一天时间训练即可应对复杂城市驾驶场景，展示了端到端技 术在快速学习和适应能力上的潜力。 2017 年 ： Comma.ai 推 出 OpenPilot 。 Comma.ai 发 布 了 OpenPilot软件，最初为L2级辅助驾驶系统，后逐步转向端 到端神经网络模型，成为首个商业化端到端自动驾驶产品。 • 技术突破与现实应用阶段（2019年-） 2021年：特斯拉发布BEV（Bird Eye View）技术。特斯拉在 《汽车整车信息安全 技术要求》、《汽车 软件升级通用技术要 求》、《智能网联汽 车 自动驾驶数据记录 系统》 《汽车整车信息安全技术要求》规定了汽车信息安全管理体系要求，以及外部连接安全、通信安全、软件升级安 全、数据安全等方面的技术要求和试验方法。《汽车软件升级通用技术要求》规定了汽车软件升级的管理体系要 求，以及用户告知、版本号读取、安全保护、先决条件、电量保障、失败处理等车辆软件升级功能方面的技术要 求和试验方法。《智能网联汽车 特斯拉经历了自研芯片、算法结构、数据标注与融合等方面的升级，一体化端到端技术架构逐渐完善。 Full Self-Driving（完全自动驾驶，FSD）是特斯拉研发的最高级自动辅助驾驶系统，计划通过OTA（Over-The- Air）软件更新逐步实现L5级别的自动驾驶。截至2024年Q2，特斯拉宣布其FSD技术助力下的汽车已经行驶了超过 16亿英里（约合25.75亿公里）；搭载基于全面端到端的FSD V12系统的汽车已经行驶了超过6亿英里（约合9

人员数字素养和技能提升，为加快发展数字 经济提供强有力的人才支撑。 2022 年 6 月 12 日 上海市人民政府办公厅 《上海市数字经济发展“十四五”规划》 落实本市集成电路和软件产业研发设计人 员奖励政策，支持和鼓励基础软件、工业软 件、新型技术软件、信息安全软件等企业研 发设计人员在沪发展，用好应届毕业生和留 学生进沪就业以及外籍人才永久居留等相 第 6 页 关便利服务政策，加大力度引进数字经济领 军和青年人才。依托“基础研究特区”试点， 家职业标准，以保证标准 之间的协调性。 根据应用场景，对业务人员提 出与业务相关的数字化思维、 素养和专业技能要求。 典型职位 首席执行官、首席数 字官、企业中高层管 理者等 业务架构师、软件工程 师、IT 运维、用户体验设 计专家、大数据专家等。 战略规划、市场营销、财务、 人力资源等业务领域具有数字 化思维和应用意识的核心人 才。 典型职责 1）构建数字化愿 景：推动组织向数字 认证阶段：国际证书+国家级认证 数字化技术人才 认知 | 训练 | 实战 | 认证 数字化产品研发 前端开发 后端开发 系统架构 嵌入式开发 人工智能 数据治理 大数据 数据库 云计算 IT 运维 软件测试 信创 信息安全 网络技术 虚拟化技术 数字化技术人才的重点培养方向涵盖了数字化产品研发、人工智能、信息安全、云计算、 大数据等 16 大模块，既有专业技能提升的技术课又有兼顾能力背书的认证课，从企业的真实

4 5 3 关于汽车领域的AI假设 人工智能的能力正从生成式AI发展到代理式AI，然而实现盈利效果的进程比乐观者所希望的更长。 最高短期影响体现在客户支持/体验、软件开发和选定的企业职能上。 人工智能在超越传统“建设方法”的合作伙伴关系中大规模释放其潜力。 赢家从基础人工智能工作开始，迅速聚焦于主要成本/收入类别，并与合作伙伴生态系统高效扩展。 缩写：AI = 本效益机会。 我们的分析表明，全面的人工智能转型战略可以实现40-60%的潜在利润提升。 人工智能在汽车领域的机遇 Strategy& 2 人工智能将推动汽车和移动领域的关键转型领域。 价值将在软件定义、自主和电动汽车等由技术驱动的创新领域尤为突出。 1 人工智能浪潮正在来袭，其影响并不像预期的那样显著。 2000 2020 2025 2030 1997 – 2011 – 5 在汽车行业，人工智能将推动所有以技术驱动创新领域的增长。 人工智能影响及公司在汽车转型领域中的实例 软件定义的 自动驾驶汽车 替代传动系统 并且可持续性 新服务和 商业模式 数字化运营 并且供应链 主要 挑战 升级软件开发 数字客户体验与网络安全 管理需求不确定性， 基础设施与监管 构建以客户为中心的组织机构 最大化客户终身价值。 提高效率而不 妥协质量与安全

