产业规模不断壮大，核心产业规模已接近5,800亿元。同时，中国已形成了京津冀、长三角、珠三角三大人工智能集聚发展区，拥有超过4400家 核心企业，数量位居全球第二。此外，中国在人工智能基础设施方面亦表现突出，占地规模同样位居全球第二，且智能算力占比超过25%。人工 智能在智能软件研发行业的推动作用日益显著，具体表现在提升开发效率与质量、引领开发模式创新、强化软件个性化与智能化特性，以及加速 水平，促进节能减排和技术升级。 政策性质 指导性政策 智能软件研发行业的市场集中度较高。智能软件研发行业呈现以下梯队情况：第一梯队公司有科大讯飞股份有限公司、用友网络科技股份有 限公司、上海宝信软件股份有限公司等；第二梯队公司有中国软件与技术服务股份有限公司、北京金山办公软件股份有限公司、金蝶软件（中 国）有限公司等；第三梯队有北京超图软件股份有限公司、浪潮软件股份有限公司等。 头部企业融合云服务与软件推出S

智算中心高效应用面临挑战 ........................................................................................... 4 第二章 智算服务架构 .......................................................................................... 产业创新的运营 者”角色的转变。不仅要建好算力，还要管好、用好、维好算力。通过智算服务发挥极致 集群算力，齐聚行业力量构建稳健高效的算力平台，持续释放算力价值。 第二章 智算服务架构 智算服务架构总体分为三类：基础设施类服务，模型支持类服务和行业应用类服务。 如下图 1 所示。 图 1 智算中心服务架构图 基础设施类服务包含业务咨询 个院系，分析课程超 2.6 万节，学校“以 AI 解析课堂、驱 动教学变革”的创新实践，为全国高校提供了可复制的“北航方案”。值得一提的是，学校 在人工智能赋能高等教育教学各环节的卓越实践，已成功入选教育部第二批“人工智能+高 等教育”应用场景典型案例。 （三）大模型全面助力科学教育做加法 采用虚拟教师的形式，实现互动式、启发式、探究式教学，在一定程度上弥补了科学教 育师资与教学知识储备不足等

浙江大学 DeepSeek 系列专题线上公开课（第二季） 从大模型、智能体到复杂 AI 应用系统的构 建 —— 以产业大脑为例 肖俊 浙江大学计算机学科与技术学院人工智能研究所 2025 03 杭州 • 大模型推理能力快速提 升 • 推理模型和思维链 (CoT) • 智能体是什么？ • 四链融合产业大脑案例 提纲 大模型推理能力快速提升 开始模仿人 脑进行大量 数据的标记 /2422923 • 撰写调研报告： 调研特斯拉 FSD 和华为 ADS 这两个自动驾驶 系统 一个具体的例子 • 撰写调研报告： 调研特斯拉 FSD 和华为 ADS 这两个自动驾驶 系统 第二步：调用 WebBrowseAndSummarize 工具浏览网页并总结网页内容（此工具调用了 LLM ） 第三步：调用 ConductResearch 工具生成调研报告（此工具调用了 LLM

在此背景下，行业对智能工具的诉求呈现三个关键特征：第 一，处理速度需要达到千万级数据/小时的吞吐量，某四大会计师 事务所的测试数据显示，当响应延迟超过 2 小时时，审计师的决策 准确率会下降 17%；第二，分析维度必须覆盖 100+风险指标实时 交叉验证，如下表所示的风险指标覆盖率对比： 指标类型 传统工具覆盖率 行业要求标准 财务异常 68% 95% ≥ 合规性条款 52% 90% ≥ 关联交易 构建集成学习框架，采用 XGBoost 为主模型、LightGBM 为辅助 模型的级联结构。特征工程阶段需嵌入审计专家规则： 1. 第一阶 特征：原始财务指标（流动比率、资产负债率等） 2. 第二阶特 征：动态衍生指标（同比波动率、行业偏离度） 3. 第三阶特征： 关联方交易网络特征（通过 Graph Embedding 生成）。 模型训练采用 5 折时间序列交叉验证，防止数据泄露。关键参 |财务数值|92.3%|异常交易筛查| |法律条款|88.7%|合规性 检查| |时间节点|95.1%|时序分析| |人员职务|84.5%|关联方识 别| |业务流程|81.2%|内控评估|  第二阶段：采用 DeBERTa-v3 模型构建审计问答系统，在 2000+审计工作底稿上微调，实现： 审计语义分析增强 1. 构建审计领域本体库，包含： - 500+财 务舞弊模式的特征短语

权限配置与数据沙箱环境搭建，重点保障客户数据隔离安 全。技术团队需在首周内输出接口文档并确认以下关键指标： • 日 均 API 调用容量：≥50 万次 • 数据字段映射准确率：100% • 响应 延迟：<800ms 第二阶段：模型微调与业务场景验证（第 5-8 周） 基于 CRM 业务日志进行模型微调，训练数据需覆盖 90%以上业务场景。测试 阶段采用 A/B 测试框架，样本量不少于 2000 个真实客户交互案 -->|图像| D[CV 处理模块] B -->|语音| E[ASR 转换模块] C & D & E --> F[多模态知识图谱] F --> G[业 务应用系统]  第二阶段（12 个月） 部署以下增强功能： 1. 跨渠道客户行为轨迹重建（整合官网浏览、邮件、通话 记录） 2. 动态客户画像生成系统（自动更新客户偏好标签） 3. 多模态质检看板（实时监测服务质量指标） 白名单+AES-256 服务调用 OAuth2.0 500 RPS JWT 令牌+动态权限控 制 实施路线图 - 第一阶段（1-3 月）：完成与 ERP 的财务和库存 模块对接，实现基础数据互通 - 第二阶段（4-6 月）：打通 SCM 的 预测需求链路，建立动态库存预警机制 - 第三阶段（7-12 月）：构 建跨系统分析仪表盘，支持大模型的全局优化建议输出 运维层面需建立统一的监控看板，跟踪关键指标：

