) 多任务操作、 第一人称世界模型、 低光照与模糊感 知 2025/04/08/ 为产业发展和投资决策提供最前瞻视角。 本期核心关注多任务操作、 第一人称世界模型、 低光照与模糊感知、 仿真数据生成等六大前沿进展 本期科技前瞻探索摘录来自港科大 ( 广州 ) 、上海交通大学、 浙江大学等研究机构的 6 篇最新学术前沿成果 , 包括 MOE-ACT: 多任务双臂操作规模化学习框架、 : 1: 对具身智能学术 研究前沿的影响 : 本文为多任务机器人模仿学习提 供 了轻量化的 MOE 融合方案 , 验证了稀疏专家激活机制在缓解多任务干 扰 上的有效性 , 其 FiLM 语言调制与多尺度注意力设计 , 可为后续 ACT 类策 略的多任务优化提供可复用的技术路径 , 同时也为双臂操作场景的轻量 化 多任务学习研究提供了新的实证参考。 2: 对具身智能产业界发展的参考意义 GPU 完成实时推理 , 适配工业机器人、人形机器人的现场控制需求 ; 其多任务统一策略的优化方案 , 可降低工业场景多任务操作的模型训 练 与 部署成本 , 为 3C 电子、 汽车制造等场景的双臂机器人规模化落地 , 提 供 了轻量化、 易部署的技术优化方向参考。 主要贡献 : 1: 提出轻量化多任务双臂操作框架 MOE-ACT: 将稀疏 MOE 模块融入 ACT 的 Transformer

.. 44 6.2 技术创新点 ............................................................. 44 6.2.1 “ ” 一航线多任务 智能规划..............................44 6.2.2 跨系统数据融合底座......................................45 6 ...........46 7.1 项目周期 .............................................................. 46 7.2 阶段任务安排 ....................................................... 46 7.2.1 前期准备阶段（第 1-3 个月） ........... 以 统筹资 源、协同高效、安全可控 9 为核心，构建覆盖全域 ‘ 的无人机 一网统飞 9 服务体系，破解政务侧无人机 应 ” 用分散、数据孤岛等问题 ，将本项目列为 “智慧城 ” 市建设重点任务 ，纳入市委市政府年度工作考核清 单。 1.2 现实需求 当前，XX 市无人机巡飞技术已在应急救援、交通疏导、 违建排查等政务领域初步应用：应急管理部门通过无 人机开展森林火情监测，年均飞行超

学习模型的辅 助工具，功能局限于特定任务的自动化处理。而随着大模型与智能体 （Agent）技术的突破，智能应用正迈向更高阶形态一一它不再仅是 被动响应指令的执行单元，而是具备意图理解、自主规划、工具调用 与持续学习能力的主动服务主体，其主要应用技术为大模型与智能体 3沙丘社区，18个保险业大模型应用场景业务价值评估 自主决策 AI独立完成复杂任务，具 备推理与优化能力 AI辅助决策，但仍需人工 AI辅助决策，但仍需人工 04 主导 智能自治 AI能主动发现机会、提出 策略、持续进化 智能协同 功能集成 AI与人协作完成任务 嵌入AI能力（如OCR、语 音识别、机器学习模型） 图1AI原生应用发展阶段 值得注意的是，智能体虽为当前智能应用建设最具代表性的实践 形式，但引入智能体不意味着就实现了AI原生应用。仅以聊天界面 封装多个API的模式与具备自主感知-决策-执行闭环的智能体架构有 架构有 本质区别，更非以AI为核心驱动进行业务实现的AI原生应用。AI 原生的智能应用能够深度融入业务流程，在复杂、动态、多约束的真 实环境中，像人类专家一样思考、决策并协同完成端到端任务。其核 心价值不仅在于提升效率，更在于重构服务模式与业务逻辑。 金融作为国家经济命脉和风险高度敏感的行业，其对技术应用的 要求较其他行业更为严苛。真实意义的金融级智能应用，绝非简单地 将通用大模型接

