这是一个定义一代人的时刻，特别是，一个转折时刻。 当基础模型首次出现时，它们打破了人与技术之间的语 言障碍。虽然这些自然语言能力广为人知——推动着今 天在AI聊天机器人、总结和综合、创意生成器以及可能 最具有影响力的编码助手和代理工作流程等领域的创新 ——它们的全面影响潜力正在准备深入得多。 2024年9月，马克·贝尼奥夫宣布Salesforce将“硬转向” 至Agentforce，一个用于构建和部署自主人工智能代理 的平台。 要被细致编程。但如今，机器人系统可以使用大型 语言模型（LLM）来解释抽象提示或将复杂任务分 解成更小步骤，极大地扩展了它们理解并反应于命 令或情境的能力，这些命令或情境它们并未专门接 受过训练。例如，麻省理工学院的工程师正在将机 器人运动数据连接到LLM的“常识”中，以便让机器 人能够处理家务 上下文仅针对个体对象是不够的——研究人员还致力 于让机器人更好地理解它们所处的空间。例如，一篇 发表于2024年的论文提出了一种导航技术，该技术将 他们最喜欢的工作，同时让AI扩展到最繁琐的领域。 技术 新学习循环 52 52 技术愿景2025 | 人工智能：自主宣言 • 物理副驾驶员 • 代理工作流程 自动化可及性 生成式AI是当今劳动力重塑的驱动力。它使更多通用、灵 活、智能的自动化技术成为可能，大幅度扩展了可自动 化任务的范围。并且重要的是，它使这些技术民主化， 转变了能够被赋予权限来运用这种自治以推动企业增长

Confidential & Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况 人工智能训练和推理工作负载选用的计算架构 推理 训练 AI训练和推理工作负载所选用的计算架构，来源：IDC 在人工智能训练和推理中，CPU + GPU架构在训练中占据主导，推理中CPU + GPU和CPU Only架构并 重，ASIC和FPGA应用于特定场景下。

务则需要通过坐席转派至各委办单位具体处理。因此，政务热线的办理工作通常 涉及较长业务链条，从派单到部门对接、联动、协同办公再到跟踪办理情况。由 于关联单位众多、业务分工精细，部分诉求办理过程复杂、时间周期较长。对此， 如何提高精准派单水平、如何提升部门间的对接联动效率以及如何及时跟踪和准 确记录工单办理情况，已成为推动诉求办理效能提升的建设方向。 1.精准派单 政务热线办理工作的第一步便是精准识别辖区并进行派单，这一环节依赖对 务热线的办理质量。一是目前回访问题主要由“是否有相关部门联系您？”“您 的诉求是否得到解决？”等简单问题构成，然而现实中热线诉求的办理可能涉及 多种情况，市民难以通过回答上述简单问题来全面表达对办理工作的意见。例如， 部分城市已根据市民诉求的紧急程度，设置了不同类型事件的办理时限，但由于 实际办理过程中涉及多部门协作且存在技术性难点，许多诉求难以在规定时限内 顺利解决，市民在接到回访电话时 使用“桑 智”撰写乡村振兴工作报告后，发现系统能自动关联历年台账数据，大幅缩短了 工作时间。AI 技术的引入不仅让政府办公更加高效，也减轻了基层公务人员的 负担，让他们能够投入更多精力到实际治理工作中。 【案例评语】 湖南省桑植县的“DeepSeek+政务平台”本地化部署，是人工智能赋能基层 治理的重要实践案例，为山区县域治理现代化提供了新的路径。 首先，该案例展示了 AI 在政务办公中的深度应用，实现了多轮对话理解、

