万人，而持证养老护理员仅 50 万人，养老员护理供给 缺口高达 550 万人，叠加护理员“高龄化”、30-50 岁年龄段结构性断 档等问题，让传统人力养老模式难以承载日益增长的照护需求。在此 背景下，可提供康复训练、日常护理、情感陪伴等全场景服务的养老 机器人，成为弥补人力缺口、优化养老质量的关键抓手，有望缓解养 老服务供需失衡的困境。2025 年，我国牵头制定的 IEC63310《互联 家庭环境下使用 智能养老机器人是面向老年人的智能服务设备，通过技术手段弥 补人力照护的缺口，并为老年人提供生活辅助、健康监护、康复训练、 情感陪伴等服务，以此提升老年人的生活质量。 从功能维度看，智能养老机器人涵盖多方面服务。生活辅助类设 备如智能轮椅、外骨骼机器人等，依托人体工学设计与步态训练算法， 能辅助老年人完成行走、站立等日常活动；健康监测领域，可穿戴设 备可实时监测心率、血压等生理参数，还能联动医疗机构开展健康预 ·深企投产业研究 2025 年行业研究报告· 3 表 2 三种类型养老机器人对比 维度 ​ 康复机器人​ ​ 护理机器人​ ​ 陪伴机器人 核心 功能 辅 助肢 体 功 能恢 复 （如步态训练、肌力 增强） 日常起居协助（如翻 身、清洁、排泄护理） 情感支持与社交互动 （聊天解闷、娱乐陪 伴） 目标 人群 术后患者（脑卒中、 脊髓损伤）、神经系统 疾病患者 失能/半失能老人、长

........................................63 3.2 模型训练与优化..................................................................................65 3.2.1 训练数据集构建.............................................. 首先，交通治理 AI 大模型的构建依赖于海量的交通数据来 源，包括但不限于车载传感器、交通摄像头、雷达、GPS 设备以及 交通卡口数据。这些数据经过清洗、整合后，输入到深度学习网络 中，用于训练模型识别交通模式、预测交通流量变化以及检测异常 事件。通过引入时间序列分析、空间模式识别等技术，模型能够高 效处理高维数据，并生成精准的交通态势感知结果。 其次，模型的多场景协同决策功能是其核心优势之一。传统的 化的解决方 案。其在实际应用中的成功实施，不仅能够显著提升交通网络的运 行效率，还能够为城市居民提供更加安全、便捷的出行体验。 1.1 AI 大模型的基本概念 AI 大模型是指通过大规模数据训练得到的具有高度泛化能力和 复杂决策能力的智能模型。这类模型通常基于深度学习技术，尤其 是 Transformer 架构，能够处理和理解大规模、高维度的数据。 在交通治理领域，AI 大模型的应用主要体现在多场景协同决策与自

司可以通过平台打磨智 能化的业务系统 ，进 化 自己的业务体系 软件开发公司可以通 过平台速度敏捷地开 发出智能化的应用软 件 背景介绍｜建设必要性 - 赋能企 业 中小算法厂商可以在 AI 开放平台上训练 自 己的算法 人脸识别 结构识别 姿态识别 手势识别 流式处理 模式识别 数据关联 集成匡架 服务中小企业 、初创团队 ， 提供有力科研支 撑 推动全行业产 、学 、研快速形成技术成果转 社会公 众服务 为全市 / 区企业、 团体、个人提供便捷的 AI 创新平台 ，使能现有的信息化系统升 级进 入智能化阶段 。 同时智能视觉训练 中心通 过全市数据资源的统一接入和管理 ，解决 一般企业、院校、研究机构缺少 数据的问 题 ， 以及算法训练 GPU 集群系 统投资太大 ， AI 初创公司无力承担等问 题 。帮助政府打 造当地的 AI 生态 。 为各委办局提供统一 的智能视觉赋能平台 建设一套可被智慧城市应用系统随意 调配算法资源的基础业务接口系统 迭代 演进 算法 编排 基础 支撑 建设一套赋能智慧城市多个业 务场景的算法系统 建设方案｜建设目标 法不断升级迭代的的增量训练系统 建设能够对特殊场景定制设计、对算 建设一套可多维度对汇入视频数 据进行解析的应用支撑系统 视频资源是数字政府建设 最重要的资源 ， 也是占比 最大的数据资源 。 人工智能的智能视觉

