劣势：需要大量的探索和试错，学习过程缓慢；对于 复杂任务，设计合适的奖励函数难度较高 数据采集技术路线 03 15 资料来源：量子位智库、浙商证券产业研究院 具身智能的数据采集可分为基于仿真环境数据和基于真是世界数据两种路线。 基于仿真环境的数据采集（Sim2Real） 基于真实世界的数据采集 Sim2Real（Simulation to Reality）—— 在仿真环境中学习技能和策略，并迁移到现实世界中。 优势：数据可大规模获取，成本低 • 劣势：对仿真器要求高，仿真环境与真实世界存在差 异；迁移过程中存在性能下降 基于真实世界数据采集——直接从现实世界数据中学习， 包括本体采集、遥操作、动态捕捉、视频学习等方式。 • 优势：数据更真实可靠 • 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 建图方式：VSLAM+激光SLAM 身高：170cm 单臂负载：3.5kg 单臂自由度：6 垂向作业空间：0-2m 传感器：7*相机+1激光雷达 产品特点 丰富工具链，可视化开发界面， 自主仿真平台支持 支持VR遥操控，高效数据采集， 多模态融合，真实环境感知 教育科研、工业物流、家庭康养、 零售药店等领域应用 具有大脑大模型，理解三维场景， 与人自然语言理解，并将长线程任 务分解，自主决策所需操作 楼宇畅行，双手可按电梯，刷闸机

14 年后，如西门 子、达索等世界知名的工业软件公司开始在各自擅长的工业 领域提出数字孪生的衍生概念与应用方案。 2015 年，国内航空工业领域吸收并应用了数字孪生概 念，通过集成各类传感器采集的数据，使用机器学习等人工 智能算法，建立可实时更新的“拟真”模型，以支撑各类航 空工业产品的生命周期内的各项活动。 数字孪生是集成了多物理量、多尺度、多概率的系统， 经过最初在航空航天领域的应用，逐渐扩展到电力、城市管 从而得 到一个与物理实体等价的虚拟实体。仿真服务，指在建立虚 拟实体上进行各类运算，从而对实际物理实体的运行决策进 行支撑。 数据层：包含支撑服务层各类服务的各类数据，包括从 物理实体各处采集和监测的数据，以及对数据中间集和物理 实体历史数据仿真的生成孪生数据。同时，数据层能够运用 机器学习，大模型技术等 AI 技术对数据集进行各类预测及 模拟生成，对数据进行虚拟化，实现数据智能孪生。 IoT、射频识别 RFID、计 算机视觉和声波雷达等。IoT（Internet of things，物联 网）本质上是互联网从人向物的延伸，物联网是将“物”和 互联网相互连接的技术，涉及对于“物”的感知、信息采集、 传输和控制，用于实现物与物、人与物之间的信息交互。具 体而讲，就是通过温度、湿度、压力、振动等传感器实时收 集 环 境 和 设 备 的 数 据 。 RFID （ Radio-Frequency

轻量化数据服务，模块化工具链支持车企仅调用必要地 图要素（如交通标志） 数据带宽需求降低，处理效率提升 众包更新机制 Mobileye 以REM路径，通过1亿+车载摄像头实时更新覆盖全球 采集成本降低，鲜度达分钟级 传感器精简 Momenta 4D毫米波雷达替代部分激光雷达，自研80TOPS中端芯片 传感器成本降低，算力/价格比提升 众源数据机制创 新 TomTom 共 @2025，Beijing Taibo Co.， Ltd. All Rights Reserved. 17 资料来源：泰伯智库整理，产业图谱企业名单为不完全统计，排名不分先后。 底图数据 测绘采集 模组/惯导/高精定位 图商 综合服务型 服务与集成 主 机 厂 出境服务型 上游 中游 下游 市场分析 智驾地图产业链图谱 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得 统一鸟瞰视角三维空间表征 • 4D时空理解与预测 多模态融合 (训练端)： • 视觉、行为、车辆状态等 音频感知 (探索)： • 识别紧急车辆警报声 数据引擎： • 海量车队数据采集 (影子模式) • 自动化标注与仿真 Dojo超级计算机：加速端到端大模型训练 OTA持续进化：快速部署模型更新 FSD V13.2功能突破： 新增停车场直启、三点掉头、纯视觉 倒车及自动停车，提升复杂场景自主

