生成模型与推理大模型的对比 比较项 OpenAI GPT-4o（生成模型） OpenAI o1（推理模型） 模型定位 专注于通用自然语言处理和多模态能力，适合日常对 话、内容生成、翻译以及图文、音频、视频等信息处 理、生成、对话等。 侧重于复杂推理与逻辑能力，擅长数学、编程和自然语言推理任 务，适合高难度问题求解和专业领域应用。一般是在生成模型的 基础上通过RL方法强化CoT能力而来 推理能力 的创新应用 投资者背景与市 场定位 里程碑 DeepSeek模型系列 DeepSeek最新的生成模型和推理模型版本对比 比较方面 生成模型（V3） 推理模型（R1） 设计初衷 想要在各种自然语言处理的任务中都 能表现好，更通用 重点是为了搞定复杂的推理情况，比如 深度的逻辑分析和解决问题 性能展现 在数学题、多语言任务还有编码任务 里表现不错，像Cmath能得90.7分， 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

8 大规模推理为中心的强化学习，提升模型数学代码能力 RL 驱动下自然涌现长文本推理能力 基于规则的奖励 Rule-Based Reward 推理为中心的大规模强化学习 Large-Scale Reasoning-Oriented RL DeepSeek-R1-Zero 随着训练步数的增长，模型的 thinking response length 逐 渐增加（对应着 test-time computation increasing ） Aha moment: 自然学会增加更多的推理时间，反思评价先前步骤、 探索其他方法 DeepSeek-R1 Zero: 无需监督微调 SFT ，纯强化学习驱动的强推理模型 DeepSeek-R1 技术剖析： DeepSeek-R1 10 “Aha”Moment RL 驱动下自然涌现 Long-CoT 能力 传统 RLHF 背景下， SFT 通常被认为是不可或缺的一步，其逻辑先用大量人工标注的数据来让 模型 初步掌握某种能力（如对话或者语言风格），然后再用 RL 来进一步优化性能

将让双方释放出新的绩效和扩散水平，这一切都建立 在通过所有权建立起的信任之上。 2025科技愿景趋势 9 01 技术愿景2025 | 人工智能：自主宣言 组织正进入一个定义时代的转型时刻：二进制大爆炸。 当基础模型打破了自然语言障碍时，它们启动了我们技 术系统的转变：我们如何设计它们、使用它们以及它们 如何运行。它们正在推动软件和编程的极限，增加公司 的数字产出，并为企业DNA中深深植入人工智能的认知 数字大脑奠定基础。我们现在正站在技术系统前所未有 人们经常使用个人代理访问 数据和在数字生态系统中完 成任务。 代理商，而非个人，是大 多数企业内部数字系统的 首要用户。 一家主要的企业资源规划（ ERP）公司推出了一款新的 以代理为主的平台设计，该 设计允许用户使用自然语言 创建自定义数据仪表板。 微软发布微软办公 软件Word 21 太阳微系统公司发布Java 1. 0作为一种“一次编写，到处 运行”的编程语言 22 Ada Lovelace 编写了“笔 记G”，这被认为是第一 gentforce，他们正在投身于未来，让每家公司都能创建 他们自己的、独一无二的、个性化的 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·

16 18 2015年 2016年 2017年 2018年 2019年 2020年 2021年 2022年 2023年 2024年 人口出生率(‰) 人口死亡率(‰) 人口自然增长率(‰) 65岁及以上占比(%) 2015年-2024年中国人口数据 30,000 32,000 34,000 36,000 38,000 40,000 42,000 励反馈，大模型利用这些反馈 不断调整自身决策。大模型参 与对抗训练，让生成器生成各 种复杂场景数据，判别器与生 成器对抗，使智能机器人模型 在不同场景下都能稳定运行。 3 落地应用 大模型强大的自然语言处理能 力，让智能机器人能理解人类 语言指令，实现流畅对话。在 物流、医疗等复杂场景，大模 型可整合多方面信息，辅助智 能机器人完成复杂任务。 4 激光雷达 激光雷达随着在智能驾驶系统 小鹏汽车 PX5、“Iron艾伦” 拟人、智能感知交互 北京人形机器 人创新中心 天工机器人 拟人行走、奔跑、上下肢协同、 不同地形行进 众擎机器人 ENGINEAI SE 01、PM 01等 自然步态行走 乐聚机器人 KUVAO系列、ROBAN、AELOS系列 快速建模，行走避障 广汽集团 GoMate 可变轮足移动、自主避障等 宇树科技是一家世界知名的民用机器人公司，专注于消费级、行业级高性能通用

