焦点透视：AI狂潮中的大变革 • AI的突破：保险行业的创新挑战与机遇 • 可能问题头脑风暴 面对本次AI热潮，保险行业的焦点问 题都有哪些 • 定义核心问题 • 洞见问题本质 洞察问题，探寻本源 • 找到本质解 • 制定解决方案 设定锚点，行动实践 人工智能正在经历新的发展浪潮。某头部公司正在转向AI Agents支持平台，结合第4代人工智能 模型与专业语料库以实现业务创新。AI 续化的服务。人工智能的革新涵盖了生成内容（AIGC）和生成服务（AIGS）的领域。保险行业 面临挑战，AI的突破为其带来新的应对方向。 • 保险业面对AI变革的焦点问题分析：建议采用《U型思考》方法，从初始问题出发，深入挖 掘其本质，以找到精准的解决方案。通过聚焦主要原因并进行必要的升维/抽象化，可以找到 问题的根本原因，使问题具有通用性。 • 保险行业参考系的构建：包括关注六大方向、分析科技周期和文化适应度、以及中观周期对 面对复杂问题，建议参考《U型思考》方法论，从初始问题出发，洞察其背后的本质，进而精准 地解决问题。 遇到初始问题 遇到初始问题 解决问题 解决问题 发现问题的本质 找到本质解 U型思考方法论是一个找准问题、看透本质、谋定而后动的思考模型 问：定义核心问题 ►用WHY提出问题：探寻动机，发现原因 ►用WHAT提出问题：发现本质，聚焦靶心 初始问题 初始问题 初始问题 根本原因 Why

01 对AI技术的认知  AI是一种工具，也是一种赋能，更是一种思考范式。  我们从三个角度来认知AI技术： • 人工智能的本质 • 大模型的能力边界 • 通向AGI之路 01 对AI技术的认知：人工智能的本质 智能（Intelligence）：以模型为核心，是对真实世界的模拟和解释 人类智能 • 抽象（语言）：概念，数字，理念 • 逻辑（理性）：归纳，演绎，类比 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数 01 对AI技术的认知：人工智能的本质 人工智能（ArtificiaI Intelligence）：第三代，核心是数据智能，以史为鉴 ◼ 从规则到数据：逐步破除我执（去人类中心主义） 1. 第一代（规则系统）：推理为核心 PT-3时达到 • 模仿学习：代码中蕴涵、文字中蕴含 • 提示能力：ICL • 思考能力：CoT  ReACT，Agent  O1的最新进展（GPT-1时刻）：表现是慢思考；本质是合成数据 有些是产品能力，不是模型本身的能力：  RAG  Function Call  等等 01 对AI技术的认知：大模型的能力边界 基于LLM的三层能力做产品：锤子和钉子

可信数据空间合规100问 2025年9月 目录 一、基础概念类 1 1.可信数据空间的核心定义及本质特征是什么？ 1 2.可信数据空间与传统数据平台的核心区别体现在哪些方面？ 1 3.可信数据空间中“可信”的具体内涵包括哪些维度？ 2 4.可信数据空间的关键技术组件有哪些？ 2 5.可信数据空间的主要参与主体及其角色定位是什么？ 3 6.可信数据空间对数据要素市场建设的核心价值是什么？ 100.风险事件的复盘流程与改进要求？ 72 一、基础概念类 可信数据空间的核心定义及本质特征是什么？ 1. 可信数据空间是数字经济时代以数据可信流通与价值转化为核心目 标，通过隐私计算、区块链等技术手段，融合法律规范、行业标准 及多元主体协议，由政府、企业、个人等共同构建的新型数字生态 载体。其本质特征体现为“可信筑基、主权保障、协同创值、动态演 化”的逻辑统一：一方面，“可信”是底层支撑——既依靠技术实现数 术架构与治理 规则，随技术迭代、法规完善持续优化，始终保持“可信”与“价值释 放”的平衡。 可信数据空间与传统数据平台的核心区别体现在哪些方面？ 2. 可信数据空间与传统数据平台的核心区别，本质是从“中心化数据管 理”向“可信生态协同”的范式跃迁。传统数据平台以技术架构为核 心，聚焦单一组织内部数据的存储、处理与分析，依赖权限管控保 障安全，数据主权多由平台主导，跨系统、跨主体的交互因信任缺

