贯彻落实党中央决策部署、 中央农村工作会议精神和 2025 年中央一号文件部署，中央广播 电视总台农业农村节目中心、总 台研究院联合中国社会科学院农 村发展研究所撰写《CMG 乡村 振兴观察报告（2023-2024）》。 中国社会科学院农村发展研究所 始终关注乡村振兴战略实施进 程，2024 年开展了中国乡村振 兴综合调查第三轮追踪调查，覆 盖 14 个省（自治区）、472 个 专院校、涉农企业五大渠道征集 案例，共收到推荐案例 466 个。通过与来自国家部委、地方政府、科研院所、相关高校 20 名 涉农专家的细致论证，确保了内容的代表性与权威性。 《CMG 乡村振兴观察报告（2023-2024）》紧扣年度乡村振兴的核心议题，推出乡村振 兴关键词，结合政策解读、宏观数据、实地调研、典型案例等多维度，全景式呈现我国乡村振 兴的阶段性成就与未来发展方向。希望能够为政 ………60 推荐单位 ：广东海洋大学 科技赋能羊产业发展 踔厉打造环县“中国羊谷”…………………………………………………………60 推荐单位 ：中国农业科学院 1 CMG 乡村振兴观察报告 2023-2024 中国农科院科技支撑稳产保供 坚定守护大国粮仓…………………………………………………………61 推荐单位 ：中国农业科学院 弘扬“宁陵精神” 支撑果树产业高质量发展

智能数据标注产业发展观察报告 发布单位： 清华大学数字政府与治理研究院 江苏省数字化协会 支持单位： 上海数据交易所 华东江苏大数据交易中心 2025年4月

型方面表现突出，但整个光伏行业的气候行动仍有待进一步加强。 鉴于此，继上期《光照未来：光伏组件企业可持续披露观察与建 议》 4报告发布之后，绿色江南继续追溯光伏产业链上中游环节， 对硅料、硅片和光伏电池片企业的可持续发展情况进行深入观察， 并提出相应的建议，以期为光伏产业的可持续发展提供参考。 本期观察聚焦于光伏产业链上中游的核心环节——硅料、硅 片和光伏电池片业务主要企业，通过分析企业披露的可持续相关 pecc.cc/section/85/3660 4《光照未来：光伏组件企业可持续披露观察与建议》绿色江南发布 https： //baijiahao.baidu.com/s?id=1823353842386640310&wfr=spider&for=pc 3 一、数据来源与研究方法 图 1：绿色江南航拍 本次观察所采用的数据来源包括各企业公开发布的年报、可 持续发展报告（包括 ESG 及社会责任报告）、官方网站报道，以 游企业的气候行动表现与其能耗水平、水资源消耗、温室气体排 放量、产品碳足迹认证情况、“三废”（废水、废气、固体废弃 物）管理措施以及环境投入等关键指标密切相关，因此，通过对 以上指标的披露数据及信息进行针对性观察与深入分析，不仅 本期可持续信息披露观察聚焦于光伏上中游产业链的三大核 心环节：硅料生产、硅片制造以及光伏电池片生产，涵盖了总计 54 家上中游企业。这些企业的名单基于中国光伏产业协会公示的 信息、近三年的产能与市场数据、行业专家建议及其他公开资料

1 广州互联网法院课题组 2 目 录 一、司法观察背景............................................................................................. 1 二、智能制造产业反映、问题分析与司法对策.............................................2 （一）数 （三）加快规则供给，以高质量司法裁判稳定市场发展预期..................23 （四）推进协同共治，以系统性思维凝聚产业治理合力.......................... 23 1 一、司法观察背景 党的二十大报告与“十四五”规划纲要明确指出，要“推动制 造业高端化、智能化、绿色化发展”“加快发展数字经济”。在国 家深入推进中国式现代化、构建新发展格局的宏大布局中，以人 工智能、工 1．产业反映 智能制造是信息技术与先进制造技术的深度融合，它催生了 16 新的产业形态与法律关系。在这场变革中，作为生产活动主体的 人，其角色定位、能力要求和思维方式正经历深刻调整。这些产 业观察特征与后续法律问题紧密相关，主要体现在以下 3 方面。 一是生产系统高度集成，产品与服务的边界模糊化。智能制 造的核心特征在于将硬件设备、软件算法、工业数据与网络通信 融为一体，形成了复杂的“

