AI技術演進及發展背景 　　根據Gartner新興技術成熟度曲線的分析，生成式Al于2022年底迎來爆發期，隨后快速發展，2024年末得益于DeepSeek的開源模型，低成本本地化大模型方案正在大規模商業落地，大大減低了A智能體的部署難度及隱私風險。使大多數企業可以接觸到普惠可用的本地模型。 　　同時生成式Al能實現長文本、長代碼、圖片和視頻生成的多模態生成，Al智能體已經鋪開試點，逐步走向商業化。 　　Al Agent概念界定 　　Al Agent是一種能夠感知環境、自主決策并執行任務以實現特定目標的智能系統，即“人工智能代理”國內一般稱為為“Al智能體”，一般可以根據用戶的需要，理解并執行對應操作，完成復雜任務。相較于傳統大模型，AI智能體具備調用多種大模型、多種API、多種插件的能力，集合了視覺聽覺識別功能，具備多模態的特征。 　　目前主流GPT明顯如Chat-GPT、Kimi、DeepSeek等模型已經具備部分Agent能力，同時也是Agent主要調用的模型。 　　大模型本地化部署利好Al Agent，Al Agent市場規模持續擴大 　　AlAgent市場規模持續擴大，預計從2023年的574億元增長至2028年的33009億元。得以于DeepSeek的開源模型，低成本本地化大模型方案正在大規模商業落地，同時結合大模型及RPA的AI智能體鋪開了試點。 　　得益于開源模型和本地化大模型方案，智能體的部署難度和隱私風險顯著降低。目前已有23%的企業確認本地化部署，市場規模達到了640億元，預計2028年比例增長至90%。隨著GPU及AI處理單元迭代帶來的性能提升，單位Token的成本將持續下降。 　　預計2025年中國國央企及政府部門大模型一體機部署規模可達1236億元，未來行業滲透率增長可觀。大模型一體機本地化部署對Al Agent發展呈現利好關系，數據安全與合規性成為核心驅動力，技術協同將降低部署與運維門檻，性能優化與場景適配能力增強，最終成本下降推動規模化應用落地。

一、人工智能大模型發展趨勢解析 　　（一）全球人工智能行業大模型發展趨勢分析研判 　　當前，全球人工智能行業大模型發展呈現出多維度顯著趨勢。在技術層面，多模態融合持續深入，從早期單一模態向融合文本、圖像、聲音等多形式的多模態大模型轉變，未來將實現更深度的模態信息融合與自由交互。依托強化學習等前沿技術，模型推理能力得以逐步提升，并通過硬件單新與算法創新，訓練成本降低且效率大幅提高，有力推動大模型走向普及。模型小型化與端側部署成為趨勢，結合邊緣計算與設備智能化，端側大模型與云端協同形成端云融合架構，在智能駕駛等領域發揮關鍵作用。此外，長文本上下文處理能力也在不斷增強，能夠處理更長內容并精準把握語義邏輯，拓寬了大模型在知識管理等領域的應用空間。與此同時，智能體應用逐漸興起，遂步成為未來發展的關鍵方向

《2025年大模型2.0產業發展報告》由國家工業信息安全發展研究中心標準所與聯想集團聯合發布，深度剖析大模型2.0產業發展狀況，涵蓋技術演進、產業生態、應用場景及未來趨勢等關鍵領域。

1. 大模型發展歷程與2.0階段特征：人工智能歷經探索期、起步期、發展期后，大模型從1.0的探索邁向2.0的應用階段。2.0階段技術上，模型理解能力更強、知識儲備更全面、訓練模式更高效低碳、產業應用能力更廣泛；商業上，在個人和企業場景找到可行商業模式；產業層面，以個人和企業為核心的生態體系逐漸形成。
2. 產業生態體系構建：個人大模型生態涉及數據供給、技術基礎設施等多方面，能提升個人生活體驗；企業大模型生態包含基礎層、應用層和戰略層，助力企業轉型升級。二者共同構成大模型普及的關鍵支撐。
3. 社會影響與政策監管：大模型2.0推動社會進入智能時代，提高個人生產力，促使企業向全棧智能化發展，變革社會生產力與生產關系。各國積極制定政策支持大模型發展并加強監管，我國也在構建符合國情的監管體系和合規標準。
4. 關鍵要素剖析：數據、算力、算法和工具是大模型發展的關鍵要素。數據版權化推動數據服務產業發展，但數據治理和安全保障有待加強；算力需求促使智算成為主流，異構算力技術發展，服務方式走向多元；算法方面，Transformer仍是主流，RAG應用廣泛；工具鏈不斷完善，為大模型應用提供便利。同時，產業標準、安全保障、倫理治理和價值對齊是大模型可持續發展的重要保障。
5. 應用場景探索：個人大模型為個人終端產品升級帶來機遇，企業大模型在企業經營管理、研發設計、供應鏈管理和生產制造等場景應用廣泛，提升企業競爭力。聯想等企業的實踐案例展示了大模型在企業智能化轉型中的有效應用。
6. 未來發展趨勢展望：大模型未來將朝著通用性提升、模型輕量化、目標驅動架構發展。通用性提升使大模型能力更接近人類認知；模型輕量化降低部署門檻；目標驅動架構讓人工智能更智能、靈活地完成任務。 大模型2.0產業發展前景廣闊，但也面臨諸多挑戰，需各方協同合作，推動技術健康發展，實現其更大價值。以下是報告部分內容

