新，更需要 系统的安全保障技术与标准化支持，以满足不同交互环境下对机器人 安全性、互操作性和环境适应性的需求。提升人机交互的安全性，不 仅能够推动技术在特定应用领域的推广，还将引领机器人技术的规范 发展，为人形机器人在多元化场景中的普及奠定基础。 二、人形机器人产业与技术发展现状 2.1 产业发展现状与趋势 2.1.1 产业政策 2.1.1.1 全球产业政策特点 人形机器人作为新 提升产业战略地位，推动了产业的顶层设计和方向指引。同时，借助 “揭榜挂帅”制度激发企业与研究机构的创新活力，推动关键核心技 16 术突破。在此基础上，全国机器人标准化技术委员会成立人形机器人 标准工作组，制定标准体系，规范产业发展，并前瞻性布局未来的标 准化方向。 表 2 中国国家层面出台的人形机器人产业政策 政策文件 发布时间 内容 《人形机器人创新发展指导意见》 2023 年 提出了国内人形机器人发展目标和任务 提出加紧布局人形机器人。对标国际 领先人形机器人产品，支持企业和高 校院所开展人形机器人整机产品、关 键零部件攻关和工程化 上海市 《关于推进本市元宇宙标准体系建设的 指导意见》（上海） 2022 年 提出要规范和引导人形服务机器人、 仿生机器人等代理机器设备的接口、 数据交换、性能、功能等 上海市 《上海市推动制造业 高质量发展三年行 动计划（2023—2025 年）》 2023 年 提出打造世界级产业集群，加快人形

理流程进行优化和监督，实现对热线承办单位的统一管理、监督和考核，发挥政 务热线在业务办理全流程的“指挥棒”作用，引导承办单位落实好主体责任。一 方面，在厘清承办单位职责，精准分类来电诉求的基础上，数智化进一步规范了 政务热线统一受理、按责转办的业务办理流程，大模型能够对流程进行实时监控 和评估，强调了业务办理的核心地位，有助于提高承办单位的工作认识，调动各 承办单位主动领取任务，纠正业务办理过程中的形式主义，确保业务办理结果合 府和职能部门协同联动， 及时、高效地回应群众诉求。 三是在辅助决策施政方面。自 2019 年以来，“接诉即办”改革积极运用大 数据辅助科学决策和社会治理。改革通过 12345 热线建立了统一、规范的民意诉 求数据库，汇集入库 3400 多万件群众反映记录、240 余万条企业法人数据和 7000 多个社区（村）点位信息。改革综合运用了大数据分析、定量分析、案例分析、 类型学分析、可视化技 很大程度上，政务热线的 诉求承载水平、诉求接听效率和诉求识别能力，决定了公众对政务热线的初步印 象。然而，许多城市的政务热线建设，在诉求承载能力的科学分配、诉求接听的 科学管理和诉求识别的精细规范等多个方面仍然存在一系列挑战与不足。 1.诉求承载 诉求量的快速增加对政务热线诉求承载能力提出了挑战。尤其是在一些城市， 大量热线诉求集中在单一渠道，造成信息过载，弱化了城市政民互动能力。

理流程进行优化和监督，实现对热线承办单位的统一管理、监督和考核，发挥政 务热线在业务办理全流程的“指挥棒”作用，引导承办单位落实好主体责任。一 方面，在厘清承办单位职责，精准分类来电诉求的基础上，数智化进一步规范了 政务热线统一受理、按责转办的业务办理流程，大模型能够对流程进行实时监控 和评估，强调了业务办理的核心地位，有助于提高承办单位的工作认识，调动各 承办单位主动领取任务，纠正业务办理过程中的形式主义，确保业务办理结果合 府和职能部门协同联动， 及时、高效地回应群众诉求。 三是在辅助决策施政方面。自 2019 年以来，“接诉即办”改革积极运用大 数据辅助科学决策和社会治理。改革通过 12345 热线建立了统一、规范的民意诉 求数据库，汇集入库 3400 多万件群众反映记录、240 余万条企业法人数据和 7000 多个社区（村）点位信息。改革综合运用了大数据分析、定量分析、案例分析、 类型学分析、可视化技 很大程度上，政务热线的 诉求承载水平、诉求接听效率和诉求识别能力，决定了公众对政务热线的初步印 象。然而，许多城市的政务热线建设，在诉求承载能力的科学分配、诉求接听的 科学管理和诉求识别的精细规范等多个方面仍然存在一系列挑战与不足。 1.诉求承载 诉求量的快速增加对政务热线诉求承载能力提出了挑战。尤其是在一些城市， 大量热线诉求集中在单一渠道，造成信息过载，弱化了城市政民互动能力。

