模型厂商 国家 代表性模型及竞技场排名 是否开放 模型权重 谷歌（Google） 美国 Gemini-2.0-Flash-Thinking-Exp-01-21, #1 Gemini-2.0-Pro-Exp-02-05, #1 不开放 OpenAI 美国 ChatGPT-4o-latest (2025-01-29), #1 o1-2024-12-17, #4 不开放 DeepSeek 中国 DeepSeek-R1 5-1210, #17 开放 阿里巴巴 中国 Qwen2.5-Max, #7 Qwen2.5-plus-1127, #16 Qwen2.5-72B-Instruct, #33 不开放 不开放 开放 智谱 中国 GLM-4-Plus-0111, #9 不开放 阶跃星辰 中国 Step-2-16K-Exp, #9 不开放 xAI 美国 Grok-2-08-13, #16 不开放 零一万物 中国 Yi-Lightning, #16 不开放 Anthropic 美国 Claude 3.5 Sonnet (20241022), #16 Claude 3.5 Sonnet (20240620), #23 不开放 Meta 美国 Meta-Llama-3.1-405B-Instruct-bf16, #21 Llama-3.3-70B-Instruct, #33 开放 Mistral AI 法国 Mistral-Large-2407

通过定期的组织评估和反馈机制，持续优化组 织架构和流程，确保组织能够适应不断变化的 市场环境和技术趋势。 敏捷型组织架构调整方案 01 02 03 04 高校合作与人才培养 产业链生态共建 科研机构联合创新 开放平台与创新孵化 与高校建立紧密的合作关系，共 同开展数字金融、大模型技术等 领域的研究和人才培养，为银行 输送高质量的专业人才。 与金融科技公司、技术供应商等 产业链上下游企业建立合作伙伴 关系，共同构建数字化转型生态， 实现资源共享、优势互补和协同 发展。 与科研机构合作，开展前沿技术 研究和创新项目，推动大模型技 术在金融领域的应用和发展，提 升银行的技术竞争力和创新能力。 建立开放的技术平台和创新孵化 机制，吸引外部创新资源和人才， 推动金融科技领域的创新和应用， 提升银行的创新能力和市场竞争 力。 产学研合作与生态共建策略 13 未来演进与持续创新 量子计算与 融环境下的决策能力。 1 2 3 开放银行与生态化服务延伸 API 经济推动开放银行 通过开放 API 接口，银行可与第三方服务商无缝对接，构建开放银行生态，为客户提供一站式金融服 务体验。 03 02 01 生态化服务场景延伸 银行可借助大模型能力，深入挖掘客户需求，将金融服务嵌入到生活、医疗、教育等多元场景，打造 全方位服务生态。 数据共享提升服务效率 开放银行模式下，银行与合作伙

language-im- age pre-training)[17]、SAM (Segment anything model)[18] 等视觉基础模型则以低于前两者的模型 量级提供跨越图像与文本鸿沟的能力, 为进行实时 的开放词汇的视觉检索提供了可能. 这一系列的进 展不仅展示了基础模型的强大潜力, 也为其与具身 智能的融合提供了新的视角和可能性. 文献 [19] 将 上述在大规模数据集上进行训练并能适应广泛任务 的模型统称为基础模型 节都提到了多模态大模型, 但第 1.1 节内 容倾向于直接利用模型进行 2D 图片与文本理解; 本节的工作则是提取多模态模型的知识对场景本身 进行建模, 并未直接使用模型的输出进行控制. 为了解决开放词汇移动操作 (Open-vocabu- lary mobile manipulation, OVMM) (即机器人能 够在未知环境中识别并操纵任意物体以完成日常 任务) 的挑战, HomeRobot[102] on large models 1 期 王文晟等: 基于大模型的具身智能系统综述 3 OVMM 基准测试, 提供了高质量的多房间家庭环 境, 以支持在仿真和物理环境中进行广泛的基准测 试. 为了解决开放词汇移动问题, 文献 [103] 利用 CLIP 等大规模预训练模型的能力, 以弱监督的方式学习 场景的 3D 语义表示, 构建了一个从空间位置到语 义特征向量的映射函数, 能够处理分割、实例识别、

