行业共识与政策导向 - 安全是低空经济规模化、常态化发展的前提与底座[2] - 随着应用场景不断丰富，空防、公共、飞行和信息四大安全领域的挑战愈发凸显[2] - 构建系统化的低空安全保障体系已成为行业共识[2] - 报告会汇聚政、产、学、研代表200余人，旨在为低空安全高质量发展凝聚共识[1] 基础设施与网络建设 - 低空智联网是低空基础设施非常重要的通信信息底座[5] - 中国联通作为国家网络与信息安全产业链链长单位，构建全链路安全防护体系应用于低空领域[5] - 广东联通在“百县千镇万村高质量发展工程”中，打造了近1万平方公里的低空智联专网[5] - 通信、导航、监视等飞行管理服务保障设施是低空基础设施的核心组成部分，是飞行安全的关键[9] - 现有通信、导航、监视等技术与产品存在能力边界，无法满足未来低空飞行保障需要[9] - 面向未来，低空公共航路、公共飞行区的管理服务保障需求存在多头建设、覆盖不足、安全隐患突出等问题[9] 技术研发与平台成果 - 中国电信以云网融合、数智赋能为核心，依托5G-A、云计算、人工智能等技术，打造了天翼星盾低空安全体系、星云平台等一系列自研成果[7] - 中国电信已实现低空态势一屏感知、风险秒级处置、资源集约调度、多场景落地见效[7] - 工业和信息化部电子第五研究所已在广州、深圳、珠海、合肥、重庆、三亚等地布局低空飞行器中试服务基地[11] - 工信部电子五所落地实施一批顶层设计、系统部署与智联网验证测试项目，并在多地开展测试验证，助力多类型飞行器“飞起来”[11] - 报告会上集中发布了中国电信“云猎”无人机侦测反制系统、中国联通低空可信数据空间和东进航科低空空域协同管理系统等一系列成果[15] 标准制定与社会共治 - 广州市海珠区发展和改革局发布了《海珠区低空安全全民科普手册》，以“看得懂、用得上、能执行”为编制导向[13] - 手册将复杂规则转化为通俗口诀，采用“规则清单+场景提示+流程指引+处置要点”的结构，清晰划定违规飞行的责任与处罚边界[13] - 手册旨在引导公众规范参与风险报告与处置协助，提升社会协同治理效率，推动形成社会共治的低空安全治理合力[13] - 报告会围绕低空安全领域协同机制建设和低空公共航路安全保障体系建设展开圆桌讨论，提出可落地的路径和建议[15] - 工信部电子五所将强化标准、测试验证与应用示范协同，联动产业链上下游与地方政府共同推进低空安全保障体系迭代完善[15]

3D数字人技术演进 - 3D数字人技术已从表情僵硬、预设脚本运行的阶段，演进至能够根据指令实时生成语音、表情和协调肢体动作，且成本变得可被接受 [1] - 该技术最初源于机器人领域，计算机图形学与机器人学之间存在一道打通虚拟与现实的“旋转门”，学者们几十年来在此领域寻求突破 [1] - 进化后的数字人不仅活跃于直播间和客服中心，未来还将在3A级游戏和影视工业领域大展拳脚 [1] 与2D文生视频技术的对比 - Sora2作为文生2D视频技术，生成长度受10秒限制，且在物理一致性和精细控制人物动作、表情方面存在瑕疵 [2][3] - 3D数字人技术是文生3D，可在VR/AR环境中360度展示，实现精准控制动作和表情，核心区别在于结构化信息与像素层面的差异 [5][7] - 3D数字人描述动作表情仅需几百个参数，而文生视频缺乏结构化信息导致推理和生产成本非常高，3D技术的成本可能仅为2D语音合成的几十分之一 [7] 魔珐科技的技术方案与产品 - 公司构建了“文生3D多模态大模型”，包含从文本生成语音、表情、动作、手势参数的端模型，以及利用AI进行渲染和解算以降低成本的流程 [8][11] - 该技术方案支持端到端实时互动，端到端延时要求小于2秒或1.5秒，并可在低成本终端芯片（如瑞芯微RK3566，约几百人民币）上运行 [5][8] - 公司已推出“星云平台”产品，并于10月发布文生3D多模态模型，目前有几百个B端企业客户在测试，部分已付费，公司从3D数字人公司转变为平台公司 [12][13] 成本突破与行业影响 - 通过AI技术完成渲染和解算，不再依赖传统渲染引擎和昂贵显卡，单路数字人服务成本从半年前需要一张显卡（约两三万人民币）大幅降低 [34][36][37] - 在特定应用场景下，AI渲染质量与Unreal等传统游戏引擎渲染效果基本无差异，通过并列对比无人能看出区别 [39] - 该技术若普及，可能降低3A级游戏对云端显卡或终端高算力的依赖，使游戏无处不在，并大幅降低元宇宙的参与成本 [38] 3D数据积累与行业应用路径 - 公司积累了1000多个小时的高质量3D动画数据，一秒钟成本至少1000人民币左右，高质量数据是训练模型的核心要素 [24][25] - 行业应用路径规划为先运用于日常生活交互、服务、陪伴场景，再到游戏，最后是好莱坞，因好莱坞级高质量数据制作难度极高 [33] - 影视动画和游戏公司拥有高质量3D数据但缺乏AI能力，而AI公司算法强但缺乏数据，两个行业目前缺乏交叉 [20][21][22] 与机器人领域的协同与挑战 - 3D数字人技术可驱动机器人，实现实时语音、动作和手势，公司生成的动作数据包含脸部、手部和腿部的完整动作 [42][44] - 机器人领域面临运动学（动作规划）和动力学（力的控制）的双重挑战，泛化能力（如适应不同楼梯参数）是当前主要难题 [45][48] - 行业研究方式正从白盒模型（显式计算受力点）转向黑盒模型（端到端数据驱动），长期有希望但短期挑战很多，完全解决或需10年 [62][63][64][57] 技术落地的关键挑战 - 数字人规模化落地需翻越质量、延迟、成本“三座大山”，并支持多终端、多操作系统、不同芯片算力的并发需求 [41] - 质量提升依赖于大模型能力，包括从文本生成带情绪的语音、匹配的唇形和动作，以及高质量训练数据 [41] - 在机器人领域，即使动作数据可用，现实世界的动力学控制（如抓取物体的力反馈）和复杂环境的泛化仍是巨大挑战 [53][54]