劣势：数据少、泛化性差；通过机器本体和人采集， 成本高、难度大、效率低 国内外厂商 大模型进展 04 Partone 16 银河通用抓取基础大模型 GraspVLA 04 17 资料来源：银河通用公众号，浙商证券产业研究院 2025年1月，银河通用发布抓取基础大模型GraspVLA。GraspLVA的训练包括预训练及后训练。其中预训练完全基于合成大数据，训练数据 达到了有史以来最大 ，维持高泛化性的同时形成符合产品需求的专业技能。 Figure AI 人形机器人VLA通用大模型 04 18 资料来源：银河通用官网，浙商证券产业研究院 2025年2月，Figure AI发布了人形机器人VLA通用大模型。为了解决视觉语言模型“通用、但不快速”，和机器人视觉运动策略“快速、但不 通用”的矛盾，Figure通过建立一套互补的系统进行权衡。两套系统通过端到端训练以进行通信。其中， 连续机器人动作。 智元通用具身基座大模型GO-1 04 19 资料来源：智元机器人官网，浙商证券产业研究院 3月10日，智元发布首个通用具身基座模型——智元启元大模型（Genie Operator-1），提出了Vision-Language-Latent-Action (ViLLA) 架构，该架构由VLM+ MoE组成，其中VLM借助海量互联网图文数据获得通用场景感知和语言理解能力，MoE中的Latent

.......................................................................................62 5.2.1 基础通用标准................................................................................................. 所以，人形机器人在不同的应用背景下，具有不同的概念和含义。 目前，国内主流科技咨询公司对人形机器人概念的观点主要如下： 1）人形机器人是具备人类外形特征和行动能力的智能机器人，以 双腿行走的方式，通过手臂和身体的协调完成功能，基于通用型算法 和生成式 AI，具备语义理解、人机交互、自主决策等能力，并利用人 机交互实现任务理解与反馈，需要强大的感知计算与运动控制能力 （《创业邦》）； 2）人形机器人是一种仿生机器人，指形状与尺寸与人体相似，能 提出打造世界级产业集群，加快人形 机器人创新发展 上海市 《上海市促进智能机器人产业高质量创 新发展行动方案（2023—2025 年）》 2023 年 提出建设人形机器人制造业创新中 心，开发通用人形机器人原型机，打 17 造具有国际影响力的人形机器人产 品等 浙江省 《关于培育发展未来产业的指导意见》 （浙江省） 2023 年 提出发展仿生机器人，开展仿生感知 认知、生机电融等技术研究突破与系

络效应。其影响已经显现，随着公司继续扩大AI规模 ——并将生成式AI作为变革的催化剂——它将解决新 的问题，创造新的发明，改变我们的工作和生活方式 ，并转型行业和政府。 安永研究显示，仅有36%的高管表示他们的组织已 经实现了通用人工智能解决方案的规模化，仅有13 %的人报告称实现了显著的企事业级影响。随着我 们将2025年视为规模化人工智能的年份，我们正在 积极为他们提供更快、更安全地实现这一目标的工 具。 我们的研究发现，77%的执行官认为，只有在建立在信 高度能效的高级人工智能 但是这是一个烟幕弹——大多数商业领袖都无法承受的 干扰。总有一天，通用人工智能将会产生巨大的影响， 但今天它仍然遥远，需要解决深层次的技术和伦理挑战 。相反，领导者们看到眼前更为紧迫的问题至关重要： 人工智能的普及，这将在新水平上为企业系统、工作队 伍和运营带来自主性和能力，在通用人工智能发挥作用 之前就已经到来。 在通用人工智能（AGI）方面。 2,3 并且，就像以前 一样，这场比赛吸引了商业领袖、政府和全世界人们 认知数字大脑的构成要素是什么？ 引言 5 领导者必须充分理解的是，人工智能最重要的特征是其 学习能力。当人工智能变得通用，并且企业将其扩散到 业务中，人们将其融入他们的生活中时，它有可能成为 比它提供的新功能和能力多得多的东西。企业并不仅仅 是赋予员工力量，创造新的客户服务渠道，或自动化部 分业务运营。他们正在采用一种带有广泛通用知识的技 术，这种技术本质上是由于其学习能力而定义的，并且 他们正在 教学 这与业务的一部分有关。当人们使用它

