.....................................................................................60 5.1 标准体系参考结构................................................................................................... ........................................................................................64 5.2.3.1 结构模块................................................................................................. 视觉传感器、惯性传感器和力矩传感器，用于采集外部环境信息和机 器人的自身状态数据； 运动器件——包括减速器、丝杠、电机及运动控制器等，负责驱 动机器人完成精确、稳定的动作； 灵巧手——作为精细操作的关键部件，对结构设计、反馈系统和 尺寸规格要求极高； 芯片——主要涵盖 CPU、GPU、NPU 等计算芯片和各类控制芯片， 是机器人执行复杂算法和智能决策的“大脑”； 动力模块——包括电池、充电装置等，为整机提供可靠的能量支

技术正加速从虚拟空间向实体经 济领域拓展，机器人作为 AI 技术的理想载体，凭借其高度的灵活性 和强大的适应性，正在迅速发展并广泛应用于各个行业，成为推动产 业升级和变革的重要力量。工业领域自动化基础良好、环境结构化程 度高且市场需求大，成为近期“机器人+人工智能”应用落地的首要 方向。凭借其在提高生产效率、降低人力成本、提升产品质量等方面 的显著优势，“机器人+人工智能”正在汽车制造、电子信息、金属 》， 提到要拓展智能机器人在清洁、娱乐休闲、养老助残护理、教育培训 等方面功能，探索开发基于人工智能大模型的人形机器人。 （三）工业领域将成为短期内智能机器人应用落地的主战场 自动化水平高、结构化、封闭式的工业场景是当前技术条件下智 能机器人最大的应用市场。工业环境相对标准化，生产流程固定，对 机器人的自主性和泛化性要求较低，部分领域如汽车、电子信息等已 3 经率先实现了工业机器人的规模化应用。根据国际机器人联合会 人将具备更强大的感知、认知和决策能力，能够更加精准地识别复杂 环境中的物体、声音和图像，理解人类的语言和意图。同时，工业机 器人将具备更强的自主学习能力，能够根据环境变化和任务需求进行 自我调整和优化。从模型架构来看，结构相对简单、参数较少的机器 学习模型正在转化为多层级、大参数量的深度学习、强化学习模型， 学习方法也从手动数据标记转变为自动的数据特征提取。从支撑要素 来看，机器学习对于数据和算力的需求较小，训练时间也相对较短，

智驾域控芯片市场的竞争格局呈现多极化，SoC高性能更 适应未来趋势 3.3.6 地平线：软硬结合是必由之路 3.3.7 黑芝麻智能：依托技术创新，构建自动驾驶芯片产品矩阵 3.4 执行层 3.4.1 线控底盘结构及优势 3.4.2 智驾渗透加速线控底盘国产放量，行业格局集中，主机厂 粘性高 3.4.3 线控底盘技术在自动驾驶领域的应用正逐渐普及 3.4.4 拓普集团：业务体系多元化，已形成XYZ三大系列产品线 传统智驾系统的感知层、决策规划层和控制执行层之间 相互独立，信息传递容易积累误差，且智驾方案依赖于 工程师通过代码制定的规则，难以处理所有复杂场景， 边际效应随着智驾能力的提升呈现几何式骤减。与基于 规则的传统自动驾驶算法结构相比，端到端算法基于数 据驱动，可以实现信息的无损传递。同时，端到端架构 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 块，进一步提升了复杂场景下的环境理解和决策能力。 Pipeline架构 MontionFormer Planner OccFormer 请务必阅读正文之后的免责条款部分 强化学习（RL) 策略蒸馏 多模态/先进结构 合成数据 模仿学习（IL) 条件模仿学习 泛化 可解释性 策略预训练 模块化端到端 图4：端到端发展历程 资料来源：Chen L, Wu P, Chitta K，et al，End-to-end