务则需要通过坐席转派至各委办单位具体处理。因此，政务热线的办理工作通常 涉及较长业务链条，从派单到部门对接、联动、协同办公再到跟踪办理情况。由 于关联单位众多、业务分工精细，部分诉求办理过程复杂、时间周期较长。对此， 如何提高精准派单水平、如何提升部门间的对接联动效率以及如何及时跟踪和准 确记录工单办理情况，已成为推动诉求办理效能提升的建设方向。 1.精准派单 政务热线办理工作的第一步便是精准识别辖区并进行派单，这一环节依赖对 务热线的办理质量。一是目前回访问题主要由“是否有相关部门联系您？”“您 的诉求是否得到解决？”等简单问题构成，然而现实中热线诉求的办理可能涉及 多种情况，市民难以通过回答上述简单问题来全面表达对办理工作的意见。例如， 部分城市已根据市民诉求的紧急程度，设置了不同类型事件的办理时限，但由于 实际办理过程中涉及多部门协作且存在技术性难点，许多诉求难以在规定时限内 顺利解决，市民在接到回访电话时 使用“桑 智”撰写乡村振兴工作报告后，发现系统能自动关联历年台账数据，大幅缩短了 工作时间。AI 技术的引入不仅让政府办公更加高效，也减轻了基层公务人员的 负担，让他们能够投入更多精力到实际治理工作中。 【案例评语】 湖南省桑植县的“DeepSeek+政务平台”本地化部署，是人工智能赋能基层 治理的重要实践案例，为山区县域治理现代化提供了新的路径。 首先，该案例展示了 AI 在政务办公中的深度应用，实现了多轮对话理解、

Human Eval编码任务通过率是65.2% 在需要逻辑思考的测试里很棒，比如 DROP任务F1分数能达到92.2%，AIME 2024的通过率是79.8% 应用的范围 适合大规模的自然语言处理工作，像 对话式AI、多语言翻译还有内容生成 等等，能给企业提供高效的AI方案， 满足好多领域的需求 适合学术研究、解决问题的应用和决策 支持系统等需要深度推理的任务，也能 拿来当教育工具，帮学生锻炼逻辑思维

，催生数据 飞轮效应，能极大激发员工创造力，增强业务发展动力，进而提升组织生命力。 过去数年间，很多企业在推动数据能力集约化建设时，往往堆砌了大量技术和产 品，并开展了许多目标不够明确的数据治理工作，导致创新场景效果和投资回报 不及预期。而以运营为导向、运管结合的数据能力体系，则代表了企业对数据价 值的全面认知和对数据应用拓展的全新审视。 围绕“云+数据”所形成的各类机制、方法、规范和标准，有助于激活整个企业 析、机器 �� 翻译、文本生成等多种任务，这些任务关联到各类应用平台和基础设施。在 图像、视频处理领域，图像分类、目标检测、图像生成、视频分析等任务都 会融合在企业业务流程中，借助专业化的处理工具来完成。此外，在科学研 究、搜索推荐、智能决策等领域，专业化的方法和工具也都必不可少。在大 模型融入行业的过程中，AI应用开发者需要认真考虑与这些工具平台、技术 栈的融合路径，确保大模型能够真正在企业业务创新中落地。

统可以独立管理每个fabric。多户住宅将是一种新型的生态系统应用。 • 管理方式——大多数消费者只是设置Wi-Fi的SSID和密码，有些消费者甚至连这一 步都不做。企业则由IT人员使用网络管理工具对所有网络进行监控和管理。为了满 足这一需求，Matter和Thread需要进行网络管理扩展和其他改进，但目前还看不 到这些改进的迹象。这对许多企业来说是一个无法接受的障碍。 • 自动化系统——对于消费者而言，Google

763 674 426 349 328 225 203 202 186 110 110 优必选 本田 三星 丰田 精工爱普生 索尼 波士顿动力 软银 达闼 清华大学 北京理工大学 人形机器人有效发明专利企业排名 1743 1699 674 358 245 日本 中国 韩国 美国 法国 人形机器人有效发明专利国家排名（TOP5） 9 地区格局

亿美元，投资者包括微软、英伟达、 OpenAI、亚马逊创始人贝佐斯等科技巨头 2023年3月 正式发布Figure 01：宣称为“世界上第一个商业上可 行的通用人形机器人”，能力包括动态行走、制作咖 啡和处理工厂中的箱子 2024年12月 交付客户：创始人Brett Adcock在X平台再度发文称向 客户交付的Figure 02目前已正式执行工作任务 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源

训实战经验，每年培训学员数千名，曾参与出版软考辅导书籍《嵌入式系 统设计师 5 天修炼》、《嵌入式系统设计师考前冲刺 100 题》，2022 年出版培训教材；《信 息系统项目管理师一本通》《系统集成项目管理工程师一本通》《系统架构设计师一本通》《软 件设计师一本通》，结合工作和备考的经验总结出一套适合考生的学习视频和辅导资料，帮助 学员提高通过考试、考取中高级职称的几率，考取中高级职称。 4.授权资质