纷投身于大模型技术的研发 与应用，积极探索其在保险业务中的无限可能。阳光保险集团作为行业的先行者和探索 者，于2023年初率先启动了“阳光正言GPT大模型战略工程”，旨在通过大模型技术的深度 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 、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显著价值。这些案例涵盖了客户服务、理赔定损、营销推广、 s还具备 高度的灵活性，能够轻松转换为纯文本语料库或图像文本对的形式，以满足不同领域研究 与应用的多元化需求。 1.1.2 算力：单芯片算力达新高，国产化初具规模 �� （3）量子计算的探索 虽然量子计算在商业应用中还处于早期阶段，但其在某些特定任务上展现出的巨大 潜力已经开始引起关注。量子计算机具有超快的计算速度和巨大的并行处理能力，在处理 复杂数学问题上具有天然的优势，这使得

框架，任何一个环节出问题都可能导致服务不可用，因此对运维团队的技术深度和 广度要求极高。 在运营与优化阶段，仅仅提供裸算力是远远不够的。用户需要的是开箱即用的模型服 务、数据服务、开发平台和工具链；同时需要探索成熟的运营模式和市场推广能力，对算 力、模型、数据进行定价和计费，提供按需付费、订阅制等灵活商业模式；另外，需要吸 引足够多的开发者和 AI 企业在其算力平台上进行应用开发和模型训练，形成繁荣的应用生 全面验证系统稳定性与性能指标，确保系统 高效可靠运行。 2024 年 9 月 20 日，广东联通深圳智算节点正式启用，为粤港澳大湾区数字经济发展注 入了新动能。在本项目集成交付过程中，中讯院探索了智算项目全流程集成交付的新模式， 打造了智算集成交付队伍，开创了设计院全流程承担智算集成交付的先河。 3.1.2 联通河北政务云智算中心利用数字化平台实现智能建造技术实践 根据京津冀数据 面对机楼改造难度大、复杂性高、工期紧、勘测周期长、现网割接风险高、PUE 压降难 度大等难题，广东移动紧扣绿色双碳和算力发展战略，聚焦“节能改造，国 A 改造，智算改 造”三大场景，探索老旧机楼复杂改造升级转型之路。其中较为典型的是深圳宝观智算中心 改造项目（PUE 1.69、中国移动唯一的“一省双池”千卡训推一体智算中心，要求 4 个月智 算业务投产）。 当前的液冷智算机

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 用场景下的更多应用，如探索智慧办公场景下的宣传文案、智能周报、文章翻译、会议纪要等细分场景。 n 我们认为，随着 DeepSeek 开源降本， 建设银行 技术落地：总行完成 DeepSeek 定制化训练，全集团推进生成式 AI 体系化应用。子公司通过总行平台按需调用模型，严禁自行接入外部模型，保障技术 可 控性 应用场景：建信理财率先探索资产配置优化、风险预警等理财场景，同时通过金融语义框架将“抵押率”“偿债覆盖率”等术语转化为业务逻辑，应用于 合同 解析与风险建模 邮储银行 技术落地：依托自有大模型“邮智”，本地部署并集成 DeepSeek-V3

以直接用于具身智能对环境的理解, 并通过提示词 使之输出结构化内容如控制代码、任务分解等指令. 2 自 动 化 学 报 51 卷 Wang 等[25] 探索了使用 GPT-4V 赋能的具身 智能任务规划的可能性, 作者提出一个基于 GPT- 4V 的框架, 用于通过结合自然语言指令和机器人 视觉感知来增强具身任务规划. 框架使用视频数据 的初始帧和对应的文本指令作为输入 并在使用工具解决问题的过程中考虑各类约束, 以合适的方式完成任务. 预训练模型通过大规模文本预训练, 具备了丰 富的世界知识, 能够回答与视觉场景相关的常识性 问题. 文献 [114−116] 最早探索了将基础模型用于 对机器人任务进行规范的方法, 随后 Affordan- ceLLM[94] 将大模型的世界知识与 3D 几何信息相结 合, 通过视觉语言模型 (Vision language model 段, MOKA 根据当前观察到的环境图像, 提出关键 点和路径候选, 并通过视觉提问的方式让 VLM 从 候选中选择正确的关键点和路径点, 进而生成可执 行的基于点的运动计划. ViLA[30] 也探索了视觉提 示的使用, 作者发现在某些任务中, 使用一幅表示 期望结果的图片来指导机器人比仅依赖口头指令更 有效. 例如, 要指示机器人整理桌面, 提供一张按期 望方式排列好的桌面照片可能更有效率.

