日常重复业务，在提高税收管理效率的同时，可以降低税收管理成本。 此外，大模型训练语料库涵盖了巨大的专业数据，其中包含中税 集团多年累积的超百万法规库、千万量级的案例判例、几万本税务电 子书，以及专家知识及实操案例等。 目前，税务行业标准大模型成为了税务这一垂直行业领域大模型 的典型应用，并在注册税务师考试中的成绩已经超越了 ChatGPT。凭 借其创新技术与应用表现，入选“北京市通用人工智能大模型行业应 型在注册税务师 考试中的成绩已经超越了 ChatGPT。 2、强大的研发团队 360 集团与中税集团组建专业团队，汇集多位深耕人工智能技术领 域的创新技术专家，以及具有丰富实操经验的税收专家，形成 GPT 培 训师团队，成为大模型效果持续优化的保障。 3、丰富的训练语料 360 数据量 A 股行业第一，是第二名的 2 倍，是 GPT-3 的 14 倍， 以搜索为 化、数字化和现代化，促进税收政策的创新和完善；面对行业，助力 税务行业实现自动化、智能化以及创新化的数据处理、分析以及预测； 面向企业，助力企业高效、合规地完成税务规划工作。让大模型学会 税务专家的税务专业知识及实操逻辑，实现从数字化到智能化跨越， 加速数字中国发展。

供准确、详尽的解答。系统将支持自然语言处理，能够理解并 处理复杂的查询语句，提升用户体验。 3. 决策支持功能增强：利用 deepseek 模型的预测和分析功能， 为政府部门提供数据驱动的决策支持。通过分析历史数据和实 时信息，系统能够生成趋势预测、风险评估等报告，帮助决策 者做出更加科学、合理的决策。 4. 安全与隐私保护：在系统设计和实施过程中，严格遵守国家信 息安全法律法规，确保数据的安全性和用户隐私的保护。通过 Neo4j）或关系数据库 （如 MySQL）进行存储。图数据库适合存储复杂的实体关系，而 关系数据库则适合存储结构化表格数据。具体存储方案如下：  实体存储：每个实体作为图数据库中的节点，节点属性包括实 体名称、类型、描述等。  关系存储：实体之间的关系作为图数据库中的边，边属性包括 关系类型、时间、来源等。  知识图谱构建：将实体和关系以图的形式存储，形成知识图谱。 知识图谱可以应用于智能问答、政策推荐等场景。 法则基于知识库中文本的语义相似度，推荐与当前文档主题相近的 内容。例如，多位基层办事员在查询“社保缴纳”后，系统会分析其 共同访问的文档，向新用户推荐这些内容。 此外，系统还支持实时动态推荐功能。通过分析用户的实时操 作行为，如关键词搜索、文档点击、停留时长等，模块能够动态调 整推荐内容，确保其与用户的即时需求高度匹配。例如，用户在浏 览某政策文件时，系统会实时推荐相关的解读文章或历史案例，帮 助用户深入理解政策内涵。

加速智慧教育前行步伐 打造高效人工智能教学与实训解决方案 英特尔携手合作伙伴持续探索人工智能教学场景建设 • 人工智能教育市场现状与趋势 • 人工智能教育面临的挑战及对策 • 基于英特尔产品与技术，打造 “云 - 边 - 端” 架构人工智能 教育实训环境 基于英特尔优化方案的应用案例 • 联合伟世：“云 - 边 - 端” 协同，采用先进硬件与创新理念 打造高效人工智能教学实训平台 • 五舟科技：高性能硬件助力打造高校人工智能教学平台 此外，本手册的编撰工作也得到了合作伙伴及诸多英特尔同事们给予的大力支持帮助，在此表示感谢。 趋势篇 7 趋 势 篇 英 特 尔 中 国 教 育 行 业 AI 实 战 手 册 实 战 篇 英 特 尔 中 国 教 育 行 业 AI 实 战 手 册 助力教育智能化转型 服务教育现代化进程 百年大计，教育为本。教育是民族振兴、社会进步的基石， 强国必先强教。多年来，中国以教育信息化支撑和引领教育 多媒体学习终端 • …… • 互动式教学 • 精准化教学规划 • 多对多双师课堂 • AI 教学实训； • …… 信息化教育 技术驱动 智慧教育 数据驱动 9 8 趋 势 篇 趋 势 篇 英 特 尔 中 国 教 育 行 业 AI 实 战 手 册 英 特 尔 中 国 教 育 行 业 AI 实 战 手 册 大规模的投入加快了智能技术在教育行业的创新应用，语音 识别、自然语音理解、深度学习、AR/VR