构建事件、问题与任务类型库 设计故障分析算法  基于故障模型设计自动故障与风险分析的算法  创建 IT 监控与分析任务（监控的系统与内容）  设置自动化算法的执行与调度策略  自动执行算法，识别、预测故障与风险  基于实际效果技术优化、调整算法 标准化程度、故障模型与算法设计的合理性直接决定项目成效 标准化 模型化 算法化 监控指标库 风险故障库 问题事件库 模型库 任务算法库 调度引擎 险 主动 探测 + 预防 主动进行系统应用 巡检和探伤检测 主动预测故障风险 进行潜在故障干预 自动 告警 + 运维 自动告知相关人员 故障与风险信息 自动执行故障修复 或系统部署等任务 自主化 监控运维 平台在全面采集系统各项运行数据后，进行智能化的分析，可以及时识别出各类故障和故障风险，基于此平台会进一步采取 自主化的处理方式，及时修复故障，提前解除风险，以保障业务的可用性和连续性。 智能引擎 监控模型 任务调度 读取数据 信息反馈 IT 故障问题 主动故障修复 主动干预处理 预测 识别 监测 发现 处理日 志报告 基于告警策略 自动进行告警 基于 策略 配置 基于 策略 配置 执行修 复任务 部分故障无法直接进行 修复处理，则平台会自 动生成故障处理任务并 指派给相应人员 生成故障工单 生成故障 修复任务 生成风险 消除任务 部分故障 直接分派

备自主决策与生成能 力的“自主化智能”演进，这一过程中实现了三个关键转变。一是从单 一场景的感知级应用走向更复杂的认知级决策。传统的智能模型通常 局限于视觉检测和参数预测等具体、规则明确的单一任务，生成式 AI 和大模型技术不仅具备了对复杂工业信息的深刻理解能力，还能够进 行逻辑推理与知识生成。二是从静态分析预测走向动态自主优化。传 统智能分析多依赖于历史数据进行离线或静态预测，在面对极端异常 境变化等不确定性的应对能力。 4.自主协同执行 区别于依赖固定规则和流程的执行方式，同时打破单设备、单产 工业智能创新发展报告（2026 年） 6 线、单环节的独立运行壁垒，面向统一的任务目标，将深度智能决策 输出的指令，无缝对接制造系统，完成自主调度、自主纠偏、自主应 急处置等，构建“感知－建模－决策－执行－反馈”的完整闭环。满足 主动高效的创新需求、敏捷柔性生产的动态调度需求以及自动优化自 要求，这种升级无法依靠传统架构或单一要素实现，需要系统具备能 理解海量多源异构工业数据、具备认知决策能力的“大脑”，还需具备 一个能精准刻画工业机理，提供可解释、高准确、高可靠分析能力的 “高保真镜像”，以及一套能将任务意图转化为复杂动作并执行的“执 行中枢”。因此，智能模型、数字孪生与智能体共同构成了未来 AI 驱 动制造系统的核心要素。 1.架构形态：三个核心引擎、一个基础底座实现综合赋 能 工业智能创新发展报告（2026

资源能力 排产策略 排产结果 APS 可视化视图 核心算法 数据分析 现场管理 工序防漏防错 数字工艺指导 在制品跟踪 异常管理 安全管理 SFM 环境管理 工程图纸 工艺路线 生产任务 领料入库 信息采集 移动跟踪 业务定制 CMP 定制记录引擎 （ Custom Recording ） 标签 / 条码引擎 （ Identity Management ） 工业终端引擎 通过并行处理提高算法处理速度（云计 算） 历史排产方案最优解 + 经典配置方案 + 排产算法随机方案 设置生存度指标和随机变异模式 组批生产 优化排产 急单仿真 通过深度学习搜索查找历史最佳方案 任务派工 合理分配工作，提高 工人、设备使用率， 减少设备空闲期，避 免重复工作 作业计划 合理有效安排生产、 减少瓶颈问题，提高 整体生产效率 生产工单 实时工单监控、工单 控制与评估、无纸化 在制工单合并：支持同产品之间数量合并、不同任务间任务合并，自动生成新工 单号及合并数量。 改制 拆分 制造运营管理 MOM 解决方案 - 生产调度与执行  支持对工单（工序）级物料、设备、工艺文件进行检查。  对 BOM 结构下定义为关键件的物料做齐套检查，获取库存的可用数量、在途数量。  对工艺路线中作业用到的设备、工艺文件等资源进行检查 工单任务 产品型号 BOM 物料库存

