伴随 AI 应用的持续扩展与需方对于 AI 认知的不断加深，“提效”取代“政策”成为需方 购置 AI 的主要动力。如今，医疗 AI 企业已突破 1-2 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 ........................................................................................3 1.3 部分主体对于医疗 AI 的购置态度...................................................................................... 3 ..1 图表 2 2016 年—2024 年涉及医疗 AI 的关键政策（下）..............................................2 图表 3 不同主题对于人工智能的需求差异...........................................................................6 图表 4 产品分布图（脏器分布+病种分布）

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， 5G既能连接数万名移动用户，又能同时连接照明、安保、安全系统和标识牌等设备。 • 可控服务质量（QoS）——蜂窝网络，尤其是5G网络，能为对服务质量（带宽和延 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 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 人工智能物联网（AIoT）：将人工智能与现实世界相连 版权所有 ©2024 Moor Insights & Strategy 2024年5月 载对所有已连接设备都是可见的。同样，以太网消息对于任何接入网络的设备来说也是公开 的。应用层会对设备和应用之间的消息进行加密，这样网络中的其他节点就无法读取这些消 息。HTTPS就是我们日常使用的一种应用层案例，它利用传输层安全协议（TLS）来维护互

背景下， SFT 通常被认为是不可或缺的一步，其逻辑先用大量人工标注的数据来让 模型 初步掌握某种能力（如对话或者语言风格），然后再用 RL 来进一步优化性能 DeepSeek-R1 系列跳过对于大规模人工标注数据的依赖 无需构建和维护高质量的 SFT 数据集，而是让模型直接在 RL 环境中进行探索 类比：初学者在没有老师指导的情况下，通过不断的尝试和错误来掌握一门新的技能。 这 8T 高质量 Token 上训练）（基座模型知识帮助突破推理上界，也有 一些 工作利用小模型复现 Aha Moment 得益于大规模 RL 和高质量推理数据）； 大规模强化学习加持： GRPO 对于强化学习训练的优化； 规则化奖励： 绕过奖励攻陷问题，但是得益于推理问题可以进行自动化标记和验证 （ Self-Automated Verification and Annotation) ，这是与一般聊天和写作请求任务不同的； 使模型在推理能力不减的前提下，语言表现更为自然， 适应性更为广泛。 全领域 RL RL for all Scenarios 进一步提升除了 reasoning 能力之外帮助性和安全性 对于 reasoning data, 可以用基于规则的奖励 对于 general data, 可以用奖励模型来建模人类偏 好意图 成效： 最终版本的 R1 不仅在推理和对话能力上达到了高水 平， 还具备更安全的交互性能。 Stage

技术-多项技术进步，特别是⼈⼯智能（AI）的发展，已经显著改变了机器 ⼈的前景 2 经济-机器⼈可以解决劳动⼒短缺问题。随着⼈⼝⽼龄化和更为严格的移⺠政策加剧，短 缺问题变得更加棘⼿ 此外，对于功能强⼤的机器⼈来说，投资回报周期相对于⼈类的吸引⼒越来越⼤。劳动 ⼒在全球国内⽣产总值中占⽐超过50%。因此，市场机会可能是巨⼤的 3 改善-技术进步使⼈们摆脱了单调的任务，增加了休闲时间。继续这⼀趋势，⼈⼯智能机 在AI- 启⽤移动的机器⼈。第2-8章探讨了AI机器⼈的潜在⽤例，从清洁、驾驶、交 付，到⼯业、建筑、零售、酒店和护理领域的使⽤。我们对9个⽤例领域的专 有分析预测到2050年将有41亿个机器⼈。对于⼀个⽤例，⼈形机器⼈，我们 进⼀步将其分为7个领域。我们的⽅法论将在下⽂中进⾏总结。 3. 挑战 - 第10章探讨了值得关注、辩论和解决的12个挑战。 和解决⽅案。 尽管存在挑战，但我们得出结 中的⼈类⽔平表现上取得了22%的改进 ，包括阅读理解和⽂本补全。这⼀重⼤⻜跃之后是GPT-4的开发，⽐如现在在回答 医学考试问题⽅⾯优于⼈类。 语⾳识别是多模态⼈⼯智能的另⼀个关键组成部分，特别是对于需要直观与⼈类互 动的机器⼈。2017年，微软的语⾳识别系统达到了5.1%的词错误率（WER），与 ⼈类抄录员的表现相匹敌。更近期的模型，如Google的WaveNet，在某些场景中 ⽐⼈类更准确。

