AI-Driven Research 的潜 力 在长文本依赖任务如 FRAMEs 和 事实性推断 任务 Si l QA 上表现突出 得益于强大的推理能力与长文本思考能力 ， DeepSeek R1 在复杂任务上表现卓越，成为开源领域的 又 一里程碑，标志着开源社区在与闭源大模型（如 OpenAIo1 系列）的竞争中迈出了关键性一步。 DeepSeek-R1 在数学代码任务上表现突出 Deepseek 没有使用 Reward Model, 因为 ORM 和 PRM 等基于神经网络的都可能遭受 reward hacking 而 retraining reward model 需要大量的计算资源，可能会复杂化整个流程 训练模板： 选择最简单的 Thinking Process ， 直接观察到最直接的 RL 过程下的表现 DeepSeek-R1 Zero: 无需监督微调 SFT ，纯强化学习驱动的强推理模型 From PPO to GRPO: PPO 的价值函数通常是与策略模型规模相当的独立模型，这带来了巨大的内存和计算负担。 奖励模型通常仅对输出序列的最后一个词元分配奖励，导致逐词元价值函数的训练复杂化。 GRPO ：无需像 PPO 额外近似价值函数，而是利用同一问题下多个采样输出的平均奖励作为基线。具 体而 言，对于每个问题 ， GRPO 从旧策略 πθold 中采样一组输出，并通过最大化以下目标优化策略模型：

多云发展战略，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 �.� 多云战略为企业带来显著实践价值 第三章 智能时代，企业多云战略面临的挑战 �.� 多云是企业开展智能化升级的重要策略 �.� IT复杂性攀升，安全、效率、创新、成本成为长期挑战 �.� 重视六大核心能力，构建先进多云体系 第四章 在下一朵云上，解锁AI发展新动能 �.� 获得先进技术能力是当前企业选择下一朵云的首要核心驱动力 体的多云安全保障体系、先进的AI技术能力、高效普惠的数据运营管理能 力、稳定可靠的多云治理和协同、持续优化的成本治理能力、开放合规的全 球服务体系等。IDC调研显示，目前，超过一半的中国企业处于复杂多云阶 段，而处于有序复杂和战略价值实现阶段的企业不到�/�，从整体上看，企业 在提高多云成熟度方面还有很长的路需要探索。 面向通用人工智能技术高速发展的新时代，企业有必要重点围绕AI应用需求 构建多云能 创造价值的主要来源。生成式人工智能的早 期应用展示了其在创意艺术、内容和代码生 成以及个性化推荐等领域的潜力。从改善客 户体验到创新性解决问题，有效利用生成式 人工智能的力量并驾驭其相关的复杂性，有 可能塑造行业的未来并推动人工智能驱动世 界的进步。 IDC数据显示，全球企业生成式 人工智能支出规模将从����年 的���.�亿美元增长至����年的 �,���.�亿美元，年复合增长率

演进，主要基于两大核心逻辑：场景的标准化程度、任务的复杂程度由简至繁 5 工 作 环 境 复 杂 工 作 环 境 简 单 任务单一 任务复杂 商业服务 单一动作执行 ✓ 商业演出 ✓ 迎宾引导 ✓ 导览讲解 ✓ … 多动作组合 ✓ 餐盘收集 ✓ 递送物品 ✓ … 长链条复杂机械任务 ✓ 平面清洁 ✓ 零售结账 ✓ … 长链条复杂灵活任务 ✓ 零售导购 ✓ … 工业服务 单一工序、单一动作执行 … 家庭服务 单一动作执行 ✓ 语音交互 ✓ 社区娱乐 ✓ … 多动作组合+单形式交互 ✓ 递送物品 ✓ 搬运物品 ✓ … 长链条任务+多形式交互 ✓ 平面清洁 ✓ 衣物餐品洗涤 ✓ … 复杂任务、多形式交互 ✓ 餐饮制作 ✓ 照料护理 ✓ 维修 ✓ … 工业场景 标准化程度最高。 ✓标准化物料数据 ✓标准化场景标签 家庭场景 标准化程度中等。 ✓活动范围相对有 限 ✓交互对象较多元 ②任务复杂程度（动作、交 互理解）。对机器人的四大关键能力提出需求（感知、运控、决策、交互） 7 一级指标 二级指标 能力等级 指标定义 结构化程度 环境 1 路线与物品位置固定 2 路线涉及物体机械移动 3 路线涉及生物自主移动 操作工具 1 不使用工具/使用固定工具 2 使用某类特定工具 3 使用多种不同工具 一级指标 二级指标 能力等级 指标定义 动作 复杂程度 上肢：精细度

