這個夏天，隨著世界人工智慧大會、世界機器人大會、人形機器人運動會的輪番上陣，人形機器人產業的曝光度也推至高點。隨之，關鍵技術尚未收斂是否正常、文化體育的應用場景是非剛需、何時能夠成為合格的“勞動力”等質疑也浮出水面……人形機器人產業的發展已經進入“無人區”，沒有經驗可以借鑑，沒有路徑可以參考，出現質疑甚至否定屬實正常，可喜的是，在外界的熱切關注之下，在嘈雜的噪聲之中，中國機器人企業未曾猶疑，仍不懈探索、摸索前行。進入9月，宇樹科技展現人形機器人G1人摔倒後能快速起身的訓練成果、優必選與中國職業技術教育學會共建人形機器人資料採集中心、智元獲業內首張人形機器人資料集CR認證、銀河通用“具身智慧型手機器人零售店”亮相頤和園、樂聚機器人與海晨共同成立工業級物流人形機器人合資公司……人形機器人企業依舊很忙，規範資料採集、開拓各領域的合作夥伴、推動場景應用落地，越來越多企業的注意力重新聚焦到專注創新、修煉內功。在實踐中調整和打磨技術路線作為未來產業的代表，人形機器人產業多項核心技術處於萌芽發展期，產業專家和企業們都處於摸著石頭過河的階段，諸多關鍵技術路線尚未收斂是當前產業發展的最顯著特徵。特斯拉人形機器人採用了腱繩驅動的靈巧手“人形機器人產業鏈長，涉及了硬體軟體等多個重要環節，技術的未收斂是當前產業發展的重要特點。”浙江省機器人產業發展協會秘書長、浙江大學機器人研究院研究員宋偉告訴記者。宋偉舉例說，人形機器人涉及多個核心零部件、AI模型與控制系統等核心技術，每個核心部件都有不同的技術路線。例如關節模組有旋轉和直線兩種技術路線，前者旋轉關節模組採用“電機+減速器”結構，通過旋轉運動實現肢體靈活運動；後者通過絲槓系統實現高負載、高精度運動。人形機器人的靈巧手也可以分為三類技術路線，齒輪傳動、連桿傳動與繩驅動，前者方案的靈巧手自由度會少一點，只有幾個自由度；連桿傳動方案能做15個自由度左右。最後一種繩驅動是電機加上滾珠絲槓，末端的傳動使用了腱繩驅動的方式，與人手的運轉方式相似，目前可以做到20個自由度。此外，具身智能模型的發展主要分為兩種路線：端到端模型路線（VLA）和分層模型路線。端到端模型路線，這種技術路線能夠直接實現從人類指令到機械臂執行，即輸入圖像及文字指令，輸出夾爪末端動作，直接端到端地實現從人類指令到機械臂執行；分層模型路線是將不同層次模型協作，上層大模型進行感知與決策，底層硬體層和中間響應快的小模型進行決策的分解與執行。在各個技術節點上，各家人形機器人公司在自己的堅持中探索和深耕所選擇的技術路線方向，當然，在技術迭代過程中，也在不斷打磨和調整自己的技術路線。北京大學助理教授、銀河通用創始人兼首席技術官、智源學者王鶴告訴《中國電子報》記者，銀河通用機器人搭載VLA具身智能大模型，核心技術全自主，與其他機器人企業不同，銀河通用首創合成模擬資料技術，在全球率先打造百億具身智能資料集，有效破解當前具身智能領域面臨的“資料少、採集難、成本高”的問題。夸父人形機器人在中關村論壇開幕式上打太極“我們認為model-based+RL（強化學習）的耦合未來是人形機器人小腦的核心發展趨勢。未來，樂聚將逐步推動人形機器人的產業化處理程序。”樂聚機器人CEO常琳告訴《中國電子報》記者，此前，樂聚一直堅持model-based路線，這種路線讓機器人在場景應用中的每個行為都可控，規則預先設定，能精確執行任務，且批次化生產時，每台機器人都能完成任務，但是缺乏泛化能力。因此，樂聚推動model-based的精準控制與RL的泛化性相結合，並與北京通研院合作，讓多台人形機器人夸父在2025年的中關村論壇的舞台上實現了穩定表演太極。深耕不同的落地應用場景不僅是核心技術路線存在明顯的多樣性，當前各家人形機器人企業優先瞄準的落地應用場景也不盡相同。天工機器人勇奪首個人形機器人半程馬拉松冠軍、宇樹機器人開展激烈的拳擊比賽、加速進化機器人在草坪上踢足球，百姓甚至願意自掏腰包去人形機器人運動會上看機器人跑步、過障礙、做任務；和璇機器人樂隊已經可以彈鋼琴、奏揚琴、打鼓、吹電吹管和演奏無弦吉他，目前已經可以及完整演奏一曲《青花瓷》。和璇機器人樂隊正在彈奏歌曲然而，因此有聲音質疑現階段人形機器人只能“娛樂大眾”，短期內無法成為真正的“勞動力”，代替人類工作。“人形機器人不是為了娛樂表演而娛樂表演，而是會通過表演精進相關技能，例如我們和璇機器人最開始只能彈奏鋼琴6級的曲子，現已升級為彈奏鋼琴10級的曲子，演奏能力的提升就是技術提升體現，從這個娛樂場景中可以迭代一些技術，也可以遷移到工業甚至是家庭應用場景中去。”宋偉告訴記者，娛樂表演也可以精進人形機器人相關技術。另外一種觀點認為，當前的人形機器人技術能夠支撐的最可能的、最具有商業閉環的場景就是文化娛樂。在人形機器人進入家庭場景之前，企業也需要“沿途下蛋的能力”。只有擁有盈利能力，才能為企業的發展“持續造血”，支撐他們最終實現人形機器人進入應用場景進入家庭的宏大願景。除了娛樂體育文化應用場景，事實上也有頭部企業瞄準了工業和商業場景應用，並開始取得相關成績。蘭森第二代人形機器人在產線執行任務隆盛自主研發的蘭森第二代人形機器人身高2米，加上移動底盤重約100公斤，該人形機器人目前已經在無錫隆盛新能源汽車驅動電機零部件智能產線上陸續“上崗”，替代工人執行搬運和檢測任務。隆盛唯睿新創技術中心具身智能技術專家洪霄告訴記者，通過專用大模型的接入，蘭森第二代人形機器人可以實現對工件抓取位置的自主適應、對工作環境與要素的自主感知和理解，通過專門的動力與感測系統設計，其搬運承載力大於20kg，同時具有末端精確的觸覺與視覺反饋，是產線上質檢和短距離非標搬運的好幫手。樂聚也在推動其“夸父”人形機器人在商業服務和工業製造場景落地。常琳介紹說，夸父已“入職”蘇州市低空經濟發展展示館、青島人工智慧創新應用展示中心、中國移動智慧家庭營運中心等展廳，擔任講解員。同時，夸父現階段重點攻關工業智造領域，“夸父”已交付至一汽紅旗、海晨股份等工業企業，深入傳統工業機器人難以應對的柔性製造、狹窄多變空間等場景，完成精細、泛化的操作。