1 埃森哲报告：AI 赋能保险，三大应用场 景如何重构价值链？ 人工智能(AI)使机器能够模拟和增强人类智能，它的出现正值保险和其他行业 数字化转型之际。尽管人工智能技术仍处于发展阶段，但在现实世界中，它 已应用于不同行业。人工智能正被用来解决各种各样的挑战，它使机器和系 统之间的交互更智能、更简单。 保险公司也逐渐进入这一领域，新一代人工智能技术有望帮助保险公司重新 定义其工作

o1 在数学和代码问题上的水平大幅提升 ，超越人类专 家 开源大模型 DeepSeek R1 匹敌 OpenAI o1 DeepSeek 的 “ aha moment” 这种深度推理能力是如何实现的？是单纯的规模扩展结果，还是有其他关键因素？ 2023-2024 年，推理能力突破性进展： • OpenAI o1/o3 在数学和代码推理任务上的卓越表现 • ， 逐步分解复杂的问题 ， 提高答案的准确性和 深度。 OpenAI-o 系列推理模 型 逐步思考 ，并分解复杂的问 题 相较于 GPT-4o o1 大幅提 升 要知道从玉泉校区到紫金港校区如何最快出行，首先得 知道有几种交通路线： 1. 89 路公交车，共 17 站，需步行 2 分钟，共用时 50 分 钟 2. 地铁 10 号线转 2 号线，这样就是 2 站 +5 14 站，需步行 11 分钟，共用时 50 分钟 4. 还可以 …… 这样综合看起来，最快的交通方案应该 2 ，共用时 43 分 钟 什么是思维链 (CoT) 从浙大玉泉校区到紫金港校区如何最快出行？ 地铁 10 号线黄龙体育中心站 -> 文三 路 -> 学院路（转 2 号线） -> 古翠路 -> 丰 潭路 - > 文新路 -> 三坝 -> 虾龙圩 -> 步行 … 桌子上放着

具身智能更强调与环境的交互, 只有拥有物理身体 才能与世界进行互动, 更好地解决现实问题[3]. 当 前, 随着机器人技术和计算机科学的发展, 具身智 能受到更多的关注, 逐渐从概念走向实际应用, 而如何利用目前飞速发展的计算能力与人工智能 (Artificial intelligence, AI) 技术提高具身智能的表 现则成为学界与产业界的关注重点. 最近的研究表 明, 通过扩大语言模型的规模, 但不同的是, 本文 的内容更倾向于从具身智能的角度介绍二者如何有 机结合, 并加入对模型规划层级的分类探讨. 此外, 由于该领域发展迅速, 在上述论文发布后又涌现出 了许多重要工作, 本文将补充这些最新进展, 为希 望了解该领域的研究人员提供更多的参考 (工作总 览见图 1[25, 29−100]). 本文内容安排如下: 第 1 节对大模型如何帮助 具身智能实现对环境的感知与理解进行介绍; 第 2 级这四个控制层级上为具身智能提供的规划; 第 3 节对各类实现大模型结合具身智能的系统架构进行 分类与介绍; 第 4 节从模拟器、模仿学习和视频学 习等方面介绍具身智能训练的数据来源, 探讨大模 型如何为机器人训练带来丰富的数据; 最后在第 5 节对全文进行总结并提出研究方向. 1 感知与理解 在与环境的交互中, 具身智能通过摄像头、麦 克风等传感器接受原始数据, 并解析数据信息, 形

问答机器人将用户的问题匹配 到知识库中最相近的知识点上， 用该知识点的答案回答用户。 如何成为会员 • 怎么注册会员 • 我想成为会员 • 会员怎么申请 会员有什么权益 • 会员有特权吗 • 会员能干什么 • 会员有啥好处 怎么查询积分 • 我有多少积分 • 如何查看积分 • 哪里能查积分 问答机器人 机器人回答 命中知识点“如何查询积分” 用户问题 怎么看还剩多少积分 • 基本思路 • 度最高的问题对应的知识点 基于检索和排序的问答系统 排序 知识库 检索 检 索结果 最终结果 用户问题 句向量 编码器 向量搜索 知识库 基于句向量的语义检索 检索结果 命中知识点“如何查询积分” 怎么看还剩多少积分 知识点 1 知识点 2 知识点 3 用户问题 • 通过标注数据训练句向量编码器 • 标注数据为句对：语义相同的句对、语义不同的句 对 •

