通过⼩规模试点，验证AI ⼯具的效果并积累经验。 ⽣成式AI企业智能增效五步法® 生成式AI企业智能增效五步法® 第⼀步：启动AI思维 ⽬标： 培养领导层和关键员工对生成式AI的认知，了解其在提升生产 力方面的潜力 实施步骤： 组织AI思维培训：重点介绍生成式AI的基础知识、应用场景和 优势。 创建开放的学习环境：鼓励员工积极尝试和反馈生成式AI工 具。 第⼆步：聚焦⾼价值任务 ⽬标： 识别各 识别各部门工作流程中最耗时、最重复、最低效的环节，特别 是与沟通相关的任务。 确定首批应用AI的领域，并设定明确的自动化目标。 实施步骤： 梳理⼯作流程：找出最需要优化的环节，尤其是那些涉及大量 文本生成、编辑或沟通的任务。 优先排序任务：根据任务的价值和自动化潜力进行排序，设定 具体目标。 客⼾类型 服务类别 具体服务 个⼈客⼾ 储蓄与投资 储蓄账⼾、定期存款、投资基⾦、股票交易账⼾ 贷款和信贷 选择并实施适合优先领域的生成式AI工具 通过小规模试点，验证AI工具的效果并积累经验。 实施步骤： 评估并选择AI工具：根据试点任务的特点和需求，选择合适的生成式AI工 具。 1. 小规模试点：从简单任务开始，逐步扩大应用范围。 2. 快速迭代优化：根据试点反馈，不断调整和优化AI工具的使用方式。 3. 创建⾼价值任务模板库： 分析过往成功案例，提炼高效沟通模式。 利用生成式AI，根据不同场景和目标受众，生成多样化的模板。

.............................................................................. 23 广告：AI 算法优化推送机制，生成式 AI 实现自动化广告制作 ........................................................................... 23 搜索：引入大模型后，Bing 模型通常具备图像理解、图像生成 能力。部分最前沿的闭源大模型，例如 GPT-4o、谷歌 Gemini，支持的模态更加多元，能 够理解文本、图像、音频、视频（帧），并生成文本、图像、音频。2022 年 9 月，红杉资 本预计还需要近十年的时间，大模型才能实现实习生级别的代码生成、好莱坞质量的视频 和区别于机械声的人类质量语音，但是实际进展远超当时预期，Sora 已经能够生成 60s 的 高质量视频，GPT-4o 的作用不断深化，生成式 AI 新的应用不断被解 锁。通过对 AI 在搜索、电商零售、办公、金融法律、影视游戏，医药、教育、汽车等行业 应用前景的分析，我们认为，AI 应用的落地节奏或与行业数字化程度成正比，我们看到 AI 大模型在互联网（搜索+广告营销）、办公、金融等领域率先迎来“iPhone 时刻”。其中最 值得关注的应用包括：1）文本生成在电商、金融、医疗等行业替代传统客服；2）文本和 图像生成在办公、

61%）、以及缺乏动态客户画像更新机制。这些 缺陷导致现有智能助手仅能处理 11%的客户需求，远未达到替代人 工的标准。 1.2 DeepSeek AI 大模型的优势与应用潜力 DeepSeek AI 大模型作为国内领先的生成式人工智能技术，在 金融领域展现出显著的技术优势与应用潜力。其核心能力建立在千 亿级参数训练基础上，通过融合金融行业知识图谱与银行业务数据 微调，具备精准的语义理解、多轮对话管理和复杂业务逻辑推理能 其次，在知识管理方面，模型通过持续学习机制保持知识实时 更新：  动态同步最新监管政策与行内产品手册  自动归档典型服务案例形成可复用的对话模板  支持跨 13 种业务文档的即时检索与摘要生成  维护超过 2000 个金融术语的精准解释库 第三，在风险控制层面，模型内置三重防护机制：通过意图识 别准确拦截 98.6%的敏感问题询问；基于行为特征分析的欺诈检测 模型 AUC 值达 其次，构建动态客户画像系统，通过 API 对接银行 CRM 系统 实时获取交易数据，结合 DeepSeek 的推理能力生成个性化推荐方 案。测试数据显示，AI 智能体可同时处理 200+客户画像维度，较 人工客户经理分析效率提升 40 倍。典型应用场景包括： 1. 根据客户资产变动自动触发理财产品推荐 2. 识别潜在贷款需求后生成预审批方案 3. 监测异常交易实时推送风险提示 第三，实现与银行现有系统的无缝集成。智能体将通过

