炽热期。2016年谷歌人工智能程序AlphaGo战胜围棋世界冠军李世石，2022年 OpenAI（美国开放人工智能研究中心）发布一款名为ChatGPT的聊天机器人，终于 把这份火热传递给了大众。当生命用40多亿年的进化所形成的最高智慧大脑皮质被 人工神经网络快速逼近，当几十亿人用50多年缔造的互联网数据被大语言模型用不 到100天的时间吞噬（GPT-4的训练时间估算为90～100天），当我们生活中的电子 产品都被冠以AI之名，如AI 、感情也符合运动 规律？是不是我们头脑中的一切意识，本质上不过是物质运动的结果？再直白点儿 说，就是大脑细胞运动的结果？ 17 也就是说，你现在所做的每一件事、头脑中的每一个念头，或许在前一秒甚至在数 十亿年前宇宙大爆炸的那一刻就已经被决定了。物理学家早已证明，人体的每一部 分，包括我们的大脑，都是由粒子组成的，而这些粒子是在宇宙大爆炸时产生的。 如此一环套一环地追溯下去，我们的所作所为和我们看到的每一个字、脑海中迸发 准备食物的条件，有饱 腹感则是终止进餐的条件。只要饥饿的信号再次出现，你就会再次寻找食物。这个 循环就像计算机中的指令，持续运行，直到条件被满足。 人类大脑和计算机尽管在结构和机制上全然不同，但在某些领域却具有共同的特 征。因此，可以把人类大脑和计算机看作同一类装置的两个不同的特例，它们都用 形式规则操作符号来生成智能行为。 这个理论可以算作机械论的2.0版本了，它叫作“物理符号系统假设”。理论的支

行业|深度|研究报告 四、具身智能技术路线 具身智能系统通过“大脑”（感知、理解和规划，基于大语言和视觉语言模型）、“小脑”（运动控制 和动作生成，基于运动控制算法和反馈控制系统）和“身体”（动作执行，由机器人本体支持）三个层 级协同工作。 1、算法：大模型是现阶段“大脑”的最佳解决方案 让机器人“大脑”实现突破最核心的推动力是大模型实现涌现、成为真正的生产力。大模型的能力与机器 的机器人应用工程师介入。 12/42 2025 年 5 月 26 日 行业|深度|研究报告 目前，具身大模型可以分为两大流派。一类是端到端大模型，一类是分层具身大模型。 从人体“大脑-小脑-肢体”的架构来看，分层大模型通过不同层次模型协作，利用底层硬件层和中间响应 快的小模型弥补上层大语言模型的不足，推动机器人在实际场景的应用，并越来越多地采用基于学习的 控制方法。 VLA PaLM-E，它的速度只能达到 1～3Hz，对应机器人的反射弧长达 0.3 秒甚至 1 秒。 （2）分层端到端大模型 分层决策模型通过将感知、规划决策、控制和执行各模块分解为多个层级，分别突破“大脑”和“小脑”， 利用不同的神经网络进行训练，最终再整合起来。 一个典型案例如 Figure02。Figure02 采用三层级方案：1）顶层集成了 OpenAI 的大模型，负责视觉推 理和语言理

l 智能化 的 控制 大脑 l 智能识 别 业务 10 | 公众号：解决方案之家 捷云数据中心架构设计 11 | 公众号：解决方案之家 捷云数据中心模块设计 聪明的大脑做指挥 云管理控制数据 JCOS 灵活的身体做执行 云计算高效运行模块 UDS 稳定的心脏做支撑 云网络稳定运行模块 Switch 12 | 公众号：解决方案之家 聪明的大脑— JCOS JCOS 13

零碳园区已从 " 建设阶段 " 迈入 " 运营增值阶段 "2 本课程将系统拆解智慧化运营体系设计、碳管理 MRV 流程、碳资产开发交易的全链路实操要点 , 结合鄂尔多斯零碳产业园、扬州经开区 " 能碳大脑 " 、青岛中德生态园等标杆案例 , 讲清盈利逻辑与风险控制 , 让零碳园区真正实现 " 高效运营、价值 增值 "2 课程导言 : 零碳园区的运营困局与价值重 塑 模 块 / 智慧化运营体系构建 和存储信息 , 证明数据真实性 200+ 接入企业数 全覆盖监测 26.6 万 年减排量 ( 吨 CO¢) 显著环境效益 100% 数据可追溯率 区块链保障 认证成果 通过 " 能碳大脑 " 平台 , 扬州经开区实现了碳排放数据 的自动核算和实时监测 , 顺利获得了国家级零碳园区 的认证 , 为其他园区提供了可复制的数字化碳管理样 企业超过 2000 家 , 重点发展汽车、 电子、 化工等产业 2 通过构建规范的 MRV 体系 , 支撑碳资产生态构建 , 年综合收益超过 5000 万元 2 MRV 体系构建 " 能碳大脑 " 平台核心功能 案例二 : 扬州经开区 44MRV 体系支撑碳资产生 态 数据整合 整合 200 多家企业能源消耗和碳排放数据 自动核算 自动核算碳排放强度、 绿电消纳率等指标 报告生成

