定义：人工智能（Artificial Intelligence，缩写 为AI），又称机器智能，指由人制造出来的机器 所表现出来的智能。 ——维基百科 AI的核心问题：建构能够跟人类似甚至超卓的推 理、知识、计划、学习、交流、感知、移动 、 移物、使用工具和操控机械的能力等。 ——维基百科 一、新一代人工智能 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 模型蒸馏 ➢ 教师模型训练：训练一个高性能的教师模型。 ➢ 知识迁移：利用教师模型的输出（如概率分布、中间层 特征等）作为软标签，来指导学生模型的学习。 ➢ 学生模型优化：利用软标签监督训练小模型，使其学习 到教师模型的决策逻辑和特征表示，从而提升性能。 数据蒸馏与模型蒸馏的深度结合 模型蒸馏是一种将大型复杂模型（教师模型）的知识迁移到小型高效模型（学生模型）的模型压缩技术，其 核心目标 核心目标是在保持模型性能的同时，显著降低模型的计算复杂度和存储需求，使其在资源受限的环境中部 署。 DeepSeek蒸馏技术的关键创新 链式思考推理迁移 ➢ 知识传递的深化：不同于传统蒸馏仅模仿输出结果， DeepSeek要求学生模型学习教师模型的推理逻辑，使 学生模型掌握完整的推理链条。 ➢ 数据蒸馏：通过大模型来优化训练数据，包括数据 增强、伪标签生成和优化数据分布。 ➢ 模型蒸馏强化：采用基于特征的蒸馏与任务特定蒸

DeepSeek 大模型构建客户经理智能体成为突破 现有瓶颈的关键路径。 本项目的核心目标是通过 AI 智能体实现三个维度的价值重 构：  服务效能升级：构建具备自然语言理解、多轮对话管理和金融 知识推理能力的智能体，实现 90%标准化业务咨询的自动化 处理，将平均响应时间从传统模式的 4 小时压缩至 30 秒以内  资源优化配置：释放人力聚焦高价值客户，预计可减少 40% 基础客户经理 务。 核心痛点可归纳为以下四点： 1. 服务覆盖半径有限：单个客户经理最优服务上限为 50 名高净 值客户，但实际配置比例常超过 1:150，导致客户满意度下降 15%-20% 2. 专业知识更新滞后：新产品上线后需要平均 2 周的培训周期， 期间错失 28%的潜在销售机会 3. 合规风险管控压力：人工操作导致的合规疏漏占操作风险的 34%，主要集中在 KYC 流程和适当性管理环节 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 力。在银行客户经理场景中，该模型展现出三大差异化优势： 首先，在服务效率维度，DeepSeek 可实现毫秒级响应速度，

通过微调进行有效的迁移学习，大大减少模型 的训练时间和计算资源 高精度和合规性 提供更精确、可信赖的金融信息和建议，同时 符合行业规定 劣势 特定领域深度较浅 可能不具备特定领域（如金融）的深入理解和 专业知识 适应性限制 由于主要针对金融领域，因此在其他领域的适 用性可能有限 模型复杂 通用大模型的结构非常复杂，使得模型的解释 性变得困难，导致模型的计算量增加，影响模 型的效率 更新和维护复杂度 融领域的数据分散在各个金融机构，通用大模型缺少金融数据进行训练，金融专业知识不足；另外一方面，如果从底层开始训练大模型， 所需要投入的算力成本非常高，比如千亿级别的通用大模型，训练一次需要付出几千万的成本 在特定任务上，精确性与适用性欠缺，需要更多优化与定制。金融垂类大模型通常会投入大量的时间和资源来收集和整理金融领域的专业 知识。这些专业知识包括金融术语、金融工具和金融法规等。通 作。 2023 年 11 月 7 日， OpenAI 开发者大会 重磅发布 GPT-4 Turbo ，这项新 模型带来了六大升 级 ，包括更长 的上下文长度、更 强的控制、模 型的知识升级、多 模态、模型微 调定制以及更高的 速率限制。 谷歌框架领先 模型丰富 ，应用偏弱 谷歌于 2023 年 2 月宣布将在 谷歌云上部署 ChatGPT 的有 力竞品 Claude

