第4-8页 01 双星大爆炸 02 你的面孔，在未来 04 新的学习循环 在不同界面看似相同的情况下进行差异 化。 人们与人工智能如何定义一个学习、领 导和创造的正向循环。 03 当大型语言模型 出现时 他们的身体 当人工智能呈指数级扩展时，系统 将会被打乱。 如何基础模型重新定义机 器人学 信任是否是人工智能无 限可能性的极限？ 引言 人工智能：自主 宣言 人工智能的泛化 M）支持的客户服务机器人和销售人员交流中所打破。 今天的AI模型已经摆脱了过去深度但具体且线性的方法 ，并展示了前所未有的自主性—在他们如何学习、如何 处理任务以及最终能够做什么方面。他们将这种自主性 带到了工作中，75%的知识工作者报告使用生成人工智 能；在如何与技术互动方面，作为编码助手并通过扩展 语音助手功能；以及几乎在一切事物上，从机器人到汽 车，到医疗保健。 4,5,6,7,8,9,10 ，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？ 在我们的生活的每一个维度上扩散，即时可获取，并且 ——实际上——始终存在。 这是为什么它是一个“自治宣言”。 我们或许会称呼它们为不同的名称，但在整个范围内 ，其演变过程是相同的：自主人工智能系统的普及正

另外，随着数字劳动力的发展，变革的力量牢牢掌握在员工手中。 1 这样个人得以提高生产率 并重新定义工作流程，同时挑战了传统的领导观念。 引言 AI 推动数据普及化， 重新定义决策流程。 领导者如何才能在不给企业带来风险 的情况下增强员工的自主创新能力？ 2025 年五大趋势：人智共创未来 点燃创新纪元 2 事实上，领导者没有时间审查每一项创新。随着智能体 AI 在组织中发挥的作用不断增强，领导 尽力维持韧性与风险之间的平衡。 这绝非易事。为了解领导者如何实现这一目标，IBM 商业价值研究院 (IBM IBV) 与牛津经济研究 院在 2024 年 10 月和 11 月联合开展了一项调研，受访对象涵盖 17 个行业和 6 个地区的 400 名 全球领导者。我们询问他们，必须克服哪些挑战才能在 AI 塑造的竞争格局中取得成功？如何让 员工做好准备以推动变革？最期待通过哪些机会来加速进展？ 产品和服务创新是 CEO 的首 要目标，但业务模式未能跟上。 在未来的一年中，一些组织很可能脱颖而出。您的组织会在其中吗？探索 2025 年五 大趋势，了解领导者需要掌握哪些知识才能克服未来的障碍，以及如何才能建立竞争 优势。 1 2 3 4 5 为了实现这些期望，企业计划推动团队快速前进。目前有 30% 的受访高管表示其组织主要处于 AI 实验阶段，正在低风险的非核心职能中测试 AI

时代下的 RL 新范式：后训练扩展律 Post-Training Scaling Law DS-R1 独立发现了一些通往 o1 路上的核心理念，并且效果还好到受到了 OpenAI 的认可 如何通过有效的 Test-Time Scaling 和 Train-Time Scaling 提升模型的推理能力？ 得益于纯大规模强化学习 ， DeepSeek-R1 具备强大推理能力与长文本思考能力，继开源来备受关注。 表现出在推理任务上思维链长度的自然增长和涌现 反思深度逐层加深，出现标记不明确的步骤、保持中间结论、验证、混合语言推理等 现象 模型在准确率奖励和格式奖励下自然探索到 验证、回溯、总结、反思 的行为范式 如何控制来保证最后的 response 长度能够稳定上升，可能会出现反复重复验证、或 者验 证时间过晚的情况 ; （ REINFORCE 系列更快； PPO 训练稳定但是慢） 多语言可能是因为预训练数据是多语言的，“一视同仁”被 对于一些简单的数学问题例如 2+3 = ？ 也会过多思考 看似有反思范式，重复 Pattern 多，可能 会 导致更好的表现，但是会带来 training 和 inference 过程中极大的损耗 如何合理的分配 Test-Time Compute, 进 行 选择性思考？ Long2Short Distillation 长度优化的 Penalty 优化采样策略 技术对比讨论： Over-Thinking

