北京市分行、国家金融监督管理总局北京监管局、北京证监 局、市科委中关村管委会、市经济和信息化局印发实施了《北 京市推动数字金融高质量发展的意见》 2，提出搭建数据开放 共享机制，通过数字孪生、联合建模、图计算等技术手段， 对数据资源进行价值挖掘和关联分析。 （三）数字孪生体系架构 数字孪生体系架构需支撑数字孪生的核心目标，建立与 物理空间等价的虚拟实现表达，并在全生命周期内支撑物理 空 日发布，旨在通过数字技术推动金融业高质量发展，服务数字经济和数字中国建设。 3 服务层：包含支撑数字孪生业务应用的各类技术服务， 包括感知技术类服务，通常有 IoT，5G 等类型服务。建模服 务，指通过技术手段对物理实际业务实体进行建模映射。渲 染服务，指根据通过建模服务得到的模型进行渲染，从而得 到一个与物理实体等价的虚拟实体。仿真服务，指在建立虚 拟实体上进行各类运算，从而对实际物理实体的运行决策进 行支撑。 了潜在空间的平滑性，使得我们可以通过在潜在空间中采样 来生成新的数据点。 4.建模技术 建模技术是将物理世界中的对象、过程或系统转化为数 学模型或计算机模型，为数字孪生提供一个虚拟的“骨架”。 几何建模是最基础的一环，通过 CAD 计算机辅助设计软件创 建物体的几何形状及物体间行为框架，通过一系列可变参数 控制模型。针对复杂场景，可基于点云的建模技术通过 LiDAR （光检测和测距）或其他 3D 扫描设备获取大量空间坐标点，

推理为中心的大规模强化学习 Large-Scale Reasoning-Oriented RL DeepSeek-R1-Zero DeepSeek-v3-Base (671B) 奖励建模： 基于规则的奖励 (Rule-Based Reward) : 准确率奖励 + 格式奖励 准确率奖励 Accuracy Rewards: 判断答案是否是正确的 格式奖励 Format Rewards: ( 推理链可读性更强 ) 推理任务 - 规则奖励 (Rule-based Reward) 600k 推理数据 (Rule-based+Generative 奖励 ) 通用任务 - 偏好建模 (Reward Model) DeepSeek-R1 技术 Pipeline 总览 200k 通用数据 （ Writing \ Role-Play etc. ） 数学代码推理任务 正确率奖励 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 II: 通用能力 & 安全性 拒绝采样和全领域 SFT 全领域 RL

方向。凭借其在提高生产效率、降低人力成本、提升产品质量等方面 的显著优势，“机器人+人工智能”正在汽车制造、电子信息、金属 材料等关键行业加速落地，展现出广阔的应用前景。 本报告中的“机器人+人工智能”指的是建模优化、机器视觉、 语音交互、机器学习、深度学习等人工智能技术应用于机器人上的智 能体。其工业应用包括两个层次，一是嵌入各类智能软硬件的机器人 产品在生产操作、物流配送等典型工业场景中的应用，二是智能化的 迹规划；焊接机器人能够根据焊接过程中遇到的不同情况进行自我调 整，以达到最佳的焊接效果；装配机器人利用强化学习算法，在装配 过程中自主学习轴孔装配技能，通过在线辨识控制器的最优参数，提 高装配操作质量。二是自主导航类，随着激光地图建模技术不断成熟， 基于地图开展移动路径设计的自主导航功能也实现广泛应用，发展出 各类清洁、搬运机器人。 在传统模块化机器人中，多种模型的组合配合也大大拓展了机器 人的应用场景。其中，以工业视觉为代表的感知交互技术在软硬件层 目板块，分别为项目管理、样本标注、构建&训练&检测模型以及评估 模型。另外包含图像分割算法、图像分类算法、目标检测算法、单样 本检测、OCR 字符识别目标测量识别六大子功能板块，通过对图片、 字符进行训练建模准确的分割目标。 MasterpieceAI 系统运用最前沿的深度学习算法，在检测准确率 及精度上提升更高；处理速度快，通用性更强。在研发并突破深度学 习算法同时，紧跟非深度学习的机器学习等 AI

ChatGPT、PaLM-E）同台竞技；仿 真软件的国产化程度正在逐步提高，国外软件如 Gazebo 和 MATLAB 等 在仿真领域被广泛应用，而国内则正在加大力度发展自研仿真工具， 并推动其标准化与推广。通过建立统一的建模规范、仿真精度和接口 标准，国内仿真软件逐渐具备更高的适配性，推动数字孪生系统的发 24 展。 未来，应加快基础软件的标准化进程，通过制定接口标准、算法 评估标准、数据集标准、仿真性能标准及开发工具和协议标准等，为 是对人形机器人各个关节电机的直接控制，依据从上层传递下来的控 制指令（比如期望的关节角度、角速度、扭矩等参数），通过电机驱 动器等硬件设备精确调节电机的运转，实现关节的精准动作，主要采 42 用运动学分析与建模、动力学分析与建模和控制算法。全身控制是协 调多个关节之间的运动关系，进行运动规划和轨迹生成。比如在人形 机器人行走时，全身控制要规划好腿部各关节以及胯部、腰部等相关 关节的配合，生成从起始姿态到目标姿态的连续运动轨迹，使得行走 度集成的传 感器、执行器和先进的控制算法，人形机器人能够模拟人类的手部动 作，进行精确的抓取、旋转和操作。传统的技术路线是人工解析建模 物体感知与机械臂决策、规划、控制多个环节并优化求解，其可解释 性强，在定义范围内有较好的通用性，但对复杂场景难以准确建模， 且对场景物体变化泛化性不足，难以适应开放场景。随着物体感知技 术适应性的增强，抓取规划成为了重要研究问题和研究热点。传统方 法