域探索研讨的 共识。在此，我们衷心感谢每一位在白皮书编撰工作中给予大力支持 与做出杰出贡献的专家、学者、企业及机构。然而，我们亦认识到， 面对如此复杂且尚处于快速发展阶段的人形机器人领域，受限于当前 的技术认知水平、实践经验范围以及各种复杂多变的内外部环境等诸 多因素，本白皮书仍存在一些考虑不周之处。在此，我们以开放且诚 挚的态度，欢迎各界人士，不吝指出其中的不当之处。我们期望通过 3 幅提升了人形机器人的认知能力，以优必选 Alpha2、Walker 等为代表 的人形机器人，能够稳定地执行复杂动作，甚至在挑战性场景中自主 做出决策；2020 年后，随着人工智能技术快速发展与市场需求的增长， 以宇树科技 H1 与升级版 G1、小米 CyberOne、浙江人形 NAVIAI 等为代 表的人形机器人，能识别语义和情绪，具备平稳行走和复杂动作能力， 助推我国人形机器人产业步入了智能化发展阶段。同一时期，介电弹 性体、超螺旋聚合物、气动仿生肌肉等柔性材料的快速发展也带来了 人形机器人的驱动器的革新，以北工大研发的气动人工肌肉驱动器、 中国计量大学设计的一种拮抗气动肌肉驱动的人形机器人为例，实现 了膝关节角度与刚度的精确控制，将为复杂任务和交互场景提供更加 灵活和仿生的解决方案。 1.2.2 国际人形机器人发展历程 国际上对人形机器人的研究起步较早，得益于 20 世纪领先的科研 水平与先进的技术基础设施，人形机器人早期发展主要集中在美国和

大脑半球，二者由神经纤维构成的胼胝体相连。脑干又可分为中脑、脑桥及延髓三部分。 部位 位置 功能 大脑 又称为端脑，位 于脑的最上部， 占人脑总体积的 约85%，分为左 右两个半球 高级认知：负责思维、记忆、语言、决策、情感灯 复杂功能 感觉与运动：处理视觉、听觉、触觉等信息、并控 制自主运动 小脑 位于大脑后下方， 紧贴脑干后方， 形似蝴蝶。 运动协调：调节肌肉张力、协调精细动作（如鞋子、 弹琴） 平衡与姿势：帮助维持圣体平衡与空间定位 高级认知：负责思维、记忆、语言、决策、情感灯复杂功 能 感觉与运动：处理视觉、听觉、触觉等信息、并控制自主 运动 语义理解、环境信息理解、动 作决策等 目前为机器人中央控制器担任此角色， 但目前并未获得相应能力。后续可能 在此基础上进一步增加硬件及算力 小脑 运动协调：调节肌肉张力、协调精细动作（如穿鞋子、弹 琴等） 平衡与姿势：帮助维持身体平衡与空间定位 学习辅助：参与运动技能学习 动作学习模仿、复杂动作控制 等 机器人各传感器，执行器，线束，网 关 人脑结构与机器人大脑对应关系 01 8 资料来源：浙商证券产业研究院 人脑的小脑在机器人中对应的主要是动作学习模仿训练以及复杂动作的控制。而在机器人行业中，目前通常被称为机器人“大脑”，这主要 是因为相对于工业机器人，具有“大脑”的人形机器人对复杂运动的学习掌握能力明显增强，比如近期宇树、众擎、波士顿动力等公司在视 频中展示的人形机器人执行舞蹈，空翻高难度动作。至于对应人脑中的大

产业来说，物理智能将使机器人能够理解 3D 世界的空间关系和物理 行为，赋予机器人更强的环境感知、理解和交互能力，实现更广泛的 功能应用，如宇树科技的机器人实现了原地侧空翻、复杂舞蹈动作、 平衡木行走、灵巧手操作等复杂功能。 硬件和软件的深度协同推动了算力效能的提升，为机器人的大规 模应用提供了算力支持。2024 年，全球 AI 大模型的参数量和数据量 持续增长，特别是像 Sora、GPT-4o、Gemini 进一步推动了算力需求的激增。当前，软硬件协同的方法正在不断提 升大规模智算训练效率。在硬件方面，高性能 GPU、专用 AI 芯片、 高速互联网络、大容量高速存储等技术，实现了大规模的算力供给， 为处理复杂、不规则的计算任务（如自然语言处理的长序列数据、计 算机视觉的多尺度图像特征）创造了条件；在软件方面，分布式训练 框架、预训练大模型、多模态数据处理等技术也通过精细化算力管理 提升了大模型的训 二阶段是基础智能阶段，机器人开始具备基本的感知能力，能够对外 界环境做出简单的反应；第三阶段是中等智能阶段，机器人能够进行 更复杂的感知和处理任务，如图像识别和语音识别；第四阶段是高度 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上 将具备超越人类的智能水平，能够进行创新和自我意识的决策。 在工业领域，机器人的规模化应用正在从中度智能向高度智能过

