场10%的份额，彰显了其在整体工业软件市场中的重要地位。 行业规模 智能软件研发行业规模的概况 智能软件研发行业市场规模历史变化的原因如下： 智能软件研发行业市场规模未来变化的原因主要包括： 7 政策名称 《关于推动未来产业创新发展的实 施意见》 颁布主体 工业和信息化部、教育部、科技 部、交通运输部、文化和旅游部、 国务院国资委、中国科学院 生效日期 2024-01-01 影响 8 政策内容 该政策旨在，促进智能软件研发行业通过强化技术创新、深化应用领域及优化产业结构，推动智能化与实体经济深度融合，加速培育新兴产业生态，提升行业整体竞 争力和自主创新能力，助力数字化转型。 政策性质 指导性政策 政策名称 《关于推进IPv6技术演进和应用创 新发展的实施意见》 颁布主体 发改委、工信部、交通运输部、中 国人民银行、国务院国有资产监督 管理委员会、国家能源局、教育 部、国家互联网信息办公室 生效日期 该政策旨在，推动智能软件研发行业提升产品质量和创新水平，强调标准化、安全性与用户体验，促进技术自主可控，鼓励企业加大研发投入，增强国际竞争力，支 持智能软件在各行业的深度融合与应用。 政策性质 指导性政策 政策名称 《关于推动能源电子产业发展的指 导意见》 颁布主体 工业和信息化部、教育部、科技 部、人民银行、银保监会、能源局 生效日期 2023-01-01 影响 7 政策内容 加强面向新能源领域的关

错误循环且 输出结果不一定符合需求，tokens 成本远高于普通 LLMs。  人工智能发展迅猛，智能体商业化落地：未来多方面推动人工智能发展，应用级 别智能体有望快速落地。国内各地相继出台关于人工智能的发展政策，推动其为 重要的研究方向。预计 2026 年国内人工智能市场规模超过 260 亿美元，全球人 工智能市场规模 2025 年超 6 万亿美元。海外以美国为例，相关政策出台时间较早， 前多数智能体应用仅停留在测试阶段，市场中的用户需要更理性的看待智能体商业发中 能带来的效益。 3.未来展望：人工智能发展迅猛，智能体商业化落地 未来多方面推动人工智能发展，应用级别智能体有望快速落地。国内各地相继出台 关于人工智能的发展政策，推动其为重要的研究方向。预计 2026 年国内人工智能市场 规模超过 260 亿美元，全球人工智能市场规模 2025 年超 6 万亿美元。海外以美国为例， 相关政策出台时间较早， 成更多复杂 任务，解决跨行业、跨领域的问题。智能体发展能推动政府、金融、制造、能源、医疗、 零售等行业的智能化应用向多模态和跨模态转变。 3.1 海内外政策推动人工智能发展加速 多地陆续出台关于人工智能发展的指导文件，2024 年政府与企业的投入资金有望迎 来大幅增长。国务院在《2024 政府工作报告》中提出，要开展“人工智能+”行动，实 施数字化转型。智能体作为人工智能应用领域的重要研究方向，相信众多企业和研究部

准，加速构建引领人工智能产 业高质量发展的标准体系。这一系列标准的制定与实施，不仅为行业提供了清晰的技术指 引，也为企业的创新发展奠定了坚实基础。 2024年1月18日，工业和信息化部发布了《关于推动未来产业创新发展的实施意见》， 该意见聚焦新兴产业与未来产业的标准化工作，特别针对“新一代信息技术”和“生成式人 工智能”等领域，提出了具体的标准研制和应用推广要求，旨在通过标准化手段促进技术 预计 到2026年，将有超过1000家企业参与到标准的宣贯和实施推广中，标准服务企业创新发 展的成效将更加显著，同时我国在国际标准制定中的参与度也将大幅提升。 2024年9月11日， 《国务院关于加强监管防范风险推动保险业高质量发展的若干意 见》指出，保险业应提高数智化水平。加快数字化转型，加大资源投入，提升经营管理效率。 鼓励运用人工智能、大数据等技术，提高营销服务、风险管理和投资管理水平。加强网络安 地方政策 �� 在北京出台政策方面，4月27日，北京市发展改革委在2024中关村论坛年会上发布了 《关于加快通用人工智能产业引领发展的若干措施》。 《措施》聚焦人工智能5个领域，提出 10条措施。其中，3条措施关于算力，4条措施关于大模型，1条措施关于投融资，1条措施关 于技术创新，1条措施关于国际合作。7月26日，北京市发展改革委，市经济和信息化局，市 科委、中关村管委会联合发布《北京市推