以及行业企业需加强协作，推动跨界融合，解决技术与市场的问题， 确保产业健康有序地发展。 2.1.3 产业链分析 2.1.3.1 总体情况 人形机器人上游产业链涵盖零部件和基础软件供应，包括电机、 减速器、传感器、控制器、芯片，以及基础软件等核心技术支持；中 游主要由整机系统制造商构成，负责机器人本体的研发设计、组装、 测试和系统集成；下游聚焦于终端应用场景，覆盖工业制造、家庭服 务、医疗康养、高危作业、教育培训等多个领域。 企业在全球产业中树立技术标杆，提升国际话语权和市场竞争力。 2)基础软件 随着人形机器人技术的不断发展，其构型以及感知、控制、决策 等能力日益复杂，基础软件体系也经历了从简单到复杂、从低级到高 级的演变。 23 图 7 基础软件发展历程 人形机器人基础软件逐渐涵盖了操作系统、核心算法、大模型及 仿真软件等多个方面，且各环节的标准化已成为推动产业发展的关键。 目前，操作系统的国产化程度中等，国际上以 ChatGPT、PaLM-E）同台竞技；仿 真软件的国产化程度正在逐步提高，国外软件如 Gazebo 和 MATLAB 等 在仿真领域被广泛应用，而国内则正在加大力度发展自研仿真工具， 并推动其标准化与推广。通过建立统一的建模规范、仿真精度和接口 标准，国内仿真软件逐渐具备更高的适配性，推动数字孪生系统的发 24 展。 未来，应加快基础软件的标准化进程，通过制定接口标准、算法 评估标

势分析探讨了随着生成式人工智能在客户体验、技术开 发、物理世界和劳动力维度上产生涟漪效应，将会发生 的商业转型和信任革命。 二进制的宇宙大爆炸 追踪语言模型与代理系统相结合的 出现，以及它们对构建软件和创造新数字生态系统的传 统带来的挑战。这是软件工程领域的一个重新定义的时 刻，自Ada Lovelace为查尔斯·巴贝奇的分析机编写第一 个算法以来，程序员的角色在很大程度上保持不变。这 一趋势深入一代人的转变，随着领导者重新思考如何设 | 人工智能：自主宣言 组织正进入一个定义时代的转型时刻：二进制大爆炸。 当基础模型打破了自然语言障碍时，它们启动了我们技 术系统的转变：我们如何设计它们、使用它们以及它们 如何运行。它们正在推动软件和编程的极限，增加公司 的数字产出，并为企业DNA中深深植入人工智能的认知 数字大脑奠定基础。我们现在正站在技术系统前所未有 的丰富性、抽象性和自主性的边缘，企业今天所做的决 策将深刻影响他们未来十年能够实现的目标。 代理商，而非个人，是大 多数企业内部数字系统的 首要用户。 一家主要的企业资源规划（ ERP）公司推出了一款新的 以代理为主的平台设计，该 设计允许用户使用自然语言 创建自定义数据仪表板。 微软发布微软办公 软件Word 21 太阳微系统公司发布Java 1. 0作为一种“一次编写，到处 运行”的编程语言 22 Ada Lovelace 编写了“笔 记G”，这被认为是第一 个复杂的计算机算法， 并在查尔斯·巴贝奇的分

Agent正在重塑大模型的产品应用形态，带领AI产品由简单的对话问答向完成复杂任务的智 能代理演进。作为连接数字智能与物理世界的关键技术，具身智能是下一代AI竞争的战略高地， 其发展需要解决硬件加速和软件优化、跨行业生态协作等一系列挑战。DeepSeek的开源开放， 推动了大模型技术的普惠与平权，将加速大模型在产业和消费领域的应用普及。构建面向新一 代人工智能的安全治理体系至关重要，需要在技术、商业、法律、伦理等多个层面协同发力， 向量数据库 数据治理 AI算法框架 AI模型架构 AI开放平台 人工智能大模型层与工具层 Models for AI AI开源社区 通用基础大模型 垂直行业/领域大模型 智能服务器 智算软件平台 闭源 开源 大语言模型 多模态大模型 视觉大模型 语音大模型 智能体开发平台 模型平台/模型服务 大模型开放平台 工 具 层 AI开发平台 按模型路径 按模型模态 AI+政务 为支撑企业及开发者完成产 业端大模型应用建设的重要力量。 面向分布式训练的AI框架 大模型AI开发平台 集结硬件算力与软件平台的产品 分布式AI框架 LLMOps 平台 一体机 中国大模型产业链带动工具 • 大模型时代下，分布式训练对面向大模型 时代分布式训推的软件栈提出新型框架要 求，由此诞生以DeepSpeed、 Megatron、Colossal-AI为代表的分布式 AI开发框架，提高大规模模型训练的效率

Agent正在重塑大模型的产品应用形态，带领AI产品由简单的对话问答向完成复杂任务的智 能代理演进。作为连接数字智能与物理世界的关键技术，具身智能是下一代AI竞争的战略高地， 其发展需要解决硬件加速和软件优化、跨行业生态协作等一系列挑战。DeepSeek的开源开放， 推动了大模型技术的普惠与平权，将加速大模型在产业和消费领域的应用普及。构建面向新一 代人工智能的安全治理体系至关重要，需要在技术、商业、法律、伦理等多个层面协同发力， 向量数据库 数据治理 AI算法框架 AI模型架构 AI开放平台 人工智能大模型层与工具层 Models for AI AI开源社区 通用基础大模型 垂直行业/领域大模型 智能服务器 智算软件平台 闭源 开源 大语言模型 多模态大模型 视觉大模型 语音大模型 智能体开发平台 模型平台/模型服务 大模型开放平台 工 具 层 AI开发平台 按模型路径 按模型模态 AI+政务 为支撑企业及开发者完成产 业端大模型应用建设的重要力量。 面向分布式训练的AI框架 大模型AI开发平台 集结硬件算力与软件平台的产品 分布式AI框架 LLMOps 平台 一体机 中国大模型产业链带动工具 • 大模型时代下，分布式训练对面向大模型 时代分布式训推的软件栈提出新型框架要 求，由此诞生以DeepSpeed、 Megatron、Colossal-AI为代表的分布式 AI开发框架，提高大规模模型训练的效率