人工智能是新质生产力的关键支撑技术，人工智能+百业千行将带动新一轮工业革命，为高质量发展注入强大动能 大模型的进一步突破将引领人类社会进入智能化时代，对我们的生活方式、生产方式带来巨大变革 重塑经济图景 解决复杂问题 7 政企、创业者必读 8 AI不仅是技术革新，更是思维方式和社会结构的变革 国家 产业 个人 企业 政企、创业者必读 人工智能发展历程（一）  从早期基于规则的专家系统，走向基于学习训练的感知型AI DeepSeek的出现验证了我们的预判 而DeepSeek的创新更具颠覆性 24 政企、创业者必读 DeepSeek是完美的颠覆式创新  技术创新——让过去做不到的事情可以做到  体验创新——让使用起来很难很复杂的东西变得很简单易用  市场推广创新——让过去很难得到的东西可以得到  商业模式创新——让过去很昂贵的东西变得很便宜甚至免费 DeepSeek正是符合这四种创新模式的完美例子 25 颠覆式创新的四种方式 模难以带来质的提升 • 训练算力成本和工程化难度大幅上升 强化学习Scaling Law • 利用合成数据解决数据用尽问题 • 利用self-play强化学习，在不增大参 数规模前提下，大幅提升复杂推理能力 • 通过后训练算力和推理算力，在不增加 预训练算力前提下，大幅提升模型性能 DeepSeek颠覆式创新——技术创新 26 政企、创业者必读  预训练模型如GPT——疯狂读书，积

（一） 4 20 世纪50 ~ 70 年代是人工智能技术的萌芽时期。20 世纪80 年代，专家系统作为一种模拟人类专家决策能力的AI应用开 始出现。20 世纪90年代，随着计算机运算能力的提升，更复杂的智能算法被开发出来，用于生产规划和调度。21世纪初开始， 大数据和云计算兴起，机器学习等算法被提出。2010年，物联网、大数据分析、机器学习、深度学习等技术出现；2020年至今 AI 大模型出 DeepSeek可能无法及时获取和更新最新的能源数据和信息，导致在处理与时效性相关的能源问题时，给出的结果滞后或不准确。 2、逻辑推理方面：1）复杂逻辑处理能力有限，能源系统涉及发电、输电、配电、用电等多个环节，各环节之间存在复杂的因果关系和 逻辑联系。DeepSeek在处理一些需要深入理解和分析复杂能源逻辑关系的问题时，可能会出现混淆概念、因果倒置等逻辑错误，难以提 供准确有效的解决方案。2）缺乏辩证思维。能源行业 其次，模型本地部署存在缺陷。本地部署的 DeepSeek版本可能存在参数规模受限、功能不完整等问题，如一些本地版缺少多模动态、文件分析、实时联网等核心功能，推理能力也 相对较弱，无法满足能源行业复杂业务场景的需求。 4 三、挑战与应对策略 （一） 28 ◼ 应对策略：以人为本 1、构建专业语料库：收集能源领域的专业文献、研究报告、行业标准、技术规范等资料，构建专门的能源语料库。并对数据进行清

一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能 从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。 传统智驾系统的感知层、决策规划层和控制执行层之间 相互独立，信息传递容易积累误差，且智驾方案依赖于 工程师通过代码制定的规则，难以处理所有复杂场景， 边际效应随着智驾能力的提升呈现几何式骤减。与基于 规则的传统自动驾驶算法结构相比，端到端算法基于数 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 推动了全球车企加速端到端技术的研发。 2023年：OpenDriveLab发布UniAD。OpenDriveLab推出了全 栈Transformer端到端模型UniAD，整合感知、预测和规划模 块，进一步提升了复杂场景下的环境理解和决策能力。 Pipeline架构 MontionFormer Planner OccFormer 请务必阅读正文之后的免责条款部分 强化学习（RL) 策略蒸馏 多模态/先进结构

话、内容生成、翻译以及图文、音频、视频等信息处 理、生成、对话等。 侧重于复杂推理与逻辑能力，擅长数学、编程和自然语言推理任 务，适合高难度问题求解和专业领域应用。一般是在生成模型的 基础上通过RL方法强化CoT能力而来 推理能力 在日常语言任务中表现均衡，但在复杂逻辑推理（如 数学题求解）上准确率较低。 在复杂推理任务表现卓越，尤其擅长数学、代码推理任务。 多模态支持 支持文本、图像、音频乃至视频输入，可处理多种模 DeepSeek模型系列 DeepSeek最新的生成模型和推理模型版本对比 比较方面 生成模型（V3） 推理模型（R1） 设计初衷 想要在各种自然语言处理的任务中都 能表现好，更通用 重点是为了搞定复杂的推理情况，比如 深度的逻辑分析和解决问题 性能展现 在数学题、多语言任务还有编码任务 里表现不错，像Cmath能得90.7分， Human Eval编码任务通过率是65.2% 在需要逻辑思考的测试里很棒，比如 3-5个月，突破“卡脖子”技术瓶颈。 构建多行业专属模型矩阵，全面支持国内产业智能化升级。 基础能力：进入推理模型阶段，跻身全球第一梯队 推理能力跃升：DeepSeek大模型核心技术突破，实现复杂推理任务的精准处理与 高效执行，覆盖多模态场景应用。 国际竞争力对标：模型综合性能跃居全球第一梯队，技术指标与国际顶尖水平（如 GPT系列、Claude等）直接对标，奠定国产大模型的行业标杆地位。