源数据和信息，导致在处理与时效性相关的能源问题时，给出的结果滞后或不准确。 2、逻辑推理方面：1）复杂逻辑处理能力有限，能源系统涉及发电、输电、配电、用电等多个环节，各环节之间存在复杂的因果关系和 逻辑联系。DeepSeek在处理一些需要深入理解和分析复杂能源逻辑关系的问题时，可能会出现混淆概念、因果倒置等逻辑错误，难以提 供准确有效的解决方案。2）缺乏辩证思维。能源行业的很多问题需要综合考 理等相关领域的数据，让DeepSeek能从更丰富的维度理解能源问题中的逻辑关系。 。 2、模型优化：利用能源领域的特定数据集对DeepSeek进行微调，针对能源领域的复杂逻辑关系问题，调整模型的参数和结构。将 DeepSeek与其他专门用于处理逻辑关系的模型或算法进行集成，如知识图谱、逻辑推理引擎等，结合各自的优势来提升处理复杂逻辑 关系的能力。 3、多模态融合与交互： 除了传统数据，融入能 视频识别能源设备状态，结合文本数据，能让DeepSeek更全面地理解能源场景中的复杂逻辑。 4、模拟与仿真结合：将DeepSeek与能源系统模拟软件集成，利用模拟软件对能源系统的物理过程进行精确模拟，DeepSeek基于模拟 结果进行逻辑分析和决策优化，如在电力系统规划中，结合模拟软件的潮流计算结果，DeepSeek进行更合理的电网布局和调度逻辑分 析。

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 • 聚焦工业：洞见新能源汽车制造——5大工序 VS 人形机器人适配4大工种（搬运、质检、工站衔接、基础组装） • 真实案例：采集某全球头部企业场景规划——验证人形机器人落地场景、适配工种逻辑 • 产业展望：工业、家庭 展望：人形机器人产业关键节点识别 M2 2025 Proprietary and Confidential All Rights Reserved. 人形机器人应用场景演进逻辑 未来人形机器人落地场景将由工业->家庭->商业演进，主要基于两大核心逻辑：场景的标准化程度、任务的复杂程度由简至繁 5 工 作 环 境 复 杂 工 作 环 境 简 单 任务单一 任务复杂 商业服务 单一动作执行 ✓ 商业演出 ✓交互对象较多元 商业场景 标准化程度较低。 ✓环境最开阔多变 ✓交互对象最多元 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 人形机器人落地场景演进逻辑 M2 2025 Proprietary and Confidential All Rights Reserved. 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

•人工智能：让机器具备动物智能，人类智能，非人类智能（超人类智能） •运算推理：规则核心；自动化 •知识工程：知识核心；知识库+推理机 •机器学习：学习核心；数据智能（统计学习方法，数据建模） •常规机器学习方法：逻辑回归，决策森林，支持向量机，马尔科夫链，….. •人工神经网络：与人脑最大的共同点是名字，机制和架构并不一样 •传统神经网络：霍普菲尔德网络，玻尔兹曼机，….. •深度神经网络：深度学习 • 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 基础上通过RL方法强化CoT能力而来 推理能力 在日常语言任务中表现均衡，但在复杂逻辑推理（如 数学题求解）上准确率较低。 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 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 如采访大纲、方案梳理。 用户交互体 验 提供流畅的实时对话体验，支持多种输入模态；用户 界面友好，适合大众使用。

，Transformer架构更多融入语音、视觉领域，发展 端到端的语音大模型、以DiT、ViT为代表的视觉大模型。 大模型应用逻辑：1）替代逻辑-小模型既有场景，但大 模型的效果更好 2）可行逻辑-原本小模型在某些场景能 力无法达到，大模型具备可行性 3）创新逻辑-大模型发 掘了客户需求，在需求侧未提出要求情况下创造新场景 需求 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 全产业推理思考模型的技术进步，也让人们对AI能力有了更深刻感知。 系统一 直觉和本能 系统二 理性 • 快思考：快速、自动、 直觉性、无意识 • 原本GPT系列思考形 态更类似于系统一 • 慢思考：缓慢、需要努力、 逻辑性、有意识 • 推理模型加强推理思考能力， 思考形态往系统二倾斜 95% 5% 自大模型发布以来，Scaling Law成为模型层发展迭代共识，国内大模型基座厂商均通过不断加大参数量级以获得模型能力的优化增强。 2025年初，借助DeepSeek的C端产品上线与开源模型发布，AI产品在C端再度破圈， 将其影响力扩展到更泛职业、泛年龄层的C端用户群，并推动B端对开源生态的接入， 进一步从B端切入推动在C端的产品应用与市场教育 产品逻辑： 1）AI功能+产品融合：如抖音（AI 生成）、美图（AI渲染）等 2）独立AI产品：如豆包、kimi、秘 塔搜索、星野等 3）AI Agent或AI助理定位 AI产品的渠道与流量池仍与互联网产品高

