近日，国务院出台了《关于深入实施“人工智能+”行动的意见》（😜以下简称《意见》），明确了系统推进“人工智能+”的总体要求，🤯系统布局“人工智能+”六大重点行动和八大基础支撑能力，为我国🙄人工智能与经济社会深度融合指明实施路径。 《意见》的发🤩布，标志着我国人工智能发展进入体系化推进、深层次融合的新阶段😉，有助于将我国的产业规模、数据资源、应用场景等优势全面转化为😉国家智能优势。实施过程中，需坚持以系统化创新为核心，通过科技😜、产业与机制三重创新协同，重点突破产业大模型、科学大模型、低👏空经济、具身智能等前沿领域，构建“技术—产业—社会”良性发展❤️的创新生态。 强化科学大模型创新 加速科研范式变😡革 《意见》将“人工智能+科学技术”摆在首位，体现了国😀家对人工智能发展规律的深刻把握：只有夯实科学基础，才能把握住💯技术突破、产业升级和全球竞争中的主动权。 科学大模型是🙌人工智能与基础科学交叉融合的重要体现。其在蛋白质结构预测、天😁体物理模拟、新材料发现等领域已展现出颠覆性潜力。通过构建面向😴科学推理与发现的大模型架构，可显著加速科学研究从假设提出到实😂验验证的全过程，甚至重构某些基础学科的研发范式。 建议🔥优先支持面向重大科学问题的大模型研发与开放平台建设，推动高水🎉平科研机构、高校与企业联合共建科学智能基础设施，尤其注重跨模⭐态推理等关键能力的融入，打造支撑前沿科学发现的智能基座。 👏 推动产业大模型应用创新 赋能千行百业转型升级 🙌 当前，人工智能技术正从通用大模型快速向产业大模型纵深演进，😉这一转变不仅拓展了技术本身的边界，更深刻重塑着千行百业的研发🤩模式与发展路径。通过海量行业数据的预训练和领域知识的深度嵌入😴，产业大模型充分发挥其强大的自然语言理解与生成能力，大幅提升😁企业对复杂业务场景的认知和理解能力，深度融合行业知识与场景数😡据，正成为推动产业智能化转型的核心引擎。 在研发环节，😡产业大模型能够加速技术洞察和知识发现，通过对全球专利、论文和❤️技术报告的智能分析，帮助企业快速把握技术发展趋势，优化研发路🙄线。在生产环节，基于大模型的智能质检、工艺优化和设备预测性维🌟护等应用，正显著提升生产效率和产品质量。 《意见》明确❤️提出要“推动人工智能驱动的技术研发、工程实现、产品落地一体化😎协同发展”，产业大模型正是实现这一目标的关键抓手。在生物制造🚀、量子科技、6G、新材料等前沿领域，产业大模型通过智能算法大😜幅压缩研发周期，提高创新成果转化效率。例如，在新材料研发中，⭐大模型能够预测材料性能，减少实验试错成本；在装备制造领域，大🥳模型支持设计仿真一体化，加速产品迭代升级。 为推动产业🔥大模型深度应用，建议重点加强三方面工作。一是构建行业知识增强😎的大模型体系，开发面向垂直领域的模型优化工具链；二是推动“研😅产用”深度融合，建立以企业需求为导向、以大模型为支撑的协同创🤔新机制；三是完善产业大模型评测标准，确保模型性能与行业需求匹🤩配。 布局低空大模型与具身大模型 展开全文 👏 培育智能时代新增长极 低空经济和具身智能作为“人工智🤯能+”行动的重要突破口，不仅代表着技术应用的前沿方向，更是培😉育新质生产力、塑造发展新动能的关键领域，将对我国经济转型升级🤩产生深远影响。这两类垂直领域大模型的突破，将推动人工智能从认🥳知智能向行动智能演进，为培育新质生产力提供关键技术支撑。 😁 低空大模型是实现低空经济智能化升级的核心基础设施，具备空😡间认知能力的多模态大模型是具有潜力的重点研发方向。其融合地理🔥信息、气象数据、飞行规则等领域知识，为低空飞行器提供环境感知🎉、路径规划和风险预警能力。