构化方法 对人工智能加以应用。本报告介绍了含三个阶段的人工 智能价值框架，以帮助银行确定应优先开展的工作并相 应调整投资，从而充分发挥人工智能的潜力。 的受访者表示他们的员工正在迅速掌握 如何使用他们引入的人工智能工具/技术 调研结论 阶段二 阶段三 主要考虑因素 为迎接人工智能奠定基础 为您的人工智能转型保驾护航 简介 概要 引言 打造智慧银行 阶段一 简介 85% © 2025 智慧银行：以人工智能驱动转型并创造价值 11 一个经营良好的企业就像一块配有很多齿轮的瑞士手 表一样。如果想对它进行数字化，就不能仅仅将其中 一个齿轮换成晶体管，而是必须整体规划如何让所有 零部件都能协同工作。 企业层面 在这一层面，银行应从关注人工智能如何影响银行的战略、商业模式和关键目标入 手，统筹银行整体的转型变革。此举旨在对银行整体的运营模式转型、员工发展以及 风险和控制进行定义。重点是为人工智能转型计划制定路线图，并通过转型办公室管 Loomis是一家美国金融服务机构，主要从事现金处理以 及智能保险箱和收银设备的制造，在20个国家拥有 23,000名员工，年收入30亿美元。其首席信息官Kendall Knight向我们分享了该机构如何利用人工智能改善运营并 创造新的商业机会。 当前人工智能应用情况：利用人工智能促成卓越运营和 客户互动 该机构采用生成式人工智能和机器学习来应对运营和客户 互动方面的挑战。生成式人工智能有助于增强响应能力，

键底层能力，如 何成为实现自动驾驶落地和差异化体验的基础保障？  随着舱驾一体化架构成为主流，智驾地图成为连接座舱体验与驾驶功能的关键枢纽，如何实现从导航指 引到更优的出行体验的全面升级？  中国智能驾驶企业正积极布局国际市场，地图厂商如何赋能国内智驾企业实现"出海"并在国际竞争中建 立技术与商业优势？  报告将探讨这些关键问题，剖析智能驾驶地图的技术演进路径与商业价值新机遇。本报告聚焦中国智驾 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 •车企提供众源数据 FSD累计行驶超16亿英里，柏林工 厂无监督FSD内部运输超8万公里无 事故。 输入感知 核心处理 输出控制 支撑/基础 训练范式 & 决策输出 (如何学习和行动 - Output) 感知输入 & 环境理解 (如何看世界 - Input) 数据闭环、算力 & 地图策略（支撑系统 & 策略） 弱化高精地图依赖： • 全球坚持‘轻地图+重感知’，减少高精地图依赖。 区域性地图合作

而是关乎生存和长远发展的必答题。随着 数字化转型进程不断加速，企业的业务流程和工作流程也面临全面的变革，岗位技能将被重塑， 人才需求结构也发生显著的变化，企业对于数字化人才的要求和需求也在提升，如何培养一支 为企业赋能的数字化人才队伍成为企业转型发展的关键。 但是，当前数字化人才供求不平衡的问题日渐突出，传统教育培养体系不足以满足企业需 求，数字化人才的培养和管理存在多重挑战。破解数字化人才供需难题，不仅关乎企业的创新 深度融合，人们的生产生活方式发生了巨大变化。现阶段，数字化转型逐渐成为行业企业的共 识，并已成为不可逆转的发展趋势，经过多年发展，中国企业数字化转型已进入“深水区”。 对于企业来说，数字化转型需解决两个问题：①如何推动业务的数字化建设；②如何在数 字化基础上进行再创新。 前者解决方案目前已较为成熟，大体思路是依托自身或外部的数字技术，对业务流程、管 理流程进行解构和重构，进而完成流程和管理的数字化；后者则需要数字化人才作为支撑，通 现，企业数字化建设的 进程普遍推进较快，但企业对于数字化人才的需求较大，这主要因为企业内部熟悉并能熟练掌 握数字技术的员工往往是少数（主要为企业 IT 相关人员），而大多数非 IT 员工则不清楚如何 有效利用数字化手段来挖掘和创造新的价值，换言之，就是企业现有的人才组织难以支撑起新 的 IT 运营管理架构，往往会出现企业花费重金搭建的数字化成果在实际应用过程中“打折” 的现象。其实，这主

，如灯光、门窗、 摄像头、安全传感器、HVAC、家电、AV设备、管道、灌溉系统、泳池、汽车和能源等。通 用连接需要在两个方面进行标准化——设备网络和应用层。让我们以消费电子行业为例来看 看这是如何运作的。 AIoT重新定义设备连接性 AI的爆发式增长促使联网设备制造商来满足IoT产品快速增长的需求，这些产品能为基于AI 的生态系统提供现实世界的输入。从连接的角度来看，这需要：（1）标准的、广泛可用的 持智能手机的可扩展基础设施能在关键领域提供高级别的链路安全，如临床医疗设 备、重工业和关键基础设施等。不过，所有应用都应在每个网络链路（蜂窝网络、 以太网、Wi-Fi或Thread）之上添加端到端的安全层。关于Matter标准如何利用该 安全层保障连接安全的详细信息，请参考相关章节。 • 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 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是连接标准联盟（CSA）推出的全新智能家居连接标准。它是一种典型的应用层例 子，能在以太网、Wi-Fi和Thread等IP

