和本 土头部玩家，都在强化车队实时数据回传，制图 周期成本大幅下降 众源数据快速更新 • 特斯拉FSD 2025年2月以L2级入华， 与百度地图合作为了获取更适合FSD 的‘AP友好型’路线规划和对中国复 杂路况的理解 • 即使是纯视觉方案，在复杂路况和数 据合规压力下仍需本地化地图数据支 持，验证了“轻地图+重感知”混合路 线的现实需求 FSD入华的鲶鱼效应 • 英伟达、蔚来（NWM）、理想  不同类型的车企基于其自身的技术实力、战略目标和成本考量，在智驾地图的技术路线选择和供应商合 作模式上呈现出明显的差异化。  车企智驾地图策略核心差异体现在自研程度、伙伴依赖度及数据闭环能力上，其中头部追求掌控，追赶 者重效率，外资则受合规强约束。 市场分析 细分市场-按车企类型 车企类型 地图技术路线 核心诉求 供应商合作模式 数据闭环 总体策略 头部自研型 (如: 华为ADS 寻求捷径，整合资源，采 取混合策略（如基础图+ 自研更新） 传统大厂转型 (如: 比亚迪，吉利, 长安，长城) 多路线并行 (轻/HD/合作) 快速补齐能力, 规 模化 多供应商策略, 合作/采购 探索中, 合作/自建并存 加大投入，内部多团队尝 试不同路线，倾向组合外 部供应商（芯片、软件、 图商）快速上量 外资车企 (在华) (如: 特斯拉、通用) 轻地图 (依赖本土伙伴)

2025 年深度行业分析研究报告 目录 C O N T E N T S 英伟达主导现有大脑方案 01 02 03 大脑能力技术路线 4 04 L4及L5具身智能应用展望 05 从人脑看具身大脑 国内外厂商大模型进展 从人脑看 具身大脑 01 Partone 5 人脑结构拆解 01 6 资料来源：浙商证券产业研究院 了解机器人大脑之前我们不妨先了解一下我们人类的 Atlas使用Jetson Thor 大脑能力 技术路线 03 Partone 12 本报告来源于三个皮匠报告站（www.sgpjbg.com）,由用户Id:349461下载,文档Id:654005,下载日期:2025-05-23 算法方案技术路线 03 13 资料来源：量子位智库、浙商证券产业研究院 具身智能的算法方案分为分层决策模型和端到端模型两种路线。 分层决策模型 端到端模型 以「Figure 划，还 参与中下层的控制与执行，打通了端到端的链路。端到端模型的 缺点是：训练数据海量、消耗资源巨大、机器人执行实时性差。 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。 •

端破 圈 1950s 2024 2022 2012 2017 4 • 1987-2020 年之前的主导是“⼤数据、⼩算⼒、专⽤决策范式”。 • 2020 年后， GPT-3 代表技术路线“⼤数据、⼤算⼒、通⽤范式”，验证⼤语⾔模型的可⾏性。 • GPT3/4 在深度推理和问题解决⽅⾯有所⽋缺， OpenAI-o1 通过思维链（ Chain of Thought ）增强推理能⼒，将复杂问题 BERT BERT 在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗 AI 小模型年代主要技术路线 “ 大数据、小算力、专用决策” DeepSeek-R1 基于 DS-v3 构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI 技术演变 路线 数据来源： 1. 甲⼦光年智库梳理， 2023 年； 5 体验： 哎哟 不错噢 低成本，超出⽤户预期的“智能”

2024 数据来源：1.(甲⼦光年智库梳理，2023年； DeepSeek-R1 • 1987-2020年之前的主导是“⼤数据、⼩算⼒、专⽤决策范式”。 • 2020年后，GPT-3代表技术路线“⼤数据、⼤算⼒、通⽤范式”，验证⼤语⾔模型的可⾏性。 • GPT3/4在深度推理和问题解决⽅⾯有所⽋缺，OpenAI-o1通过思维链（ChainvofvThought）增强推理能⼒，将复杂问题分 BERT BERT在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗AI 小模型年代主要技术路线 “大数据、小算力、专用决策” GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” 基于DS-v3构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI技术演变路线 5 理解Chatgpt,J⼀个AI领域的“⼯程奇迹” Chatbot： ⽂本交互式应⽤ Gpt3：

