本藍皮書全面剖析了人形機器人產業從技術研發到商業化落地的關鍵路徑。2025年被視為人形機器人邁向量產的元年，其核心技術進步主要集中在人工智能算法優化、材料創新和人機交互能力提升等領域。報告指出，國際領先企業如特斯拉、波士頓動力等已在硬件平臺與商業模式上取得顯著進展，中國企業則以華為、京東等為代表，在智能制造和應用場景上逐步追趕。

報告特別分析了商業化的核心挑戰，包括高昂的制造成本、標準體系缺乏及應用場景有限等問題。為推動行業持續發展，藍皮書提出了多項建議，如建立行業標準、加強跨領域協作以及拓展多元化應用場景。未來，人形機器人將在智慧物流、醫療護理及教育等領域釋放更大的商業潛力。

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。

人形機器人是人工智能與物理世界交互的優質載體。 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。 當前人形機器人正處于從實驗室研發到產業化轉化的關鍵時期， 產業規模快速增長， 生態活力不斷提升。

　　應用場景多元化， 勞動力缺口加速機器人產業化進程。 人形機器人下游應用場景豐富， 包括生產制造、 應急救援、 家庭陪護、 教育、 醫療等。 在產業場景中， 人形機器人主要在智能制造領域發力， 如IBM結合AI、 遙感和邊緣計算的力量打造新一代安防巡檢機器人， 亞馬遜采用AI技術驅動機器人用于自動化的倉庫操作和物流處理等。 勞動力缺口擴大導致用工成本上升， 工廠機器替人需求逐漸增加， 有望進一步加速機器人產業化進程。 　 　　多方入局， 人形機器人正迎來產業高速發展窗口期。 外資巨頭紛紛加速推進人形機器人業務進程， 2024年3月， OpenAI與FigureAI合作推出通用型機器人Figure01， 全球AI算力頭部廠商英偉達發布人形機器人通用基礎模型ProjectGR00T； 4月， 波士頓動力新版Atlas人形機器人亮相； 5月， 特斯拉發布人形機器人Optimus最新進展視頻， 展現其已具備分揀電池、 行走、 執行工廠任務的能力。 在激烈競爭的市場環境下， 我國人形機器人產業也呈現出蓬勃發展的態勢。 優必選Walker、 小米CyberOne、 達闥Ginger、 傅利葉GR-1等一批國產人形機器人陸續面市， 全球人形機器人產業競爭按下加速鍵。

“ 國產化降本+AI模型賦能” 加速機器人產業化：

　　經過4年（2019-2024年）的生產經驗積累， 特斯拉在國內已經形成了一套自上而下的成熟汽車供應體系。 汽車供應鏈和人形機器人供應鏈的部分產品底層技術同源， 未來特斯拉有望將汽車產業鏈復制至機器人端， 實現國產化降本。 　　OpenAI布局人形機器人有望產生鯰魚效應， 推動其他供應商對AI機器人的推進， 進而提高人形機器人智能化程度和通用性，打開應用場景， 加速人形機器人產業化進程。 　　 特斯拉引領人形機器人行業， 機器人板塊進入事件催化階段： 　　2021年8月， 馬斯克在AI DAY上首次提出TeslaBot的設想， 經過兩年的技術迭代， 擎天柱已經可以實現對物體進行分類、瑜伽、 流暢抓取物體等功能。 2024年1月， 馬斯克在業績交流會上披露， 特斯拉人形機器人即將于2025年實現交付。 在機器人的發布、 研發和量產方面， 特斯拉均是行業領先水平。 　　 23年5月至今， 機器人板塊受各類事件催化， 開始走出自己的獨立行情， 板塊走勢和大盤的相關性減弱。 我們認為由于各公司快速布局人形機器人領域， 行業確定性持續增強， 因此板塊行情逐步由大盤聯動型轉變為事件驅動型。 　　2024年除特斯拉人形機器人定點發放外， 還有世界機器人大會、 特斯拉AI DAY、 海外機器人展會等相關事件， 以上熱點有望和特斯拉機器人執行器定點事件共同推升機器人板塊行情。 　　 機器人產業鏈各環節快速突破， 國產替代大有可為： 　　絲杠： 反向滾柱絲杠重量輕結構緊湊， 適用于人形機器人， 核心難點在于螺母內螺紋加工， 磨床是絲杠制造的核心設備； 　　減速器： 機器人減速器分諧波、 RV、 行星三種主流類型， 其中諧波有望成為主要技術路線， RV&行星為輔助方案； 　　空心杯電機： 無鐵芯設計模式具備效率高、 電損小、 結構緊湊等優勢， 外資占據主要份額國產廠商逐步崛起； 　　傳感器： 傳感器中六維力矩傳感器壁壘最高， 外資廠商為主流“ 玩家” ， 國內廠商起步較晚， 處于大力攻克技術難點的階段，未來有望逐步迭代產品， 實現技術革新和成本優化

