其次是需求快速增长带来的供需错配涨价机会，接着是行业市场化运行带来的景气上行投资机会，比如：有机硅。除 了涨价之外，我们近期观察到大化工产业逐步到了新阶段，具体体现为创新力、协同力、知识产权保护的提升，先讲 下创新力，除了突破卡脖子新材料之外，我们也观察到部分化工企业在新品方面的拐点，比如：农药创制药；再谈下 协同力，近两年我们观察到越来越多的子行业开始提倡行业自律，开始提倡反内卷，比如：涤纶长丝、三氯蔗糖、有 机硅；最后是

行实时性差。 训练方案技术路线 03 14 资料来源：量子位智库、浙商证券产业研究院 具身智能的训练方法可分为模仿学习和强化学习两种路线。 模仿学习 强化学习 模仿学习—— 智能体通过观察和模仿专家（经验丰富的人类操作者或具 有高级性能的系统）的行为来学习任务。 • 优势：可以快速学习专家策略，无需复杂的探索过程 • 劣势：学习到的行为策略受限于专家数据，对于未见 过的情况泛化能力较差 目要求执行指定的动作和操作； • 启动 / 停止记录设备并执行小型设 备和软件调试； • 提供有关设备性能的反馈； • 分析和报告轮班期间采集的数据； • 上传采集的数据并撰写每日报告， 详细说明观察结果和问题； • 确保分配的设备处于正确和安全 的工作状态并安全运输到各个采 集地点。 特斯拉机器人人类训练员岗位信息 岗位要求 岗位职责 遥操作-智元机器人建设百台机器人数采工厂 05

练，包括⼈类执⾏⽇常任务的视频。视频内容现在占据了所有互联⽹流量的惊⼈83% ，为AI扩散模型提供了前所未有的数据量进⾏分析和学习。每天上传的⼤量新视频 内容为训练AI模型提供了丰富资源，使机器⼈能够从观察⼈类⾏为在各种动态环境 中的表现中学习，增强其在真实应⽤中的多功能性和鲁棒性。 除了利⽤现实世界视频数据外，机器⼈产业越来越多地转向合成数据，以克服 稀缺或不完整数据集的限制。合成数据是⼈⼯⽣成的，通常通过计算机模拟⽣ ⻜⾏最多可⻜⾏140英⾥，并 可以精确到⼀厘⽶的位置。该公司声称，其交付速度⽐传统汽⻋快10倍，成本更低 ，噪⾳更⼩，零排放。鉴于其部分交付的关键性质，美国联邦航空管理局允许Zipli ne进⾏超出观察者视线的交付。 或者参观今年举办的⽆⼈机世界⼤会，吸引了500多家⽆⼈机公司和1万名与会者。 在2024年的活动中展出的最⼤⽆⼈机可携带400公⽄并⾏驶4500公⾥。其他⽆⼈机 可以运送⼈员。或者 作⽽具有⼀定的体⼒需求。 我们先进的AI⼤脑架构融合了许多不同的AI模块，像⼈脑的叶叶⼀样协同⼯作。 这使我们的机器⼈能够处理复杂数据，做出明智决策，并减少⼈为⼲预即可学习 新任务。AI⼤脑旨在像⼈类⼀样学习——通过观察、重复和持续改进——还能使机 器⼈在整个队伍中⽆缝共享知识。此外，AI⼤脑是从头开始构建的，完全可以进 ⾏审计，透明且安全，可与⼈类⼀起⼯作。 哈利·克洛博⼠ 创始⼈兼⾸席执⾏官 超越想象 ⼈⼯智

医院 24 研发⽅向探索 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需 RAG 未公开数据） • 知识图谱可关联临床试验数据与 RWE 试验， 去观察有潜⼒的适应症 试验设计优化 • 患者分层：基于⼤模型的语义理解能⼒， 从历史数据中识别符合⼊组标准的“数 字孪⽣”患者群体，提⾼招募效率 • 剂量探索：通过强化学习算法模拟不同

