保险行业 AI 协同办公解决方 案 腾讯金融云 周梦薇 提振销售 创新产服 企微坐席助手 代理人赋能助手 自动化内容生成 智能外呼自动助手 内部产服专家智能体 智能产品开发 自动化辅助核保 保单生命周期管理 理赔辅助分析 7*24 自动化客服 资 产 端 提升效能 资产配置智能 决策 辅助配置智能 决策 … 生成式 AI 正加速崛起， 成为驱动保险业务创新与增长的核心引 Step3 ： AI 助手根据候选人回答情况实时生成面试问 题 Step2 ：通过短信、微信通知候选人 ， 日程同步面试 官 Step4 ：面试完成后， AI 助手生成候选人面试评 价 腾讯 AI 协同方案服务众多金融机 构 13 客户基本情况 客户背景 > 某保司服务网络覆盖全国； > 为贯彻落实“以客户为中心”发展理念，

AI oT 云边协同 赋能行业边缘智能 新华三集团 杜利征 智能交通 V2X 车路协同 智能工厂无人质检 智能电网无人巡检 智慧水利水文监测 智慧金融无人网点 智慧零售数字便利店 应用驱动数字化技术深度融合 “ 以业务应用场景， 边缘环境迥然（大量异构设备需要联网） 业务千变万化（业务需求多样化） 行业边缘智能： 面向场景感知 、实时决策和预测分析等业务场景， 将云 原 生能力拓展到行业现场， 基于云边协同部署边缘 AI 应用， 边缘提供 AI 算力 和本地物联接入， 使能行业边缘业务落地 。 行业边缘智能是行业数字化转型基石 IoT 网 络 边缘应用 AI 算 力 边缘平台 物联 管理 安全 计算 节点 管理 智能 策略 边缘 管理 Wi-Fi 终端 Linux OS & 容器 /ARM/x86 Wi-Fi 6 + LoRaWAN ：宽窄带一体化无线网络 AI oT 云边协同系统架 构 RFID 定位 蓝牙定位

面向具身智能的 大小脑模型协同算法研究及实践 盛律 | 软件学院 2025-08-23 1 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 2 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 技能泛化、真实交互、本体扩展 Skill （技能泛化） Reality （真实交互） Embodiment （本体扩展） Adapted from Jim Fan’s talk 7 具身模型的几种类型 大小脑协同 端到端 8 具身模型的最新进展：代表性新工作 端到端VLA (2024.10) 大小脑 hi robot (2025.02) 混合 (2025.04) 大脑-小脑 端到端VLA 端测SDK 由用户Id:349461下载,文档Id:908399,下载日期:2025-09-10 大小脑模型协同的技术路线仍有机会 q 端到端模型虽决策高效，但泛化性和扩展性受限，受制于环境交互与硬件适配， 难以适应多样场景。而模块化的大小脑协同框架凭借强泛化、可解释优势，正成 为学界与业界的研究热点 模块化：大小脑协同框架赋予具身智能体模块化优势，具备可扩展架构、高效开发 与强适应性三大特性 可泛化：基于

一、价值：产业链数字化协同痛难点的可能解决方案 3 1.1 产业链数字化协同的现状及痛点 3 1.2 数字人民币的技术特性与产业协同价值 应用 二、应用：数字人民币助力产业链数字化协同的创新现状、案例与展望 7 2.1 数字人民币产业端应用的整体现状 7 2.2 数字人民币产业链数字化协同的典型案例 数字人民币产业端应用的展望 14 生态构建 三、生态构建：数字人民币的新型产业链数字化协同生态体系发展建议 16 3.1 数字人民币产业应用生态构建

应用的底层刚需，2026 年央企信创渗透率以超 90%为目 标，正推动央企加速构建全链路国产化底座，从建设层级看，央企先完成核心系统（如调 度、生产管控）的国产化替代，再向边缘系统（如办公、辅助管理）延伸，从协同模式看， 央企与国产芯片、操作系统厂商建立“联合研发机制”，以加速软硬件优化和适配。 （二）场景端：从“单点试点”向“全领域规模化渗透”加速落地 央企 AI 应用已跳出“局部试用”的探索期，进入“全场景覆盖+全流程渗透”的规模 （五）生态层：跨央企协同与产业共同体共建 AI 推动央企转型从单一主体推进转向产业链协同共建，形成“资源共享、技术共创、 标准共定”的生态模式。由产业链主央企牵头，联合上下游企业组建创新联合体，共享行 业数据集、国产化算力平台与共性算法模型，共建专利池与联合测试环境。通过专项基金 聚焦 AI 安全、信创适配等共性难题攻关，联合制定行业 AI 应用标准与数据互通规范，降 低跨企适配成本。这种协同模式可使核心技术研发周期缩短 动、中国联通、中 国电子、中国旅游 等 运输物流 • 运输物流 12 家 • 直接提供货物与人员的流通服务，是战 略物资运输与民生服务枢纽，强调实时 性与多模式协同 • AI 应用侧重智能调度、路径优化、仓储 管理、供应链协同等场景，核心提高运 输效率与服务响应 中国国航、东航集 团、南航集团、中 国航信、中国物流 等 建筑工程 • 建筑工程 7 家 • 业务形态与重工业区别明显，属于项目