—反馈四个 部分，⽽反馈机制通常内嵌于控制环路中，不完全单列为独⽴模块。系统环节通常包 括环境感知、决策规划和运动控制三个环节，形成感知→决策→执⾏的闭环控制。 感知模块作为具⾝智能的“信息采集和处理器”，通过建⽴对外部环境的感知和理 解，为决策和⾏动提供⽀持。感知模块主要⽤于对象识别、位置定位、场景理解等⽅ ⾯，通过摄像头、激光雷达等多种传感设备的输⼊数据进⾏处理，进⽽从不同模态的 EtherCAT 总线，可选配多模态传感器及多种通讯接⼝，抓握寿命超 100 万次。 2.3.5 ⼤⼩脑系统 机器⼈⼤脑系统负责感知和规划决策，基于多模态⼤模型，学习、理解、融合、 对⻬各传感器采集的跨模态信息，实现对复杂环境的鲁棒建模与更精准、通⽤的感 6 知，并根据环境情况，⾃主拆解任务、规划动作。⼩脑系统的运动规划与控制是⼈形 机器⼈实现⾃然和流畅动作的关键。 银河通⽤ 具⾝智能平台依托云端海量算⼒与先进 AI 模型，整合训练数据⽣成、云上环境感知、 全局规划、⾃主执⾏等能⼒，⽀持真机实采与合成数据训练；智元机器⼈发布的 Genie Studio 作为⾏业⾸款⼀站式开发平台，覆盖数据采集、模型训练、仿真评测、模型推 理全链路，拥有 6000+物体资产与仿真场景，⼤幅降低开发⻔槛；松应科技推出的 ORCA 物理 AI 仿真平台提供功能全⾯、⾼度集成、性能卓越的仿真平台软件，融合⾼

技术驱动：关键硬件实现国产化自研或大幅降价，大模型的 爆发降低开发成本，共同促进机器人落地通用场景 资料与数据来源：公开资料 数据收集与预处理 在智能机器人开发中，大模型 可整合来自摄像头、传感器等 设备采集的图像、声音、物理 信号等数据，将原始数据转化 为适合模型训练的高质量数据 集，极大提升数据准备效率与 质量。 1 大模型 模型训练环节 大模型可实现多任务学习，让 智能机器人同时学习多种技能 细的运动控制系统也称为研究的主要方向。 大模型 人形机器人的保有量仍有待提升，未形成规模化使用导致人形机器人在多样化应用 场景的训练经验与数据积累有限。人形机器人结合数字孪生场景，可实现在不同地 形和环境中进行不同环境的数据采集。目前，数字孪生模型的精细度、准确度与感 知数据的准确性等有待提高。 数字孪生 大模型 群体智能是实现人形机器人在工业、商业服务等重要场景规模化应用的关键。目前, 软件架构的优化是推动群体智能 形机器人，深圳大学推出可呼吸暖体 假人，模拟人类的呼吸和体温为疾病 传播研究提供了重要实验工具。 人形机器人能够在空间站内部监测环 境、维护设备、进行实验，能够在太 空中行走、修复航天器、进行垃圾清 理、地表探测、样本采集等重复性且 有危险性的工作。近十年来，美国、 俄罗斯等国家在持续推进太空机器人 的研发与落地。中国已推出四款太空 机器人，包含机械臂与飞行机器人。 核 电 站 巡 检 场 景 化 工、 生 物 等

拼。流程智能化，可以加速企业新品上市速度、重 塑用户体验，提高创新成功率。 在产品创新领域，流程智能化通过敏捷开发与需求响应闭环重构价值链。比如，服装企业通过创新 的研发流程，实现从门店需求采集到服装设计定稿仅需数周时间，大幅提高了爆款服装命中率。在 用户体验领域，流程智能化则体现为个性化服务与快速响应。比如，企业客户服务部门通过 AI 流 程创新，可以提高客户投诉响应速度，从而拉升 NPS。 义基础，确保机器可理解与执行。其次，企业需要实现战略与执行的动态映射。基于业务架构与流 程架构的贯通，将战略目标拆解为可执行的流程组件，确保 AI 与价值创造路径精准对齐。第三，企 业需要建立数据治理底层规则。通过明确数据采集点、流转路径及质量标准，形成"数据-流程-决策 "闭环治理框架。第四，识别流程熵增的优化靶点。企业通过拓扑关系分析揭示跨系统断点与冗余环 节，为 AI 提供明确的优化约束与决策依据。第五，沉淀持续改进的机制框架。企业构建包含流程责 专家分享实录 | 2025 爱分析 · 流程智能化实践报告 22 法律声明 此报告为爱分析制作，报告中文字、图片、表格著作权为爱分析所有，部分文字、图片、表格采集 于公开信息，著作权为原著者所有。未经爱分析事先书面明文批准，任何组织和个人不得更改或以 任何方式传送、复印或派发此报告的材料、内容及其复印本予任何其它人。 此报告所载资料的来源及观点的出处

