开源引爆 • 开源的论⽂和库，以及提供 简易的蒸馏⽅式，让世界上 不管⼤⼩的实验室，快速掌 握OpenAI原来封闭的顶尖 模型推理能⼒ • MIT许可证，商⽤权限吸引 开发者 垂直适配 从编程辅助（DeepSeek- Coder）到医疗诊断（R1 临床接⼊），展现⾏业落 地能⼒ 9 DeepSeek天然适合医疗⾏业 ⼤模型发展的⼏⼤“基⽯” 01 DeepSeek极致成本降低，显著降低本地化部署的 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 构建 • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 内容⽣产辅助 • 管理营销素材 • 营销内容策划 • 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化 患者流程 • 多重购买渠道 患者服务 多渠道营销 ⽣产与 供应链 →基于医学搜索、循证医学证据的驱动 • 科研与学术⽅式和效率→通过⼤模型进⾏科研 课题筛选、⽂献收集、数据结构化提取和分析、 摘要及初稿撰写等 医⽣ 基于DeepSeek推理模型，整合患者的信息，辅助医⽣深度问诊、 鉴别诊断、病情分析和建议，提出治疗、预防等建议 • 基于Deepseek⼤模型，再现医⽣临床思维链路的推理模型 • ⾃动⽣成病情分析、IDC⾃动编码 • 分析准确率达90%，为医⽣提供权威决策⽀持

迭代新技术， ⼤幅降低 • 开源的论⽂和库， 以及提供 简易的蒸馏⽅式， 让世界上 不管⼤⼩的实验室， 快速掌 握 OpenAI 原来封闭的顶 尖 从编程辅助（ DeepSeek- Coder ） 到医疗诊断（ R1 临床接⼊） ，展现⾏业落 地能⼒ • 技术成本的下降，为 了训练和推理的成本。 幸好我问了 AI 健康助理 举例 医典科普 健康提醒 健康提醒 ⽩噪⾳帮助我⼊眠 ⽤户 19 基于 DeepSeek 病历讨论助⼿ 基于 DeepSeek 推理模型，整合患者的信息，辅助医⽣深度问诊、 鉴别诊断、病情分析和建议，提出治疗、预防等建议 • 基于 Deepseek ⼤模型，再现医⽣临床思维链路的推理模型 • ⾃动⽣成病情分析、 IDC ⾃动编码 未反映真实⽔平：培训与拜访脱节，实战能⼒难考察 考试流于形式：通过⾮正常⼿段完成公司任务 代表⼼⽣抵触情绪：影响⼯作积极性 难以规模化：培训⽼师⼈⼒与精⼒有限 代表学习改进， 在下次拜访中做的更好 新⽅式 AI 辅助实践， 实践中提升能⼒ 反馈更真实：通过真实拜访和⾃讲过程发现问题 激发代表学习的⾃驱⼒：发现问题，⾃发改进 提升代表⼯作效率：代表把⼯作和学习结合在⼀起 可规模化：借助 AI 规模化打分，不再有培训⼈⼒瓶颈限

的主要动力。如今，医疗 AI 企业已突破 1-2 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 互联网医疗、院内信息化系统已经引入相关技术，或能在明年实现规模化落地。 年）》，便提出促进人工智能推广 应用，推进医学人工智能数据及推理运算场景、智慧医疗图脑、医疗可穿戴、医疗终端 边缘计算、神经芯片及脑机智能接口等推广应用，强调要积极开展临床决策支持系统、 医学影像辅助诊断、医用机器人、疾病风险预测与诊断等项目。 确立方针后，我国又在微观层面密集出台了《关于进一步推进以电子病历为核心的医疗 机构信息化建设工作的通知》《关于印发医院智慧服务分级评估标准体系（试行）的通 个产品，覆盖了几乎所有脏器。 许多热门脏器的人工智能已经非常成熟，能够实现高精度的多病种辅助诊断，如心脏 （70）、骨骼（58 个）、头颈（53 个）、肺部（44）等部位。一些冷门脏器也在开发 之中，如肠道（5 个）、泌尿（4 个）、整腹（2 个），部分产品已经取得了医疗器械 注册证，能够实现一定程度的商业化。 需要注意的是，AI 针对单一脏器实现的辅助诊断能力并不均衡。一方面，不同影像设备 的数据获取难度及学习难度存在差异，导致大多数企业惯于处理

