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。

　空間智能是主要基于3D視覺信息進行理解、推理、生成、交互的AI系統 　　空間智能概覽：3D生成、自動駕駛、具身智能是空間智能不同成熟度的應用領域，XR是空間智能的原生交互方式 　　從智能三要素、普及便捷度、經濟性出發，自動駕駛和3D生成是空間智能最先成熟的領域，具身智能仍處早期，各要素尚未完備 　　文字、圖片、視頻數據相比空間智能規模更大，支撐了以語言模型為核心的AI浪潮快速發展，3D和物理AI在數據成熟后空間智能也將迎來爆發 　　文本、圖片、視頻等數據由于互聯網內容的長期積累，數據規模上顯著大于自動駕駛、3D和具身智能 　　空間智能涉及3D視覺類數據、物理世界交互數據，互聯網數據的作用有限，需要等待數據體系進一步成熟，數據整體上比語言更復雜，對數據處理的要求也更高 　

《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

大模型產業應用日益廣泛，生態愈發成熟，其背后是逐漸清晰的角色劃分和更加復雜的應用模式。在大模型研發應用的全生命周期中，基礎供應者、技術支持者、服務提供者、服務使用者、內容傳播者等相關角色在產業發展和安全保障方面承擔著不同的使命和責任。在大模型落地應用時，還有更多的工具/插件、文檔及環境信息、知識庫等被開發和利用，幫助提升大模型的能力。在這種復雜多元的產業現狀下，新風險和新挑戰與日俱增。如何沉淀多方安全實踐，明確全鏈路、多角色的技術與應用控制措施，促進協同治理，有效防范化解人工智能的風險，保障大模型技術及應用的持續穩定發展，是本書闡述的重點。

《報告》深入分析大模型技術及其應用面臨的安全風險，總結提煉當前的產業最佳實踐，形成了以公共云基礎設施、開源生態數據供給為發展引擎，以一套覆蓋全生態鏈的安全架構為保障的指南，為人工智能行業的安全治理提供了可借鑒的方法和路徑。《報告》認為，公有云是大模型技術發展和應用落地的優選路徑，開源生態促進大模型算法發展與安全，高質量數據供給生態是具備持續競爭力的基礎，體系化的安全治理能力是穩定發展的保障。 ??中國電子技術標準化研究院副院長范科峰表示，在人工智能時代，發展與安全從來都不是對立的，而是相輔相成。人工智能安全標準化工作，既是人工智能安全治理的重要支撐，也是推動技術健康發展的基本保證。展望未來，人工智能技術的發展與治理必然需要更加廣泛、更加緊密的協作與配合。 ??據了解，這是阿里巴巴連續第三年發布人工智能治理相關報告。從聚焦倫理與治理、隱私保護、消費者權益等重要領域，到提出敏捷治理與協同共治的理念，本次新發布的報告聚焦大模型技術發展面臨的機遇與挑戰，探索技術應用與安全治理的平衡，貫穿三年的主線是“負責任的技術”。 ??阿里巴巴集團副總裁錢磊介紹說，“負責任的技術”有兩層含義：一是“守己”，負責任地堅守科技倫理和安全底線；二是“利他”，作為大型科技公司，阿里有責任發展先進技術，促進行業發展，推動新技術走進千行百業。阿里巴巴堅持云和AI協同發展，過去一年高強度投入人工智能基礎設施建設，推動算力成本持續降低，“通義千問”API調用價格一年間下降了97%。與此同時，阿里巴巴努力提高自研基礎模型“通義”系列的能力，堅持全尺寸、全模態開源，促進技術創新，與廣大生態伙伴一起，推動把AI能力真正轉化成為千行百業的生產力。 ??本次研討會由北京市互聯網信息辦公室指導，阿里巴巴集團和中國電子技術標準化研究院聯合主辦。 ??北京市互聯網信息辦公室副主任潘鋒表示，將建立健全大模型研發、上線、運行等全生命周期管理體系，統籌推進算力、數據等基礎要素供給，協同各方夯實人工智能發展的基礎。 ??會上，來自中國社會科學院、北京大學、同濟大學、中央財經大學等高校院所的專家，圍繞人工智能基礎模型安全風險的平臺治理、開源與可控、中外人工智能治理政策和大模型數據訓練中的侵權風險等話題探討人工智能的發展與治理之道。 ?