人形機器人商業化持續推進。人形機器人發展到高動態階段為未來多樣化應用場景落地創造了豐富的想象空間，多家企業已就實際應用場景開展了商業化初試，其中1Xtechnologies的機器人EVE和AgilityRobotics的機器人Digit取得了不錯的成績，通過復盤他們的發展情況，我們認為人形機器人成功實現商業化需要從以下幾點考量：（1）找到降本路徑實現規模化，提升機器人應用經濟性；（2）提升智能化水平；（3）功能設計與實用場景匹配助力應用，比如EVE、Digit。 　　多維度賦能，人形機器人發展有望提速。在ChatGPT的加持下，人形機器人有望迎來新一輪進化，科技龍頭紛紛入局，技術革新蓄勢待發。同時，相關政策激勵也將推動人形機器人應用落地。未來，隨著技術創新和成本下探，人形機器人具備可觀發展潛力，有望迎來廣闊的商業化應用前景空間 　　特斯拉入局，人形機器人有望實現“0-1”。2022年特斯拉人形機器人Optimus原型機在AIday首次亮相，基于特斯拉強大的儲備技術，Optimus實現了快速迭代，到2023年5月，其力度精準控制、環境感知能力等方面都有了較大的提升。我們認為基于特斯拉電動車的快速擴產能力以及專注于技術降本的強大的創新研發能力將加快Optimus的經濟性提升，人形機器人有望實現“0-1”。

人形機器人產業發展仍處于 0-1 階段， 當前行業投資邏輯偏向事件驅動型的主題投資，但可落地服務場景的人形機器人成長空間非常廣闊，值得長期關注。本文將圍繞以下熱點問題作出討論：①當前節點人形機器人產業有哪些變化？②如何判斷其市場空間？③我國在 Tesla 人形機器人產業鏈中哪些環節具體受益？④各環節供應格局及壁壘如何？⑤市場化如何展望？我們認為 AI 賦能及多方入局情形下人形機器人產業發展明顯加速，商業化節奏值得期待，我國制造企業憑借成本優勢有望在人形機器人硬件端獲益。本文亮點在于，我們對 Tesla Optimus 制造成本進行拆分，討論各零部件基本原理、技術壁壘及供應格局， 并從價值量/壁壘等維度指出可重點關注電機、滾珠絲杠、減速器、傳感器等部件，進而跟蹤各環節中的有望進入 Tesla 供應鏈或能實現技術突破、國產替代及產能釋放的優秀國產制造企業。