价格是根据市场行情和客户 需求制定的，并不会因为其他保险公司的价格较低而降低我们的价格。我们的保险产品具有较高的保障水平和良好的服务体验，我们相信您会从中获得更多 的保障和价值。如果您有任何关于保险产品的疑问，欢迎随时联系我们的客服团队，我们将竭诚为您服务。 这样的回答既能够满足客户的期望，又不会误导客户，同时也能够保持我们的专业性和礼貌性。 客户说：“你们卖的保险比别人家的保险贵，我不想买了。” 应用能力评测：保险风控及合规应用案例 1.意外险： 根据您的条件，因疾病（脑梗）造成的意外，意外险不予理赔。所以这位男性的摔倒，虽然造成了外伤，但原因是由疾病导致的，所以意外险不 予赔付。 2.意外医疗险： 您没有给出关于意外医疗险的具体条款和赔付细节，但一般意思是：如果有与意外相关的医疗费用，保险公司会按照合同约定进行赔付。 然而，由于这次意外是由脑梗导致的，根据“因疾病造成的意外，意外险不赔”的条件，意外医疗险可能也不会进行赔付。

埃森哲，《何谓数字核心？》 https://www.accenture.com/cr-en/insights/digital-core 实现自主智能供应链 28 本文档中的部分图片是在AI辅助下生成的。 关于本研究 本研究探讨了向自主智能供应链转型及支撑该转型的战略考量。我们将端到端的供应链运营细分为29项 核心活动，评估每项活动的当前自动化水平和预期自动化水平，以及机器自主智能决策的程度。我们对来自北 自的所有权人。相关内容没有任何明示、暗示或表示得到了该商标持 有人的赞助、认可或批准。 © 2025埃森哲版权所有。 埃森哲及其标识均为埃森哲公司的商标。 扫码阅读埃森哲小程序 “智能制造与供应链”系列洞察报告 关于埃森哲 埃森哲注册于爱尔兰，是一家全球领先的专业服务公司，致力于帮助世界领先的企业、政府和其他组织构 建数字核心、优化运营、加速营收增长、提升社会服务，快速且广泛地创造切实的价值。作为一家以人才和创新

为了推动算力产业发展，我国出台多项相关政策对算力产业顶 层规划，明确算力产业的发展目标、战略重点和实施路径，引导算 力资源的合理配置和高效利用。2023 年印发《算力基础设施高质量 发展行动计划》和《关于深入实施“东数西算”工程 加快构建全国一 体化算力网的实施意见》，旨在不断完善综合算力基础设施，增强 算力赋能成效。2024 年印发《推动工业领域设备更新实施方案》， 提出推动“云边端”算力协同发展，加大高性能智算供给，在算力枢 涵盖省份不变，均为我国东部地区，且 河北省综合算力指数持续领先全国，其他上榜地区以我国中西部地 区为主。省级行政区综合算力指数 Top10 历年情况详见图 3。 其中，河北省充分发挥京津冀枢纽节点算力资源优势，印发 《关于进一步优化算力布局推动人工智能产业创新发展的意见》等 政策文件，促进省内算力、数据、算法协同应用，加速建设协同京 津、国内领先的人工智能产业创新发展高地。江苏、广东、浙江、 北京、上海则依托自

