系统类型和主要厂商市占率拆分 ....................................................................................... 20 图表 32： 产业链相关公司估值表（iFinD 和 VisibleAlpha 一致可比，估值日期截至 2025 年 2 月 9 日） ................ 21 图表 33： 重点推荐公司一览表 电力需求快速增长，缩小与海外领先国家的差距。 根据国家能源局，2022 年全国数据中心用电量约 2700 亿度，占全国用电量~3%。根据信 通院，2022 年全国算力规模达到 302Eflops（基于 FP32 等效），其中基础算力、智能算力 规模分别达到 120、178.5Eflops。根据信通院，截至 2022 年末，标准机架 650 万架（按 标准机架功率 2.5kw 统计），对应数据中心装机功率累计 智能算力亦可拆分为训练算力和推理算力，DeepSeek 或撬动 AI 应用的推理算力需求，数 据中心的能效比要求相应提升。训练算力专门用于训练 AI 模型，处理大量数据，亦有相对 应的训练卡，例如英伟达 A100 等，更强调单精度（FP32）和半精度（FP16）的高性能， 因为训练追求精确计算；推理算力用于快速处理预训练好的 AI 模型，对应的推理卡以英伟 达 L20 为代表，浮点运算能力要求较训练卡低，更关注整数精度（INT8）来大幅提高计算

上海鸣志电器股份有限公司 ................................................................................................32 5.3 浙江赛亚智能制造有限公司 ................................................................................ 智能移动机器人电机与减速机产品发展蓝皮书 2025 智能移动机器人电机与减速机产品发展蓝皮书 新 战 略 咨 询 新 战 略 咨 询 NEW STRATEGY CONSULTING NEW STRATEGY CONSULTING 32 33 请务必阅读正文之后的免责条款部分 请务必阅读正文之后的免责条款部分 2025 智能移动机器人电机与减速机产品发展蓝皮书 2025 智能移动机器人电机与减速机产品发展蓝皮书 新 战 略 咨

DeepSeek-R1-Distill-Llama-8B Llama-3.1-8B DeepSeek-R1-Distill-Qwen-14B Qwen2.5-14B DeepSeek-R1-Distill-Qwen-32B Qwen2.5-32B DeepSeek-R1-Distill-Llama-70B Llama-3.3-70B-Instruct DeepSeek-R1-671B DeepSeek-V3-Base 满血版，能力最强

TX2和Jetson AGX Xavier，适用于不同的应用场景。Jetson Nano是最小的设备，配备了 128核心GPU和四核ARM Cortex-A57 CPU。Jetson Xavier系列模组具有高达32 TOPS的AI性能，适用于自主机器的视觉测距、传感器融合、 定位和地图构建等应用。 2024年GTC大会上，英伟达还发布了一款基于 NVIDIA Thor 系统级芯片（SoC）的新型人形 机器人计算机 Process（去噪过程）逐步回归动作序列。 Action Expert 动作专家 通过ViLLA创新性架构，在五种不同复杂度任务上测试 GO - 1， 相比已有的最优模型，GO - 1成功率大幅领先，平均成功率提高 了32%(46%->78%)。其中“Pour Water”（倒水）、“Table Bussing”（清理桌面）和“RestockBeverage”（补充饮料） 任务表现尤为突出。 此外智元还单独验证了ViLLA架构中Latent 设备以及 “数据采集-数据标注-数据管理-模型训练-模型评测-模型部署-数据回传”等全链路的数据平台。 智元具身智能数据系统 AIDEA 智元数采工厂 遥操作-可行商业模式落地探究 05 32 资料来源：钛媒体AGI、浙商证券产业研究院 在具身智能技术发展的关键阶段，数据要素已成为驱动该领域突破的核心性基础。Meta首席技术官安德鲁·博斯沃思近期指出，当前数据资源尚无法有效支撑 具

31 6.7.3 ������������ ............................................................................ 32 6.8 场景 8、无线投诉处理 ................................................................................ ��������������������� ����� ����� ��� 1000 � ������������������������������������������ 32 ��� ���� ����� ���������������������� ���������������������� ��������������� 6.7.3 ������������

