项目编号： AIGC 生成式大模型医疗场景应用可行性 研 究 报 告 目 录 1. 引言...............................................................................................................6 1.1 背景介绍....................... .......................................................................................11 2. AI 生成式大模型概述..................................................................................12 2.1 定义与特点 .......................................................................................15 2.1.1 生成式模型概念.........................................................................16 2.1.2 大模型的优势.......

BMS 边 缘计算内完成可减少北向 通讯 压力 ■ 扩展深度二次开发的 BMS 可 以替代 IBMS 70% 左右的 功能 BMS iBMS ■ 实时性不能满足要求 ■ 接入的非嵌入式系统越多风险 越大 ■ 对于复杂机电、大型综合体建 筑 ， IBMS 更不可能替代 BMS BMS 与 iBMS 空调机组管理 风机盘管管理 室内空气质量 业务实现层 送排风机管理 信息域系统 系 统 框 图 运营管理 AI 算 法 大数据分析 BIM/CIM 加 持 访 客 与 信 息 发 布 会 议 管 理 平 台 PC 端 移动端 边缘计算与网关 综 合 安 防 平 台 智 慧 食 管 运营管理 Al 算法 大数据分析 BIM/CIM 加 持 边缘计算与网关 边缘计算与网关 访 客 与 信 息 发 布 会 议 管 理 平 台 外 接 数 智 慧 食 堂 平 台 与机电工 程同步建 设与验收 控制终端 PLC 关 系 敷 据

生态繁荣发展。 《2025 综合算力指数》全面呈现了我国综合算力发展现状，挖 掘各地区综合算力发展问题，并给出发展建议，为我国算力产业“点、 链、网、面”体系化发展提供参考，为数字中国建设实现跨越式发展 筑牢根基。 时间仓促，报告仍有诸多不足，恳请各界批评指正。后续我们 将不断更新完善，如有意见建议请联系中国信通院研究团队： dceco@caict.ac.cn。 综合算力指数 目 录 在这一发展趋势下，全球各国愈发重视人工智能产业发展并加 快部署，力求在全球数字经济竞争中抢占先机。IDC 数据显示，目 前，全球超过 70%的组织开始对生成式人工智能技术进行投资或处 于初步测试阶段，已经有 17%的组织将生成式人工智能应用和服务 引入生产环节，保障国家的科技话语权与产业安全。美国、日本等 发达国家和地区也持续加大在智算、超算等算力相关领域的投入， 力求巩固其领先地位 （四）模型技术与产业应用双轮驱动 近年来，我国大模型生态逐渐完善，技术快速发展。截至 2025 年 6 月底，我国已发布 1509 个大模型，在全球已发布的 3755 个大 模型中数量位居首位。另外，全国已完成备案生成式人工智能服务 439 项。据 IDC 统计，2024 年我国智算市场规模为 190 亿美元，同 比增长 86.9%，为大模型研发和应用提供了强大硬件支持。同时， 国内企业推出多款高性能处理器和加速器，硬件设备在算力、能效

。 它在 MoE 架构的基础上， 通过多头潜注意力机制（ Multi-Head Latent Attention ， MLA ）进行优化；在后训练阶段采用冷启动 + 大规模强化学习 方 式，不再使用传统 SFT 做大规模监督微调， 甚至绕过了一些 CUDA ，采用 PTX 汇编来提升能力；在推理场景下通过 大规模 跨节点专家并行（ Expert Parallelism ， EP ）来优化通信开销，尽可能实现负载均衡。 DeepSeek-R1 推理模型， 分别运用于智能 合同质检和自动化估值对账场景中。 资料来源：上海证券报，搜狐，中泰证券研究所 16 降本增效场景之三：智能合同质检 图表：江苏银行 AI 布 局 n AI Coding 能够替代低效工作 ，充分释放开发者的价值。未来可能会由 AI 承担部分基础工作， 而开发者则转向更高层次的 架构设计和业务规划，专注于更复杂、更创造性的任务， 如架构设计、算法优化或用户体验创新。 零售风控、零售贷款审批、运营管理、消保降诉、汽车金融等 招商银行 零售、批发、中后台 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