在落地时通常采用与医生合作的方式免费部 署，部分主任在采访中没有直接表达采购意愿，只是强调高质量的 AI 产品自然会有用 武之地。 信息化 AI 方面，由于医院院长、信息科主任已经习惯了以采购的方式购置软件，且大 量 AI 可以直接快速地嫁接至现有系统。因而只要产品存在价值，能够为医院带来收益， 他们便愿意为这类产品付费。 4 尤其是在智慧运营、智慧后勤等场景，很多三级医院已经采购了相应的数智化系统，率 放射科向外延伸，可赋能几乎所有涉及医学影像的科室。 1 病理 AI、心电 AI、部分内镜 AI 虽不属于影像 AI 范畴，但技术内核与影像 AI 相似，绝大部分使用的同样是基于深度学习的计算机视觉，且都可 基于《人工智能医用软件产品分类界定指导原则》进行划分，因而我们在此章节将其合并讨论。 7 2.1.1 产品梳理 统计有过融资记录的人工智能初创企业与公布产线的上市公司，蛋壳研究院总计对 64 家企业进行梳理，调研总计 证紧随其后4。 图表 5 2024 年 1-9 月通过第三类医疗器械注册准入的医疗 AI 产品（上） 3 不同统计维度下的影像 AI 三类证数量存在差异。本报告统计时未统计不包含软件注册证中结构及组成、适用范围未提及智能化软件的 各类手术导航系统。 4 部分企业的同一 AI 产品在拿证之后发生了迭代，重新取得三类证，本报告在统计时记为两证。 9 图表 6 2024 年 1-9 月通过第三类医疗器械注册准入的医疗

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 产品开发、简化设备安装并降低产品总成本。消息内容的标准化则通过实现与多个应用和生 利用Wi-Fi、Thread和低功耗蓝牙来构建IoT产品既简单又经济。芯片厂商将这三种无线电 通信功能集成在单个芯片上，并配备统一的软件协议栈。恩智浦的“三频无线”技术通过以 下方式将产品集成成本降至最低：（1）降低设备复杂性；（2）无需进行网络协议栈软件开 发；（3）解决了共享同一频段（2.4GHz）的多无线产品固有且棘手的共存问题。恩智浦将 “三频无线”技术与应用微控制器相结合，实现 连接性考量：家庭和小型企业（HSB）与大型企业 本文阐述在AI的推动下，制造数十亿台AIoT设备蕴含着巨大的商业机遇。这些设备能在免授 权频谱的标准LAN网络中运行，并能与支持AI的应用生态系统自然连接。所有硬件、网络和 软件组件都基于标准，而且是现成的，几乎不需要进行系统定制，因此规模经济效益显著。 Matter就是一个典型例子，它适用于智能家居领域以及其他类似的行业。随着Matter（和 Thread）技术的成熟

3D 世界的空间关系和物理 行为，赋予机器人更强的环境感知、理解和交互能力，实现更广泛的 功能应用，如宇树科技的机器人实现了原地侧空翻、复杂舞蹈动作、 平衡木行走、灵巧手操作等复杂功能。 硬件和软件的深度协同推动了算力效能的提升，为机器人的大规 模应用提供了算力支持。2024 年，全球 AI 大模型的参数量和数据量 持续增长，特别是像 Sora、GPT-4o、Gemini 等多模态大模型的出现， GPU、专用 AI 芯片、 高速互联网络、大容量高速存储等技术，实现了大规模的算力供给， 为处理复杂、不规则的计算任务（如自然语言处理的长序列数据、计 算机视觉的多尺度图像特征）创造了条件；在软件方面，分布式训练 框架、预训练大模型、多模态数据处理等技术也通过精细化算力管理 提升了大模型的训练和推理速度，为机器人的大规模应用提供了基础 支撑。 2 （二）“机器人+人工智能”是新一轮大国竞争的关键 稳定性、精确度、响应速度和易用性方面有待进一步提升。随着国产 替代进程加速，当前机器人核心零部件在多个关键领域已取得突破， 如减速器、伺服电机、传感器等，未来，机器人行业的差异化竞争将 更多聚焦于软件。 二、全球“机器人+人工智能”技术趋势分析 （一）工业领域的机器人正在从中等智能走向高度智能 机器人智能化的发展呈现出五个明显的阶段，每个阶段都标志着 人工智能技术的进步和机器人应用的扩展（图