BEV等) 驱动: 成本压力/规模化 (数据闭环, 众源成熟) • 精度按需: 对绝对几何精度要求动态调整，部分场景下拓扑关系与 语义准确性优先度更高。 • 要素按需: 地图包含要素集根据智驾系统能力与应用场景动态调整， 旨在实现成本与功能的最佳平衡。 • 高新鲜度: 对影响驾驶决策的道路变化要求近乎实时的更新能力， 依赖高效的自动化（含众源）更新机制。对于城市NOA，关键要 素的“天级/周级”更新成为普遍预期。 (机器)，辅助感知、规划与决策 核心要素 道路网络、兴趣点(POI)、基本交通规则 按需提供车道拓扑、关键语义要素、精确道路属性等 精度要求 道路级别 (典型精度5-10米) 按需达到车道级或更高精度 (如信号灯等关键要素位 置，<50cm) 更新频率 相对较低 要求高，强依赖众源数据实现近实时或高频更新 服务对象 人类驾驶员 自动驾驶系统 (机器) 价值体现 导航功能本身 (相对价值有限) Rights Reserved. 市场概述 技术路径的演进：AI重塑地图角色与形态 8 资料来源：公开资料、泰伯智库  L3及以上自动驾驶的兴起，对地图的精度、鲜度、覆盖度及可靠性提出了更高要求。AI驱动的感知技术 （如世界模型）正推动智驾地图从“数据提供者”向“先验知识库”角色转变。 • 是降低成本、提升鲜度的关键 • 百度、腾讯、Mobileye、TomTom等全球和本 土头部玩家，都在强化车队实时数据回传，制图

人形机器人产业的可 持续发展具有深远意义。 本白皮书的编撰工作紧密围绕《人形机器人创新发展指导意见》 《关于推动未来产业创新发展的实施意见》等一系列国家政策对人形 机器人产业的战略规划与具体要求，旨在深入贯彻《十四五机器人产 2 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 并不一定具备真 正的理解和适应能力。智能性是指物体或系统具有类似人类的智慧、 学习和适应能力，智能体能够感知环境、进行决策并采取行动，同时 不断学习和优化自身行为，以实现特定目标。这种能力不仅要求具备 自主性，还需要具备感知、学习、适应和决策等更高级的功能。所以 虽然所有机器人都具备自主性，但是并不是所有机器人都具备智能性， 机器人中具备智能性的那部分为智能机器人。 2）智能机器人、 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 持。 目

语音指导行动，动作接触/长时间配合 工 作 环 境 复 杂 程 度 任 务 复 杂 程 度 场景与任务对人形 机器人的要求评估 感知 决策 运控 交互 从人形机器人面临的环境、任务的复杂程 度入手，对应机器人感知、决策、运控、 交互四大能力，全方位评估各场景任务对 人形机器人的要求难度，进而映射人形机 器人在各场景任务的落地时间顺序。 人形机器人四大能力需求 人形机器人落地场景与任务评价指标 筛选现阶段可适配工种：搬运类如冲压零件搬运存储；工站衔接类如与AGV小车协同完成“最后10m”搬运工作；质检类如来料检验，焊接质量检查；基础组装类螺丝预拧紧。 2. 从试制线学习到进场打工：优先试制线，在无生产节拍任务要求的场景下收集数据，完善精准度，达到连续千次工作完成度>95%后，则可进厂打工。 3. 从次级生产空间向SOP产线演进：如从仓储空间开始，包括搬运，来料检验，抽检等. Source: M2研究 & • 人形机器人替代人，防止因疲惫产生的错检漏检 • 且质检类任务工作环境简单，任务单一，现阶段 人形机器人能够较好胜任 搬运类 • 解决人工负重有限、易疲劳痛点 基础组装类 • 任务完成要求较高，现阶段从单一任务开 始渗透，如从螺丝预拧紧，Logo安装，高 压线束安装（无需考虑收放线且Pin针较少） 较大模块安装（BMS等）等任务逐步拓展。 工站衔接（柔性物流，最后10-20m） •