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，如阳光、人保、平安、 图25 图26 图27 图28 � � � 2023年被誉为“大模型元年”，在这一年里，中国见证了超过200个大模型的竞相涌 现，正式拉开了“百模大战”的序幕。这一年标志着大模型技术的飞跃式发展，行业格局与 趋势瞬息万变，整个领域经历了前所未有的百花齐放与创新浪潮。 大模型技术在数据积累、算力支撑、模型精进及应用拓展四大维度上，均实现了显著 突破。合成数据的应用，有效克服了现实世界数据在获取难度、规模限制及多样性不足等 在数年内被用尽。研 究机构Epoch估计，机器学习可能会在2026年前耗尽所有“高质量语言数据”。据Gartner 预测，2024年用于训练AI的数据中有60%将是合成数据。以Meta今年7月发布的 LLaMA3.1模型为例，监督微调环节的数据里有相当比例是合成数据，使用合成数据确实 带来了模型效果的提升。 （1）合成数据成有力补充 高质量的真实数据已逐渐无法满足大模型训练与精细微调的需要，这促使合成数据

2 超参数调优.................................................................................73 3.3.3 分布式训练策略.........................................................................75 3.4 模型评估与优化........ 数据标注与结构化：基于业务需求，对非结构化数据进行标注 和结构化处理，形成可被模型直接利用的知识库。  模型训练与优化：采用分布式训练架构，结合超参数调优和模 型剪枝等技术，提升模型的训练效率和性能。 在技术选型上，项目将优先采用开源的深度学习框架（如 TensorFlow、PyTorch）和分布式计算平台（如 Kubernetes、Spark），以确保方案的灵活性和可扩展性。同时， 项目将注重数据安全与隐私保护，通过数据脱敏、加密传输和访问 数据采集模块：支持多源异构数据的自动化采集和整合；  数据清洗模块：提供多种数据清洗算法，确保数据质量；  数据标准化模块：统一数据格式，方便后续处理；  数据存储模块：采用分布式存储技术，支持大规模数据的高效 存储；  数据检索模块：实现高效的分布式检索，满足实时查询需求。 通过上述模块的集成与优化，本方案将显著提升知识库数据处 理的效率和准确性，为 AI 大模型的训练提供高质量的数据支持。 最终，该

实现自主智能供应链 2 大中华区业务联系人 作者 埃森哲大中华区战略与咨询事业部董事总经理、 供应链与运营业务主管 jane.zheng.pan@accenture.cn 潘峥 麦克斯·布兰切特（Max Blanchet） 埃森哲资深董事总经理、全球供应链与运营战略主管 克里斯·麦迪威特（Chris McDivitt） 埃森哲供应链与运营董事总经理、自主智能供应链全球主管 斯戴芬·梅尔（Stephen 的研究表明，在自主智能供应链的生态系统中， 人力依然是核心要素。事实上，最高效的自主智� 供应链体系将实现人员角色转型⸺从任务执行 者转变为系统决策的指导者与监督者。我们观察 到，这一转变正通过“人机协作”的渐进式发展 在企业中逐步实现，每个阶段都推动着效益提升。 此外，通过将资深团队成员数十年积累的专 业知识和洞察进行系统化梳理与编码标准化，自 主智能供应链有助于确保核心知识的保留，并传 承至下一代员工，即便在资深团队成员陆续退休 些在迈向自主智能化系统的过程中践行了其 中一项或多项的企业而言，初步成效已经显 现。我们将在后面的章节中详细阐述每一项 举措。 实现自主智能供应链 8 何为自主 智�供应链？ 供应链的完全自主化不单单指孤岛式的自 动化。传统的自动化系统遵循预设指令，且需要 人工监督。以普通汽车的定速巡航控制功能为 例，它能自动保持设定速度，但仍需人工干预转 向和刹车。 相较之下，自主化系统虽包含一定程度的自