具体实施路径包括：构建低空领域预训😊练大模型，注入空域管理、飞行控制等专业知识；开发基于大模型的🤩群体决策系统，实现无人机集群的自主协同与冲突消解；建立低空大🤗模型测试验证平台，通过数字孪生技术实现算法迭代优化。同时，应🤯制定低空大模型安全标准，确保决策过程的可解释性和可靠性，为低😎空经济发展提供可信人工智能支撑。 具身智能大模型是打通🤩虚拟智能与物理世界的关键桥梁。要着力发展具身认知大模型，融合😍视觉、语言、动作等多模态信息，实现智能体对物理场景的深度理解😁和任务执行。重点突破方向包括：研发具身决策大模型，支持复杂任😴务的分解与规划；开发人机协作大模型，实现自然语言指令到物理动⭐作的精准转换；构建具身训练仿真平台，通过大规模交互数据提升模😜型泛化能力。在产业落地方面，应率先在工业检测、家庭服务、医疗🔥康复等场景开展应用示范，培育具身智能大模型的典型应用范式。 🙌 构建协同创新体系 系统推进“人工智能+”行动 ⭐ 强化基础研究与智能基座建设。围绕科学大模型、通用人工智能😉与具身智能等方向，重点推进面向基础理论与关键架构的大模型研发🚀。支持建设国家级AI大平台与开放开源社区，促进高水平科研机构😘与企业联合构建基于大模型的协同研发环境，推动模型、算法、开发🔥工具的一体化共享，为“人工智能+”行动提供坚实智能底座。 😂 推动跨学科交叉与跨界融合。大力支持大模型与生命科学、材料😘科学、社会科学等深度融合，打造面向重大科学问题和工程挑战的领❤️域大模型。推动大模型成为多学科交叉的“连接器”和“加速器”，😴支持基于大模型的协同科研平台建设，鼓励“人工智能+学科”的跨😆界研究团队组建，催生具有重大影响的跨学科创新成果。 完🤔善创新生态与治理体系。加快建立覆盖大模型全生命周期的标准、伦😅理与治理体系，重点推进大模型在低空经济、自动驾驶、医疗AI等😅敏感领域的合规应用。支持大模型数据合规、评测基准、安全可控等❤️方面的法规建设，构建具有中国特色、适应大模型创新需求的治理框😆架，为“人工智能+”行动营造开放、安全、可信的创新环境。 😀 《意见》的出台必将加速我国“人工智能+”蓬勃发展。作为人🌟工智能科研领域的一线工作人员，我们将继续聚焦科学大模型、产业🤩大模型、低空经济、具身智能等重点方向，推动构建系统化创新布局😍，助力我国“人工智能+”行动走深向实。（作者：中国科学院自动❤️化研究所副总工程师　王金桥） 人民邮电报返回搜狐，查看😜更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

第一财经 不同硬件、不同大脑，不同机器人厂商进入不同场🌟景，在多方变量的加持下，机器人的规模化落地似乎遥遥无期。 😎 9月17日，第一财经记者在采访第三方部署方、机器人本体厂🤗商和场景落地方时发现，一个行业新角色正在出现。一个类似于安卓🤗操作系统的中间算法层正在承担屏蔽硬件差异、兼容不同大脑架构的🔥功能，为机器人在真实场景中的规模化落地提供可能。 如今😁，这一产业角色已经吸引了谷歌、智元、富临精工（300432.❤️SZ）、格力博（301260.SZ）、东土科技（300353😴.SZ）、巨星新材料等企业押注。但在硬件厂商坚持自家体系、大🤗模型企业追逐通用智能的格局下，行业的“安卓时刻”何时到来，仍😂有待市场与现实工况的双重检验。 机器人涌入场景，跨本体🎉训练遇阻 当机器人厂商涌向场景方，新的问题正在出现。 🥳 “这个月至少有两家机器人公司正在和我们谈合作。”Kel🤩vin是长三角一家物流上市公司的技术负责人，他告诉记者，为了😢和人形机器人厂商进行合作，自己不得不拨出一个八人左右的团队和😢不同机器人企业进行对接。