系 公共卫生 医疗服务 医疗保障 药品管理 计划生育 综合管理 地市级人口健康区域信息平台 区县级人口健康区域信息平台 国家级人口健 康管理平台 省级人口健康 信息平台 中西医协同的公共 卫生信息系统 基层医疗卫生管理 信息系统 医疗健康公共服务 信息系统 6 项业务应用 4 级卫生信息平台 电子健康 档数据库 电子病例 数据库 全员人口个 案数据库 人口健康统一网路 “ 十三五”时期，医疗卫生行业将是国家 信息化发展的重点，其已纳入国家网络 安全和信息化建设重点规划。  全面建成互联互通的四级信息平台  持续深化重点业务应用，实现六大业 务协同应用和信息共享  实现三大数据库基本覆盖全国人口并 整合共享  普及应用一张居民健康卡， 2020 年 前实现全国“一卡通”  构建一个融合网络，安全承载健康信 息互联 4 . 国家政策 …… …… 业务数据存储 业务数据存储 业务数据存储 业务数据存储 业务数据存储 业务数据存储 业务数据存储 外部接口 公 安 民 政 计 生 医 保 银 行 2 、高效存储 协同共享便利： 为整合内部业务和外部服务系统提供便利，为移动应用创造条件 云存储： 医学影像数据量不断增加，提供弹性按需存储服务 云归档： 热 / 冷数据差异化处理，影像文件高效并发索引归档

大范围价值闭环效应发力于“产业AI、产业出海和深度价值链” 成长期（2025年~） • 价值闭环效应：企业将展现出持续盈利能力，酝酿出现利润率高于现有行业惯例的企业。 • 大范围价值创造：平台将凸显组织生态协同，配置生产要素价值。 • 新模式新业态质变：将从产业AI、深度价值链、产业出海三个方向，催生高效率高盈利，组织大范围生态协作的数字供应链平台、 产业数智科技、平台化品牌。 - 5 - 千峰奖申报企业类型分布（2025） 提升区域产业竞争力：通过引入产业互联网实现产业链的整合、 延伸和升级，构建产业链新生态，促进创新与协同。 目标：地方产业升级 • 对企业： 提供了宝贵的“续命”资金与真实的产业落地场景， 从“烧钱换规模”转向“价值换增长”。 • 对产业： 推动区域性产业集群的数字化整合，提升全要素生 产率与全产业链协同效率。 • 对技术： 促进AI等新技术与实体产业在采购、生产、供应链 等核心环节的深度融合。 结果：加速产业融合 国资参与比例 纯市场资本比例 2025产业互联网投融资事件 资本结构 - 11 - 资本动向：国资重构产业互联网投资逻辑 资料来源：公开资料整理 国有资本正在以“产业协同”为核心逻辑、通过以投促引等方式，系统性加大对产业互联网核心环节的投资布局。其投资更看重对地 方经济的整体实质贡献而非单纯财务回报。这将为产业互联网企业带来两个明确机会：其一，主动融入区域产业规划，借力地方产业

2019 年 12 月 交通运输部印发《推进智慧 交通发展行动计划（ 2017— 2020 年 ） 》 （ 交 办 规 划 〔 2017 〕 11 号 ） 将 “ 跨行 业、跨区域协同的交通运输 运行监测和应急指挥体系基 本建成 ， 基于大数据的决策 和监管水平明显提升 ”列为 主要目标 ， 以“提升宏观决 策、 业务管理和社会服务的 能力和水平 ，形成集多种运 输方式日常运行监测 分省份面临升级 改造 需求； 4 4 协同建设一体化综合交通体系 • 共建轨道上的长三角。构建快速轨道交通网，公 交 化客运服务。 • 提升省际公路通达能力。 • 合力打造世界级机场群。 • 协同推进港口航道建设。 • 推进一体化智能化交通管理。 深化客货运输领域协同监管、信息交换共享、大数据 分析等合作。积极开展车联网和车路协同技术创新 试 点。全面推行长三角地区联网售票一网通、交通 三大经济圈提出区域一体化交通网络规划，构建一体化综合交通运输体系 201912 ：长三角区域一体化发展规划纲要 201902 ：粤港澳大湾区发展规划纲要 201512 ：京津冀协同发展交通一体化规划 5 • 车辆多行驶慢 • 道路堵污染重 • 弱协同决策难 • 不精准难预防 枢纽集散、拥堵治理 重大活动 / 重要节假日、恶劣天气 预测预警、行业监管 公共交通、运输秩序、政策法规 交通拥堵

力供应链自主化。高效的算法一方面减缓了AI训练的算力需求，另一方面AI应用的普及导致AI训练与推理的 侧重点发生转变，预计未来几年推理算力占比将远超训练部分。 1.2 技术破局：从GPU集群到分布式协同一体 建设和运营智算中心需要巨大的资本投入，包括购买昂贵的AI芯片、建设高密度机房等。AI工作负载对 网络带宽和存储性能有极高的要求。AIDC需要优化网络架构，例如采用高吞吐量的以太网或InfiniBand，并 部署高速、大容量的存储系统。互联网公司通常具备强大的云计算、大数据、人工智能等核心技术积累和研 发实力，能够快速迭代和推出创新性的AI服务和解决方案。许多互联网巨头具备自研硬件（如AI芯片）和软 件的能力，可以实现软硬件深度协同优化，提升智算中心的性能和效率。电信运营商拥有覆盖全国甚至全球 的骨干网络和接入网络，这为智算中心互联提供了得天独厚的网络优势，可以为用户提供低延迟、高带宽的 连接服务，尤其是在边缘计算场景下更具优势。 输的关键技术。面向RDMA的广域网技术要求包括两类：一是满足承载不同RDMA协议的技术要求，二是满 足海量数据传输需求的高带宽、大象流负载均衡、精细化流控等技术要求。借助RDMA技术，通过分布式智 算中心网络实现区域内多智算中心协同计算，可以满足更大规模的算力需求。 总而言之，算力的需求正在快速增长。由于AIGC的出现，大模型的训练和推理导致智算超越了通算。智 算中心节点规模越来越大，对网络性能（吞吐和时延）要求越来越高，其发展趋势是从scale