稀疏专家混合模型） • 每次推理仅激活相关专家，“术业有专攻” • “ 专事专办、要事要办 ⼩事不办 尽量不跨组解决” • 节省 42.5% 训练成本 FPB 混合精度训练 • 传统模型需要⽤ 32 位或者 16 位数记录数 字 • “ ⼿机号码，记最后 4 位” • 提升训练速度同时保持精度，降低硬件门槛 数据蒸馏技术 • 从海量数据中提炼⾼价值信息，提升模 型 学习 效率 数据隔离机制 • 避免透露公司敏感信息：⽐如 内 部⽂件、政策草案、经济数 据等 企业应⽤ 数据授权和管理 ⼤模型虽好，使⽤需谨慎 数据隐私和安全 个⼈应⽤ 法律风险 虚假信息 32 感谢 科技助医 互联为健 共建医疗健康新⽣态

模型的占⽤率降低⾄传统的MHA%5-13% MLAn（多头潜在注意⼒机制） • 像学霸⼀样把注意⼒消耗降到最低 • “⼀⽬⼗⾏ 跳记重⼼ 记住题点”“ NSAn(原⽣稀疏注意⼒)n • 传统模型需要⽤32位或者16位数记录数字 • “⼿机号码，记最后4位” • 提升训练速度同时保持精度，降低硬件门槛 FPBn混合精度训练 • 从海量数据中提炼⾼价值信息，提升模型 学习效率 • 蒸馏垂类⼩模型能⼒，不输于全尺⼨模型 模型选择和微调：“满⾎”虽好，但所需推 理资源逆天 • ⾼并发处理 ROI优化 个⼈应⽤ 企业应⽤ • 避免透露公司敏感信息：⽐如内 部⽂件、政策草案、经济数据等 法律风险 虚假信息 32 ⼈⼯智能将如何改变医患互动？ 科技助医 互联为健 共建医疗健康新⽣态 感谢

请务必阅读正文之后的免责条款部分 图31：理想汽车与极佳科技等联合推出ReconDreamer世界模型 资料来源：汽车之心，51CTO，国元证券研究所 理想：双系统并行，VLM规范端到端模型下限 32 世界模型是端到端自动驾驶的闭环仿真系统， 可视为VLM的逆向工程，通过文字提示生成视 频。它与端到端模型可以协同工作——世界模 型生成的视频输入车端大模型，车端大模型规 划并执行动作，动作产生新场景和视角，再由 性，确保精准 控制。 请务必阅读正文之后的免责条款部分 图33、34：系统1（端到端）&系统2（VLM）架构 资料来源：理想汽车2024智能驾驶夏季发布会，自动驾驶之心，国元证券研究所 图32：理想汽车双系统架构 资料来源：理想汽车2024智能驾驶夏季发布会，自动驾驶之心，国元证券研究所 2025年1月，理想汽车推出最新版本OTA 7.0，将端到端+VLM的双系统拓展至高速和环路，依托800万Clips训练数据 雷达缺乏的高度信息，但在角分辨率和点云数量上逊于高线束激光雷达。4D毫米波雷达在距离、方位、速度三个维度 基础上增加了高度信息，并像激光雷达一样呈点云图，能呈现出更多细节；但生成点云相对稀疏，密度基本与32线激光 雷达相当，与目前主流的百线以上激光雷达差距较大，且角分辨率较低。数据量对于多模态大模型的落地至关重要，因 此短期内高线束激光雷达仍无法完全被毫米波雷达取代。随MEMS、FLASH逐步走向市场，激光雷达技术从机械式向全固

的企业实现了用户体验显著提升 超过三成 (32%) 的企业带动了产品创新和业务价值增长 近三成 (29%) 的企业实现员工能力定制化提升 14% 的企业优化了员工工作体验 超过一半 (53%) 的企业加速了决策流程，减少重复劳动 超过三成 (34%) 的企业优化了工作流程整合 近一半 (46%) 的企业提升了整体工作效率 优化用户体验 57% 53% 46% 34% 32% 29% 14% 加速企业决策