13 证紧随其后4。 图表 5 2024 年 1-9 月通过第三类医疗器械注册准入的医疗 AI 产品（上） 3 不同统计维度下的影像 AI 三类证数量存在差异。本报告统计时未统计不包含软件注册证中结构及组成、适用范围未提及智能化软件的 各类手术导航系统。 4 部分企业的同一 AI 产品在拿证之后发生了迭代，重新取得三类证，本报告在统计时记为两证。 9 图表 6 2024 年 1-9 月通过第三类医疗器械注册准入的医疗 术 较为复杂，相对于肺的 CT 扫描而言，肝脏 CT 扫描效果受到很多因素影响，比如多期 扫描的延迟时间会影响 CT 曝光参数，会影响 AI 的应用等。此外，肝脏是功能和结构比 11 较复杂的脏器，肝脏中很多管道结构以及多个管道系统在中间穿行，某些疾病影像上可 能重叠，增加误诊风险，因而需要 AI 具有更强的分类和识别能力。 2023 年 11 月，数坤科技率先在 MR 肝方向作出突破，拿到肝脏局灶性病变 组织的边界，并以此设计剂量处方和靶区范围，降低放疗治疗过程中射线对正常组织的 影响，尽可能完全地清除肿瘤组织。 肿瘤的解剖结构非常复杂，因而靶区工作和治疗方案设计这两项工作占据了大量医生的 时间和精力，其中放疗科医生有近 50%的工作时间花在了勾画八区。勾画过程中，医生 还需要根据解剖结构形成空间想象的能力、提前预判病灶的转移途径。 人工智能最初介入放疗时主要围绕提质增效的逻辑，帮助医生完成基于 AI

I），在5G毫米波波段LCP的损耗只有PI损耗的1/10； ② LCP可替代同轴连接线，实现天线模组和射频连接线的整合，且体积更小，LCP厚度仅为同轴连接线厚度的1/4； ③ LCP是多层电路板结构，可实现高频电路的柔性埋置封装，5G时代有望整合射频前端实现集成度更高的模组； 由于LCP材料供应商少、成本高，MPI（Modified-PI，改性PI，性能介于PI和LCP）材料有望成为5G中高频段天线选择之一。 4）苹果全面普及3D，非苹阵营导入3D：2018年3款iPhone新机都配备前置3D成像；非苹果阵营小米，OPPO等导入3D成像； 摄像革命 拍照 3D sensing 后置双摄 前置双摄/后置三摄导入 苹果导入前置结构光 苹果普及前置结构光 安卓导入前置/后置3D 潜望式/三摄 安卓加速渗透后置TOF 2017 2018 2019 2019年光学升级方向预判 1）三摄加速渗透：旗舰机型中三摄比例快速提升，并向中端机型渗透； 近年来在光学创新方面安卓阵 营更为积极：例如在双摄导入 上，呈现从华为→苹果→其他 安卓手机的顺序。在三摄方面， 也是由华为拔得头筹。进入 2018年，安卓阵营还引入了 伸缩式镜头（ViVO NEX）、 双轨潜望结构（OPPO Find X）。 市场规模：有望从2016年的 124.8亿美元增长至2020年的 213.5亿美元，CAGR达 14.4%。 数据来源：国泰君安证券研究 1.3 32 电子行业2019年春季投资策略

动能 大模型的进一步突破将引领人类社会进入智能化时代，对我们的生活方式、生产方式带来巨大变革 重塑经济图景 解决复杂问题 7 政企、创业者必读 8 AI不仅是技术革新，更是思维方式和社会结构的变革 国家 产业 个人 企业 政企、创业者必读 人工智能发展历程（一）  从早期基于规则的专家系统，走向基于学习训练的感知型AI  从基于小参数模型的感知型AI，走向基于大参数模型的认知型AI 冷冻电子显微镜 1. 利用Transformer的预测能力， 2. 直接从蛋白质的氨基酸序列 3. 中预测蛋白质的3D结构 靠肉眼观察，几年才能发现一个复杂蛋 白质结构，半个世纪预测了20多万种 从数年缩短到几分钟，解开了生物学密码 成功预测了地球存在的2亿种蛋白质结构 45 政企、创业者必读  DeepSeek典型的四大安全问题：客户端安全、Agent安全、知识安全、模型安全  专业模型训练） 业务流程自动化（ A g e n t框架） 组织协同（ 工作流） 人机交互 赋能个人和 企业员工 生产力提升 多模态 能力 3 图片理解和处理 视频理解和处理 音频理解和处理 非结构化文档处理 47 政企、创业者必读 DeepSeek能力很强大 个人使用绰绰有余 但要在政府、企业应用需要和场景结合  大模型要藏在产品后面  客户要的不是电动机，是「刮胡刀」「吹风机」

............................................... 11 图表 12： HVDC 高压直流供电系统与传统交流供电系统（UPS）和 48V 直流供电系统结构对比 .......................... 11 图表 13： 各数据中心供配电方案参数对比一览 ........................................ ........................................................................ 13 图表 17： 巴拿马电源方案设备组成、内部结构和原理一览图 .................................................................................. 13 图表 18： 大模型训练和推理，与核电、气电等稳定电源签订直连保 供协议的必要性弱于美国同行，这也反过来给新能源供数据中心提供了机会。从项目角度 来看，已有比如新疆绿电智算中心，合盈数据智算中心等实现绿电和算力的耦合，采用 UPS 的供电结构。其中合盈数据智算中心项目在张家口的蔚县、沽源、张北建设总计 5.53GW 装机容量的新能源电站，共分为 13 个新能源发电项目，年新增新能源发电量达 130 亿千瓦 时，满足其怀来科技产业园算力集群超

