91.60% 94.78% 97.90% 94.40% 80.81% 80.81% 80.81% 70.00% 76.90% 70.00% 网 络 数 据 查 询 分 析 意 图 识 别 准 确 率 网 络 数 据 查 询 分 析 提 取 准 确 率 网 络 数 据 查 询 分 析 覆 盖 范 围 ���研������ DeepSeek R1 DeepSeek V3 模型C 90% 91.60% 94.78% 97.90% 94.40% 80.81% 80.81% 80.81% 70.00% 96.90% 70.00% 网 络 拓 扑 生 成 意 图 识 别 准 确 率 网 络 拓 扑 生 成 提 取 准 确 率 网 络 拓 扑 生 成 覆 盖 范 围 �������� DeepSeek R1 DeepSeek V3 模型C 模型D 模型E 91.60% 94.78% 97.90% 94.40% 80.81% 80.81% 80.81% 70.00% 96.90% 70.00% 网 络 故 障 根 因 分 析 意 图 识 别 准 确 率 网 络 故 障 根 因 分 析 提 取 准 确 率 网 络 故 障 根 因 分 析 覆 盖 范 围 ���������� DeepSeek R1 DeepSeek V3 模型C

线控转向：L4级及以上自动驾驶必备，尚处市场导入期 4.投资建议 5.风险提示 请务必阅读正文之后的免责条款部分 3 端到端发展进入加速期，基于 规则长期护航 1 请务必阅读正文之后的免责条款部分 图1：端到端与模块化自动驾驶 资料来源：电动车公社，国元证券研究所 4 端到端的定义：基于数据驱动的深度学习 在广义语境中，端到端是一种研发范式，指在一个任务中，从输入端到输出端，中间不经过任何其他处理环节，由 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 间的的数据传递 有望由人为定义的结果抽象为特征向量 0ne Model/单一模型“端到端”： 原始信号输入到最终规划轨迹的输出直接采用单一深度神经网 络实现 请务必阅读正文之后的免责条款部分 图3：UniAD架构设计概览 资料来源：Hu Y, Yang J, Chen L, et al，Planning-oriented Autonomous Driving，国元证券研究所 6 端到端的发展历程

将NOA（导航辅助驾驶）等高阶智驾功能下放至10万元 级别车型，打破了智驾功能以往与高价车型绑定的局面 道路覆盖成本降低，可扩展至6.98万元车型 数据轻量化 腾讯地图 轻量化数据服务，模块化工具链支持车企仅调用必要地 图要素（如交通标志） 数据带宽需求降低，处理效率提升 众包更新机制 Mobileye 以REM路径，通过1亿+车载摄像头实时更新覆盖全球 采集成本降低，鲜度达分钟级 传感器精简 Momenta 智驾地图与智能座舱的融合：舱驾共用一张图 10 资料来源：公开资料、泰伯智库 “一张图”的内涵 “舱驾一体”架构下，理想状态是座舱的导航显示、HMI交互（如AR导航、3D环境渲染）与 智驾系统的环境感知、定位决策（如车道级导航、路径规划）能够基于统一的地图数据源和动 态信息层。例如，腾讯地图的“智驾地图8.0”提出实现“人驾-车驾”无缝切换，共用一张图以 降低算力需求。 现状与实践 目前，多数宣称“舱驾一体”的方案，尤其是在量产初期，更多是实现了“舱泊一体”或在同 一块高性能SoC上集成座舱和部分智驾功能。真正的“一张图”在数据层面实现跨域实时、高效、 安全共享，并满足不同功能对地图精度、鲜度、渲染效果的差异化需求，仍面临技术挑战（如 数据隔离、功能安全、算力分配）。 图商的机遇 在‘舱驾一体’的演进中，不仅是数据的趋同和架构的整合，更重要的是实现‘感知反哺座 舱’。例如，车辆自驾系统