地应用路线。我们详细阐述了数据准备、模型精调、工程化适配、模型评测等关键环节的技 术要点和注意事项，为行业同仁提供理论指导和操作建议。除此之外，成功的落地应用需要 保险公司和科技公司紧密合作，共同构建开放、共享、协同的创新生态。这些内容为保险行 业探索大模型技术的应用提供了宝贵的经验和启示。 在优秀案例展示部分，白皮书通过一系列具有代表性的案例，充分展示了大模型技术 在保险行业的广泛应用场景和 合作，共同推动科技保险和数字保险的发展，共创保险行业的美好未来！ 最后，我们要诚挚感谢所有参与白皮书编写的专家学者、行业同仁和技术伙伴。正是大 家的共同努力和无私奉献，才使得这本白皮书得以顺利问世。我们将继续秉持开放、合作、 创新的精神，与各界携手共进，共同书写保险行业智能化转型的新篇章！ � CONTENTS 目录 1.引言· · · · · · · · · · · · · · · · · · · · 22日，阿 里宣布通义千问开放1000万字长文本能力。 显著提升的长文本处理能力，允许模型在处理长文档、对话历史或复杂语境时保持连 贯性和理解力。但是，增加上下文窗口也意味着模型的计算量和内存需求将大幅增加，因 此在实际应用中必须权衡上下文窗口的大小和计算资源的有效利用。 （6）闭源与开源模型的动态平衡 随着大模型技术的普及，越来越多的企业和研究机构开始开放其模型和算法，以促进 ��

理、数学代码等方面的表现均有提升。在学习过程中，DeepSeek的多模态能 力有助于提升图文结合的题目理解、输出多模态内容辅助学习，丰富AI教育应 用场景。 l 开源与低成本：DeepSeek作为开源大模型，开放模型架构、模型参数、技 术报告等，企业以其为基座可直接进行二次开发。此外，DeepSeek API调用 成本显著低于其他主流商业大模型及自研教育大模型成本，降低教育企业发展 AI业务的门槛。 在 2、全线产品线接入：软件端，网易有道AI学习类App接入DeepSeek，以其深度思 维优势提升AI教育能力和个性化交互学习体验；此外，网易有道基于子曰教育大模 型自研的RAG引擎“QAnything”、AI开放平台有道智云也全面接入DeepSeek的 推理能力进行升级。 3、AI教育硬件创新：推出AI原生学习硬件“SpaceOne”，作为全面屏答疑词典笔 具备DeepSeek-R1推理模型能力，且内置网易有道AI家教软件及教育资源、知识

算法的不断优化：从传统的机器学习算法到现在的深度学习、 迁移学习，再到自监督学习， algorithms 的创新使得模型可 以在更少的数据上训练出更高的性能。 4. 开放源代码的崛起：诸如 TensorFlow、PyTorch 等开放源代 码的机器学习框架，极大地降低了技术门槛，使得更多的企业 和开发者能够参与到人工智能的应用开发中。 5. 企业的需求增长：各行业对数字化转型的迫切需求，尤其是在 数据获取可以采用多种途径，包括但不限于公共数据集爬取、 第三方 API 调用、企业内部数据库抽取、用户反馈收集等。针对不 同的数据源，我们需要设计相应的获取策略： 1. 公共数据集：通过网络爬虫技术，从开放的数据平台或网站中 提取数据。这需要确保遵循各网站的数据使用政策，以及合理 配置爬虫的频率，以避免被封/IP 等限制。 2. API 调用：利用第三方服务提供的 API 接口定期拉取数据。这 仅能访问与其工作相关的信息。以下是访问控制的几个重要维度：  数据敏感性：不同数据根据敏感性等级，如公开、内部机密、 绝密等进行分类，依据等级进行权限管理。  时间限制：访问权限可根据时间节点进行动态调整，例如在工 作时间内开放特定权限，超出时间则自动收回。  地理位置限制：依据用户的地理位置进行访问权限的管控，在 可疑的访问地点时进行额外审核。 为了实现上述控制机制，平台将引入基于策略的访问控制 （PBAC）系

