出版单位 / 组织名称： 发布日期： 医疗健康大模型 伦理与安全白皮 书 上海交通大学 复旦大学 上海交通大学医学院附属瑞金医院 蚂蚁集团 2025 年 7 月 18 日 Ab 医疗健康大模型伦理与安全白皮书 健 天津医科大学 王 玥 西安交通大学俞 凯 上海交通大学 张新庆 北 京协和医学院张海洪 北 京大学医学部 张洳源 上 海交通大学 医疗健康大模型伦理与安全白皮书 医疗健康大模型兴起， 但在应用中面临诸多问题。 本 白 皮 书 旨 在 全 面 剖 析 医 疗 健 康 大 模 型 应 用 的 各 方 面 情 况 ， 包 括 技 术 分 析 、 伦理法律评测、模型评测及提升措施等， 为其安全、有效、合规应用提供指导， 促进医疗行业智能化发展， 保障患者权益与医疗质量 。《 医疗健康大模型应用 伦理与安全白皮书 》 围绕医疗健康大模型展开多方面探

项目编号： 医疗健康场景引入 DeepSeek AI 大模型 研 究 报 告 目 录 1. 引言............................................................................................................................................. ....................................................................................19 2.2.1 数据分析与模型构建................................................................................................. ............53 3.3 DeepSeek 模型的开发与训练..........................................................................................................................57 3.3.1 模型选择与优化........................

《企业 IT 数字化能力和运营效果成熟度模型》 和《数字化可信服务》系列标准解读 第 五 篇 加 快 数 字 化 发 展 建 设 数 字 中 国 “ 迎 接 数 字 时 代 ， 激 活 数 据 要素潜能，推 进 网络 强 国 建 设，加 快建设 数字 经 济、 数字社会、数 字 政府 ， 以 数 字 化 转 型 整 体 驱 动 生 价值提升成为衡量企业数字化的重要考量因 素 生产效益 运营成本 客户体验 综合考虑多方面价值 云智平台化 能力组件化 数据价值化 运营体系化 管理精益化 风控横贯化 面向转型企业，可依托 IOMM6+6 模型考量规划具体数字化 路径 六大能力为转型目标 六大价值为效果验证 400 余条能力指标梳理、定位自身数字化转型发展阶段， 发、部署、上线、 运营整个生命周期，通过构建完整的数据归集、分析、应用和开放的 一体化大数据运营平台，充分释放数据带来的价值。 IOMM 能力成熟度模型六大核心 能力 数据价值化 管理精益化 能力组件化 运营体系化 风控横贯化 云智平台化 良 业务创新 效益提升 • 运行效益：响应业务的需求 • 管理效益：精益化，依靠标准化工具等，

基础设施 27 目录 大模型发展趋势、风险挑战与 解决方案 1 模型商业落地加速，面临多样化的部 16 署与应用环境 2 模型应用安全风险具有系统性与复杂 17 性，全生命周期的安全保障是模型应用 落地的关键 2.1 AI 基础设施风险：供应链漏洞、DDoS 攻击 17 与模型资产威胁 2.2 大模型风险：算法合规、内容安全、对抗攻击 安全的最佳解决方案 CHAPTER CHAPTER 01 02 通义大模型：全生命周期安全 合规 1 风险现状及能力构建 46 1.1 主要风险挑战 46 1.2 核心能力构建 46 2 全尺寸、全模态的模型供给 48 2.1 全尺寸覆盖的弹性架构 48 2.2 全模态融合的认知能力 48 3 通义大模型全生命周期安全实践 49 3.1 研发安全：数据与算法根基防护，强化内生 核心：贯穿生命周期的数据安全与隐私保护 73 2.3 扩展：支持客户弹性、灵活地应对外部攻击 78 3 阿里云百炼关键场景安全实践 82 3.1 场景一：发布并调用一个线上模型推理服务 82 3.2 场景二：使用私有数据微调一个专属模型 85 3.3 场景三：构建并运行一个 AI Agent/MCP 应用 88 4 构建可验证的信任：阿里云百炼的 90 安全承诺与未来愿景 4.1

