增强银行的风险管控能力。 n 重庆农村商业银行借助腾讯云大模型知识引擎的能力，率先在企业微信上线基于 DeepSeek 模型的智能助手应 用 “ AI 小渝” ，成为全国首批接入 DeepSeek 大模型应用的金融机构，也是首家通过知识引擎构建基于 DeepSeek 的联网应用的金融机构。 重庆农村商业银行将利用 DeepSeek 的模型能力，结合实时联网搜索以及

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 探索以区块链为核心技术、以数据为关键要素，构建下一代互联网创新应用和数字化生态。面向 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 2023-01-01 影响 8 政策内容 初步形成以IPv6演进技术为核心的产业生态体系，网络芯片、模组器件、整机 v6技术的应用与创新，促进网络基础设施升级，增强网络安全性和扩展性，支持开发更高效、安全的软件解决方案，助力 实现万物互联，提升国际竞争力和自主创新能力。 政策性质 指导性政策 数据来源: 工信部，国务院，科大讯飞，中国软件，用友网络 规模预测发市场规模 智能软件研发行业规模 政策梳理 8 政策名称 《质量强国建设纲要》 颁布主体 中共中央，国务院 生效日期 2023-01-01

API 。 Prompt Templates ，在提示 词中 引入变量以适应用户输入 的提 示模版。 Chains ，对模型的链式调用， 以上一个输出为下一个输入的 一部分。 Agent ，能自主执行链式调用， 以及访问外部工具。 Multi-Agent ，多个 Agent 共享 一 部分记忆，自主分工相互协作。 Agent System 五层基石理 36 万 + 1.9 亿 + 6000 万 + 23 万 + 42 万 + 最具权威的产业链、供应链数据资源 海量数据资源 国家工业互联网大数据中心 浙大 CCAI 产业链大数据中心 工信部采购中心 高管信息 法人社会组织 招标采购公告 招投标主体 每日招采公告 标的数据 l SupXmind 基础平台： 充分融合大模型 + 知识图谱的前沿技术 ， 贯穿从“大数据 ”到 “ 大知识”到“大模型”全流程 产业技术分析 、 产业文档理解等能力 ， 向上为企业 、 园 区 、 政 府 等 产 业 认 知 决 策 需 求 机 构 提 供 专 业 产 业 知 识 服 务 。 客 户 可 私 有 化 部 署 ， 也 可 根 据 需 求 替 换 模 型 基 座 和 场景数据 ， 快速输出定制化模型能力 ， 此外可根据客户 应用场景需求提供组件能力封装和应用系统集成。 产业网链大模型构成及服务框架

仅深刻改变了人机交互的方式，更预示着一个由大模型引领的智能新时代的到来。比尔· 盖茨的赞誉、马斯克的断言以及马化腾的深刻洞察，都从不同角度揭示了大模型技术对于 人类社会发展的深远影响。而国家网信办等七部门联合发布的《生成式人工智能服务管理 暂行办法》，则为中国大模型技术的健康发展提供了坚实的政策保障和合规框架。 在保险行业，这一技术革命同样引发了深刻的变革。国内外众多保险公司和保险科技 公司， 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，更是对未来应用前景的展望与规划，旨在为保险行业的智 能化转型提供技术参考和实践建议。 人工智能+”行动，着力打造具有 国际竞争力的数字产业集群，这一举措标志着人工智能已成为国家发展战略的重要组成 部分。 为进一步规范和引导人工智能产业的发展，工业和信息化部、中央网信办、国家发展 改革委、国家标准委等四部门联合启动了国家人工智能产业综合标准化体系的建设工作。 经过多轮征求意见与修订，该体系于7月2日正式发布，旨在显著提升标准与产业科技创新 的联动性，计划至2026年新制定

性能需求：用户希望平台在数据处理和模型训练时具备高效性 和实时性，以适应快速变化的市场需求。此外，响应时间和运 行稳定性也是用户重点关注的方面。 3. 成本效益：用户在选择 SaaS 平台时，很大一部分考虑的是成 本效益。合理的定价策略，无论是按需付费还是订阅制，都将 影响用户的选择。同时，用户对免费的试用期或低门槛体验也 有较高的期望。 4. 安全与合规：随着数据隐私和安全的关注度提高，企业用户尤 设计：要提供信息清晰，数据展示的仪表板，用 户一进入平台就能查看到重要指标和反馈。  工作流管理：以图形化或卡片的形式展示用户的任务和进度， 提供直观的操作界面，使用户能够随时管理其使用体验。 用户反馈机制也是不可或缺的一部分。应在平台上设计专门的 反馈模块，方便用户提交意见和建议，以持续改善平台体验。 在数据可视化方面，可以采用 ECharts 或 D3.js 等图表库，用 于展示数据分析结果和模型预测。通过动态交互，用户可以点击图 API 文档，确保开发者能够快速集成和使用平台的功能。可采用 OpenAPI 规范来描述 API 接口，便于前端与后端的协作。 综上所述，后端设计是人工智能行业大模型 SaaS 平台不可或 缺的一部分，通过微服务架构、容器化部署、合适的数据存储及处 理、安全机制及监控系统的全面考虑，将帮助平台实现高效、稳定 和可扩展的保护。 3.1.3 数据库设计 在数据库设计中，我们需要确保数据的存储、检索和管理能够