銀河通用正在探索無人零售場景銀河通用則瞄準了無人零售場景，公司的機器人依靠視覺反饋閉環，在真實環境中完成抓取、搬運、分揀等實際任務，基於需求，打造工業級穩定、可靠、具備長時間作業能力的人形機器人，在滿電情況下能穩定工作8小時以上，任務精確完成率達97%，其在智慧零售店的人形機器人解決方案，已穩定營運超過半年。“我們相信，只有把機器人真正放到能解決實際問題的場景中，才能不斷推動技術持續迭代與產業價值實現。”王鶴表示，當前公司重點聚焦兩大方向：一是工業製造場景，如整車及零部件製造中的物料搬運與分揀；二是民生服務領域，包括智慧藥房、零售太空艙等高頻剛需場景。市民可以在夜間買到藥品，或在街頭即時購買飲品。這些場景的共同點在於剛需、高頻，同時對機器人的可靠性、適應性與持續作業能力提出極高要求。當前的工業和商業落地場景只是人形機器人的初步探索，企業一致認為，通過持續的技術創新和實踐落地，人形機器人終將走入家庭場景。“通過市場的場景選擇，人形機器人技術會逐漸收斂至一條可以應用和產業化的路線。未來2至3年，最多5到10年內，行業將呈現指數級增長趨勢。”常琳指出，樂聚把機器人定義成一個通用的開發性平台，所有企業都可以去開發適配不同場景所需要的技能。現在人形機器人進入工業工廠只是第一步，未來人形機器人還將適配康養、家政等方向，走進千家萬戶。相關企業家也表示，無論環境如何變化都將久久為功推動人形機器人產業持續進步。“對企業而言，當前局面既是挑戰也是機遇：挑戰在於需在高度不確定性中保持長期研發投入與戰略定力；機遇則在於，誰能夠率先在剛需場景中實現產品化、規模化落地，誰就能佔據產業競爭的制高點。”王鶴說道，希望能夠率先在行業打造機器人的泛化與落地能力，推動行業從技術演示向真實生產力躍遷。 (中國電子報)

近日，在2025世界儲能大會主論壇上，工業和資訊化部裝備工業發展中心發佈了《新型儲能技術發展路線圖（2025-2035年）》（以下簡稱“《路線圖》”）。《路線圖》預計到2027年，新型儲能產業步入規模化發展初期，全國新型儲能裝機容量預計將超1.8億千瓦；到2030年新型儲能產業全面市場化發展，裝機將超2.4億千瓦；到2035年將超過3億千瓦。工業和資訊化部裝備工業發展中心黨委書記、副主任柳新岩介紹，當前全球新型儲能市場正由中國、美國及歐洲共同主導，三國（地區）新增裝機容量合計佔比超過90%。其中，中國已經連續三年成為全球新增裝機容量最大的國家。當前，中國已經形成了以鋰離子電池儲能為主導，液流電池儲能壓縮空氣儲能等各類技術路線多元發展的格局，鋰離子電池儲能仍佔絕對主導地位。自商業化應用以來，鋰離子電池的能量密度已提高近4倍，循環壽命提升15倍，2024年全國儲能型鋰離子電池產量達到260GWh，能量密度多處於200-400Wh/L之間，循環壽命在5000至1萬次，能量轉換效率高達90%-95%。固態電池技術路線逐漸清晰。固態電池包括聚合物、硫化物和氧化物三條技術路線。其中，聚合物固態電池已經實現了小規模的量產，以歐美企業佈局較多；國內企業目前主要集中在氧化物路線，因其循環性能好、成本較低，280Ah等級氧化物固態電池已實現量產交付。硫化物路線雖導電率高，但成本高、穩定性差，目前仍以日韓研發為主，中國已成功研發20Ah級硫化物全固態圓形電芯。未來，固態電池正極將向超高鎳、錳基等高能量密度材料迭代，負極則從石墨向矽基、金屬鋰升級。此外，產業鏈上下游協同不斷完善，人工智慧技術已在質量監測、安全預警和調度控制等環節廣泛應用，人形機器人也初步應用於電力裝置巡檢和操作環節。 (中國電子報)

為加強人工智慧領域標準化頂層設計，推動人工智慧產業技術研發和標準制定，促進產業健康可持續發展，國家標準化管理委員會、中央網信辦、國家發展改革委、科技部、工業和資訊化部於2020年7月27日印發了《國家新一代人工智慧標準體系建設指南》（國標委聯〔2020〕35號）。該檔案不僅是技術規範的集合，更是中國搶佔全球人工智慧制高點的戰略工具。通過“標準先行、倫理護航、場景落地”三位一體的模式，有望在技術自主可控、產業協同創新、社會治理現代化等方面形成中國範式。1 制定背景與戰略目標01 政策背景中國人工智慧產業規模已居全球第二，但存在基礎理論研究薄弱、核心演算法與高端晶片依賴進口、標準化體系不完善等問題。隨著技術深度融入智能製造、智慧城市等領域，亟需通過標準體系破解技術碎片化、應用場景規範化不足等瓶頸。此外，人工智慧引發的倫理爭議（如資料偏見、演算法歧視）、技術濫用風險（如深度偽造）等，倒逼標準建設需同步嵌入治理維度。全球主要國家正圍繞人工智慧標準制定權展開博弈，ISO/IEC JTC 1、IEEE等國際組織已牽頭制定可信AI、倫理治理等標準。中國需通過標準輸出爭奪技術話語權，避免在關鍵技術領域受制於人。02 戰略目標到2021年，明確人工智慧標準化頂層設計，研究標準體系建設和標準研製的總體規則，明確標準之間的關係，指導人工智慧標準化工作的有序開展，完成關鍵通用技術、關鍵領域技術、倫理等20項以上重點標準的預研工作。到2023年，初步建立人工智慧標準體系，重點研製資料、演算法、系統、服務等重點急需標準，並率先在製造、交通、金融、安防、家居、養老、環保、教育、醫療健康、司法等重點行業和領域進行推進。建設人工智慧標準試驗驗證平台，提供公共服務能力。2 核心內容與創新突破01 覆蓋全產業鏈的“七維一體”框架（1）分層設計邏輯指南提出“基礎層→支撐層→技術層→應用層→治理層”的垂直架構，橫向擴展為七大維度：基礎共性：術語、參考架構、可持續發展（如《AI系統能效評價指南》）；基礎支撐：資料治理、算力設施（智能晶片、算力中心互聯協議）、開發工具鏈（如MLOps工具相容性標準）；關鍵技術：大模型訓練流程（預訓練-微調-部署全流程規範）、多模態互動介面、科學智能（如AI for Science實驗資料標註標準）。（2）特色領域突破單獨設立“賦能新型工業化”類股，圍繞製造業全流程制定標準：研發設計：AI輔助工業模擬軟體介面規範；生產製造：工業機器人視覺識別精度分級標準（如±0.1mm/±1mm兩檔）；營運管理：供應鏈智能預測演算法性能評估指標（MAPE≤5%為一級）。