将相同的概念应用到其他领域。 Matter——智能家居的标准应用层 Matter

（一） 13 ◼ 市场供需分析与预测： 1、需求预测：根据经济发展、人口增长、产业结构变化等因素，Deepseek可以对能源的市场需求进行准确预测。例如， 通过分析城市的人口增长趋势、工业发展规划以及居民生活方式的变化，预测城市未来的电力需求增长情况，为电力企 业的规划和投资提供依据。 2、供应分析：对于能源的供应端， Deepseek可以分析能源生产 企业的产能、设备运行状况、资源储备等信息，预测能源的供应

器⼈能够在不需要进 ⾏物理修改的情况下获得新功能、增强和改进。 6 https://www.bls.gov/news.release/empsit.t24.htm © 2024花旗集团 19 城市GPS:全球视⻆与解决⽅案 2024年12⽉ 清洁与维护 家用清洁机器人 家庭清洁机器⼈市场⽬前已安装的单位数量最多，并且未来市场潜⼒巨⼤。 第⼀款商⽤家⽤吸尘机器⼈Trilobite问世于上 是缓慢的，然后迅速的。这 就是阿⻢拉定律。福特的道格·菲尔德指出，全⾯⽆⼈驾驶的⾃主性⽐将⼈类送上⽉球更困难，创造⼀款能够在拥挤的城市环境 中运⾏的L4级⽆⼈出租⻋。考虑到为获得监管批准⽽进⾏的安全测试，进展缓慢并不令⼈意外。 “⽐将⼀个⼈送上⽉球更难，是在密集城市环境中创建⼀个能够运⾏的L4级Robota xi。加⼊安全测试以获得监管批准，因此进展缓慢并不令⼈意外25” 然⽽，许多⼯作正进⾏ 作。 ⾃动驾驶的发展和测试正在许多其他国家进⾏，包括英国、挪威、德国、阿联酋、新加坡、 韩国、⽇本和澳⼤利亚。然⽽，最⼤的实验、动⼒和市场机会可以在中国找到。 截⾄ 2023 年底，中国有60个城市发放了⾃动驾驶道路测试牌照。 许多国家朝着⾃动驾驶的未来前进的重要原因包括： 1. 挽救⽣命-每年有 140 万⼈死于交通事故。其中90%是由于⼈为错误造成的，技 术可以提供帮助。机器⼈⽐⼈类有更好的视⼒和更快的反应时间。它们不会疲