除了诸如 DeepSeek、字节豆包、通义千问等通用大模型所自带的文 旅内容以外，旅游领域的市场主体包括垂类旅游企业平台、旅游目的 地文旅局、涉旅企业、初创科技类旅游企业等也都以不同形式参与到 AI 大模型对旅游的改造中来，以市场主体作为分类依据可以主要分 为如下几个类别： 1.垂类旅游企业平台 AI 应用 以携程、去哪儿网、同程等为代表的 OTA 平台，积极利用大模 型技术推动业务 （二）智慧旅游领域人工智能应用场景分类 1.AI 旅游导航导览讲解服务类应用 利用 AI 语音合成与识别技术，为游客提供多语言、个性化的讲 解服务。无论是在博物馆、景区还是历史文化遗迹，游客通过 AI 大 模型就能实时获得详细的景点介绍、历史背景、文化内涵等讲解内容， 8 其效果已经开始慢慢替代传统人工导游，提供更便捷、高效且可随时 获取的智能讲解服务。 2. AI 旅游行程规划助手类应用 基于 AI 算法和大数据分析，根据游客的时间、预算、兴趣偏好 目前该场景虽市场用户端需求强烈，按真实的产品在结果准确性、产 品体验和用户需求深度匹配等方面仍需进一步提升，这也导致实际用 户对 AI 行程规划结果的采纳率仍不高。 3. AI 旅游信息服务类应用 主要涉及旅游目的地信息检索，游客通过智能终端输入关键词， 即可获取 AI 所提供的目的地基本概况，包括地理位置、气候条件、 旅游景点、交通住宿等。该场景通过 AI 技术对用于大模型训练的旅

疾控工作者应该怎么利用 DeepSeek 等 AI 大模型 主要内容 先了解人工智能发展简史和发展方向 再介绍大模型的概念和与人工智能的关系 接着介绍垂域模型与智能体的概念 了解以上概念后开始将交流和畅想疾控与人工智能 + 再接着介绍 DeepSeek 大模型 最后是普通疾控人在工作中的具体使用探索交流 1 . 1 著名的图灵测试 1950 年，“计算机之父”和“人工智能之父”艾伦 定时间后，若询问者无法区分哪一方是 机器，则机器通过测试。 一、人工智能发展简史了解 意义与影响 1. 哲学突破： 1. 图灵将抽象的“机器能否思考 ?” 转化为可操作的“能否模仿人 类 行为 ?", 规避了关于“意识”的争议。 2. 提出“智能”的行为主义定义，即通过外在表现而非内在机制判 断 智能。 2. 技术目标： 1. 为早期人工智能研究提供了明确方向，例如自然语言处理和对话 亿参数，能生成连贯长文本， GPT-3(2020)1750 亿参数，零样本学 习 ( 无需微调直接使用 ), 震惊业界。 生态期 (2023 至今 ): 应用与争议并存， · 特点：通用大模型竞争白热化，垂类模型兴起，社会伦理问题爆发。 · 关键进展： ChatGPT(2022.11): 对话能力接近人类， 2 个月用户破亿。 GPT- 4(2023): 支持多模态输入 ( 文字 + 图片 )

办事情形不清晰，有兜底条款，如 其他材料”等 系统复杂：政务服务平台、本级自建 / 上级垂管系统、 OA 等 网上申报体验差 用户多次登录、表单重复填写、材料重复提交等 申报材料准备难 窗口办事效率低 一个复杂事项需办事人员在多个系统切换登录、重复录入 挑战 需 求 侧 供 给 侧 部门之间协作难 部分材料需要中介机构提供、证明类材料需要提前准备等 线下跑动次数多 业务分散、系统独立，部门协作系统对接工作量大 数据供需不匹配，汇总数据无法支撑实际场景和应用 关键痛点 服务体验待提升 业务协同缺支撑 数据共享使用难 服务使用受限制 省市区各级事项标准不统一，线 上办事比例低、线上线下融合难 业务系统烟囱化，综合类业务缺 乏统一协同调度 部门间数据标准不统一，系统数 据互联互通难，数据难有效使用 特殊人群难以到政务大厅办理政 务事项 6 1 2 3 政务服务趋势和挑战 “ ” 一网通办 政务服务解决方案 表单自动预填 证照 / 材料自动关联 材料审核 要点关联 情形 引导 表单填写 & 材料上传 提交 申请 办件 预审 统一 收件 办件 分拨 办结 发证 APP 委办局国垂 / 省垂 业务审批系统 ROMA 办 件 / 审 批 数 据 网站 大厅 委办局自建 业务审批系统 统一事件服务 多渠道办理 事项查询 API 接口 办件运行 API 接口 证照获取接口 材料获取接口