，提升专业人 士 的服务效率和服务水平 通过微信服务号为用户提供一站式、对话式的在线私 人助理服务 • 通过理解 - 交互 - 咨询 - 任务等环节 ，完成交易闭 环 个性化的需求如何更高效的被满足？ 如何提升基于交互的服务效率和服务体验？ 任务型对话机器人 商业智能 智能分组推送 个性化推荐 知识库 问答型对话机器人 领先的知识型交互机器人 最懂你的私人助理 结束语 . 提升智能助理产品的可靠性

扣和优惠政策，以帮助您更好地理解和选择我们的产品。 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：保险营销及服务应用案例 你是一名保险客服人员，当客户有如下表现时，你该如何进行应答，直接给出话术内容，要保证礼貌合规并尽量不流失客户 userid:414195,docid:145186,date:2023-11- 应用能力评测：保险营销及服务应用案例 在此情况下， 目标是确保您真 正了解并满意您的选择。您愿意听我进一步解释吗？ 这种回应方式旨在引导客户重新考虑其决策，同时强调产品的价值，以保留潜在的客户。 你是一名保险客服人员，当客户有如下表现时，你该如何进行应答，直接给出话术内容，要保证礼貌合规并尽量不流失客户 客户说：“你们卖的保险比别人家的保险贵，我不想买了。” GPT-4 应用能力评测：保险营销及服务应用案例 作为一名保险客服人员，我会以礼貌和专业的态度回答客户的问题。 。 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。” 你是一名保险客服人员，当客户有如下表现时，你该如何进行应答，直接给出话术内容，要保证礼貌合规并尽量不流失客户 0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5 智能核保能力指数 智能理赔能力指数

响应能力。在当前社会，随着城市化进程的加速和科技的迅猛发 展，公共安全面临的挑战日益增多。在这种背景下，传统的监控与 安全管理手段显得力不从心，亟需引入现代化技术手段以提高防范 和应对能力。 我们将在文章中详细阐述如何利用 AI 大模型，通过智能视频 分析技术来实现对公共场所的实时监控与异常事件的自动识别。具 体而言，本文的目的包括以下几个方面： 1. 分析当前公共安全管理中视频监控的局限性，包括监控盲区、 2. 介绍 AI 大模型在视频分析中的优势，如深度学习算法的应 用，能够处理复杂场景并提高识别准确率。 3. 提出具体的实施方案，包括系统架构设计、数据采集与处理流 程、模型训练与优化，以及如何与现有的公共安全体系整合。 4. 讨论在实际应用过程中可能面临的技术、法律和伦理挑战，并 提供切实可行的解决方案。 5. 最后，预期该系统能提高公共安全事件的响应速度和处理效 率，最终实现更高层次的社会安全保障。 隐私，维护社会秩序，避免潜在的法律风险。 首先，涉及视频数据的处理和存储，必须遵循《中华人民共和 国网络安全法》、《个人信息保护法》等法律法规。应确保视频数 据的收集、存储和处理都经过合法授权，明确告知用户其数据将被 如何使用，并获得用户的同意。在实施视频智能挖掘时，应采取必 要措施以确保收集的数据不会用于超出原始目的的其他用途。 其次，企业应建立健全的内部管理制度，对涉及个人数据的处 理进行严格监管。包括：