02 搶佔前沿賽道規則制定權（1）大模型標準化攻堅首次提出大模型全生命周期管理標準，包括：訓練階段：資料清洗與合成資料生成規範（如合成文字的版權標識規則）；評測階段：多維度能力評價體系（通用性、領域適應性、倫理合規性）；部署階段：輕量化模型壓縮技術標準（壓縮率≥80%時精度損失≤3%）。（2）新興技術前瞻佈局針對具身智能、腦機介面等前沿領域，建立“技術研發-測試驗證-安全評估”協同標準：具身智能：機器人動態環境感知響應延遲標準（≤100ms）；腦機介面：神經訊號解碼錯誤率分級（一類≤0.1%，二類≤1%）。03 建構可信可控的AI發展底座（1）資料與演算法安全雙軌制資料安全：明確多模態資料標註脫敏規則（如醫療影像匿名化雜湊演算法標準）；演算法安全：高風險場景（自動駕駛、金融風控）的失效冗餘設計規範（如雙模型交叉驗證強制要求）。（2）倫理治理分級落地按風險等級劃分治理強度：高風險領域（醫療診斷、司法審判）：要求演算法決策可解釋性≥90%；中低風險領域（智能客服、教育輔助）：實施動態倫理審計（每年至少1次全維度檢測）。3 實施路徑與影響預判01 實施路徑企業主體：依託頭部企業（如智能晶片廠商、大模型平台）建立標準試驗驗證平台，加速技術轉化；協同機制：推動“軟硬體介面統一”（如AICL標準族），降低跨平台適配成本；國際對標：主導ISO/IEC JTC1等國際組織標準制定，輸出中國方案（如AI治理互操作性框架）。02 影響預判技術產業化加速：標準統一將降低技術研發成本，促進智能晶片、開發框架等基礎層技術的國產化替代（如華為昇騰晶片生態）。行業融合深化：預計到2025年，智能製造、智慧醫療等領域的人工智慧滲透率將提升30%以上，推動GDP增長超兆元。安全治理能力提升：通過資料安全與倫理標準，減少演算法歧視、隱私洩露等風險，增強公眾對AI技術的信任。五部門關於印發《國家新一代人工智慧標準體系建設指南》的通知（國標委聯〔2020〕35號）為落實黨中央、國務院關於發展人工智慧的決策部署，推動人工智慧技術在開源、開放的產業生態不斷自我最佳化，充分發揮基礎共性、倫理、安全隱私等方面標準的引領作用，指導人工智慧國家標準、行業標準、團體標準等的制修訂和協調配套，形成標準引領人工智慧產業全面規範化發展的新格局，制定《國家新一代人工智慧標準體系建設指南》。一、總體要求（一）指導思想。全面貫徹黨的十九大和十九屆二中、三中、四中全會精神，落實黨中央、國務院關於發展新一代人工智慧的決策部署，以市場驅動和政府引導相結合，按照“統籌規劃，分類施策，市場驅動，急用先行，跨界融合，協同推進，自主創新，開放合作”原則，立足中國需求，兼顧國際，建立國家新一代人工智能標準體系，加強標準頂層設計與宏觀指導。加快創新技術和應用向標準轉化，強化標準的實施與監督，促進創新成果與產業深度融合。注重與智能製造、工業網際網路、機器人、車聯網等相關標準體系的協調配套。深化人工智慧標準國際交流與合作，注重國際中國標準協同性，充分發揮標準對人工智慧發展的支撐引領作用，為高品質發展保駕護航。（二）建設目標。到2021 年，明確人工智慧標準化頂層設計，研究標準體系建設和標準研製的總體規則，明確標準之間的關係，指導人工智能標準化工作的有序開展，完成關鍵通用技術、關鍵領域技術、倫理等20項以上重點標準的預研工作。到2023 年，初步建立人工智慧標準體系，重點研製資料、演算法、系統、服務等重點急需標準，並率先在製造、交通、金融、安防、家居、養老、環保、教育、醫療健康、司法等重點行業和領域進行推進。建設人工智慧標準試驗驗證平台，提供公共服務能力。二、建設思路（一）人工智慧標準體系結構。人工智慧標準體系結構包括“A基礎共性”、“B支撐技術與產品”、“C基礎軟硬體平台”、“D關鍵通用技術”、 “E關鍵領域技術”、“F產品與服務”、“G行業應用”、 “H安全/倫理”等八個部分，如圖1所示。圖1 人工智慧標準體系結構其中，A基礎共性標準包括術語、參考架構、測試評估三大類，位於人工智慧標準體系結構的最左側，支撐標準體系結構中其它部分；B 支撐技術與產品標準對人工智慧軟硬體平台建設、演算法模型開發、人工智慧應用提供基礎支撐；C 基礎軟硬體平台標準主要圍繞智能晶片、系統軟體、開發框架等方面，為人工智慧提供基礎設施支撐；D關鍵通用技術標準主要圍繞機器學習、知識圖譜、類腦智能計算、量子智能計算、模式識別等方面，為人工智慧應用提供通用技術支撐；E 關鍵領域技術標準主要圍繞自然語言處理、智能語音、電腦視覺、生物特徵識別、虛擬現實/增強現實、人機互動等方面，為人工智慧應用提供領域技術支撐；F產品與服務標準包括在人工智慧技術領域中形成的智能化產品及新服務模式的相關標準；G行業應用標準位於人工智慧標準體系結構的最頂層，面向行業具體需求，對其它部分標準進行細化，支撐各行業發展；H安全/倫理標準位於人工智慧標準體系結構的最右側，貫穿於其他部分，為人工智慧建立合規體系。標準研製方向明細表見附表。（二）人工智慧標準體系框架。人工智慧標準體系框架主要由基礎共性、支撐技術與產品、基礎軟硬體平台、關鍵通用技術、關鍵領域技術、產品與服務、行業應用、安全/倫理八個部分組成，如圖2所示。圖2 人工智慧標準體系框架三、建設內容（一）基礎共性標準。基礎共性標準主要針對人工智慧基礎進行規範，包括術語、參考架構、測試評估等部分，如圖3所示。圖3 基礎共性標準1. 術語標準。用於統一人工智慧相關概念、技術、應用行業場景，為其他各部分標準的制定和企業人工智慧研究提供支撐，包括人工智慧術語相關定義、範疇、實例等標準。2. 參考架構標準。規範人工智慧相關技術、應用及價值鏈的邏輯關係和相互作用，為開展人工智慧相關標準研製工作提供定位和方向建議。3. 測試評估標準。圍繞人工智慧技術發展的成熟度、行業發展水平、企業能力等方面提取測試及評估的共性需求。包括與人工智慧相關的服務能力成熟度評估、人工智慧通用性測試指南、評估原則以及等級要求、企業能力框架及測評要求等標準。（二）支撐技術與產品標準。支撐技術與產品標準主要包括巨量資料、物聯網、雲端運算、邊緣計算、智能感測器、資料儲存及傳輸裝置等部分，如圖4所示。