设之中。 改革开放四十余年来，随着社会经济的快速发展，人民群众的利益诉求和价 值观念出现多样化、差异化趋势，对我国国家治理提出了新要求和新挑战。当前， 在统筹疫情防控和稳定经济增长的大背景下，如何更加及时、高效地感知和回应 社情民意、研判和处置社会风险成为我国政府亟待解决的重要难题。政务热线作 为我国政府感知民生、理解民意的重要渠道，同样面临着上述难题。在此背景下， 《意见》对新时期政务热线提出了新定位和新需求。 线的办理工作通常 涉及较长业务链条，从派单到部门对接、联动、协同办公再到跟踪办理情况。由 于关联单位众多、业务分工精细，部分诉求办理过程复杂、时间周期较长。对此， 如何提高精准派单水平、如何提升部门间的对接联动效率以及如何及时跟踪和准 确记录工单办理情况，已成为推动诉求办理效能提升的建设方向。 1.精准派单 政务热线办理工作的第一步便是精准识别辖区并进行派单，这一环节依赖对 地理位置 建议和执行方案。 第三，潜在风险预警功能不完善。一是风险及其相关概念的定义不清晰。只 有准确把握风险的概念内涵才能将风险操作化，得到可量化的风险值。但是，地 方政府和政务热线承建企业常常不了解如何定义风险。在目前的业务体系中，热 线承建企业通常也提供敏感事件、危机事件、热点事件、集中性事件的分析，但 是缺乏社会治理知识来定义这些事件。二是风险评估的指标设计及其权重设置不 完善。城市治理

设之中。 改革开放四十余年来，随着社会经济的快速发展，人民群众的利益诉求和价 值观念出现多样化、差异化趋势，对我国国家治理提出了新要求和新挑战。当前， 在统筹疫情防控和稳定经济增长的大背景下，如何更加及时、高效地感知和回应 社情民意、研判和处置社会风险成为我国政府亟待解决的重要难题。政务热线作 为我国政府感知民生、理解民意的重要渠道，同样面临着上述难题。在此背景下， 《意见》对新时期政务热线提出了新定位和新需求。 线的办理工作通常 涉及较长业务链条，从派单到部门对接、联动、协同办公再到跟踪办理情况。由 于关联单位众多、业务分工精细，部分诉求办理过程复杂、时间周期较长。对此， 如何提高精准派单水平、如何提升部门间的对接联动效率以及如何及时跟踪和准 确记录工单办理情况，已成为推动诉求办理效能提升的建设方向。 1.精准派单 政务热线办理工作的第一步便是精准识别辖区并进行派单，这一环节依赖对 地理位置 建议和执行方案。 第三，潜在风险预警功能不完善。一是风险及其相关概念的定义不清晰。只 有准确把握风险的概念内涵才能将风险操作化，得到可量化的风险值。但是，地 方政府和政务热线承建企业常常不了解如何定义风险。在目前的业务体系中，热 线承建企业通常也提供敏感事件、危机事件、热点事件、集中性事件的分析，但 是缺乏社会治理知识来定义这些事件。二是风险评估的指标设计及其权重设置不 完善。城市治理

转型的迫切压力，但只有四分之一的 CEO 表示其组织已经为全面 整合 AI 做好充分准备。 这一调研结果反映出当前大部分企业在 AI 战略落地过程中面临的现实挑战：企业对 AI 的认知与应用之间存在显著鸿沟。对企业来说，如何缩小这一差距，将成为未来发展的关 键命题。 企业 AI 应用落地核心挑战： 认知偏差与人才短缺 3 数据来源：IBM，数据截取统计数据前 10 的选项 缺乏 AI 专业知识/技能 数据太复杂 AI 规划和开发过程中遇到最突出的问题是“没有合适的流程和场景”部 署大模型，这种"有枪没靶子"、"虽然引入 AI 但效益提升有限"的困境，深层原因在于企业 对 AI 的认知误区和应用能力不足，不知道如何将 AI 融合进业务场景和工作流程。第二 个最大的挑战是“企业和团队对于大模型和 AI 价值认知不足”，仍然是认知短缺的问题。 在成本和资源投入方面，AI 项目通常需要大额的初期投资和持续的资源投入。企业需要 强企业引入大模型的过程并不理想。尽管一开始企业热情高涨，但随着时 间的推移，员工对大模型的使用量和满意度却大幅下滑。主要原因是员工普遍缺乏在实际 工作场景中有效应用大模型的能力：他们不清楚如何与 AI 协作，不了解如何评估 AI 的输 出结果，甚至误认为大模型不实用，最终选择放弃使用。这不仅造成了企业技术投资的浪 费，也错失了利用AI提升生产力的宝贵机会。 不同于蒸汽机等传统工具，AI 本身并不能直接带来生产力的变革和效率的提升。因为