更深刻地改变着社会的方方面面。目前，国家正按照“点、链、网、面”体系化 推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重 要标尺，相关研究工作意义深远。 随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 于算力、存力、运力以及发展环境本身，模型能力也成为决定人工智能深度赋 能的关键。因此，中国信通院研究团队持续优化综合算力指标体系，在往年基 础上，增加模型能力的呈现， 础上，增加模型能力的呈现，从算力、存力、运力、模力、环境多个维度，更 加准确剖析我国算力产业发展态势。 《2025 综合算力指数》为我们提供了一个全面而系统的视角来洞察我国算 力发展最新进展。通过科学的指数体系构建，将“综合算力”解构为几十余项具 体的指标，映射出我国在算力领域的发展状况，这将为国家制定精准的产业政 策提供科学依据，为产业的技术创新和投资方向提供“指南”。 展望未来，我国算力发展之路机遇与挑战并存。我坚信，在全国各界的共 完善，有效提 升了算力资源的调配效率；此外，模型技术与产业应用的双轮驱动， 进一步加速了算力向现实生产力的转化。 结合算力产业发展现状、趋势和重要影响因素，中国信通院进 一步完善综合算力指数体系，新增“模力”分指数，优化评价指标。 整体上，从算力、存力、运力、模力、环境等维度衡量我国各省级 行政区的综合算力发展情况，并通过算力分指数评估全国各城市的 算力发展水平。 综合算力指数，河北省、江苏省、广东省、浙江省、北京市等

营成本、增强风险管理能力等方面的巨大潜力，为保险行业的智能化转型提供了有力的实 践支撑。 更重要的是，我们深刻认识到大模型技术与保险行业的深度融合，不仅将推动保险业 务模式的深刻变革，还将重塑保险行业的竞争格局和生态体系。通过精准预知风险、主动管 理风险，大模型技术将助力保险公司实现从“粗放预测”向“精准预知”、从“等量管理”向“减 量管理”的转型升级。这一转变不仅将提升保险公司的核心竞争力，还将为消费者提供更加 · · · · · 52 3.2.1 保险垂直领域模型构建· · · · · · · · · · · · · · · · · · · · · · · · 52 3.2.2 保险垂直领域大模型评测体系· · · · · · · · · · · · · · · · · · · 56 � 4.1 综合治理措施· · · · · · · · · · · · · · · · · · · · · · · · · · 30 图3 阳光正言GPT技术架构图· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 53 图4 S-Eval评测体系架构图· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 59 图5 S-Eval评测方法示意图· · · · · · ·

准确率优化，通过注入 2000 组历史工单数据进行监督微调，确保 上线初期即达到 85%以上的意图识别基准准确率。最终交付物将包 含完整的 API 对接文档、模型监控看板以及针对销售、客服团队的 专项培训体系。 1.1 CRM 系统现状与挑战 当前企业广泛使用的 CRM 系统在客户关系管理方面已形成标 准化流程，但面对日益复杂的业务场景和客户需求，传统系统暴露 出多个关键瓶颈。典型 CRM 系统通常包含客户信息管理、销售漏 62%。这些特性使其特别适合处理 金融、医疗等强监管行业的 CRM 需求。 1.3 项目目标与预期效益 本项目旨在通过将 DeepSeek 大模型深度集成至企业 CRM 系 统，构建智能化客户运营体系，实现从数据驱动到 AI 驱动的战略 升级。核心目标聚焦于三个维度：首先，通过自然语言处理技术实 现客户交互的智能化转型，预计将传统人工客服响应效率提升 60% 以上，使平均响应时间从目前的 8 接口（RESTful/gRPC），支持与主流 CRM 系统 （如 Salesforce、微软 Dynamics、金蝶云星空）的无缝对接。其 接口协议采用 OAuth 2.0 认证机制，与 CRM 系统的用户权限管理 体系完全兼容，确保在单点登录（SSO）场景下的安全访问。 数据交互方面，DeepSeek 支持多模态输入输出处理能力，能 够适配 CRM 系统的结构化与非结构化数据格式： 1. 结构化数据处理 o