稳信访信息中心管理系统、数字城管系统、 “五车”治理系统、政务督查办公平台、 热线系统、智能交通综合管控平台等； l 垂管系统情况 省市垂管系统大约 53 个：主要集中在医 保局、人社局、气象局、市场监督管理局； l 数据共享情况 自建系统数据可以共享 ，垂管系统数据 部分可以下载导出 ，接口对接少数可以 满足。 信息化需求及规划 2023.01~2023.12 l 智慧政务类场景 l 疫情防护类场景 l 民生服务类场景 l 城市管理类场景 l 安全守护类场景 l 社区治理类场景 城市智能运营指挥中心 汇数、治数、用数 l 环境保护类场景 l 智慧工地类场景 l 乡村振兴类场景 l 智慧园区类场景 l 经济运行类场景 业务沉淀、经验、工具输出 A I 算法、算力按需调度 运 维 对象描述 • 质量规则定义 • 编码规则定义 • 责任组织 • 责任人 • 数据访问权限 • 审批流程 基础数据分类、监测数据分 类、业务数据分类、主题数 据分类 数据中台：数据标准规范先行 数据管理平台建资源目 录 树 数据管理平台建元数据模型 标准化资源分类 数据应用 ↓ 标准化元数据模型 模型、编码规则、属性、引

变革的直接变量。预计具身智能的下半场，将主要由“智能定界”牵 引突破。该路线的核心在于将复杂、时变、不确定的世界模型构建难 题，转化为构建一个专注于具体现实环境的、更容易“有限范围求解” 的垂类小模型，这类模型具备环境可确定、任务可操作、过程可数据 化、且高安全性的特性。 应用场景反向定义价值，头部企业重塑供应链优先级。具身智能 的创新价值不再由“技术先进性”单一决定，而是由不同场景的需求 险业 建筑业 运输和仓储 业 建筑业 8.80 万亿元 10.56 万亿元 1.38 万亿 元 1.69 万亿元 0.78 万亿元 1.42 万亿元 数据来源：Wind 备注：1.剔除公共事业类行业；2.货币单位统一按 2025 年 9 月 3 日汇率换算为人民币。 过去 10 年，我国制造业呈现出显著的增长态势。然而，其中传 统制造业也面临着产能过剩、附加值低、内卷严重等一系列问题。从 9%，呈现持续增长态势。 3 图表 2：中国 GDP 分行业增加值（单位：百亿元） 数据来源：Wind 具身智能，作为支撑未来国家高端制造业的底座，已被纳入“2025 年政府工作报告”。其狭义可理解为“AI+仿生类人形机器人”，广义可 理解为“终端设备载体+AI 感知环境+AI 学习推理及决策”。尤其在未 来十年的产业大赛道（包括：AI+芯片/大模型/数据、AI+制造/能源/ 生产资料、AI+生物医美/抗

用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数 人类智能 • 抽象（语言）：概念，数字，理 念 • 逻辑（理性）：归纳，演绎，类 比 • 计算（模型）：科学方法 • 基于观测经验，发现规律 • MIT ：一切问题都是模型问题 • 模型： 一个映射， 一个函数 科学范式 ◼ 从规则到数据：逐步破除我执（去人类中心主 取得了突破，最被看好 • 概率模型，机器学习（统计学习方法）、数据模型、计算数学 2 、学习人脑：当前遇到挑战，可能会成为道路 1 的一部分 • 抽象模型：杨立昆的世界模型 + 功能分区 • 类脑计算：意识研究、认识论（哲学物理学）、认知神经科学 包括生物计算，不排斥数据科学方法（ mortal computation ） 3 、具身智能：刚起步，研究热点，可能会成为道路 1 的未来 重塑就业岗位和组织结构 • 如何培养 AI 专业人才和 AI 赋能人才 • AI 如何赋能教育 02 对 AI 教育的思 考 第一届人工智能教育大会 （ 2019 ） n 从职业角度来看，人工智能将带来三类影响 1. 替代少部分基础岗位 • 一些简单的重复性、模板化、“照本宣科式”的智力劳动可能会被替代，例如：基础客户服务、简单文秘、甚至一些翻译工作 2. 革新大部分岗位的职业技能

