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 编程等能力上达到新的高度， 多种任务上 的表现超过人类水平。 大模型能力不断增长 Source: https://lifearchitect.ai/timeline/ 大模型发展迅速，参数量从百亿到万亿规模 大模型能力涌现，多个任务上性能超越人类水平 1000 Billion OpenAI-o 系列模型和 DeepSeek-R1 等胜在推理能力较 强 小结一： 推理模型和思维链 (Chain of Thought, CoT) QwQ 由通义千问 开发， QwQ 能通 过思考与疑问解 决 一些复杂的问 题。 HIMl DeepSeek-R1 与 Kimi1.5 都采用 RL 来 进 行推理能力的增强 Gemini 2.0 Flash Thinking

非 中 国 CHINA南 SoUTH方 ERNPO电 WERG网 RID Al 赋能新型电力系统建设 中国南方电网有限责任公司 李 鹏 年电力信息 新技术大会 第一部分：电力系统的发展趋势 第二部分：新趋势面临的新挑战 第三部分：南方电网的实践 第四部分：下一步展望 数相纸能新 建说 2024 年电力信息通 信 新技术大会 在“双碳”目标引领下，电力系统积极拥抱能源清洁化与数字化转型。政 策 层 面 ，多国政府出台减排政策与补贴 机制，鼓励绿色能源发展；技术层面，光伏、风电成本骤降，智能电网与储能技术日益成熟，源网荷储协同互动； 市场层面，绿色电力需求激增，共同驱动电力企业加速数字化转型，迈向低碳、智能的未来能源体系。 Y JAcre6 由 力 的 宁 服 (-) 同云 年实现碳中和；美国宣布 正 式重返《巴黎协定》。 政策层面 数字化全面转型连接发电价值链， 辅助发电企业实现生产、运营、服 务的降本增效和创新升级。 全球视角下的电力系统发展和转型趋势 市场层面 级能 建 证 2 0 2 4 年 电 力 信 息 通 信 新 技 术 大 会 中国南方电网 CHINA SoUTHERN POWER

大模型赋能应急管理数字化建设方案 共享赋能｜智慧引领｜生态共赢 产业生态 × 应用场景 × 标准化建设 目 录 01 A I 大 模 型 精 准 感 知 与 风 险 认 知 02 解 决 方 案 - 智 能 预 警 与 决 策 支 持 03 解 决 方 案 - 突 发 事 件 智 能 处 置 04 解 决 方 案 - 跨 部 门 协 同 作 战 平 台 05 核 心 功 能 模 块 大模型是集多模态、智能体为一体的行业大模型能力体系 该大模型包括“ 1 个大模型底座 +1 组行业大模型 +1 个应用开发平台 + N 个智能应用”的大模型能力体系，全面赋能应急管 理、城市安全等业务领域，实现从“大应急”到“应急智能体”、“智慧城市”向“城市智能体”的全面升级。 大数据 大算力 星 辰 大 模 型 工程化 1 个大模型基座 知识图谱自进化 多粒度检索系统 推演仿真引擎 专家经验数字化 协同标注平台 通过在线学习机制持续吸收最新科研 成果和应急报告，自动扩展实体关系 网络，保持知识库的前沿性和完备性。 支持从宏观政策到具体操作指南的多 层级知识检索，如同时查询 " 地震应 急预案 " 和 " 狭小空间救援装备使用 规范 " 。 内置基于物理规则的灾害推演模块， 可模拟不同应急策略的实施效果，为 预案优化提供量化依据。

大模型技术 深度赋能保险行业白皮书 （2024） 阳光保险集团股份有限公司 清华大学五道口金融学院 中国保险学会 科大讯飞股份有限公司 2024年10月 PREFACE 前 言 � 在人类科技发展的历史洪流中，2023年无疑是大模型技术取得突破性进展的元年。 ChatGPT的问世，如同一颗石子投入平静的湖面，激起了全球科技领域的滔天巨浪。它不 仅深刻改变了人机交互的方式，更预 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 署的关键阶段。因此，本年度《大模型技术深度赋能保险行业白皮书》的编写，不仅是对过 去一年技术发展的总结与回顾，更是对未来应用前景的展望与规划，旨在为保险行业的智 能化转型提供技术参考和实践建议。 白皮书基于阳光保险的大模型落地实践经验，深入剖析了大模型技术在保险行业的落 地应用路线。我们详细阐述了 承保核保等多个方面，它们充分证明了大模型技术在提升服务效率、优化客户体验、降低运 营成本、增强风险管理能力等方面的巨大潜力，为保险行业的智能化转型提供了有力的实 践支撑。 更重要的是，我们深刻认识到大模型技术与保险行业的深度融合，不仅将推动保险业 务模式的深刻变革，还将重塑保险行业的竞争格局和生态体系。通过精准预知风险、主动管 理风险，大模型技术将助力保险公司实现从“粗放预测”向“精准预知”、从“等量管理”向“减