远少于互联网规模的数据集。智元采用Latent Actions（隐 式动作）来建模当前帧和历史帧之间的隐式变化，然后通 过Latent Planner，预测这些Latent Actions，从而将异构 数据源中真实世界的动作知识转移到通用操作任务中。 采用Diffusion Model作为目标函数来建模低层级动作的连 续分布。 Action Expert结构设计上与Latent Planner类似，

此外，AI 在三维重建与模拟方面也展现出了强大的能力。它能够对冠状动脉及其周围结 构进行精细的三维重建，并模拟手术过程，帮助医生评估手术难度和风险，从而制定出 更为个性化的手术方案。基于三维重建模型，AI 还能够规划出最佳的支架或球囊输送路 径，确保手术过程的安全和有效。 术中辅助方面，AI 的作用同样不可或缺。它能够实时分析 X 光透视等影像数据，提供 精确的血管位置和病变信息，辅助 数据采集、治理、数据标签化全流程的多模态数据治理引擎和包含大语言模型、影像通 用模型、多模态大模型的多模态 AI 引擎；同时以丰富的形式提供了全周期治理能力开 放、数据服务定制化能力开放、多模态 AI 建模能力开放等多种能力开放模式。 此外，DeepwiseTrioData 还能构建多模态数据资产平台将医院的多维数据沉淀为数据 资产，更好地支持诊疗流程、科学研究、科室建设乃至医院整体业务的运转，促进医院 AI 放疗企业柏视医疗于 2024 年 5 月发布 PVmed Zeus 肿瘤治疗 AI 基础模型。该模型 在通用大模型（L0 大模型）的基础上，通过大规模、多模态、诊疗全流程肿瘤数据特 征库，精准建模刻画肿瘤异质性，应用于个性化肿瘤治疗方案。 基于该技术架构新开发的放疗靶区自监督学习平台（iLearning）和自适应放疗系统 （iTherapy)，柏视医疗将为肿瘤科医生提供更精准的临床决策依据和辅助靶区勾画工具。

人创新中心 天工机器人 拟人行走、奔跑、上下肢协同、 不同地形行进 众擎机器人 ENGINEAI SE 01、PM 01等 自然步态行走 乐聚机器人 KUVAO系列、ROBAN、AELOS系列 快速建模，行走避障 广汽集团 GoMate 可变轮足移动、自主避障等 宇树科技是一家世界知名的民用机器人公司，专注于消费级、行业级高性能通用 足式/人形机器人及灵巧机械臂的自主研发、生产和销售。宇树高度重视自主研 3D术前规划、术中精准控制 及微创操作、追踪及精准导 航 口腔机器人 29台 雅客智慧、键嘉、瑞医博 可视化体外模拟，术中精准 定位、动态导航等 神经外科机 器人 20台 柏惠维康、华科精准、博医来 颅脑三维建模、高精度定位 血管接入机 器人 8台 微创R-ONE 触觉感知、多器械协同、隔 室介入手术 经自然腔道 机器人 4台 直觉医疗 穿刺机器人 1台 真健康 三维重建、辅助路径规划等 康复机器人

大模型的前世今生 •人工智能：让机器具备动物智能，人类智能，非人类智能（超人类智能） •运算推理：规则核心；自动化 •知识工程：知识核心；知识库+推理机 •机器学习：学习核心；数据智能（统计学习方法，数据建模） •常规机器学习方法：逻辑回归，决策森林，支持向量机，马尔科夫链，….. •人工神经网络：与人脑最大的共同点是名字，机制和架构并不一样 •传统神经网络：霍普菲尔德网络，玻尔兹曼机，….. •深度神经网络：深度学习

风险，提高交易的安全性和可靠性。 4二、能源市场与交易 15 ◼ 能源市场的风险管理： 1、价格波动风险：能源价格的波动是能源市场的主要风险之一。AI 大模型可以通过对历史价格数据的分析和建模，预测价格的波 动范围和趋势，帮助能源企业和交易商制定相应的风险管理策略。例如，利用衍生品市场进行套期保值，对冲价格波动风险。 2、信用风险：在能源交易中，交易双方的信用状况直接影响交易的安全性和可靠性。AI

时识别生产线瓶颈并触发资源重组指令。值得关 注的是，AI 自主决策能力将在确保合规性的前提下，迅速完成在企业流程场景中的渗透。相应的， 这也要求技术供应商构建覆盖流程全生命周期的智能中台，将流程建模、执行监控与持续优化能力 封装为可配置模块。 供给侧，技术供应商的竞争格局正经历重构。头部平台型供应商通过技术整合加速生态构建，已展 现出“平台+场景”的双轮驱动能力。其通过统一流程引擎整合