，Transformer架构更多融入语音、视觉领域，发展 端到端的语音大模型、以DiT、ViT为代表的视觉大模型。 大模型应用逻辑：1）替代逻辑-小模型既有场景，但大 模型的效果更好 2）可行逻辑-原本小模型在某些场景能 力无法达到，大模型具备可行性 3）创新逻辑-大模型发 掘了客户需求，在需求侧未提出要求情况下创造新场景 需求 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 全产业推理思考模型的技术进步，也让人们对AI能力有了更深刻感知。 系统一 直觉和本能 系统二 理性 • 快思考：快速、自动、 直觉性、无意识 • 原本GPT系列思考形 态更类似于系统一 • 慢思考：缓慢、需要努力、 逻辑性、有意识 • 推理模型加强推理思考能力， 思考形态往系统二倾斜 95% 5% 自大模型发布以来，Scaling Law成为模型层发展迭代共识，国内大模型基座厂商均通过不断加大参数量级以获得模型能力的优化增强。 2025年初，借助DeepSeek的C端产品上线与开源模型发布，AI产品在C端再度破圈， 将其影响力扩展到更泛职业、泛年龄层的C端用户群，并推动B端对开源生态的接入， 进一步从B端切入推动在C端的产品应用与市场教育 产品逻辑： 1）AI功能+产品融合：如抖音（AI 生成）、美图（AI渲染）等 2）独立AI产品：如豆包、kimi、秘 塔搜索、星野等 3）AI Agent或AI助理定位 AI产品的渠道与流量池仍与互联网产品高

渲染技术通常指通过计算机图形引擎，多层次实时渲染 呈现数字孪生体实境的技术。通常支持包括宏大开阔地理信 息如城市环境，精细细密局特征等，主要能力至少包括有三 维实体的可视化渲染能力，数据可视化渲染能力，业务逻辑 可视化渲染能力，应用逻辑可视化渲染能力等。 2.仿真技术 工程仿真传统上一直被用于新产品设计和虚拟测试。 虚拟仿真技术（CAE）是实现工业产品及制造过程模拟仿真 与优化的核心技术，是支持工程师进行产品创新设计最重要 （光检测和测距）或其他 3D 扫描设备获取大量空间坐标点， 然后使用表面重建算法如 Delaunay 三角剖分或泊松重建。 此外，动态建模技术，专注于捕捉和表示系统的动态行为， 常见用于表达逻辑流程和状态转换的状态机建模，用来模拟 并发事件和资源分配问题的 Petri 网建模等。建模技术为数 字孪生提供了坚实的理论和技术支撑，正向着更加自动化、 智能化的方向不断发展。 5.感知类技术 手段， 对业务办理、客户服务过程中产生的图片、语音、视频等非 结构化数据进行深度信息挖掘与分析，构建可以与客户完美 互动的虚拟网点环境（见图2）。 18 图 2 基于数字孪生技术的虚拟网点逻辑架构 （二）数字人 1.应用场景概述 数字人技术目前已大量应用于金融产品营销、金融业务 办理等场景，通过创建高保真的数字人形象，借助计算机图 形学、图形渲染、深度学习、动作捕捉、语音识别及合成等

金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 因此，今年的人工智能报告将研究核心放在了“场景”与“产品”之上，尝试通过洞悉医院、 药企、械企多方的供需逻辑，分析先驱者们的实战案例，为 AI 企业下一步的布局、选 品、研发、商业化提供参考建议。 核心观点 1. 伴随 AI 应用的持续扩展与需方对于 AI 认知的不断加深，“提效”取代“政策”成为需方 AI 的进一步发展及医生对于 AI 技术的进一步认可，许多医生、管理者开始找到 AI 企业主动提出需求，要求后者根据具体需求打造能够提质增效的 AI 解决方案。 举个例子。DRG 出台后，医院的盈利逻辑由规模扩张向成本控制转变，管理者开始更加 注重内部管理的精细化和科学化，提高运营效率和医疗服务质量。这个时候，传统的医 疗 IT 系统不能满足医院精细化管理提出的各种需求，医院管理者转向 AI 系统寻求助力， 公司较少跨界这一方向。此外，不少仅需二类证即可实现商业化落地，因而产品竞争 相对平淡。不过，如今也有不少相关 AI 获批医疗器械三类证，用 AI 深度赋能上述细分 赛道，或在未来改变这一场景的应用逻辑。 2 放疗 AI 通常可处理多种肿瘤，这里统归为“肿瘤（放疗）”。 8 图表 4 产品分布图（脏器分布+病种分布） 资料来源：国家药监局官网、各企业官网 （其中“其它”包括皮肤、口腔、盆底等；“多种”表示含分类疾病中