1、人工智能技术快速演进实现关键跨越 人工智能芯片快速迭代助推新一轮 AI 浪潮 传统通用处理器（ CPU ）已经难以满足深度学习等高并发计算需求，AI 芯片通过架构创新实现了数量级的性能 跃升。高端 AI 芯片的突破更使得训练百亿参数大模型成为可能，直接推动了 ChatGPT 、Sora 等生成式 AI 的爆 发。AI 芯片的快速发展已成为推动全球科技变革的核心引擎，其意义远超硬件迭代本身，深刻重构了算力供给模 式、产业竞争格局与社会智能化进程。 应用形态的理解逐步深入，未来将诞生更多高智能化、对业务流程理解更深刻的多智能体系统， 并加速在生产生活各场景中落地应用。 . 2、人工智能核心三要素全面筑牢数智化转型基础 智能算力规模高速增长，为 AI 训练和应用筑牢算力基础 人工智能算法模型的训练与应用离不开智算中心的算力支撑。2024 年， 中国智能算力规模达 725.3 百亿亿 次/秒 （ EFLOPS），同比增长 74.1%，增幅是同期通用算力增幅（20.6%）的 高质量数据集量质齐升，持续丰富人工智能训练养料 国家数据局等 17 “ 部门联合印发的《 数据要素×” 三年行动计划（ 2024—2026 年） 》提出，强化场景需求牵 引，带动数据要素高质量供给、合规高效流通。我国高质量数据集建设取得积极进展，数据要素市场不断拓展新空 间，2024 年数据生产量达 41.06 泽字节（ ZB ），同比增长 25% 2 。庞大的数据规模为人工智能模型的训练提供了丰 富的

注重关联关系而非因果关系 数据可视化变得尤为重要 大数据的重点是关联关系与趋势预测 大数据分析助力提升行业综合数据应用能力 大数据 关注点 传统数据 分析局限 数据获取 因子分析 算法训练 数据呈现 6 经济运行大数据保驾十四五 区域经济 2 3 4 1 支撑领导科学决策，提高经济运行管理水平： 从宏观、中观、微观三个层面，对区域经济运行相关指标进 行实时动态监测和预警，从产业、行业、区域、时间多维 Zabbix Hadoop Zookeeper Hadoop Oozie ETL 任 务 调 度 Elastic Logstash 数据仓库 数据集市 多维数据库存储 数据标签库 模型设计 模型训练 模型发布 模型管理 应用模型 算法模型 接口整合（ thrift ） Smart BI / 并行基础架构 / 算法 / 业务场景 Data Service / DaaS IDC / 数据来源 ） Mahout （ Machine Learning ） Spark （ Mlib ） Pig （ Scripting ） 数据集成 调度引擎 算法库 数据洞察 Miner 模型训练 数据集成 作业调度 DevOps 实时分析 ADS 数据集成 数据集成 作业调度 DevOps 离线分析 ODS 数据集成 数据集成 DevOps 流分析 SDS 可视化套件

....................................................................................34 3.3.1 模型选择与训练................................................................................................... 数据需通过加密传输和存储。此外，需建立数据质量管理机制，包 括数据清洗、去重、补全等环节，确保输入 AI 模型的数据具备高 质量和一致性。 为满足 AI 模型的训练和优化需求，需构建大规模、多样化的 数据集。例如，历史办件记录数据集可用于训练模型识别市民需求 类型和优先级，市民反馈数据集可用于训练情感分析和文本分类模 型。同时，需建立数据更新机制，确保数据集能够反映最新的市民 需求和城市运行状态。例如，每日从 12345 中采 集最新数据，并对数据集进行动态更新和补充。 综上所述，数据需求与来源的明确和规范是智慧城市民意速办 AI 大模型建设的基础。通过多源数据的融合和高质量数据集的构 建，可为模型提供充分的训练和优化支持，从而提升民意速办的智 能化水平和市民满意度。 3. 技术架构设计 智慧城市民意速办 AI 大模型应用的技术架构设计围绕高效、 可扩展、安全可靠的原则展开，采用模块化设计理念，确保系统能

台154 5、华懋（上海）健康科技发展有限公司 ——时间银行管理平台................................ 155 6、上海博斯腾网络科技有限公司——BBRT®认知训练....................................................156 7、上海大城智慧养老服务有限公司——数字化家庭养老院............... 11、上海恩谷信息科技有限公司——个性化健康管理服务............................................ 161 12、上海傅利叶智能科技有限公司——步态与平衡功能训练评估系统........................ 163 13、上海广联堂健康管理有限公司——U 护云陪伴......................................... 14、上海广拓信息技术有限公司——智能门禁控制系统................................................ 166 15、上海皇佳医疗器械有限公司——智能全身体能康复评估训练系统........................ 167 16、上海九如城养老服务有限责任公司——互联网+养老服务......................................

