务人员需要在短时间 内处理海量的信息并做出决策，这无疑增加了医疗风险。生成式大 模型通过自然语言处理、图像生成等技术，可以在多方面为医疗应 用提供支持。 首先，生成式大模型可以应用于临床诊断辅助。通过分析患者 的症状、实验室结果及影像学资料，这些模型能够生成初步的诊断 建议。这不仅提高了诊断的准确性，还可以减少医生的工作负担。 基于以往的病例数据，模型能够识别趋势和模式，从而为疾病的早 况，提供针对性的健康指导和信息。这样一来，患者不仅能更好地 理解自己的病情，还能增强对健康管理的积极性。 生成式大模型在医疗场景的可行应用还包括：  医学文献的自动生成与更新，便于医生获取最新资讯  影像学数据的智能分析，辅助影像科医生做出诊断  健康监测与预警系统，实现对慢性病患者的实时跟踪 在实际应用过程中，还需强调数据安全与隐私保护。医疗行业 涉及大量的个人健康信息，如何确保这些数据在被模型处理时不被 泄 防提供有力支持。生成式大模型的逐步成熟，使得医疗行业能够从 海量数据中提取有意义的信息，同时为医疗决策提供辅助。具体而 言，以下是生成式大模型在医疗应用中不可忽视的优势：  加速医疗信息的处理：生成式大模型能够快速处理大量医疗文 献和数据，从而为医生提供最新的研究进展和治疗方案。  提升诊断准确性：通过对患者数据的深度学习，生成式大模型 可以辅助医生做出更准确的诊断判断，从而提高医疗服务质 量。  实现个性化医

识服务，主要存储管理法律法规、典型案例、应急预 案、方法和模型等应急知识。 业务应用层：覆盖应急管理全过程，包括监测预 警、社会动员、监管执法、救援处置等应急管理全场 景应用。 决策指挥层：为所有应急管理业务辅助决策。 2.1 辅助决策功能薄弱 决策指挥层的辅助决策功能相对比较薄弱，尤 其是在重大及以上级别的突发事件非常态业务的临 图2 应急管理系统架构图 Fig. 2 The architecture diagram of emergency 策（improvisational decision-making） [19]，需 要 随 事件不断发生、发展的态势，针对具体问题情境作 出决策时，系统通常以数据统计分析、智能计算模 型算法等形式提供辅助决策功能，对于决策者来说， 这些远不足以应对其可能面临的复杂多变灾难环境 下的决策需求，即解决复杂问题的能力。 从决策问题的本质来分，常规决策面临的是问 题空间明确的结构化问题，临机决策则是模糊不清 的非结构化（或半结构化）问题 [20]。如图 3所示，问题 空间明确的常规决策是理性分析的过程，即：分析评 估备选方案并确定最优方案。系统可以提供更精确 的数据、更优化的数据处理流程、更智能的模型和 算法等方式，来辅助最优方案选择。当问题空间不 明确，则只能依靠决策者直觉判断进行临机决策。 图3 决策分析的两条路径 Fig. 3 Two approaches to decision-making analysis

件、新兴技术软件、信息安全软件、信创软件。 办公软件是一种集成先进的人工智能（AI）技术的工具，旨在优化和简化日常办公流程。它能够提供自动化任务处理、智能数据分析、实 时协作功能以及个性化的工作辅助，大大提高了工作效率和决策质量。例如，这类软件可以通过学习用户的习惯自动完成文档编辑、邮件 回复、日程安排等重复性工作。 嵌入式软件是指专门为运行在嵌入式系统上的应用设计的软件，它集成了人工智能 智能软件的需求增长，从而推动智能软件研发行业市场规模增长。 智能硬件设备的普及与多样化，正不断拓展智能软件的应用场景。智能家居设备依赖于智能家居控制系统软件进行高效管理，而智能汽车则需智 能驾驶辅助系统软件提供有力支撑。这些新兴应用场景的涌现，为智能软件研发行业开辟了更为丰富的市场机遇。未来，伴随人工智能的演进与 智能家居体系的优化，中国智能家居行业将持续发展。预计至2026年，中国智能家居 出货量有望突破5.4亿台。同时，智能汽车及其相关技术在中国展现出强劲的增长态势，预计2025年中国智能汽车渗透率将达到82%，并计划在 2030年进一步提升至95%。鉴于智能汽车集成了自动驾驶辅助系统、智能导航及车联网服务等先进车载技术，车载智能软件的市场需求将持续上 扬。 下游分析 智能软件研发推动工业软件产业升级与加强全球竞争力。 通过引入人工智能、大数据、云计算等先进技术，智能

助，通过自然语言处理技术自动解析合同条款、监管文件，生成风 险提示和审计要点，使审计师能够聚焦于专业判断而非基础信息处 理。 关键技术指标对比表： | 维度 | 传统审计方式 | 人工智能辅助 审计 | 提升幅度 | |——————–|————–|——————| ———-| | 数据处理效率 | 100 笔/ 小时 | 800 笔/ 小时 | 700% | | 某国际会计师事务所的实践表明，接入人工智能系统的审计项目， 其关键风险点识别时间平均提前了 15 个工作日，使客户能够及时 采取补救措施，显著提升了审计的价值创造能力。随着技术的持续 迭代，人工智能在审计领域的应用将从当前的辅助角色逐步发展为 智能协同模式，最终实现审计质量和效率的质的飞跃。 1.3 DeepSeek 技术简介及其在审计中的潜力 DeepSeek 作为新一代大语言模型（LLM）技术平台，其核心 优势 95%的置信水平；在报告阶段支持自动生成管理层建议书初 稿，包含可操作建议点数量平均提升 3 倍。该技术特别适用于年审 期间的高强度作业，实测显示审计团队在连续工作时长超过 8 小时 后，AI 辅助下的工作错误率仍能控制在 2%以下，显著低于人工操 作的 7%基准值。 流程优化效果可通过以下 mermaid 图呈现： 技术部署建议采用混合云架构，核心数据保留在本地审计系 统，通过 API