「保养手册」，合计几百份材料。 • 手册混排复杂：每份手册一百页至几 百页，涉及大量图文组合。 • C端问答要求严谨：客户也担心幻觉 率影响客服对话体验。 • 答案出图率提升：模型出图率0%->70%。 （gpt-4出图率20%） • 知识构建效率大幅提升83.3% 之前人工梳理单个汽车手册形成问 答对至少需要30人天工作量，现在 用大模型只需要5人天，预计每个手 册知识梳理至少节省了25人天工作 节约人力成本，降低安全风险，提高工作效率 当前拍摄 未来拍摄 屋顶四周对角 各处细节+视频 屋顶照片20多张 视频1段 VS 屋顶照片5-10张 视频1段 屋顶拍摄耗时 15-20分钟 2-5分钟 拍摄质量 容易造假 无死角，难造假 场景、节点 当前方案 未来改善 施工警示牌、安全防护，组件 铭牌、逆变器、并网箱、线缆 线径，接地电阻、组串方案及 电流电压 照片约20张 VS 不变 审核时长 20分钟-1小时 断增强、服务粒度更加精细 � 公司目前信息系统超过500个，近一半是自研应用，2021年相比2020年服 务接口数量增长了XX% 1. 半导体行业首家云原生Paas平台项目； 2. 纯自研产品输出、无定开内容； 3. PaaS平台一体化建设，测试生产两套 环境部署，合同金额double； 4. 包含产品： � 容器和中间件平台 � 分布式消息服务Kafka � 缓存Redis � 数据库MySQL

政企、创业者必读 国内DeepSeek最前沿资料 政企、创业者必读 《DeepSeek给我们带来的创业机会》 360集团创始人 周鸿祎 3 政企、创业者必读 政企、创业者必读 一张图读懂一堂DeepSeek课 政企、创业者必读 AI给了一个比互联网更大的机会  互联网是连接平台，人工智能是生产力  互联网是赋能性技术，生产力属性较弱  人工智能既能单兵作战，也能外部赋能 认知决定行动，这场全民AI科普对推动中国AI发展功不可没 政企、创业者必读 开源改变行业格局，建立强大生态  开源战胜闭源，促使全球公司、开发者等转到开源  建立强大生态，成为全球人工智能根技术，无推广情况下各国 政府、企业、云厂商纷纷接入，获得全球最大影响力  改变中美竞争格局：美国是闭源封闭垄断思路，中国领导开源 文化，加速中国领先地位  中国人民使用的AI工具先进性已超过美国，普及率超过美国， DeepSeek在政府、企业的应用问题？ 49 政企、创业者必读 闭源云端通用大模型功能强大 但在政府企业场景中使用存在若干问题  训练知识为网上通用，缺少政府和企业内部知识，不懂业务，无 法解决实际问题  闭源模型云端部署，使用过程中数据外传上网，存在泄密风险  闭源模型规模庞大，无法为企业进行定制，无法本地部署  成本高昂，一般企业难以负担 50 政企、创业者必读 

2018 2019 2020 2021 2022 2023 41.5% o 更多干货请关注公众号“管理技术化平台” 5 ——来源：中国信息通信研究院《中国数字经济发展研究报告（2024）》 图 1-1 中国数字经济规模 需要指出的是 人工智能发展之路并非一帆风顺。企业在引入人工智能 技术时, 需直面技术兼容性、数据安全、人才培养等多重挑战。只有克服这 些障碍, 才能充分释放 AI 的潜力 多名受访企业表示:转型框架和成熟度模型 (评估 问卷) 结构科学、设计合理, 在理论上的解释力和实践上的指导价值日益成熟。 更多干货请关注公众号“管理技术化平台” 7 ——本报告调研反馈数据 图 2-1 企业智能化转型框架和成熟度模型获得业界广泛高度认可（1~5 分制） 2.1 企业智能化转型框架 重构混合 AI 数字底座 理论体系创新都必须遵循实事求是的思路。企业智能化转型框架正是基于这 企业智能化转型框架必须在普遍 规律和企业特性相结合的基础上,建立起系统性、 客观性、可迭代、且具备量化 能力的分析框架和评估体系。 更多干货请关注公众号“管理技术化平台” 8 图 2-2 企业智能化转型框架图（2024 版） 与 2023 年版企业智能化转型框架相比,今年的企业智能化转型框架抓住了 最新的 AI 技术趋势, 紧密跟随企业 AI 应用落地趋势, 进行了继承和创新。 继承和保持的部分包括:

