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 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 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 及AI 合成数据。大模型训练和微调所需数据量快速增长，真实世界数据将在数年内被用尽。研 究机构Epoch估计，机器学习可能会在2026年前耗尽所有“高质量语言数据”。据Gartner 预测，2024年用于训练AI的数据中有60%将是合成数据。以Meta今年7月发布的 LLaMA3.1模型为例，监督微调环节的数据里有相当比例是合成数据，使用合成数据确实 带来了模型效果的提升。 （1）合成数据成有力补充

LLM) 在没有进行任何参 收稿日期 2024-08-01 录用日期 2024-09-09 Manuscript received August 1, 2024; accepted September 9, 2024 国家自然科学基金面上项目 (62173352), 广东省基础与应用基础 研究基金杰出青年基金 (2024B1515020104) 资助 Supported by Science Foundation of China (62173352) and Guangdong Basic and Applied Basic Research Foundation (2024B1515020104) 本文责任编委 黄华 Recommended by Associate Editor HUANG Hua 1. 中山大学计算机学院 广州 510006 2. 清华大学计算机科学 L, Akkaya I, Aleman F L, et al. GPT-4 technical report. arXiv preprint arXiv: 2303. 08774, 2024. 5 Touvron H, Lavril T, Izacard G, Martinet X, Lachaux M A, Lacroix T, et al. LLaMA:

自然语言处理技术的边界，也正在改变知识获取和创 新的模式，将对应急管理体系发展、能力要求以及实 践操作产生深远的影响。在技术进步的强大动力牵 引下，需要重新审视并优化应急管理信息化建设路 收稿日期 2023-10-19 录用日期 2024-01-12 国 家 社 会 科 学 基 金（20BZZ037）, 广 东 省 哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人 （2019-05-24）[2024-05-08]. https: //doi.org/10. 48550/arXiv.1810.04805. [2] YE J J, CHEN X T, XU N, et al. A comprehensive capability analysis of GPT-3 and GPT-3.5 series models[EB/OL] （2023-10-23）[2024-05-08] CORRADO G, et al. Efficient esti⁃ mation of word representations in vector space[EB/OL]. （2013-09-07）[2024-05-08]. https: //doi.org/10.48550/arXi v.1301.3781. [4] VASWANI A, SHAZEER N, PARMAR N, et al. Attention

制系统、自动化测试工具以及持续集成/持续部署 （CI/CD）工具等。这些专业工具显著提升了开发效率与代码品质，为项目管理提供了强有力的支持。同时，高效的智能模型构建离不开先 进的算法与框架。至2024年4月，中国已推出近40款智能化软件开发工具，彰显了该领域的技术活力与创新力。 产品迭代周期短 智能软件研发行业面临着快速变化的市场需求和技术更新。为了满足用户需求和保持市场竞争力，智能软件产品需要不断迭代和升级。较 浙江网商银行股份有限公司 中国银行股份有限公司 山东第一医科大学附属省立医院（山东省立医院） 爱尔眼科医院集团股份有限公司 北京和睦家医院有限公司 中国国家铁路集团有限公司 中国铁路广州局集团有限公司 2019年—2024年，智能软件研发行业市场规模由14,669亿元人民币增长至28,223亿元人民币，期间年复合增长率13.98%。预计2025年— 2029年，智能软件研发行业市场规模由31,977亿元人民币增长至52 智能软件研发行业市场规模未来变化的原因主要包括： 7 政策名称 《关于推动未来产业创新发展的实 施意见》 颁布主体 工业和信息化部、教育部、科技 部、交通运输部、文化和旅游部、 国务院国资委、中国科学院 生效日期 2024-01-01 影响 8 政策内容 探索以区块链为核心技术、以数据为关键要素，构建下一代互联网创新应用和数字化生态。面向新一代移动信息网络、类脑智能等加快软件产品研发，鼓励新产品示 范应用，激发信息服务潜能。

荐服务背后复杂的算法运算，各类数字化场景都高度依赖强大、稳 定且高效的算力支撑。特别是在智能化进程加速推进的背景下，智 算需求更呈现出一种持续攀升的强劲态势。据国际数据公司（IDC） 预测，2024 年全球人工智能服务器市场规模为 1251 亿美元，2025 年预计将增至 1587 亿美元，2028 年有望达到 2227 亿美元。 在这一发展趋势下，全球各国愈发重视人工智能产业发展并加 力资源的合理配置和高效利用。2023 年印发《算力基础设施高质量 发展行动计划》和《关于深入实施“东数西算”工程 加快构建全国一 体化算力网的实施意见》，旨在不断完善综合算力基础设施，增强 算力赋能成效。2024 年印发《推动工业领域设备更新实施方案》， 提出推动“云边端”算力协同发展，加大高性能智算供给，在算力枢 纽节点建设智算中心。2025 年，工信部按照“点、链、网、面”的工 作思路体系化推进 建设成效显著。中国算力平台监测数据显示，截至 2025 年 6 月底， 全国存力规模达 1680 EB，相比于 2023 年增长约 40%，存力规模持 续扩大。《全国数据资源调查报告（2024 年）》显示，我国数据存 储总量持续增长，2024 年已达 2.09ZB，同比增长 20.81%。大数据、 人工智能等技术的广泛应用，以及智能制造、智慧交通等场景对海 量数据存储需求的释放，有力推动了存储需求的增加。