報告主要探討了農業機器人的產業需求、典型機器人與關鍵技術、發展現狀、存在問題、發展趨勢以及技術創新等方面，為農業機器人領域的發展提供了全面的分析與展望。

1. 產業需求背景：農業生產環節眾多，如大田作物的耕地、播種，果園作物的灌溉、采摘等，且當前面臨諸多挑戰。一方面，西方勞動力短缺、不穩定且成本高昂，以草莓采摘為例，疫情期間季節性采摘工缺乏嚴重影響生產 。另一方面，據FAO測算，到2050年世界需增加60%食物生產，農業生產效率亟待提高。同時，世界和中國農業勞動力占比下降，中國還面臨勞動力老齡化問題，農業勞動力短缺日趨嚴重，急需農業機器人替代人工作業。
2. 典型農業機器人與關鍵技術：涵蓋多種類型，巡檢、作物表型、放牧機器人，關鍵技術包括移動平臺、導航、表型分析等；對靶施藥、施肥機器人，涉及對行導航、作物檢測等技術；精準除草機器人，運用雜草與作物檢測、執行器設計等技術；剪枝機器人，采用點云配準、多傳感融合等技術；果蔬采摘機器人，融合視覺伺服、路徑規劃等技術。此外，團隊還研發了具有獨立產權的采收一體式番茄串采和草莓采摘機器人。
3. 發展現狀與問題：農業機器人產業化程度不一，移動平臺、對靶施藥機器人等已產業化，精準除草、果園運輸機器人接近產業化，而果蔬采摘、剪枝機器人離產業化仍有較大距離。存在的問題包括復雜環境下感知不精準、動態環境下手 - 眼 - 腳 - 腦協調難、末端執行器操作不靈巧、效率低、持續作業難、智能程度低以及成本高、適應性差等。
4. 發展趨勢與技術創新：短期來看，未來3 - 5年，對靶施藥、病蟲害防控等機器人將大量使用，精準除草、果園運輸機器人逐步推廣，果蔬采摘機器人初步應用，同時在感知技術、核心部件國產化等方面取得突破。長期而言，未來5 - 20年，通用農業機器人（一機多用）、多機協同、邊 - 端 - 云協同將成為發展方向。在技術創新上，深度學習、新材料、觸覺反饋等新技術將被引入，智能農業機器人系統關鍵技術涵蓋智能感知、決策控制、靈巧執行、自主移動等多個方面，還涉及Agri - ROS操作系統、邊 - 端 - 云協同和系統集成等 。

2025年人形機器人將迎來量產元年，產業鏈發展前景廣闊　　人形機器人是AI應用落地的主要載體。大模型問世是人工智能發展的分水嶺，以人工智能大模型為代表的人工智能第三發展階段未來會有一段較長的發展紅利期，將成為新一輪科技革命和產業變革的重要驅動力量。人形機器人作為人工智能落地物理世界的優質載體，將受益于人工智能的快速發展，其擁有感知、思考、決策等能力不再遙不可及。人形機器人集成人工智能、高端制造、新材料等先進技術，有望成為繼計算機、智能手機、新能源汽車后的顛覆性產品。　　2025年人形機器人將進入量產元年，優秀企業有望逐步顯現。2025年，特斯拉optimus有望進入小批量量產階段，將有數千臺人形機器人落地在內部工廠運行，2026年有望對外銷售。英偉達在GTC2024大會推出人形機器人通用基礎模型ProjectGR00T。2024年11月，華為（深圳）全球具身智能產業創新中心宣布正式運營。Figure、1X、宇樹、智元、開普勒、優必選等國內外機器人領先企業已經先后開啟人形機器人的量產。　　人形機器人產業鏈空間廣闊，未來或達到萬億市場空間。馬斯克在2024年股東大會上表示，到2040年人形機器人未來數量將超過人類，可以替代人類完成無聊、危險和人類不愿意做的工作，成為工業主力，預計有望達到100億臺。我們預計當人形機器人年產量達到1000萬臺時，售價2萬美元，對應市場空間可以達到2000億美元，擁有超萬億人民幣的市場空間。高工機器人產業研究所（GGII）預測，2024年全球人形機器人市場規模為10.17億美元，到2030年全球人形機器人市場規模將達到151億美元，2024-2030年CAGR將超過56%，全球人形機器人銷量將從1.19萬臺增長至60.57萬臺。

