度的综合实践指南，为行业企业制定AI转型策略和路径提供思 维框架和工具。第四章就仍在高速发展的新一代人工智能技术 以及与其他数字科技的可能融合做了展望，期待给读者以更多 启发。 我们深知，技术创新永无止境，推动行业日新月异，期待更多 行业伙伴、技术伙伴加入探索与实践，推动食品饮料行业向着 更智能、更高效、更可持续的方向升级。 Preamble • • •   • 需要构建开放协同 的创新生态，在技术研发、标准制定、伦理规范等领域深化跨界合作。 站在产业智能化的转折点，我们将持续以牛客松系列活动为纽带，深化“业务场 景开放+技术能力共享”的双向驱动。我们期待更多企业以战略远见拥抱转型， 用技术温度守护食品本质，共同探索推动供应链效率与消费者体验的几何级提升。 未来的食品饮料行业，必将是科技创新与人文关怀交织的舞台，而今天的选择， 将决定我们在未来

于任何器物的如日中天, 对 AI 或者任何技术的追求, 最终的目的都是开 创一个 更加智能、美好的世界,为人类文明的发展历程留下我们这一代人坚实 的足迹和 独特的贡献。这是一场既漫长又高速的跋涉, 期待与众位的携手。 目录 Contents 序 全栈 AI, 跑步进入企业智能化转型 2.0 时代.................................................. 随着科技的不断进步, 智能化的战略价值日益凸显, 已成为企业在 激烈市场竞争中脱颖而出的关键因素。 同时, 智能化转型成为推动 行业进步和社会可持续发展的重要力量。 企业对智能化的未来价值 期待更加理性和务实, 追求多元价值, 努力平衡长中短期利益。 在当今经济格局中,新质生产力概念的兴起为企业发展注入了新的活力与挑 战。企业智能化转型作为契合新质生产力发展趋势的关键路径, 正深刻改变着 也是推动行业进步和社会可持续发展的重要 力量。 从对未来价值创造的期待方面来看, 与去年保持一致, 企业最期待的三大智 能化价值提升依然以运营价值为核心: 通过智能化驱动主营增长、 提升客户体 验以及降本提效。 这不仅反映了企业在当前市场环境下对自身发展需求的深刻 理解,也预示着智能化技术在企业运营管理中的深度融合将持续为企业创造显著 价值。此外, 相比 2023 年, 企业更加期待三方面的智能化价值提升: 提升客户

月联合开展了一项调研，受访对象涵盖 17 个行业和 6 个地区的 400 名 全球领导者。我们询问他们，必须克服哪些挑战才能在 AI 塑造的竞争格局中取得成功？如何让 员工做好准备以推动变革？最期待通过哪些机会来加速进展？ 我们将这些结果与我们在 2024 年进行的数十项调研、深度访谈、客户互动中获得的洞察进行 了比对，勾画出在 2025 年将重塑 AI 蓝图的重大趋势（见第 5 页“研究方法”）。 18 个月 内就会过时。如果制造商在设计和安装软件时不能做到随着技术的发展轻松更新智能座舱，就会 对客户满意度产生负面影响。 13 组织的信息技术也是如此。为了实现客户、员 工和合作伙伴所期待的创新，组织必须在现代 架构内构建解决方案。这是因为传统系统往往 无法与新一代应用、软件和基础架构有效配合 使用。 生成式 AI 和智能体 AI 尤其如此。企业需要强 大的基础架构来处理 AI

组装） • 真实案例：采集某全球头部企业场景规划——验证人形机器人落地场景、适配工种逻辑 • 产业展望：工业、家庭场景供需端交叉验证，识别关键节点——2027小批量产，2030商业化起点 敬请期待 M2 2025 Proprietary and Confidential All Rights Reserved. 目录 4 1. 背景 2. 洞察：人形机器人落地场景顺序与评估模型 全球老龄化进程加速，疗养服务人员需求缺口大 What? 产品定位：具身智能生活助手 Who? 目标客户群体画像 用户 需求 功能 价值 耦 合 有能力：购买力… 有意愿：新技术爱好者… 敬请期待… 有需求：老人/子女… Source: M2研究 & 分析；转载引用内容请标明来源 图片由AI生成 M2 2025 Proprietary and Confidential All Rights

加重 71.1% 80.8% 74.8% 7.0% 12.0% 17.8% 22.0% 6.7% 4.7% 0.0% 0.5% 2.7% 非常了解 比较了解 有点了解 正面（惊喜、期待） 中性（平静、迷茫） 负面（慌张、厌烦） 无所谓 不同AI了解程度的中国民众对AI的情绪分布 2022年-2023年全球对AI产品及服务的看法 64% 52% 50% 39% 67% www.iresearch.com.cn 语言模态及多模态 多模态架构仍会侧重在生成或理解的单一路径，未来期待技术深度融合 来源：艾瑞咨询研究院自主研究绘制。 多模态大模型技术路径 作为大模型架构的先行模态，大语言模型的技术进展主要聚焦于预训练的scaling law、后训练思维链优化的推理模型等，在第一章的技术 Agent已初步实现跨域任务整合（如单指令触发 多领域任务协同）、任务链自主拆解及深度决策支持等场景应用，但执行成果仍面临挑战，可能存在大模型幻觉、规划逻辑稳健性 不足、工具调用能力有限等问题。值得期待的是，迈入拐点已激活市场创新动能：开源生态蓬勃发展，DeepSeek、Qwen等优质开 源模型释放技术红利；推动大模型与外部数据源、工具和服务进行高效标准化连接的MCP等工具协议的生态加速扩容，自2024年11