分龙头企业通过ERP的实施落地，在当时已具 备线上化、自动化能力，从而推动企业向数字 化供应链的探索。高科技电子行业及快消零售 行业的数字化变革已经初具成效，AI算法嵌入 流程辅助决策；伴随DeepSeek等生成式AI技 术的普惠，数字化的领头羊们已开始加速规划 自主化能力与落地探索。 10 实现自主智能供应链 11 End to end supply chain activities 和棕榈仁油领域实施“后向整合”项目，节约了物料成本并提升了采购效率。 预测算法和优化器等AI工具能够提供精准的市场价格预测和基于AI的采购情景分析，从而 进一步提升了采购效率。 采购：自主智能化的初步探索 地管理供应商关系，优化数字化成本核算与按成 本设计，并赋能备件采购。例如，通过从旧的用户 手册中检索规格参数，以支持维护、修理和运营相 关的商谈。随着AI智能体的日益普及，它们将通过 促 家领先的运动技术公司已成功打造了一项概念验 证，运用实体AI和机器人技术来创建更自主、更 高效的运营模式，同时全面提升员工能力。 通过与微软、Agility Robotics和英伟达等 合作伙伴携手，该公司正在探索AI辅助的创新应 用，如规划理想的厂房设施。利用预先模拟并确 定设施的最佳布局，缩短调试时间，并为每个设 施确定合适的自动化程度。 另一项应用是基于NVIDIA Omniverse蓝图 打

工具链易上手，快速验证效果 统一资源纳管，灵活腾挪算力 故障感知修复 + 监控，高可 用 细致的资源级权限管控 稳定期 痛点 稳定期 痛点 探索期 痛点 根据业务量探索资源用量 机型差异大，选型难 验证效果链路长，耗时久 算力空闲情况多， ROI 低 探索期 TI 平台价值 内置全系模型，一键部署 免费体验，快速验证效果 服务部署 蒸馏精调 启动阶段 业务量变化，服务调整难度大

problem. So that the model is encouraged to follow the thinking style in the example. LogPrompt 探索 : 将 CoT prompt 的思想引入日志分析任 务 In manual log analysis, practitioners also engage in a series of reasoning The LLM then predicts on new logs, using the context from the sample logs. LogPrompt 探索 : 其他可以在日志分析任务中应 用的 Prompt 策 略 • In our primary experiments, the underlying LLM is accessed via

9.2.1 与其他技术结合.......................................................................136 9.2.2 新兴功能探索...........................................................................137 10. 总结............. 益显现。许多建设于上世纪 90 年代和 2000 年代初的地铁线路，面 临着设备老化、技术不足等问题。系统的老化不仅会导致故障频 发，还可能对乘客的安全隐患造成威胁。 为了应对这些挑战，各城市正在积极探索和应用新技术。其 中，人工智能（AI）作为现代科技的代表，对提高城市轨道交通的 管理效率和服务水平具有极大的潜力。AI 技术能够实现对客流预 测、设备监测、线路优化等多方面的智能化管理，有望在降低运营 利用以前 的试验结果，逐步更新对超参数空间的知识，从而在寻优过程中更 加高效。 其次，针对模型的特定需求，建议关注以下常见超参数并进行 调优：  学习率：影响模型权重更新的速度，通常需要探索不同的学习 率以找到最佳点。过大会导致发散，过小则会收敛过慢。  批量大小：影响模型的训练稳定性和收敛速度，较大的批量大 小能提升计算效率，但可能导致模型泛化能力下降。  正则化参数：用于防止模型过拟合，常见形式有

预筛选减少token消耗 项目地址：https://github.com/nacos-group/nacos-mcp-router Part 4 Nacos 3.0 未来的规划 AI能力持续迭代 & 微服务生态持续探索 一个更易于构建 AI Agent 应用的AI智能体管理平台 1.【Agent运行时配置统一托管】 • Agent组件管理平台，通过AgentId串连各组件 配置 2.【Agent侧快速集成】 Agent自动注册发现 • Agent任务调度 • 压缩推送 • 动态数据源 • 服务健康检查优化 • LLM模型参数托管 • 凭据管理 • 增量推送 • 推送反压 • 服务健康检查优化 生态融合探索 Go & Python 框架支持 K8S Controller & xDS协议 Mesh支持 成熟插件并入 国产化支持 Spring AI & Diff 等AI框架支持 官网持续优化

客户需求，提升服务效 率和客户满意度。 利用元宇宙技术，银行可构建虚拟银行网点，为客户提供沉浸式金融服务体验，突破物理空间 限制。 元宇宙环境下金融服务模式探索 虚拟银行网点建设 元宇宙环境下，数字资产交易活跃，银行可探索数字资产托管、交易结算等创新金融服务，抢 占新兴市场。 数字资产金融服务创新 元宇宙中，银行需构建基于区块链的虚拟身份认证体系，确保客户身份安全和交易安全，提升