on NeRF[107] 近期同样用于 3D 场景表示的 3D 高斯 (3D Gau- ssian splatting, 3DGS)[108] 在许多任务上展现出了 惊人的能力与效率, 其显式的场景表示能够以高效 率和高精度渲染出具有丰富细节的场景, 在虚拟现 实、增强现实、同步定位与地图构建 (Simultan- eous localization and mapping, SLAM) 等领域都 显著优于之前最先进的基 于 NeRF 的方法—语言嵌入式辐射场 (Language 4 自 动 化 学 报 51 卷 embedded radiance field, LERF)[110], 并在1 440 × 1 080 像素分辨率下比 LERF 快 199 倍. 文献 [111] 利用 3D 高斯作为唯一的三维表示形 式进行 SLAM, 实现了精确建图、高效跟踪、映射和 合成人类手与该物体交互的合理图像, 并从中直接 提取出可行的 3D 手部姿态. 作者构建了一个两阶 段生成模型: 首先使用 LayoutNet 生成与关节结构 无关的手−物体交互布局, 在 LayoutNet 预测出布 局之后, ContentNet 负责根据预测的布局和物体图 像合成手−物体交互的图像. 这一步骤考虑了手部 外观的多样性, 如形状、手指关节和肤色等. 两个模 块均建立在大规模预训练扩散模型的基础上

与传统通算点对点线性交付不同，智算项目交付呈多维度、长周期、多层级等特征，需 一站式统筹 AIDC、网络、能源等规划与预留；平台与网络配置需按大模型训练与推理需求 动态调整，集成昇腾软硬件，适配联通云、星罗平台并实现多系统对接；网络规模大，存储 需求因多模态模型激增；智算集群涉及多层级及大量联调，分布式并行训练对多机多卡同步 要求高，单点故障可能影响整体效率，因此对系统性能、稳定性及跨域协同要求更高，需保 方案，经过多轮评审与修订，持 续优化网络架构，有效提升系统性能与资源利用率；在线缆采购与布线施工支撑方面，牵头 开展 MPO 线缆采购分析，依据四大原则优选供应商，并制定统一的布线标准，规范线缆布放、 标签标识等关键环节，切实保障交付质量；在 AI 智算集成实施培训方面，编制系统化培训 计划，开设多门课程，面向交付团队开展技术赋能，提升整体实施能力；在测试方面，支撑 覆盖计算子系统、网络 办事流程，持续深化咨询、引导、预填、 预审、办事智能体的应用范围，打造了 AI 咨询导办助理、AI 导服助理、AI 预检助理、AI 综 窗助理、AI 惠企助理等系列政务数字人，构建政务服务“主动式、智能化”新范式。 以安徽合肥政务服务中心为例，深度依托讯飞星火 X1 政务大模型，针对线上业务咨询 导办场景建设了“合小 i”智能咨询导办助理，实现一个入口集成办事问答、政策咨询、事 项推荐

技术作为一种先进的数据挖掘和机器学习框架，近 年来在金融领域的应用逐渐显现其强大潜力。其核心优势在于能够 高效处理大规模、多维度的金融数据，并通过深度学习模型提取出 复杂的市场模式和趋势。DeepSeek 采用了分布式计算架构，能够 实时处理海量交易数据，确保在低延迟的环境下进行高速分析和决 策。此外，其内置的算法库支持多种机器学习方法，包括卷积神经 网络（CNN）、循环神经网络（RNN）以及最新的 Transformer 模型训练与优化：DeepSeek 支持自动机器学习（AutoML） 功能，能够根据历史数据自动选择和调优模型参数。其内置的 强化学习模块还可以根据市场反馈动态调整交易策略，实现自 适应优化。通过并行计算和分布式训练，模型训练效率显著提 升，能够在短时间内完成大规模数据的训练任务。  实时决策与执行：DeepSeek 的实时决策引擎能够结合当前市 场数据和预测模型，生成最优的交易信号，并通过 API 接口与 据到决策的全链路支持，确保交易策略的科学性和可执行性。其高 效的计算能力和灵活的算法配置，使其成为量化交易领域中极具竞 争力的技术方案。 1.3 引入 DeepSeek 的必要性 随着金融市场的日益复杂化和数据量的爆炸式增长，传统的股 票交易策略在应对高频、多维度市场信息时逐渐显露出局限性。尤 其是在波动性加剧的市场环境下，依赖人工分析的历史数据预测和 决策制定不仅耗时费力，还易受主观情绪影响，导致策略执行上的