　　市場邊際變化：AI 超預期發展及多方玩家入局， 關注 Tesla AIDAY 等事件催化。我們認為 2023 年相對于 2022 年而言，市場最大的邊際變化在于：一方面，人形機器人是 AI+機械的最大落地場景， ChatGPT 接入機器人，有望使得人機互動更加智能，更多元化，產業落地有望加速。另一方面，全球范圍內興起人形機器人熱潮， 特斯拉、波士頓動力、 Engineered Arts、 1X Technologies、優必選、達闥、小米、 傅利葉智能等海內外企業紛紛入局，風投企業軟銀集團創始人孫正義亦在今年 6 月股東大會中表示出對 AI革命的強烈興趣。展望未來，我們認為短期可以重點關注今年 7月傅利葉智能的新品發布會及 9 月 Tesla AI DAY，長期需要跟蹤人形機器人于明后兩年的量產進度。 　　市場空間判斷：成長性明確，長期價值有望超過電動車。據高盛預測， 在技術得到革命性突破的理想情況下人形機器人 2025-2035 年銷量 CAGR 可達 94%， 2035 年市場規模達 1540 億美元。若參照電動汽車發展歷程，則樂觀情況下人形機器人 2025-2035 年銷量 CAGR 可達 59%。從勞動力替代角度來看，人形機器人在兩年投資回報期情形下將逐步實現從 B 端至 C 端的量產推廣。TeslaCEO 馬斯克在今年 5 月股東大會中指出長期維度人形機器人價值將超過電動車。

　　受益環節：把握我國制造企業在人形機器人硬件端受益機會。參照智能手機及電動汽車的發展， 蘋果 IOS 系統及特斯拉 FSD 系統均由企業自研自控，是軟件算法的核心部分。而硬件方面，為達降本訴求通常采取外購形式，因此我們認為中國制造企業有望憑借明顯的成本優勢在人形機器人硬件產業鏈上獲得受益機會。 　

　看好工業機器人賽道，受益智能制造、國產化雙重驅動

　　工業機器人為譽為“制造業皇冠上的明珠”。IFR、中國電子學會數據顯示，2022年中國工業機器人市場規模609億元，全球占比45%，為第一大市場。2022年國內工業機器人銷量28萬臺，2011-2022年CAGR26%，十年間銷量擴增十倍。2021年韓國/日本/德國/中國工業機器人密度分別為1000/399/397/322臺/萬人，我們認為我國滲透率仍具備翻倍空間：①從經濟性看，人口老齡化加劇導致人力成本提升，機器替人為大勢所趨。②從政策導向看，2023年1月工信部發布《“機器人+”應用行動實施方案》，目標2025年我國制造業機器人密度較2020年實現翻番。受益機器替人及機器人政策導向，我們預計2022-2025年我國機器人銷量CAGR為14%。

　　工業機器人國產化提速，關注大六軸、焊接等低國產化率環節

　　IFR、中國電子學會數據顯示，2022年我國工業機器人國產化率僅35%，國產龍頭埃斯頓/匯川機器人市占率僅6%/5%，國產化仍有較大提升空間。2023Q1工業機器人國產化率41%，同比提升9pct，國產化提速。我們認為國產化率較低的環節成長空間大、壁壘高、盈利能力較好，是行業阿爾法來源之一，我們將國產化率較低的環節總結為三點：①大六軸：2022年國產化率僅17%，國產龍頭埃斯頓份額8%，引領國產替代。②汽車3C：2022年汽車及3C行業機器人銷量占比達47%，市場大、國產化率低，在鋰電與汽車融合趨勢下，國產品牌由光伏、鋰電拓展至傳統3C、汽車行業。③焊接：2021年焊接機器人國產化率僅34%，凱爾達專注于焊接機器人業務，埃斯頓通過收購CLOOS補齊國內厚板焊接短板，未來有望在焊接領域取得突破。

　　工業機器人下一個風口：AI自然語言及具身智能

　　工業機器人痛點在于開發交付門檻較高，需要專業工程師手動編寫代碼、反復調試后，才能匹配產線特有的任務需求，高昂成本極大阻礙了工業機器人的普及。在AI大模型趨勢下，工程師可通過大模型自動生成代碼指令完成機器人功能的開發與調試，用日常對話的方式來指揮機器人。2023年年初，谷歌推出視覺語言模型PaLM-E，并運用到工業機器人上，根據環境變化尋找行動方案，無需任何人類引導。2023年阿里巴巴將千問大模型接入工業機器人，成功用對話操控機器人工作。在工業領域內，機器人能夠與人類直接對話，加速應用實現及潛在應用領域滲透率飛躍，是未來十年最重要的機會之一。

