在其著名论文“Computing machinery and intelli- gence”[1] 中对未来机器发展方向的设想: 一个方向 是让机器学会抽象技能, 如下棋; 另一个方向则是 为机器人提供足够好的传感器, 使之可以像人类一 样学习. 前者的思想出现在后来发展的各类神经网 络如多层感知机、卷积神经网络中, 即离身智能; 后 者则逐渐发展出了具身智能的概念. 现在, 具身智 能一般指拥有物理实体, 且可以与物理环境进行信 1 2025 年 1 月 ACTA AUTOMATICA SINICA January, 2025 数更新或微调的情况下, 仅通过文本交互来指定任 务和少样本示例就能很好地完成各类任务. 在此之 后, 具有优秀泛化能力与丰富常识的基础模型在计 算机视觉、自然语言处理等领域都展现出令人瞩目 的效果. GPT-4[5]、LLaMA[6]、LLaMA2[7]、Gemini[8]、 Gemini1.5[9] (Large multi- modal model, LMM) 具有理解图像、场景文本、图 表、文档, 以及多语言、多模态理解的强大能力[29], 可 以直接用于具身智能对环境的理解, 并通过提示词 使之输出结构化内容如控制代码、任务分解等指令. 2 自 动 化 学 报 51 卷 Wang 等[25] 探索了使用 GPT-4V 赋能的具身 智能任务规划的可能性

系统开发和应用的范式？ 总结： 使能技术、赋能社会：人工智能是引领这一轮科技革命、产业变 革和社会发展的战略性技术，具有溢出带动性很强的头雁效应， 其作始也简，其将毕也必巨 致天下之治者在人才，成天下之才者在教化，教化之所本者在学校 谢谢！ 肖俊 博士、教授、博士生导师 浙江大学计算机学院人工智能研究所 电子邮件： junx@zju.edu.cn 手机： 13867424906

元景大模型 电信 星辰大模型 移动 九天大模型 国内运营商： 公司 模型 深度求索 DeepSeek-V3/R1等 智谱 GLM系列 MiniMax MiniMax-Text-01等 月之暗面 Kimi大模型 阶跃星辰 Step系列 百川智能 Baichuan系列 零一万物 Yi系列 国内大模型七小虎： 公司 模型 OpenAI ChatGPT系列 GPT-4o系列 o1系列 所属公司 备注 DeepSeek 深度求索 https://chat.deepseek.com/ 豆包 字节跳动 https://www.doubao.com/chat/ Kimi智能助手 月之暗面 https://kimi.moonshot.cn/ 文小言 百度 https://wenxiaoyan.com/ 通义 阿里巴巴 https://tongyi.aliyun.com/ 智谱清言

息化推进应急管理现代化，提高监测预警、监管执 法、指挥决策、救援实战、社会动员等应急管理能力。 大语言模型是具有大规模参数的深度学习模 型，通过对海量文本的训练习得语言的统计规律， 从而具有理解和生成自然语言的能力，实现人机之 间的有效通信。自2018年双向编码表示模型（bidirec⁃ tional encoder representations from transformer，BERT） 的出现，以及 2022 年第四代生成式预训练模型（gen⁃ 能表现为对特定事件的常识性理解、对不同灾害类型 的应对策略的抽象化认知等。应急部门知识除了各 类预案、行动指南、管理准则等可以言明的显性知识 之外，还包括与这些预案、指南、准则设计布局相关 的隐性知识，暗含在该部门的专业、制度和文化之 内。隐性知识通过职业训练和经验积累而在工作中 获得，存在个体的头脑中或某个特定的组织环境中， 较难被机器获取和理解。应急管理知识属于典型的 跨学科知识，为解决应用情境中的问题而生，因此， 其知识默会

重塑人与技术的协作模式 向自主智�供应链转型成功的关键在于企业 如何培养人才，以适应这场重塑工作体验、学习方 式和技能再造的劳动力变革。供应链专家应尽早参 与进来，以便在使用和优化这些系统的一线员工之 间建立信任。技术本身无法保证转型成功，必须通 过持续的反馈循环，结合员工的参与，才能确保设 计出真正满足运营需求的解决方案。 在引入新技术时，领导层必须以切合实际的 节奏，跨组织地在员工队伍中打造信任和敏捷性。 开发了一套成熟度模型，将自动化水平与机器自主决策相结合，对自主智能供应链的成熟度进行综合评分。 免责声明： 本文档所含材料反映了截至首页所示编制日期可获取的信息，但全 球形势瞬息万变，相关立场可能会发生变化。本内容仅为一般信息之目 的提供，未考虑读者的具体情况，且不应取代向我们的专业顾问进行的 咨询。在适用法律允许的最大范围内，对于本文中信息的所有准确性和 完整性，以及任何基于这些信息所采取的行动或造成的疏漏，埃森哲均