大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研 浙江大学人工智能教 浙 编码器Encoder 处理输入序列 解码器 Decoder 生成输出序列 Google (2017): Attention is all you need 嵌入层Embedding Word Embedding: 目的是将这些非结构化的文本信息转化为结构化 富了其表示，带有多样化的上下文信息。 前馈网络Feed Forward 捕捉序列中元素之间复杂关系的多功能组件。通过使用线性变换和非线性激活 函数，前馈网络使模型能够处理复杂语义，促进文本的稳健理解和生成。 Google Transformer：引入注意力（Attention）学习, 2017 浙江大学人工智能教育教学研究中心 中心 智能教育教学研究中心 大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教 浙 DeepSeek-R1：监督微调+强化学习训练 DeepSeek-R1-Zero （强推理模型） 推理导向强化学习 （准确率奖励+格式奖励） 纯强化学习训练 低可控：生成文本可 读性差、语言混乱 高探索自由度 => 推理能力自我觉醒 （更长的思维链、更深层次的 推理路径） DeepSeek-V3 （基础模型） 监督微调 强化学习 图源自《ReFT: Reasoning

............................................................................ 7 图 7： Teams Premium 生成任务 ................................................................................................ ............. 13 图 25： AI 生成 3D 模型 ...................................................................................................................... 14 图 26： AI 自动生成动态的 3D 人脸模型 ................ 迭代更新，人工智能掀起科技潮 GPT 升级至四代，模型能力高速提升。ChatGPT 是由 OpenAI 开发的自然语言生成 模型，采用 Transformer 神经网络架构（又称 GPT-3.5 架构），基于大量的语料库使用指 示学习和人工反馈的强化学习（RLHF）来指导模型训练。模型可理解并生成对各种主 题的类似人类的响应，是 AIGC 技术进展的成果。2023 年 3 月 15 日，OpenAI 正式官宣

1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 及 Claude-3.5-Sonnet 不分伯仲。 l DeepSeek-V3 模型生成速度提升至 3 倍。通过算法和工程上的创新， DeepSeek-V3 的生成吐字速度从 20TPS 大幅提高至 60TPS ，相比 V2.5 模型实现了 3 倍的提 升，能够 为用户带来更加迅速流畅的使用体验。 l DeepSeek-V3 ：在传统的注意力机制中，推理期间的键值 (Key- Value ，即 KV) 缓存往往占用大量资源。而 MLA 则另辟蹊径，通过低秩联 合压 缩技术，大幅削减了注意力键 (keys) 和值 (values) 的存储空间。在 生成过 程中，仅需缓存压缩后的潜在向量，这一举措显著降低了内存需求， 但在 性能上与标准多头注意力 (Multi-head Attention ， MHA) 相比毫不逊 色，有 力地保障了模型运行的流畅性。 性。 2 ）面向推理的强化学习。和 DeepSeek-R1-Zero 方式相同，但引入了语 言一致性 奖励，对推理密集型任务进行特别优化。 3 ）拒绝采样与监督式微调。使用已训练的 RL 模型来生成新的训练数据，通过构建推理数据和非推理数据提升模型的通用能力。 4 ）全场景 强化学习。为了同时平衡推理能力和通用能力，将不同类型的奖励机制有机结合，再次进行强化学习。 DeepSeek-R1(-Zero)

业务条线收入提升，推动行业稳健发展。 AI 赋能互联网金融：在 C 端智能投顾自动化定制建议，赋能人工投顾提效，提升智能投顾的普惠性与个性化服务体验，在 B 端利用 AI 大模型 解析数据生成投研报告，助力分析师提炼关键结论。此外，打开 AI 驱动的金融产品创新、企业级 AI 解决方案服务等新生业务新局面，推动服务 效率和业务增长双重跃升。 AI 赋能保险行业：推动保险价值链实 是专业知识与大模型能力相结合的行业大模型应 用体系，是通用大模型在垂直行业的有效实践。金融大模型的应用将改变金融科技范式，重塑金融机构工作方式和服务生态， 目前已在金融咨询、 产品介绍、内容文本生成、虚拟客服等方面得到实际应用，随着“大数据 + 大算力 + 强算法”升级，金融大模型将在更多细分领域带来新技术的变 革。 经验反哺 技术支持 n 与基础大模型相比，金融行业大模型结合金融 技术优势： DeepSeek-R1 凭借“性能倍增、成本递减”特性 ，在数据处理、逻辑推理及多模态分析方面表现突出。 安全合规：本地化部署满足金融行业数据安全要求，结合 RAG （检索增强生成）和 AI Agent 技术，构建智能中台。 场景渗透：应用已从内部效率工具（如智能问答、流程指引）延伸至核心业务。 行业展望： DeepSeek 将进一步推动智能投顾、个性化财富管理等场景落地