　　尋找工業機器人產業鏈強阿爾法

　　工業機器人產業鏈中優選強阿爾法，我們認為主要有三個思路：（1）上下游全產業鏈布局，應對可能到來的行業格局分化；（2）國產化率低、壁壘較高的環節：大六軸、汽車3C、焊接；（3）規模持續擴大，有望迎來盈利能力上行。根據以上條件，我們篩選出7家機器人產業鏈核心標的進行梳理，分別為發那科、埃斯頓、匯川技術、新松機器人、埃夫特、華中數控、凱爾達。 　

特斯拉強勢入局人形機器人：廣闊藍海，搶占先機

　　人形機器人具備通用性，理論上幾乎能完成所有人類進行的任務，未來將擁有比汽車更大的市場空間。馬斯克曾稱特斯拉汽車是放在輪子上的機器人，特斯拉必然利用這個天然優勢搶占人形機器人廣闊市場的先機。人形機器人與智能汽車協同，也將助力特斯拉以更低的成本實現完全自動駕駛的電車。 　 　　AI是特斯拉投入人形機器人的最強競爭力，數據、大模型賦能加速迭代落地 　 　　Optimus問世前，人形機器人存在成本高、不智能、控制水平差的缺陷，無法實現量產。而Optimus突破了不智能、難控制的缺陷，采用類似汽車域控制器的控制方式并復用FSD系統，通過閉環數據引擎，不斷升級的感知、規劃控制算法以及高算力、模型訓練效率達8分鐘/個的超算系統共同打通“感知-認知-決策”鏈路，擁有了智能屬性。2023年，以GPT-4為代表的AI大模型迎來突破性進展，將進一步提升特斯拉機器人交互、決策、感知能力，加速迭代落地。OpenAI領投人形機器人公司1X證明了AI在人形機器人領域大有可為。 　 　　特斯拉機器人降本潛力大，國產硬件供應商迎來重要機遇 　 　　特斯拉機器人在設計上也選擇了硬成本最低、軟成本最大的方式后發制人，類似在自動駕駛感知領域以純視覺方案代替激光雷達。特斯拉機器人硬件成本包括40個關節執行器以及其他結構件。根據我們測算，目前硬件成本占BOM表比例超過50%，要達到2萬美金售價還有84%的降價空間。特斯拉機器人關節執行器采用的零部件種類和現有的工業機器人基本一致，由于沒有像工業機器人一樣對實現高速運動的要求，一定程度上降低了生產難度，因此只需根據人形機器人的特點對零部件進行調整修改就可以進行標準化的大批量生產，而且軸承、齒輪箱、滾珠絲杠、電機等部件可復用特斯拉汽車的供應鏈。國產硬件供應商具備很強的低成本大規模量產能力，迎來了導入特斯拉機器人硬件供應鏈的重要機遇。 　 　　站在特斯拉機器人產業化落地起點，國產廠商增長動能充沛 　

來源：中國信息通信研究院 　　日前，在“2022可信AI峰會”上，中國信息通信研究院云計算與大數據研究所所長何寶宏正式發布并解讀了“2022 人工智能十大關鍵詞”。 　

　　關鍵詞一：大模型

　　大模型技術創新和工程落地齊頭并進，掀起行業大模型落地熱潮。大模型的更新迭代速度不斷加快，開始從“可用”的基礎大模型轉向為“好用”的行業大模型。 　　在技術創新方面，大模型的網絡構建、模型訓練、算法調優等技術趨于成熟，持續提升其通用性和泛化性，已初步具備通用智能雛形。例如，近期開源的NLLB可支持200種語言的相互翻譯。 　　在工程落地方面，已初步形成大模型As a Service的應用模式，加速向互聯網、ICT、金融、政務等垂直行業滲透。為支撐應用方更便捷地開發和部署大模型，多家頭部企業發布了行業大模型及開發工具。 　　 　關鍵詞二：生成式AI