　在人工智能發展日新月異的時代背景下，制造業憑借其海量數據資源和豐富多樣應用場景，已成為人工智能技術應用最具潛力的領域之一 　　人工智能的發展勢不可擋，其賦能制造業的進程已經開啟。人工智能正在向制造業加速滲透，驅動制造業全鏈路數字化轉型和智能化升級。當前，人工智能應用場景主要集中在生產制造、質量管控和研發設計環節，主要成效自標是降本增效。生成式AI技術的飛速發展獲得企業的高度關注，其在制造業的潛在應用前景被企業看好。 　　大部分企業尚未做好全面擁抱人工智能的準備。盡管企業普遍認為人工智能技術將在企業未來發展中發揮重要作用，但很多企業對人工智能技術及其應用的認知有限、理解不深，并在針對性的專業培訓體系構建、專業人才培養與儲備方面存在顯著不足，進而導致了企業在人才與技能方面的圈乏，定程度上制約了企業在人工智能領域的深入應用。 　　唯有主動迎接挑戰才是應對當前發展變局的良策。面對人工智能的快速發展，制造企業應當主動適應并積極擁抱這項新技術。但在期待通過人工智能技術賦能實現創新發展的同時，企業需要避免盲目投資。企業應在實施人工智能項目之前，明確自身戰略，開展多層次培訓，培養專業團隊，通過開展小規模項目試點，逐步積累經驗，穩妥推進人工智能技術的落地應用，確保其能夠與企業的發展目標深度融合。 　

從人工智能技術的概念、原理和分類入手,重點分析了人工智能技術三類主要軍事應用場景和八個重點軍事應用方向,并綜合運用技術專利分析成熟度評估方法和高德納技術成熟度曲線,對人工智能軍事應用八個重點方向進行成熟度評價。

當前，世界各軍事大國均把人工智能作為未來核 心軍事競爭的重要方向，不斷加大科研經費投入，爭先 搶占人工智能競爭高地。 美國已將人工智能置于維護 其主導全球軍事大國地位的科技戰略核心，在其“第三 次抵消戰略”中也是重中之重，目前在人工智能的軍事 應用方面已經取得了較大的優勢。 俄羅斯則把更多的 精力放在了硬手段的智能化改造上，基于雄厚的軍事 工業基礎，其在智能軍事領域的前瞻探索與布局不容 小覷。 以色列在人工智能技術的研究和軍事應用方面 投入了大量人力和資金，其在人工智能軍事應用方面 的能力已經得到了廣泛的認可［１?２］ 。 大力發展軍事智能科技，首要任務之一是厘清人 工智能技術的作用機理和特征，分析人工智能技術將 發揮重要作用的應用場景，判斷軍事應用的主要發展 方向，同時對各技術和應用領域的成熟度進行科學評 估，從而為軍事智能科技發展提供技術支撐。

