图9：DeepSeek大模型的优势：数据合成与增强 资料来源：焉知人形机器人，国元证券研究所 车企抢滩DeepSeek，AI行业与智能驾驶共振 14 以Deepseek为代表的AI技术进步助推自 动驾驶行业告别硬件堆叠、算力比拼， 一场以AI融合为核心的高阶智能驾驶和 智能座舱新竞赛即将展开。以往在大模 型竞赛中，通常是围绕“数据、算法、 算力”三要素中的算力进行突破，企业 通过不断堆高算力水平来实现大模型训 竞争力。政策方面，国家和地方积极出台多项政策支持高 阶智驾落地，目前已有50多个城市出台自动驾驶地方性法规，推动技术试点应用。 AI大模型技术的应用渗透进入自动驾驶领域，涵盖云端训练和车端部署，在硬件降本、性能提升和算法开源方面 具有优势，同时降低了训练和推理成本。Deepseek将从数据、算法、算力等环节全面赋能，加速高阶智驾商用落 地。随着端到端大模型优化，头部车企推出“车位到车位”功能，覆 （BEV+Transformer+占用网络等）、算力储备等布局实现了逐步迭代升级。 请务必阅读正文之后的免责条款部分 图17：特斯拉自动驾驶技术演进 资料来源：汽车之心，九章智驾，42号车库，车东西，国元证券研究所 硬件层面，特斯拉构建了Dojo超级计算机系统，计划2024年算力规模突破100E FLOPS，为端到端模型的训练提供 了强大支撑。 算法结构层面，FSD采用纯视觉解决方案，主要依靠8个摄像头采集视频数据，依靠AI芯片和神经网络算法进行数

AI Agent正在重塑大模型的产品应用形态，带领AI产品由简单的对话问答向完成复杂任务的智 能代理演进。作为连接数字智能与物理世界的关键技术，具身智能是下一代AI竞争的战略高地， 其发展需要解决硬件加速和软件优化、跨行业生态协作等一系列挑战。DeepSeek的开源开放， 推动了大模型技术的普惠与平权，将加速大模型在产业和消费领域的应用普及。构建面向新一 代人工智能的安全治理体系至关重要，需要在 2023-2024年中国人工智能产业投融资轮次数量及其分布情况 2024年人工智能产业各应用赛道投资数量及其分布情况 193 80 76 40 28 20 11 语言及多模态 视觉模态 基础层 机器人 自动驾驶赛道 智能硬件 语音模态 2024年投融资事件数（个） 51.3% 48.7% AI芯片 其他 AI芯片类投资在基础层赛道中占比超50% 9 ©2025.3 iResearch Inc. 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 化方面，稀疏注意力、线性注意力等相关机制可大幅降低内存和计算成本。 正朝着处理更长序列、更大规模数据和实时应用场景的方向发展，新型高效注意力 算法和硬件协同优化可能成为重要突破口。 扩散模型在视觉效果和多样性上表现优异，但计算成本较 高；GAN可能存在训练不稳定和模式崩溃的问题，但在一 些任务中能实现较快的生成速度。已有研究在尝试融合两 者

AI Agent正在重塑大模型的产品应用形态，带领AI产品由简单的对话问答向完成复杂任务的智 能代理演进。作为连接数字智能与物理世界的关键技术，具身智能是下一代AI竞争的战略高地， 其发展需要解决硬件加速和软件优化、跨行业生态协作等一系列挑战。DeepSeek的开源开放， 推动了大模型技术的普惠与平权，将加速大模型在产业和消费领域的应用普及。构建面向新一 代人工智能的安全治理体系至关重要，需要在 2023-2024年中国人工智能产业投融资轮次数量及其分布情况 2024年人工智能产业各应用赛道投资数量及其分布情况 193 80 76 40 28 20 11 语言及多模态 视觉模态 基础层 机器人 自动驾驶赛道 智能硬件 语音模态 2024年投融资事件数（个） 51.3% 48.7% AI芯片 其他 AI芯片类投资在基础层赛道中占比超50% 9 ©2025.3 iResearch Inc. 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 化方面，稀疏注意力、线性注意力等相关机制可大幅降低内存和计算成本。 正朝着处理更长序列、更大规模数据和实时应用场景的方向发展，新型高效注意力 算法和硬件协同优化可能成为重要突破口。 扩散模型在视觉效果和多样性上表现优异，但计算成本较 高；GAN可能存在训练不稳定和模式崩溃的问题，但在一 些任务中能实现较快的生成速度。已有研究在尝试融合两 者