智算一体 机不仅能显著提升医疗机构的运营效率，还能为患者提供更精准、 更高效的医疗服务，助力医疗行业智能化升级。 2. 技术架构设计 在医疗场景中，DeepSeek 智算一体机的技术架构设计旨在实 现高效、可靠且可扩展的智能计算能力，以满足医疗数据处理、分 析和决策支持的多样化需求。该架构采用分层设计，包括基础设施 层、数据处理层、智能计算层和应用层，每层之间通过标准接口实 现无缝集成与协同工作。 智算一体机 的软件架构采用模块化设计，兼顾灵活性、扩展性与稳定性。整体 架构分为数据接入层、计算引擎层、应用服务层和安全管理层四个 核心模块。数据接入层通过统一的 API 接口支持多源异构数据的实 时接入与预处理，确保数据的完整性与一致性。计算引擎层基于分 布式架构，采用 CPU+GPU 异构计算模式，支持深度学习、机器学 习、图像处理等算法的并行计算，并通过任务调度优化算法实现资 源 智算一体机的操作系统与虚拟化技 术设计是确保系统高效、稳定和安全运行的核心要素。操作系统采 用基于 Linux 内核的定制化操作系统，针对医疗场景的特殊需求进 行优化，具备高效的任务调度、资源管理和安全性保障能力。该操 作系统支持多任务并发处理，能够实时响应医疗数据处理需求，同 时通过内核级别的安全机制，确保患者数据的安全与隐私。 在虚拟化技术方面，采用 KVM（Kernel-based Virtual

住院床位周转率 78% ≥85% 智能出院预测模型+资源动态调度 算法 从医疗质量提升维度，项目将重点攻克两个技术瓶颈：一是利 用 DeepSeek-NLP 构建的病程进展预测模型，在肿瘤化疗领域实 现不良反应早期预警准确率从现有 62%提升至 82%；二是通过手 术室智能排程系统，使三级医院择期手术取消率从 9.3%降至 5%以 下。经济效益方面，预计整套方案可使三甲医院年运营成本降低 良事件报告自动归类 - 试验方案偏离预警 这些场景的实现均基于 DeepSeek 智能体特有的医疗知识图谱 （包含 450 万医学实体关系）和动态学习机制，系统能持续通过真 实诊疗数据优化模型，同时严格遵循 HIPAA 等数据安全规范。实 际部署时需根据机构信息化基础选择 API 对接或私有化部署方案， 典型实施周期为 6-8 周。 2.2.1 自然语言处理能力 在医疗系统智能化升级过程中，DeepSeek 异构数据整合与标准化处理 医疗数据通常包含结构化电子病历（EMR）、非结构化影像 报告、基因测序数据以及物联网设备生成的实时监测数 据。DeepSeek 智能体通过内置的医疗数据治理模块，可实 现： o 自然语言处理引擎自动解析临床文本（如出院小结、病 理报告），提取关键字段并结构化 o DICOM 影像数据与 HL7 协议数据的自动对齐与关联 o 跨机构数据的标准化映射（如 ICD-10

去除 了对模型输出影响较小的权重。通过这一过程，模型的参数量减少 了约 30%，而精度损失控制在 1%以内，显著提升了模型的运行效 率。 此外，为了提高模型对不同建筑设计元素的识别能力，我们实 施了数据增强策略。这包括对建筑图像进行旋转、缩放、裁剪和颜 色抖动等操作，以增加训练数据的多样性。通过这一措施，模型在 复杂场景下的表现得到了显著提升，尤其是在处理光照变化和视角 差异较大的图像时，准确率提高了 交互设计方面，采用拖拽、双击、右键菜单等常用操作方式， 确保用户的操作习惯得到尊重。设计师可以通过拖拽工具在画布上 快速创建建筑元素，双击对象进入编辑模式，右键菜单提供快速操 作选项。为提升用户体验，引入智能提示功能，当用户进行某项操 作时，系统会根据上下文自动弹出相关建议或快捷键提示。此外， 支持多视图协作，用户可以在同一界面中同时查看平面图、立面 图、3D 模型等，方便多角度设计验证。 在建筑设计领域，自然语言交互（Natural Language Interaction, NLI）作为一种直观且高效的交互方式，能够显著提 升用户体验和设计效率。通过引入 DeepSeek 大模型，系统可以实 现与用户的智能对话，理解和执行复杂的建筑设计指令。用户在系 “ 统中可以直接通过自然语言描述设计需求，例如 为一栋五层办公 ” “ 楼设计一个现代化的外立面，采用玻璃幕墙和金属框架结构 或 为

