.................................................................................. 22 第七章 环境感知与自适应智能 ................................................................................................ 而提取出更高层次、更具判别力的特征。 决策与自适应学习是多模态感知融合的另一个重要方面。基于融合后的特征，系统通 过多任务学习和自适应反馈机制，能够在不同应用场景中动态调整感知策略。多任务学习 可以让模型同时学习多个相关任务，提高模型的泛化能力。自适应反馈机制则根据系统的 性能和环境变化，实时调整模型参数，提高系统的鲁棒性和适应性。 研究报告 2025 年全球感知技术十大趋势预测 号的时间戳偏 差）、尺度差异（如显微镜图像与宏观温度数据的融合）、语义鸿沟（如触觉“柔软度” 与视觉“褶皱程度”的映射关系）仍是多模态融合的核心瓶颈。现有方法依赖人工设计对 齐规则，亟需发展自适应的时空同步算法与语义解耦技术。 模型复杂性与算力瓶颈：多模态模型参数量呈指数级增长（如 Flamingo 模型的 80B 参数），导致训练成本高企（单次训练耗能可达数辆燃油车终身碳排放量），且难以在资

转型中的关键作用。对于政策制定者、投资者和可持续发展领域的领导者而言，报告提供了宝贵的 见解，指导如何将自然作为气候韧性的核心支柱加以利用。报告特别强调了将自然作为基础设施进 行投资的重要性，展示了其在碳封存、气候适应和生物多样性方面的成本效益和长期收益。报告提 出了切实可行的策略，以推动自然向好投资主流化，将气候行动与经济韧性相结合，并充分释放自 然生态系统在亚洲绿色转型中的潜力。 中国-意大利商会秘书长 抓手。政府、 国际组织、企业、民间团体等各方要为此作出共同努力。政府应加 IV 大绿色投入，推进绿色基础设施建设、加快清洁能源技术研发、促 进气候适应能力提升。同时要以更多的政策激励、市场激励、社会 激励，激发微观主体的绿色发展实践，调动各方积极性。地区层面 也要充分发挥区域全面经济伙伴关系协定（RCEP）等机制优势， 为相关资本流动、技术交流、规则制定创造更多便利化条件，汇聚 合国环境规划署（UNEP）的评估，中国和印度很有可能通过现有 政策实现其当前的 2030 年国家自主贡献（NDC）目标。东盟大多 数经济体已制定全面的国家气候行动战略和行动计划，以实施其国 家自主贡献（NDCs）和国家适应计划（NAPs）。 亚洲的气候政策关注的关键行业包括能源、废物管理、可持续 VIII 制造和可持续交通，以及自然气候解决方案，如植树造林、湿地恢

........................................................................................67 4 6.1 适应新产业发展新需求，提升有效供给.................................................................................... 常基于预设的规 则和指令，虽然可以在一定程度上应对环境变化，但并不一定具备真 正的理解和适应能力。智能性是指物体或系统具有类似人类的智慧、 学习和适应能力，智能体能够感知环境、进行决策并采取行动，同时 不断学习和优化自身行为，以实现特定目标。这种能力不仅要求具备 自主性，还需要具备感知、学习、适应和决策等更高级的功能。所以 虽然所有机器人都具备自主性，但是并不是所有机器人都具备智能性， 年起，ASIMO 逐步融合视觉识别等技术， 具备了基本的交互能力，能够完成如拧瓶、倒水、端茶和踢球等任务， 标志着人形机器人进入了集成的发展阶段。然而，ASIMO 在应对不平整 地面和未知扰动方面的适应性仍然较为有限。 2013年，波士顿动力公司发布了更具影响力的由液压驱动的Atlas 人形机器人，能够推开房门、在各种复杂地形中行走，并具备自我恢 复平衡的能力。2017 年，第四版 Atlas

蓝皮书系列不仅仅涵盖对物流行业的洞见。我们撰写这些内容的初衷是为 专业物流人士提供应对当前挑战的方法。 而今，蓝皮书系列已成为马士基和专业物流人士共同进步的承诺。 衷心感谢我们的客户和合作伙伴。你们的信任与合作让我们能够突破界限、 适应变化，并打造能真正支持企业成长，提高企业韧性的解决方案。 我们相信，面对2025年及未来的机遇，这份蓝皮书将成为您的有利参考资 源。马士基期待在来年及未来数年中深化我们的合作关系，携手共创更高 效、更有韧性的物流体验。 助力您的公司打造供应链的辉煌成功 003 目录 执行 摘要 通往成功路 上的拦路虎 亚太区供应链专业 人士如何在2025年 脱颖而出 自信满满地 步入2025年 正确的合作伙伴关系 可提高供应链的可靠 性、韧性和适应性 加速迈向未来 page 004 page 006 page 008 page 017 page 020 page 022 第十期 助力您的公司打造供应链的辉煌成功 004 相关的见解和发展趋势，让读者快速了解日新月 异的热点话题，传递有价值的独家观点。 马士基认为，在这个新时代，生存与成功取 决于战略远见和灵活性。主动适应和对技 术的战略投资将是应对这些不断演变的风 险的关键；在这个充满活力的未来中，能够 蓬勃发展的人将是那些其组织能够将可靠 性、适应性和韧性转化为复杂运营中切实 可行之现实的人。 Joyce Yang 马士基亚太区领先物 流和电商物流产品负 责人 第十期