技术愿景2025 信任是否是人工智能无限可能 性的极限？ 人工智能：自主宣 言 技术愿景2025 | 人工智能：自主宣言 前言2 欢迎来到我们对于2025年的技术展望。这份我们年度科 技趋势报告的第25版，正值技术及人类历史的关键时刻 。随着越来越多的领导者认识到不断革新利用技术、数 据和人工智能的必要性，他们比以往任何时候更需要深 入理解人 床试验的进程，这大约是通常所需时间的一半。 11 他 们使用了一个基于组学和临床数据的模型进行微调，以 识别药物治疗的潜在靶点。为了开发可能的药物组成， 他们使用了一个由500个预测和预训练模型组成的生成 化学引擎。对于Insilico来说，人工智能是他们工作的核 心——塑造围绕它的业务和行业。 首先的想法可能是，这仅仅是使用AI从自动化过渡到数 字系统的自主性。这并不错误，但只是故事的一部分— —AI正在以数十种方式推动自主性。它为人们提供了他 运营，彻底重塑产业，甚至提升国家。 行业 这可能看起来像是行业内公司之间的通用框架和 通信协议，或者是编码界定行业大挑战的引擎——这 些模型将有助于我们增长对物理学、遗传学、运动等 方面理解。并且对于 国家 和 政府 它汇集了独特的知识、语言、文化、法 律和安全，以帮助行业、公司和公民参与。关键的是 ，这些认知数字大脑不会在孤岛中运作。当它们开始 在不同层面互动时，它们将创造一股上升的智能浪潮 ，提升所有参与方的能力。

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脑的角色的硬件，目前人形机器人厂商多用中央控制器担任此角色， 但对于高级认知，信息处理能力尚未建立。展望未来，机器人大小脑有望实现分离，大脑算力进一步加强，小脑专注运动控制。 优势：可以快速学习专家策略，无需复杂的探索过程 • 劣势：学习到的行为策略受限于专家数据，对于未见 过的情况泛化能力较差 强化学习—— 智能体通过与环境的交互来学习最佳行为策略，以最大化 某种累积奖励。 • 优势：能够通过探索环境学习未知的策略；可以处理 高度不确定和动态变化的环境 • 劣势：需要大量的探索和试错，学习过程缓慢；对于 复杂任务，设计合适的奖励函数难度较高 数据采集技术路线 03 15 数据。其特点是数据量中等，成本低。如使用多模态LLM对视频进行过滤， 并重新标注。最终生成视频数据相当于原始数据的约10倍。 顶层：来自各种构型的机器人在真实环境中的操作数据，数据收集成本高， 但对于模型的准确性至关重要。特点是此层用于确保模型在真实环境下的 执行能力。 L4及L5具身 智能应用展望 05e 25 具身机器人智能化分级及能力展望 05 26 资料来源：小鹏汽车官网，浙商证券产业研究院

础设施建设核心，中国企业上云的进程已经持续了多年，很多企业已经将云的演 进和发展上升为企业战略的重要组成部分，与组织、财务、生产、运营、安全等 领域的建设形成紧密协同的态势。 从某种意义上说，企业的云演进路线对于其发展至关重要，以云为核心的IT基础 设施规划与业务发展规划密切相关，在业务发展的每一个阶段都应起到核心推动 作用。 图� 企业IT架构密切支持业务各阶段的发展 来源：IDC，���� 初步探索期 快速增长期：业务进入快速增长阶段时，企业会以业务为中心敏捷扩展IT系 统规模和软件功能、以支持高并发场景，并考虑到长期发展，调整和优化IT 环境架构。伴随业务竞争的逐步加剧，企业开始重视大数据对于业务发展的 赋能作用，加大诸如大数据等方面的投入。伴随业务条线不断增加，IT系统 的复杂度也会持续加大，新老系统开始出现技术跨代现象，IT运维和运营难 度激增。 巩固期和新一轮探索期：当业务步入稳定期，企业在着手加固现有业务根基 云所设计的备份方案。企业可在多个云环境中部署关键业务系统，实现多活 容灾架构，或在不同云之间定期备份数据，增强系统的容错能力和灾难恢复 速度。例如，一些制造业企业基于合规要求，将数据在私有云上进行备份。 异构云备份对于故障隔离与切换有很强的现实意义，当某个云平台发生问题 时，多云架构允许快速将流量切换到其他正常运行的云环境中，确保业务服 务不间断。例如，一些互联网游戏企业利用多云服务器实现资源冗余，在多 家