二、全球“机器人+人工智能”技术趋势分析 （一）工业领域的机器人正在从中等智能走向高度智能 机器人智能化的发展呈现出五个明显的阶段，每个阶段都标志着 人工智能技术的进步和机器人应用的扩展（图 1）。第一阶段是无智 4 能阶段，机器人只能执行简单的预设任务，缺乏自主性和适应性；第 二阶段是基础智能阶段，机器人开始具备基本的感知能力，能够对外 界环境做出简单的反应；第三阶段是中等智能阶段，机器人能够进行 广泛用于各 类分类、回归、聚类、关联规则任务，帮助机器人实现物品分类、平 面移动和故障诊断等功能，但不具备决策能力；而深度学习则聚焦图 像、文本和语音等复杂任务的处理，能够帮助机器人实现缺陷检测、 知识问答、人机对话等功能，具有一定的决策能力。 5 图 1 机器人与人工智能融合历程 （二）三大融合方向及其组合推动智能机器人产品涌现 1、根据不同的环节需求形成三大方向的融合应用 人 交互技术在软硬件层 面都趋于成熟，因此与其他模型的组合使用较为常见，如搭载“识别 类+复杂操作类”模型的分拣机器人、质检机器人；搭载“识别类+ 自主导航类”模型的巡检机器人、配送机器人等。 图 2 机器人产品智能化的三个方向及组合 8 （三）具身智能尤其是人形机器人前沿研究持续火热 1、大模型为具身智能提供模拟人类的“大脑” 具身智能是人工智能与机器人技术的结合，是“具身化的人工智

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 空间的运 模拟生成，对数据进行虚拟化，实现数据智能孪生。 算力层：支撑以上各层服务的算力基础设施层，包括云 计算、容器化、云原生等技术，通用计算、智能计算、存储、 网络等资源，提供弹性高效的算力基础服务。 4 图 1 数字孪生体系架构 （四）数字孪生的关键技术 支撑数字孪生架构体系的关键技术如下。 1.渲染技术 渲染技术通常指通过计算机图形引擎，多层次实时渲染 呈现数字孪生体实境的技术。通常支持包括宏大开阔地理信 等非 结构化数据进行深度信息挖掘与分析，构建可以与客户完美 互动的虚拟网点环境（见图2）。 18 图 2 基于数字孪生技术的虚拟网点逻辑架构 （二）数字人 1.应用场景概述 数字人技术目前已大量应用于金融产品营销、金融业务 办理等场景，通过创建高保真的数字人形象，借助计算机图 形学、图形渲染、深度学习、动作捕捉、语音识别及合成等 人工智能技术，虚拟数字人可以对物理世界进行感知并通过

......................................................................................60 5.2 标准体系框架图.................................................................................................... 、 头部和肢体的机器人（robot with body, head and limbs, looking and moving like a human）”，该标准中还给出了仿人机器人的参考图（见 图 1）。从该定义中可以看出，仿人机器人具有两个主要特征，即外部 特征的人形和运动特征的双足直立行走，而没有强调智力特征。从目 前人形机器人的发展状态来看，这是有一定道理的，否则将会把人形 机器人的范畴压缩过窄。 体、语言、动作和智 力等。 本白皮书所聚焦的产品以及产业研究与分析对象为广义上的人形 机器人，标准化研究对象包括但不限于人形机器人产业发展历程中相 关的产品、技术、过程或服务。 图 1 人形机器人参考图 1.1.2 人形机器人与其他相关概念的关系 近年来，由于人工智能与机器人的快速发展，为更加精确地阐述 本白皮书所聚焦的研究与分析对象，特此对与人形机器人有交集的其 他概念进行简要描述，各概念之间的包含及交叉关系详见图

落地方法论与关键 成功要素。 实践方法论 1，需求诊断与场景锚定 流程智能化的实施必须始于精准的业务需求识别与场景选择。首先，企业需通过对于内部流程的抽 象挖掘，映射绘制出端到端业务流程图。其次，再结合历史数据挖掘关键瓶颈。比如，制造企业可 以通过绘制端到端采购流程，评估各个流程节点耗时在全流程中占比，从而找到关键场景。 具体的场景选择，企业应遵循“痛点优先、价值可测”原则。比如，场景价值度高低的评判应当交 交互体验。第三，贯通异构 系统的流程链路，实现流程集成。第四，通过智能流程分析平台，实现端到端流程效 能分析。该平台通过全生命周期管理闭环，实现中集集团流程标准化、数字化、可视 化运营。 图 1 中集集团流程平台 建设亮点一 端到端流程构建 基于 AWS 云，蓝凌完成三大突破。首先，实现传统流程平台全量数据迁移及云化重 构，完成活跃流程的云端适配改造与接口调整。其次，升级集成架构，将原有离散的 动端等多渠道流程预警机制，在流程创新的同时保障了流程稳定性和可靠性。 图 2 中集集团流程地图 | 2025 爱分析 · 流程智能化实践报告 15 建设亮点三 SAP+OA，提升流程自动化水平 蓝凌构建了 SAP 与诸多业务流程的深度集成，实现供应商管理、合同审批、付款申 请等核心业务流程的全链路贯通，确保流程自动化和数据一致性，促进业务数据的无 缝流动。 除此之外，SAP 系统还通过接口与蓝凌