外部发起的网络攻击行为； 符合 b) 应在关键网络节点处检测、防止或限制从 内部发起的网络攻击行为； 符合 40 智安网络等级保护安全防御体系方案 c) 应采取技术措施对网络行为进行分析，实 现对网络攻击特别是新型网络攻击行为的分 析； 符合 d) 当检测到攻击行为时，记录攻击源 IP、攻 击类型、攻击目标、攻击时间，在发生严重 入侵事件时应提供报警 符合 8.1.3.4 Iframe、CSS、JS、SWF、ActiveX 等。 “取证”模式确保评 估结果准确可信 通过所发现的应用漏洞，自动模拟黑客使用的漏洞攻击 手段，对目标应用进行深入安全分析，利用沙盒技术实 施无害攻击，取得系统安全威胁的直接证据。同时支持 对所有扫描结果中的存在的安全漏洞进行手工取证。 灵活、丰富可自定 义的漏洞扫描模式 支持主动扫描和被动扫描，同时为扫描任务提供非常丰 富 地、智能地解析对数据库 的各种操作，并保存审计 日志信息以便日后进行查 询、分析，实现对数据库 用户操作的监控和审计， 帮助用户提升数据库运行 监控的透明度，实现数据 库日常操作可监控，所有 操作行为可审计，违规操 作安全事件可追溯。 所有数据库 现场 产品/旁路 镜像 安全管理中心 远程安全 评估系统 提供 Web、数据库、基线 配置核查、操作系统、软 件、弱口令、端口与服务 内网主机系

Rawski提出的拓扑跳变策略,可以从预先计算好的配置 中根据网络状态的安全等级周期性地选择变化,也可以由捕 获的网络 异 常 事 件 触 发 拓 扑 跳 变[３５].Bai等 结 合 真 实 主 机 IP、操作系统类型等信息和添加的虚假主机构造虚假网络拓 扑,从跳变池中选择虚假网络拓扑进行随机拓扑跳变,并按照 拓扑差异值决定当前虚假拓扑的存活时间[３６]. ２)系统层 (１)容 ３)数据层 (１)数据随机化指将重要的数据信息进行随机化处理,如 加密、哈希等操作,使得攻击者无法获取或解密数据,以增加 攻击者获取数据的难度. Cadar等使用 静 态 分 析 法 将 指 令 操 作 数 分 为 不 同 等 价 类,为各类分配不同的随机掩码,使用对应掩码进行内存数据 读取[４７].Man等使用域敏感指针分析技术将数据分为不同 等价类,为各类分配密钥并进行加解密[４８]. 过程建模为双人博弈,利用博弈论来确定一种系统安全性和 可用性之间较为均衡的最优防御策略[５９]. ②动态博弈相较于静态博弈,更充分考虑了攻防双方行 动的非同时性,双方采用实时行动进行攻防博弈,更加符合实 际网络攻防场景.其中较为常见的是通过信号收发进行行动 选择的信号博弈,以及参与者决策、收益都可由微分方程描述 且连续可导的微分博弈. Liu等提出一种 信 号 博 弈 模 型,使 用 博 弈

上海 / 中国 罗兰贝格 洞见 数字化运维的制胜基石 1 随着互联技术的革新、大数据的应用与积累、计算能力的提 升及相关模型理论的高速发展，人工智能的应用场景逐渐丰 富，并在近几年逐步过渡到实操落地。各行各业正积极探索 通过人工智能赋能的运营模式，并以此推动产业升级及长期 的运营转型。 在政策端，从2017年7月国务院印发的《新一代人工智能发 展规划》开始，各省陆续出台了智能制造产业的扶持政策，如

任等方面做出了系统性的要求。 • 体现了全面加强了对公民个人信息的保护。 • 保障网络数据安全进入了国家网络安全的视野。 背景 网络安全等级保护基本要求 （ 2.0 ）将于 2019 年 12 月 1 日实 施。 信息系统安全等级保护简介 什么是等级保护 • 信息安全等级保护是指：对国家 秘密信息、法人和其他组织及公 民的专有信息、公开信息分类分 级进行管理和保护； • 根据信息系统应用业务重要程 合 ， 为 避 免 不 必 要 的 风 险 ， 请 配 合 人 员 亲 自 操 作 ， 协 助 完 成 测 评 人 员 对 设 备 相 关 安 物 理 安 全 • 需 要 到 物 理 机 房 实 地 检 查 ， 请 提 前 申 请 进 入 机 房 的 相 关 手 续 ，