业发展规划》中关于机器人标准化工作的重要部署。其核心目标在于 充分发挥标准化在支撑产业发展中的关键作用，着重强化产业链上下 游的协同创新能力，推动科技成果向实际应用的高效转化，构建完备 的产业技术创新生态链，推动软硬件系统的标准化与模块化设计，大 幅提升新产品开发效率，助力应用场景的落地生根，并持续提升我国 标准在国际舞台上的影响力。 白皮书全面且系统地梳理了人形机器人领域标准化工作的现状， 深入剖析了当 公司（法国）、1X Technologies（挪 威）等。这些企业的集中分布成为推动全球人形机器人产业发展的重 要力量。 图 5 全球主要人形机器人企业分布 20 未来，随着人工智能、机器学习和机器人硬件技术的不断突破， 人形机器人将持续提升智能化水平，为人类提供更加多元化的服务支 持，进一步推动社会各行业的数字化转型和自动化进程。 与此同时，人形机器人产业的发展也面临诸多挑战，涉及技术创 装、 测试和系统集成；下游聚焦于终端应用场景，覆盖工业制造、家庭服 务、医疗康养、高危作业、教育培训等多个领域。 图 6 人形机器人产业链图 21 2.1.3.2 上游 1)核心零部件（硬件） 人形机器人本体的核心零部件包括感知器件、运动器件、灵巧手、 芯片和动力模块，这些部件构成了机器人实现环境感知、精确控制和 自主运行的关键基础。 感知器件——涵盖视觉、力/触觉和运动感知的多种传感器，例如

一批 算网城市标杆。四是实施“算力强基揭榜挂帅”，突破一批标 志性技术产品和方案，加速新技术、新产品落地应用。 （三）强化存力高效灵活保障 1. 加速存力技术研发应用。围绕全闪存、蓝光存储、硬件 高密、数据缩减、编码算法、芯片卸载、多协议数据互通等技 术，推动先进存储创新发展。鼓励先进存储技术的部署应用， 实现存储闪存化升级，进一步提升我国全闪存技术竞争力。 2. 持续提升存储产业能力。鼓励存储产品制造企业持续提 遴选与行业需求深度结合的算力应用成熟解决方案入库。 （五）促进绿色低碳算力发展 1. 提升资源利用和算力碳效水平。持续开展国家绿色数据 中心建设，鼓励企业加强绿色设计，加快高能效、低碳排的算 网存设备部署，推动软硬件协同联动节能。支持液冷、储能等 新技术应用，探索利用海洋、山洞等地理条件建设自然冷源数 据中心，优化算力设施电能利用效率、水资源利用效率、碳利 用效率，提升算力碳效水平。 2. 引导市场应用绿色低碳算力。积极引入绿色能源，鼓励 技术手段，加强数据安全风险的分析、研判、预警和处置能力。 3. 强化产业链供应链安全。加强产业链协同联动，逐步形 成自主可控解决方案，鼓励算力基础设施采用安全可信的基础 软硬件进行建设，保障供应链安全。加强关键技术研发和创新， 提升软硬件协同和安全保障能力。依托一体化算力应用安全保 11 障体系，形成“云网边端”安全态势感知和网络协同防护能力。 推动智能化分析和决策在未知安全风险自主捕捉和防御环节的

材料等关键行业加速落地，展现出广阔的应用前景。 本报告中的“机器人+人工智能”指的是建模优化、机器视觉、 语音交互、机器学习、深度学习等人工智能技术应用于机器人上的智 能体。其工业应用包括两个层次，一是嵌入各类智能软硬件的机器人 产品在生产操作、物流配送等典型工业场景中的应用，二是智能化的 工业控制平台通过集成人工智能技术与工业机器人等设备，在产线优 化和试验验证等群体智能场景中的应用。 本报告分为研究背景、技术趋势分析、应用现状分析和前景展望 、 平衡木行走、灵巧手操作等复杂功能。 硬件和软件的深度协同推动了算力效能的提升，为机器人的大规 模应用提供了算力支持。2024 年，全球 AI 大模型的参数量和数据量 持续增长，特别是像 Sora、GPT-4o、Gemini 等多模态大模型的出现， 进一步推动了算力需求的激增。当前，软硬件协同的方法正在不断提 升大规模智算训练效率。在硬件方面，高性能 GPU、专用 AI 芯片、 高 基于地图开展移动路径设计的自主导航功能也实现广泛应用，发展出 各类清洁、搬运机器人。 在传统模块化机器人中，多种模型的组合配合也大大拓展了机器 人的应用场景。其中，以工业视觉为代表的感知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

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725.3EFLOPS，同比增速74.1%，市场规模190亿美 智能算力GPU集群 • HPC • 边缘算力 平台调度层 ｜ • 异构资源管理 • 弹性调度系统 • 数据湖仓 • 绿色节能控制 • 安全可信框架 硬件设施层 ｜ • AI服务器 • 存储阵列 • 高速网络 • 边缘节点 • 液冷机柜 芯片器件层 ｜ • CPU/GPU/NPU/TPU • distribute. 1. 智算产业现状总览 影响智算中心满负荷运行的主要因素 市场需求不足，导致算力利用不充分 运维管理能力不足，影响算力发挥 电力消耗大，运营成本高，限制了满负荷运行 硬件资源利用率低，技术问题导致算力未充分利用 不确定 来源：与非研究院 市场需求不足、促成更多商用落地是目前最大障碍，但运维管理、成本控制和资源利用等问题也不容忽视。 9 Supplyframe