在 Deepseek 大模型与银行系统的接口设计中，我们采用了一 种分层的接口架构，以确保系统的高效性、可扩展性和安全性。首 先，我们在数据接入层设计了统一的 API 网关，用于处理所有的外 部请求。该网关通过 RESTful API 与外部系统进行通信，并负责请 求的鉴权、限流和日志记录。为了支持高并发场景，API 网关采用 了负载均衡和缓存机制，确保在高峰期的请求能够快速响应。 在 2.0 进行 GPU 加速。基 础镜像中应包含 Python 3.8、PyTorch 1.9.0 和 Deepseek 框架的 最新版本。通过 Kubernetes 进行容器编排，实现模型的自动化部 署和扩展。 模型训练方面，建议采用分布式训练策略，利用 Horovod 或 PyTorch 的分布式训练框架，将训练任务分布到多个 GPU 节点 上。训练数据存储在分布式文件系统（如 HDFS 类及相应的处理 步骤。例如，将事件分为低、中、高三个等级，每个等级对应不同 的响应时间和资源调配策略。低等级事件可以由自动化工具进行处 理，中等级事件需要技术人员介入，而高等级事件则需要启动跨部 门的应急小组进行协同处理。 为了确保响应的高效性，应建立详细的应急操作手册，涵盖各 种可能的情景及应对策略。手册应包括以下内容：  事件识别与分类标准：明确如何判断事件的等级和类型。 

万人 服务党员过千万 积累了丰富经验 成功案例  是中共甘肃省委组织部为创新党建工作新模式精心打 造的省级智慧党建云平台，集学习、组织管理、交流 等功能于一体；  实现了对甘肃省 160W+ 党员的教育学习管理和党务 管理； 平台上线后受到广泛好评。 甘肃省陇原先锋智慧云平台  是中共福建省委组织部借助数字技术引领党建创新， 精心打造的一款省级党建智慧云平台，实现了对全

u 从零训练自主创新的通用大模型 u 7b 13b 70b 不同参数量级 数据构建 预置 3 大类精调 数 据 处 理 pipeline 数据标注 CV ，大模型相 关的标注工具 模 型 部 署 训 练 工 坊 数据 调试 容器底座 AI 资产管 理 资源管理 一体化服务管理工具及推理加速能力 一体化服务管理工具 Angel 推理加速 指标监控 鉴权 / 限流 流量分配 推理服务调用 构造蒸馏数据 集 清洗 R1 推理结果 灵活、易扩展 基于 TI 平台精调工具链，迁移 R1 高级推理能力至小尺寸模型，以更低推理成本满足垂直场景下的业务需 求 内置 R1 模型一键部 署 快速 选择并精调目标模型 评估对比模型效果 R1 模型部署 效果评 估 蒸馏模 型 任务式建模 数据构建 模型评测 数据构建 数据构建 无关数据过滤剔除

助理研究员。 基于大语言模型技术的智慧应急应用： 知识管理与应急大脑 龚 晶 1 黄 欢 2，* （1. 暨南大学 公共管理学院/应急管理学院，广州 510632；2. 暨南大学 党委政治保卫部/人民武装部，广州 510632） Applications of Large Language Models in the Intelligent Emergency Management: Knowledge 管理业务深度融合，为应急管理实战提供支撑保障。 一个典型的应急管理系统架构如图 2 所示，从下至 上依次包括： 数据库层：为应急管理业务应用提供数据服务， 包括风险隐患、应急避难场所、应急物资、应急部 门、救援队伍等应急业务对象的主题数据库，以及 监测预警、安全生产、监管执法、指挥救援、社会动 员等重点业务的专题数据库。包括结构化数据、半 结构化数据和非结构化数据。 知识库层：为应急管理业务应用智能化提供知

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 纽节点建设智算中心。2025 年，工信部按照“点、链、网、面”的工 作思路体系化推进全国一体化算力网络工作，持续提升算网综合供 给能力，一是稳步推动优化算力布局，实现算力中心“单点提质”； 二是着力强化技术协同创新，促进算力产业“串珠成链”；三是适度 规模持续扩大，算力业务收入多，规模与质效均衡发展。内蒙古土 地、风电等能源资源丰富，算力中心建设成本低，智算中心集群化 发展，规模快速增长，算力分指数提升。 北京算力分指数有所下降，一是政策引导算力需求向周边及西 部迁移；二是由于土地资源、电力能源紧张，大规模建设算力基础 设施面临土地供应不足、用电成本大等问题，限制算力规模的快速 扩张；三是北京市对算力中心能耗指标控制严格，新增项目在能耗 指标审批上面临较大限制，从而影响了算力规模的增长速度。 带宽、低延迟、高稳定性等特点，为数据传输提供坚实的物理基础。 运力 Top10 东部省份占七成，长三角“核心枢纽”地位凸显，浙江、 上海、江苏居全国 Top3。无论是东部沿海的制造业升级，还是中西 部地区的数字经济崛起，这些地区都在加速产业数字化转型。企业 上云、工业互联网应用不断普及，对网络运力的需求不断提升，促 使网络基础设施不断优化升级。 综合算力指数 25 来源：中国信息通信研究院