圖4 支撐技術與產品標準1. 巨量資料標準。規範人工智慧研發及應用等過程涉及到的資料儲存、處理、分析等巨量資料相關支撐技術要素，包括巨量資料系統產品、資料共享開放、資料管理機制、資料治理等標準。2. 物聯網標準。規範人工智慧研發和應用過程中涉及到的感知和執行關鍵技術要素，為人工智慧各類感知資訊的采集、互動和互聯互通提供支撐。包括智能感知裝置標準、感知裝置與人工智慧平台的介面和互操作等智能網路介面、感知與執行一體化模型標準、多模態和態勢感知標準等。3. 雲端運算標準。規範面向人工智慧的雲端運算平台、資源及服務，為人工智慧資訊的儲存、運算、共享提供支撐。包括虛擬和物理資源池化、調度，智能運算平台架構，智能運算資源定義和介面、應用服務部署等標準。4. 邊緣計算標準。規範人工智慧應用涉及的端計算裝置、網路、資料與應用。包括資料傳輸介面協議、智能資料儲存、端端協同、端雲協同等標準。5. 智能感測器標準。規範高精度感測器、新型MEMS傳感器等，為人工智慧的硬體發展提供標準支撐，包括感測器接口、性能評定、試驗方法等標準。6. 資料儲存及傳輸裝置標準。用於規範資料儲存、傳輸裝置相關技術、資料介面等。（三）基礎軟硬體平台標準。基礎軟硬體平台標準主要包括智能晶片、系統軟體、開發框架等部分，如圖5所示。圖5 基礎軟硬體平台標準1. 智能晶片標準。規範智能計算晶片、新型感知晶片及相關底層介面等，為人工智慧模型的訓練和推理提供算力支持。包括指令集和虛擬指令集、晶片性能、功耗測試要求、數據交換格式、晶片作業系統的設計及檢測等標準。2. 系統軟體標準。規範人工智慧軟硬體最佳化編譯器、人工智能算子庫、人工智慧軟硬體平台計算性能等，促進軟硬體平台的協同最佳化。3. 開發框架標準。包括機器學習框架和應用系統之間的開發介面、神經網路模型表達和壓縮等標準。（四）關鍵通用技術標準。關鍵通用技術標準主要包括機器學習、知識圖譜、類腦智能計算、量子智能計算、模式識別等部分，如圖6所示。圖6 關鍵通用技術標準1. 機器學習標準。規範監督學習、無監督學習、半監督學習、整合學習、深度學習和強化學習等不同類型的模型、訓練資料、知識庫、表達和評價。2. 知識圖譜標準。規範知識描述的結構形式、解釋過程、知識深度語義的技術要求等，解決知識表示粒度、方式的不確定性問題。3. 類腦智能計算標準。規範類腦計算演算法基本模型、性能和應用，為人工智慧系統提供新的計算架構，提高人工智慧處理複雜問題的能力。包括類腦智能計算參考架構、腦特徵機制計算模型建模和表達、基於生物機制建模的演算法要求及其性能評價、類腦智能計算硬體裝置通用技術要求等標準。4. 量子智能計算標準。規範量子計算演算法基本模型、性能和應用，為提高人工智慧計算能力提供支撐。包括量子計算模型與演算法、高性能高位元率的量子人工智慧處理器、可與外界環境互動資訊的即時量子人工智慧系統等標準。5. 模式識別標準。規範自適應或自組織的模式識別系統的特點、模型、技術要求和評價方法。（五）關鍵領域技術標準。關鍵領域技術標準主要包括自然語言處理、智能語音、計算機視覺、生物特徵識別、虛擬現實/增強現實、人機互動等部分，如圖7所示。圖7 關鍵領域技術標準1. 自然語言處理標準。規定自然語言處理基礎、資訊提取、文字內容分析等方面的技術要求，解決電腦理解和表達自然語言過程中的資料、分析方法和語義描述的一致性問題。自然語言處理標準包括語言資訊提取、文字處理、語義處理、應用擴展四個部分。2. 智能語音標準。規範人機語言通訊的技術和方法，確保語音識別、語音合成及其應用的精準性、一致性、高效性和可用性。智能語音標準包括語音設施裝置、語音處理、語音識別、語音合成、語音介面五個部分。3. 電腦視覺標準。規定電腦及視覺感知裝置對目標進行檢測、識別、跟蹤的技術要求，解決圖片或視訊採集、處理、識別、理解和反饋等各環節的一致性和互聯互通問題。計算機視覺標準包括視覺設施裝置、資料及模型、圖像識別與處理三個部分。4. 生物特徵識別標準。規範電腦利用人體所固有的生理特徵（指紋、人臉、虹膜、聲紋、DNA等）或行為特徵（步態、擊鍵等）來進行個人身份鑑定的技術要求，解決生物特徵描述、資料、介面的一致性問題。5. 虛擬現實/增強現實標準。為使用者提供視覺、觸覺、聽覺等多感官資訊一致性體驗的通用技術要求。6. 人機互動標準。規範人與資訊系統多通道、多模式和多維度的互動途徑、模式、方法和技術要求，解決語音、手勢、體感、腦機等多模態互動的融合協調和高效應用的問題，確保高可靠性和安全性互動模式。人機互動標準包括智能感知、動態識別、多模態互動三個部分。（六）產品與服務標準。產品與服務標準包括智慧型手機器人、智能運載工具、智能終端、智能服務等部分，如圖8所示。圖8 產品與服務標準1. 智慧型手機器人標準。結合《國家機器人標準體系建設指南》工作部署，在服務機器人方面，完善服務機器人硬體介面、安全使用以及多模態互動模式、功能集、服務機器人應用操作系統框架、服務機器人云平台通用要求等標準；在工業機器人方面，重點在工業機器人路徑動態規劃、協作型機器人設計等開展標準化工作。2. 智能運載工具標準。開展人工智慧技術應用在智能運載工具領域的通用標準體系建設和標準研製，包括高性能協同感測技術、車載互聯及通訊技術、智能化與網聯化安全技術等方面。重點圍繞行駛環境融合感知、智能決策控制、複雜系統重構設計和多模式測試評價等共性關鍵技術開展標準化工作。3. 智能終端標準。開展人工智慧技術應用在智能終端領域的標準研究，重點圍繞移動智能終端產品圖像識別、人臉識別、AI晶片等相關技術開展標準化工作。4. 智能服務標準。包括圖像識別、智能語音、自然語言處理、機器學習演算法等標準。重點開展人工智慧服務能力成熟度評價、智能服務參考架構等標準制定工作。（七）行業應用標準。根據國務院印發的《新一代人工智慧發展規劃》（國發〔2017〕35 號），結合當前人工智慧應用發展態勢，確定人工智能標準化重點行業應用領域包括：智能製造、智能農業、智能交通、智能醫療、智能教育、智能商務、智能能源、智能物流、智能金融、智能家居、智能政務、智慧城市、公共安全、智能環保、智能法庭、智能遊戲等,如圖9所示。