的 作用。 部位 在人体中功能 在人形机器人中功能 机器人对应硬件 大脑 高级认知：负责思维、记忆、语言、决策、情感灯复杂功 能 感觉与运动：处理视觉、听觉、触觉等信息、并控制自主 运动 语义理解、环境信息理解、动 作决策等 目前为机器人中央控制器担任此角色， 但目前并未获得相应能力。后续可能 在此基础上进一步增加硬件及算力 小脑 运动协调：调节肌肉张力、协调精细动作（如穿鞋子、弹 等公司在视 频中展示的人形机器人执行舞蹈，空翻高难度动作。至于对应人脑中的大脑的角色的硬件，目前人形机器人厂商多用中央控制器担任此角色， 但对于高级认知，信息处理能力尚未建立。展望未来，机器人大小脑有望实现分离，大脑算力进一步加强，小脑专注运动控制。 部位 在人体中功能 在人形机器人中功能 机器人对应硬件 大脑 高级认知：负责思维、记忆、语言、决策、情感灯复杂功 能 感觉与运动：处理视觉、听觉、触觉等信息、并控制自主 感觉与运动：处理视觉、听觉、触觉等信息、并控制自主 运动 语义理解、环境信息理解、动 作决策等 目前为机器人中央控制器担任此角色， 但目前并未获得相应能力。后续可能 在此基础上进一步增加硬件及算力 小脑 运动协调：调节肌肉张力、协调精细动作（如穿鞋子、弹 琴等） 平衡与姿势：帮助维持身体平衡与空间定位 学习辅助：参与运动技能学习 动作学习模仿、复杂动作控制 等 机器人中央控制器，即现有的机器人 “大脑”

反哺开源产品，形成正循环 政企、创业者必读 DeepSeek出现之前的十大预判 之十 中美差距快速缩小  美国预训练堆算力的路线不可持续，有待发现新范式“换道超车”  软件和算法差距并不大，主要差距在工程、硬件等方面 23 政企、创业者必读 DeepSeek的出现验证了我们的预判 而DeepSeek的创新更具颠覆性 24 政企、创业者必读 DeepSeek是完美的颠覆式创新  技术创新——让过去做不到的事情可以做到 技术开放，对人工智能行业形成蓬勃发展，寒武纪大爆炸，推动AGI 行业发展 DeepSeek颠覆式创新——开源 34 政企、创业者必读 成本的急剧降低  DeepSeek可适配国产硬件，促进国产硬件发展  DeepSeek的优化降低对推理硬件的要求，减少推理成本  训练成本降低，堆显卡模式受质疑，探索新思路，算法优化空间大  无需训练自己的基座模型，直接部署在DeepSeek上，不用重复发明轮子  公 大模型，实现超能力， 成长为超级个体 DeepSeek六大应用方向之一 人人智能：人人都要用AI 39 政企、创业者必读 真正的机会是利用AI把所有的硬件重做一遍 DeepSeek六大应用方向之二 万物智能：所有智能硬件都用AI重做 40 政企、创业者必读 DeepSeek六大应用方向之三 数转智改：助力传统产业打造新质生产力 用大模型帮助传统产业、制造业实现“数转智改”，利用AI降本增效

算力中心服务商位于算力产业链的中游，是算力中心基础设施建设方和运营方，提供高可靠性的主机托管、服务 器出租等基础业务，以及高品质的网络安全、数据应用、 运行维护等增值服务。 7 算力中心1产业链分析 上游：软硬件供应商 … … 基础电信运营商 第三方算力中心服务商 中游：算力中心服务商 下游：算力应用领域 互 联 网 金 融 泛 政 府 制 造 AI 冷却系统 基础设施管理系统 基础通信服务 算力中心的定义与作用 资料来源： 灼识咨询 数据中心自互联网时代诞生以来，伴随科技的发展进步，在移动互联网、云计算、电商及短视频等行业的推动下 快速发展，而生成式AI的兴起正驱动其向重视计算效能与硬件配置的算力中心转型，为行业发展增添新动能。 9 数据中心发展历程 时代 背景 • 互联网初步兴起，中国 进入门户时代 • 数据中心概念初步普及 • 互联网逐步普及，社交 平台的兴起与电子商务 48.4% 37.3% 25.3% 39.9% 下游AI应用的广泛推广以及国产算力硬件性能的显著提升，驱动国内云计算厂商的资本开支正迎来拐点，呈现显 著增长趋势，未来将持续扩大资本支出规模。 12 BAT Capex变化 资料来源：公司公告，灼识咨询 关键分析 • 下游AI应用的推广和国产算力硬件性能的提升带动国内云巨头资本开支拐点向上。根据百度、阿里巴巴与腾讯的公告显示，2024Q3三家合计实现资本开支362亿元，