事件不断发生、发展的态势，针对具体问题情境作 出决策时，系统通常以数据统计分析、智能计算模 型算法等形式提供辅助决策功能，对于决策者来说， 这些远不足以应对其可能面临的复杂多变灾难环境 下的决策需求，即解决复杂问题的能力。 从决策问题的本质来分，常规决策面临的是问 题空间明确的结构化问题，临机决策则是模糊不清 的非结构化（或半结构化）问题 [20]。如图 3所示，问题 空间明确的常规决策是理性分析的过程，即：分析评 估备选方案并确定最优方案。系统可以提供更精确 从认知智能层次来看，当前系统思维能力不足， 缺乏解决复杂问题的能力。下一步系统智能化发展方 向是认知智能的加强，即系统具有类似于人的逻辑思 维和高级认知能力，能够处理和解释复杂信息，通过 思维能力获得事物本质特征与发展规律更深入的认 识，从而具有能够适应新环境并解决复杂问题的能力。 按照过去信息化建设经验，提升系统智能化水 平有两条路径：1）依靠对智能化应急装备设施的不 断更新换代；2）引入更多更强大的模型和算法对数 化依赖于模型的自监督学习机制通过对海量数据训 练完成，相较于结构化的知识被动获取，大模型对 应急知识的获取不再是信息搜索，而更接近于学习 的本质，是理解、消化、吸收至海量的模型参数中。 所以，模型的自主学习能够不局限于已有的认知结 构，主动捕捉到未曾发现的有关风险以及各类突发 事件的更本质规律，启发新的思路。 应急知识分布于模型的海量参数中，这种统一 的数值表示形式，使得来自不同学科、不同领域、不 同类型的知识在同一个数值向量空间进行分析成为

此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 所谓“真实世界”和“虚拟/数字世界”只是初期表现形式的不同；本质差异在于“中心化”和“去中 心化”的初衷。 ① 以“中心化”为初衷的“真实世界”，以领土、政权等中心化要素为基础；而法律与市场规则的演 进、民主制度的发展以及互联网技术的应用，在客观上推动其呈现出一定程度的去中心化特征，比 此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 1. 稳定币对货币供应的影响 100% 储备机制下的法币稳定币，其发行模式本质上是以银行存款、国债等安全资产作为 全额抵押品，在监管严格限制储备资产挪用及投资的框架下，理论上不会造成法币货币供 给总量的扩张，仅体现为资金的形态转换。 然而，稳定币引发的广泛流通和支付替代效应可能引发金融脱媒加剧、货币结构变化、货 程，大量使用 USDT 等美元稳定币进行跨境结算，直接绕开传统银行体系与 SWIFT 系统，这种 “非正式美元化” 现象正 加速美元在发展中国家的经济渗透。  美元稳定币在稳定币市场的主导地位，本质上是美元全球货币霸权的映射，而非单纯的先发优势使然。 与其将稳定币视为美元扩张的工具，不如理解为稳定币体系天然需要如美元般的国际核心货币作为价 值 “定盘星”。  凭借美元地位和广泛网络优势，短期内美元稳定币的主导地位仍难以撼动。

脑与认知科学研究院院长 《智能世界 2035》较系统地勾勒了未来十年智能技术演进与社会形态重塑的宏伟蓝图，视野开 阔、分析深入。值此研究报告发布之际，我愿从复杂系统与智能演进的内在逻辑出发，谈几点思考。 智能的本质，并非仅仅是数据模式的识别与归纳，更在于其对物理世界的理解、互动与重塑能 力，因为对物理世界已有的认知汇聚了人类的重要的知识和智慧。《智能世界 2035》敏锐地捕捉 到了这一核心，即“走向物理世界是 外， 基于 AI 的气候建模将提供前所未有的预测能力，帮助决策者采取预防措施，应对极端天气事件和海 平面上升，这对像香港这样易受影响的沿海地区来说至关重要。 人类生产将经历场景跃升，重塑工作的本质和创造力。在制造业，具身智能将催生出自我优 化的工厂，机器不仅能执行任务，还可在运行过程中实时优化流程设计，形成一个持续创新的良性 循环。在金融服务业，智能体在风险评估、欺诈检测和提供个性化咨询服务方面的能力将接近人类 控机器人 GPT-4o 全模态 前沿 诺贝尔 奖颁给 AI教父 DALL-E ViT DDPM 扩散 ResNet 人工智能的演进历程 07 我们也认为，当前大模型仍困于概率统计 框架，本质是数据压缩的知识库，生成质量高 度依赖于数据质量。这种不可解释的概率模型 不符合人类“知其然亦知其所以然”的天性， 不具备认知能力，可能也难以实现类人的认知 智能。所以未来，是否会出现真正结合了符号