一天时间训练即可应对复杂城市驾驶场景，展示了端到端技 术在快速学习和适应能力上的潜力。 2017 年 ： Comma.ai 推 出 OpenPilot 。 Comma.ai 发 布 了 OpenPilot软件，最初为L2级辅助驾驶系统，后逐步转向端 到端神经网络模型，成为首个商业化端到端自动驾驶产品。 • 技术突破与现实应用阶段（2019年-） 2021年：特斯拉发布BEV（Bird Eye View）技术。特斯拉在 AI 捕捉全局上下文和关键特征，例如TransFuser及其变体。这些设计结合对仿真环境的深入理解， 使模型在CARLA基准测试中显著提升性能。 为提高自主系统的可解释性和安全性，一种解决方案是引入各种辅助模块以更好地监督学习过程，另一种则采取注意力可视化。 2023-2024年，研究重点聚焦生成安全关键数据、预训练策略学习的基础模型或骨干网络，推动感知与规划模块的端到端整合。 同时，更具挑战性的CA 智能体动作与专家动作之间的距离。 早期应用于自动驾驶的BC，利用端到 端神经网络从摄像头输入生成控制信 号（如方向盘转动、加速等）。为了 使基于BC的端到端驾驶模型能够应对 复杂的城市场景，业内提出了进一步 改进，如多传感器输入、辅助任务和 改进的专家设计。 简洁性和高效性，因为无须手工设计奖励函数。 协变量偏移。协变量偏差指的是在训练过程中模型 训练时所用的数据分布（例如，某些路况、驾驶场 景的频率）与实际部署时遇到的数据分布（例如，

城市治理、公文处理等方面的应用场景。 特别是在政务热线中，DeepSeek 发挥了重要作用。以 12345 政务服务热线为例， 通过接入 DeepSeek，热线系统拓展了智能文本机器人应答、智能辅助填单、智 能工单分类和智能工单转派等功能，充分展现了人工智能大模型在提升政府服务 效能方面的巨大潜力。 就目前而言，对 DeepSeek 的探索和应用仍处于起步阶段，未来需要深入探 索大模型 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 也逐渐成为辅助政府决策、推动社会治理创新的重要数据富矿。随着人工智能技 术的快速发展，政务热线作为政府与公众沟通的重要渠道，正在经历一场智能化 变革。作为数字政府的“门脸”，政务热线进一步建设发展需要各方的通力合作， 征，表现为多条热线沟通、一个总台受理、处置多种事项，或者是一条热线沟通、 一个总台受理、处置复合事项。此外，随着大数据分析技术的成熟，政务热线数 据背后的社会价值开始得到重视，并用以发现社会问题，辅助政府科学决策。其 “用数认知、循数决策、依数施策”的特征明显地区别于信息化阶段，并演化为 政务热线系统的深层本能和基础能力。 三是智能化升级阶段。当前，人工智能在社会各领域的日益深入，对国家与

城市治理、公文处理等方面的应用场景。 特别是在政务热线中，DeepSeek 发挥了重要作用。以 12345 政务服务热线为例， 通过接入 DeepSeek，热线系统拓展了智能文本机器人应答、智能辅助填单、智 能工单分类和智能工单转派等功能，充分展现了人工智能大模型在提升政府服务 效能方面的巨大潜力。 就目前而言，对 DeepSeek 的探索和应用仍处于起步阶段，未来需要深入探 索大模型 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 也逐渐成为辅助政府决策、推动社会治理创新的重要数据富矿。随着人工智能技 术的快速发展，政务热线作为政府与公众沟通的重要渠道，正在经历一场智能化 变革。作为数字政府的“门脸”，政务热线进一步建设发展需要各方的通力合作， 征，表现为多条热线沟通、一个总台受理、处置多种事项，或者是一条热线沟通、 一个总台受理、处置复合事项。此外，随着大数据分析技术的成熟，政务热线数 据背后的社会价值开始得到重视，并用以发现社会问题，辅助政府科学决策。其 “用数认知、循数决策、依数施策”的特征明显地区别于信息化阶段，并演化为 政务热线系统的深层本能和基础能力。 三是智能化升级阶段。当前，人工智能在社会各领域的日益深入，对国家与

划与决 策。 6 资料来源：公开资料、泰伯智库 市场概述 智驾地图与传统导航地图的区别 特征 传统导航地图 智驾地图 主要目的 人类驾驶员路径规划、导航指引 服务自动驾驶系统 (机器)，辅助感知、规划与决策 核心要素 道路网络、兴趣点(POI)、基本交通规则 按需提供车道拓扑、关键语义要素、精确道路属性等 精度要求 道路级别 (典型精度5-10米) 按需达到车道级或更高精度 (如信号灯等关键要素位 离线训练数据 源 ★ ★ ★★ ★★ ★★★️ 新兴价值： 高精度、富含语义的地图数据成为训练和仿真自动驾驶算法 （尤其是BEV、占用网络等模型）的重要数据源，其价值随AI模型发展而 提升。 定位辅助 (几 何特征) ★★ ★★★️ ★★ ★★ ★ 重要性逐步下降： 早期高精定位依赖地图特征，未来多传感器融合定位 技术成熟后，对地图几何特征的依赖性降低。 趋势：从依赖几何精度 (L2+/高速) 务 化转型，并催生新型商业模式的关键驱动。 9 市场概述 主机厂降本增效的极致追求：驱动地图方案轻量化 降本方向 代表企业 具体实践 预期效果 推出“智驾平权” 比亚迪 将NOA（导航辅助驾驶）等高阶智驾功能下放至10万元 级别车型，打破了智驾功能以往与高价车型绑定的局面 道路覆盖成本降低，可扩展至6.98万元车型 数据轻量化 腾讯地图 轻量化数据服务，模块化工具链支持车企仅调用必要地

