来看 看这是如何运作的。 AIoT重新定义设备连接性 AI的爆发式增长促使联网设备制造商来满足IoT产品快速增长的需求，这些产品能为基于AI 的生态系统提供现实世界的输入。从连接的角度来看，这需要：（1）标准的、广泛可用的 基于IP的网络；（2）一个软件应用层，能在设备和应用之间实现直接、安全的多厂商通信。 这种对设备连接的新定义在垂直领域内将消息分发与消息内容相结合。连接的标准化可加速 物追踪和农业等。虽然LoRaWAN可以承载IP协议，但其带宽很低且消息语法高度精 简，无法直接与Wi-Fi、Thread或其他IP网络互操作。不过，网关可以将高度压缩 的LoRa无线协议转换为IP协议，因此从应用角度看，LoRa就像一个IP网络。 专用设备网络 如本节开头段落所述，IoT连接架构极为多样。数十亿台设备使用着数百种不同的IoT网络及 第6页 人工智能物联网（AIoT）：将人工智能与现实世界相连 • Matter——让智能家居更智能——Matter简介 • Matter——让智能家居更安全——深入探究Matter的安全模型 • 面向CE制造商的Matter——从CE制造商的角度对Matter行业影响的战略分析 Matter标准推出至今已有一年多时间，在撰写本文时已发布到第三个版本。它得到了各大 CE品牌的大力支持，成员数量显著增长，已有超过1200款认证产品，涵盖的设备类型也在

2024年的部分算力闲置现象主要由于当地产业规划错配、供给侧前置布局及需求侧训练需求有所缓解等原因导致，随着模型技术迭代及推 理应用爆发，长久来看高性能算力仍处于高需求状态。智算中心建设需协调好地区产业资源规划，从软硬件角度优化算力利用率及平台运 行质效，稳健支撑上层AI产业发展。2025年初，随着DeepSeek V3及R1模型的开源及产品破圈，英伟达股价单日下跌幅达到近20%。在 美国对中国实施芯片出口管制的背景下 I 等分布式 AI 开发框架。这些框架基于PyTorch框架生态，提供了深度学习优化库，致力于提升大 模型分布式训练的训练与推理效率，助力开发者更高质量、更高效地完成大模型的训练及部署工作。从平台的角度来看，在大模型时代， AI 开发平台也在积极探索与升级。与传统AI模型相比，大模型在开发、应用及部署上对算力支持、数据管理、功能模块及工具库等方面均 提出更多要求，MLOps分化出LLMOps，出现面向大模型，提供整个模型生命周期中加速 29 日，kimi 智能助手、字节跳动豆包、腾讯元宝等所有 AI 应用 10 月全网广 告投放（投流）支出超过 3 亿元人民币。由此可见，无论是B端还是C端，大模型厂商“跑马圈地”态势均渐起。从实践落地角度看，大模 型落地应用更加定制化及产品化，尤其面向ToB客户，更加开放底层模型能力与定制化程度，为客户提供Post-pretrain、SFT精调、RLHF 等成熟丰富的微调方案，将大模型解决方案深度嵌入企业需求与业务流程。

2024年的部分算力闲置现象主要由于当地产业规划错配、供给侧前置布局及需求侧训练需求有所缓解等原因导致，随着模型技术迭代及推 理应用爆发，长久来看高性能算力仍处于高需求状态。智算中心建设需协调好地区产业资源规划，从软硬件角度优化算力利用率及平台运 行质效，稳健支撑上层AI产业发展。2025年初，随着DeepSeek V3及R1模型的开源及产品破圈，英伟达股价单日下跌幅达到近20%。在 美国对中国实施芯片出口管制的背景下 I 等分布式 AI 开发框架。这些框架基于PyTorch框架生态，提供了深度学习优化库，致力于提升大 模型分布式训练的训练与推理效率，助力开发者更高质量、更高效地完成大模型的训练及部署工作。从平台的角度来看，在大模型时代， AI 开发平台也在积极探索与升级。与传统AI模型相比，大模型在开发、应用及部署上对算力支持、数据管理、功能模块及工具库等方面均 提出更多要求，MLOps分化出LLMOps，出现面向大模型，提供整个模型生命周期中加速 29 日，kimi 智能助手、字节跳动豆包、腾讯元宝等所有 AI 应用 10 月全网广 告投放（投流）支出超过 3 亿元人民币。由此可见，无论是B端还是C端，大模型厂商“跑马圈地”态势均渐起。从实践落地角度看，大模 型落地应用更加定制化及产品化，尤其面向ToB客户，更加开放底层模型能力与定制化程度，为客户提供Post-pretrain、SFT精调、RLHF 等成熟丰富的微调方案，将大模型解决方案深度嵌入企业需求与业务流程。

业界引 起广泛讨论，人们从各自的认知和立场给出了不同的解读。从某种程 度上讲，人们对人形机器人的定义和理解，不仅会对学术研究、专业 探索以及产业发展产生影响，还与政策走向息息相关。 从标准的角度来看，纵观国内外相关资料，机器人的分类大多依 据应用场景、功能特性、控制模式以及移动方式来进行，截至目前， 尚未发现按照机器人形状进行划分的标准或文献。因此，当 “人形机 器人” 这一以模仿生 性体、超螺旋聚合物、气动仿生肌肉等柔性材料的快速发展也带来了 人形机器人的驱动器的革新，以北工大研发的气动人工肌肉驱动器、 中国计量大学设计的一种拮抗气动肌肉驱动的人形机器人为例，实现 了膝关节角度与刚度的精确控制，将为复杂任务和交互场景提供更加 灵活和仿生的解决方案。 1.2.2 国际人形机器人发展历程 国际上对人形机器人的研究起步较早，得益于 20 世纪领先的科研 水平与先进的技术 通过标准 化降低生产和维护成本、建立全产业链协助网络、激发市场活力；从 29 提升用户体验和社会接受度出发，需要通过标准化规范集成与应用要 求、规范伦理和隐私保护，进而提高用户信任度；从监管角度，需要 通过标准化，促进产业合法合规，提升市场信心。未来，人形机器人 产业将在技术创新、标准引领和市场需求的三重驱动下迅速发展，实 现商业化和全球化的突破，推动社会向更加智能化、协同化和高效化