　　生成式AI開辟AI創作能力，加速AI與數據要素深度融合。近幾年生成式AI的技術能力越來越成熟，可生成逼真且富有創意的多模態數據，形成自動寫作、代碼生成、數字人等典型的應用形態，已連續兩年入選《人工智能技術成熟度曲線報告》。 　　在技術方面，生成式AI借助生成對抗學習等技術，能夠生成更加真實、更有創意、更有趣味的內容。例如，2017至2022年，在圖片生成權威榜單上，真實度和趣味度綜合評分提升了近5倍。 　　在應用方面，生成式AI既是生產要素，也是生產工具。除了圖像生成以外，在寫作和編程等方面也取得進展。 　 　關鍵詞三：AI4S（AI for Science）

　　AI for Science在多個傳統科學領域取得重大突破。隨著人工智能技術的快速發展和大規模應用，AI在逐漸成為科學研究新的生產工具，AI4S將進一步釋放科學研究的生產力，促進人工智能的工程落地。 　　一方面，AI與傳統科學領域的深度融合，極大拓展該領域解決問題的能力，目前AI在生物、數學、材料、物理、基因、化學等基礎科學領域都取得了諸多成果和突破，并對科學研究范式產生了深刻的影響，例如，目前人工智能已經能夠預測幾乎所有的生物蛋白質的可能結構，被譽為人類在21世紀取得的最重要的科學突破之一，可能開啟“數字生物學”的新時代。 　　另一方面，傳統科學領域的進步和對AI技術的需求加速了AI本身的發展。當前產學研共同發力人工智能與科學的融合，產業界聚焦工具創新，開源工具和基于開源工具產生的創新成果呈爆發趨勢，AI4S的研究范圍也擴展到了更多基礎問題領域。高校和研究院聚焦算法和應用，用AI算法更好地將科學計算和物理模型相連接，進而指導科學與產業創新。 　 　關鍵詞四：知識驅動AI

　　知識驅動助力人工智能認知能力的提升，滿足人工智能深入各個行業不同應用場景的需求。隨著深度學習與知識圖譜等多重技術的深度融合，綜合利用大量知識數據中的因果和邏輯關系，可以助力人工智能認知能力的提升，來解決人工智能深入各個行業時場景復雜、可解釋性較低等問題。 　　在技術方面，知識和數據雙輪驅動的人工智能技術路線展現了強勁的發展潛力，知識的融合應用有效地提升了智能問答、智能推薦、大規模預訓練模型等人工智能技術中的效果。文心大模型、孟子大模型等均嘗試利用知識增強技術路線提升效果。 　　在應用方面，知識與人工智能的融合拓展了人工智能的應用范圍，促進形成知識凝練、知識流轉、知識賦能閉環，推動數字化發展下行業與企業各類知識的沉淀、流轉，顯著提升實際場景的智能應用水平。 　　 　關鍵詞五：超級自動化

　　超級自動化已經成為企業即開即用、敏捷配置的數字化轉型工具箱。經過一年多的發展，超級自動化有了很多新的價值。在概念深化方面，中國信息通信研究院在今年發布的《超級自動化技術與應用研究報告（2022）》中首次對其主要概念進行了深入剖析和理解，認為“超級自動化是多種技術能力與軟件工具組合，覆蓋了自動化從需求發現到應用實踐的全流程”；在技術發展方面，機器人流程自動化、智能流程管理、低代碼應用平臺、流程挖掘等工具和平臺，銜接起了企業級各類復雜業務場景，其綜合應用、交互使能是超級自動化發揮效能的重要手段。 　　人工智能、大數據、云計算等技術作為底座，為超級自動化發展注入了源源不斷的強大動力；在應用拓展方面，政府和企業使用超級自動化技術開始呈現出全面爆發的狀態。例如，日本全面引入RPA實現政務的數字化轉型，據統計各級政府的引入率已經超過90%。同時，產業創新層面，領先的RPA企業都不再局限于RPA或流程挖掘等單點能力的輸出，而是圍繞信通院提出的超級自動化技術與工具體系，開始由點及面的建立起立體服務架構。 　 　關鍵詞六：人工智能中臺