K12 教育赋能。一方面企业通过云服务为 K12 教育提供低成本算力支持。例如天翼云推出第二代 AI 云电脑， 引入教育 AI 应用和教学资源，以低成本、广覆盖特性推动教育资源 下沉，帮助教师智能生成课件、模拟考卷，并为家长提供 K12 教学 资源。另一方面，企业通过提供整体解决方案提高校园算力应用水平。 鸿合科技等企业推出基于 AI 算力引擎的智慧教室解决方案，覆盖教 学管理、智能授课等场景，服务 12 教育各方之间 的协同关系正在日益紧密。算力技术推动 K12 教育向更高效化发展， 数据驱动融合，开启即时教育新天地。AI 作业批改系统借算力集群 压缩批改耗时，生成知识漏洞报告；个性化学习模型依学生数据实时 生成适配路径。数据驱动融合下，算力将分散数据进行整合，助力教 师调整节奏、管理者优化配置。边缘计算的覆盖，让偏远课堂接入虚 拟实验室，AI 语音互动系统即时响应学习需求，开启即时教育新生 算力应用辅助教师内容分析，在教师备课的核心环节中，内容分 析的精准度直接影响教学效果，而算力应用正成为该环节的重要支撑。 借助算力技术，教师可快速完成教材内容的结构化拆解，通过语义分 析定位重难点知识的关联逻辑，生成可视化的知识图谱辅助教学思路 梳理。同时，算力能整合学情数据，结合班级学生的知识薄弱点、认 知水平差异，对备课内容进行针对性调整，比如匹配难度适宜的案例、 习题。此外，算力驱动的资源检索系统可精准筛选优质教学素材，将

算法模型不断创新。截至目前，我国累计已有 611 款生成式人工智能服务完 成备案，306 款生成式人工智能应用或功能完成登记。总体来看，我国大模型发 展呈现“通用大模型+行业大模型”并行的态势，通用大模型基于多领域大规模 训练数据，能够处理多种类型的不同任务，具有较强的普适性，行业大模型针对 特定行业需求，利用特定领域的专业数据进行训练，具备参数量小、训练成本低、 适用性强等特点。2025 年，生成式人工智能产品实现了从技术到应用的全方位 三是城市经济发展智能化跃升。人工智能不仅可以实现 AI 图像识别病虫害、 柔性智能制造、智能投资顾问与精准信贷等传统行业生产模式创新，促进物流资 源、电力资源、算力资源等的智能化配置，重塑科研范式，催生孵化具身智能、 AI 内容生成等原生新业态，推动城市经济发展从“要素驱动”转向“智能驱动”。 （二）全域智能城市能力架构 中国联通深入落实融合创新战略，依托自身在网络、算力、技术、服务等方 面的核心优势，全面对照承接国家在城市全域数字化转型中“全领域、全方位、 一体的智能架构，打造 大模型三大核心能力体系，助力更多城市形成“数智融合、一算赋能千景”的治 理新模式。一是零样本算法生成平台，依托自研“元景”多模态大模型，攻克非 结构化数据解析瓶颈，通过时空对齐技术关联视频流、物联传感及地理信息等多 源数据，实现跨场景算法零样本生成，算法冷启动时间压缩至 1 分钟内，成功应 用于南京防汛防台场景中，推动积水检测算法准确率突破 90%，实现水位视觉特

创分享的智能时代。作为数字中国的重要载体和推进国家治理体系和治理能力现代化的 核心抓手，我国数字政府建设正处于从 “数字化” 向 “数智化” 跨越的关键转型期。 人工智能技术的突破性发展，尤其是生成式 AI、大模型的规模化应用，不仅为数字政府 注入了革命性动能，更推动其在政务服务、社会治理、机关运行、决策支持等核心领域 实现范式革新。 加强数字政府建设是创新政府治理理念和方式的重要举措，而将人工智能技术深度 第一部分 数字政府与政府网站发展趋势 中国软件评测中心 报告编号：DGPE20251218A 第 16页 份与历史申报信息，复用已有证照数据，实现“免提交”“免填写”；同时，AI 可根据 申报内容自动生成符合规范的材料文书，并推送个性化材料清单与填报指引，大幅降低 申报门槛与准备成本；在审批办理环节，针对高频标准化事项，AI 应用可基于规则引擎 进行自动校验与审批，实现“秒批秒办”；针对复杂情形，则为审批人员提供辅助审核、 策制定提供量化依据；在政策效果评估方面，通过构建政策模拟仿真模型，可对政策实 施效果进行多场景、多维度推演，支持政策迭代优化；在应急管理决策中，AI 能够整合 实时灾情数据、资源分布信息与历史案例，生成处置方案建议与资源调度预案，提升应 急决策的科学性与时效性。整体上，“AI+决策支持”构建起“数据－模型－决策”的智 能闭环，增强了决策的系统性、前瞻性与科学性，为推动治理能力现代化提供了强有力