定义及分类：从机械化、单一化向高度智能化、泛在化迈进， 智能机器人历经数十年技术革新与应用探索，仍在持续突破 资料与数据来源：公开资料，月狐研究院整理 5 驱动因素 社会驱动：人口老龄化加速、蓝领工作人力缺口大、高科技 平民化共同驱动智能机器人渗透 • 根据国家统计局最新数据与联合国有关老龄化的划分标准显示，我国人口增长动力减弱，老龄化人口占比增长，我国已全面步入中度老龄化社会并且老龄化仍在 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 -4 -2 0 2 4 6 8 10 12 14 16 18 2015年 2016年 2017年 2018年 2019年 2020年 2020年 2021年 2022年 2023年 2024年 人口出生率(‰) 人口死亡率(‰) 人口自然增长率(‰) 65岁及以上占比(%) 2015年-2024年中国人口数据 30,000 32,000 34,000 36,000 38,000 40,000 42,000 44,000 46,000 48,000 2023-01 2023-03 2023-05

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 �.� 围绕AI构建多云能力的三大步骤 要核心驱动力。企业在新引 入云服务商时，应关注其是否在关键领域具备符合企业发展需求的领先技术 优势，这对企业未来发展具有显著的现实意义。这些关键优势包括：全面立 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 务价值，并通过 ROI（投资回报率）指标确认多云策略的成功。同时，伴随生成式人工智逐 步落地，推理任务逐渐增加，企业应审慎应对未来AI应用对数据传输、计算 资源等维度的更高要求，以确保推理任务获得更佳的访问性能、资源利用效 率、扩展性、灵活性、安全性和成本优势等。此外，企业在选择新的云服务 商时，应重点考量其对未来多模态、多场景、多技术栈等趋势的综合支撑能 力，确保企业IT技术架构始终具备足够的前瞻性和灵活性。

1 算力基础设施高质量发展行动计划 算力是集信息计算力、网络运载力、数据存储力于一体的 新型生产力，主要通过算力基础设施向社会提供服务。算力基 础设施是新型信息基础设施的重要组成部分，呈现多元泛在、 智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升 级、赋能科技创新进步、满足人民美好生活需要和实现社会高 效能治理具有重要意义。为加强计算、网络、存储和应用协同 创新，推进算力基础设施高质量发展，充分发挥算力对数字经 发展。以构 建现代化基础设施体系为目标，面向经济社会发展和国家重大 战略需求，稳步提升算力综合供给能力，着力强化运力高效承 载，不断完善存力灵活保障，持续增强算力赋能成效，全面推 动算力绿色安全发展，为数字经济高质量发展注入新动能。 （二）基本原则 多元供给，优化布局。坚持多元发展路线，调动各类市场 2 主体积极性，构建通用、智能和超级算力协同发展的供给体系， 持续优化算力资源地域布局，加强集约化建设，强化算网存用 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。 运载力方面，国家枢纽节点数据中心集群间基本实现不高

面对全球大模型产业之争，要打赢「三大战役」 AGI之战 应用场景之战 大模型安全之战 • 探索超越人类的超级人工 智能AGI • 不仅是科技之争，更是国 运之争 • 不发展是最大的不安全， 发挥举国体制优势，打赢 追赶之战 • 大模型带来前所未有安全 挑战 • 外挂式传统安全手段难以 应对 • 应对模型安全新挑战，打 赢未雨绸缪之战 • 大模型是能力而非产品， 结合场景才能发挥价值 我们对大模型发展趋势的十大预判 13 政企、创业者必读 14 DeepSeek出现之前的十大预判 之一 传统AGI发展步伐在放慢 需要寻找新方向  Scaling Law边际效应递减  人类训练数据接近枯竭  合成数据无法创造新知识  推理能力难以泛化，成本高昂 全面超越人类的人工智能在逻辑上不成立 政企、创业者必读 15 DeepSeek出现之前的十大预判 之二 慢思考成为新的发展模式  大模型进入「轻量化」时代，上车上终端，蒸馏小模型  先做得更大，然后探索能做多小 政企、创业者必读 DeepSeek出现之前的十大预判 之五 知识的质量和密度决定大模型能力  高质量数据、合成数据使模型知识密度的快速增长  大模型能以更少的参数量达到更高的性能  360联合北大研发：5%参数量逼近Deepseek-R1满血性能 18 政企、创业者必读 DeepSeek出现之前的十大预判