“我们需要开放不同的数据接口，提供一😁个专门的实验场景，还需要根据各家机器人的要求不断调整流程和测😊试参数”。 在大量的人力和物力投入之外，Kelvin坦❤️言自己算不过来ROI（Return on Investmen💯t，投资回报率）。“机器的工作效率不稳定，且运维需要大量后续😁的费用。”他向第一财经记者透露，物流企业马上就会备战“双11🤩”时间，在此期间是否继续让机器人上岗，他还在犹豫。 更😂大的问题是，由于不同厂商的机器人算法不兼容、硬件各自封闭，导🌟致一个场景的成功经验难以迁移到另一个场景。“有的时候我们的流😁水线哪怕是多一个弯折，机器人都需要重新走一轮POC（Proo⭐f of Concept，概念验证）。” “厂商觉得我🙌们不够开放，我们觉得机器人厂商要得太多。”Kelvin说，这🎉是产业上下游之间对接存在的普遍问题。第一财经记者了解到，一些👍“中间人”的角色正在产业链中诞生。前上汽自动驾驶域控制器算法😘负责人，安努智能工程算法总监杨曾告诉记者，团队正在研发的一套⭐中间件算法平台，希望像手机里的操作系统一样，把不同厂商的机器🔥人纳入统一的兼容框架。 就像手机的操作系统让不同软件在💯同一套规则下运转一样，中间件希望能够通过屏蔽底层硬件差异，使😉一套算法能够迁移到不同厂商的机器人上。“如果每遇到一个新的硬🙄件，就要重新训练，机器人在实际场景部署的速度就会非常慢。”重🌟庆大学助理教授，人工智能及多模态实验室具身智能负责人，安努智🤗能首席科学家胡喆告诉第一财经记者，想要提高机器人的通用化，跨😅本体是必须跨过的门槛。 在不改动模型本身的前提下，兼容🤩不同机器人的大脑，成为中间件的挑战。“虽然主流的模型是VLA🤔模型（Vision-Language-Action Mode😢l，视觉-语言-动作模型），但其中的架构仍然不同，有端到端，🥳也有分层式。”胡喆说，中间件在机器人大脑和机器人作业的实际场💯景中充当一个“翻译官”的角色。在他的设想里，输出的指令会先被😆中间件被转化为统一的目标和约束，再交由各家机器人自身的规划控😊制器执行。 “这样我们就不必为每一个新厂商重新训练模型🤔，只需要向每一个机器人的规划控制器下达指令，就能让中间件跑通🤗整个流程。”胡喆说。 展开全文 物理规律难仿真，🎉机器人“干中学” “我们曾经试过，在实验室里跑通了所有😴算法，结果到实际场景中发现完全不是一回事儿。”钛维云创的创始🤯人张磊告诉记者，当自己试图让机器人处理布料这样的柔性物体时，🚀由于布料材质、厚薄、摩擦力不同，实验室的环境并不能完全满足操😆作需要。 张磊透露，像布料、不规则包裹等物体，POC周😜期“很长，且难以给出确切的时间”，“因为我们需要提前磨合算法🙄、下线采集数据、再拿到实验室反复训练，才能勉强适配场景”。 🎉 工厂中的物料、工艺成千上万，换一条生产线、换一个工位，😅都可能带来完全不同的情况。 “离线的强化学习不可能把所🙄有真实场景一网打尽。”胡喆告诉第一财经记者，机器人不仅需要根😎据场景反复调试算法，还往往要重新采集数据回到实验室做离线训练😂，这让整个周期被拉长，时间和人力都被大量消耗。 边做边🚀改，或许才是机器人进行学习的关键。 胡喆透露，他正在尝😴试利用实时的在线学习算法，允许机器人在实际作业过程中一边操作😜一边采集数据，并实时更新模型。这种方式只需在现场额外增加几秒👏钟运行和100个数据量，“我们会根据模型出来的结果选择数据，😉让机器人在不断学习的过程中遗忘无用的数据，保持数据的精简，也😀不会对算力提出过多的要求”。 机器人“干中学”的另一边🙄，团队也在尝试利用仿真等手段降低机器人的学习成本。