無人機具有快速部署、成本低廉等優勢. 無人機空地網絡通過將基站設備部署至升空無人機平臺，能從空 中快速構建對地覆蓋網絡，因而在應急救災、偏遠覆蓋、智能交通、智慧城市等方面具有廣闊的應用前景，近年來 受到廣泛關注. 面向無人機空地網絡應用場景，結合無人機的機動、組網、載荷等特點，圍繞無人機空地網絡覆蓋 性能提升、無人機空地網絡通感算一體化設計、智能反射面技術輔助的無人機空地網絡、魯棒無人機空地網絡四 個維度，從網絡場景、關鍵技術挑戰、性能優化控制方法等幾方面梳理無人機空地網絡的研究現狀，并探索優化提 升無人機空地網絡性能的未來研究方向.

以多旋翼和固定翼為代表的無人機設備因具有 低成本、快速部署、易于操控等優勢，近年來得到了 迅速發展. 依托無人機平臺也形成了多種新型應用 模式，無人機空地網絡就是其中的典型應用代表[1-2] 該網絡通過將原安裝于地面的基站設備部署至升空 無人機平臺，利用無人機的低成本和快速部署優勢， 構建無人機間、無人機與地面間網絡連接，以從空中 實現對地覆蓋網絡，從而有效解決地面通信基礎設 施受損或偏遠地區的網絡覆蓋問題[3-4] . 無人機的空中機動性使得原有地面通信網絡部 署方案不再適用，提升基于無人機的空地網絡覆蓋 性能是構建無人機空地網絡的基礎. 在應用方面，伴 隨著自動駕駛等新型應用模式的涌現，網絡內生感 知和計算能力也成為無人機空地網絡的關鍵需求之 一，在考慮無人機平臺機動屬性前提下提升無人機 空地網絡的通信、感知、計算綜合能力也成為適配該 應用場景的核心問題[5-8] . 面對城市、山區等空地環境 復雜、遮擋較強的場景，智能反射面（RIS）等新興通 信技術可以輔助改善通信傳輸環境，是提升無人機 到地面終端間通信質量的一個重要手段[9-12] . 此外， 無人機易受復雜多變天氣地形等工作環境影響，多 無人機協同組網易受相互之間的干擾影響，如何提 升無人機空地網絡的魯棒性能，構建無人機空地魯 棒網絡，適配不同工作環境、復雜組網及干擾環境， 保障無人機空地網絡的安全可靠高效運行，也是無 人機空地網絡的核心研究問題[13-18] . 針對無人機在上述空地網絡覆蓋性能提升、無 人機空地網絡通感算一體化設計、RIS 輔助無人機 空地網絡、無人機空地魯棒網絡設計維度的性能提 升和關鍵挑戰，已有的綜述論文并未進行充分論述. 本文將圍繞上述場景，進一步結合無人機的機動、組 網、載荷等特點，從關鍵技術挑戰、性能優化控制方 法等方面探討無人機空地網絡的研究現狀并探索提 升無人機空地網絡性能的未來研究方向. 1 無人機空地網絡覆蓋性能優化 1.1 網絡場景 地面基站通常布設成本高、建設周期長、對地形 地貌要求高，無法在偏遠和災害地區提供通信服務. 為填補地面基站覆蓋空缺，可以利用無人機快速部 署優勢，通過將通信設備加裝到無人機上形成空對 地覆蓋網絡，實現為大型災害現場提供應急通信保 障，為無通信基礎設施區域提供臨時通信服務，為偏 遠地區提供傳感器數據收集等應用. 如圖 1 所示，無人機空地網絡以固定翼或多旋 翼無人機為平臺，以單架無人機或多架協同組網的 方式提供對地的網絡覆蓋服務. 固定翼與多旋翼無 人機特點各不相同，因而所能提供的對地覆蓋能力 也不同. 具體而言，固定翼無人機承重載荷量大，對 通信設備的重量限制較少，但需要快速飛行來維持 升空能力，因此，當加裝通信設備后，固定翼無人機 的機動特性可能導致其無法對同一地面區域提供 持續穩定覆蓋[19] . 而多旋翼無人機具備空中懸停的 功能，能夠為地面同一區域提供持續性的網絡覆 蓋 [20] . 此外，為充分利用固定翼無人機與旋翼無人 機的優勢，固定翼無人機與旋翼無人機可以同時向 地面用戶提供覆蓋服務. 在多類型無人機共存的混 合網絡中，固定翼無人機飛行高度高、有效載荷大 的特點使其通常作為網絡的控制與調度中心，實現 資源與軌跡的聯合管控，并承擔與用戶和旋翼無人 機通信的功能. 旋翼無人機可以根據地面用戶的業 務需求提供靈活、多樣化的服務，通常被視為近地 面基站.