Big-data Driven ，模型基于大规模语料训练而成； Multi-tasks Adaptive ，支持多种任务 ，包括自然 语言生成 NLG 和自然语言理解 NLU 类的任务； AI 大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模 型 产业研究 战略规划 技术咨询 中国科技企业的市场导向和商业化压力 常使得大厂技术部门在追求 KPI 的同时 ， 难以专注于前言技术的研发 相较于英文、中文高质量开源数据非常 少 ，特别是在构建通用领域大模型的百 科类、问答类、图书贡献、学术论文、 报告杂志等高质量内容 中国科技企业较少开展全球化经营 ， 导致在营收、人才获取、全球化商业 场景方面制约明显 产业研究 战略规划 技术咨询 本相同，仅测评数据集和评估权重占比不同；而在基础能力之外，各测评平台 侧 重点不同 OpenCompass 2.0 司南 沙利文 IDC To C 通用场景类 Agent To B 特定行业类 Language 特定行业类 超长文本 Agent 道德责任 Knowledge Reason Other Math Code 知识 其他 代码 推理 语言 数学 IDC

项目围绕一个平台、两种体验及三类应用开展建设。 “一个平台”：建设统一的数字平台，构筑新干大数据与业务使能数字底座，包括 大数据平台、视频云平台、时空数据服务平台、物联网平台、融合通信指挥平台、 人工智能平台、能力开放平台等。 “两种体验”：建设城市运营管理中心和智慧门户。城市运营管理中心主要面向 政府内部协同管理，负责整个城市的运营监测、决策支持。智慧门户主要面向老 百姓，提供公共服务。 “三类应用”： “三类应用”：展开产业发展、城乡治理、民生服务三方面的智慧应用，通 XX 大数据指挥中心建设项目设计方案 36 过智慧城市建设全面提升城市产业服务、政务服务、惠民服务能力。在三类应用 中选取重点建设的应用工程，包括但不限于智慧能源、智慧农业、智慧文旅、智 慧园区、全科网格、智慧社区、智慧应急、平安新干、智慧教育、智慧政务、智 慧医疗等。 3.3.2 总体建设内容 建设内容包括：大数据指挥中心建设、大数据指挥中心大会议室建设、大数 情的监测预警，主要监 测对象包括一大五小 河段。 省 垂 直 系 统 在用 专网 省级平 台 7 水利局 智慧水利 部 门 自建 在建 互联 网 局本地 机房 8 气象局 吉安市天气 雷达监测系 统 市 垂 直 系 统 在用 专网 市级平 台 9 气象局 吉安市智慧 气象服务系 统 市 垂 直 系 统 在用 专网 市级平 台 10 应急局

从而更客观高效的开展动力性、经济性、安全性、舒适性、操控性、可靠性等多性能目标优化及整车 性能集成。汽车的智能网联化发展为获取实车运行大数据提供了便利的条件，应用数据挖掘、人工智 能算法可聚类生成符合各驾驶风格、各地域区间等客户实际行驶工况，进一步指导车辆的性能开发， 更好地满足不同消费者以及不同类型车辆的需求和预期。 国际各大厂商已开始布局面向汽车结构和设计参数的通用生成式人工智能（AIGC）算法及软件相关 式向用户传达问题所在，同时给出解决方案。 4.2.2 智能座舱AIGC的主要应用方向 图4.2-2 智能语音助手-AIGC用车手册示意 Free Talk VR 垂域大模型 理解 感知&推理 决策/输出 车辆电子手册 客服知识库 垂类语料 环境数据 车身数据 车端数据 保养数据 维修数据 用户数据 零件在库 4S店数据 说明文本 视频数据 外挂知识库 车型图片 仪表盘故障信号 (周末游) 用户画像 用户及车辆当前状态 居家出行、电量40% 特色早点 家 油菜花香江西私房菜+充电 中国电影博物馆 舞蹈课 AIGC AutoGPT 天气 景点 美食 智舱垂域大模型 个性化生活推荐、行程安排 汽车产业 AIGC 技术应用白皮书 43 PAGE 4.2 AIGC在智能座舱的应用 AIGC技术在智能座舱领域的应用前景广阔，为用户带来更加丰富和个性化的交互体验。然而，其应

通过多源异构知识语料与多模态特征编码协同提升多 模态生成式问题理解精度 ， 并结合微调垂域化训练 ， 推进 Turing 多模态大模型行业应用赋能。 多源异构知识语料库 领域知识向量化 大模型垂域微调增量训练 众多应用场景任务 核心技术基础 视频 图片 文本 典型工序仿真 鹏城 · 海纳 1.0 2.0 3.0 3.5 基于 Transformer 架构自 回 异常场景感知 垂域知识交互问答 智能决策助手 智控研发变速箱 优化算法代码生成 智控算法仿真验证 归式预训练语言大模型 反馈微调大模型 o pe n AIG PT BloomZ 大 模 型 “ 鹏城