圖9 行業應用標準人工智慧行業應用具有跨行業、跨專業、跨領域、多應用場景的特點，不同行業的側重點不同。在標準規劃研究過程中，應以市場驅動為主、行業引導、政府支援相結合，立足行業需求，兼顧技術迭代體系建設。1. 智能製造領域。規範工業製造中資訊感知、自主控制、系統協同、個性化定製、檢測維護、過程最佳化等方面技術要求。2. 智能農業領域。規範在應用環境複雜、應用場景多樣的農業環境下專用感測器、網路、預測資料模型等技術要求，用於輔助農產品生產與加工，提高農作物產量。3. 智能交通領域。規範交通訊息資料平台及綜合管理系統，從而可以智能地處理行人、車輛和路況等動態複雜資訊，引領智能訊號燈等技術的推廣。4. 智能醫療領域。圍繞醫療資料、醫療診斷、醫療服務、醫療監管等，重點規範人工智慧醫療應用在資料獲取、資料隱身管理等方面內容，包括醫療資料特徵表示、人工智慧醫療質量評估等標準。5. 智能教育領域。規範在新型教育體系中的教學、管理等全流程相關的人工智慧應用，建立以學習者為中心精準推送的教育服務，實現日常教育和終身教育定製化。6. 智能商務領域。主要規範應用場景複雜的商務智能化領域，包括對服務模型的分類和管理、商務資料的智能分析，以及相應推薦引擎系統架構的設計要求。7. 智能能源領域。規範在能源開發利用、生產消費全過程中的融合智能應用，包括能源系統的自組織、自檢查、自平衡和自最佳化。8. 智能物流領域。規範物流從規劃、進貨、加工、儲存和運輸全流程的技術和管理要求，引入智能識別、倉儲、調度、追蹤、配置等，提升物流效率，加強物流資訊可視化程度，優化物流配置。9. 智能金融領域。規範線上支付、融資信貸、投資顧問、風險管理、巨量資料分析預測、資料安全等應用技術，輔助提升金融資產端的徵信、產品定價、投資研究，客戶端的支付方式、投資顧問、客服等業務能力。10. 智能家居領域。規範家居智能硬體、智能網聯、服務平台、智能軟體等產品、服務和應用，促進智能家居產品的互聯互通，有效提升智能家居在家居照明、監控、娛樂、健康、教育、資訊、安防等方面的使用者體驗。11. 智能政務領域。規範政務智能化應用，從政務資訊公開、透明、開放和共享角度出發，以標準化形式提高政府工作效率，加強事前控制、事中事後監管。12. 智慧城市領域。規範智慧城市未來模式下智能應用的技術要求，包括評估人工智慧技術在複雜城市環境下的風險，評估城市安全、輔助決策等應用或產品的智能程度等。13. 公共安全領域。規範涉及公共安全的探測感測、各類資訊處理和綜合分析相關應用技術，從而實現智能化監測預警與綜合應對。14. 智能環保領域。規範環境監測、自然資源管理、污染物排放預測等相關資料模型、平台和產品，進而提高環保行業智能化水平。15. 智能法庭領域。規範司法過程中資訊的智能分析和管理要求，實現案情要素的智能分析、對多元化資料進行挖掘分析，進而提升庭審效率。16.智能遊戲領域。規範遊戲設計開發、硬體裝置、人機互動、遊戲體驗等相關人工智慧技術應用、功能性能和測試，包括遊戲作業系統、製作引擎、多媒體渲染、語音體感動態交互、遊戲角色自主學習、決策與對抗、使用者資料分析、遊戲環境治理等。（八）安全/倫理標準。安全/倫理標準包括人工智慧領域的安全與隱私保護、倫理等部分，如圖10所示。圖10 安全/倫理標準1. 安全與隱私保護標準。包括基礎安全，資料、演算法和模型安全，技術和系統安全，安全管理和服務，安全測試評估，產品和應用安全等六個部分。其中，人工智慧基礎安全標準是人工智慧安全標準體系的基礎性標準，用於指導人工智慧安全工作的全過程，主要包括人工智慧概念和術語、安全參考架構、基本安全要求等。人工智慧資料、演算法和模型安全標準是針對人工智慧數據、演算法和模型中突出安全風險提出的，包括資料安全、隱私保護、演算法模型可信賴等。人工智慧技術和系統安全標準用於指導人工智慧系統平台的安全建設，主要包括人工智慧開源框架安全標準、人工智能系統安全工程標準、人工智慧計算設施安全標準、人工智慧安全技術標準。人工智慧安全管理和服務標準主要是為保障人工智慧管理和服務安全，包括安全風險管理、供應鏈安全、人工智慧安全營運、人工智慧安全服務能力等。人工智慧安全測試評估標準主要從人工智慧的演算法、數據、技術和系統、應用等方面分析安全測試評估要點，提出人工智能演算法模型、系統和服務平台安全、資料安全、應用風險、測試評估指標等基礎性測評標準。人工智慧產品和應用安全標準主要是為保障人工智慧技術、服務和產品在具體應用場景下的安全，可面向智能門鎖、智能音響、智慧風控、智慧客服等應用成熟、使用廣泛或安全需求迫切的領域進行標準研製。2. 倫理標準。規範人工智慧服務衝擊傳統道德倫理和法律秩序而產生的要求，重點研究領域為醫療、交通、應急救援等特殊行業。 (AI算力那些事兒)附表:人工智慧標準研製方向明細表

上海徐匯已匯聚稀宇科技、階躍星辰、商湯科技、無問芯穹、星紀魅族、特贊科技和斑馬智行七家AI標竿企業，這“北斗七星”矩陣建構了“技術研發-場景落地-產業協同”的創新生態。上海“北斗七星” 亮了。4月29日，中共中央總書記、國家主席、中央軍委主席習近平在上海考察徐匯區模速空間時指出，人工智慧技術加速迭代，正迎來爆發式發展，上海要總結好以大模型產業生態體系孵化人工智慧產業等成功經驗，加大探索力度，力爭在人工智慧發展和治理各方面走在前列，產生示範效應。位於上海中心城區西南部的上海徐匯區，已匯聚稀宇科技、階躍星辰、商湯科技、無問芯穹、星紀魅族、特贊科技和斑馬智行七家AI標竿企業，這“北斗七星”矩陣建構了“技術研發-場景落地-產業協同”的創新生態。作為“國家人工智慧創新應用先導區”的核心承載地，今年年初，上海徐匯區正式發佈了“加快建成全國人工智慧高地三年行動計畫（2025-2027）”，提出“模型能力躍升”、“場景應用牽引”、“孵化範式升級”、“產業叢集倍增”、“國際合作拓展”等十項重點行動，以模速空間為“核爆點”，持續最佳化“1+3+X”全域空間佈局，全力打造千億級人工智慧產業叢集。