隨著網絡信息和人工智能技術的快速發展，態勢感知（Ｓｉｔｕａｔｉｏｎａｌ Ａｗａｒｅｎｅｓｓ，ＳＡ）正在由傳 統的以人為主轉向人機智能融合發展階段，構建人機融合的 ＳＡ 生態系統將成為未來戰場勝負的 重要決定因素。 未來的 ＳＡ 是智能化的人、機、環境在各方面深度交互形成的人機融合新型“計算－ 算計”博弈系統。 本文面向人機智能融合 ＳＡ 生態系統的建設，探討了新型 ＳＡ 技術的概念、發展歷 程，提出人機智能融合 ＳＡ 體系架構和框架模型，構建了深度學習、強化學習、遷移學習人機融合技 術的智能 ＳＡ 典型應用模型。 最后，展望人機融合智慧技術面臨的挑戰，把握未來的發展趨勢，對 構建新型的 ＳＡ 生態系統提供參考借鑒。 隨著戰場感知獲取、信息傳輸處理和指揮控制 技術的快速發展，未來的戰爭形態和作戰樣式正在 經歷快速的變革。 戰爭形態已從機械化到信息化再 到智能化不斷演變，海［１］ 、陸、空［２］ 、天［３］ 、電磁［４］ 、 網絡［５］空間的六維戰爭環境將變得越來越龐大和 復雜，各種軍事威脅和對抗方式層出不窮。 傳統的 態勢感知技術過度依賴于作戰和指揮人員，作戰方 式單一、戰場信息感知不全、裝備智能化協同不足， 導致了人員很難連續快速地從大量的繁雜冗余、互 相關聯的感知信息中獲取感興趣的關鍵、有價值戰 場態勢信息，在短時間內做出多域聯動和準確反應， 形 成 協 同 認 知 并 做 出 快 速 合 理 的 判 斷 與 決 策 控制［６－８］ 。 在未來信息化生存和作戰條件下，任何軍事作 戰行動都在六維空間中展開，需要相互配合形成綜 合效能優勢。 隨著各種先進智能化技術和模型算法 的快速興起、迭代進展以及在軍事領域中的廣泛應 用，將徹底改變指揮和作戰人員的認知水平、作戰思 維、作戰方式、作戰范圍，傳統的態勢感知（Ｓｉｔｕａｔｉｏｎ? ａｌ Ａｗａｒｅｎｅｓｓ，ＳＡ） 技術和能力建設正面臨巨大的 挑戰［９－１６］ 。

中國消費者消費觀念的變遷和國家政策激烈驅動中國沉浸式產業市場從萌芽階段進入到成長階段，市場呈現出不同業態融合發展和多元化發展的趨勢。2022年市場規模預計達到520億元，預計2026年將突破2500億元。2022-2026年期間復合增速將達到48.1%。后疫情時代文旅、消費、演出娛樂的復出將會驅動沉浸式產業的市場規模加速增長，同時有望吸引資本市場的進一步入局。

　　近年來中國沉浸式產業相關政策發展頻出，政策重點關注商貿創意、展覽展會、文化旅游的沉浸式發展，未來這三大場景有望進一步擴大市場規模 　 　　產業上游技術已全部從萌芽階段進入到起步階段 　 　　沉浸式產業上游涉及的技術包括人工智能技術、網絡及運算技術、區塊鏈技術、物聯網技術、游戲技術和仿真交互技術。上游技術已全部從萌芽階段進入到起步階段 　 　　商貿創意未來發展潛力較大 　 　　從沉浸式產業鏈下游應用場景對于沉浸感的需求來看，商貿創意對于沉浸感的需求程度最高，且該市場發展在沉浸式產業中處于起步階段，未來發展潛力較大 　 　　沉浸式技術推動工業制造領域全生命周期的業務和模式變革 　 　　在工業制造領域，AR/VR、數字孿生等沉浸式技術應用于研發設計、生產制造、運維管理、產品測試和技能培訓占比分別為16%、32%、27%、7%和18%，推動全生命周期的業務和模式變革 　

人工智能技術是使人造機器具備類人類智能、模擬人類學習、認知、感知能力的信息技術，感知層人工智能技術發展成熟，多項應用方案實現規模落地，認知層人工智能技術將是實現下一代人工智能技術突破的關鍵。

中國工業領域人工智能技術滲透率較低，人工智能技術的應用主要集中于產品生產環節。工業領域各應用場景可用樣本數量的缺乏，是工業領域人工智能技術實現落地的主要制約因素之。

機器視覺技術在工業領域中應用廣泛，核心功能包括產品識別、測量、定位及檢測，是實現產品分揀、裝配、搬運、質檢等多個生產環節智能化轉型的核心技術，相較于人工生產具備降本增效等顯著優勢。

中國工業領域人工智能行業產業鏈上游以傳感器及AI芯片制造商與AI算法提供商為主體，產業鏈中游以輔助研發系統及智能生產系統提供商與工業機器人制造商為主體，產業鏈下游涵蓋工業領域各細分市場。

但是中國工業傳感器行業發展進入成熟期，主要增長動力來自于工業制造規模的增長與智能制造的應用，受制于人工智能技術在工業領域的滲透率增長速度較低，短期內中國工業傳感器市場需求增長速度預計將持續下行。

CMOS圖像傳感器成為圖像傳感器應用市場主流應用選擇；全球CMOS圖像傳感器市場集中度較高，壟斷效應明顯，龍頭企業占據高端CMOS圖像傳感器市場主導地位，對下游客戶具備較強主動議價能力。

應用于AI算法運行的處理器芯片以GPU、FPGA及ASIC三類芯片為主；發展起步較早的GPU芯片已實現規模化應用，具備更強的性能及更低的功耗的高度定制化ASIC芯片市場發展空間較大。