核心动力提升 科技和数字赋能才能进一步引数字服 务与运营的人工智能方向发展 ，不仅 仅具备规模优势 ，科技赋能才是核心 竞争力 中资代替外资 扶植和发展国内经济， 切实落地 信息安全及知识产权保护 ，进一 步壮大发展国内数字服务行业走 向世界级发展水平。 数字化服务外包加速 从全球视角来看 ，随着新一代信息技 术的加速普及 ，数字服务外包产业向 源 环 ：运营流 程 物 ：场地设 备 数字化业务系统建设 一键质检 - 质检助力业 务 一键弹窗客户画像类型标签（行为偏 好、渠道偏好、风险等级） ，一键 场 景推送（含建议话术、知识点）。 一键推送 -- 蜂巢计划 智能机器化管理 ，可根据当月绩效目 标下发日序时目标 ，提醒目标缺口。 一键自管 -- 绩效 + 计划 一通解决 -- 服务式运 营 一线员工可通过看板知晓同时段外包 实 现一站式、一通解决客问题 ，用服 务粘性增加回款。 一键看板 -- 数字业绩展 示 传统知识库 数据结构化 信息以预定义的格式存储（如 FAQ 、产品手册），依赖 关键词匹配。 响应不灵活 需预设标准化流程和文案，灵活性差处理能力僵化，难 以应对复杂问题 静态知识体系 更新缓慢，依赖人工，无法自动根据外部变化同步更新 查询效率有限 仅支持简单关键词搜索，对模糊或长尾问题无法精准匹

总体原则 1. 启动AI思维 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 4. 将AI融⼊到⽇常 ⼯作流程中 在每个部⻔培养1-2名AI专 家，定期分享经验，促进 知识交流和协作。 5. 评估与优化 持续评估⽣成式AI应⽤的 成效。定期收集员⼯反 馈，优化⼯具和流程。 2. 聚焦⾼价值任务 识别各部⻔⼯作流程中最 耗时、最重复、最低效的 环节, 节，特别是与信息流 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。 空的⽅式获得初步提效。 1. 给出更多的上下⽂：增加⻆⾊相关的 特定上下⽂（利⽤system prompt, 或者GPTs），使输出结果更加符合定 制化场景要求。 2. 增加组织专属的知识库/数据集，使得 输出结果符合组织专⻔的业务特点。 3. 利⽤Agent，⾃动化达成指定的⽬ 标，⽽不需要过多的⼈⼯参与。 4. 职业/⻆⾊：【我是⼀名投资经理，专注于制定策略以最⼤化投资组合价值并降低市场⻛险。】

落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 8 Gen2 部署 Stable Diffusion，实现本地运营 15 秒出图，证明了大模型本地化运行的可能，也体现出目前手机芯片的局限 .....13 图21： 骁龙 8 Gen2 旗舰芯片组 15 秒出图 .................................................... 13 图22： 知识蒸馏基本框架 .................................................................. 14 图23： 单独训练子模型反哺主模型 ... 并在各个应用领域将其专业化。具体来说有三个特点：1）对于拥有的超级海量的 数据，无需进行人工标注，即进行自监督学习；2）基础模型规模非常大，参数规 模从十亿到千亿级别；3）训练出的基础模型具有跨领域知识，而后通过微调用降 低成本的方法来训练，以适应不同领域的任务。AI 2.0 的巨大跃迁之处在于，它 克服了前者单领域、多模型的限制。 图1：AI2.0 时代的特征是通过超级海量数据无需标注训练一个大模型

保 护 体 系 智 慧 体 育 场 馆 技 术 规 范 体 系 能耗信息 照明信息 网络信息 时间同步 统一门户 舆情管理 …… 数字孪生 综合态势 实时能耗 平台 智能应急 管理 知识管理 事件日志 管理 权限管理 疫情防控 管理 场馆设备管理平台 环境及水 质监控 智能门禁 管理 消防监测 管理 智慧停车 管理 建筑设备 管理 能耗计量 设备管理 场馆运维管理应用为场馆内设施、设备、能效、环境等监控和管理提供运维保障。 6.7.3.2 场馆运维管理应用包括数字孪生、综合态势、实时能耗平台、资产管理、智能应急管理、智 慧物业管理、数字化办公、大屏可视化管理、知识管理、事件日志管理、权限管理、疫情防控管理等。 6.7.3.3 场馆综合运维管控平台各子应用应符合7.1、7.3的规定。 DB33/T 2305—2021 5 6.7.4 场馆设备管理平台 8.5 应通过分析不同情况下的业务需求，明确需要获取的信息及关联的数据构成，针对实际业务 情形设计能够根据实时信息进行联动切换等各类操作的大数据可视化展示预案。 7.3.9 知识管理 知识管理应用可通过构建场馆知识系统，对场馆日常解决方案、产品说明书、场馆图纸等信息进行 自动记录、存储、更新、搜索、调用，实现场馆运营管理人员快速制定维修服务策略。 7.3.10 事件日志管理 事件