年，在摩尔定律放缓的背景下，通信芯片通过架构创新、异构集成、专用加速等 方式继续提升性能，同时向通感算一体化方向演进。 · 29 5.1 基带处理芯片 基带芯片负责通信协议的处理，是无线通信系统的大脑。2026 年的基带芯片在支持多 模多频、降低功耗、集成 AI 等方面取得了显著进展。 5.2 射频前端器件 射频前端连接基带芯片和天线，负责信号的放大、滤波、切换等功能。5G 时代频段数 无线接入网设备 无线接入网（RAN）是移动通信系统的前端，直接影响用户体验。2026 年的 RAN 设 备在开放性、智能化、能效等方面取得了重要进展。 6.2 核心网设备 核心网是移动通信的大脑，负责用户管理、会话控制、策略执行等功能。5G 核心网采 用服务化架构（SBA），实现了前所未有的灵活性。 6.3 传输网设备 传输网连接无线接入网和核心网，是通信网络的高速公路。5G 时代对传输网提出了大 技术在安检成像、材料表征、通信等领域展现出巨大潜力。尽管技术挑战依然存在， 但近年来的快速进展正在推动太赫兹从实验室走向实际应用。 7.4 雷达信号处理 雷达信号处理从原始回波中提取目标信息，是雷达系统的"大脑"。现代雷达信号处理 不仅包括经典的检测、跟踪算法，还融入了自适应处理、机器学习等先进技术。处理 能力的提升使得雷达从简单的测距测速工具发展成为智能感知系统。 7.5 雷达传感器融合 传感器

为满足露天矿山排产与调度需求，我们提出了 云、网、车 协 同驾驶的解决方案架构，支撑实现矿用自卸无人矿卡作业过程 中 智能感知、无人驾驶控制、精准停靠、自动排卸等系列应用。其 “ ” 中 云 指云控系统，是矿山运输作业管理的核心大脑，负责 无人驾 驶系统的算法 优化、系统调度、运维监管等智能模块管 “ ” 理。 网 指 5G 网络通信，用于连接云控系统和车端智能系统，保 证整个露天矿山无人驾驶系统的正常运行。通过下沉 全无人作业。无人驾驶纯点矿卡还具备强大的学习和适应能力。 通过不断积累作业数据和学习经验，矿卡能够不断优化自身的感 知、定位、规划和控制系统，提高自身的作业效率和安全性。 — 81 — 智慧矿卡拥有大脑，确保了车辆自主决策的高安全、高可靠。 在感知系统方面， 为车辆配备了激光雷达、毫米波毫米波雷达、 摄像头等复眼矩阵，多设备融合感知的持续算法迭代，让车辆越 来越聪明。不仅如此，针对扬尘、落石、绕障、颠簸路面、主动 法，让车辆在综合工况下仍能很好地实现精准、高效、安全作业。 同时通过云端强大的算法和算力支撑，能够对矿车进行精细化路 径规划和速度指引，并全局性地进行矿区设备资源整合，实现宏 观调度，提升作业效率。支撑云大脑的两个支柱则是仿真和高精 — 82 — 度地图。自动驾驶云服务囊括了海量的场景仿真，特别是对复杂 难例的挖掘和仿真，促使矿区自动驾驶算法以仿真为先验、以实 际做自测，不断迭代升级，有效应对各种恶劣工况。通过高效建

生成式AI的发展历史 生成式AI的诞生普遍认为可以追溯到1932年，法国工程师Georges Artsrouni创造 了一种被他称为“机械大脑”的装置（后被巴黎工艺美术博物馆收购），该装置可 以理解成使用纸带的自动双语词典。“机械大脑”照片如图3-1所示。 29 图3-1 “机械大脑”照片 现代的生成式AI技术的根基在于深度学习和神经网络，其发展历史可以追溯到2014 年，当时Ian J. Goodfel 讨论与这些高级AI系统有效沟通的技巧，包括如何提出问题、解释复杂的概念以及 如何从AI的回答中获得最大的价值。 本章主要涉及的知识点： ❍ 通用大模型与垂直小模型概述。 ❍ 与大模型交流的方法以及案例。 4.1 智能“大脑”：探索AI模型的力量 AI大模型，在2023年这个普通却又神奇的年份里，反复冲刷着大家的认知，仿佛一 谈到AI模型，就只有大模型。那究竟什么是大模型？大模型有什么能力？又是否有 小模型呢？这些问题，将在下面进行介绍。 款模型Mistral-7B和Mixtral-8x7B为例，平台是HuggingChat （https://huggingface.co/chat/）。这里的B代表参数量的大小，可以简单类比 成这个AI模型的“大脑”里有多少“神经元”，7B代表有70亿个，8x7B则是560亿 个。它们看起来很多，但比起GPT-3的1750亿还差得远，更别说GPT-4，据说其有超 过1.5万亿个参数。OpenAI团队一直对GP

n 综合是管理的真正精髓 组织的不同比喻，把组织看作： 管理需要回归“整体论”， 按 照企业是一个整体的视 角 理解企业的经营与管理 机器 政策系 统 生物体 精神上 的监狱 大脑 变迁和 改变 文化 控制的 工具 原理七：效率源于协同而非分工，组织管 理从分转向 合 原理六：从个体价值到集合智慧，管理者

工艺智能生成、智能装配指导、实时排产调度、智能 检测、测试大数据分析等场景大模型，并基于云-边- 端集成框架，与现有制造设备、检测设备、数字化终 端及航天飞行器制造云平台进行集成，形成航天装 备制造“数智大脑”，大幅提升产品制造效率和规模 化生产能力，有力推动航天装备制造数字化转型与 智能化升级。 图 1 航天飞行器智能工厂总体架构 Fig.1 Overall architecture of an

Embodied Intelligence ）是当下人工智能领域的一个前沿研究方向，它打破了传统人工智能仅侧重 于抽象计算和推理的局限，将智能体的认知与行动紧密相连。 简单来说，具身智能强调智能不仅仅产生于大脑中的思维活动，更体现在与周围环境的交互以及物理实体的行动 能力上。 核心要素 技术应用 具身智能包含感知、决策和行动三个关键部分。通过各 类传感器，如视觉、听觉、触觉传感器等，智能体能够 感