策略能够直接支持业务创新发展，发挥大模型优势，提升业务价值，并通过 ROI（投资回报率）指标确认多云策略的成功。同时，伴随生成式人工智逐 步落地，推理任务逐渐增加，企业应审慎应对未来AI应用对数据传输、计算 资源等维度的更高要求，以确保推理任务获得更佳的访问性能、资源利用效 率、扩展性、灵活性、安全性和成本优势等。此外，企业在选择新的云服务 商时，应重点考量其对未来多模态、多场景、多技术栈等趋势的综合支撑能 力，确保 来源：IDC，���� �% ��% ��% 仅使用单个云服务商 提供的私有云 仅使用单个云服务商 提供的公有云 多云、混合云 �� 针对企业云环境建设和使用经验的研究发现，企业在面对新的发展要求时，通常 会深入分析各类平台的扩容和技术路线，根据自身需求选择引入新的云环境，并 利用多云协同支撑未来的业务拓展需求，在此过程中积累了诸多具有代表性的多 云应用场景： 场景一：构建冗余环境。 诸多因素后，采用异构 云所设计的备份方案。企业可在多个云环境中部署关键业务系统，实现多活 容灾架构，或在不同云之间定期备份数据，增强系统的容错能力和灾难恢复 速度。例如，一些制造业企业基于合规要求，将数据在私有云上进行备份。 异构云备份对于故障隔离与切换有很强的现实意义，当某个云平台发生问题 时，多云架构允许快速将流量切换到其他正常运行的云环境中，确保业务服 务不间断。例如，一些互联网

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 求，数字化人才的培养和管理存在 7 月 中国电子技术标准化研究院 《数字化转型数字人才技术能力和培养 要求》 《数字化转型数字人才技术能力和培养要 求》是首项针对数字化转型数字人才培养的 国家标准。本标准聚焦数字化转型数字人才 的技术能力和培养要求，提出数字人才分类 和能力框架、各类数字人才的知识、技能和 经验要求、素养要求和培养要求。 2024 年 4 月 人力资源社会保障等九部门 《加快数字人才培育支撑数字经济发展 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.数字化人才  传统数字人才定义：聚焦技能领域 2018 年前后

电子病历系统整体应用水平分级评价基本要求...............................................17 图表 11 8 级电子病历需要达成的条件................................................................................17 图表 12 新电子病历系统整体应用水平分级评价基本要求....... ...........................................................................18 图表 14 新标准中提出的“人工智能”要求...........................................................................19 图表 15 讯飞星火医疗大模型赋能全线医疗服务体系 AI 的关键政策（上 政策制定者通常会根据医疗卫生领域的发展现状和未来趋势，制定具有前瞻性和指导性 的政策文件。这些政策文件不仅明确了医疗信息化建设的总体目标和阶段性任务，还规 定了建设内容、技术要求、实施路径等关键要素。因而对于公立医院，政策需求是他们 需要考虑的首要需求。 为了树立医院对于前沿技术的正确认知，引导相关产业的快速发展，我国自 2016 年起 便开始围绕 AI 出台相关政策，从宏观角度出发，推动

（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 （IFR）在 2024 年 10 月发布的《2024 年世界机器人报告》，2023 年 全球工厂中运行的工业机器人数量超过 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、 产品特征识别、安全巡检等难度较高任务的深度学习探索；基于语音 交互技术的语言类模型虽然较为成熟，但是主要用于陪伴对话、教育 辅导、智能家居等服务型场景，而由于可靠性要求高、工业知识积累 6 不足等限制，尚未在工业中大规模应用。在推理决策方面，基于深度 学习、强化学习的方法，机器人可以通过训练学习数据以模仿人类， 甚至通过与操作对象或环境进行交互实现非结构性的复杂操作和自 具身智能的突破性发展提供了理论基础，让机器人在与环境的交互 中，不断试错、学习和优化策略，并依据奖励策略不断优化动作执行 结果。然而，强化学习在面对新场景时存在迁移困境，对高质量训练 数据的要求较高，目前主流的改进方法有两种，一是通过模仿人类的 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

