日内瓦，2025 概述 版权所有 © Adobe Stock 包容性人工智能与发展 技术与创新报告 内容 第7页 《2025年技术创新报告》 包容性人工智能与发展 概述 iiiiii 前言 第4页 引言 第7页 页面 17 设计人工智能的国 家级政策 第1页 人工智能技术前沿 第11页 准备抓住人工智能 机遇 利用人工智能提高生 产力和员工赋权 第23页 为了包容和公平的 人工智能 ©2024联合国贸易和发展会议 前言 iv 前沿技术，尤其是人工智能，正在重塑经济和社会的运作方式。然而， 它们的快速和广泛传播往往超过了许多政府应对的能力。 《2025年技术与创新报告：包容性人工智能与发展》 调查复杂的人工 智能领域，旨在帮助决策者制定促进包容性技术进步的科学、技术和创 新政策。 人工智能的使用有潜力加速实现可持续发展目标，但如果分布不均且缺 从开发到采用的所有阶段所需的必要要求和政策，以促进可持续发展的 包容性技术进步。 这需要一种多维和基于证据的方法。为此，确定了三个关键杠杆点—— 基础设施、数据和技能，提供了一个广泛的社会经济视角，并突出了构 建有弹性的基础设施和促进包容性和可持续工业化和创新的需求。 v Rebeca Grynspan 联合国贸易和发展会议秘书长 历史表明，虽然技术进步推动经济增长，但它本身并不能确保公平的收 入分配

数字孪生技术金融应用研究报告 北京金融科技产业联盟 2025 年 3 月 目 录 一、 数字孪生介绍 .................................................. 1 （一） 数字孪生的概念与发展 .....................................1 （二） 数字孪生的金融政策指引 .................... ...............2 （三） 数字孪生体系架构 .........................................2 （四） 数字孪生的关键技术 .......................................4 二、 金融应用发展 .................................................. 9 （一） 金融业业务场景痛点 （一）数字孪生有望助力金融机构做好“五篇大文章” ...............38 （二）数字孪生与金融业务联系更加紧密 ...........................38 （三）数字孪生与物联网、5G 等技术的融合逐渐加深 ................ 39 （四）数字孪生与虚拟现实的结合为金融带来了新机遇 ...............39 （五）安全意识提升 ................

2024中国智算产业全景调研： 技术重构与演进 SupplyFrame Media + E-Commerce 2 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 智算产业现状总览 , 智算产业运行状况 , 智算中心核心驱动力 , 智算产业关键技术 , 智算产业竞争格局 生成式AI驱动的变革 & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 核心点： 驱动力 ｜ AI训练与推理需求激增，驱动算力基础设施快速迭代 技术体系全景 ｜ 覆盖芯片器件层（CPU/GPU/TPU）、硬件设施层（AI服务器/液冷）、平台调度 层（弹性调度/绿色节能）、应用场景层（AI训练/边缘智能） 规模与增长 ｜ 2024年中国智能算力规模达725 4 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 智算中心技术体系全景图 应用场景层 ｜ • AI训练 • 实时推理 • 边缘智能 • 科学仿真 算力资源层 ｜ • 基础算力 • 智能算力GPU集群 • HPC

“人工智能+”赋能具身智能机器人新形态 及关键技术应用 李腾达 朱紫钰 韩子奇 (中国移动上海产业研究院,上海 201206) 摘要:人工智能与机器人的深度融合正催生新一代机器人形态,其中具身智能机器人因其强调物理实体 与环境交互的核心特性而成为关键发展方向。 聚焦“人工智能+” 赋能的具身智能机器人这一特定形 态,系统综述了具身智能机器人的概念演进与发展现状,着重剖析了人工智能技术在感知、认知、决策、 执行及底层数据支撑等环节带来的变革;围绕多模态感知、大语言模型与深度强化学习等核心技术,结 合工业制造、医疗护理、家庭服务等场景应用,展示了“人工智能+” 赋能具身智能机器人的应用成果。 同时,指出了计算资源消耗、算法泛化性与鲁棒性不足等现实瓶颈,并展望了更高效模型架构、跨模态协 同与多领域扩张等未来趋势,为具身智能机器人的技术创新和产业落地提供了参考。 关键词:人工智能+;具身智能;多模态感知 中图分类号:TP18;TN929 中图分类号:TP18;TN929. 11 文献标志码:A 引用格式:李腾达, 朱紫钰, 韩子奇 . “人工智能+”赋能具身智能机器人新形态及关键技术应用[J]. 信 息通信技术与政策, 2025,51(8):15-25. DOI:10. 12267/ j. issn. 2096-5931. 2025. 08. 003 0 引言 随着多模态感知、大语言模型和深度强化学习的