机制、提升市场协同能力等手段，实现各市场之间的有效衔接和协同运行，提高市场 整体效率和效益。 10.电力市场技术标准： -计量、结算等关键技术标准规范仍需进一步完善。 -需要通过加强技术标准制定、推广和应用，提升电力市场的技术支撑能力和规范化水平。 11.市场合规管理： -伴随着市场主体的持续扩容，市场合规管理面临一定挑战。 -需要通过加强市场监管、完善合规管理制度、提升合规意识等手 力也 相对较弱，无法满足能源行业复杂业务场景的需求。 4 三、挑战与应对策略 （一） 28 ◼ 应对策略：以人为本 1、构建专业语料库：收集能源领域的专业文献、研究报告、行业标准、技术规范等资料，构建专门的能源语料库。并对数据进行清 洗、标注和分类，确保数据的准确性和一致性，为模型提供高质量的训练数据。融合能源生产、传输、消费等不同环节以及气象、地 理等相关领域的数据，让Deep

基于IP技术打造新产品并不意味着要抛弃使用专用的、非IP网络的客户和产品。具备协议转 换功能的网桥和网关可以让基于IP的设备和非IP设备共存，从而保护客户在旧有连接方式上 的投资。例如，Matter规范定义了能够在Matter消息和命令与非IP等效消息和命令之间进 行转换的网桥。Matter是一项面向消费者的标准，但其他应用领域也可以定义类似的协议 转换方案。 标准应用层 互联网 员”角色，直接使用 Matter标准。 • 多站点——虽然Matter规范并未涉及跨多个物理位置的网络管理，但每个Matter 实例（fabric）都是独立的。因此，管理多个fabric主要是自动化生态系统（或企 业领域）的功能。像多户住宅这样的应用场景属于生态系统级别的功能，不一定需 要对Matter规范进行大幅修改。每个住宅单元可以有独立的fabric，自动化生态系 统可以独立 一企业需求成为了一个难以逾越的障碍。 • 设备信任——有关Matter的设备信任架构的完整讨论，请参阅白皮书《Matter— —让智能家居更安全》，以下是设备认证过程的简要总结。CSA会对所有产品进行 认证，以验证其是否符合规范并确认其互操作性。在产品安装过程中，Matter会检 查每个制造设备中的唯一认证证书，以确认该设备已通过CSA认证，并且是由值得 信赖的制造商生产的。这是一种隐式信任模型——对CSA认证证书和产品认证证书

从互联网到金融，从医疗到制造，各行各业正在探索并实践大模型的落地应 用，将 AI 从概念真正转化为解决业务问题的有效工具。 应用场景的快速拓展 全球范围内 AI 监管框架的逐步构建，不仅为大模型的规范化应用扫清了障 碍，更为行业的可持续发展提供了制度保障。 政策环境的日趋完善 中国 AI 市场规模不断扩大， 投资及应用 Al 的热情高涨 1.1 05 在全球范围内，中国企业不仅展现出强劲的投资热情，更以实际行动推动 转型进程中，企业普遍采取"重点突破、全面推进"的战略布局和实用 主义思维，优先将 AI 技术部署在核心业务部门，希望快速获得业务价值回报。 然而，职能部门虽然在 AI 应用规模上相对较小，但由于其业务流程更加标准化和规范 化，反而更容易实现 AI 的深度整合，从而达到较高的应用成熟度。而核心业务部门尽管 应用普及率较高，由于业务场景复杂和跨部门协同困难，AI 的应用成熟度较低。 08 "君子生非异也，善假于物也 基础认知：评估对 AI 技术的理解深度 情感态度：衡量对 AI 的主观意愿和接受程度 提示词能力：衡量与 AI 高效互动和协作的能力 解决问题：考察用 AI 解决业务问题的能力 合规使用：评估 AI 应用的安全性和规范性 4.2 AI 力的诊断和测评 18 UMU 的 AI 力测评工具可以生成直观的 可视化报告，清晰展现员工 AI 力的现状和 不足，帮助管理层量化分析各个团队和部 门在 AI 转型中的优势与短板，从而制定更