统可以感知它 周围的世界，分析和理解它接收到的信息，并在此基础上采取行动，通过学 习改进自己的性能。 通过利用机器与环境、人以及数据进行交互，这项技术可以提高人类和机器 的能力，使之远远超出了它们各自工作时的能力。 而人工智能的实际应用则要更进一步，它意味着结合智能技术和人类智慧， 并应用于商业的每一个流程，帮助企业解决最复杂的挑战，开辟新市场或者 创造全新的收入来源。

的海水激起白色的浪花，而落日的金色 光辉照亮了岩石海岸。远处有一个带灯 塔的小岛，悬崖边缘覆盖着绿色的灌木。 公路到海滩之间的陡峭落差极具戏剧性， 悬崖的边缘向海洋突出。画面捕捉了海 岸 线 的 原 始 之 美 以 及 太 平 洋 沿 岸 公 路 崎 岖壮丽的自然风光。 60/80 occe 物 交 口 N 视频源： https://openai.com/index/sora/ 世界模型

者，于2023年初率先启动了“阳光正言GPT大模型战略工程”，旨在通过大模型技术的深度 应用，推动保险业务模式的重塑与升级。 经过一年的实践与沉淀，可以看到，2024年是大模型技术在各行各业的应用落地之 年。这一年，我们见证了大模型技术从理论探索走向实际应用，从概念验证进入规模化部 署的关键阶段。因此，本年度《大模型技术深度赋能保险行业白皮书》的编写，不仅是对过 去一年技术发展的总结与回顾，更 展奠定了坚实基础。 （5）更长的上下文 大模型技术在处理“越来越长的上下文”方面取得了显著进展，通过不断扩展模型的 上下文窗口和优化训练方法，使得模型能够理解和生成更长、更连贯的文本内容。例如，月 之暗面（Moonshot AI）今年3月18日官宣，旗下产品 Kimi 智能助手在长上下文窗口技术 上再次取得突破，上下文长度由20万字提升至200万字。在大模型竞争极为同质化的当下， 更长的上下文 提升转化率。 （3）服务质量的全面升级 个性化服务体验：大模型技术能够深入分析客户需求，提供个性化的保险推荐和服务 方案。这种个性化的服务体验不仅满足了客户的多样化需求，还增强了客户与保险公司之 间的黏性，提升了客户满意度和忠诚度。 智能化理赔服务：在理赔环节，大模型能够自动化处理索赔申请，快速审核并给出初 步处理意见。对于复杂案件，大模型还能提供智能辅助决策支持，帮助理赔人员更准确地

通过上述流程，DeepSeek 平台能够显著提升银行在信用风险 评估方面的效率和准确性，为银行的信贷业务提供强有力的支持。 3.1.2 市场风险预测 在金融银行领域，市场风险预测是风险管理中的核心环节之 一。DeepSeek 通过整合多源数据并运用先进的机器学习算法，能 够对市场风险进行精准预测，帮助银行及时识别潜在风险并采取相 应的应对措施。具体而言，DeepSeek 的市场风险预测方案可以从 的运营成本。系统还能够通过与 CRM 系统的集成，自动记录和分 析客户交互数据，为后续的客户关系管理和产品营销提供数据支 持。 3.3.3 情感分析 在金融银行领域，情感分析是智能客服系统中的关键功能之 一，能够通过识别和理解客户在交互过程中表达的情感状态，提供 更加个性化和有效的服务。情感分析技术基于自然语言处理 （NLP）和深度学习算法，能够从客户的文本或语音中提取情感信 息，如积极、中 上进行交易时，系 统会立即触发警报，提示可能存在身份盗用风险。 其次，DeepSeek 平台采用了基于机器学习的异常检测算法， 这些算法能够自动学习客户的正常行为模式，并在此基础上识别出 与之偏离的行为。具体来说，系统会构建客户的行为基线，包括交 易频率、交易金额、常用设备、常用 IP 地址等。当某个交易行为 与基线差异超过预设阈值时，系统会自动将其标记为可疑交易，并 进一步进行人工审核。

与智能化特性，以及加速 跨领域融合与技术革新等多个维度。在AI技术的持续成熟与广泛普及的加持下，智能软件开发领域的应用边界逐渐拓宽，从而其市场规模逐渐扩 张。 未来智能硬件出货量增加将带动对与之配套的智能软件的需求增长，从而推动智能软件研发行业市场规模增长。 智能硬件设备的普及与多样化，正不断拓展智能软件的应用场景。智能家居设备依赖于智能家居控制系统软件进行高效管理，而智能汽车则需智 能