场景大模型则是进一步细化到工业中的特定场景。工业领域包含众多场景， 10 如研发设计场景、生产制造场景、试验测试场景、运维服务场景等。场景大模 型针对这些特定场景下的数据和操作要求构建，能够精准地适应特定场景下的 任务需求，例如生产制造场景中的质量控制任务、运维服务场景中的设备故障 预测任务等。 图 1.3 工业场景（研发设计、生产制造、运维等） 1.1.2 工业任务/行业模型适配 需求进行调整和优化的过程。由于不同工业行业和任务具有独特的特点和要求， 如机械制造行业对产品精度和工艺要求严格，电力行业对设备运行稳定性高度 关注等，需要通过添加特定行业数据、引入领域知识以及采用合适的微调算法， 使模型更好地适应这些独特需求，提升在特定工业任务和行业中的性能表现。 1.1.3 工业数据制备 这是工业大模型构建的第一阶段。工业数据具有异质数据模态的特点，包 括 CAX 模型、传感信号、工艺文件、机器指令等特有数据模态，与通用大模型 领域适配层：融入设备动力学方程、材料本构模型等机理知识 ➢ 任务特定层：面向检测、预测、优化等场景的轻量化模块 ◼ 实时推理架构 为满足产线实时性要求，架构设计突破包括： ➢ 动态计算图：根据输入数据复杂度自适应调整计算路径 13 ➢ 级联推理引擎：将模型拆分为多个子模块进行流水线处理 ➢ 边缘-云协同：在 5ms 延迟约束下实现模型分片部署 ◼ 可解释性架构 工业场景对模型决策透明度的特殊要求催生：

出台了一系列相关政策，支持、引导煤矿智能化建设蓬勃发展并取得 了显著成效。当前煤矿发展智能化已成为社会普遍共识和煤矿现实需 求，一批具有初级中级程度引领性强的智能化示范煤矿相继建成，一 批技术先进、适应性强、经济性好、可靠性高的智能化装备持续研发 推广。 诚然如此，煤矿智能化发展仍处于初级阶段。为推进煤矿智能化 建设由试点示范向规模推广、迭代升级迈进，2025 年 1 月至 3 月， 国 、 形式主义、不实事求是，“大屏化”展示、“盆景式”系统运行，滥 用混淆智能化概念，不利于煤矿智能化高质量发展。受制于煤机装备 智能化发展水平，赋存条件复杂矿井过度强调智能化，且因技术装备 适应性差、门槛高、应用效果不理想等，存在消极畏难情绪。由于煤 矿智能化建设前期投入大、见效慢等，民营煤炭企业则过度追求短期 经济利益，存在等待观望思想，既怕增加负担影响企业效益，又怕承 担智能化建 建设路径，但更新速 度不及技术迭代速度，完成全产业链标准协同仍需长期攻坚。 3.煤矿智能化技术装备可靠性与适应性仍较差。煤矿井下作业环 境恶劣，传统传感器、控制器等稳定性差、故障率高，造成设备数据 采集可靠性差；由于煤层赋存条件复杂多变，煤矿智能化技术装备对 复杂条件矿井适应性较差，如透明地质模型构建仍处于探索阶段，煤 岩识别技术难以攻克，各系统的单机智能化与多机智能化协同控制难

模型选择：基于大规模预训练模型（如 GPT-3、BERT 等）进 行迁移学习，快速适应行业特定的分类任务。  部署架构：使用云计算平台，确保系统的高可用性和弹性扩 展。  用户接口：设计直观易用的用户界面，支持用户实时监控分类 结果并进行调整。  持续学习机制：引入在线学习方法，使系统能够不断适应新的 数据和分类需求。 以下是该系统的功能模块设计： 功能模块 描述 数据接入模块 系统能够快速处理海量数 据，显著提升分类速度。 2. 高准确率：基于深度学习的算法能够减少人为错误，提供更高 精度的分类结果。 3. 自我学习能力：AI 模型可以通过不断的训练与反馈优化自 身，从而实现动态适应各种分类需求。 4. 成本节约：自动化的系统可以减少人力成本，提高整体经济效 益。 从作业流程上看，AI 大模型流水分类系统主要包括数据采集、 数据预处理、模型培训、分类实施和结果输出等几个阶段。 心业务发展中。 为了便于理解，我们可以将系统的主要目的和意义列出如下：  提高数据分类的准确性，为决策提供可靠依据。  实现自动化操作，减少人力成本，提升效率。  支持大规模数据处理，适应日益增长的业务需求。  促进企业数字化转型，提高市场竞争力。 最后，AI 大模型流水分类系统的有效实施，不仅能助力企业实 现管理的智能化、决策的科学化，还能为整个行业的技术进步提供 示范。

