AI 为主角 、人为助手的协作模式 微众银行： 黄叶飞 02 大模型在研发效能上的初步探索 05 Multi-Agents 实现研发流程提效 03 大模型辅助研发遇到的困难 04 Agent 离不开的 RAG 让 AI 成为主角的人机交互方式 研发流程面临的主要问题 目 录 复杂 内部研发效率主要体现在其复杂性上： 人员 、产品 、监管事情应接不暇。 研发流程面临的主要问题？

AI+ 为新型能源系统赋能 2024 年 6 月 华南理工大学建筑设计研究院有限公司 莫理莉 行业报告资源群 1. 进群福利：进群即领万份行业研究、管理方案及其他 学习资源，直接打包下载 2. 每日分享： 6+ 份行业精选、 3 个行业主题 3. 报告查询：群里直接咨询，免费协助查找 4. 严禁广告：仅限行业报告交流，禁止一切无关信息 微信扫码 长期有效 专业知识社群：每月分享 专业知识社群：每月分享 8000+ 份行业研究报告、商业计 划、市场研究、企业运营及咨询管理方案等，涵盖科技、金 融、教育、互联网、房地产、生物制药、医疗健康等；已成 为投资、产业研究、企业运营、价值传播等工作助手。 知识星球 行业与管理资源 微信扫码 行研无忧 免责申明： 1. 本内容非原报告内容 ; 2. 原报告来源互联网公开数据；如侵权 请联系客服微信，第一时间清理； 3. 原报告仅限社群个人学习，如需它用 新型电力系统面临挑战 国际能源署（ IEA ）指导意见  风光发电占比低于 15% 时对电网冲击较小，可直接并入。  风光发电占比在 15~25% 时需引入储能等调峰调频资源。  风光发电占比超 25% 时为保证电网稳定性，所有电厂都必须配置储能等调峰调频资源。 认识误区：  电网无限安全，可以无限信任电网，用电需求 可予取予求，光伏可随意并网。 实际情况：  在新能源发电量占比超 15%-20%

多车企接入DeepSeek，以AI为核心的智能化竞争加剧 2 3 4 5 6 7 8 9 10 CAM观点 ◆ DeepSeek大火，电信、云计算、芯片、金融、汽车、手机等多领域已有超过200家头部企业宣布接入 DeepSeek。聚焦汽车行业，吉利、岚图、智己、长城、广汽、长安、奇瑞等20多个车企纷纷宣布与 DeepSeek深度融合，标志着汽车智能化进程的加速。相较于部分 势 力车企迟迟未官宣合作，这背后则是各车企对生态控制权的考量。 ◆ 车企接入DeepSeek的方式各有不同：借助DeepSeek的理解与推理能力，提升车辆座舱语音交互、感知决策 等多方面能力，为用户带来更加智能化、个性化的用车体验；从技术实现路径看，车企主要采用直接接入、 多模型联合协同部署、模型深度融合与蒸馏三大接入方式。 ◆ 车企扎堆布局“DeepSeek”的思考：综合来看自主品牌中

调度。21世纪初开始， 大数据和云计算兴起，机器学习等算法被提出。2010年，物联网、大数据分析、机器学习、深度学习等技术出现；2020年至今 AI 大模型出现并得到迅速发展，以Deepseek为代表的语义大模型出现。 4二、AI大模型的核心技术与特点 （一） 5 AI 大模型的成功是多类技术的积累，但其中最为核心的是自注意力 机制和Google 在2017 年提出的Self-Attention、Transformer 1、需求预测：根据经济发展、人口增长、产业结构变化等因素，Deepseek可以对能源的市场需求进行准确预测。例如， 通过分析城市的人口增长趋势、工业发展规划以及居民生活方式的变化，预测城市未来的电力需求增长情况，为电力企 业的规划和投资提供依据。 2、供应分析：对于能源的供应端， Deepseek可以分析能源生产 企业的产能、设备运行状况、资源储备等信息，预测能源的供应 能力和供应稳定性。例如，在石油和天然气行业，模型可以根据 易商抓住这个机会 进行交易 2、交易对手分析：在能源交易中，了解交易对手的情况对于制定合理的交易策略非常重要。 Deepseek可以通过分析交易对手的历史 交易数据、市场行为和信用状况等信息，为交易商提供交易对手的画像和分析报告，帮助交易商更好地了解交易对手的需求和行为模 式，从而制定更有针对性的交易策略。 3、交易流程优化： Deepseek等AI大模型可以对能源交易的流程进行优化，提