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 AI 技术在医疗领域的应用，提高 医疗服务效率和质量，最终实现医疗行业的智能化升级。 ） 2 图表 2 2016 年—2024 年涉及医疗 AI 的关键政策（下） 资料来源：动脉橙产业智库 肝方向作出突破，拿到肝脏局灶性病变 MR 图像辅 助分诊软件，将肝脏相关疾病纳入辅助诊断范畴，并于 2024 年 7 月发布第二版本。2024 年，推想医疗肝肾外科手术计划软件，亦从外科手术治疗的角度实现了跨越。 3. 集成平台出现 2024 年 8 月 5 日，上海西门子医疗器械有限公司获批的“CT 图像处理与分析软件”，打 破了过往“一证一病”的管理。 飞利浦这一软件由安装程序和授权文件组成，功能模块包括 经见证了多 款产品成功实现商业化落地，有力推动了精准 PCI 时代的到来。 在冠状动脉疾病的诊疗上，AI 赋能的 CT-FFR 技术崭露头角。这项技术能够迅速分析患 者的 CT 影像，从功能学角度准确评估冠状动脉的狭窄程度及其潜在影响。这一突破避 免了传统冠脉造影可能导致的过度治疗或治疗不足，为患者提供了更为精准、个性化的 诊疗方案。 在经皮冠状动脉介入治疗（PCI）阶段，AI 同样发挥着重要作用。它不仅能够自动分析

29 RL Infrastructure System 强化学习：从 In-Context RL 的角度出发，直接训练模型 approximate Planning 的过程（例如将 Search 中 , state 和 value 等信息都视为 Language Tokens) 策略优化：建模成 按照结构化 先验进 行思考可能会限制模型的能力； PRM 容易被 Reward Hacking, 且 绝对值 Value 很难准确 Kimi K1.5 更多是从 In-Context RL 的角度出发，直接训练模型 approximate Planning 的过程（例 如将 Search 中 , state 和 value 等信息都视为 Language Tokens) DS-R1 是从纯 的关系。例如，针对一个序列中的下一个动作，若存在一个是错误答案而另一个是正确答案的情况， 传统的方法会倾向于提升选择正确答案的概率，同时降低选择错误答案的概率。然而，从推理长度的 角度来看，有时选择看似错误的答案可能会引导模型进入自我修正的过程，这种自我修正机制以及 更 长的推理路径同样对提升模型的整体推理能力至关重要。 技术对比讨论： Kimi K1.5 vs. DeepSeek-R1

原料无人天车吊装 控制 • 生产现场运输状态 监控 • 现场路线智能调度 • 智能化能源调度 • 料场智能调度 • 燃料水分视觉分析 • 多角度废钢图像 采集 • 废钢智能定级 • 杂质识别 & 扣杂 • 废钢槽编号识别 • 多角度废钢图像采集 • 废钢智能定级 • 杂质识别 & 扣杂 • 废钢槽编号识别 • 皮带胶结头异常检测 • 皮带跑偏检测 • 烧结皮带跑偏检测 • 皮带托辊异常检测

需求各不相同，这对大模型的适配性和灵活性提出了更高要求。从时延角度 看，自动驾驶、智能制造等场景对模型的响应速度有严苛的限制，微小的延 迟增加也可能会导致不可接受的后果。从性能角度看，大模型处理的复杂度 和数据规模都很高，在图像处理、知识管理等领域，大模型需要具备出色的 推理性能，以快速准确地处理海量数据并给出结果。从安全角度看，大模型 可能应用在很多敏感领域，在金融、医疗等场景中，数据隐私和模型安全都

• 2025年4月，发布本报告《人形机器人应用场景洞察白皮书-工业场景篇》持续贯穿至下游应用，聚焦汽车制造 • Next Step，计划发布人形机器人家用场景落地相关调研，从场景画像、用户画像等角度进一步打开 ◆ 本次《人形机器人落地场景洞察白皮书》4大核心亮点： • 创新逻辑：提出“人形机器人场景落地评价模型”，依托服务头部企业的实战经验，以及对机器人产业逻辑>10年 的洞见，识别落地场景顺序——工业、家庭、商业服务 要求在指导下完成任务 ✓ 响应速度 要求快速完成衔接 要求与AGV配合完成 ✓ 静态+动态避障策略 ✓ 图像识别能力 要求对各类零件精准识别 ✓ 静态载荷平稳搬运 ✓ 响应速度 ✓ 复杂角度重心控制 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 ✓ 任务泛化 M2 2025 Proprietary and Confidential All

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 运动规划 路径规划 生成末端执行器坐标/关节角 仍需持续推动，同时在供应链整合的优势上应 注重机器人系统、模型算法、软件的开发，软 硬融合是未来机器人产业发展的重要趋势之一。 人形机器人作为人工智能领域的重要发展方向，因其 拟人化引发了诸多伦理与安全问题。从伦理角度来看， 人形机器人可能引发对人类自身身份认同的冲击，其 高度拟人化的外观和行为方式容易模糊人机界限，引 发诸如机器人行为是否应遵循人类道德准则、如何防 止对人无意或恶意产生影响等。 在安全