开启自主化征程，但在从0（完全人工）到100% （完全自主）的指数体系中，供应链各项活动的自 主化成熟度中位数仅为16%（平均成熟度则为21%）。 预计在未来五到十年内，该成熟度中位数将大幅 提升至42%。 为了更深入地理解如何向更高自主化水平迈 进，我们将典型的供应链流程划分为9个集群和 29项具体活动（见图3）。例如，“生产制造”集 群便涵盖了生产加工、产品组装以及包装等活动。 随后，我们将受访企业各项活动的当前状态及预 改进的良性循环，而另一些企业则可能因财务能 力所限而陷入停滞不前的恶性循环。为有效分配 资源，供应链高管应采用“以终为始”的视角，构 想其AI赋能技术栈的理想未来状态，并回答“何 为卓越？”，从而明确团队应如何协同达成这一 目标。 我们的研究显示，企业普遍将网络安全、云计 算与SaaS平台、RFID与物联网等先进传感器，以及 供应链数字孪生模拟平台视为自主化的关键赋能技 术。但构建自主化系统绝非各部分的简单叠加。它 标。实施全面的安全协议（如供应商安全审计和 高级多因素身份验证），能够确保数据和系统在 日益复杂的威胁面前保持安全。 投资关键的AI赋能技术 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

新资讯  影像学数据的智能分析，辅助影像科医生做出诊断  健康监测与预警系统，实现对慢性病患者的实时跟踪 在实际应用过程中，还需强调数据安全与隐私保护。医疗行业 涉及大量的个人健康信息，如何确保这些数据在被模型处理时不被 泄露，是实现这些应用的前提。此外，对模型进行持续的监测与评 估，确保生成结果的科学性与可靠性，也是医疗应用成功的重要因 素。 综上所述，生成式大模型在医疗场景中的应用，不仅是可能 生成式大模型具有几个显著特点。首先，这些模型能够进行自 我学习和自我优化。通过不断处理新的数据，模型能够逐渐提升自 身的生成能力和准确性。例如，在医疗场景中，模型可以分析大量 的病例数据，学习如何识别疾病特征，进而生成相应的医疗建议或 治疗方案。 其次，AI 生成式大模型具备高度的灵活性和适应性。无论是在 文本生成、图像生成还是在语音合成等方面，这些模型都能够在不 同的应用场景中进行 现。这种技术允许临床专家利用小规模医疗数据集对预训练模 型进行调整，使其能够更好地适应特定医疗需求。 5. 伦理和安全性的关注：在医疗应用中，AI 生成式模型的伦理 和安全性受到越来越多的重视。目前，已经有多项研究开始探 讨如何在保证患者隐私和数据安全的情况下，合理应用生成式 AI。 基于上述技术发展现状，AI 生成式大模型在医疗场景的潜在应 用包括：  自动化文献综述和报告生成：AI 可以从大量医学文献中提取

响应时效，使客户体验提升的同时降低模型硬件成本。 3.2.1.2 多尺寸大模型构建 �� 3.2.2 保险垂直领域大模型评测体系 随着大模型技术的不断演进，其在金融领域的应用也在迅速扩展。如何有效地对大模 型能力进行评测格外重要。目前，已形成了从大模型通用能力评估到金融行业垂直能力评 估的两层体系，但是在保险领域缺少一套衡量保险大模型应用能力的统一标准。 对于大模型通用能力的评估， 策，明确界定哪些数据可 以输入大模型、哪些则不可，政策涵盖数据的收集、存储、处理、传输和销毁等全生命周期。 定期对员工进行数据安全与隐私保护的培训，提升他们对数据泄露风险的警觉性，并培训 他们如何在日常工作中正确使用人工智能服务。通过实施访问控制和权限管理，严格限制 对敏感数据的访问，确保只有经过授权的员工才能接触特定数据集。在数据输入大模型 前，进行脱敏或匿名化处理，进一步降低泄露风险。同时，建立监控系统，实时追踪数据使 如技术侧的内容安全与可控性问 题、数据安全与隐私保护问题；企业侧的算力支撑不足、科技人才缺乏问题。在这两方面都 不稳定的基础上，如何理性看待大模型的能力与局限，如何避免单一模型的局限性，如何 在保证数据安全的基础上进行大模型应用，如何提高大模型回答的可靠性，如何更好地平 衡收益与成本，都是资管企业在实际应用中亟待解决的问题。 国寿投资公司大模型应用中台具有统一大模型接入、智能知识库分析、任务可视化编