的调查《2024年人工智能公众态度调查报告》中， 有27.2%的人认为2022年11月 ChatGPT的发布是“AI到来的标志事件”。C端 ChatGPT 产品的出现让公众直观感受到，AI可以理解复杂的语言指令并生成流畅自然文本 的强大功能，极大突破了以往人们对AI通常进行简单任务处理的认知。AI、AIGC、大模型快速成为近两年科技产业发展的高频关键词，政 府侧、企业侧纷纷加大对AI技术投资以释放大模型生产力，消费者对 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 RNN 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，Go for AI Technology for AI 人工智能技术层 人工智能应用层 Application for AI AI+泛安防 AI+金融 机器学习 计算机视觉 智能语音 知识图谱 自然语言处理 智算中心 智能云服务 2024年中国人工智能产业图谱 AI基础数据服务 数据集 向量数据库 数据治理 AI算法框架 AI模型架构 AI开放平台 人工智能大模型层与工具层 Models

的调查《2024年人工智能公众态度调查报告》中， 有27.2%的人认为2022年11月 ChatGPT的发布是“AI到来的标志事件”。C端 ChatGPT 产品的出现让公众直观感受到，AI可以理解复杂的语言指令并生成流畅自然文本 的强大功能，极大突破了以往人们对AI通常进行简单任务处理的认知。AI、AIGC、大模型快速成为近两年科技产业发展的高频关键词，政 府侧、企业侧纷纷加大对AI技术投资以释放大模型生产力，消费者对 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 RNN 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，Go for AI Technology for AI 人工智能技术层 人工智能应用层 Application for AI AI+泛安防 AI+金融 机器学习 计算机视觉 智能语音 知识图谱 自然语言处理 智算中心 智能云服务 2024年中国人工智能产业图谱 AI基础数据服务 数据集 向量数据库 数据治理 AI算法框架 AI模型架构 AI开放平台 人工智能大模型层与工具层 Models

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、 高速互联网络、大容量高速存储等技术，实现了大规模的算力供给， 为处理复杂、不规则的计算任务（如自然语言处理的长序列数据、计 算机视觉的多尺度图像特征）创造了条件；在软件方面，分布式训练 框架、预训练大模型、多模态数据处理等技术也通过精细化算力管理 提升了大模型的训练和推理速度，为机器人的大规模应用提供了基础 利 用贝叶斯优化算法及时纠正；又如在平面移动中，快速探索随机树 （RRT）算法能够先构建一条复杂但可行的路径，然后对其进行优化 来避免碰撞。另外，蚁群算法、粒子群算法等群体算法能够通过模拟 自然界生物群体的行为，实现群体优化协调。在感知交互方面，基于 机器视觉技术的识别类模型应用比较成熟，在机器人的操作取物、移 动避障等各类功能中应用广泛，部分企业甚至开始了针对表面缺陷、 产品特征识 行为快速掌握新技能，比如丰田研究所开发的“大型行为模型”，机 器人能够通过观看视频等物理演示学习新动作；二是通过多模态数据 驱动强化学习实现任务泛化，比如若愚科技推出的九天机器人大脑， 能够通过自然语言与机器人交互完成任务。 大模型是强化学习的辅助工具，为具身智能提供了开展统一决策 的“大脑”。在传统的“感知-推理-控制”模块化框架之下，智能机 器人通过单个或多个“小模型”结合人工介入来完成相应的任务。大