.........................16 （二） 数字人 ..................................................18 （三） 仿真业务数据 ............................................20 （四） 智能运营 ......................................... （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 .............................................40 附录 A：金融业数字孪生应用实践 .....................................41 案例一：中电金信数据孪生实验室 ................................ 年后，如西门 子、达索等世界知名的工业软件公司开始在各自擅长的工业 领域提出数字孪生的衍生概念与应用方案。 2015 年，国内航空工业领域吸收并应用了数字孪生概 念，通过集成各类传感器采集的数据，使用机器学习等人工 智能算法，建立可实时更新的“拟真”模型，以支撑各类航 空工业产品的生命周期内的各项活动。 数字孪生是集成了多物理量、多尺度、多概率的系统， 经过最初在航空航天领域的应用，逐渐扩展到电力、城市管

得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights Reserved.  智驾地图是支撑L2级及以上智能驾驶系统的关键数据基础设施，其核心价值在于补充车载实时感知、提 供超视距信息及优化路径规划。  智驾地图正从重几何精度的高精地图向更注重拓扑、语义与鲜度的轻量化地图演进，其具体形态随自动 驾驶算法需求动态演进，众源更新成为保障鲜度的关键技术。 支撑城市NOA落地 - 众源更新探索 轻地图成为主流 重语义/拓扑/规划 - 与端到端算法深度 融合 - 地图成为在线先验 与离线训练数据源 - 兼顾AP友好性 驱动: 感知算法进步 (Transformer, BEV等) 驱动: 成本压力/规模化 (数据闭环, 众源成熟) • 精度按需: 对绝对几何精度要求动态调整，部分场景下拓扑关系与 语义准确性优先度更高。 • 要素按需: 地图 Rights Reserved.  两者本质区别在服务对象（机器 vs. 人），区别于传统导航为人类驾驶员提供路径规划和导航提示， 智驾地图则面向自动驾驶系统，提供机器可读的多元结构化环境要素数据，支撑AI感知、路径计划与决 策。 6 资料来源：公开资料、泰伯智库 市场概述 智驾地图与传统导航地图的区别 特征 传统导航地图 智驾地图 主要目的 人类驾驶员路径规划、导航指引 服务自动驾驶系统

oT）的融合1，利 用AI让物联网设备变得更智能、更具自主性。但这是一个以设备为中心的“小数据”的定义。 从战略层面的“大数据”视角来看，AIoT是机器智能与现实世界之间的连接。用于AI训练和 推理的大数据最初是由网络边缘与事物和人交互的设备所采集的小数据。这些IoT传感器和 人类输入设备是真实数据的来源，它们让AI变得实用且有价值。换言之，互联设备构成了神 经系统，并将AI与我们的世界相连。AIoT让AI变得真实且有意义。 经系统，并将AI与我们的世界相连。AIoT让AI变得真实且有意义。 AIoT与设备连接的价值 AI对可靠的、现实世界的数据有着无尽的需求，以此来推动训练和推理。因此，AI的快速发 展需要大量关于我们所处世界的准确数据，而这种依赖从根本上改变了设备连接的经济价值。 过去，评估一个联网设备的价值往往基于其功能的内在价值，比如恒温器能够测量温度并控 制HVAC系统。但如今，AI拓展了设备的价值主张，使其价值还包括对能源管理等更高级别 Manufacturers》（面向CE产品 制造商的Matter）。智能家居AI的例子包括能源管理、HVAC优化、家庭安全、安防、健康 与保健以及居家养老支持。这些先进的、由AI驱动的应用需要情境感知能力，即实时感知、 理解和应对复杂情况的能力。因此，AI应用必须与家庭的多个系统相连接，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