。 建立试点过程中的反馈机制，及时收集业务部门和 IT 部门的意见，调整优化模型和实施 方案，确保试点能够顺利过渡到全行推广阶段。 1 2 3 全行级推广路线图（ 2024-2026 ） 分阶段推广 2024 年重点推广试点验证成功的业务场景， 2025 年扩展至更多业务领域， 2026 年实现全行级覆盖， 确保大模型技术在银行各个业务环节中广泛应用。 03 02 01 资源投入规划 培训与支持 在全行范围内开展大模型技术的培训，提升员工的技术能力和应用水平，同时建立技术支持团队，及 时解决推广过程中遇到的问题。 关键里程碑与成效评估指标 关键里程碑 设定关键里程碑，如 2024 年完成试点 验证、 2025 年实现核心业务场景全覆 盖、 2026 年完成全行级推广，确保每 个阶段都有明确的目标和完成标准。 成效评估指标 制定科学的成效评估指标，包括业务 效率提升、成本降低、客户满意度提

智算集成实施培训方面，编制系统化培训 计划，开设多门课程，面向交付团队开展技术赋能，提升整体实施能力；在测试方面，支撑 覆盖计算子系统、网络子系统及集群联调测试，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 算力平台“飞星一号”。 为了确保集群训练的长时稳定高效，科大讯飞联合华为攻关团队，从底层基础设施到算 存网，再到 AI 工程化，全方位梳理影响集群长稳的关键指标，并通过流程优化、平台构建、 快速定位解决问题。2024 年初，科大讯飞联合华为智算运维团队对集群稳定性运维进行了 专项研讨，计划打造一套“智算运维黄金指标体系”，以填补智算运维领域标准的空白。从 采集、分析、计算、呈现几个方面入 542 家商户，覆盖景区 100%、酒店 80%、餐饮 59.2%，平台注 册用户超 4 万人，经营流水超 1300 万元。关于行业影响力，作为首个文旅行业大模型亮相 第七届数字中国峰会，在 2024 年全国文旅项目建设工作会议展示，获新华社、人民日报等 35 家权威媒体报道，全网曝光超 500 万次。湖北日报深度调研县域数字经济“利川模式”， 并在新华网进行发表，“利川模式”成为文旅县域城市智慧转型标杆。

2023) [6] Logprompt: Prompt engineering towards zero-shot and interpretable log analysis. (ICSE 2024 & ICPC 2024) 团队 repo 地址： https://github.com/LogAIBox 观点 2 ：智能运维演进趋势： 从任务数据驱动到自适应运维智慧体 PART 02

模型设计与训练阶段 起止时间：2023 年 12 月 16 日 - 2024 年 2 月 15 日 该阶段包括模型架构设计、超参数调优及模型训练。团队将使 用经过预处理和标注的数据进行模型训练，并通过交叉验证等 方法优化模型性能。 5. 模型评估与优化阶段 起止时间：2024 年 2 月 16 日 - 2024 年 3 月 15 日 在此阶段，模型将通过测试集进行评估，性能不达标的模型将 的模型将 进行优化。优化手段包括调整模型结构、重新选择特征或进一 步调整超参数。 6. 模型部署与上线阶段 起止时间：2024 年 3 月 16 日 - 2024 年 4 月 15 日 完成评估和优化的模型将被部署到生产环境，并进行实时监控 以确保其稳定运行。同时，团队将制定模型的更新和维护计 划。 各阶段时间安排如下表所示： 阶段名称 起止日期 需求分析与规划 2023 年 2023 年 12 月 16 日 - 2024 年 2 月 15 日 模型评估与优化 2024 年 2 月 16 日 - 2024 年 3 月 15 日 模型部署与上线 2024 年 3 月 16 日 - 2024 年 4 月 15 日 为更直观地展示各阶段的时间安排，以下使用 Mermaid 图表 示： 通过上述时间安排，确保项目在 2024 年 4 月 15 日前顺利完 成，

Yann LeCun ： 自回归大型语言模型没有前途 Apple 提出 LLM 并非真正的推理系统 怀疑论 2023-2024 年，推理能力突破性进展： • OpenAI o1/o3 在数学和代码推理任务上的卓越表现 • 开源大模型 DeepSeek-R1 在 MATH 基准上达到 87.2% 开源大模型 DeepSeek R1 匹敌 OpenAI o1 DeepSeek 的 “ aha moment” 这种深度推理能力是如何实现的？是单纯的规模扩展结果，还是有其他关键因素？ 2023-2024 年，推理能力突破性进展： • OpenAI o1/o3 在数学和代码推理任务上的卓越表现 • 开源大模型 DeepSeek-R1 在 MATH 基准上达到 87.2%