续创新与深入发展，助力构建高效、智能、便民的政务服务新模式。 2 一、大模型赋能政务热线：从数字化到数智化跃迁 国务院《关于加强数字政府建设的指导意见》（国发[2022]14 号）强调“要 主动适应经济社会数字化转型趋势，充分释放数字化发展红利，全面开创数字政 府建设新局面”。政务热线作为我国数字政府建设最为成功的实践之一，不仅发 挥着政民互动的“连心桥”和社会治理的“连接者”的作用，并且海量热线工单 方面，在厘清承办单位职责，精准分类来电诉求的基础上，数智化进一步规范了 政务热线统一受理、按责转办的业务办理流程，大模型能够对流程进行实时监控 和评估，强调了业务办理的核心地位，有助于提高承办单位的工作认识，调动各 承办单位主动领取任务，纠正业务办理过程中的形式主义，确保业务办理结果合 民意、迎民心。另一方面，政务热线数智化强调对政府回应热线诉求的全过程进 行量化考核，并将其应用到承办单位绩效考核甚至领导班子考核中，大模型可以 热线的专项指导文件，对 新时期政务热线的定位功能、发展方向、实施方案提出了具体要求，驱动政务热 线提升为企便民服务水平。另一方面，各地政府积极响应中央指示精神，从政务 热线的归并优化工作入手，主动引入数字化和智能化技术，驱动政务热线的升级 优化，涌现出一批优秀实践案例。 8 （一）政务热线的新定位：从“接诉即办”到“治理枢纽” 2021 年 1 月国务院办公厅《关于进一步优化地方政务服务便民热线的指导

续创新与深入发展，助力构建高效、智能、便民的政务服务新模式。 2 一、大模型赋能政务热线：从数字化到数智化跃迁 国务院《关于加强数字政府建设的指导意见》（国发[2022]14 号）强调“要 主动适应经济社会数字化转型趋势，充分释放数字化发展红利，全面开创数字政 府建设新局面”。政务热线作为我国数字政府建设最为成功的实践之一，不仅发 挥着政民互动的“连心桥”和社会治理的“连接者”的作用，并且海量热线工单 方面，在厘清承办单位职责，精准分类来电诉求的基础上，数智化进一步规范了 政务热线统一受理、按责转办的业务办理流程，大模型能够对流程进行实时监控 和评估，强调了业务办理的核心地位，有助于提高承办单位的工作认识，调动各 承办单位主动领取任务，纠正业务办理过程中的形式主义，确保业务办理结果合 民意、迎民心。另一方面，政务热线数智化强调对政府回应热线诉求的全过程进 行量化考核，并将其应用到承办单位绩效考核甚至领导班子考核中，大模型可以 热线的专项指导文件，对 新时期政务热线的定位功能、发展方向、实施方案提出了具体要求，驱动政务热 线提升为企便民服务水平。另一方面，各地政府积极响应中央指示精神，从政务 热线的归并优化工作入手，主动引入数字化和智能化技术，驱动政务热线的升级 优化，涌现出一批优秀实践案例。 8 （一）政务热线的新定位：从“接诉即办”到“治理枢纽” 2021 年 1 月国务院办公厅《关于进一步优化地方政务服务便民热线的指导

....................................................................... 11 2.2 信息学 AI：曾经被动的管理者们，如今主动迎接医疗 IT........................................16 2.2.1 乘着 AI 迈向高等级评级............................. .........61 1 1 第一章：什么构成了医疗 AI 的配置动力？ 历经十余年的发展，医疗产业对于 AI 的认知已经由最初的质疑转变为接受，甚至连医 生这个群体，都开始拥抱 AI，主动进行个性化 AI 的创造。 然而，认可 AI 与为 AI 付费是有差异的。许多医疗 AI 通过与目标用户合作的方式进入医 疗机构与药械企业，并在试用阶段中获得用户的认可，但他们中大多数最终不会为手中 领域应用最为广泛的 应用之一，此类 AI 能够帮助医生处理高强度重复的阅片工作，帮助影像科提质增效。 随着 AI 的进一步发展及医生对于 AI 技术的进一步认可，许多医生、管理者开始找到 AI 企业主动提出需求，要求后者根据具体需求打造能够提质增效的 AI 解决方案。 举个例子。DRG 出台后，医院的盈利逻辑由规模扩张向成本控制转变，管理者开始更加 注重内部管理的精细化和科学化，提高运营效率和医疗服务质量。这个时候，传统的医