代码供应链安全 • 大模型应用安全 数据服务 • 网络质量分析调优 • 商客市场精准营销 • 互联网投流优化 中资出海 • 出海公有云 • 出海云能力套装 • 轻量化开区合营 云网融合趋势观察：网络演进推动场景化升级 跨境数据传输 需求激增 宽带业务 场景化转型 5G专网驱动 边缘加速 AIoT平台 智能化演进 云网融合解决方案：云边端多级加速，使能全场景连接 大网内容加速 边缘加速与计算 • 边缘上云服务 • 边缘安全加速 • 全球应用加速 • 多网聚合加速 • 异网内容分发 端云协同AIoT • 端云协同视频处理 • 端云协同AI对话 自主创新趋势观察：从技术突破走向全域生态 软件自主创新迈向深水区 可信数据空间加速落地 自主办公软件智能化升级 自主创新解决方案：高兼容灵活解耦，私有化专属部署 新型AI基础设施 • 高性能计算集群 • 大数据平台 • 零信任安全 • 数据风控 办公协同基座 • 企业微信 • 企业邮箱 • 腾讯文档 • 腾讯会议 数据风控 边界防护 可信通道 数据底座 可信数据 技术工具箱 人工智能趋势观察：技术泛化实现多维度赋能 AI原子能力 大模型化 智能体成为 变革引擎 B端模型应用 日趋成熟 多模态AI 丰富C端体 验 人工智能解决方案：共享模型与工具，共创百业智能化 全渠道数智化

息直接融入推理和规划过程中来生成一系列可执行 步骤. 此外, ViLA 能够自然地整合视觉反馈, 使得 机器人能够在动态环境中进行鲁棒的闭环规划: 机 器人执行第一步行动, 并观察结果, 执行行动后, ViLA 会将新的视觉观察作为反馈, 与之前的视觉观察和 已执行的行动步骤一起输入到 GPT-4V 中. GPT- 4V 将根据这些信息更新其对环境的理解, 并调整 后续的行动步骤. 例如, 如果第一次行动没有完全 以对象为中心的具身大语言模型. 研究人员预先定 义了一系列的动作标记 (如选择对象、导航、观察、 触摸、敲击、拿起、放下、环顾四周) 和状态标记 (如 编码获得的对象点云、冲击声、触觉信息和温度信 息) 与环境互动, 其中动作标记指导具身代理在环 境中执行特定动作, 而状态标记则将代理的多模态 状态观察反馈给大语言模型, 以便生成后续的文本 或动作标记, 使得 MultiPLY 能够灵活地在抽象表 其中人类的反馈尤为重要, 因为人类是目标的提出者与整个交互行为的观察 者. 一些方法利用大模型提取人类反馈, 使机器人 不断根据反馈调整目标, 有效地提高具身智能的灵 活性并提高任务的完成度. OLAF[80] 通过使用大语 言模型来改进机器人的行为. 系统包含三个步骤: 用户交互、数据合成和策略更新. 在用户交互阶段, 用户观察机器人执行任务, 并在认为机器人无法完 成任务时停止, 然后提供如何改进的自然语言指令;