传统AGI发展步伐在放慢 需要寻找新方向  Scaling Law边际效应递减  人类训练数据接近枯竭  合成数据无法创造新知识  推理能力难以泛化，成本高昂 全面超越人类的人工智能在逻辑上不成立 政企、创业者必读 15 DeepSeek出现之前的十大预判 之二 慢思考成为新的发展模式  大模型发展范式正在从「预训练」转向「后训练」和「推理时计算」  大模型厂商都在探索慢思考、思维链技术 预训练模型如GPT——疯狂读书，积 累知识，Scaling law撞墙  预训练模型思考深度不够  算力见顶，变成少数巨头游戏 预训练大模型 推理大模型 预训练大模型难以通往AGI之路  推理模型如R1——通过逻辑链条推导答案， 分解规划，自我反思  预训练范式像是记忆和模仿，强化学习范 式更像探索实践  记住很多东西只是基础，真正有价值的是 融会贯通 R1找到了人类通往AGI的方向 DeepSeek颠覆式创新——技术创新 AI安全：实现安全的「自动驾驶」 46 政企、创业者必读 大模型的六大能力 47 基本 能力 业务 能力 创新 能力 赋能 未来产业 创意 能力 赋能企业 数转智改 数学计算 语义理解 逻辑推理 语言翻译 文本创作 自动驾驶 具身智能 1 2 4 5 知识问答 代码编程 文本生成 多轮对话 图像生成 视频生成 音频生成 A I 数字人 生物制药 新材料研究 脑机接口

RL 驱动下自然涌现 Long-CoT 能力 传统 RLHF 背景下， SFT 通常被认为是不可或缺的一步，其逻辑先用大量人工标注的数据来让 模型 初步掌握某种能力（如对话或者语言风格），然后再用 RL 来进一步优化性能 DeepSeek-R1 系列跳过对于大规模人工标注数据的依赖 无需构建和维护高质量的 学 生在复习时，会反思自己之前的错误，以便下次不再犯同样的错误。 而长链推理能力则让模型能够处理更复杂、更需要多步骤思考的问题。这种能力对于解决 一 些需要跨越多个逻辑步骤才能找到答案的问题至关重要，例如复杂的数学题或逻辑谜题。 冷启动让 RL 训练更加稳定： 避免 RL 训练初期的不稳定，使得模型能够更快地进入稳定的训练状态； 有效地加速 RL 训练的收敛，缩短训练时间； 提高 基于长思维链的推理可以在一定程度上提高模型的可解释性 提供显式的推理路径，让人类可以追踪模型如何从输入推导出输出，从而追踪模型的决策过程， 减少黑箱推理。 同时， CoT 使监督者更容易检测模型是否遵循合理逻辑，并有助于 AI 对齐过程中对模型行 为 的透明化处理。 然而， CoT 并不能完全解决可解释性问题， 因为模型仍可能利用 CoT 进行欺骗性推理，即 In- Context

OLED加工中需要的激光设备 资料来源：中华液晶网，国泰君安证券研究 资料来源：中华液晶网，国泰君安证券研究 OLED模组组装端使用的主要设备 1.5 60 电子行业2019年春季投资策略 激光：三重逻辑共振，短期因素不改长期增长趋势 短期激光设备受贸易战、宏观经济走弱、下游加工企业扩产意愿减弱等因素影响，增长放缓。从中长期看，我们认为激光设备 将以其高加工效率，出色的加工效果，不断增长。主要增长来源为： 设备初期投入成本低， 刀具磨损等维护成本 较高，材料利用率低 适用性 较广，适用高硬度、质脆、 柔性等各种材料 较窄 资料来源：国泰君安证券研究 1.5 61 电子行业2019年春季投资策略 激光：三重逻辑共振，短期因素不改长期增长趋势 受经济压力，激光器市场增长放缓：根据Strategies Unlimited的数据，2017年全球激光器的销售额达到130.7亿美元，比 2016年增长了21.6% 决：广泛覆盖、海量连接，对于速率和时延等要求并不高的 场景主要使用LPWAN。超高可靠和超低时延通信，随着5G推进即将落地。另外5G的网络切片技术可基于统一平 台提供的定制、隔离、质量可保证的端到端逻辑专用网络，为智能工厂、智慧城市、自动驾驶等纵向应用提供了 坚实基础。 低中高速网络布局已完成 5G带来物联网更多应用场景落地 资料来源：国家无线电监测中心，国泰君安证券研究 资料来源：华为，国泰君安证券研究