及其指挥与协调等方面预先做出的具体安排，它明确了在突发交通 应急事故发生之前、发生过程中以及刚刚结束之后，谁负责做什么， 何时做，以及相应的策略和资源准备等。应急预案的制定是应急平 台的关键，是应急准备工作的核心内容之一，预案和知识库系统是 应急指挥系统经验和教训总结的成果体现，也是交管委应急指挥系 统流程改善的根本。 应急预案管理系统是将传统基于文本的纸质预案经过抽象，通 过结合事故后果模拟分析、应急资源管理等，来解决传统纸质预案 本系统将原先文本化的预案“数字化”，实现预案编制、预案管 理和预案模版管理等功能，具体包括预案登记、评审、备案、修订、 86 经济开发区“智慧园区”项目项目建议书 模版管理、和查询统计，并具有应急知识库，实现预案调阅、查询、 预览、评审、备案、附件管理等；同时可以根据预案编制规则生成 应急预案模版，为应急预案编制提供基本参考，方便应急预案的生 成。具备向导式编制，智能化编制方式，根据用户输入的预案编号、 行修正、补充和完善，演化出更趋合理的处置方案。系统能实时记 录处警过程，自动更新预案库，使处置方案的更新生成智能化。 3）应急指挥系统 应急指挥系统是通过将语音、视频等技术的语音视频综合调度 指挥系统，基于自有知识产权的核心多媒体实时通信软交换平台。 89 经济开发区“智慧园区”项目项目建议书 采用智能终端、网关+核心通信控制服务器的扁平化极简架构。以极 高的集成度在单一厂家系统内实现了有线、无线综合，地空一体化，

城市经济发展面临着日益严重的资源和环境压力，迫切要求科学发展的新理念、新思路、新技术。 在此背景下，通过信息技术在生产领域的应用，提高信息化对经济发展的贡献率，转变经济 增长方式和结构，推动产业结构优化升级，由劳动力密集向知识、技术密集型转变，使经济 发展更具“智慧”。 智慧的城市在中国突破 24 “智慧经济”构筑“智慧的城市”的发展实体，通过智慧的解决方案，可以帮助企业实现商业流程 的整合，构建一个动态业务 就业方面，智慧城市和智慧化基础设施的建设，除了带动钢铁、水泥、电力、能源等传统行业的 就业，将还消耗芯片、光纤、传感器、嵌入式系统等大量的计算机软硬件产品，从而拉动高科技 产业增长，创造大量的知识型就业岗位，促进城市服务转型和服务经济增长。 医疗服务方面，远程医疗系统、电子病历系统的建设和互联互通、数据共享平台的实现，可以 在更大的范围内合理配置医疗资源，并通过专家信息库、病历库、医疗诊断和临床治疗库的智能 整个人类和地球更加和谐美好、 可持续发展。 IBM总裁兼CEO彭明盛先生言及： “智慧的地球”将首先从“智慧的城市”取得突破。而共建 “智慧的城市”乃至“智慧的地球”，IBM的信心首先来自相关知识和技能的积累。多年来在 多项核心技术上的投入和储备使我们能够为共建“智慧的地球”提供强有力的保障和支持。 首先，IBM在高性能计算领域独占鳌头，在超级计算机世界500强排行榜和绿色500强排行榜中，

目前各家公司都在致力于以大模型赋能股基 APP 或是金融终端，为已有功能增加 AI 能力，实现智能客服、智能投顾、智能风险等多场景应用。 金融大模型 = 专业知识 + 大模型能力，金融 AI 大模型引领金融科技范式迎来变革。金融大模型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、 ），两者性能均达到行业领先水平 。 腾讯云： 2025 年 2 月 27 日，腾讯混元自研的快思考模型 Turbo S 正式发布，能够实现“秒回”，吐字速度提升一倍，首字时延降低 44% ， 同 时在知识、数理、创作等方面也有突出表现。通过模型架构创新， Turbo S 部署成本也大幅下降，持续推动大模型应用门槛降低。 东方财富：妙想金融大模型是东方财富重磅打造的金融行业大语言模型， 2025 Copilot 赋能债券承销全流程。②机构定制化 AI 工具链：开放大模型 API 供机构客户按需调用 ，支持策略回测、风险建模等 场 景定制。 风控合规的实时化升级。模态反欺诈哨兵：结合知识图谱与 AI ，实时识别复杂交易欺诈 ，准确率较传统系统提升。 数据来源：发布机构官方微信公众号，东吴证券研究所