Report 2025 具身智能技术-产业-市场-应用的生态进化观察 1 * 智能经济生态观察系列 * 人形机器人生态报告 （2025） 具⾝智能技术-产业-市场-应⽤的⽣态进化观察 [ 出品 ] 上海财经⼤学数字经济研究院 [ 主编 ] 胡延平 上海财经⼤学特聘教授 [ 撰写 ] ⾼⻜ 孙硕 以具⾝智能在技术-产业-市场-应⽤等⻆度的⽣态化进展为基础，本报告聚焦在更 受各⽅关注的⼈形机器⼈⽅向，建⽴⾯向⼈形机器⼈的多维观察和动态研究框架，从 ⽣态演进的总体特征、技术体系与产业链、产品与企业、产业经济、场景与应⽤等⻆ 度，观察⼈形机器⼈在中国的年度进展，以资各⽅参考。 1 ⼈形机器⼈⽣态演进年度特征 特征之⼀，⼈形机器⼈进⼊规模化量产元年。2025 年下半年尤其是验证相关技术 产品商业价值的关键阶段。以优必选、宇树科技、特斯拉、Figure AI 等规模产线的建 在此基础上，部 分企业通过操作系统、专业模型、训练仿真、算⼒系统、数据 API 等⽅⾯的开放⽣态 搭建，实现从“卖机器⼈”转向输出“平台+⽣态”，通过开放平台构建开发者⽣态，有⼒ 加速了该领域技术的产业化、⽣态化进程。 特征之三，⼈形机器⼈的具⾝智能⽔准从“开始试⽤”⾛向“初步可⽤”。国内多次机 器⼈⽐赛展现了⼈形机器⼈的场景感知、运动协调、交互能⼒。⾏业应⽤重点也开始 转向解决复杂

2026 年 3 月 2 核心观点： 1. 我国具身智能处于迈向产业化发展阶段，仍存在技术瓶颈突破、产业链协同、商业化 规模应用多重挑战。 2. 具身智能政策与资金双重驱动，我国具身智能产业进入技术突破与价值兑换叠加期。 3. 企业招聘需求增速显著，正加速布局具身智能产业，算法、软硬件开发、机械工程招 聘热度最高。 4. 产业门 计算模型的不断涌 现，算力持续攀升，以及数据量级的迅猛扩张和数据采集能力的显著增强，人类长久 以来所追求的具身智能正逐步从梦想走向现实。当下，具身智能已然站在了 AI 发展的 最前沿，在众多场景中实现了实际的技术突破与应用，进而推动着更多产业的蓬勃发 展。 总体而言，具身智能目前尚处于从实验室研究向规模化商业应用过渡的发展阶 段。从具身决策能力瓶颈的突破，到高质量数据资源的匮乏，再到量产过程中对产业 月，工信部人形机器人与具身智能标准化技术委员会成立。该产业规 模增速快但标准滞后，标委会将负责相关领域标准制修订，引导产业健康发展。 标准的确立，有利于我国具身智能产业国际地位的建立和发挥引领作用。 支持产业生态融合与建设开源社区促进成果共享 l 2025 年 12 月工业和信息化部等八部门关于印发《“人工智能+制造”专项行动 实施意见》的通知，加快推进人工智能技术在制造业融合应用，打造新质生产