▌AI浪潮裡的“孵化器”作為中國人工智慧領域的佼佼者，“北斗七星”標竿企業正從技術縱深、普惠應用、產業融合等三大維度，展現出推動人工智慧邁向未來的前進力量。作為專注於基礎大模型技術的頭部企業，階躍星辰在兩年時間內自主研發了五大類、全體系的基礎大模型矩陣，是國內基座模型種類最全面的公司之一，其最大特點就是“多模態”佈局全面、性能領先。截至目前，階躍星辰已累計發佈了15 款多模態大模型，並多次在LMSYS等國內外權威榜單中位列多模態領域中國第一。在應用方面，階躍星辰還官宣與吉利汽車集團、OPPO、智元機器人等各賽道頭部企業的深度合作，全面推進AI技術的產業化落地，打造每一個人身邊的”超級助手”。儘管成立不到4年，稀宇極智（MiniMax）在通用語言大模型的研發上已成為行業旗幟。在通用大模型領域，MiniMax已率先實現了Linear Attention（線性注意力）機制與MoE（混合專家模型）技術的結合，成功研發出以MiniMax-01系列為代表的大模型，其具有全球領先的處理能力和高達400萬token的超長上下文支援——是GPT-4o的32倍，推動人工智慧從傳統Transformer架構跨入超長文字輸入的新時代。作為“北斗七星”中的底層算力賦能者，無問芯穹徹底打破了國內人工智慧算力供需瓶頸，為大模型訓練提供了高成本效率解決方案，並通過創新算力叢集與調度技術，奠定了大模型技術實現的基礎。無問芯穹成立僅僅24個月就成長為估值數十億的准獨角獸企業，近期，其參與建設全國首個“算力生態超市”，成為上海人工智慧產業的核心要素賦能者。作為國內最早一批佈局AI基礎設施的企業，商湯科技在國內AI基礎設施的創新和建構中始終扮演著關鍵角色，從自動駕駛模擬平台到智慧醫療影像平台。伴隨著新一代生成式AI的成熟，商湯科技正力爭從硬體到軟體再到應用生態，逐步惠及更多行業，讓更多人以低門檻、高效率去使用基礎能力，在不同的行業和場景中創造價值，最早實現商業的閉環。在業內人士看來，上海徐匯憑藉前瞻性的戰略思維、完善的政策和資金支援體系，以“模速空間”為代表的高品質孵化器，也不斷吸引著全球頂尖企業、創新人才和資本匯聚，並在區域內形成了全球領先的AI創新生態，為建設全國人工智慧高地和推動區域經濟高品質發展提供強大支撐。▌從“北斗七星”到“群星閃耀”人工智慧的潛力不僅在於技術突破，更體現在與產業深度融合帶來的增量變革。在“北斗七星”中，星紀魅族、特贊科技和斑馬智行等企業的存在，充分展示了AI與產業結合的多樣可能性——從提升產品智能化水平，到建構全新內容創作方式，再到重塑出行體驗，這些企業正通過AI賦能百業，用科技力量驅動未來商業轉型。作為全端自研汽車智能作業系統（OS）的獨角獸，斑馬智行率先定義全球第一輛智能網聯汽車，成為首家攻克OS核心及虛擬化等“卡脖子”技術的企業，其主導或參與制定車載OS等近10項國家標準，市場份額第一。斑馬智行結合大模型技術推出“元神AI”，可將人與車機的互動從3秒延時縮短到0.3秒。同時，與寶馬、奧迪、大眾等全球一線車企合作，推動AI大模型人機互動技術的量產落地，全力打造智能座艙的中國名片。星紀魅族是AI技術與消費產業融合的典範，以智能終端為切入點，將人工智慧融入到智慧型手機、智能汽車、智能眼鏡和iot產品中，重塑未來人機互動方式，建構出更便利的AI科技生活場景。特贊科技則通過生成式人工智慧技術，為醫藥、工業製造、汽車、金融等行業帶來企業內容數字基礎設施的系統化升級。圍繞內容生產、管理、分發、分析的全鏈條，建構“內容+人工智慧”的商業增長引擎，深度賦能實體經濟高品質和創新發展。伴隨著“北斗七星”矩陣成形， 上海徐匯還集聚了秘塔科技、無限光年、它石智航、零唯億思、虎博科技、矩子科技、深勢科技、魔琺科技、星臻科技、青心意創等十家“群星企業”，這十家企業搭建了涵蓋AI核心技術研發、底層算力支援、應用場景開發、技術商業化等在內的完整生態鏈。當全球AI競賽進入“生態決勝”階段，徐匯正以“上海方案”給出答案——未來的科技創新，屬於開放協同的“星系”，而非孤獨的“恆星”。 (科創板日報)

2025年，以DeepSeek為代表的人工智慧技術掀起熱潮，令國產大模型格局發生巨變。未來人工智慧如何進一步發展？中國的人工智慧發展之路如何走？在第八屆數字中國建設峰會期間舉辦的“院士專家行”活動上，中國工程院院士吳志強、陳軍、劉韻潔，中國科學院院士童慶禧等圍繞上述話題，各抒己見。生態蓬勃發展類似DeepSeek的團隊還有18個主持人：DeepSeek對創新發展帶來什麼啟示？吳志強：我們一直在關注全球的人工智慧發展。無論是DeepSeek，還是海外的ChatGPT，都不是一日成長起來的。實際上，像DeepSeek這樣的團隊，在中國至少有18個和它水平差不多的，只是DeepSeek冒出來了。現在人工智慧已經形成蓬勃發展的生態，我們要清楚整個生態體系才能真正引領或者把控局面。我們在用人工智慧技術做城市規劃時是“兩手推進”。一方面是用通用人工智慧大模型，但有兩個缺點：一是模型訓練時“吃進去”的原料粗糙，二是算力消耗巨大。另一方面是採用精細的資料來訓練模型，吃的都是“精糧”。我們發現，在這種訓練模式下，僅用5%-10%的算力，就能完成更加精準的內容輸出。這意味著，“精準”和“普遍”兩條道路都要走。陳軍：今年DeepSeek出來的時候，大家對中國技術有這樣的突破，感到振奮。DeepSeek確實不錯，但你讓它作首詩還可以，如果讓它做一個專業的“東西”就差很多。所以我認為：第一，每個領域、每個專業都有很多知識。首先要把知識彙集起來、提煉出來，建成知識庫。我們要利用人工智慧技術把我們行業的知識好好梳理、總結、應用。其次，現在的大模型仍是語言大模型，它講究的是上下文關係、推理關係。但如果要涉及地理資訊、城市規劃等領域，涉及很多空間資訊，比如前後左右、地上地下、室內室外等，所需要的關係結構就變成了三維時空關係。所以要發展“時空大模型”，大模型要從語言模型走向“時空大模型”。最後，我認為，現在要積極擁抱人工智慧，但不要完全單純地使用人工智慧，要把我們的專業智能和機器智能有機結合起來。劉韻潔：我想談兩點啟發：第一，“六小龍”不光只有DeepSeek。