的性能大约每两年翻一倍，同时价格下降为之前的一半。 3.数据蒸馏技术：该技术是一种机器学习优化技术，旨在从大规 模数据集中提取关键信息，生成一个更小但信息量高度浓缩的合成数 据集，使得用该数据集训练的模型能接近或达到使用完整数据训练的 效果。 4.MLA+MoE 架构：该架构是一种结合了记忆增强线性注意力机 制（Memory-Augmented Linear Attention，MLA） 和 混合专家系统 专 家”），每个子网络专攻输入数据的一个子集，以共同执行任务，能 II 够在预训练期间大幅降低计算成本，并在推理时间内实现更快的性 能。 5.AIGC: 生 成 式 人 工 智 能 （ Artificial Intelligence Generated Content），是指基于生成对抗网络、大型预训练模型等人工智能的 技术方法，通过已有数据的学习和识别，以适当的泛化能力生成相关 内容的技术。 处理文本的最小单元或基本元素，可以是单个字符，也可以是多个字 符组成的序列。 8.MTP: Multi-Token Prediction (MTP) 是一种用于大型语言模型 （LLMs）训练的技术，旨在提高模型的训练效率、数据利用效率以 及生成质量。 9.MCP：模型上下文协议（Model Context Protocol，MCP），是 由 Anthropic 公司推出的开源协议，旨在实现大语言模型与外部数据

管控平台 算法训练 (HCS) 省内共享 结构化研判 车辆特征识别 车重识别 治超应急指挥 治超布控 治超诚信 治超轨迹分析 不停车治超 AI 智能摄像机 入口 治超平台 部级治超 云平台 治超跨省共享 治超数据共享 5G SD-WAN 业务创新 N 种人工智能算法 全景摄像机 全网 AI ，全天候，车留痕、人留 迹 统一平台，多源数据拟合，算法训练、执法更聪明 mins 4 mins Fast.ai on AWS ModelArts 全球最快的 AI 训练平台，霸榜 TOP2 ，训练速度比第三名 AWS 快 三倍！ 国际权威深度学习模型基准测试平台斯坦福 AWNBenchmark 测试报告： 数据采集 数据预标注 数据筛选 数据框架 训练 模型管理 Notebook 代码交互 支持开源 AI 框架 （ TF,MXNet, SparkML SparkML, Scikit) 自动学习 （图片，声音，结构化数 据） 模型溯源 模型导入，导出 TensorBoard 模型可视化 推理服务管理 训练任务管理 数据集管理 模型转化（ D 芯片支 持） 训练服务管理 分布式加速训练 （ CPU/GPU ） 推理 实时推理 （深度模型推理调优） 灰度发布 /AB 测试 部署到端边 模型仓库 内置高效 Moxing 算法 （自动调参，

助浴设备 适老化智能家 居 环境传感器 一键呼叫器 毫米波雷达 智能摄像头 红外传感器 紧急联系手环/手表 陪伴机器人 数字疗法产品 智能相框 老年人专用社 交软件 认知障碍筛查与训练软件/游戏 适老化改造 科技赋能 养老产业十二大类 适老化智能科技产品 x x 市场规模：千亿蓝海，蓄势待发 Ø 中国适老化智能科技产品市场规模在过去几年中实现了高速增长，根据亿欧数据，2025年市场规模将 诊 咨询、上肢康复等五大训练交互模块，实现康复训练、辅助照护与情感陪伴的一体化服务，带来具身智 能赋能康复的全新体验。 外骨骼机器人 GR-1 GR-2 GR-3 2023 2024 2025 三维上肢康复机器人 上肢康复机器人 踝关节康复机器人 康复机器人系列 人形机器人系列 1 导诊咨询 通过读取患者的治疗单，机器人可提供相应的流程指引、查询并提醒训练计 划、协助寻找治疗师等服 机器人可通过变换手指的高度和位置，引导患者完成伸够训练，锻炼躯干平 衡、上肢力量及手眼协调等运动控制功能。 3 4 5 通过递送物品并发出指令，引导患者完成颜色识别、物品分类、方位判断等 任务。并可通过语音反馈帮助患者纠正认知偏差，完成准确判断与动作执行。 认知康复 下肢康复 通过精准控制和柔顺输出，促进自然步态重建，恢复或改善行走能力。还可 将步态轨迹、关节角度等运动数据，生成训练报告，为康复效果评估与方案