佛山南海区政府引导基金（中科科创管理） 投资逻辑： • “以投促引”：基金核心任务是吸引优质企业落户。投资后，智布互 联将总部迁至佛山。 • 产业协同： 智布的布料信息化解决方案与佛山强大的纺织印染产业 基础完美匹配，驱动产业智能化升级。 • 区域贡献： 强调企业迁移后的税收贡献与对本地产业的提升作用。 投资标的必须与本地优势产业 高度契合，能补强、升级现有 产业链。 产业协同原则 不以财务回报为唯一目标，设 结合，客服人均处理订单行数同比提升 48%； • 汇通达的“千橙AI超级店长”可协助门 店自动完成60%的日常管理工作，有效 将员工从琐碎事务中解放出来。 供应链与物流 • 在寻源与匹配方面，齐心集团通过AI实 现商品自动去重，匹配准确率最高达 97%； • 在物流履约方面，卓尔智联旗下化塑汇 的TMS/WMS系统将物流流程端到端可 视化管控； • 密尔克卫的4PL系统可自动化调度运力、 分析成本； 电信等行业选择7B模型集成CRM、ERP等核心系统， 字节跳动、阿里均在内部部署多个7B模型。 • 30B+模型仅用于战略报告撰写、法律判决等需要跨知 识推理的复杂任务，但受限于成本与工程复杂性。 02 规模分级实现精准的成本效益匹配 • 厂商提供从推理框架、量化压缩到微调流程的完整工 具包：阿里Qwen-Agent提供文档问答/结构化填表/ 财报解析模块化插件，企业按需即插即用；腾讯混元 Lite+SaaS中台让企业无需MLOps团队即可部署。

................ 12 7.3 多主体协同与职责分配 ................................................. 12 7.4 数据供给侧匹配 ....................................................... 13 7.5 数据交易与合约管理 ........................ ............. 19 8.4.3 目录发布 ......................................................... 19 8.4.4 供需匹配与撮合 ................................................... 20 8.5 数据产品研发与封装 ........................ ................ 25 9.2.3 数据发布与目录管理 ............................................... 26 9.2.4 数据需求匹配 ..................................................... 26 9.2.5 供需撮合 .............................

药物-基因相互作用 18% 85% ≥ 并发症关联规则 57% 95% ≥ 通过部署 DeepSeek 智能体，可实现诊断效率提升 200%（从 平均 26 分钟/例降至 8 分钟/例），并将个性化治疗方案匹配度从 当前的 58%提升至 89%。该系统特别适用于肿瘤、心血管等复杂 疾病领域，预计可减少 17%的过度医疗行为。 2.2 DeepSeek 智能体的适用场景 在医疗系统智能化转型过程中，DeepSeek 医保规则自动核验准确率 98.7% - ICD-10 编码自动匹配正确 率 91.4% 医疗资源调度场景 通过预测模型优化资源配置，在以下方面产生直接效益： - 住院床 位周转率提升 12% - 急诊分级分诊误差率降低至 3.2% - 手术室利 用率提高 18.5% 医药研发辅助场景 在临床试验阶段，智能体可快速完成： - 受试者筛选条件匹配 - 不 良事件报告自动归类 - 试验方案偏离预警 多模态数 据关联分析（将病理报告文本与影像学特征匹配） - 药物禁忌实时 预警（整合患者过敏史与处方药品库比对） 测试数据显示，在辅助诊断场景下，系统可将医生查阅指南的 时间缩短 67%，关键信息遗漏率降低 41%。 医患沟通增强 通过对话理解技术实现： 1. 智能分诊问答：准确理解患者主诉 ” （如 饭后上腹隐痛 3 ” 周 ），匹配科室推荐准确率 89% 2. 医嘱自动 生成：

其次，规则引擎的僵化导致大量简单案件无法快速通过。当前 系统对医疗费用合理性判断仍依赖人工对照社保目录，以下为典型 场景的处理耗时对比： 处理环节 传统人工处理 理想自动化处理 票据识别 12-25 分钟 <1 分钟 药品目录匹配 8-15 分钟 即时 处理环节 传统人工处理 理想自动化处理 责任条款核验 20-40 分钟 5-10 分钟 第三，跨系统协作产生的数据孤岛问题显著拉长处理周期。核 赔人员通常需要同时登录核心业务系统、医院数据平台、再保系统 赔人员通常需要同时登录核心业务系统、医院数据平台、再保系统 等 4-6 个独立平台进行信息比对，仅系统切换操作就消耗日均工作 时间的 22%。某寿险公司流程审计发现，重大疾病理赔中仅病理报 告与保险条款的匹配环节，就因系统间数据标准不统一导致平均 1.8 个工作日的额外延迟。 这种低效处理模式直接带来两方面负面影响：一方面导致客户 满意度持续走低，行业 NPS（净推荐值）普遍低于 30 分；另一方 面显著 15%。通过引入 DeepSeek 大模型，可针对性解决上述痛 点：其多模态识别能力能实现医疗票据、交通事故照片等材料的智 能解析，将单证处理时间压缩 90%以上；内置的保险条款知识图谱 能自动完成责任匹配，使标准案件自动化处理比例提升至 70%。 2.1.2 人工审核成本高 传统保险理赔业务中，人工审核环节存在显著的成本效率问 题。理赔案件通常需要经过多级人工复核，从材料初审、验真、定 损到