②任务复杂程度（动作、交 互理解）。对机器人的四大关键能力提出需求（感知、运控、决策、交互） 7 一级指标 二级指标 能力等级 指标定义 结构化程度 环境 1 路线与物品位置固定 2 路线涉及物体机械移动 3 路线涉及生物自主移动 操作工具 1 不使用工具/使用固定工具 2 使用某类特定工具 3 使用多种不同工具 一级指标 二级指标 能力等级 指标定义 动作 复杂程度 上肢：精细度 应速度、精度、静态载荷等） 决策（避障策略、路线规划、任务泛化等）交互（语义理解等） 15 质检类 搬运类 基础组装类 工站衔接类 感知 运控 决策 交互 新能源车场景人形机器人适配工种 人 形 机 器 人 能 力 需 求 ✓ 图像识别能力 要求快速识别并做出比较 ✓ 抓取精准度 要求抓取搬运的稳定性 ✓ 平稳行走 ✓ 路线规划 要求搬运任务成功率 ✓ 静态+动态避障策略

失的同时，对数据标注的需求也更少，同时具有更强的泛化性。从模块化端到端到一体化端到端是一种相对平滑 的过渡形式。随着算法优化，技术将逐步向一体化端到端或端到端+多模态大模型的冗余双系统架构演进。 感知“端到端”： 当前的主流感知算法路线 模块化“端到端”： 决策规划控制模块升级“端到端”并且两模块间的的数据传递 有望由人为定义的结果抽象为特征向量 0ne Model/单一模型“端到端”： 原始信号输入到最终规划轨迹的输出直接采用单一深度神经网 V13的新增亮点：① 从驻车档启动 FSD（监控）；② 集成的起停、倒车和停车功能； ③改进避免碰撞的奖励预测；④ 重新设计的控制器实现更流畅、 更准确的跟踪；⑤动态规划道路 封闭路线，当车队检测到封闭道 路时，会沿着受影响的路线显示 封闭道路。 表7：FSD的核心功能模块 核心功能模块 技术实现 性能指标 高速领航 基于BEV实时规划车道级路径 变道成功率99%，平均耗时4.2秒 城市辅助 依赖Occupancy 资料来源：人工智能科学研究，国元证券研究所 小鹏：云端蒸馏模型+纯视觉方案，大幅提升车端上限 28 小鹏技术路线的演进是从记忆泊车到城市智驾、从有高精地图到无图方案、从激光雷达到纯视觉、从模块化到一体 化端到端架构的全面变革。2022年，小鹏发布XNGP（全场景智能辅助驾驶）系统，开始探索端到端技术路线，逐步 减少对高精度地图的依赖。2023年，小鹏推出XOS 5.0系统，引入BEV（Bird Eye

科克斯汽车公司 原始英文内容：OEMs 基于视频的 质量控制 个性化数字 车内体验 特斯拉 自动电动汽车 充电机器人 现代汽车 自动化二手车交易平台 汽车评估 Auto1 宝马 动态路线 定价 高需求 区域预测 移动性 提供商 传感器数据 处理用于AD 威姆奥 增强型电动汽车 充电计划 Free2Move 优步 抢夺 人工智能在汽车领域的机遇 Strategy& 注：示例性公司特定AI解决方案。缩写：SW 每个用例可能需要不同的AI配置 方法 要从起点到规模化成功，对人工智能和数据的全面视角至关重要。 来源：Strategy& 分析 B 用例 什么？（？） 探索 发展 A 影响 D 抱负 （为何？） 路线图 哪种方式？（） 愿景/抱负 成功因素 成熟度 执行计划 C 策略 企业 如何？ 治理与组织 能力与流程 建筑与技术 技能与文化 人工智能在汽车领域的机遇 Strategy&