通过深度学习 方法对历史问答数据进行训练，实现对用户意图的准确理解，使其 能够在几乎实时的情况下提供连贯、精准的回答。以下是智能问答 系统的主要应用场景：  票务咨询：系统可以实时解答乘客关于票价、购票渠道、乘车 规则等问题，大大减少了人工客服的压力。  线路信息：乘客可以通过问答系统实时查询线路调整、换乘信 息及延误通知，确保他们能够制定合理的出行计划。  设施服务 ：乘客询问车站设施（如卫生间、自动 度。此外，社交媒体与移动应用的数据分析也能提供关于用户 需求的深刻见解。 4. 环境数据：包括天气状况、施工信息、交通流量等外部因素的 数据。这些信息可用于分析与城市轨道交通相关的各种环境变 量，帮助模型更好地应对复杂的运营状况。 5. 历史数据：积累多年的历史数据是分析和建模过程中不可或缺 的部分。这些数据包括过往事件的数据记录，如故障事故、客 流量高峰期记录等，能够提供重要的趋势及模式分析。 关于如何收集这些数据，以下是一些切实可行的方案： 通过设置 threshold，当模型性能下降至一定程度时，立即启动优化流程。 为了实现持续优化，可以采取以下措施： 1. 实施反馈机制：通过乘客反馈、运维人员的调查以及故障历史 数据，收集关于模型表现的第一手资料。 2. 多轮训练：采用增量学习的方式，针对模型输出进行有针对性 的再训练，提高模型在特定环境下的表现。 3. 强化学习应用：在实际运营中，引入强化学习技术，让模型通 过与环境不断交互，优化决策策略。

Multi-modal data mining based on large language models technologies 1.2.3 人机协同创新 大语言模型在获取语言知识的同时，也获得了语 言描述的关于世界的知识，从而让机器具有理解和生 成自然语言的能力，让人与机器在知识层面的有效交 互成为可能。基于大语言模型技术的人机协同创新 模式，将人的认知优势与计算机的计算与存储优势整 合起来，让人可以在更高层次、更广泛视角研究外部

社交媒体数据的主要来源包括但不限于：  Twitter  Facebook  Instagram  TikTok  YouTube  Reddit 这些平台上，用户频繁发布关于突发事件、自然灾害、社会运 动等主题的内容。通过对这些数据的挖掘与分析，能够及时识别出 热点事件，评估事件对公共安全的影响，以及监控社交舆论的变 化。在这一过程中，AI 大模型能够通过自然语言处理(NLP)和计算 择适当的迁移学习策略至关重要。这种策略能够有效减少模型训练 所需的时间和数据，提升模型在特定任务上的性能。通过迁移学 习，我们可以利用现有的大规模预训练模型，然后在针对性的小规 模数据集上进行微调，以适应特定场景的需求。以下是关于迁移学 习策略的详细阐述。 首先，迁移学习通常分为以下几个步骤： 1. 选择预训练模型：根据任务需求，选择合适的预训练模型。这 些模型可以是通用的视觉模型，如 ResNet、Inception、EfficientNet 时监控。通过对参会人员的行为识别，系统能够快速识别出不法分 子和潜在的安全风险，并通过数据分析提供必要的战术建议。数据 显示，在活动期间，安保人员的干预成功率提高了 50%，事件发生 前的预警机制明显增强。 第三个案例是关于校园安全的应用。在验收了 AI 视频监控系 统后，某高校能够有效监测校园内可疑活动。该系统结合人脸识别 技术与行为分析模型，能够在校园内对陌生人员或异常行为进行实 时识别。通过长达一年的监控数据，学校未发生一起重大安全事

术，正在以前所未有的强度投入 AI 技术研发和 云基础设施建设。双方将继续秉持合作共赢的理念，进一步强化技术研发与产业协同，持续为客户创 造价值，携手谱写 AI 时代的云智能新篇章。 �� 关于 IDC 国际数据公司（IDC）是在信息技术、电信行业和消费科技领域，全球领先的专业的市场调查、 咨询服务及会展活动提供商。IDC帮助IT专业人士、业务主管和投资机构制定以事实为基础的技术 采