服务效率瓶颈：人工坐席日均处理咨询量约 50-80 通，高峰时段 响应延迟超过 30 分钟 - 风险管控滞后：车险骗保识别依赖人工审核，误判率高达 18% - 个性化服务缺失：标准化的产品推荐匹配度不足，转化率低于 12% - 运营成本高企：培训新人代理平均投入超 2.3 万元/ 人， ROI 周期 长达 9 个月 技术层面，现有系统存在明显短板：核心业务系统平均年龄达 7.5 倾向于数字化交互，其保险产品线上咨询率已达 62%（中国银保监 会 2023 年数据），但行业平均线上转化率仅为传统渠道的 1/3。 这暴露出三个关键痛点：①传统人工服务响应速度平均超过 4 小 时；②标准化产品难以匹配个性化需求；③跨渠道数据割裂导致服 务连续性差。 其次，运营效率提升存在技术瓶颈。典型财产险公司每单理赔 处理平均消耗 5.2 人工小时，其中 40%时间用于资料核验等重复劳 动。精算建模周期从需求提出到交付平均需要 —-| | 数 据清洗模块 | 50 万条/ 小时 | <2ms | 99.98% | | 意图识别模型 | 3000 QPS | 150ms | 93.2% | | 条款匹配引擎 | 200 份/ 秒 | 500ms | 97.5% | | 风险评估模型 | 100 案例/ 秒 | 1.2s | 91.8% | 智能体引擎层部署多模态大模型，采用混合专家（MoE）架构

项目实施将分阶段重点突破三个技术难点：第一，解决金融领 域专业术语和监管政策的语义理解问题，通过构建包含超过 50 万 条金融实体知识的领域词典；第二，确保模型输出符合金融合规要 求，建立三级内容过滤机制，包括敏感词库匹配、监管规则引擎和 人工审核通道；第三，实现与传统银行 IT 架构的无缝对接，开发 专用 API 网关支持与核心系统、CRM、反洗钱等关键平台的标准 化数据交互。整个方案设计严格遵循《商业银行人工智能应用指 99.3% 应用场景 传统方案痛点 DeepSeek 解决方案优势 实测效果提升 反洗钱监测 规则引擎误报率高达 35% 构建动态交易图谱分析模型 误报率降至 9.2% 财富管理 产品匹配依赖人工问卷 客户画像+市场信号联合推理 AUM 转化率提升 22% 跨境支付 SWIFT 报文解析效率低 下 多语言语义理解与自动填单 处理速度提升 5.8 倍 从技术实现角度看，DeepSeek 分钟缩短至 35 秒，人工干预率下降 72%。 专业化服务涉及需要金融知识输出的中高复杂度业务，典型场 景包括： - 财富管理：组合推荐、市场解读、收益分析 - 信贷业 务：产品匹配、方案定制、额度测算 - 国际业务：跨境结算、外汇 交易、信用证处理 - 投资银行：并购咨询、债券承销、结构化融资 此类场景要求智能体具备专业术语理解能力和动态决策支持功能， 某股份制银

智算中心成为用电量增长主力 10 第三章：中国净零碳电力算力地图 11 ● 智算中心发展初期主要在绿电供给不充分的东部 12 ● 2030 年清洁电力发电量预测 12 ● 智算用电需求的动态匹配 13 ● 绿色算力电力区位条件 15 第四章，智算加速建立新型电力系统 17 ● 24/7 全天候“智”“能”调度 17 ● 绿电直供与跨区域交易 18 ● 源网荷储碳一体的配电网与微电网 亿度）。 2030预估清洁电力规模（包括核电）前五名省份为：广东（11208亿度）、四川（6462 亿度）、云南（5381 亿度）、福建（4783 亿度）、浙江（4548 亿度）。 智算用电需求的动态匹配 算力的任务，而不是算力，可以在不同的数据中心和算力集群之间进行调度， 通常以分布式计算和云计算技术实现。这种调度实际上是数据、应用与业务的 传输，由于其成本低于能源运输和电力输送的成本，数据可以高通量传输到绿 尽管如此，部分省份仍然存在智算清洁用电量和发电量的不匹配。长三角和京 津冀的绿电用电需求压力不小，在技术保守情景下，长三角智算用电量几乎占 去绿电发电量的一半，京津冀占到三分之一。这也是电动汽车与数字化工业对 绿电需求迅速攀升的地区。而云南、新疆、青海绿电规模预计在 2030 年将大幅 提升，但目前暂无承担算力枢纽核心任务的规划。 到 2030 年，中国至少有 9 个省市，处于清洁电力资源与智能算力经济相对匹配 的状态（右