目标 研究成果 类别 第一代 离散特征和 KPI 特征识别及统计算 法 拟合异常结果 Ft-tree LogParse 任务数据驱动 第二代 日志文本生成 token 深度学习 拟合异常结果 LogAnomaly LogStamp 第三代 段落日志和跨域日志 预训练语言模型

动解析和分析市场情绪，帮助交易者更好地把握市场情绪波动对股 价的影响。 在技术实现方面，项目将分阶段推进。第一阶段，重点在于搭 建基础数据平台，整合各类数据源，包括但不限于历史交易数据、 财务报表、新闻资讯等。第二阶段，将引入深度学习模型，进行数 据特征提取和模式识别，优化现有的交易策略。第三阶段，将实现 实时交易监控和自动化决策，确保系统能够对市场变化做出快速响 应。最终，通过持续优化和迭代，项目将实现智能化的股票量化交 小时（单次训练） 基于历史数据的策略生成时间 为确保系统集成的顺利实施，建议采用分阶段部署策略。第一 阶段完成核心模块的集成和测试，重点验证 DeepSeek 在策略生成 和风险控制中的效果；第二阶段逐步扩展功能，如引入更多数据 源、优化交易算法等；第三阶段进行全面性能优化和压力测试，确 保系统在高并发场景下的稳定性。此外，需建立完善的监控和日志 系统，实时跟踪系统运行状态，快速定位和解决问题。 时，团队将对现有的量化交易策略进行梳理，识别需要优化的环 节。关键任务包括： - 完成业务需求文档的编写 - 技术调研报告的 提交 - 初步确定 DeepSeek 与现有系统的集成方案 第二阶段：模型开发与测试（第 3-8 周） 根据第一阶段的调研 结果，团队将开始开发和测试基于 DeepSeek 的量化交易模型。此 阶段将重点验证模型的准确性、稳定性和性能。任务分解如下：

第一阶段是前期准备，这一阶段预计需要一个月的时间，包括 项目启动、团队组建和需求调研。在这一阶段，项目组将确定参与 人员，明确各自的职责，同时与相关公共安全部门沟通，收集需 求，分析现有视频监控系统的数据情况。 第二阶段是技术选型与系统设计，预计用时两个月。在此阶 段，团队将评估合适的 AI 技术方案，选择适合的 AI 大模型，并根 据需求调研的结果进行系统架构设计和功能模块规划，确保系统的 可扩展性和灵活性。 打斗或异常奔跑等情 况，并通过对视频数据的智能分析，自动生成警报，及时通知相关 部门进行处理。实施后的统计数据显示，盗窃案件的发生率下降了 30%，并显著提高了警方处置突发事件的响应速度。 第二个案例涉及到大型活动的安全管理。为了确保群众活动的 顺利进行，相关部门引入了 AI 视频分析技术，对活动现场进行实 时监控。通过对参会人员的行为识别，系统能够快速识别出不法分 子和潜在的安全风 频智能挖掘的 应用方案，需要借鉴和参考一些相关书籍，以深化对行业、技术与 实施的理解。以下是几本在这一领域具有参考价值的书籍。 首先，理解公共安全的基本概念和背景至关重要。《公共安全 管理（第二版）》提供了公共安全管理的基本框架和理论，包括风 险评估、应急响应及资源配置等内容。该书不仅为理解公共安全政 策提供了基础，而且为后续 AI 技术的引入奠定了理论基础。 其次，《人工智能在公共安全中的应用》则详细讲述了

网关和中间件实现数据交换和业务流 程的自动化。 具体实施步骤如下：  第一层是数据集成层，使用 ETL 工具定期从各个业务系统中抽 取数据，并进行清洗和转换，确保数据的一致性和准确性。  第二层是服务集成层，通过 RESTful API 和 SOAP 协议，实 现不同系统之间的服务调用，支持实时数据交互和事务处理。  第三层是流程集成层，利用 BPM 工具定义和执行跨系统的业 务流程，确保各个业务环节的顺畅衔接。 智能体的广泛应用，企业可通过 以下方式实现直接和间接收益：  直接收益：通过成本节约和效率提升，企业可在短期内实现显 著的财务回报。例如，实施 AI 智能体后，预计第一年可实现 10%的成本节约，第二年及以后年度的成本节约率将稳步提升 至 15%。  间接收益：AI 智能体通过优化业务流程、提升客户满意度以及 增强市场竞争力，为企业带来长期的商业价值。例如，通过 AI 智能体的客户关系管理功能，企业可提升客户保留率，据 和其他必要措施，确保其收集 的个人信息安全，防止信息泄 法律法规名称 关键条款 业务操作要求 露、损毁或者丢失。 数据安全法 第二十一条 数据处理活动应当符合国家数 据安全标准，采取技术措施和 其他必要措施，保障数据安 全。 个人信息保护法 第二十五条 个人信息处理者在处理个人信 息前，应当明确告知个人信息 的处理目的、方式、范围等事 项，并取得个人的同意。 通过上述措施和要求的实施，可以确保商务

vCPU 性能。在核心数量、算力密度、内存与 I/O 升级和AI 深度优化，以及多场景性能上， 至强® 6性能核处理器均有全面突破。 图3. 英特尔®至强®代际演进 来源: Intel 代际规格 第二代英特尔®至强®可 扩展处理器 第四代英特尔®至强®可 扩展处理器 英特尔®至强®6900 性能核处理器 128 核 60 核 28 核 最高单路 内核数 内存 PCIe AI加速器 AVX-512(VNNI)