及从数据分析的熟练程度到整合领域知识以解决复杂问题。 (b) 数据 输入数据是算法培训、验证和测试的主要输入，使人工智能系统能够对输入 进行分类、生成输出和做出预测。高质量、多样化和无偏见的语料对于构建有效且值 得信赖的人工智能系统至关重要。 在少数国家显著集中研发。 5 三个关键杠杆点的协同效应可以加速人工智能进步。 图4 基础设施 算法以优化使用 关于计算能力 数据以优化使用 握技术未来的控制权，它们的商业动机并不总是与公 共利益一致。政府需要探索政策和法规，以激励并引 导技术发展沿着促进包容性和造福所有人的道路前进 。 增强人类能力——前沿技术资本密集且可能节省劳动 力。对于许多发展中国家来说，这可能会侵蚀它们在 低成本劳动力方面的比较优势，从而危及几十年来取 得的成果。然而，通过适当政策，人工智能可以增强 而非替代人类能力，并有助于维持发展中国家的竞争 力。 三个关键杠杆点——三个可能导致人工智能变革级 来源 联合国贸易和发展会议（UNCTAD），基于GitHub和国际劳工组织的数据。 注意 使用国际标准化组织alpha-3代码简写经济体名称。* 香港（中国）和新加坡在GitHub开发者中 相对于适龄人口的比例非常高，分别为25%和27%；为了改善展示效果，数值已截断至10%。 图9 发达国家在人工智能技能准备方面处于领先地位。 BEI 荷兰（荷兰邮政编码） FRA ESP LVA NZL

从消费级产品到企业级解决方案, AI 元素无处不在, 极大地丰富 了产品的功能与价值; 在生态体系上, 科研机构、科技企业、行业用户等各方力 量紧密合作, 形成了一个相互促进、共同发展的有机生态。与此同时, 客户对于 智能化产品、方案和服务的迫切需求也成为这场革命的重要驱动力。技术创新与 企业应用在智能化转型的道路上相向而行, 双向奔赴, 这个过程中, 一站式 partner 性质的长期陪伴尤为重要, 它将带领技术与企业共同奔赴 在企业自身转型实践基础上,广泛吸收业界已有研究成果, 参考来自政 府、行业协会、行业研究机构、媒体、战略和业务咨询机构, 以及服务和解决方 案提供商等多方面的成熟度研究体系, 进行系统化的补充和提炼。 对于企业而言, 智能化转型是一个系统性和复杂性的工程,不仅要具有行业 普适性,还要符合企业自身发展的规律和模式。 由于不同行业、不同企业在数据 治理、经营模式、技术应用、组织结构、人才积累等方面存在显著差异 它还要求建立企业内部统一的智能运营管理体系, 贯穿整个价值链流程。 在智能业务持续深入的背景下, 伴随着企业 AI Agent (企业智能体) 的逐步落 地, 企业甚至可以重新设计其价值创造过程,从而创新业务模式。 对于企业价值链中的各业务部门来说,探索新的应用场景, 利用最新的智能 化工具来提升业务效率和创新能力尤为重要。具体而言, 主要包括: (1) 智能产品创新: 通过产品研发创新体系的数字化, 提高研发效率。依

龄化社会并且老龄化仍在 加速中。蓝领群体规模达四亿，但劳动力仍存在较大缺口。相对于白领工作，蓝领存在很多繁重、危险的工作场景，年轻人对进入蓝领工作岗位的意愿较低。这 亟需机器人进厂进行岗位的人力替代、协作、补充。 • 目前AI平民化成为大趋势，人工智能融入国民生产生活中，民众对于AI相关应用的关注呈指数级增长，民众对于人工智能的接受度也逐渐上升。 资料与数据来源：国家统计局，《中国蓝领群体就业研究报告》，月狐数据 状况看，2023年及2024年智能机器人的融资金额正在努力恢复疫情前状态，呈现稳定增长态势，其中人形机器人的增长最为突出。 • 截至 2024 年 7 月，我国持有的机器人相关有效专利已超过 19 万项，占全球比重约 2/3。对于备受瞩目的人形机器人赛道，中国相较于发达国家研究时间较晚， 但有效发明专利数量已达全球第二，如优必选、达闼等中国机器人企业在人形机器人上也尤为突出。 资料与数据来源：市场监管大数据中心，IT桔子， 率稍低。农林牧渔业因其开放场景、多样地形在技术实现与落地上难度较高，渗透率较低。 • 针对探测救援、采矿、建筑等危险作业场景，智能机器人的用户需求程度较高，但因其技术实现难，应用案例仍在开发中。对于养老、医疗等劳动力稀缺的精细 化、人性化工作场景，如人形机器人等高新技术正在逐步落地。 各场景应用成熟度：工商农业等生产场景渗透率较高，医疗、 教育、陪护、危险作业等场景受技术与伦理影响渗透率较低