鄂尔多斯低碳转型及案例研究 2024 年 12 月 关于作者 张兰英 北京大学能源研究院气候变化与能源转型项目分析师 陈 炯 北京大学能源研究院气候变化与能源转型项目副主任 致 谢 本研究由北京大学能源研究院统筹撰写，由能源基金会提供资金支持，特此感谢。 在本项目研究过程中，研究团队得到了国家发改委能源所、生态环境部环境规划院、国家气候中心、北京大学 鄂尔多斯研究院、鄂尔多斯能源局 鄂尔多斯研究院、鄂尔多斯能源局、鄂尔多斯工信局等单位的大力支持，在此向他们表示诚挚感谢。 研究团队同时感谢以下专家在项目研究过程中作出的贡献： 白荣春 国家能源专家咨询委员会 原副主任 吴 吟 中国能源研究会 学术顾问 戴彦德 国家发改委能源研究所 原所长 张绍强 中国煤炭加工利用协会 会长 马开华 北京大学鄂尔多斯能源研究院 常务副院长 郝洪亮 北京大学鄂尔多斯能源研究院 副院长、新型储能研究方向负责人 杨富强 杨富强 北京大学能源研究院 特聘研究员 敖 明 中共鄂尔多斯市委员会党校 市情研究中心主任 冯 波 鄂尔多斯市工信局 办公室主任 李 彬 鄂尔多斯市能源局 高级工程师 关于项目单位 北京大学能源研究院是北京大学下属独立科研实体机构。研究院以国家能源发展战略需求为导向，立足能源领 域全局及国际前沿，推动能源科技进展，促进能源清洁转型，开展专业及公众教育，致力于打造国际水平的能 源智库和能源

我国化工产业园区转型发展概况 ......................... 19 第四节 内蒙古现代煤化工产业发展概况 ......................... 23 第五节 鄂尔多斯现代煤化工发展现状 ............................. 24 第三章 规划基础 .............................................. ........................................................... 45 第 III 页 中煤图克绿色低碳产业示范园区规划 第五章 构建“多网融合”的一体化网络 ................................... 49 第 III 页 中煤图克绿色低碳产业示范园区规划 第一节 煤网 ............... 供 了根本遵循。 鄂尔多斯市地处呼包鄂经济发展中心区，是《现代煤化工产 业创新发展布局方案》确定的四个现代煤化工示范基地之一。煤 炭资源丰富、产业基础扎实、交通运输便利、地理区位优越。近 年来，全市聚焦“三个四“目标任务，深入落实自治区“五大任 务”，以打造世界级煤化工产业为目标，扛起“三大责任”，加 快“三个提升”，建设“六大基地”，走出一条独具鄂尔多斯特色 的煤基化工发展新路子。为加快国家现代煤化工产业示范区建设

我国化工产业园区转型发展概况 ........................... 19 第四节 内蒙古现代煤化工产业发展概况 ........................... 23 第五节 鄂尔多斯现代煤化工发展现状 ............................... 24 第三章 规划基础 ........................................... .. 44 第五节 规划目标 ................................................................... 45 第五章 构建“多网融合”的一体化网络 ...................................... 49 中煤图克绿色低碳产业示范园区规划 第 IV 页 第一节 煤网 ...... 了根本遵循。 鄂尔多斯市地处呼包鄂经济发展中心区，是《现代煤化工产 业创新发展布局方案》确定的四个现代煤化工示范基地之一。煤 炭资源丰富、产业基础扎实、交通运输便利、地理区位优越。近 年来，全市聚焦“三个四“目标任务，深入落实自治区“五大任务”， 以打造世界级煤化工产业为目标，扛起“三大责任”，加快“三个 提升”，建设“六大基地”，走出一条独具鄂尔多斯特色的煤基化 工发展新路子

远征系列在智能方面独树一帜，专注于将人工智能技术深度整合到机 器人的行为决策中[1]。 然而，人形机器人的发展仍面临诸多技术挑战。在传统控制方法下，人形机器 人的全身运动控制是一个复杂的挑战[1]。由于人形机器人具有多自由度关节， 其运动学和动力学模型极为复杂，传统控制算法往往难以精确协调各关节的运 动，导致稳定性不足[1]。此外，环境感知方面也存在局限性，有限的传感器数 据处理能力使其难以深入理解和分析复杂的环境信息[1]。 Atlas 和中国 Unitree 的 H1 则以其卓越的 移动性能著称，其动力系统和平衡控制能力表现突出[1]。 人形机器人面临的主要技术挑战包括全身运动控制的复杂性。由于人形机器人 具有多自由度关节，其运动学和动力学模型极为复杂，传统控制算法往往难以 精确协调各关节运动，导致稳定性不足[1]。环境感知能力有限也是一大挑战， 有限的传感器数据处理能力使其难以深入理解和分析复杂环境信息[1]。此外， 此外， 人形机器人的核心技术难点还包括步态控制、环境感知等环节[7]，这些问题制 约了人形机器人在复杂环境中的应用。 从技术分布来看，美国和中国是人形机器人研发的主要国家。美国公司如特斯 拉、波士顿动力在人形机器人领域处于领先地位[1][4]。中国企业如优必选、 Unitree 等也在积极推进人形机器人技术发展[1][7]。特斯拉 Optimus 专注于 服务机器人领域，该领域在过去四年增长约