　　人工智能中臺重塑企業智能化轉型的能力底座。隨著企業從重視人工智能的“研發”，到“研發-運營”并重，AI開發平臺也逐漸向AI中臺演進。 　　理念層面，AI中臺更加重視管理和運營，技術層面，AI中臺高度集約了AI能力，具有規模化、標準化、可擴展等特點。其中，規模化是指整合了豐富的人工智能開發、部署、測試、運維等能力，標準化是指將異構的軟硬件環境封裝為標準化的界面，可擴展是指可以不斷適配新的技術和工具，保證AI技術的動態演進。 　　通過與數據中臺、云平臺、業務中臺、運營平臺的打通，AI中臺正在加速融入企業的技術平臺體系中。當前階段，大型的行業企業正在積極構建AI中臺體系，通過高效的組織管理實踐，推動全場景全領域的AI賦能。 　 　關鍵詞七：MLOps

　　MLOps落地開花，AI資產沉淀和治理成為實踐新風向。隨著業界對人工智能研發效率、團隊協作、安全保障等需求進一步提升，整個MLOps產業實踐呈現出“內涵很明確、落地很困難”的現狀。 　　從技術內涵來看， MLOps的核心和要求已明確，即圍繞“一個基礎、兩個關鍵、三個提升”，逐步建設從需求、開發、交付到模型運營的全生命周期運營管理機制。一個基礎是指持續交付，通過搭建工廠流水線式的模型生產方式，提高規模化生產效率。許多頭部企業都已開始實踐模式的持續交付，部分企業模型研發效率提升超過40%。兩個關鍵是指持續訓練和持續監控，通過持續訓練和持續監控搭建高效閉環的運營管理體系，提高機器學習可觀察性，保證模型質量，增加賦能效果。 　　三個提升是指數據管理、特征管理、模型管理能力的提升。對數據、特征和模型等AI資產加以沉淀、安全管控和風險治理，提升企業級AI治理能力，已成為MLOps新風向。 　　從落地現狀來看，持續交付、持續訓練、持續監控和模型治理難度依次提升，產業界當前尚處在提升持續交付和持續監控能力過程中，模型治理等僅有少量探索，未來仍然是AI工程化的重點方向。 　　此外，MLOps的工具市場持續火熱，端到端的MLOps一體化工具和細分場景的專項工具都非常火熱，端到端工具追求大而全的功能集，專項工具在局部或某些場景下功能和性能較好，例如流水線編排、模型監控、特征存儲、可觀測等工具，未來MLOps相關工具可能會成為AI軟件市場的重要賽道。 　 　關鍵詞八：人工智能新基建

　　AI軟件設施加速新基建的賦能效應。自2018年新基建的概念提出以來，政產學研用多方主體發力建設人工智能基礎設施，AI新基建的內涵也在這個過程中逐步明晰。 　　AI新基建主要包括數據基礎設施、算力基礎設施和AI軟件設施。數據和算力基礎設施非常重要，但是如果沒有軟件設施作為連接樞紐，則難以充分發揮人工智能的賦能效應，支撐起豐富的AI應用和服務。 　　因此，AI軟件設施在近兩年成為產業焦點，AI開源框架生態、預訓練大模型體系、AI軟件平臺生態等內容都得到了長足的發展。 　　AI新基建的愿景是讓AI像水、電一樣成為觸手可得的普惠資源：政策層面，國家以及各行業的“十四五”規劃相繼對人工智能新基建提出指導意見，不斷推動新基建的落地應用；產業層面，頭部科技企業聯合地方政府，積極建設運營區域性基礎設施，不斷加速AI生態的培育。