协调发展，推动新一代信息技术与算力设施融合应用，引导算 力运营智能化升级。 需求牵引，强化赋能。坚持市场需求导向，发挥区域比较 优势，进一步释放工业、金融等重点行业对算力应用的需求潜 力，激发智能算力、边缘算力等全场景应用创新活力，推动算 力与实体经济融合发展。 创新驱动，汇聚合力。坚持创新驱动，遵循技术、标准、 产业和应用渐次导入的规律，推动核心技术攻关。充分发挥科 研院所、高校和企业在技术攻关、成果转化中的创新主体作用， 研院所、高校和企业在技术攻关、成果转化中的创新主体作用， 形成技术产业发展合力。 绿色低碳，安全可靠。坚持绿色低碳发展，全面提升算力 设施能源利用效率和算力碳效（CEPS）水平。统筹发展与安全， 进一步强化网络、应用、产业链安全管理和能力建设，构建完 善的安全保障体系。 （三）主要目标 到 2025 年，计算力方面，算力规模超过 300 EFLOPS，智 能算力占比达到 35%，东西部算力平衡协调发展。 运载 运载力方面，国家枢纽节点数据中心集群间基本实现不高 于理论时延 1.5 倍的直连网络传输，重点应用场所光传送网 （OTN）覆盖率达到 80%，骨干网、城域网全面支持 IPv6，SRv6 3 等创新技术使用占比达到 40%。 存储力方面，存储总量超过 1800EB，先进存储容量占比达 到 30%以上，重点行业核心数据、重要数据灾备覆盖率达到 100%。 应用赋能方面，打造一批算力新业务、新模式、新业态，

Momenta：提供基于端到端技术架构的自动驾驶解决方案 3.3.5 智驾域控芯片市场的竞争格局呈现多极化，SoC高性能更 适应未来趋势 3.3.6 地平线：软硬结合是必由之路 3.3.7 黑芝麻智能：依托技术创新，构建自动驾驶芯片产品矩阵 3.4 执行层 3.4.1 线控底盘结构及优势 3.4.2 智驾渗透加速线控底盘国产放量，行业格局集中，主机厂 粘性高 3.4.3 线控底盘技术在自动驾驶领域的应用正逐渐普及 将感知、预测和规划结合为一个可以共同训练的单一模 型，整个系统都针对最终任务进行优化，并且共享的骨 干网络大幅提高了计算效率，使智驾方案具备更高的迭 代效率，有效降低了维护成本。 请务必阅读正文之后的免责条款部分 图2：端到端技术演进 资料来源：辰韬资本，Ai fighting，国元证券研究所 5 从模块化方案向一体化端到端模型过渡 端到端架构的本质是深度学习的全面使用与数据驱动。根据感知模块与决策模块之间的贯通程度，可分为模块化 高效地处理信息并作出反应。业内典型代表为特斯拉、Momenta、理想等。这种架构取消了模块划分，减少信息损 失的同时，对数据标注的需求也更少，同时具有更强的泛化性。从模块化端到端到一体化端到端是一种相对平滑 的过渡形式。随着算法优化，技术将逐步向一体化端到端或端到端+多模态大模型的冗余双系统架构演进。 感知“端到端”： 当前的主流感知算法路线 模块化“端到端”： 决策规划控制模块升级“端到端”并且两模块间的的数据传递 有望由人为定义的结果抽象为特征向量

缓解, AI 技术如同流水 悄无声息又快速地填满了企业运营的各个环节 静水流 深地改变了企业的运营模式和人们的生活方式。 在今年的调研中, 我们将企业智能化成熟度量表做了刷新, 针对智能体转型 "领先者们" 的衡量标准 也即 L4 和 L5 水平的要求,进一步明确了企业智能 体的布局、探索、应用的水平,希望在 AI 2.0 时期的新要求、高要求,对企业利 用新 AI 技术实现跨越式发展提供一定面向未来的指引。 AI 的领军者, 企业聚焦数据、算力和算法, 积极投身 AI 带来的智能化变革的时代洪流。过去的近八年, 企业在 AI 领域砥砺深耕、前瞻 II 布局。作为科技领域的先锋企业, 企业凭借对 AI 技术的深度应用, 将其巧妙转 化为自身降本增效的强大生产力工具,也带领众多合作伙伴开启了全新的发展篇 通过 "全栈 AI" 的战略布局, 企业从智能终端领域的 "一体多端" , 到智能 基础设施领域的 全方位勾勒出人工智能蓬勃发展的壮丽画卷, 为新质生产力的茁壮成长 培土施肥。 从企业的实践与探索中, 我们也看到, 与以往的技术革命不同, 此次 AI 带 来的革命是一场全方位的变革。 它并非仅靠单一技术的突破来驱动, 而是技术、 产品与生态的协同共进。在技术层面,深度学习、 机器学习、自然语言处理等前 沿技术不断迭代创新, 为 AI 应用提供了坚实的基础; 在产品方面, 从智能硬件 到软件应用, 从消费级产品到企业级解决方案