终端天线将发生重大变革 大带宽 • PA设计复杂度提升 • 滤波器、天线开关/调谐设计难度 加大 4x4 MIMO • 射频前端用量翻倍 • 终端天线数量增加 双连接 • 射频器件数量增加 • 器件性能要求提升： 射频前端及终端 天线量价齐升， 并且由于射频内 容大幅增加，而 手机内部射频所 占空间却在不断 缩小，射频前端 集成化趋势将会 加快。 5G带来的挑战 5G对终端射频带来的影响 CCM的企业数量有限，实力较 差的厂商已逐渐在双摄时代出 局。同时，我们观察到进入三 摄之后，具备研发和量产能力 的厂商更少，在安卓阵营目前 只有欧菲科技、舜宇光学、光 宝； TOP客户集中度提升，CCM厂 产能要求进一步加强：手机市 场份额集中加剧，中小品牌生 存空间压缩。手机出货量向几 大厂商集中着意味着CCM供应 商也需要不断提升自身产能与 技术水平，否则无法跟上客户 步伐。 随多摄及3D到来，行业竞争格局向好 3D竞争格局：产业壁垒高，中国厂商迎来突破  ToF与结构光产业链相似，成熟度相近 ToF产业链在主要环节上与结构光方案相似，区别在于发射端不需要WLO、DOE、MASK，接受端不要窄带滤光片， 同时接收端的IR CIS对感测速度要求高，供应商存在较大不同。 ToF产业链情况 部件 供应商 进入壁垒 IR发射模组 VCSEL 设计：II-VI、Finisar、ams（Princeton）光迅科 技、长春光机所；代工/测试：Win

发布的《数据中心绿色低碳发展专项行动计划》重申并强调这一目标。地方政策也在 逐步提升要求。2021 年北京要求新建数据中心绿电占比≥10%；2024 年多地政策向 80%靠拢。内蒙古、宁夏、甘肃等新能源大省提供充足绿电支持。 2. 国家对数据中心的碳排放指标提出了明确要求。2021 年国家发展改革委、工业和信息 化部等发布的《关于严格能效约束推动重点领域节能降碳的若干意见》要求提升数据 中心能效水平，鼓励使用可再生能源。2024 年国家发展改革委、工业和信息化部等发 布的《数字化绿色化协同转型发展实施指南》推动数据中心采用智能化能源管理系统， 提升绿电使用比例，支持数据中心参与虚拟电厂等新型能源模式。地方政策也在逐步 提升碳排放指标要求。2021 年上海要求绿电占比≥10%，推动绿电交易； 0 500 1,000 1,500 2,000 2,500 3,000 3,500 字节 阿里 腾讯 百度 华为 (亿元) FY2024E 工业/能源 3. 国家政策对数据中心的 PUE 提出了明确要求。2021 年工业和信息化部发布的《新型 数据中心发展三年行动计划（2021-2023 年）》和《“十四五”信息通信行业发展规划》 均提出到 2023 年和 2025 年，新建大型及以上数据中心 PUE 降低到 1.3 以下。地方 政策对 PUE 的要求更为严格。2021 年北京要求新建数据中心 PUE≤1.3，高 PUE 数 据中心需改造；2021

对于算力有极高的要求。道路交通环境的复杂性并不能完 全用交通规则来覆盖。例如，机动车道上闯入的行人、自行车、两轮电动车等非规则的情况千差万别，难以用理 论模型来归纳概括，只能尽可能扩大数据库来“教”自动驾驶系统，这无形中就会提升算力需求。从特斯拉的 FSD自动驾驶系统看，端到端所需算力成倍增加：FSD V12全面采用端到端，用3000行代码替代了原来的30多万行 代码，但算力要求提升了10倍，整个 代码，但算力要求提升了10倍，整个平台算力需要达到3000～5000T0PS才能满足端到端的需求。除了对车端算力 的需求外，对云端算力要求也很高。由于端到端系统依赖大规模数据集，训练过程对算力资源需求极高，尤其是 为了使大模型具备复杂路况识别能力，需要在大量模拟场景和真实世界数据上进行训练。通常，样本量越大，系 统越成熟，这也推动了对高性能计算芯片和计算模块的需求。目前，特斯拉超算中心的算力支持由其自研的D1芯 片和自研的超级计算 通运输部遴 选具备量产条件的搭载自动驾驶功能的智能网联汽车产品，开展准入试点；对取得准入的智能网联汽车产品，在 限定区域内开展上路通行试点，车辆用于运输经营的需满足交通运输主管部门运营资质和运营管理要求。本通知 针对智能网联汽车搭载的3级和4级驾驶自动化功能。 2024.1.15 工信部等五部 门 关于开展智能网联汽 车“车路云一体化”应用 试点工作的通知 推动智能化路侧基础设施和云控