利介绍，将借助 DeepSeek-R1的蒸馏能力对车控 FunctionCall 大模型、汽车主动交互端侧大模型等进行训练，以提升车载 AI 的主动感知能 力。融合后的AI系统，不仅能精准理解用户的模糊意图，准确调用约2000个车载接口，还能基于车内外场景主动分析用户潜 在需求，提供车辆控制、主动对话、售后等服务，大幅提升智能交互体验。 极氪汽车 借助 DeepSeek的蒸馏能力对自研大模 响应和更智能化的场景应用。 在DeepSeek技术的加持下，雄狮智舱能够更精准地理解用户的模糊指令，并快速调用车载功能，如调节车内温度、播放音 乐、导航等。融合后的雄狮智舱还将具备主动服务功能，能够基于车内外场景主动分析用户潜在需求。 零跑汽车 小零GPT大模型已部署DeepSeek-R1大模型，即将上线。 资料来源：AI定义汽车，深圳发布，国元证券研究所 车企抢滩DeepSeek，AI行 资料来源：HMI 智能座舱设计，国元证券研究所 表9：不同层级的自动驾驶软件及功能 自动驾驶功能 BAP (基础版自 动辅助驾驶) EAP (增强版自 动辅助驾驶) FSD (完全自动 驾驶) 主动巡航/跟车 √ √ √ 车道维持/居中 √ √ √ 自动辅助导航驾驶 √ √ 自动变换车道 √ √ 自动泊车 √ √ 召唤/智慧召唤 √ √ 交通识别/标志识别 √ 市区自动辅助转向 √

市场细分四 食品饮料行业的专业强化及流程优化 市场细分五 食品饮料行业的商业模式创新 AI运动营养师 AI营养专家 AI育婴师 …… AI 研发助手 AI转型趋势展望 突破·智变·融合，企业正主动 走向“创新深水区”      SmolLM 27B Llama 3.2 1B Danube21 8B Phi-2 3B Phi-1.5 Gernma2 2.6B 选择合适的切入点，稳步推进数字化 转型，在实践中不断积累经验、完善方案。 可以预见，随着AI技术的持续演进和行业实践的深入，将会有更多创新应用场景 被开发，为食品饮料行业带来更大的发展机遇。企业唯有主动拥抱变革、持续创 新，才能在数字经济时代占据竞争优势，实现高质量可持续发展。 值得强调的是，这场转型的本质并非机器取代人类，而是通过人机协同释放更大 的创新势能。当算法持续优化生产流程，人类得以聚焦于产业创新、体验设计和

备有惯性、电磁、 以及光学三种方案。光学动捕精度高，但对场地要求严格，需要布置多视角相机， 且价格高昂。 机器人 以斯坦福ALOHA为代表，用相似的主动臂直接做关节空间的映射到从动臂，这种 操作方式下机器人的运动与人的感受高度一致，劣势在于需要主动臂，设备需要 更大的空间，并且需要几乎两倍于机器人成本。 外骨骼 使用外骨骼进行遥操作，一方面可以直接做关节空间位置映射，另一方面可以将 机器人的关 机器人的关节受力反馈给人。这种方式下，无论是精度还是操作人员的感受都会 比较好，但一套成熟的、有丰富反馈的外骨骼设备价格十分昂贵。并且需要额外 考虑外骨骼主动发力对人体潜在的安全风险。 其他末端控制 除此之外，还有许多能够用来做机械臂笛卡尔空间位姿映射的设备，简单的比如 手柄、手机、键盘、3D鼠标等等，这些更多是实验室级别的解决方案，无法应对 双臂、人型等机器人平台。 遥操作-VR+动捕服加速特斯拉Optimus训练

• 患者⾏为“消费者化”：医疗信息透明化，患者 • 电⼦病历和数据管理⾰新 有更多主动权 数据价值在⼤模型背景下进⼀步被凸显 Ds 推理思考能⼒以及医保控费压⼒ 15 主动权 →⼤模型成为患者信息来源 • “ 数字健康”和⽣态“破壁跨圈”，⽐如可穿戴设备与 AI 分 析相结合 →⼤模型汇聚和分析数据 • 个性化诊疗和健康管理 →获取服务的路径发⽣改变