自动对体检单进行信息抽取，提取到健康状况及疾病相关 的信息。 l 专家知识通过自然语言的方式将产品匹配规则进行输入， Agent会自动根据抽取的信息和匹配规则，针对用户的健 康情况，推荐适配的健康保障产品。 l 辅助经纪人在已有客户上面进行更大范围的产品销售和推 荐 体检单信息 抽取分析 产品规则匹配 健康保障产品 推荐报告 精准获客 精准过滤并锁 定1 5%～ 1 8%的适用人 群，提升获客 对于用户不明白的疑问，查询文档予以解释 收集所有需要的字段信息 用户确认所有信息的正确性 Question Answer 获取记忆 决策todo 选择action 推理回复结果 参数匹配 短期记忆 长期记忆 三方API 工作流 Agent 智能决策 任务执行 观察结果 记忆存储 Use r Agen t Skill s 项目背景 l 需要完成一个模拟一个真实的客户经理，帮助用户进行

导航、接驳换乘、停车诱 导伴随式信息服务 ，实现公众出行在线预约、无缝衔接、无感支付、安全舒适绿色出行。 出行需求和运力 靠性差 ，难以 获 资源感知不足 ，运力资源时空上难以精准匹配；出行信息准确性和可 得及时有效诱导信息；联程联运、换乘方式不够便捷 ， 出行体验差； 综合交通 IOC 核心业务场 景 图 4- 出行信息服务场 景 图 1- 运行监测预警场 景 GIS 公共交通运行监测 监测公共交通运行态势，提升公共交通分担率及公众出行体验 公共交通出行时间节省 3%~9% 出行换乘时间节省 20%~50% 公共交通供需精准匹配 多样化公共交通运行特征模型识别 多维度实时掌握全天客流出行规律 交通资源供需失衡致因分析 一体化融合监测 跨业务系统多种出行方式融合衔接 公共交通云 - 网 - 端一体化全要素 可视化指挥调度 应急值守 风险隐患监测监控 统计分析 预测预警管理 应急信息服务 应急评估 应急响应操作管理 应急响应操作配置 应急资源管理 应急预案管理 应急自定义标签 应急预案匹配 执行过程跟踪 事件接警接管 响应操作数字化 应急预案结构化 动态推演 事件研判 分发推送 多源事件感知预警 研判分析 事后评估 多方协同 部门联动 事件预警 协同联动处置

智算中心成为用电量增长主力 10 第三章：中国净零碳电力算力地图 11 ● 智算中心发展初期主要在绿电供给不充分的东部 12 ● 2030 年清洁电力发电量预测 12 ● 智算用电需求的动态匹配 13 ● 绿色算力电力区位条件 15 第四章，智算加速建立新型电力系统 17 ● 24/7 全天候“智”“能”调度 17 ● 绿电直供与跨区域交易 18 ● 源网荷储碳一体的配电网与微电网 2030 预估清洁电力规模（包括核电）前五名省份为：广东（11208 亿度）、四 川（6462 亿度）、云南（5381 亿度）、福建（4783 亿度）、浙江（4548 亿度）。 智算用电需求的动态匹配 算力的任务，而不是算力，可以在不同的数据中心和算力集群之间进行调度， 通常以分布式计算和云计算技术实现。这种调度实际上是数据、应用与业务的 传输，由于其成本低于能源运输和电力输送的成本，数据可以高通量传输到绿 模存在错配。算力、电力、零碳，这三个目标要协调发展，需要尽可能地向本 地推理直接提供清洁电力，将训练与时延不敏感的推理需求，放到绿电丰富的 地区。 尽管如此，部分省份仍然存在智算清洁用电量和发电量的不匹配。长三角和京 津冀的绿电用电需求压力不小，在技术保守情景下，长三角智算用电量几乎占 去绿电发电量的一半，京津冀占到三分之一。这也是电动汽车与数字化工业对 绿电需求迅速攀升的地区。而云南、新疆、青海绿电规模预计在