第一章 序言 1. 定义与范式 2. 发展与态势 3. 数据分析 第二章 AI 前沿 1. 从大语言模型走向自主智能体 2. 具身智能 3. 脑机接口 4. AI 内生安全 第三章 数学 1. 基础理论 2. 优化 3. 统计 4. 科学计算 5. 复杂系统 第四章 物质科学 1. 物理 2. 化学 3. 材料 4. 能源 第五章 生命科学 象出经验规律背后的普适理论。理论科学基 于自然现象或实验结果，提炼科学问题并形 成科学假设，然后运用逻辑推理和数学分析， 构建普适理论，但难以在复杂系统中实验验 证。计算科学以科学模型为基础，通过数值 方法模拟复杂系统，但需要简化模型以及提 高模拟精度，以解决模拟系统精度低且计算 成本高的挑战。随着技术的发展和数据规模 的增长，出现了数据密集型科学的研究范式。 这一范式利用机器学习方法，自动从数据中 数据缺乏问题，如大气数据、天文数据等， 发展了生成式人工智能技术，如扩散模型和 大语言模型。针对处理复杂系统的局限性， 发展了融合先验知识的深度学习，将先验知 识嵌入深度神经网络，在增强模型可解释性 的同时，显著提高模型的泛化能力，如物理 信息神经网络 3。 人工智能创新重塑传统科学研究过程， 加速科学发现。人工智能通过融合数据和先 验知识的模型驱动、假设生成与验证、自动 与智能化实验以及跨学科合作等方式，加速

郑瑞姣、张劲明、曾雪征、张 然 出版时间 2025 年 6 月 当前，以大模型和智能体为代表的人工智能技术正驱动新一轮产业变革，推动应用架构从功能自动化向认知智能化 跃迁。本白皮书系统阐述应用智能化的框架、关键技术、和实现路径，旨在帮助企业应对应用智能化三大核心挑战： 1. 技术链断裂导致的落地周期过长：算力、大模型、智能体的新概念，开发、运维、安全合规等等环节的割裂都导 致企业落地智能化的周期依然较长； 用的核心特征、构建分级成熟度模型、设计分步 实施路径，我们希望为不同数字化基础的企业厘清转型逻辑。在技术快速迭代的背景下，期待与产业界共同探索最佳实 践，务实推进应用智能化落地进程。 ——《应用全生命周期智能化白皮书》编写组 前言 迈向 AI-Native 时代：智能体驱动的应用现代化新范式 近两年来，随着 ChatGPT、DeepSeek 等大模型技术的快速发展，人工智能正以前所未有的速度重塑产业格局，而 等大模型技术的快速发展，人工智能正以前所未有的速度重塑产业格局，而 Agent 智能体的崛起标志着应用现代化迈入全新阶段。未来大于 50% 的人类工作任务场景将被大模型影响，据麦肯锡预 测，生成式 AI 每年可以增加 2.6~4.4 万亿美元经济收入，AI 驱动的自动化决策与交互将成为业务常态。与此同时，传统 应用与 AI 应用的融合不再局限于简单的功能叠加，而是依托数据与 API 的深度协同，构建起“感知 - 决策 - 执行 -