关键芯片 基础软件 产业链控制 主导权 卡脖子 产业基础 创新能力、供应链体系、 人才资源 决定性 关键性 基础性 研发 设计 断链风险 核心 制造 美国 / 欧洲 中国台湾 / 韩 国 中国大陆 产业竞争从国家间分段互补合作模式转为主导权、制高点和卡脖子的争夺 关键核心技术突破 创新链产业链融合 科技创新体系优化 产业创新生态营造 技术创新路径规划 数字化转型方案 智能制造升级 绿色低碳发展 技术竞争态势分析 市场机遇识别 产品创新方向 竞争优势构建 产业发展战略规划 新兴产业布局指导 产业能级提升路径 未来产业培育方向 产业链风险预警 供应链韧性提升 产业链补链强链 产业安全保障体系 上下游协同创新 产业资源对接 创新要素匹配 产业生态融 入 产业链安全 转型升级需求 新兴产业培育 市场竞争需求 产业协同需求 创新体系建 设 各地各行业在布局新兴 / 未来产业的过程中，由于对前沿技术、技术路线、应 用场景、大规模产业化的时机等方面把握不准，难以做出有效选择。 如何精准感知产业技术态势，科学研判产业发展方向，及时布局产业化应用场景培育 新产品，成为未来产业大变局中区域 / 企业实现竞争突围的关键。

.......................................................................................71 6.1 考评指标体系......................................................................................74 6.2 考评方法. 化，资源分配不够优 化。为解决这些问题，有必要构建一套全面的人工智能数据训练考 评系统。 项目的核心目标在于建立标准化的数据训练考评体系，提升 AI 模型开发的质量与效率。具体目标可分为以下几个维度： - 建立可 量化的数据训练质量评估指标体系 - 设计全面的训练过程监控与记 录机制 - 开发智能化的训练资源优化算法 - 构建可视化的评估结果 呈现系统 - 实现训练效果的动态追踪与对比分析 - 训练效果的持续跟踪与改进 项目将在现有技术基础上，整合多方资源，采用模块化设计思 路，确保系统具有良好的扩展性和适应性。通过本项目的实施，将 建立起一套科学、规范、高效的人工智能数据训练考评体系，为 AI 技术的进一步发展提供有力支撑。 1.1 项目背景 随着人工智能技术的迅猛发展，其在各行各业的应用日益广 泛，尤其在数据驱动的决策支持、自动化流程优化以及智能分析等 领域表现尤为

应急管理体系和能力是国家治理体系和治理能 力的重要组成部分，加强应急管理体系和能力建设， 对于防范化解重大安全风险、及时应对处置各类灾 害事故，保护人民群众生命财产安全和维护社会稳 定具有重要意义。智慧应急是应急管理信息化建设 的总体目标，强调要适应科技信息化发展大势，以信 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 进展正深刻地影响着机器系统智能化的轨迹，标志 着进入一个新的人工智能时代。从 BERT 到 GPT [1-2]， 这些模型通过深度学习和海量数据训练，不仅推动了 自然语言处理技术的边界，也正在改变知识获取和创 新的模式，将对应急管理体系发展、能力要求以及实 践操作产生深远的影响。在技术进步的强大动力牵 引下，需要重新审视并优化应急管理信息化建设路 收稿日期 2023-10-19 录用日期 2024-01-12 国 家 社 会 科 在基于大语言模型技术的知识获取中，应急知 识内化于模型的海量参数中，能够处理传统知识管 理模式下无法处理的默会知识，获取这类应急管理 实践中极其宝贵的经验知识、技能知识、部门知识 等，能极大丰富应急管理系统的知识体系，从而加 强系统应对复杂灾难情境的能力。同时，知识的内 化依赖于模型的自监督学习机制通过对海量数据训 练完成，相较于结构化的知识被动获取，大模型对 应急知识的获取不再是信息搜索，而更接近于学习 的

3%以下。 3.2 审计数据整合与标准化 审计数据整合与标准化是构建智能体的核心基础，需解决多源 异构数据的统一接入、清洗转换及结构化存储问题。首先需建立覆 盖财务、业务、日志等全维度数据的采集体系，通过 API 接口、数 据库直连、文件解析等方式对接 ERP 系统（如 SAP、Oracle）、财 务软件（如用友、金蝶）、OA 系统以及税务平台，实现审计相关 数据的自动化抽取。针对非结构化数据（如合同扫描件、邮件记 文本解析技术提取关键字段，并标注 数据来源与时间戳以确保可追溯性。 典型审计数据源及处理方式如下表所示： 数据类型 数据来源示例 标准化方法 输出格式 结构化数据 财务总账、明细账 字段映射（科目代码→标准科 目体系） 关系型数据库 表 半结构化数 据 电子发票、银行对账 单 JSON/XPath 解析 文档数据库存 储 非结构化数 据 采购合同、审批邮件 OCR 识别+NLP 实体抽取（金 使用孤立森林算法识别离群值 - 基于 BERT 的文本分类器过滤无关文档 - 时序预测模型发现周期性 数据断点 数据标准化采用分层建模方法，底层建立符合审计准则的全局 数据模型（如 ACL 标准字段体系），中层按行业特性扩展子模型 （如金融业需补充 Basel III 相关指标），上层支持企业自定义字段 映射。通过 ETL 管道实现自动化转换，关键步骤包括： - 时间维度 统一为 ISO