从文本模态到多模态 其他讨论： Over-Thinking 过度思考等 未来方向分析探讨 模态穿透赋能推理边界拓展： Align-DS-V 合成数据及 Test-Time Scaling: 突破数据再生产陷阱 强推理下的安全：形式化验证 Formal Verification \ 审计对齐 Deliberative Alignment Outline 4 Pre-Training Scaling Laws: 预训练模型上广泛观察到的现象，协调了计算量 C 、 模 型参数量 N 和数据大小 D 之间的关系 回顾： Pre-Training Scaling Law Long-CoT 能力 传统 RLHF 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。

物理⼈⼯智能即将到来 花旗全球展望与解决⽅案 2024年12⽉ 花旗是全球最⼤的⾦融机构之⼀，在所有主要成熟和新兴市场开展业务。在这些世界市场上，我们的员⼯进⾏着持续的多学科对话 - 获取信息，分析数据，制 定⻅解和提出建议。作为我们的⾸要思想引领产品，花旗全球展望旨在帮助我们的读者应对全球经济⾯临的最具挑战性的问题，并预测⼀个快速变化且相互关 联的世界中的未来主题和趋势。花旗全球展望汇集了我们全 com martin.wilkie@citi.com Helen Krause 马修·莫法特 卡罗尔·吉布森 花旗 环球洞察 数据科学负责⼈ 花旗全球数据洞察 洞察 matthew.moffat@citi.com carol.gibson@citi.com 花旗全球数据洞察 helen.krause@citi.com 亚历克斯·⽶勒 全球产品经理 Anuj Gangahar Globa l GPS: 全球视⻆与解决⽅案 2024年12⽉ 内容 摘要与分析 6 技术进步 10 清洁与维护 19 交通运输 29 ⼈形机器⼈ 35 ⼯业 42 服务机器⼈ 45 医疗保健 51 安全、安全和军事 56 资本/专利 62 挑战 68 结论 78 相关阅读 79 © 2024 花旗集团 6 花旗GPS：全球视野与解决⽅案 2024年12⽉ 摘要与分析 AI并⾮新领域（1

信研究院和北京人形机器人创新中心有限公司于 2024 年 8 月联合发布 的《具身智能发展报告（2024）》中对具身智能的定义为“依靠物理 9 实体通过与环境交互来实现智能增长的智能系统”，智能机器人的智 能性可以是依靠各类数据前期训练而获得，也可以是其依靠物理实体 通过与环境交互来实现智能增长。所以智能机器人也不等于具身智能， 两者之间有交集，交集部分即为具身智能机器人。 3）人形机器人（广义）、双足机器人、其他机器人的关系：国际 务、救援救灾等领域。伴随着人形机器人的多场景实地应用，为确保 机器人能够在多样化环境中安全、高效地运行，安全测评的需求愈发 重要。未来人形机器人技术的发展不仅需要持续的技术创新，更需要 系统的安全保障技术与标准化支持，以满足不同交互环境下对机器人 安全性、互操作性和环境适应性的需求。提升人机交互的安全性，不 仅能够推动技术在特定应用领域的推广，还将引领机器人技术的规范 发展，为人形机器人在多元化场景中的普及奠定基础。 全球产业政策特点 人形机器人作为新一代人工智能的集大成者，已经成为全球科技 和产业竞争的新高地。各国政府高度重视，从促进多方协同、加大研 发投入、完善产业生态、重视人才培养、加强国际合作以及关注伦理 安全等维度，出台了一系列政策措施，为本国的人形机器人产业发展 提供强力支持。 15 以中国、欧美、日韩地区为例，各国政府在技术创新与研究支持 方面，集中资源推动核心技术的突破，包括人工智能、机器学习、机