各地政府去尋找與“六小龍”一樣的人才或者團隊，這是不太可能成功的。好的創新環境，對創新寬容的支援度是最重要的。“六小龍”出現在杭州不是偶然，是有必然性的。第二，DeepSeek的成功說明，任何一個創新的團隊，都要勇敢挑戰自己從事的領域中最困難的問題。我判斷DeepSeek的成功就是基於問題導向的。只有大算力才能出現大智能？還是可能少用一些算力也能出現更高的智能？我認為它就解決了這個問題。這些給了我啟發：那怕我們現在還處在劣勢的一些領域，完全有創新、趕超的機會和可能。將有AI營養師等新職業讓青年“冒頭”主持人：未來數字中國的建設應該怎麼做？我們應該關注些什麼、部署些什麼、推進些什麼？童慶禧：每天中國大概有將近四五百個遙感衛星在天上轉，這意味著，傳輸下來的資料量甚至能到EB級。對於這些資料而言，如果人工智慧大模型不能和遙感空間多維的資訊相結合，僅僅聚焦國際上或者國內通用的模型，可能解決不了實際問題。所以，應該針對時空多維資訊來發展我們的大模型。吳志強：我認為要關注兩點。一是新的職業訓練師。我們在訓練人工智慧的過程中，越來越深地感受到，怎麼訓練各行各業特別需要的大模型，以及訓練的時候給它什麼“料”訓練很重要。就像比賽一樣，除了運動員，教練團同樣重要，這事關最後出的效果好不好。這就意味著未來專門的AI訓練師和AI營養師會成為新的職業。第二點是青年湧現。發展人工智慧不是只有國家戰略、總體佈局、自上而下的，有時候是自下而上的。比如剛才說有一群類似DeepSeek的團隊，有很多隻是暫時沒冒出來而已。要允許青年冒頭。我團隊的學生在三年前送給我一個“AI吳志強”，是他們自己“玩”出來的——把我所有寫過的、發表的書全部訓練後做出來的，非常優秀。這個產品是完全在計畫外的，只是一幫學生覺得好玩做的。在中國人工智慧領域的未來發展中，這種“青年湧現”是我們要非常注意的現象。我們的眼睛要看到他們，要鼓勵他們，要給他們營養。他們可能“玩”出世界級題目來。陳軍：一方面，還是要打造人工智慧的公共產品。比如日常生活中，我們並不知道使用的電是核電、火電，還是水電，只要連上就能用。未來，人工智慧也要像這樣，並不是形成寡頭，或者誰都去做；應該提供一些通用的工具，讓各家在這個平台上去完善應用場景。另一方面，要打造良好的生態。如果我們搞人工智慧，搞到最後把我們所做的專業消滅了，把我們的行業消滅了，就是一種罪過，我們不應該走這條路。我的理解是，人工智慧出來後，將來會把很多費力的、危險的工作交給機器去做，人去做知識工程師，總結知識、凝練知識。當年汽車發明出來的時候，國外有一些人很恐慌，覺得馬車伕都沒事幹，要失業了。最後發現有了加油站、4S店、修理廠、計程車等行業，孵化了一批新職業。我覺得我們要致力於打造良好的生態，讓這個社會更好地發展。要把各行各業的人變成那個行業的知識工程師，讓他們去創造知識、加工知識，然後把知識“喂”給機器，讓機器幫我們幹那些人不願意幹的工作，這樣才是一個良好的生態。 (上海證券報)

中國高技術製造業的崛起不僅是一個經濟現象，更是一場結構性的變革。在過去二十年間，中國製造業的全球份額從13%增長至33%，鞏固了“世界工廠”的地位，也在面對各種困境時展現了新的韌性和增長動力。01 高技術製造業成為中國經濟增長的重要支柱最近，高盛的一篇最新報告《高技術製造業是否已成為中國下一個增長引擎？》受到各方關注，報告指出：在過去十年中，高技術製造業（這裡主要指醫藥和裝置製造業，不包括金屬製品和汽車製造）成為中國經濟增長的重要支柱，年均對實際GDP增長的貢獻達到1.1個百分點；在2021年疫情最嚴重的時期，高技術製造業的貢獻一度超過2個百分點。在2019年至2024年的五年裡，中國的經濟格局經歷了一場深刻的調整。傳統的增長引擎——房地產和基建——因市場低迷和債務壓力而陷入困境，而消費復甦的步伐也因疫情後遺症而受阻。然而，與此形成鮮明對比的是：製造業的固定資產投資(FAI)和工業生產(IP)指數的增長不僅超越了整體GDP增速，還在全球競爭中展現出了獨特的優勢。製造業的強勁表現，很大程度上得益於高技術製造業的加速發展，這一趨勢尤其在疫情後顯得尤為突出。02 三大核心驅動力中國高技術製造業的強勁增長背後，有三個核心驅動力正在塑造行業格局：政策支援、外部需求的擴張以及人工智慧技術的突破。首先，政策層面的支援為高技術製造業提供了強有力的推動力。近年來，中國政府在科技創新、自主可控供應鏈以及製造業升級等領域投入了大量資源，尤其是在晶片國產化、智能製造以及高端裝備製造方面的支援力度不斷加大。今年的全國“兩會”再次明確了這一方向，強調“新質生產力”的重要性，並提出要通過科技創新推動產業升級。中央科技委員會的成立、“國家創投引導基金”的設立，以及各地政府加大對“兩重”“兩新”（即重大項目和新基建）的資金支援，都表明中國正在通過政策引導，為高技術製造業創造更有利的發展環境。政策的直接影響已經體現在投資資料上。全國範圍內的製造業投資在政策的推動下保持了穩健增長。最新的國家統計局資料顯示:2025年前兩個月，航空航天器及裝置製造業投資同比增長27.1%，電腦及辦公裝置製造業投資增長31.6%。除了政策層面的支援，內外部需求的增長也為高技術製造業提供了重要支撐：疫情之後，全球產業鏈重構加快，許多國家開始尋求更穩定和高效的供應鏈合作夥伴，而中國憑藉完整的製造體系、強大的基礎設施以及較低的生產成本，依然是全球製造業不可或缺的一部分。在這種背景下，高技術製造品的出口增長尤為突出。資料顯示，疫情後中國高技術製造產品的出口增速從2014-2019年的2%躍升至2019-2024年的8%。與此同時，中國內部市場的需求同樣在迅速擴張：其中工業機器人、精密機床、晶片等高端製造產品的產量更是大幅增長。2019年至2024年，工業機器人產量翻倍，機床產量增長50%。其三，人工智慧已經成為推動製造業升級的重要力量：尤其是DeepSeek等國產AI大模型的崛起，為中國高技術製造業帶來了新的發展機遇。這些技術的應用正在重塑製造業的生產模式。例如，智能製造系統的普及正在提升生產效率，減少對低端勞動力的依賴，並推動企業向更高附加值的產品轉型。