集团 AI+ 应用现状 第三部分： AI+ 应用典型企业分析 第四部分： XX 集团 AI+ 顶层战略设计方案 • AI+ 顶层战略设计框架 • AI+ 战略实施策略建议 – 建立 XX 众创研发平台策略及建议 – 建立 XX 个性化定制、智能制造平台策略及建议 – XX 统一采购平台实施策略及建议 – XX 集团 AI 销售服务统一平台实施策略及建议 – XX 集团超级汽车产品实施策略及建议 目 标 搭建多方参与的 众创研发平台 建立线上线下无缝 统一销售服务平台 建设高效、集约的 统一采购平台 推出智能、网联 超级汽车 打造新能源汽车 智能制造平台 1 2 3 4 5 建立统一的数据驱动业务式的 大数据体系 4 建立以互联互通为目标的 数字化变革委员会 建立统一的 IT 信息中心 1 2 建立运营、服务等以数据应用 为目的的 云平台 3 极致服务体验 模式的运营机制。为用户提供极致服务体 验、个性化方案和共享生态。 – 4 • 涵盖用户车生活的全生命周期服务： 包括用户购车、用车、养车、用户自 身全生命周期消费等内容的服务 • 打造线上线下无缝衔接的服务模式 • 解决用户服务所需的透明性、可比性、 专业性、便利性、无忧性、个体性和 尊重感 极致服务体验 • 提供用户个性化产品需求的全价值链 服务 — 设计上，众筹众创，与用户零距离

驾驶算法需求动态演进，众源更新成为保障鲜度的关键技术。 5 资料来源：公开资料、专家调研、泰伯智库 市场概述 智驾地图的定义、核心特征与要素 高精地图主导 高精几何+语义 - 依赖高精度传感器 - L3/L4 早期探索 - 成本高/更新难 轻地图兴起 Light Map / SD Pro - 平衡成本与功能 - 支撑城市NOA落地 - 众源更新探索 轻地图成为主流 BEV等) 驱动: 成本压力/规模化 (数据闭环, 众源成熟) • 精度按需: 对绝对几何精度要求动态调整，部分场景下拓扑关系与 语义准确性优先度更高。 • 要素按需: 地图包含要素集根据智驾系统能力与应用场景动态调整， 旨在实现成本与功能的最佳平衡。 • 高新鲜度: 对影响驾驶决策的道路变化要求近乎实时的更新能力， 依赖高效的自动化（含众源）更新机制。对于城市NOA，关键要 素的“天级/周级”更新成为普遍预期。 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 置，<50cm) 更新频率 相对较低 要求高，强依赖众源数据实现近实时或高频更新 服务对象 人类驾驶员 自动驾驶系统 (机器) 价值体现 导航功能本身 (相对价值有限) 赋能智驾功能实现与体验提升，亦可作训练数据源 车辆系统融合 主要用于基础导航显示与座舱交互

”的发展思路，同时也建立 了 推动“智慧新城 ”建设的诸多机制。 手段少，园区结构调整、升级缓慢。 4 持续化经营的挑战 园区产业趋同，企业根植性差，多元化经营收入转变较 为困难。 园区产业配套服务薄弱，创新环境建设滞后，企业创新 能力较弱，技术原创性较差，无法形成产业集聚竞争力。 入驻企业向高新型发展 园区竞争向特色化发展 园区经济向生态化发展 现状瓶颈 产业园区的发展瓶颈 年，全国产业园区数量超过 2500 处，其中，国家级开发区 364 家， 占全国 GDP 比重达到 25% ， 10 家软件园区被确定为首批智慧园区试点。 科技部：发展众创空间 促进大众创业、万众创新。 自 2009 年以来，在北京、深圳、武汉、 杭州、西安、成都、苏州等创新创业氛围较为活跃的地区涌现出创新工场、柴火空间、车库、 咖啡、创客空间、天使汇、联想之星、创业家等近百家新型孵化器。 73.6% 。 随着互联网 + 、一带一路等战略的深入推进，智慧园区、 中外 合 作产业园、产城融合示范区等新业态和新模式将不断涌现。 发展背景 2010 年，有 25 家经济技术开发区升级为国 家经济技术开发区，这使得我国目前共拥 有 79 家国家经济技术开发区。 79 个国家级经济技术开发区 GDP 占全 国 GDP 总值约 5% ，且增长率是全国增长 率的 两倍左右。