手、 芯片和动力模块，这些部件构成了机器人实现环境感知、精确控制和 自主运行的关键基础。 感知器件——涵盖视觉、力/触觉和运动感知的多种传感器，例如 视觉传感器、惯性传感器和力矩传感器，用于采集外部环境信息和机 器人的自身状态数据； 运动器件——包括减速器、丝杠、电机及运动控制器等，负责驱 动机器人完成精确、稳定的动作； 灵巧手——作为精细操作的关键部件，对结构设计、反馈系统和 尺寸规格要求极高； 多种技术的综合应用，可以实现机器人在多样化环境中的自主导航与 控制。这项技术主要涵盖四个方面：一是环境感知和空间定位，通过 激光雷达、摄像头、超声波传感器等多种传感器，实时采集周围环境 的信息，包括障碍物的位置、形状、距离等，为后续的定位与导航提 43 供数据支持；二是地图构建，基于采集到的环境信息，结合机器人自 身的运动状态，构建出环境的二维或三维地图，为机器人的路径规划 提供依据；三是路径规划，在已构建的地图基础上，根据机器人的任 机交互是利用人的大脑信号来控制人形机器人或其他设备，实现人与 机器人交互之间的一种新型交互方式，该概念最早在神经科学和人工 45 智能领域被提出，旨在探索如何通过大脑信号与计算机进行交互，初 步的研究主要集中在大脑信号的采集、预处理和简单识别上，为人形 机器人脑机交互的发展奠定了基础，目前也有研究利用脑电波探测提 高目标探测的准确性，完成机器人的操作，实现军事应用。 2.2.7 大模型训练系统 大模型在人形机器

端到端的定义：基于数据驱动的深度学习 在广义语境中，端到端是一种研发范式，指在一个任务中，从输入端到输出端，中间不经过任何其他处理环节，由 一个模型完整实现输入到输出的全过程。在智能驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统 一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能 从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。 传统智驾系统的感知层、决策规划层和控制执行层之间 所 硬件层面，特斯拉构建了Dojo超级计算机系统，计划2024年算力规模突破100E FLOPS，为端到端模型的训练提供 了强大支撑。 算法结构层面，FSD采用纯视觉解决方案，主要依靠8个摄像头采集视频数据，依靠AI芯片和神经网络算法进行数 据处理，实现自动驾驶。特斯拉最初与Mobileye合作，2016年转向自研。2020-2022年，特斯拉实现了 BEV+Transformer+占用网络升 视觉融合方案，主要依靠激光雷达采集数据以探索可行驶的空间， 并通过AI芯片和算法对数据进行处理，实现自动驾驶。融合感知方案的上限较高，但同时对算力算法的要求也高。 ADS通过1500波长的激光雷达感知环境数据，可以突破视觉限制，受夜晚、雨天、雾天以及尘土等天气因素的影响很 小，且激光雷达收集的数据自带距离向量，无需芯片重复计算；另一方面，激光雷达和视觉同时采集数据需要数据融 合处理，对算力

字孪⽣”患者群体，提⾼招募效率 • 剂量探索：通过强化学习算法模拟不同 剂量⽅案的效果，缩短 1 期的试验周期 试验执⾏多元 • 去中⼼化试验⽀持：居家数据采集与 依 从性管理 • 院外数据的⾃动采集和综合分析 执⾏效率提升 • 医院侧： 电⼦病历⾃动化 • CRO/ 企业：辅助⽂档处理、数据分析 等重复⼯作 • 企业： 申报材料的准备 “ 若临床时间缩短

从历史数据中识别符合⼊组标准的“数 字孪⽣”患者群体，提⾼招募效率 • 剂量探索：通过强化学习算法模拟不同 剂量⽅案的效果，缩短1期的试验周期 试验设计优化 • 去中⼼化试验⽀持：居家数据采集与依 从性管理 • 院外数据的⾃动采集和综合分析 试验执⾏多元 • 医院侧：电⼦病历⾃动化 • CRO/企业：辅助⽂档处理、数据分析 等重复⼯作 • 企业：申报材料的准备 执⾏效率提升 25 “若临床时间缩短1年，研发回报率IRR提升⾄9