“现在大部🎉分机器人仿真环境离现实工况还有很大差距，因为仿真环境中缺乏物🔥理定律的支撑。”美国肯塔基大学空气动力实验室仿真负责人、安努❤️智能联席科学家付博直言，大部分仿真平台依赖数据驱动，却缺乏物😴理定律的支撑。 “如果只是换个环境光影、物体形状等表层🔥变量，那在这种仿真里能跑通的算法，一旦放到现实中，往往会失效😀。”付博说。 让虚拟环境逼近真实世界，并不是一件容易的🔥事。“摩擦力、空气流动等连续变化的环境很难被拆成可以极端的小👏单元。”付博解释，以机器人搬箱子举例，这个场景涉及了力学、刚😡体运动学与工程力学等基本的物理规律。付博说，加入这些规律的仿🤔真能够模拟不同重量箱子堆叠时的微小形变，计算箱内散落零件导致😡的重心偏移，并让机器人理解物体变化对抓取稳定性的影响，以及机🤩器人发力点与物体形变的关联。 他坦言，将这些物理定律的😢融入仿真环境是一个“正在进行的过程”，需逐步攻克计算量庞大的🙄技术难题。付博认为，只有当机器人在仿真环境中充分理解并内化这🤩些物理规律，才能在真实场景中更好地应对突发情况，实现泛化能力🎉的提升。“模型永远无法完全替代实验，但我们希望通过极致的物理😀仿真，让真实实验只需做一次就能验证可行性。” 谷歌提前⭐布局，中间件或成规模化关键 从机器人本体和大脑厂商到最😉终的应用企业，中间还需要大量复杂的部署工作——包括接口打通、😂场景适配、算法迁移等环节。对整个产业链而言，这是一块颇具吸引🤩力的“肥肉”，盯上的远不止安努智能一家企业。 今年6月🤗，银河通用和博世中国成立合资公司博银合创。根据双方披露内容，😀合资公司将聚焦复杂装配、智能质检等高精度制造场景，并且构建标😂准化、模块化、可复制的训练与部署体系，支撑机器人产品的快速迭🤔代与规模化部署。 今年年初，富临精工宣布公司与智元机器⭐人等相关方签署了《人形机器人应用项目投资合作协议》，各方共同😂投资设立合资公司实施人形机器人项目。当前，富临精工、智元、巨😢星新材料均为安努智能股东。就在9月，专注于北美市场的产业股东🤩格力博、聚焦机器人操作系统的东土科技也宣布增资安努智能。 👏 在海外，Google（谷歌）的母公司Alphabet孵化😎的Intrinsic也在扮演类似的角色。Intrinsic试🤩图通过通用算法和工具链降低机器人系统的集成成本，让不同厂商的😆机器人在同一套兼容框架下运行。 通过一个类似操作系统的😂中间件来对接不同机器人厂商和场景，这是安努智能董事长文宏杰提😍出的解题思路。虽然路径各异，但上述三家兼具机器人和产业方背景🙄的第三方部署商，它们的共同点都是试图在碎片化的产业格局中，寻👏找一套能跨越厂商和场景的兼容方式。 不过，机器人产业是👏否会像手机产业那样，最终走向由统一“操作系统”支撑的格局，仍😢充满疑问。一位由数码3C行业转至机器人产业的工程师告诉第一财😆经记者。与手机产业面临的问题不同，机器人领域的情况更为复杂，😅硬件厂商坚持各自的体系，而大模型企业则瞄准通用智能，“屁股决😊定脑袋，大家想的未必是同一个目标”。 多方角力之下，第😊三方部署商设想的中间件是否能够建立起产业上下游的桥梁，还需要😴进一步观察。“模型如果停留在实验室、本体如果只会跳几支舞，那😜最终只是一个故事。”文宏杰认为，在当下的机器人产业，关键不是😆讲模型和本体的“故事”，而是扎进具体场景，通过部署获取真机数🥳据和工程化经验，将商业化的流程拉通、沉淀。 在他看来，🔥这些工程化的经验和数据才能汇聚成类似“操作系统”的底座，真正🔥支撑机器人跨厂商、跨场景的落地。“如果中间件能够像安卓这样的🚀操作系统一样稳定通用、开放兼容，任何厂商都能接入，机器人产业😜的规模化会越来越近。” (本文来自第一财经)返回搜狐，😊查看更多