2018 单个创新药上市成本 IRR 3.2% 10.1% 2010 2018 ⾏业视⾓：DeepSeek对于医疗体系有那些影响？ • 患者⾏为“消费者化”：医疗信息透明化，患者 有更多主动权 • “数字健康”和⽣态“破壁跨圈”，产⽣更多数据 • 个性化诊疗和健康管理 患者 • 电⼦病历和数据管理⾰新 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通 数据价值在⼤模型背景下进⼀步被凸显 vs&药品经济学 • 数据安全和合规重构 • 多元⽀付体系（商业参与度更强） 监管 15 DeepSeek对于医疗体系有那些影响？-患者 • 患者⾏为“消费者化”：医疗信息透明化，患者有更多 主动权→⼤模型成为患者信息来源 • “数字健康”和⽣态“破壁跨圈”，⽐如可穿戴设备与AI 分析相结合→⼤模型汇聚和分析数据 • 个性化诊疗和健康管理→获取服务的路径发⽣改变 患者 超级产品 增长1亿⽤户所⽤时间

，大模型已展现出优秀的逻 辑推理及规划能力，然而，其与应用需求侧之间仍存在一定 “Gap”。Agent 作为“桥梁” 角色，可支撑大模型落地到各类具体应用之 中，补足其精准对接业务需求、上下文记忆、主动规划执行以及多任务协作等多方面能力。 当前，Agent市场呈现出厂商生态分化的态势。互联网科技巨头与垂直领域科技厂商常借助Agent能力赋能原有产品，提升其使用体验与 智能化水平。同时，各类厂商依据 厂商生态分化逻辑：核心能力与市场需求的双向适配 当下AI Agent发展困境 • 侧重垂直领域优化，但仍囿于对话式沟通， 与对话式AI产品逻辑类似，Agent的强势 能力尚未凸显 • 产品同质化严重，主动性、记忆能力、执 行感知能力有待提升 • 智能体与生产生活联系紧密度低，多智能 体协作生态尚未培育 24 ©2025.3 iResearch Inc. 在语音识别能力方面，ASR模型数据量和参数量逐步增大，且大模型可为ASR提供上下文内容理解，在识别率、说话人分离、多方言覆盖 等方面继续进行有效提升；在语音合成能力上，基于AI语音设计、AI音乐创作等技术方向，音频能力正由被动生成发展到主动创作；在语 音交互能力上，更多厂商在语音大模型架构中，可由ASR-LLM-TTS的级联式架构升级为端到端的语音交互大模型，显著提升人机语音交互 的响应速度、流畅度、打断性等。2024年5月，OpenAI发布端到端语音架构的GPT

，大模型已展现出优秀的逻 辑推理及规划能力，然而，其与应用需求侧之间仍存在一定 “Gap”。Agent 作为“桥梁” 角色，可支撑大模型落地到各类具体应用之 中，补足其精准对接业务需求、上下文记忆、主动规划执行以及多任务协作等多方面能力。 当前，Agent市场呈现出厂商生态分化的态势。互联网科技巨头与垂直领域科技厂商常借助Agent能力赋能原有产品，提升其使用体验与 智能化水平。同时，各类厂商依据 厂商生态分化逻辑：核心能力与市场需求的双向适配 当下AI Agent发展困境 • 侧重垂直领域优化，但仍囿于对话式沟通， 与对话式AI产品逻辑类似，Agent的强势 能力尚未凸显 • 产品同质化严重，主动性、记忆能力、执 行感知能力有待提升 • 智能体与生产生活联系紧密度低，多智能 体协作生态尚未培育 24 ©2025.3 iResearch Inc. 在语音识别能力方面，ASR模型数据量和参数量逐步增大，且大模型可为ASR提供上下文内容理解，在识别率、说话人分离、多方言覆盖 等方面继续进行有效提升；在语音合成能力上，基于AI语音设计、AI音乐创作等技术方向，音频能力正由被动生成发展到主动创作；在语 音交互能力上，更多厂商在语音大模型架构中，可由ASR-LLM-TTS的级联式架构升级为端到端的语音交互大模型，显著提升人机语音交互 的响应速度、流畅度、打断性等。2024年5月，OpenAI发布端到端语音架构的GPT