样 来生成新的数据点。 4.建模技术 建模技术是将物理世界中的对象、过程或系统转化为数 学模型或计算机模型，为数字孪生提供一个虚拟的“骨架”。 几何建模是最基础的一环，通过 CAD 计算机辅助设计软件创 建物体的几何形状及物体间行为框架，通过一系列可变参数 控制模型。针对复杂场景，可基于点云的建模技术通过 LiDAR （光检测和测距）或其他 3D 扫描设备获取大量空间坐标点， 然后使用表面重建算法如 务数据模拟可以在系统开发中模拟造数，满足历史业务数据 缺失情况下的系统需求开发，辅助缺少数据支撑的创新业务 场景系统开发。 在模型开发方面，在模型样本获取难度大的情况下，通 过基于数字孪生技术的仿真业务数据对真实业务数据进行 模拟，可以支持机器学习模型无样本或少样本冷启动。 在测试模拟方面，通过基于数字孪生技术的仿真业务数 据可以生成测试数据及案例，辅助大规模批量人工造数，提 升系统开发中数据测试效率。 可以帮助养老服务机构拓展经营场所，优化服务设施，提升 服务质量。数字孪生技术通过数据采集和仿真建模，可以帮 助金融机构实时采集养老机构的医、食、住、行等信息，提 31 供产业经营的全景数据，辅助贷款审核与发放。此外，数字 孪生技术还可以构建虚拟养老社区，为行动不便的老年人提 供便捷交流沟通、个性化线上财务管理等服务。 2.解决业务问题 （1） 提供更加便捷的金融服务 随着积极应对人口老龄化逐渐上升为国家战略，适老化

感觉与运动：处理视觉、听觉、触觉等信息、并控 制自主运动 小脑 位于大脑后下方， 紧贴脑干后方， 形似蝴蝶。 运动协调：调节肌肉张力、协调精细动作（如鞋子、 弹琴） 平衡与姿势：帮助维持圣体平衡与空间定位 学习辅助：参与运动技能学习 脑干 连接大脑与脊髓， 由 中脑、桥脑、 延髓 三部分组成。 生命维持：控制呼吸、心跳、血压灯基本生命活动 信息中转：船体大脑与脊髓之间的感觉和运动型号 反射控制：管理咳嗽、吞咽、瞳孔反射灯原始反应 目前为机器人中央控制器担任此角色， 但目前并未获得相应能力。后续可能 在此基础上进一步增加硬件及算力 小脑 运动协调：调节肌肉张力、协调精细动作（如穿鞋子、弹 琴等） 平衡与姿势：帮助维持身体平衡与空间定位 学习辅助：参与运动技能学习 动作学习模仿、复杂动作控制 等 机器人中央控制器，即现有的机器人 “大脑” 脑干 生命维持：控制呼吸、心跳、血压灯基本生命活动 信息中转：传递大脑与脊髓之间的感觉和运动信号 目前为机器人中央控制器担任此角色， 但目前并未获得相应能力。后续可能 在此基础上进一步增加硬件及算力 小脑 运动协调：调节肌肉张力、协调精细动作（如穿鞋子、弹 琴等） 平衡与姿势：帮助维持身体平衡与空间定位 学习辅助：参与运动技能学习 动作学习模仿、复杂动作控制 等 机器人中央控制器，即现有的机器人 “大脑” 脑干 生命维持：控制呼吸、心跳、血压灯基本生命活动 信息中转：传递大脑与脊髓之间的感觉和运动信号

Deepseek可以对能源市场的供需平衡进行分析和预测。有助于市场监管部 门及时发现供需失衡的情况，并采取相应的调控措施，如调整能源价格、增加能源供应或引导需求侧管理，以维护能源市场的稳定。 14 ◼ 能源交易的辅助决策： 1、交易机会识别：Deepseek等AI大模型可以实时监测能源市场的各种信息，如价格波动、交易量变化、政策法规的发布等，从中识 别出潜在的交易机会。例如，当某个地区的能源价格由于突发事 源的有效消纳和电力供应的稳定。 3.市场机制完善： -市场机制在促进新能源消纳、激励灵活调节资源、疏导调节成本等方面仍需进一步完善。 -需要深化中长期市场连续运营，推动现货市场全覆盖，持续完善辅助服务市场，研究电力期货市场，建立多元化的市场体系，以应对新能源参与电 力市场带来的挑战。 4.分布式光伏： -分布式光伏的快速发展对配电网承载能力、电能质量、接入方式、运行控制等方面带来多方面挑战。 4五、案例--2024年国网电力市场发展状况 24 4五、案例--2024年国网电力市场发展状况 ◼ 国网市场存在问题： 9.省间省内市场衔接： -省间与省内市场、中长期与现货市场、电能量市场与辅助服务市场等市场衔接机制仍需进一步完善。 -需要通过加强市场规则设计、优化市场运营机制、提升市场协同能力等手段，实现各市场之间的有效衔接和协同运行，提高市场 整体效率和效益。 10.电力市场技术标准：