加重 71.1% 80.8% 74.8% 7.0% 12.0% 17.8% 22.0% 6.7% 4.7% 0.0% 0.5% 2.7% 非常了解 比较了解 有点了解 正面（惊喜、期待） 中性（平静、迷茫） 负面（慌张、厌烦） 无所谓 不同AI了解程度的中国民众对AI的情绪分布 2022年-2023年全球对AI产品及服务的看法 64% 52% 50% 39% 67% www.iresearch.com.cn 语言模态及多模态 多模态架构仍会侧重在生成或理解的单一路径，未来期待技术深度融合 来源：艾瑞咨询研究院自主研究绘制。 多模态大模型技术路径 作为大模型架构的先行模态，大语言模型的技术进展主要聚焦于预训练的scaling law、后训练思维链优化的推理模型等，在第一章的技术 Agent已初步实现跨域任务整合（如单指令触发 多领域任务协同）、任务链自主拆解及深度决策支持等场景应用，但执行成果仍面临挑战，可能存在大模型幻觉、规划逻辑稳健性 不足、工具调用能力有限等问题。值得期待的是，迈入拐点已激活市场创新动能：开源生态蓬勃发展，DeepSeek、Qwen等优质开 源模型释放技术红利；推动大模型与外部数据源、工具和服务进行高效标准化连接的MCP等工具协议的生态加速扩容，自2024年11

机器⼈技术 的⼴泛部署打开⼤⻔，在那⾥代理⼈在物理世界中⾏动和交互。模型⼤⼩以及模 型在训练和推理中的能源消耗在将最新的⼤型模型部署到机器⼈技术中时仍然是 主要瓶颈之⼀，因为系统通常具有资源约束。我期待在这些领域看到更多激动⼈ ⼼的发展。我是⼀位技术爱好者，我相信机器⼈技术，机器学习和⼈⼯智能等技 术有望帮助我们解决当今⼀些最紧迫的挑战。然⽽，这项技术被⽤于对社会有害 的⽬的，如信息误导和战争，仍 ⽬前，⼤多数⼈形机 器⼈公司都集中在数据收集阶段。 该领域的公司还将专注于批量⽣产的路径。 批量制造和部署AI⼈形机器⼈将有助于收集训练控制机器⼈的AI系统所需的数据 。在未来的3-5年中，您应该期待通⽤AI⼈形机器⼈的设计和建造成本有显着改进 ，这将是市场准备就绪的重要指标。 ⼈形机器⼈的命题的重要部分很简单 - 我们已经把我们⼈造的世界设计成适合⼈类 ，所以⼈形机器⼈可以直接适应⽽⽆需进⾏重⼤基础设施更改。 需求之间的鸿沟将继续扩⼤，潜在地限制了⼈⼯智能驱动机器⼈的能⼒。 AI驱动的机器⼈需要⼤量的计算能⼒来实时处理数据、作出决策，并从环境中学习 。这种计算密集度直接转化为更⾼的能量消耗，对现有电池技术造成额外压⼒。 未来有⼀些令⼈期待的进展，包括⽯墨烯电池和固态电池。 © 2024花旗集团 71 Citi GPS: 全球视⻆与解决⽅案 2024年12⽉ 根据某些估算，⽯墨烯电池预计将⽐传统的锂离⼦电池提⾼300-400%的能量密度。

2023 年同比增长达到峰值 43%，此后增速虽有回 落，但仍保持在 40% 左右的较高水平。这种高位运行的增长态势，不仅展现出市场的蓬 勃活力，更凸显出中国 AI 产业发展的活力和韧性，未来发展前景值得期待。 06 为了充分把握大模型带来的商业机遇，越来越多的企业正积极探索 AI 与业务深度融合的 创新模式，打造符合自身发展战略的 AI 应用实践。 企业应用 AI 往往是点到面、循序渐进的过程，通常遵循从低风险、高价值的领域开始，逐

采取的任何行动所造成的法律后果均与月狐数据MoonFox Data无关，由此引发的相关争议或法律责任皆由行为人承担。 5. 报告其他说明 月狐数据研究院后续将利用自身的大数据能力，对各领域进行更详尽的分析解读和商业洞察，敬请期待。 6. 版权声明 本报告为月狐数据MoonFox Data所作，报告中所有的文字、图片、表格均受相关的商标和著作权的法律所保护，部分内容采集于公开信息，所有权为原 著作者所有。未经本公司

Overthinking of o1-Like LLMs https://arxiv.org/pdf/2412.21187 DeepSeek R1Zero 和 R1 在纯文本模态上取得的优异表现十分惊艳，这也不经让人期待：多模 态 场景加持下 Deepseek R1 深度推理模型将会是怎样的表现？ 模态穿透和模态联动将有望进一步提升强推理能力。人类在日常生活中接收到的信息往往 是 全模态的，不同的感官渠道能