1）市场规模增速略低于预期：2024年中国AI产业规模为2697亿元，增速26.2%，略低于预期。 主要原因为大模型在实际业务场景的表现未完全满足客户需求，且建设成本较高，较多项目仍 处于探索阶段。 2）算力需求结构性转变：2024年部分地区智算中心出现闲置，但这主要是供需错配导致。随 着DeepSeek等开源模型推动推理应用爆发，推理侧算力需求大幅上涨，智算中心利用率有望 逐步提高。 3) 工具生态日益完善 成本高 • 1980年，卷积神经网络的雏形CNN诞生；1998 年，现代卷积神经网络的基本结构LeNet-5诞生。 • 循 环 神 经 网 络 （ RNN ） 和 长 短 时 记 忆 网 络 （LSTM）等结构的出现，使得CNN与RNN能够 相互融合，形成了更加复杂的模型结构。 CNN 适用于处理空间结构的数据，如图像识别、目标检测、图像分割等。在 这些场景中，CNN能够有效地提取图像的特征，从而实现更好的性能。而 适用于处理时序关系的数据，广泛应用在自然语言处理、语音识别、机 器翻译等领域。在某些任务中，这两者也可以结合使用，形成更复杂的神经网 络结构，目前 CNN 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架 构，奠定大模型预训练算法架构的基础； • 2018年，OpenAI发布了GPT-1大模型；Google发布BERT大模型；

1）市场规模增速略低于预期：2024年中国AI产业规模为2697亿元，增速26.2%，略低于预期。 主要原因为大模型在实际业务场景的表现未完全满足客户需求，且建设成本较高，较多项目仍 处于探索阶段。 2）算力需求结构性转变：2024年部分地区智算中心出现闲置，但这主要是供需错配导致。随 着DeepSeek等开源模型推动推理应用爆发，推理侧算力需求大幅上涨，智算中心利用率有望 逐步提高。 3) 工具生态日益完善 成本高 • 1980年，卷积神经网络的雏形CNN诞生；1998 年，现代卷积神经网络的基本结构LeNet-5诞生。 • 循 环 神 经 网 络 （ RNN ） 和 长 短 时 记 忆 网 络 （LSTM）等结构的出现，使得CNN与RNN能够 相互融合，形成了更加复杂的模型结构。 CNN 适用于处理空间结构的数据，如图像识别、目标检测、图像分割等。在 这些场景中，CNN能够有效地提取图像的特征，从而实现更好的性能。而 适用于处理时序关系的数据，广泛应用在自然语言处理、语音识别、机 器翻译等领域。在某些任务中，这两者也可以结合使用，形成更复杂的神经网 络结构，目前 CNN 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架 构，奠定大模型预训练算法架构的基础； • 2018年，OpenAI发布了GPT-1大模型；Google发布BERT大模型；

企业向智能化、高效化、个性化方向发展。 对企业发展而言，数字化转型已不再是选择题，而是关乎生存和长远发展的必答题。随着 数字化转型进程不断加速，企业的业务流程和工作流程也面临全面的变革，岗位技能将被重塑， 人才需求结构也发生显著的变化，企业对于数字化人才的要求和需求也在提升，如何培养一支 为企业赋能的数字化人才队伍成为企业转型发展的关键。 但是，当前数字化人才供求不平衡的问题日渐突出，传统教育培养体系不足以满足企业需 中扬帆远航提供强有力的支持与 保障。 第 2 页 二、行业洞察：数字化转型是刚性需求 1.时代背景 | 中国数字经济成就为人才发展提供时代舞台 数字经济正成为重构全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。 而有着“数字经济时代石油”之称的数据，如今已成为继土地、劳动力、资本、技术后的第五 大生产要素。  中国数字经济成就世界瞩目，连续多年位居世界第二 近年来， ，激发员工创新思维与活力。 第 9 页 四、人才赋能：数字化转型的核心驱动力 在数字化转型大环境下，诸多企业的业务和工作流程终将面临着全面的转型或变革，岗位 技能也或将被重新塑造，人才需求的结构随之发生显著变化，与此同时，企业对数字化转型进 程中的人才需求和要求也随之提升，从而培养出一支能为企业业务活动、专业流程等赋能的数 字化专业人才队伍，成为企业转型发展的重要节点或关键所在。 1