此外，人工智慧的應用正在幫助製造企業最佳化供應鏈管理，提高生產流程的靈活性，並降低整體營運成本。這些變化不僅增強了中國高技術製造業的競爭力，也進一步吸引了資本的流入。在另一篇文章中，高盛探討了AI對中國經濟的影響，並預計到2030年，中國人工智慧的普及率將超過30%，並在2030年代初達到全面滲透。如果這一趨勢得到兌現，中國的AI技術發展軌跡將更接近發達經濟體，而不是傳統的新興市場模式。03 潛在的風險中國的高技術製造業正在成為經濟增長的新引擎，但這條路並不平坦：外部環境的不確定性、產業鏈對外依賴、以及房地產市場的持續拖累，都可能是潛在的風險。首先是外部依賴。雖然國產替代正在加速，但目前中國高技術製造業的附加值乘數仍然較低，僅為0.68。這意味著：每投入1元，該行業只能創造0.68元的經濟附加值，遠低於服務業的0.92元。主要原因在於關鍵零部件和高端裝置的進口依賴依然較重。例如，中國在高端晶片、光刻機、關鍵軟體工具等領域仍然依賴進口，而全球技術競爭格局的不穩定性讓這一短板更加突出。在樂觀情況下，政策扶持將進一步加強，企業能夠在半導體、人工智慧和新能源等領域取得突破，推動產業鏈向更高附加值環節攀升。然而，悲觀情景下，如果中美科技摩擦加劇，如進一步收緊高端晶片及先進製造裝置的出口管制，中國企業在核心技術突破上的時間成本和資金成本都會顯著上升，進而影響整個行業的成長路徑。其二是房地產拖累。房地產行業的持續調整，正在對中國經濟構成長期壓力。高盛的估算顯示，房地產行業自2022年以來，平均每年拖累GDP增長1.7個百分點。雖然2025年後，這一拖累可能逐步緩解至1.0-1.2個百分點，但仍然是一個沉重的負擔。相比之下，高科技製造業的年均增長貢獻預計在1.0個百分點左右，因此，即使高科技行業持續擴張，也難以完全填補房地產帶來的缺口。換句話說，即便中國製造業升級成功，經濟增長仍需依賴其他因素，例如消費復甦、服務業升級、以及全球市場需求的回暖等等。最後是高科技製造業本身，也面臨結構性風險。近年來，中美科技戰不斷升級，晶片、人工智慧、量子計算等領域的出口管制對中國的高科技行業構成壓力。假如未來出現更多針對中國科技企業的制裁，例如限制中國企業使用關鍵EDA（電子設計自動化）軟體或高端晶圓製造裝置，這將直接影響高科技製造業的增長速度。其二，國內市場的產能過剩問題開始顯現。關於這一部分，我們去年已經在一篇報告中進行瞭解讀（點選圖片即可跳轉閱讀），這裡就不做過多闡述了。04 情景分析高科技製造業的未來路徑高盛的基準(baseline)預測顯示，2025-2029年間，高技術製造業的年均GDP增長貢獻將在1.0個百分點左右，超過傳統製造業，並進行了情景分析：在樂觀情景下，GDP增長貢獻將達到1.4pp：在政策大力支援下，中國企業在半導體、人工智慧、生物醫藥等領域取得突破，核心技術自主化加快。同時，中美貿易緊張局勢未進一步惡化，全球市場需求增長，高科技產品出口表現強勁。在此情況下，高科技製造業可能成為真正的增長引擎，對GDP貢獻超過1.4個百分點。而如果是悲觀情景，則為0.6pp：如果中美技術限制升級，例如高端晶片、半導體製造裝置、AI訓練晶片等進一步受限，那麼高科技行業的增長將受到抑制。同時，國內市場的產能過剩問題加劇，新能源車、太陽能、動力電池等行業的利潤率大幅下滑，投資意願下降，導致行業增速放緩。若此情景發生，高科技製造業的增長貢獻可能降至0.6個百分點左右。在這個充滿變數的時代，中國高技術製造業能否真正成為“新增長引擎”，將取決於三個核心變數：1. 政策扶持的力度與執行效果——政府是否能在資金、稅收、產業政策等方面提供持續支援，並有效推動技術突破。2. 國際環境的變化——中美科技摩擦是否進一步加劇，全球市場需求是否持續增長。3. 行業自身的調整能力——企業能否避免盲目擴張、提升產品附加值，並找到新的增長點。中國高技術製造業的崛起不僅關乎經濟的未來，也將深刻影響全球產業格局。 (TOP創新區研究院)

2月官方製造業PMI重回擴張區間 3月1日，中國國家統計局發佈資料顯示，中國2月官方製造業PMI為50.2，重回擴張區間，前值為49.1。中國1月官方非製造業PMI為50.4，前值為50.2。中國1月官方綜合PMI為51.1，前值為50.1。 在製造業PMI中，從企業規模看，大型企業PMI為52.5%，比上月上升2.6%，高於臨界點（50%）；中、小型企業PMI分別為49.2%和46.3%，比上月下降0.3%和0.2%。從分類指數看，在構成製造業PMI的5個分類指數中，生產指數、新訂單指數和供應商配送時間指數高於臨界點，原材料庫存指數和從業人員指數低於臨界點。（國家統計局） ｜點評｜ 2月製造業PMI大幅回升，與春節後復產復工處理程序加速有關。不過，其中存在著較為明顯的大小企業分化。如果綜合1月製造業PMI整體來看，今年年初製造業修復情況要慢於去年四季度。春節前後，出現了“返鄉強，復工弱”的現象，去年無論是找工作還是在職員工漲薪，困難程度均有所上升，導致今年居民外出打工的積極性略有下降。特別是建築業，局部熱點城市下游市場的快速修復暫時未能全面傳導至中上游，行業內新訂單指數、建材價格等維度表現均偏冷。

今年“雙11”電商購物節開啟以來，各平台銷售資料亮眼，消費熱情持續升溫。截至10月31日21時，京東“雙11”成交額、訂單量及下單使用者數保持兩位數增長，超1.6萬個品牌成交額同比增長超3倍，成交額破億元的品牌數量同比增長超40%。截至10月20日，抖音電商平台已有近8000個品牌的成交額同比增長超200%，超過1萬個品牌的成交額實現同比翻倍。天貓“雙11”從開啟到10月31日24時，累計373個品牌成交額破億元。 專家表示，今年“雙11”平台優惠策略更加精細化、定製化，個性化消費趨勢不斷加強；人工智慧扮演多重賦能角色，成為推動電商發展與消費提升的重要力量；以舊換新表現突出，促進綠色消費和循環經濟發展；國潮品牌火熱，展現出文化自信與商業價值的雙重提升，體現消費新趨勢。 11月9日，江蘇省連雲港市連雲區一家電商物流倉庫，工作人員正在轉運出庫商品。王春攝（中經視覺） 個性化消費趨勢增強