相同的评论模型 降低 RL 训练的计算成本 \ 保证模型能够有效地学习到策略 奖励机制的设计：兼顾推理能力和语言一致性 准确率奖励和格式奖励，从而保证模型不仅能够正确地解决问题，还能够以规范、易读的方 式输出答案 格式奖励：用于强制模型将推理过程放置在特定的标签内，用 和 标签来 包 裹推理过程，使用 和 强化学习则是通过试错和尝试，鼓励模型在最大化奖励过程中学习到推理背后的规律，获得的泛化性和推 理 表现上界更高 SFT 主要负责记忆而很难进行 OOD 泛化，基于 ORM 的 RL 泛化能力较好 [1] SFT 规范模型输出格式，使得后续的 RL 可以获得更高的收益 随着强推理能力复现的兴起，社区也有很多工作比较 LongCoT 长文本思维链的蒸馏效果 Scaling up verifiable reward 原因： LLMs 必须使用固定的计算资源即时响应用户请求； 当前的对齐方法（如 SFT 和 RLHF ）鼓励 LLMs 通过偏好学习从大量数据中总结规范 和人 类意图，而不是直接学习安全规范。 我们能否直接利用强推理能力学习安全规范以增强模型的安全性？ 审计对齐 Deliberative Alignment Deliberative Alignment: Reasoning Enables

业务协同、算法协同、数据协同、管理协同 融合腾讯业界领先的视觉大模型、新能源 行业模型，同时支持第三方算法模型 形成智能场站标准适配 标准化云边运行环境、数据接入、应用接 入、API接口、身份认证、安全管理规范 Tencent AI 中心版 任务管理子系统 数据存储及计算 任 务 调 度 异 常 上 报 监视数据 推理结果 数 据 上 传 算 法 下 发 智能运检系统 AI创新中心 算法模型库 交付效果/客户价值 业务需求/挑战 � 长鑫在支持应用软件快速构建、部署及运营方面，尚未形成应用云平台的 支撑能力 � 计划通过微服务+容器技术构建长鑫PaaS应用云平台，实现长鑫应用软件 技术栈统一标准及规范，加强应用软件研发的自主可控能力，支撑应用软 件快速构建部署及运营 � 支持应用快速交付和快速部署 � 优化资源利用率，支持弹性扩容 云 资 源 管 理 云 原 生 底 座 PaaS 服

政策法规的逐步完善：划定安全边界与产业规范 11 资料来源：公开资料、泰伯智库  2023年11月17日，工业和信息化部等四部门发布《关于开展智能网联汽车准入和上路通行试点工作的 通知》，在道路测试与示范应用基础上，开展L3和L4级别智能网联汽车试点工作。  短期内受安全事件舆论影响，政策似乎有从严监管趋势。但从长期来看，有助于行业积累实际运营经验， 从而逐步完善政策法规，划定安全边界与产业规范。 产品准入 经营的需满足有关运营资质和运营管理 要求。 • 积累经验 • 支撑相关法律法规、 技术标准制修订 • 加快健全完善智能 网联汽车生产准入 管理和道路交通安 全管理体系 工信部《关于术 语规范与责任绑 定的公告》 2025年 4月16 日 禁用“自动驾 驶”表述，统 一为“辅助驾 驶”；车企对 L2级功能缺陷 承担连带责任。 《关于进一步加 强智能网联汽车 产品准入、召回 及软件在线升级

关注自研核心算法的整车企业 2.1 特斯拉：纯视觉方案+一体化端到端先驱 2.2 华为鸿蒙智行：模块化端到端，聚焦生态整合与全域协同 2.3 小鹏：云端蒸馏模型+纯视觉方案，大幅提升车端上限 2.4 理想：双系统并行，VLM规范端到端模型下限 2.5 比亚迪：智驾平权加速，边际变化可期 3.智能驾驶产业链 3.1 车端：电子电气架构向中央计算迈进 3.2 感知层 3.2.1 传感器数量减配、性能提升 3.2.2 激光雷达市场快速增长，格局集中 5.4.0先享会，盖世汽车，国元证券研究所 请务必阅读正文之后的免责条款部分 理想：双系统并行，VLM规范端到端模型下限 30 2024年7月5日，理想汽车首次公开了其端到端自动驾驶技术架构，其技术路线采取端到端+视觉语言模型（VLM）双系 统，通过VLM以及适当的强化学习手段来规范端到端模型的行为。结合VLM，端到端技术能够模拟人类驾驶的认知过程， 进一步提升智能驾驶的适应性和安全性。 习实现无监 督学习。 VLM的另一个优势在于数据挖掘与场景理解。智能驾驶依赖海 量数据，但有效数据占比低，可以通过VLM模型进行高效挖掘， 加速数据分析和场景理解的迭代。 理想：双系统并行，VLM规范端到端模型下限 31 双系统工作原理：常规传感器进入到理想专门为Orin-X优化过 的CNN主干网络，并提取特征融合，为了增强BEV空间特征表达 能力，加入了记忆模块，不仅是时序记忆还有空间记忆。特意