于人类的骨骼结构，为机器人提供整体的支撑、运动能力和稳定性。 骨骼结构设计涉及仿生学、动力学、机械工程、材料科学等多个领域， 其设计要求具备高强度、轻质和高韧性，目的在于模仿人类骨骼的结 构，实现灵活自然的运动，同时确保在执行运动时的稳定性与机动性。 为实现这些要求，人形机器人骨架常使用高强度且轻质的材料，其中 金属材料如铝合金、钛合金，碳纤维复合材料（CFRP）、PEEK（聚醚 醚酮）等具有 调多个关节之间的运动关系，进行运动规划和轨迹生成。比如在人形 机器人行走时，全身控制要规划好腿部各关节以及胯部、腰部等相关 关节的配合，生成从起始姿态到目标姿态的连续运动轨迹，使得行走 动作自然流畅且符合运动学和动力学规律。模型控制更多地从机器人 整体行为和任务角度出发，基于感知到的环境信息以及预设的任务需 求做出宏观的运动决策。 目前，人形机器人在运动控制方面也取得了显著进展。通过先进 互将听觉、视觉、力觉、嗅觉，以及红外、激光、温度等多种模态的 感知信息进行融合，更加准确地理解人、物体和场景，进而能更加自 然地交互。在多模态交互中，自然语言处理技术起到了至关重要的作 用。通过自然语言处理技术，机器人可以理解人类的自然语言指令， 并进行相应的回应和操作。除了基本的语言交互外，业界正在研究情 感识别与交互，通过面部表情识别、语调分析等技术，人形机器人可 以感知人类的情

程控制的模式以难以满足实际需求。同时，随着机器人逐步走入 人类工作和生活环境，能够与人类进行自然交互、协同配合也成 为了机器人的必要能力之一。近年来，人工智能大模型技术持续 快速进化，为机器人增强环境感知、行为控制和人机交互等能力 提供了更加高效、实用的技术路径，有效缩短了创新型、颠覆性 机器人产品开发周期。“十五五”时期，机器人大模型将助力机 器人与人类自然交互与协作，快速学习和掌握多种专业技能，快 速在非结构化场

2024年GTC大会上，英伟达还发布了一款基于 NVIDIA Thor 系统级芯片（SoC）的新型人形 机器人计算机 Jetson Thor。Jetson Thor 是一个全新的计算平台，能够执行复杂的任务并安全、 自然地与人和机器交互，具有针对性能、功耗和尺寸优化的模块化架构。 该 SoC 包括一个带有 transformer engine 的下一代 GPU，其采用 NVIDIA Blackwell 架构， 可提供每秒 “快速、但不 通用”的矛盾，Figure通过建立一套互补的系统进行权衡。两套系统通过端到端训练以进行通信。其中， 系统2是开源、开放权重的70亿参数量端侧互联网预训练视觉语言模型，用于理解场景和自然语言； 系统1是一个8000万参数量的快速反应视觉运动策略，将系统2理解的语义转化为每秒200次的精确连续机器人动作。 智元通用具身基座大模型GO-1 04 19 资料来源：智元机器人官网，浙商证券产业研究院 产品特点 丰富工具链，可视化开发界面， 自主仿真平台支持 支持VR遥操控，高效数据采集， 多模态融合，真实环境感知 教育科研、工业物流、家庭康养、 零售药店等领域应用 具有大脑大模型，理解三维场景， 与人自然语言理解，并将长线程任 务分解，自主决策所需操作 楼宇畅行，双手可按电梯，刷闸机 交互友好，AI多模态交互 人机安全，触觉传感器+柔顺力控 算法，确保人机安全 360°全方位传感器 支持同构及遥操作，全身力反馈，