家居、智慧医疗等。例如， 在智能制造领域，搭载大模型的机器人能够完成高精度、高效率的生产任务；在智能家居 领域，具身智能技术使得家电设备更加智能化、便捷化；在智慧医疗领域，具身智能机器人 能够辅助医生进行手术、护理等工作。 1.1.4.2 具身智能崭露头角 �� 随着大模型技术的不断成熟，内容生成领域也迎来了百花齐放的发展态势。大模型在 文本生成、图像生成、语音生成等多个方面展现出了强大的能力。 疗质量控制等。通过训练 大模型，可以实现医疗数据的智能化分析和管理，提高医院的管理水平和运营效率。 1.1.4.4 医疗健康进入新时代 �� （3）医学影像 在医学影像领域，大模型被用于辅助医生进行疾病诊断和治疗。通过训练大模型，可 以实现对医学影像的自动分析和诊断，提高诊断的准确性和效率。这种能力对于提高医疗 水平、保障患者健康具有重要意义。 2024年，大模型浪潮正式迈入应用 价值，并开始在全业务链条上广泛部署这一技术。从市场营销、承保核保、理赔定损到客户 服务，几乎每一个业务环节都在探索大模型技术的应用可能。 尽管大模型在保险行业的应用已初具规模，特别是在客户服务、理赔定损及办公辅助 方面展现出显著成效，但在产品设计及定价、风险评估与管理等更为核心与复杂的业务环 节中，其应用仍处于起步阶段，但潜力巨大，值得深入探讨与拓展。 （2）初期选择试错风险低的场景 在初步接触并验

大语言模型应用的科研案例 … · 临近奇点： AGI 将带来颠覆 结论和展望 研究一：基于大语言模型辅助的能源负荷预测方法 ( 能源领域第一篇 ) 30/80 口能源负荷预测：通过人工与 GPT 的交互，可以实现建筑能源系统负荷预测的任务的自动编程， 涉及数据预处理、特征工程、模型训练、模型评估、结果可视化和模型解释等环节 ·Device-level tasks Device(s)or sub-system(s)associated with the target data mining tasks (x₆) 研究二：基于大语言模型辅助的运行数据的自动化分析方法 35/80 Feature selection for data mining tasks Generation of data mining tasks available variables.Please don't select variables which are not associated with the [x₆]." 研究二：基于大语言模型辅助的运行数据的自动化分析方法 36/80 Prompting function There are [xl]in a[x2].[x3].One ope ration pattern

降本增效，价值创造与决策赋能。在实际银行落地应用 中，可能包括： 1 ）降本增效：智能客服、信贷审批、合同质检； 2 ）价值创造： AI 编程、智能风控、智能营销等； 3 ） 决 策赋能： 深度分析和决策辅助。 n 从实际落地应用情况看， 大行发力更早， 中小银行正在快速追赶。如工商银行、建设银行、招商银行等大行布局更早， 邮 储银行、浦发银行、江苏银行等也有较为领先布局应用。 AI 一体机 资料来源： OpenAI ，中泰证券研究 所 20 机构 应用场景 工商银行 网点运营、远程银行、运营管理、人力资源、智慧办公、智能研发等 农业银行 智能问答、智能客服、辅助编程、智能办公、智能风控等 中国银行 内部知识服务、辅助编码等 建设银行 智能客服、市场营销、投研报告、智慧办公、智能运营、智能风控等 交通银行 办公助手、客服问答等 邮储银行 研发测试、运营管理、客户营销、智能风控、消费者权益保护等

学习 无监督 学习 历史语料 主题词 预处理 l 基于知识库和历史语料训练具有较强 语义泛化能力的问答模型 l 提高问答机器人的召回率和准确率 l 用候选回复辅助客服，提升服务效率 l 传统方法缺乏语义泛化能力 l 传统方法没有上下文理解的能力 l 使用检索 + 上下文深度匹配排序的方法 l 匹配模型考虑上文历史消息序列 深度学习的应用： 体抽取等 • AI 基于 HI 的反馈实时 更新对话系统状态 • HI 撤回 AI 的动作 • HI 在 AI 的辅助下执行 动作 基于 AI + HI 的对话系统架 构 Context Visualization Action Visualization Dialog

抢滩布局，主要得益于其几大特点： l 深度思考模式：DeepSeek的深度思考模式能够输出自然语言形式的推理过 程，使得学习、解题的思维链可视化，有利于在教育场景中展示解题方法和过 程、进行知识回溯、引导学生个性化思考，从而辅助教师及家长教育，削减此 前AI+教育直接输出问题答案可能带来的负面影响。 l 逻辑推理能力：DeepSeek在各种类型的推理任务中，模型性能取得全面提 升，能够对以数学、物理为代表的理科科目学习提供更强赋能。 多模态能力：据公布，多模态训练后DeepSeek大模型在科学任务、复杂推 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

回顾国内供应链近十年的发展历程，大部 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 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 打造的Mega平台，用于在工厂和仓库的工业数字 5 埃森哲，《何谓数字核心？》 https://www.accenture.com/cr-en/insights/digital-core 实现自主智能供应链 28 本文档中的部分图片是在AI辅助下生成的。 关于本研究 本研究探讨了向自主智能供应链转型及支撑该转型的战略考量。我们将端到端的供应链运营细分为29项 核心活动，评估每项活动的当前自动化水平和预期自动化水平，以及机器自主智能决策的程度。我们对来自北