前言 随着数字经济的蓬勃兴起，AI 技术正加速从虚拟空间向实体经 济领域拓展，机器人作为 AI 技术的理想载体，凭借其高度的灵活性 和强大的适应性，正在迅速发展并广泛应用于各个行业，成为推动产 业升级和变革的重要力量。工业领域自动化基础良好、环境结构化程 度高且市场需求大，成为近期“机器人+人工智能”应用落地的首要 方向。凭借其在提高生产效率、降低人力成本、提升产品质量等方面 的显著 . 8 三、“机器人+人工智能”在工业领域的应用 ................. 10 （一）应用场景：从生产操作向其他高附加值场景拓展 ..... 10 1、生产操作：从操作精度提升到自适应学习 .............. 11 2、物流配送：“识别+导航”模型组合适用于封闭生产场景 . 12 3、质量管理：机器视觉检测大量取代人工检测 ............ 12 4、安全管理：在部分重化工业存在一定需求 1）。第一阶段是无智 4 能阶段，机器人只能执行简单的预设任务，缺乏自主性和适应性；第 二阶段是基础智能阶段，机器人开始具备基本的感知能力，能够对外 界环境做出简单的反应；第三阶段是中等智能阶段，机器人能够进行 更复杂的感知和处理任务，如图像识别和语音识别；第四阶段是高度 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上

人工智能代理加入采购和供应链团队阵容 4. 关于价值的讨论不断变化 5. 多变监管环境中的供应链弹性 6. 本地化与全球化 - 争斗仍在继续 结论 注释 引言 疲惫的人们没有时间休息。刚刚适应疫情后的现实情况，企业现在又面临着技术、地缘政治和监管 方面的复杂变化，这些变化正在极大程度上重塑着采购和供应链。渐行渐近的 2025 年是一个关键 时刻：人工智能 (AI) 将彻底改变运营模式 我驱动的强大体 系？在地缘政治不确定的情况下，企业能否在弹性与成本效益之间取得平衡？ 本报告结合未来一年的宏观经济前景展望，解读了影响采购和供应链的六大变革型趋势，这些趋势 为企业重塑自身成为适应性强、面向未来的组织带来了挑战，但也带来了无限潜力。 适才迎来公司成立 25 周年的 GEP，是财富 500 强和全球 2000 强企业中众多领先采购和供应链领 导团队的紧密合作伙伴。我们的团队 理 可处理需求预测和风险监控等复杂任务，将供应链转变为具有预测性和适应性的网络。通过有 针对性的试点计划，企业可以整合人工智能代理，从而增强弹性并优化端到端供应流。 不断演变的价值衡量标准：价值的定义正在超越成本节约的范畴。现在，对采购领导者的评估 标准是应变能力、可持续性和合规性。这些新的衡量标准反映出一种环境，长期适应性、合乎 道德的采购和稳健的风险管理比眼前的财务收益更重要，采购职能得到重新调整以匹配组织的

级参数同步对时延极为 敏感，传统网络架构难以满足低时延、高吞吐的传输要求；在服务形态上，单一 的 IaaS/PaaS 服务无法全面覆盖数据处理、模型训练、推理部署等 AI 开发全链 路的需求，迫切需要构建适应智能时代的云计算新范式。 1.2 云智算的内涵 云智算是通过算网基础设施与人工智能核心技术深度融合，提供一体化算网 资源、全栈式开发环境、一站式模型服务、多样化场景应用的新型云服务模式。 云智算作为云计算的新升级，是以 键基础设施。 2.4.1 算力路由 面向智算推理的“性能反转”问题以及智算训练对算网资源利用率、服务可 用性等方面的高 SLA 要求，中国移动原创提出算力路由技术。算力路由支持归一 化算网度量、自适应算力通告、多因子联合路由等 3 大创新技术，将算力信息封 装至路由协议，在传统网络路由的距离矢量上叠加算力向量，改变选路方法，实 现算网联合路由。中国移动已经在 IETF 推动成立算力路由 CATS 当前已经完 成需求、场景、架构、算力度量立项。同时，中国移动在 2024 年 MWC 发布全球 首台算力路由器，并已构建 5 省 20 地市规模中试网络。 面向近期，重点开展归一化算力度量、自适应算力通告、多因子联合路由技 术研究，面向智算推理场景，开展集中式、分布式部署方案验证，验证算力路由 在模型感知、推理实例选择的灵活性和高效率。 面向中远期，攻关面向大模型训练场景的多维算力信息融合路由机制，综合