　　關鍵詞九：企業智能

　　企業智能化建設手段與方法實現全新變革，逐漸向全場景、全流程、全層級深度融合應用轉變。隨著智能化技術的不斷發展和應用深入，企業智能建設從部分場景、外部維護、單點優化逐漸向系統化、全面化轉變，通過智能基礎設施和智能應用雙驅重塑企業智能化發展勢能。 　　一方面，企業建設完善人工智能中臺、知識中臺、大模型等智能基礎設施，筑牢了企業智能的底座、打造了企業的知識大腦、拓寬了企業的全新賽道，整體上夯實了企業智能化發展的根基。例如國有六大銀行、電力、石油等大型央企都已經建設了各類智能基礎設施，并依托該設施為企業的智能轉型提供支持。 　　另一方面，智能文檔處理、智能會議、知識管理、智能客服等各類企業智能應用不斷發展，全面賦能企業辦公、管理、決策、風控、營銷、服務等各個環節，促進業務的數據化與知識化、工作流程的信息化與智能化。智能基礎設施和智能應用相輔相成，智能基礎設施促進智能應用的敏捷高效，智能應用助推智能基礎設施底座的升級優化，共同推動企業智能化的加速發展。 　 　關鍵詞十：可信落地

　　可信AI由理論研究邁向工程化落地。隨著人工智能技術的快速發展，社會各界對可信AI研究已經從理論探索逐步走向工程化落地實踐。政府與研究機構相關政策和規范從宏觀指導，開始向可操作、可落地的規范演進。在法律監管層面，各政府部門的法規政策愈發重視實施和操作。例如新加坡于5月出臺世界首個AI治理測試框架及工具包；英國6月宣布首個人工智能倫理和監管的重大研究計劃。 　　在行業可信實踐層面，各國研究機構紛紛開展可信AI技術研究及標準制定工作，為業界提供評估準則并聚焦準入落地。如英國BSI與艾倫圖靈實驗室合作開發技術標準改善人工智能治理，美國NIST發布《人工智能偏差識別和管理標準》和《AI風險管理框架（草案）》，為企業和機構的AI風險管理提供了大量可參考的要求和指導。 　　在企業可信實踐層面，產業界從企業戰略管理和技術工具研發創新雙線并進，加速了可信AI在企業的落地實踐。如頭部科技企業先后發布了AI治理戰略和治理體系，成立了相關委員會和工作組，聚焦企業層面的AI治理和風險管理體系。同時可信AI技術和保障工具也在蓬勃發展，各大企業積極研發可信產品應用，也開源了一批聚焦隱私性、魯棒性、安全性、可解釋性、公平性等可信能力的測試工具。

《人工智能白皮書（2022年）》發布

人工智能技術是釋放數字化疊加倍增效應、加快戰略新興產業發展、構筑綜合競爭優勢的必然選擇。縱觀全球，國內外人工智能相關不斷強化，持續推動釋放人工智能紅利；以深度學習為代表的人工智能技術飛速發展，新技術開始探索落地應用；工程化能力不斷增強，在醫療、制造、自動駕駛等領域的應用持續深入；可信人工智能技術引起社會廣泛關注。人工智能治理受到全球高度關注，各國規制進程不斷加速，基于可信人工智能的產業實踐不斷深入。

近日，中國信息通信研究院正式發布《人工智能白皮書（2022年）》，全面回顧了2021年以來全球人工智能在政策、技術、應用和治理等方面的最新動向，重點分析了人工智能所面臨的新發展形勢及其所處的新發展階段，致力于全面梳理當前人工智能發展態勢，為各界提供參考，共同推動人工智能持續健康發展。

**政策層面，**國內外不斷強化人工智能的戰略地位，推動釋放人工智能紅利。**技術及應用層面，以深度學習為代表的人工智能技術飛速發展，新技術開始探索落地應用；工程化能力不斷增強，在醫療、制造、自動駕駛等領域的應用持續深入；可信人工智能技術引起社會廣泛關注。與此同時，治理層面工作也受到全球高度關注，各國規制進程不斷加速，基于可信人工智能的產業實踐不斷深入。 **人工智能開始邁入全新階段

白皮書認為，未來人工智能除了重視技術創新以外，還更加關注工程實踐和可信安全，這也構成了新的“三維”發展坐標，牽引人工智能技術產業邁向新的階段。