2022 年，数字孪生世界企业联盟联合数字孪生业内领域单位与专家，主持编写了《数 字孪生世界白皮书（2022）》，聚焦数字孪生世界的关键技术、行业场景与应用发展，全 面介绍了数字孪生知识体系、“V”模型数字孪生世界方法论，聚焦 5 大领域、汇集 15 个 重点行业典型案例。旨在为产业界在规划建设数字孪生世界时提供参考借鉴，助力数字孪 生世界技术演技和产业发展。 《数字孪生世界白皮书（2023）》在 物理感知与数据融合。整合 LiDAR、无人机、物联网等多源异构数据，构建高精度三 维地质模型与实时监测网络，支持黄河流域泥沙冲淤分析、城市内涝预警等场景。 高效建模与轻量化渲染。基于 3D Tiles 流式加载、ENU 坐标变换与 LRU 缓存技术， 实现大规模倾斜摄影模型的秒级加载，突破 Web 端性能瓶颈。 机理与数据双驱动。融合水动力模型、有限元分析等物理机理与 AI 算法（如 LSTM、 强化学习），将洪水预测误差降至 强化学习），将洪水预测误差降至 3%以下，推演效率提升 20 倍。 动态交互与智能决策。通过数字人、大语言模型（LLM）实现自然语言操控，支持应 急指挥、设备运维等场景的智能响应。 围绕复杂数据处理与孪生场景应用、机理模型与数据驱动模型、超大体量数据处理与 实时渲染能力、自动化模型构建能力、大模型算法能力在数字孪生中的应用做了深度的技 术剖析。 同时，本白皮书围绕智慧城市、智慧水利、智能制造、智慧能源、智慧园区等场景，

附录 B (资料性) 不同行业的主业务环节(主场景)及其主要细分业务环节 30 ………………………… 附录 C (规范性) 基于参考架构的企业数字化转型发展阶段与水平档次(成熟度模型) 32 …………… C. 1 模型构成 32 …………………………………………………………………………………………… Ⅰ GB/T45341—2025 C. 2 等级要求 32 ………………………………… 明确数字化转型的主要任务、过程联动方法和分步实施要求。 本文件适用于(各类)组织: a) 开展数字化转型顶层设计,系统推进数字化转型; b) 应用数字经济背景下新型企业架构(EA)系统推进数字化转型; c) 应用评估通用模型系统推进数字化转型评估诊断; d) 围绕数字化转型研发并提供系统性解决方案; e) 为企业开展数字化转型提供服务。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中 。其中,注日期的引用文 件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于 本文件。 GB/T23011 信息化和工业化融合 数字化转型 价值效益参考模型 3 术语和定义 GB/T23011界定的以及下列术语和定义适用于本文件。 3. 1 数字化转型 digitaltransformation 深化应用新一代信息技术,激发数据要素创新驱动潜能

非线性树模型、deep 模型、 BERT、 Word2Vec 模型等 本期和大家讨论下 “人岗匹配排序的探索与实践”。从人力资源管理的发展来看，人岗匹配大致 经历了三个阶段，“三历对照法”、“冰山挖掘法”、“全人匹配法”，而 AI 技术的引用将为企业迎 来第四个——“数据解剖法”。 AI 技术实现人岗匹配，离不开数据的处理和模型的选择与训练，看似高深、复杂的人岗匹配算 法模型背后，这一 法模型背后，这一切是怎么实现的呢？本期院长就和大家探讨下不同模型在人岗匹配实践中的 创新应用。 “人岗匹配” 是企业人力资源管理的核心问题，更是所有 HR 追求的目标。毫不夸张地说，“人 岗匹配” 是人力资源的起点，也是人力资源的核心目标之一。 本质上，企业和个人是利益共同体，只有使得组织利益和个体价值得到统一，做到 “岗得其人”、“人 适其岗”，根据人不同的素质和个性将其安排在最合适的岗位上，做到 “人尽其才，物尽其用”， 从机械、琐碎的招聘工作中解放出来。 第一部分 让AI技术提升人岗匹配效果，我们做了这些探索 3 第一部分 | 那么，实现 AI 人岗匹配背后的依据和逻辑又是什么呢？ e 成科技基于前沿的自然语言处理技术 和深度学习模型，并结合大量数据和知识图谱，通过不断探索和反复实践，形成一套高效的人 岗匹配推荐算法系统，下面院长将详细为大家介绍这套系统及其背后的逻辑。 在人岗匹配的任务中存在 HR、职位（JD）、简历（CV）三种实体，人岗推荐系统中由