十分复杂且效率低下。 DeepSeek 为银行信贷审批注入新动力， 助力审批流程实现智能化与自动化。 n 苏商银行应用 DeepSeek-VL2 多模态模型，通过构建“多模态技术 + 混合专家框架”的创新体系，实现对嵌套表格、影 像资料等复杂场景材料的精准解析，将信贷材料综合识别准确率提升至 97% 以上，信贷审核全流程效率提升了 20% 。 图表：苏商银行 AI 布局 资料来源：苏商银行公众号，中泰证券研究所 能力， 动态识别欺诈行为，提升风险预警精准度。 n 苏商银行通过深度融合 DeepSeek 系列模型技术， 构建“数据 + 算法 + 算力 + 场景”四位一体的智能决策体系， 该体系已成功应用于信贷风控、反欺诈监测等 20 余个业务场景，尽调报告生成效率提升 40% ，欺诈风险标签准 确率提升 35% ，构建起覆盖贷前、贷中、贷后的全生命周期智能风控网络。 北京银行 宣传文案、智能周报、文章翻译、会议纪要等 江苏银行 智能客服、智能文档助手 杭州银行 知识问答、办公助手 n 在生成式人工智能落地应用中大行发力更早。六大国有银行大力投入大模型技术体系研发的同时多场景探索大模型应用， 实现客服、办公、研发、运营等多个业务领域的应用创新。中小银行则多以单场景切入， 探索智能客服、智慧办公等通 用场景下的更多应用，如探索智慧办公场景下的宣传

......................................................................................97 12.2 用户支持体系................................................................................................... 数据优势：建立全面、多维度的数据库，整合市场数据、公司 财报、新闻资讯等多源信息，增强数据分析能力。  用户体验：优化交易平台界面，提供更加直观、易用的功能， 降低用户的使用门槛。  风控体系：建立健全的风险控制机制，实时监控交易风险，确 保资金安全。 通过以上措施，DeepSeek 可以在激烈的市场竞争中脱颖而 出，成为股票量化交易领域的领军企业。 3.3 客户需求分析 在股 程，确保系统能够在毫秒级别内处理和分析市场数据，从而快 速做出交易决策。  模型的透明性：采用可解释的机器学习模型，确保客户可以理 解模型的决策过程，提高客户对系统信任度。  风险控制机制：建立严格的风险控制体系，通过设置止损点和 动态调整交易策略，有效控制交易风险，保障客户的资金安 全。 为了进一步量化客户需求，我们进行了市场调研，收集了超过 1000 名潜在用户的反馈。调研结果如下表所示： 需求类别

3.1 打造极致性能体验，为传统计算业务打开新空间 3.2 技术和架构创新，提升AI时代的向量数据处理和协同计算效率 3.3 强化硬件安全设计，持续增强安全保障能力 3.4 全球一致的云服务能力体系，全面助力企业国际化战略 优秀实践分析 04 4.1 小鹏汽车 4.2 微帧科技 4.3 嘎嘎射击 4.4 蚂蚁集团ZOLOZ 前言 IDC分析师认为：全球AI基础设施革新的浪潮中， 成本控制⸺算力性价比难题：企业多云集群和异构计算资源的效率和适配不足，使算力成 本长期居高不下，弹性能力的缺失造成的大量云实例闲置，也加剧了浪费现象。在企业加速 业务创新的背景下，大型企业的多业务线体系需要频繁地应付新业务上线部署时千奇百怪的 需求，进一步产生了额外的高额开支和大量的重复建设。 �� 解决方案 03 阿里云第九代企业级ECS实例（ECS g�i）基于“CIPU+飞天”技术架构，搭载英特尔®至强® 性能核处理器提供远程管理功能，管理员可远程监控、管理处理器状态，进 行故障诊断与修复，提升维护效率。此外，配备专业诊断工具，能提供详细系统信息和故障日志， 助力技术人员快速定位并解决硬件问题。 3.4 全球一致的云服务能力体系，全面助力企业国际化战略 阿里云 ECS 已通过全球 29 个数据中心、88 个可用区为用户提供安全、完整的算力规格，支撑广泛 的应用负载运行，ECS 具备一致的、跨区可用的高可用架构自动恢复能力，并提供统一的开发与运