01 大模型相关术语 l 多模态 Ø 文本、图片、音频、视频 l AI工具（国内） Ø DeepSeek、 豆包、Kimi、腾讯元宝、智谱清言、 通义千问、秘塔搜索、微信搜索... l 通用模型 Ø 大语言模型（LLM，Large Language Model） Ø 视觉模型（图片、视频） Ø 音频模型 Ø 多模态模型 Ø …… l 行业模型（垂直模型、垂类模型） Ø 教育、医疗、金融等 ref:中文大模型基准测评2024年度报告(2025.01.08) 推理模型 生成模型与推理大模型的对比 比较项 OpenAI GPT-4o（生成模型） OpenAI o1（推理模型） 模型定位 专注于通用自然语言处理和多模态能力，适合日常对 话、内容生成、翻译以及图文、音频、视频等信息处 理、生成、对话等。 侧重于复杂推理与逻辑能力，擅长数学、编程和自然语言推理任 务，适合高难度问题求解和专业领域应用。一般是在生成模型的 在复杂推理任务表现卓越，尤其擅长数学、代码推理任务。 多模态支持 支持文本、图像、音频乃至视频输入，可处理多种模 态信息。 当前主要支持文本输入，不具备图像处理等多模态能力。 应用场景 适合广泛通用任务，如对话、内容生成、多模态信息 处理以及多种语言相互翻译和交流；面向大众市场和 商业应用。 适合需要高精度推理和逻辑分析的专业任务，如数学竞赛、编程 问题和科学研究；在思路清晰度要求高的场景具有明显优势，比

，但仍有头部厂商在加大模型参数、数据规模和算力资源的投入，延续大力出奇迹的大 模型训练之路。2025年2月，OpenAI推出GPT 4.5系列模型，进一步加大模型参数，主要通过无监督训练提升了模型通用能力，在模型准确 率及幻觉率方面达成显著优化。但Altman同样表示这将是最后一代“非思维链”模型，后面GPT 5将采取融合技术路径，纳入推理侧思考。 • 以OpenAI为例，在GPT 4o模型 2024年中国人工智能产业图谱 AI基础数据服务 数据集 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 可理解超长指令，执行超长任务； 2025年3月，蝴蝶效应推出通用型AI助手Manus，可实现企业研究、旅行规划、课程设计等多场景的任务规划与流程操作。 中国AI Agent厂商生态分化现状与当下发展困境 互联网科技大厂 垂直领域科技厂商 Agent开发平台厂商 原生Agent应用厂商 • 提供一站式大模型开发平台 • 推出通用型Agent工具链 • 成熟产品集成Agent能力 依托底层算力资源与大模型能力，构建"基

，但仍有头部厂商在加大模型参数、数据规模和算力资源的投入，延续大力出奇迹的大 模型训练之路。2025年2月，OpenAI推出GPT 4.5系列模型，进一步加大模型参数，主要通过无监督训练提升了模型通用能力，在模型准确 率及幻觉率方面达成显著优化。但Altman同样表示这将是最后一代“非思维链”模型，后面GPT 5将采取融合技术路径，纳入推理侧思考。 • 以OpenAI为例，在GPT 4o模型 2024年中国人工智能产业图谱 AI基础数据服务 数据集 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 可理解超长指令，执行超长任务； 2025年3月，蝴蝶效应推出通用型AI助手Manus，可实现企业研究、旅行规划、课程设计等多场景的任务规划与流程操作。 中国AI Agent厂商生态分化现状与当下发展困境 互联网科技大厂 垂直领域科技厂商 Agent开发平台厂商 原生Agent应用厂商 • 提供一站式大模型开发平台 • 推出通用型Agent工具链 • 成熟产品集成Agent能力 依托底层算力资源与大模型能力，构建"基

CoT 并且展现出通用能力的模型 R1 ； 能否利用一些高质量反思数据集做 Cold Start 从而加速 RL 的收敛或帮助提升推 理表现 DeepSeek-R1 技术 Pipeline 总览 15 Stage II: 通用能力 & 安全性 规则奖励 (Rule-based Reward) 600k 推理数据 (Rule-based+Generative 奖励 ) 通用任务 - 偏好建模 (Reward Model) DeepSeek-R1 技术 Pipeline 总览 200k 通用数据 （ Writing \ Role-Play etc. ） 数学代码推理任务 正确率奖励 正确率奖励 反思数据 双重验证 和之前 Cold-Start 的数据不同，这部分 SFT 主要是负责全领 域 任务 600k 推理任务： (1) 基于规则的奖励 (2) 利用批判模型 融 合生成式奖励 200k 通用任务 (writing \ role-playing \ general- purpose) 成效： 使模型在推理能力不减的前提下，语言表现更为自然， 适应性更为广泛。 全领域 RL