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 　

自2017年國務院印發實施《新一代人工智能發展規劃》以來，人工智能產業被上升為國家戰略的高度，人工智能技術的基礎研究、產業轉化和傳統行業應用都取得了長足的進展。人工智能技術既有獨特的自身產業屬性，又具有明顯的對其它產業賦能、促進實體經濟發展的特征，因而應用范圍和影響力極為廣泛。它所涉及的知識產權問題也具有很強的時代性，尤其在近年實體經濟融合和產業數字化轉型的過程中，也產生了許多新的挑戰。

自2018年起，由AIIA學術與知識產權工作組組織，在上海交通大學蘇州人工智能研究院的牽頭下，聯合各會員單位、法學界、人工智能產業界、知識產權服務機構等在內的專業團隊，分年度組建了人工智能產業知識產權研究課題組，對不斷產生的新問題和挑戰進行研究，并將研究成果以白皮書的形式發表出來。

2018年課題組由11家單位組成，發布《2018人工智能產業知識產權與數據白皮書》（以下簡稱“2018白皮書”），從基本法律概況（保護端）、專利分析（創新端）和專利價值評估（運營端）三個具體角度，呈現了AI領域的知識產權現狀，并通過既有爭議和案例的展示，對數據相關權利的幾個主要問題進行了梳理。2018白皮書一經發布，就在社會各界引起了強烈反響。

在此基礎上，2019年更多單位主動參與，21家單位協同工作，擴大研究范圍，提供了更多詳實的數據，完成《人工智能產業知識產權白皮書2019》（以下簡稱“2019白皮書”），形成了更為規范和完整的框架，即：以人工智能的定義和分類標準為開篇引領，在共識的定義和標準下進行專利檢索以及基于檢索事實的專利分析，之后結合知識產權布局現狀對人工智能企事業單位面臨的知識產權實務問題進行了一定的分析和探討。

在2019年白皮書初步形成的“內涵定義-專利檢索和分析-知識產權實務”的結構框架下，2020年課題組進一步擴大規模，50余家單位參與進來，進行全面而細致的討論和事實補充，形成了《中國人工智能產業知識產權白皮書2020》（以下簡稱“2020白皮書”）。2020白皮書第一章和第二章從基礎層、感知認知層、行業應用層、綜合運用層4個層面22個子主題，展現當下人工智能全產業鏈的產業發展狀況和專利布局趨勢；第三章至第六章內容覆蓋人工智能知識產權管理工作的主要環節——知識產權創造、運用、保護、風險防控，成為人工智能領域知識產權相關實務工作的實操指南。

2021年，仍有50家左右單位參與白皮書的制作。針對白皮書篇幅龐大的問題，課題組對知識產權白皮書形式進行了革新：根據主題的不同，將白皮書總體劃分成三個分冊和一個案例選編，形成《中國人工智能產業知識產權白皮書2021》的《分冊一：產業專利分析白皮書》（簡稱“專利分析白皮書”）、《分冊二：數據治理白皮書》（簡稱“數據治理白皮書”）、《分冊三：知識產權管理白皮書》（簡稱“知識產權管理白皮書”）和《附錄：知識產權優秀案例選編》（簡稱“案例選編”），其中：

專利分析白皮書重點在于人工智能基礎層、感知認知層和行業應用層上的技術和專利分析，展現人工智能在產業鏈上的發展狀況和專利布局趨勢，除了提供權威統計數據和分析結論外，還延續了2019年、2020年白皮書的傳統，即專利檢索式、檢索策略、數據來源等信息全部公開，充分體現了編纂作者的奉獻精神與白皮書的公開透明。相較于往年，白皮書緊跟AI熱點技術，在行業應用層中新增了智能媒體、智慧城建兩個新型領域的專利分析；