数字化转型 Why What How www.top100summit.com • 传统上,数字建设以项目方式推进,注重交付一次性成果。而数字化转型则需要持续迭代优化的产品思维。 • 数字化转型的本质之一,就是将数字化工作的主要形式从项目转变为产品,打造生态系统。 核心实践 – 推动持续发展 项目(Project) vs. 产品(Product) • 项目更加注重一次性的交付，解决某一具体问题或达成特定目标，完成后即结束。 数据驱动 Why What How www.top100summit.com • 传统上,数字建设以项目方式推进,注重交付一次性成果。而数字化转型则需要持续迭代优化的产品思维。 • 数字化转型的本质之一,就是将数字化工作的主要形式从项目转变为产品,打造生态系统。 核心实践 – 推动持续发展 项目(Project) vs. 产品(Product) • 项目更加注重一次性的交付，解决某一具体问题或达成特定目标，完成后即结束。

1.0 和Web 2.0时代之后，目前的互联网正在进行一场Web 3.0革命。Web 3.0革命的初衷是试图以区块链等新技术为手段，打破少数大型平台 企业对网络的垄断，让互联网回归其“去中心化”的本质，将对网 络的控制权交还给用户。随着这场革命的不断深入，全新的软件应 用、组织结构、行业形态和商业模式开始不断涌现，并正在对整个 互联网展开重塑。 起初，Web 3.0仅被一些网络极客所推崇，但随着革命的深入， 用户就可以获得与这个身份对应的权限以进行相关操作，并对这个 身份名下的相关资产进行处置。 在Web 1.0和Web 2.0时代，“账号+密码”的身份识别体系本质 上是一种中心化的体系，它本身存在很多不足。首先，在这种体系 之下，用户的身份在本质上被中心化的平台所掌握，用户自己并不 拥有最终的控制权。平台不仅可以以违反平台规则为由对账号进行 封杀，甚至可以在某些情况下无条件回收某些账号。如果平台对某 0概念与万维网之父蒂姆·伯纳斯-李于 1999年提出的语义网有所不同。后者描述的是在万维网上通过 W3C 设 置 的 一 系 列 标 准 实 现 数 据 的 机 器 可 读 性 （ machine- readable），本质上是一种把数据的语义编码至数据的对现有 万维网的扩展功能，从而帮助用户借助机器自动化处理更多的 信息。随着谷歌等搜索引擎和脸书等社交平台用强大的算法技 术为用户提供了更加精准的信息检索和推荐服务，语义网时代

联邦层面尚无统一数据法，主要依赖《加州消费者隐私法案》（CCPA ）、《健康保险流通与责任法案》（HIPAA）等垂直立法，且未建立国家级“ 重要数据”分类体系，企业常需自行判断数据敏感性等级。三者差异本质在于 ：中国强调国家数据主权与分类分级刚性管理，欧盟侧重个体权利保障与风险 预防，美国则倾向市场自治与行业自律。 其次，在跨境数据传输机制方面，中国实行“出境安全评估+标准合同+认证” 三轨 精地图鲜度，尚未突破‘特定场景’的物理与法规边界。正如车百会理事长张永伟 所指出，首批L3车型获批仅是‘量产应用的第一步’，后续需通过持续积累真实 道路数据反哺大模型迭代，方能实现从‘功能可用’到‘体验可信’的本质跨越[2]。 参考文献 [1]新闻：《L3级自动驾驶车型产品获准入许可智能网联汽车迈入量产应用》， 上海证券报，2025-12-17。 [2]新闻：《张永伟：L3级自动驾驶首批车型获批只是自动驾驶迈向“量产应用 耗 管理模块，在未增加激光雷达数量的前提下，将MPI（一次接管平均里程）从 30公里提升至85公里，同时域控板卡成本下降18%[3]。 软硬件协同设计已成为突破成本-性能二元约束的核心路径。其本质是打破“芯 片定义功能”惯性，转向“功能定义芯片”，即以安全冗余目标反向驱动芯片 选型、传感器布局与中间件调度逻辑。典型实践包括：采用ASIL-B等级MCU与 ASIL-D等级AI加速核异构集

无法在复杂的思维链中保持一致性 推理过程和答案不一致 Yann LeCun 的批判观点： 对纯粹扩大规模方法的根本质疑 Mehrdad Farajtabar ： "LLM 本质上是统计模式匹配工具，而非真正的 推 理系统 " 、 " 下一个词预测框架不足以产生真正的理解 " Yann LeCun ： 自回归大型语言模型没有前途