展望六：Robotaxi 万亿市场的出行革命将持续加速 Robotaxi 为全球万亿网约车市场带来颠覆性创新，出行革命将持续加速，国内 已有十余个城市开展运营，企业车队达到千台规模，美国市场 Waymo 与特斯 拉双强竞争。 展望七：Robovan 物流无人车将迈向城市配送星辰大海 Robovan 物流无人车单车模型跑通跨过规模化交付门槛，行业进入快速扩张阶 段，拓展广阔城市配送市场，预计 正式落地。2025 年 12 月 15 日，工业 和信息化部在第 401 批《道路机动车辆生产企业及产品公告》中，附条件许可全 国首批 L3 级有条件自动驾驶车型产品准入。L3 级自动驾驶的落地进程已历经多 阶段铺垫，本次工信部发放准入许可意味着从测试阶段正式迈向商业化应用阶段。 2023 年 11 月，工业和信息化部、公安部等四部门联合发布《关于开展智能网联 汽车准入和上路通行试点工作的通知》，明确试点面向具备量产条件的 EHB Two-box iBooster 2013 特斯拉、蔚来、小鹏 EMB 已开发原型系统 弗迪 动力 EHB One-box BSC 2021 比亚迪、赛力斯 EHB One-box WCBS 2021 奇瑞、吉利、长安 2024A 2025E 2026E 2027E 2028E 2029E 2030E 中国乘用车销量（万辆）

，低空推理决策面临语义稀密、空间难解与任务繁复的挑 战 感知 目标检测、 目标计数、 场景分类、 异常识别 理解 图像描述、 条件判断、 视觉定位、 高度预测 推理 物理推理、 因果推理、 情景推断、 反事实推理 决策 多机协同、 任务规划、 动作执行、 安全性评估 任务高度多样化 ，在输出结构、 知 识 深度与推理路径上差异巨大 ， 需要 跨层次泛化推理能力。 低空强投影与三维信息缺失 ， 需 要 理解姿态与视角差异 复杂环境下 ，低空群体智能面临数据缺、 自主差、协同难的挑 战 、协作具身 感知推理 群体执行协调不稳定 多机具身协同难 ，导致群体具身智 能感策控实现难 性能进化难 灾难性遗忘 协同自主进化机制匮乏 ，导致感知 与持续学习能力双重受限 多机协同感知数据 协同感知与具身基础数据匮乏 ，导 致基座构建受限 “ 自主差” “ 协同难” “ 数据缺” 感知大模型 Z Z " 面 F 含 一 场景理解 物体理解 感知评估 协作决策 多机协同具身感知与推理数据缺乏 性 。模型 1 a 模型 2 能 群体协同规划冲突 群体感知不一致 协同 一、 低空研究背 景 二、 低空数据平 台 三、 低空感知大 脑 CONTEN TS 统计机器学习长期关注数据规模、

1.7% 9 西班牙 60 4.6% 9 岭南大学 韩国 20 1.5% 10 意大利 59 4.5% 10 滑铁卢大学 加拿大 19 1.4% / 施引论文 / 中 国 印 度 巴 基 斯 坦 沙 特 阿 拉 伯 伊 朗 埃 及 韩 国 西 班 牙 意 大 利 431 287 152 114 86 83 74 68 60 59 美 国 施引论文 Top10 产出国家和机构中（表 篇，约占 40%；印度排名第二， 有 737 篇，约占 23%，表明中印两国在该研究方向上 的持续关注，且远领先于其他国家，尤其中国，核心 论文贡献与印度并列第一，而施引论文超出印度 540 多篇。美国的施引论文产出与其核心论文产出排名一 致，依然为第三。施引论文机构方面，中国机构表现 突出，有6个机构排名进入Top10，其中，中国农业大学、 中国农业科学院和中国科学院依次位列前三；印度有 71.4% 1 澳大利亚 6 85.7% 2 澳大利亚国立大学 澳大利亚 5 71.4% 4 瑞士 5 71.4% 4 阿姆斯特丹大学 荷兰 4 57.1% 4 德国 5 71.4% 5 格里菲斯大学 澳大利亚 3 42.9% 4 美国 5 71.4% 5 波茨坦大学 德国 3 42.9% 7 奥地利 4 57.1% 5 国际应用系统分析研究所 奥地利 3 42.9% 7 英国 4 57

底盘等机 械结构，需同时兼顾成本、可靠性与耐用性；智能体作为“决策大脑”，负责多模态感知（视觉、声音 等）、环境理解、任务规划与实时控制，其技术实现主要依赖AI大模型处理复杂数据，提取有效信息并 生成控制指令；数据是智能体进行理解和决策的基础，数据的数量和质量是具身智能实现能力泛化的关 键，尤其是真实环境的多模态交互数据；学习进化架构则是具身持续进步和适应性提升的关键，它支持 智能体通过 具身智能的演进始终围绕“身体-环境-智能”的交互核心，从早期受限于硬件和算法的单一任务执行，到当前 大模型驱动的多模态融合，再到未来通用智能的探索。 1950-1990 概念萌芽与早期探索 1990-2010 技术积累与跨学科融合 理论奠基：1950年，图灵在《计算机器与智能》首次提出具身智能概念；1956年达特茅斯会议后，符号主义主导了AI早期发展，试图 用逻辑规则、符号、知识工程来模拟人类思维；80年代，罗德尼 军。 多模态感知技术与边缘计算应用：多模态感知（视觉、触觉、听觉）的应用提升了机器人的环境适应性；同时边缘计算将计算能力和 数据存储部署在靠近机器人的网络边缘，极大提升了机器人的响应速度。 2020-至今 大模型与具身智能融合 大模型涌现：2020 年，OpenAI 发布大语言模型 ChatGPT‑3，依靠其强大的语言理解与生成能力开启具身智能发展新纪元。2023年以 后，多模态大模型