在积极制定国家层 面的“机器人+人工智能”战略。2024 年 2 月以来，欧盟启动新一轮 “地平线”计划，持续加大对人工智能和机器人技术的投资：2024 年 4 月，美国发布第五版《美国机器人路线图：机器人让明天更美好》， 提出在制造业回流、即时经济、老龄化社会、住房和基础设施等七方 面的重点发展智能机器人；2024 年，日本继续推进《社会 5.0 行动 计划》，强调利用人工智能和机器人技术推动经济增长和社会发展， 且在心理上更容易被人接受，人形机器人被普遍认为是具身智能最理 想的应用形态。目前，人形机器人前沿技术百花齐放，形成了大小脑 分层控制和端到端一体化两条技术路线。 由于目前“大脑”受限于平台和数据尚无法形成人类大脑能力闭 环，大小脑分层路线是人形机器人较为主流的形式。通过基于成熟大 模型的“大脑”进行高层次的认知分析和决策，“小脑”进行功能性 的运动路径规划和平衡控制。在大脑方面，谷歌的“LLM（大语言模 0 版 V15T 无人叉车、单叉齿 V05OT 无人叉车、全向 V10OF 堆垛 无人叉车和自动托挂 T15S 牵引式 AGV）。 27 艾吉威前瞻性的定义了具备 AI 智能交互的 AGV 技术路线，并推 出全球首台 AI 大模型语音交互 AGV，新一代的 AGV 产品将具备更强 的自主性和适应性，能够更好地应对各类复杂的售后场景及运营数据 分析。接入 AI 大模型后，就相当于艾吉威新增了一组拥有二十几年

技术开放，吸引广大开发人员和用户使用  很多公司参与开源，帮助改进产品，众人拾柴火焰高， 反哺开源产品，形成正循环 政企、创业者必读 DeepSeek出现之前的十大预判 之十 中美差距快速缩小  美国预训练堆算力的路线不可持续，有待发现新范式“换道超车”  软件和算法差距并不大，主要差距在工程、硬件等方面 23 政企、创业者必读 DeepSeek的出现验证了我们的预判 而DeepSeek的创新更具颠覆性 DeepSeek颠覆式创新——技术创新 29 政企、创业者必读 技术上实现对美国的赶超 掌握通向AI下一阶段的方法论 DeepSeek颠覆式创新——技术创新  美国人仍在遵循预训练Scaling law范式，走堆显卡路线，如 “星际之门”计划  中国DeepSeek-R1的创新突破，诞生推理型Scaling Law，改 写AI发展方向 30 政企、创业者必读 DeepSeek在用户体验上实现了三件事 球团 焦化 炼铁 炼钢 精炼 连铸 热轧 冷轧 销售 • 料场环境实时监控 • 人员越界安全监测 • 回转窑窑况智能分 析 • 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 •

值的人工智能战略 银行应制定与其核心竞争力相一致的人工 智能宏伟愿景。应围绕这一愿景规划转型 路线图，以重新定义人工智能推动增长和 创新的方式，并在团队中落实成果责任 制。将人工智能部署与战略目标相结合， 如改进欺诈检测、简化业务流程和增强客 户个性化体验，可有助于最大限度地提高 投资回报。 建立对转型路线图的信任 人工智能的应用可能使银行业面临独特的 信任风险，这意味着必须从一开始就实施 在这一层面，银行应从关注人工智能如何影响银行的战略、商业模式和关键目标入 手，统筹银行整体的转型变革。此举旨在对银行整体的运营模式转型、员工发展以及 风险和控制进行定义。重点是为人工智能转型计划制定路线图，并通过转型办公室管 理资金、跟踪收益并动态调整工作重心，从而实现价值最大化。 在这一层面，银行应在所有业务职能推动人工智能转型，优先考虑面向客户的价值流 以及端到端的赋能和工作流程，从而促 能应用规模的努力可能会步履维艰。 技术的演变 打造能够大规模实施人工智能的新技术需要大量投资。 银行必须部署先进机器学习平台、实时分析技术以及诸 如云计算的可扩展基础设施。这些投资可能会与原有的IT 路线图和预算产生冲突，从而导致实施进展缓慢以及难 以进行优次排列。与原有基础设施相关的问题也会造成 重大障碍。银行正逐步转向人工智能驱动的软件重构工 具（如Codeium），以应对历史代码和技术债务挑战。