優(yōu)勢產(chǎn)業(yè)：現(xiàn)代服務(wù)業(yè)以及先進制造業(yè)。
重點招商引資產(chǎn)業(yè)：制造業(yè)、服務(wù)業(yè)、城市基礎(chǔ)建設(shè)與公用事業(yè)及農(nóng)林漁木業(yè)。
重點發(fā)展的6大工業(yè)：電子信息產(chǎn)品制造業(yè)、汽車制造業(yè)、石油化工及精細化工制造業(yè)、精品鋼材制造業(yè)、成套設(shè)備制造業(yè)和生物醫(yī)藥制造業(yè)。
未來產(chǎn)業(yè)發(fā)展重點
1、加快發(fā)展文化創(chuàng)意產(chǎn)業(yè)；
2、促進新技術(shù)、新模式、新業(yè)態(tài)、新產(chǎn)業(yè)“四新”經(jīng)濟發(fā)展；
3、在民用航空發(fā)動機與燃氣輪機、腦科學與人工智能等L域?qū)嵤┮慌卮罂萍柬椖浚谛履茉雌嚒C器人與智能制造等L域布局一批重大創(chuàng)新工程；
4、推動大飛機、北斗衛(wèi)星導航、集成電路等戰(zhàn)略性新興產(chǎn)業(yè)。
“新基建”政策白皮書
我國各省區(qū)市“新基建”發(fā)展?jié)摿Π灼?/h3>
上海市推進新型基礎(chǔ)設(shè)施建設(shè)行動方案（2020-2022年）市長掛帥大力推進新基建,分別成立新網(wǎng)絡(luò)工作組、新設(shè)施工作組、新平臺工作組、新終端工作組、區(qū)域工作組、督查工作組
基于物理車間和車間數(shù)字實體實現(xiàn)的車間管控應用,車間數(shù)字孿生各部分之間以及車間數(shù)字孿生與企業(yè)管理系統(tǒng)交換數(shù)據(jù)、控制信息和 其他信息的過程,包括孿生互動
企業(yè)應圍繞數(shù)字化能力(體系)建設(shè)、運行和優(yōu)化,結(jié)合流程優(yōu)化方案和組織創(chuàng)新方案,對技術(shù)實現(xiàn)進行梳理、規(guī)范、融合和創(chuàng)新,制定技術(shù)實現(xiàn)方案,體系性、系統(tǒng)性和創(chuàng)新性管理技術(shù)實現(xiàn)的執(zhí)行過程
《藍皮書》旨在為政府部門政策制定、企業(yè)戰(zhàn)略決策提供科學參考，同時幫助公眾理解AI技術(shù)對經(jīng)濟社會發(fā)展的深遠影響,AI賦能行業(yè)應用案例,產(chǎn)業(yè)政策及趨勢分析
人形機器人市場規(guī)模預計從 2024 年的 20.3 億美元增長到2029 年的 132.5 億美元，復合年增長率達 45.5%;中國 60% 的企業(yè)將把AI 融入其主要產(chǎn)品和服務(wù)中，并且這些 AI 功能將成為收入增長的主要驅(qū)動力
從數(shù)據(jù)看數(shù)據(jù)標準和治理保障體制不完善，數(shù)據(jù)流通利用基礎(chǔ)較為薄弱;從算法看模型自身存在不可解釋性和可靠性風險;旺盛的大模型應用場景需求加劇人才供需矛盾
十五五”時期推進新型工業(yè)化主要統(tǒng)籌好“四對關(guān)系”：一是高質(zhì)量供給引領(lǐng)和滿足內(nèi)需的關(guān)系；二是做優(yōu)增量和盤活存量的關(guān)系；三是產(chǎn)業(yè)國內(nèi)根植與海外布局的關(guān)系；四是有效市場與有為政府的關(guān)系
AI迎賓接待機器人的核心是人機交互,在智能人機交互的研究中,對情感的識別、分析、理解、表達的能力是重點研發(fā)方向;從人類的語音,面部表情等多個維度捕捉情感信息，并對其進行分析和判別
多模態(tài)感知技術(shù)讓機器人具備類似人類五感的多模態(tài)智能感知能力;通過表情識別、語音情感分析等技術(shù)，讓機器人感知人 類情緒并做出相應情感回應，增加親和力和互動性
AI陪伴機器人在外觀設(shè)計具備人類相似特征;在行為模式上模仿人類的行為,具備手眼協(xié)調(diào),動態(tài)足控制能力;在各個領(lǐng)域的實際應用和用途,協(xié)助人類完成各種復雜任務(wù)
機器人機械手有多個關(guān)節(jié)和多個自由度，具有很高的靈活性;配置了必要的傳感器，可以精確控制機械手的操作;微小的外形尺寸使得機械手具有很高的操作精度
展廳迎賓機器人的“小腦”核心技術(shù)正在從基于模型的控制方法向基于學習的控制方法演進,視覺-語言模型為機器人學習復雜技能提供了新的范式,有很強的泛化能力,能夠根據(jù)不同的指令組合技能
基于模型的小腦技術(shù)路線控制方法有ZMP判據(jù)及預觀控制,混雜零動態(tài)規(guī)劃方法,虛擬模型解耦控制;基于學習的小腦技術(shù)路線控制方法有強化學習和模仿學習