液冷）、平台调度 层（弹性调度/绿色节能）、应用场景层（AI训练/边缘智能） 规模与增长 ｜ 2024年中国智能算力规模达725.3EFLOPS，同比增速74.1%，市场规模190亿美 元，增速超通用算力3倍 未来趋势 ｜ 2026年智能算力规模将达2024年两倍（1,460.3EFLOPS），市场规模增至337亿 美元 4 Supplyframe, Inc. Confidential & Proprietary not reproduce or distribute. 1. 智算产业现状总览 我国智能算力规模和增长趋势： 2024年，中国智能算力规模达725.3EFLOPS，同比增长74.1%，增幅是同期通用算力增幅(20.6%)的3倍以上；市场 规模为190亿美元，同比增长86.9%。 未来两年，中国智能算力仍将保持高速增长： 中国智能算力规模： 2025年将达到1,037.3 EFLOPS，较2024年增长43%； Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况 智算中心利好芯片类型 来源：与非研究院 GPU占据主导地位，CPU作为基础通用算力紧随其后。FPGA、AI ASIC芯片、DPU网络芯片和NPU等 专用芯片则在特定应用中发挥着重要作用。 17 Supplyframe, Inc. Confidential & Proprietary

载，不断完善存力灵活保障，持续增强算力赋能成效，全面推 动算力绿色安全发展，为数字经济高质量发展注入新动能。 （二）基本原则 多元供给，优化布局。坚持多元发展路线，调动各类市场 2 主体积极性，构建通用、智能和超级算力协同发展的供给体系， 持续优化算力资源地域布局，加强集约化建设，强化算网存用 协调发展，推动新一代信息技术与算力设施融合应用，引导算 力运营智能化升级。 需求牵引，强化赋能。坚持市场需求导向，发挥区域比较 2. 推动算力结构多元配置。结合人工智能产业发展和业务 需求，重点在西部算力枢纽及人工智能发展基础较好地区集约 化开展智算中心建设，逐步合理提升智能算力占比。推动不同 计算架构的智能算力与通用算力协同发展，满足均衡型、计算 4 和存储密集型等各类业务算力需求。 3. 促进边缘算力协同部署。加快边缘算力建设，支撑工业 制造、金融交易、智能电网、云游戏等低时延业务应用，推动 “云边 力，是衡量数据中心计算能力的一个综合指标，包含通用计算 能力、超级计算能力和智能计算能力。常用计量单位是每秒执 行的浮点运算次数（FLOPS，1EFLOPS=10^18 FLOPS），数值 越大代表综合计算能力越强。据测算，1 EFLOPS 约为 5 台天河 2A 或 50 万颗主流服务器 CPU 或 200 万台主流笔记本的算力输 出。 计算公式为：CP=CP 通用+CP 智能+CP 超级 3.

务商 • 需求来源为通用算力的部署 • 销售模式为零售模式 • 需求端客户主要为通信企业与政企自用，互联网企业需 求逐步显现 • 供给端以运营商为主， 存在部分第三方算力中 心服务商 • 电商、游戏等移动互联 网产业的发展带来通用 算力的部署需求扩张 • 销售模式为零售模式 • 供给端第三方服务商在 资源端迅速扩张 • 需求来源以云服务、短 视频厂商带来的通用算 力为主 • 销售模式因云计算行业 销售模式因云计算行业 的高速发展发生变革， 定制批发的新模式诞生 • 供给端第三方服务商逐 渐成为市场主流 • 需求来源中大模型厂商 的智算需求快速增长， 云服务与短视频厂商的 通用算力保持稳定增长 • 销售模式以定制批发为 主，结合部分零售业务 • 第三方服务商占据定制 批发市场的主要份额 • 需求来源以智算为主要 驱动，通算稳定增长 • 受益于大模型的训练需 求增长，定制批发模式 再迎发展机遇 798 17,424 23,917 亿元 IaaS PaaS SaaS 关键分析 • AI大模型井喷，智能算力需求增速远超芯片性能提升和产能扩张速度的上限。相较于传统云资源池以CPU为通用计算主体，当下以GPU为代表的芯片成为提供智能 算力的主力军。借助云计算实现零散智算资源集中与纳管的优势，各大云厂商纷纷在智算领域进行布局，形成千卡、万卡智能云集群，以云服务的方式提供可便捷 获取