接收收货任务，清 点、核对、检查收 货货品数量、质量 等。合理安排收货 暂存区的码盘存放。 对异常来货及时准 上架员 接收上架任务，核 对上架货品信息、 储位信息。使用标 准容器和设备通过 合理上架线路准确 快速完成上架任务 仓管员 通过接收仓库任 务计划完成移位、 盘点、补货等操 作并反馈，或通 过即时移位、快 速补货记录仓库 拣货员 接收拣货任务，核对 拣货货品、数量、批 货路径准确快速的依 次进行拣货下架，完 复核员 依据订单或拣货任务信 息对拣货完成的货品进 行二次核对。检查货品、 数量、批号等信息是否 正确，并打印发货清单、 箱标签等将货品装箱、 ha 集货员 接收集货任务， 将复核装箱完成 的货品，按照任 务要求归集至集 货区，合理安排 集货区的码盘存 发货员 接收发货任务， 结合发货单、 配送单核对发 货货品、数量 等信息。准确 数量等信息的检 查，包含来货全 检、抽检等，并 将质检结果反馈。 确上报。 并反馈。 操作。 成拣货任务并反馈。 贴标。 放。 品发运。 1. 区域网络布局 3. 货品 ABC 分类 依据货品的出入库频率、 库存占比、成本占比等

分进行评估: 评估渔业共同管理系统的实施设计和过程以及评估渔业共同管理计划中所述目 标和目的的实现情况。 开展渔业共同管理成效评估分为三个步骤,即规划、信息汇编和评估。每 个步骤都包含一系列任务和行动。《指南》提供了用于衡量成效的各种建议指 标,指标也反映了渔业共同管理系统中的各种良好实践,同时,提供了渔业共 同管理计划的目标和目的。 《指南》认为,对渔业共同管理成效的评估是一个系统性 ………………………………… 附录2 渔业共同管理计划目标和目的达成度评估 55 ………………………… 附录3 分析框架 62 ……………………………………………………………… 附录4 渔业共同管理背景相关的属性 (任务2.1) 67 ……………………… ⅸ 1 导 论 1 《指南》 的目的和结构 《渔业共同管理成效评估指南》(以下简称 《指南》)提供了用于评估渔业 共同管理系统及其计划的成效的流程和方法 1部分被用于评估渔业共同管理系统,第2部分被用于评估渔业共同管理计 划。然而,我们当然建议两部分都开展,因为它们所获得的信息互为补充,可 以帮助我们更深入地了解渔业共同管理的成效。有一点需要说明一下,下面介 绍的任务并不需要一一执行,介绍的指标也并不需要一一衡量:对渔业共同管 理成效的评估可以很简单,仅衡量几个关键因素和指标。然而,要了解哪些是 需要保留的关键指标,就需要了解整个评估方法和过程;另外,有了经验和资

进入了互联网革命的时代，新的网络服务 模式快速发展，虚拟世界与现实世界共存。随着人工智能依托互联网进入互联网人 工智能阶段，人们从互联网上搜集大量图片等数据，用于深度神经网络模型的训 练，在图像分类任务上取得了巨大的成功，人工智能进入了深度学习时代。人们搜 集网上优质的文本数据信息，训练了诸如ChatGPT的大语言模型，使得scaling law （规模定律）开始引起关注，成为人工智能新的发展方向。进入21世纪，随着物联 例如，在进行两位数乘法（如36×42）运算时，我们通常会在纸上列竖式，先乘后 加。图灵机的原理也类似：每次只关注一个任务点，根据读取的信息移动读写头， 在纸带上记录符号。这些操作指南就像乘法表一样简单，让任何人都能通过操作纸 带得出结果。 图灵的导师阿隆佐·丘奇将这种设备命名为“图灵机”。尽管看似简单，但图灵机 能完成的计算任务却非常复杂。理论上，只要纸带足够长、人们的耐心足够多，它 9 就能完成现代电脑能做的任何 灵认为这台机器就 通过了测试，可以被认为具备人类智能。 图灵测试成为评估机器智能的重要基准，但你可能已经发现一个问题：能不能通过 图灵测试，主要取决于询问者的判断标准。比如，机器可以搞定复杂的计算任务， 但对最简单的情绪问题却可能束手无策。那它还算智能吗？ 11 图灵测试 图灵也预见到了这一点。所以在论文中，他说：我们或许希望机器最终能在所有纯 粹的智力领域与人类竞争。但是，从哪些领域开始才是最好的呢？许多人认为从国