2025中国新能源电力标杆企业调研名单 资料来源：Ifind，顺为分析 4 ©2025。欲了解更多信息，请联系北京顺为人和企业咨询有限公司。 目录/CONTENTS 01 新能源电力行业观察 02 行业组织效能分析 03 主要发现 04 关于顺为人和 05 附录： 指标定义与使用说明 通过顺为五效分析模型，从人 效、元效、费效、资效、市效 五大维度系统分析组织效能 结合五效分析工具总结提炼关 电站状态评估手段 新能源电力企业存在的问题 宏观经济分析 行业竞争格局 发展趋势预测 24 ©2025。欲了解更多信息，请联系北京顺为人和企业咨询有限公司。 目录/CONTENTS 01 新能源电力行业观察 02 行业组织效能分析 03 主要发现 04 关于顺为人和 05 附录： 指标定义与使用说明 通过顺为五效分析模型，从人 效、元效、费效、资效、市效 五大维度系统分析组织效能 结合五效分析工具总结提炼关 收入仍保持5.1%的同比增长，3年CAGR为13%。但企业利润端承压明显，净利 润平均同比下滑8.5%。其中仅有3家企业实现正增长，龙源电力涨幅最高，为23%，主要因投资收益暴涨46倍所致 顺为 观察 经营概览：2024年行业整体呈现“量增价减”特征，上网电量同比增长18%对冲电价下滑 9.0%，带动发电收入整体增长5.1%，但利润空间受到挤压，同比下滑8.5% 注：部分企业售电均价由上网电

可控性评估“假设驾驶员在 正常的条件下驾驶 (例如:他/ 她不疲劳),经过相应的驾驶员 培训(他/她有驾驶执照)并遵 守所有适用的法律法规,包括 应有的谨慎以避免为其他交 通参与者带来风险”。驾驶员 应按照交通法规，时刻观察 前方路况，避免伤害发生  FCW 没有报警，并没有影响 到车辆的驾驶功能以及车辆 上其他的 ADAS 功能。根据 GB/T 34590.3 6.4.3.9 “如果相 关项失效的危害不影响车辆 的安全运行(例如一些驾驶员 V2X 消息内 容错误，例 如位置错 误，导致误 报警。 Exposure: E4  RxV 在高速公 路行驶,跟车运 行  后方有其他车 Severity: S1  RxV 驾驶员可以 观察前车情况， 发现无碰撞风险 即取消制动或转 Controllability: C1  根据 GB/T 34590.3 6.4.3.8 注 2, 可控性评估“假设驾驶员在 正常的条件下驾驶 (例如:他/ 向造成的 RxV 动态变化较小， 因此即使被追 尾，碰撞相对速 度较小 培训(他/她有驾驶执照)并遵 守所有适用的法律法规,包括 应有的谨慎以避免为其他交 通参与者带来风险”。驾驶员 应按照交通法规，时刻观察 前方路况，避免伤害发生  从 RxV 的角度，由于 RxV 有 前车遮挡，因此可以通过前 车是否减速/转向来判断是否 需要刹车或变道，因此一般 来说处于可控状态  从 RxV 后方车辆的角度，

任务分解为简单子任务；LLM Planner 为每个子任务规划结构化动作，并根据反馈信息 调整规划，不断总结成功经验；LLM Interface 通过键盘鼠标操作执行结构化动作，并在 与环境交互中获取观察信息。 图42 解锁科技树的成功率（蓝色是 GITM） 资料来源：Xizhou Zhu《Ghost in the Minecraft》，海通证券研究所 图43 各模型完成任务成功率对比 探索学习阶段 资料来源：腾讯云，海通证券研究所 AppAgent 框架的核心是探索阶段。Agent 通过自主交互或观察人类演示来学习应 用程序的功能和特性。在自主交互模式下，Agent 被分配一个任务并开始与 UI 元素进 行自主互动。Agent 尝试不同的动作，并观察应用界面的变化以理解其工作原理。Agent 通过分析每个动作前后的屏幕截图，了解 UI 元素的功能和特定动作的效果。所有这些 元素的功能和特定动作的效果。所有这些 信息都会被记录成文档，详细记录下不同元素所执行动作的效果。如果某个 UI 元素被 多次操作，Agent 会根据之前的文档和当前的观察来更新信息，以提高认知质量。 AppAgent 专注重要操作，提高探索效率。如果当前 UI 页面与应用的主要任务无 关（如广告页面），Agent 会停止进一步探索，并使用 Android 系统的返回功能返回到 前一个 UI 页面。这种目标导向的探索方法，相比随机探索，确保