數據治理白皮書聚焦于當前熱點的人工智能數據治理話題，介紹了全球人工智能數據相關政策、數據合規和安全風險及其應對措施，并提供了豐富的案例和解析，來力爭讓人工智能從業者從中獲得啟發，指導實踐工作，盡量避免觸犯法律紅線，這也是課題組在歷屆白皮書中首次對人工智能數據治理這一主題進行系統地研究和介紹；

知識產權管理白皮書側重于人工智能企事業單位對知識產權的高質量創造、保護、許可運營、開源、技術秘密等方面的管理，包括高價值專利培育、應對海外審查規則、標準必要專利及其許可、風險防控、專利商標技術秘密的保護、管理體系的高質量建設等方面的研究等，并提出相關的實務工作建議；

另外，本白皮書還附有工作組征集的來自小米、眼控科技、中國移動、商湯、快手、追一、同方威視等多個企業的、各具特色的知識產權優秀案例，涉及人工智能企業知識產權制度體系建設、專利布局、專利侵權風險管理、企業知識產權管理服務、技術和專利的協同融合、專利資本化等多個領域，供聯盟單位及社會各界同行進行學習和參考。

2021年將以年度白皮書合集的方式發布各個白皮書分冊和案例選編。我們希望2021年度白皮書合集有助于從業者和決策者清晰并精準了解人工智能領域的知識產權發展現狀和未來趨勢，以及其中的風險和應對措施，并以此制定專業合理的知識產權工作策略、管理體系與框架，共同推動人工智能領域技術的發展與運用。

超級自動化是機器人流程自動化、流程挖掘、智能業務流程管理等多種技術能力與軟件工具的組合，是智能流程自動化、集成自動化等概念的進一步延伸。超級自動化實現了海量復雜業務的自動化處理，已在財務會計、人力管理、系統運維等多類業務場景中得到了廣泛應用。超級自動化可有效提升組織業務流轉的效率和質量，其相關能力對組織的數字化轉型發展產生了積極的推動作用。

加快數字化發展是我國“十四五”規劃綱要提出的重點方向，綱要明確指出了云計算、大數據、人工智能等技術服務社會的發展需求。作為前沿技術的“試驗田”和企業轉型的“切入點”，超級自動化相關能力正在加速融入社會經濟活動之中。在組織層面，追 求更高的業務效率和服務水平，要求組織善于挖掘業務痛點、科學優化流程結構、高效執行任務進程；在個人層面，尋求創新活動和價值提升，需要個人利用新的替代工具、開辟新的執行方法、實施 新的流轉手段。超級自動化是組織發展提質、個人勞動解放的有效途徑，是技術融合發展、業務協同共生的最佳實踐。

本報告重點對超級自動化的概念范圍、技術體系、應用場景進行了梳理和分析。概念范圍上，通過對比分析多方給出的相關概念，明晰了超級自動化的定義，并闡明其與傳統自動化在要素、技術和應用上的重要區別。技術體系上，點明了機器人流程自動化、流程挖掘、智能業務流程管理等超級自動化關鍵技術，以及云數智等支撐技術對超級自動化發展的深刻影響。應用場景上，介紹了超級自動化在財會、人社等通用場景和金融、政務等專用場景上的應用模式，給出多方探索應用的超級自動化實踐案例。最后，本報告 指出了當前超級自動化發展面臨的問題及挑戰，給出建議并提出參考模式。

超級自動化已進入發展快車道，技術融合持續加強，應用場景不斷拓寬，產業生態加速完善。本研究報告對超級自動化技術與應用研究認識和理解還有待加強，報告中如有不足之處，還請各方專家讀者不吝指正。

近年來，智能無人系統發展迅猛，出現了無人機、無人車、無人船、無人潛航器、機器人等一系列新產品。智能無人集群系統指若干無人系統根據任務分工，在一定時間、空間內協同完成復雜任務的整體系統。智能無人集群系統具有單個無人系統不可比擬的優勢，在農業、制造業、交通、教育、醫療、軍事、金融等多個領域具有廣闊的應用前景。

物聯網、大數據、人工智能、網絡通信等新一代信息技術的快速發展促進了智能無人集群技術的發展和應用。目前，從世界范圍內來看，智能無人集群尚處在技術發展的創新階段，技術架構多種多樣，不同標準化技術組織提出并研制了不同的技術架構，使得智能無人集群產業發展缺少統一的技術體系和標準體系來指導產品全生命周期的設計、研制、使用和維護等。基于以上需求，編制組啟動了本白皮書的撰寫工作。