医学数据结构化提取、标准化 24 新药研发：借助⼤模型，提升药品研发的效率和速度 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需RAG未公开数据） • 知识图谱可关联临床试验数据与RWE 试验，去观察有潜⼒的适应症 研发⽅向探索 • 患者分层：基于⼤模型的语义理解能⼒， 从历史数据中识别符合⼊组标准的“数 字孪⽣”患者群体，提⾼招募效率 • 剂量探索：通过强化学习算法模拟不同 剂量⽅案的效果，缩短1期的试验周期

监控自主系统的活动： 如果您是早期采用者？ 二进位大爆炸20 如果您正准备开始？ 开始在公司内部尝试使用代理： 如果您想要采取更慢的节奏吗？ 绘制生态系统合作伙伴的代理产品： 如何保持信任？ 观察信号以预测即将到来的行业影响： 每家公司都必将需要重新构思其数字核心，以专注于可组 合的集成。如果您尚未开始，请立即行动。在未来的几年 中，模块化的数字核心对于AI代理在整个组织内利用数据 和功能 注意：*2024的数据截止至2024年10月 来源：埃森哲研究对arXiv论文的分析；20 20年1月–2024年10月 在多模态基础模型方面，存在显著的研究兴趣，这些模型超越了语言，涉及图像、音频、视频 等多个领域。创建能够交谈、观察世界并占据实时载体的模型，有望改变人们与人工智能互动 的方式，从而影响组织。 尽管基于文本的聊天机器人越来越常见，用于简单的企 业客户服务，但音频、图像和视频输入/输出的添加将 极大地扩展AI在客户服务方面的应用方式。这些多模态 演示中，一个人要求一个移动机器人给自己拿一包薯 片，PaLM-E安排机器人打开一个抽屉，拿出一个袋子 ，并将其递给那个人。 89 它使用大型语言模型和机器 人传感器数据来理解语音命令、制定计划并执行。 观察机器人硬件的演变。也许是通用化演变的强烈信号 ，类人机器人开发在过去12个月中蓬勃发展，并且它们 正在进入仓库和工厂。 91 这项对更多多功能机器人形 态的探索是对实现通用型大脑潜力的认可，即机器人将

加持下强推理慢思考范式新边界 4 Pre-Training Scaling Laws: 预训练模型上广泛观察到的现象，协调了计算量 C 、 模 型参数量 N 和数据大小 D 之间的关系 回顾： Pre-Training Scaling Law reward hacking 而 retraining reward model 需要大量的计算资源，可能会复杂化整个流程 训练模板： 选择最简单的 Thinking Process ， 直接观察到最直接的 RL 过程下的表现 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 Zero

AlphaFold 1. X射线晶体衍射 2. 核磁共振 3. 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

实现具身智能对空间信息的 多模态理解 Ø 机器人能够从数据中学习决策与 规划策略，基础模型为机器人决 策与规划引入了丰富的先验知识。 感知、交互与决策 大模型在控制上的助力主要集中于大模型处理环境观察与提示，输出动作序 列，动作序列可以是一系列关节角度或末端执行器的位姿与夹爪开合数据， 这些序列将直接用于控制机器人的运动。 控制 需求级 任务级 理解需求 分解需求 完成任务 分解任务

出信号之间的错误相关性（模型可能会将某些表面 上相关的因素，如天气、交通状况，错误地认为是 决定驾驶行为的关键因素，从而导致决策不准确）。 逆最优控制（IOC） 逆最优控制是一种从专家示范中学习 的算法，通过观察专家驾驶员的行为 来推测出一个“奖励函数”。这个奖 励函数可以理解为：专家做出的每一 个动作都有一个“奖励值”，这些奖 励值反映了每个行为的好坏。逆最优 控制的主要方法分为对抗模仿学习 （GAIL）与成本学习（Cost 及电容方向盘+专用智驾拨片。依托DeepSeek-R1大模型+璇玑架构+自研芯片，形成一个从底层硬件到AI服务的全栈生态。 请务必阅读正文之后的免责条款部分 图37：天神之眼产品矩阵 资料来源： 比亚迪智能化战略发布会，阿笨汽车观察，国元证券研究所 比亚迪：智驾平权加速，边际变化可期 35 天神之眼A - 高阶智驾三激光版（DiPilot 600）：搭载于仰望品牌，配 备3颗激光雷达+双Orin X芯片，堪称“智驾顶配”。它能实现城市领航、