内弥散开来，知识随着人员从一个问题转移到另一 个问题、从一个组织转移到另一个组织，每一轮问 题解决产出的新知识只能依赖个体在生产场所之间 和不同的应用场景之中传播。应急管理知识创新依 赖于这样一个开放的知识生产网络，网络中节点联 结密度影响了知识的传播、积累以及最终解决复杂 问题的能力，是影响知识创新能力的关键变量。 利用大语言模型技术建设应急管理知识生产网 络中的超级节点，将各领域的行业专家、各学科的 提升交互效率和用户体验，促成用户与应急大脑在 知识层面的交流，包括应急管理相关部门、研究机 构、企业和公众等各方用户不仅仅是知识的使用者， 更是知识的共同生产者。在人机交互的推动下，应 急知识库是一个开放、共创的知识系统，各方的知 识和经验将汇聚到应急大脑中，共同丰富和完善应 急知识体系，实现应急知识的协同创新。 大语言模型应急大脑是一个集成知识管理、感 知、思维、人机通信的智能系统，具有如下特点：1）

行业研究〃信息服务行业 请务必阅读正文之后的信息披露和法律声明 26 图39 天工大模型能力展示 资料来源：天工开放平台官网，海通证券研究所 SkyAgents 智能体拥有成本优势，tokens 价格低于 OpenAI。天工大模型 3.0 版本 0.01 元/千 tokens，2.0 版本 0.005 元/千 1:7），GPT 3.5 turbo 花费 0.028 元，天工 3.0 模型花费 0.030 元，2.0 模型花费 0.015 元。 图40 天工 Agent 计费模式 资料来源：天工开放平台产品定价，海通证券研究所 4.7 商汤：联合清华、上海人工智能实验室打造 GITM 商汤、清华大学和上海人工智能实验室等机构的研究者们提出了一种名为 Ghost in the Minecraft Minecraft (GITM) 的通才 AI 智能体。GITM 能够在《我的世界》中表现优异，显 著减少训练时间和资源。这一突破标志着通用人工智能（AGI）研究的重大进展，AGI 的 目标是开发能够在开放世界环境中进行感知、理解和交互的智能体。GITM 通过自主学 习，解锁了《我的世界》主世界的 262 个物品，相较于之前智能体仅解锁的 78 个物品 大幅提升。此外，GITM 在“获取钻石”任务上的成功率从

明确具体应用场景，如安全监测、资源调度、旅客服务 等。 o 建立用户反馈机制，定期评估模型效果，进行迭代优 化。 在长期愿景方面，项目不仅关注技术的落地实施，更强调与相 关利益方的合作，通过构建开放的生态系统，形成政府、企业、科 研机构的协同创新，共同推动中国铁路事业向智能化、数字化方向 不断前进，为未来的智慧城市建设奠定基础。实现铁路沿线管理的 自适应、自优化，最终形成一个具备高度智能化、生态友好型的铁 推送通 知。 5. 互动反馈模块： o 用户可以对界面展示的内容进行点赞、评论或提出建 议。 o 收集用户反馈，持续优化系统的用户体验。 6. API 接口模块： o 为第三方应用提供开放 API，便于与其他系统（如调度 系统、维护管理系统等）集成。 o 支持数据查询、上传及更新等操作。 为了实现以上功能，各个模块之间的数据交互需要高效且安 全，采用 RESTful 风格的 API 数据的完整性和一致性，需要采取一系列切实可行的步骤， 包括数据源的选择、数据格式的转换、以及数据的清洗与整合。 首先，需要确定适合的 GIS 数据源。铁路沿线的地理信息通常 来源于多个渠道，包括： 1. 政府开放数据平台：如各级政府的地理信息部门发布的公共数 据，包含基础地理要素、土地利用、交通网络等信息。 2. 商业 GIS 数据提供商：例如 ESRI 、 HERE 等公司提供的城市 规划和交通信息数据，具有更高的精度和时效性。

厦门半天的行程路线 . 求推荐厦门 3 到 7 日景点游线路 . 交通出行 . 到云水谣什么交通方式最方 便 . 去鼓浪屿快艇上岛的费用？ . 景点问答 . 去日光岩看日出需要买门票 吗 . 寂庄花园开放时间？ . 酒店住宿 . 晚上到厦门本站住哪里方便 第 二天去鼓浪屿？ . 旅游问答 . 厦门景点门票有教师证优惠吗 . 鼓浪屿可以露营吗？ . 季节天气和穿衣 . 十一月厦门天气和穿衣指数？