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 •保险公司应该改变现有工作方式，包括采用 RPA(机器人流程自动化)以及智 能决策支持系统； 2 •保险公司要允许人工智能在整个价值链中创造性地利用数据，挖掘所有数据 集中隐藏的价值。 AI 三大应用场景：人力资源+流程管理+数据分析 “人工智能”一词包含许多不同的技术和能力。我们可以将人工智能定义为：能 够感知、理解、行动和学习的计算机系统。换句话说，一个系统可以感知它 认为，智能技术将彻底改变这个行业。 大多数保险公司都表示，与两年前相比，它们在人工智能技术上的投资有所 增加，并计划在未来增加投资。保险公司发现，它们最初的投资已经取得了 一定成效，并且意识到人工智能的不断进步将推动更多的技术变革——尤其 是在产品开发、风险管理和客户体验方面。 保险公司正在大力投资人工智能技术，他们预计在未来三年对以下领域进行 投资：深度学习（78%）、嵌

责声明 [table_research] 公司深度报告●计算机行业 2023 年 8 月 22 日 [table_main] 公司深度报告模板 深耕法律信息化建设，AI 赋能法律 多场景蓄势待发 通达海（301378.SZ） 推荐 首次 核心观点： ⚫ 营收稳健增长，盈利能力逐渐恢复。公司在 2019-2021 年间营业收 入分别为 2.45/3 项全面领先人类考生 资料来源：wind，中国银河证券研究院 资料来源：wind，中国银河证券研究院 （二）AI+法律在应用端多点开花 ChatGPT 为法律行业多种应用场景赋能。GPT 可以提高法律服务的效率和质量，传 统的法律服务需要律师大量的时间和精力来处理和解决案件，但是 GPT 可以通过快速准确 地分析和处理大量的法律数据，从而减少重复的、机械式的工作。新一代 GPT 官网，银河证券研究所 律商联讯推出首款面向法律界的类 ChatGPT 生成式 AI 平台 Lexis+AI。Lexis+AI 旨 在彻底改变其平台用户的研究和文件起草过程，利用生成式 AI 的强大能，Lexis+AI 通过生 成法律文件的初稿和客户沟通来指导客户完成法律起草之旅，为法律从业者提供法律内容 搜索（交互的对话式搜索，平台会以智能和对话的方式响应请求）、法律内容总结、起草合 同/简报等服务。目前

第二章 企业 AI 大模型应用：从试水到规模化落地的 全新挑战 9 2.1 DeepSeek 普及阶段的多元挑战 10 2.2 场景化应用实践，从技术到价值的跨越 AI 落地最后一公里 43 4.3 “ ” 可用 到 “ ” 好用 ，让创新技术紧贴业务需求 45 4.4 一站式解决方案，全周期护航 46 第五章 联想 AI ’ 基础架构赋能不同产业 实现商业价值飞跃 51 5.1 联想赋能联宝科技，驱动制造全链效能与成本双优化 52 5.2 金融企业基于全栈方案简化运维流程，推动智能化转型

为机器人提供足够好的传感器, 使之可以像人类一 样学习. 前者的思想出现在后来发展的各类神经网 络如多层感知机、卷积神经网络中, 即离身智能; 后 者则逐渐发展出了具身智能的概念. 现在, 具身智 能一般指拥有物理实体, 且可以与物理环境进行信 息、能量交换的智能系统[2]. 虽然在过去的几十年 间, 离身智能取得了令人瞩目的成就, 但对于解决 真实世界的问题来说, “具身”的实现仍然是必要的, 与强调从经验中学习并泛化的离身智能方法相比, 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 后文将不对二者作区分). 由于涉及到物理环境, 机 器人深度学习模型往往面临数据获取难度大、训练 的模型泛化性差的困境, 传统机器人往往仅能处理 单一任务, 无法灵活面对复杂的真实环境. 而基础 模型用来自互联网的大量文本、图片数据进行预训 练, 往往包含各种主题与应用场景, 能学习到丰富 的表示与知识, 具有解决各类任务的潜能, 其作为 具身智能的“大脑”能显著弥补机器人领域训练数据 少且专门化的缺点