（二）發(fā)展目標
到2022年，基本形成政府信息化、城市智慧化、生活智能化、產(chǎn)業(yè)數(shù)字化的良好格局，5G、工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等新技術多面融入城市生產(chǎn)生活，通過動態(tài)實施一批重大新型基礎設施項目，全市新型基礎設施建設規(guī)模和發(fā)展能J達到國內出色水平，形成支撐經(jīng)濟社會G質量發(fā)展的強大動能。
——信息基礎設施布局完備。全市信息基礎設施網(wǎng)絡更加健全，實現(xiàn)5G網(wǎng)絡主城區(qū)、中心鎮(zhèn)、開發(fā)園區(qū)全覆蓋。移動通信網(wǎng)絡、固定寬帶網(wǎng)絡接入能力平均達到1000Mbps，城域網(wǎng)出口帶寬達到25Tbps。新一代數(shù)據(jù)中心布局和工業(yè)互聯(lián)網(wǎng)建設取得顯著進展，G標準建設大型實時數(shù)據(jù)中心示范基地，打造長三角地區(qū)重要信息樞紐。
——融合基礎設施廣泛應用。建成全國批市域社會治理現(xiàn)代化試點合格城市。加快示范場景應用，布局形成省J以上智慧校園400個、互聯(lián)網(wǎng)醫(yī)院7家、智慧港區(qū)3個，新建工程智慧建筑普及率40%以上，集約G效、經(jīng)濟適用、智能綠色、安全可靠的融合基礎設施體系基本形成，打造全國智慧城市典范。
實施項目（220個），重大產(chǎn)業(yè)項目（130個），現(xiàn)代服務業(yè)（35個），重大生態(tài)環(huán)保（13個），重大民生工程 （10個），重大基礎設施 （47個），儲備項目（20個）
以爭創(chuàng)國家級“5G+工業(yè)互聯(lián)網(wǎng)”融合應用先導區(qū)為目標，圍繞供端服務企業(yè)引進培育創(chuàng)新發(fā)展和需端制造業(yè)企業(yè)融合應用兩大方向，具體提出三個方面8條具體措施
2020年計劃投資120億元，新建5G基站5.2萬個。優(yōu)化新一代數(shù)據(jù)中心布局，實施全省一體化大數(shù)據(jù)中心“1﹢N﹢13”推進工程，形成共用共享、科學合理的全省大數(shù)據(jù)中心整體布局等
江蘇未來產(chǎn)業(yè)發(fā)展重點：推動戰(zhàn)略性新興產(chǎn)業(yè)規(guī)�；l(fā)展，加快培育大數(shù)據(jù)、工業(yè)機器人等新增長點，建設一批戰(zhàn)略性新興產(chǎn)業(yè)集群
江蘇省先后制定出臺了《省政府關于進一步推進信息基礎設施建設的意見》、《“十三五”智慧江蘇建設發(fā)展規(guī)劃》、《智慧江蘇建設三年行動計劃》，統(tǒng)籌推進全省信息化發(fā)展
《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)品和服務中，并且這些 AI 功能將成為收入增長的主要驅動力
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“四對關系”：一是高質量供給引領和滿足內需的關系；二是做優(yōu)增量和盤活存量的關系；三是產(chǎn)業(yè)國內根植與海外布局的關系；四是有效市場與有為政府的關系
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，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,動態(tài)足控制能力;在各個領域的實際應用和用途,協(xié)助人類完成各種復雜任務
機器人機械手有多個關節(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路線控制方法有強化學習和模仿學習
迎賓服務機器人需要整合視覺,聽覺,觸覺等多種感知模態(tài),使機器人在復雜場景中做出更準確的決策;結合聽覺和觸覺信息，機器人可以更好地理解人類的指令和情感狀態(tài)
LLM(大語言模型+VFM(視覺基礎模型)實現(xiàn)人機語言交互、任務理解、推理和規(guī)劃;VLM(視覺-語言模型)實現(xiàn)更準確的任務規(guī)劃和決策;VLA (視覺-語言-動作模型)解決機器人運動軌跡決策問題