年总投入将突破 670 亿元 ，大数据、云、 AI 为主要 投 入领域。 技术价值：生成式 AI 有望为保险业带来 700 亿美元生产力提升 ，金融行业大模型落地加速 ，保险领域 仍有广阔空间。 政策支持：多项政策鼓励保险业运用 AI 技术 ，推动智能化转型 ，为“保险 +AI” 模式筑牢发展根基。 本报告第二章聚焦 AI 技术在保险业务的核心落地场景： 销售： 由从单点工具转向全流程智能体系 一、保险 AI 发展背景 Insight 保险行业在粗放式增长与经营压力下亟需技术驱动转型。 AI 通过云计算、 大数据、 生成式模型等技术 ， 重构保险价 值链 ， 从效率工具升级为战略中枢。 政策支持与资本投入 加速行业变革 ， 2025 年科技投入将突破 670 亿元 ， 推动保 险业迈向数智化时代。 4 51247 62801 中国保险业原保费收入从 2019 年的 在金融科技浪潮奔涌之下，保险行业数字化转型进程提速，政策层面持续释放利好，为“保险 +AI” 模式筑牢发展根基。自 2022 年现象级生成式 AI ChatGPT 问世以 来，政策迅速反应，在 2022-2025 年持续加码，鼓励保险业借势打造智慧金融新业态，推动智能化转型。在保险业务层面，政策推动保险业融入人工智能等技术， 在 营销、风控、投资等核心业务探索应用，提升经营管理水平，为保险业全业务链 AI 应用构建框架，赋能“

人脑的小脑在机器人中对应的主要是动作学习模仿训练以及复杂动作的控制。而在机器人行业中，目前通常被称为机器人“大脑”，这主要 是因为相对于工业机器人，具有“大脑”的人形机器人对复杂运动的学习掌握能力明显增强，比如近期宇树、众擎、波士顿动力等公司在视 频中展示的人形机器人执行舞蹈，空翻高难度动作。至于对应人脑中的大脑的角色的硬件，目前人形机器人厂商多用中央控制器担任此角色， 但对于高级认知，信息处理能力尚未建立。展望未 资料来源：宇树科技官网、众擎科技官网、松延动力官网、浙商证券产业研究院 根据宇树、众擎、松延动力等厂商官网说明，可以发现目前主流机器人厂商都会将算力模组分为高低两个版本提供用户，其中低配的基础算 力模组可以完成一些遥控的走路、跑步、跳跃等基础性动作，二次开发部署潜力较弱，起售价均在10万元以内。宇树、众擎使用英特尔 Core i5及N97作为基础算力模组CPU，其中i5为成熟民用CPU而N97为一款低功耗 者、院校培训、创业者等需要对机器人进行二次开发，则需使用高算力模组的高配版本，整机价格可能会有数倍的价差。目前，绝大部分厂 商的高算力模组主要还是基于英伟达Jetson Orin平台进行开发。 厂商 宇树 宇树 宇树 众擎 松延动力 型号 GO2 G1 H1-2 PM01/02 N2 外形 基础算力模组 8核CPU 8核CPU 英特尔 Core i5 英特尔 N97 未知 高算力模组 英伟达Jetson Orin

云计算技术  教育云案例 ——广州区域教育  广州市教育局启动 “依托教育信息化促进区域教育均衡发展”国家 教育体制改革项目，提出缩小城乡教育的‘数字鸿沟’  华为公司的“教育云”解决方案为广州市教育局提供了教育云平台， 实现了全市教育资源共享，通过广州教育城域网，把中心城区的 百年名校与偏远的乡村中学接入到同一个教育资源平台中，首先 在信息流上做到了从化、远郊的孩子们也能共享华师附中、执信 市的感、传、知、控，建立以数据为核 心的生态系统，实现类似人的智能调控 优化城市资源的模式。 数字城市？感知城市？无线城 市？智能城市？生态城市？低碳 城市？ 数据为核心的智慧城市 从数字城市到智慧城市  数字城市：强调的是看得见、有得用，注重基础设施、信息采集 信 息 孤 岛 智慧交通 数字城管 绿色建筑 智慧旅游 电子政务 ··· ··· 硬 件 投 资 为 主 从数字城市到智慧城市 智慧城市将在“新常态”下的中国城市发展中起到示范作 用，引领中国后 50% 的智力城镇化道路 依靠资源、劳动密集 型产业，以南美洲和 东欧国家为主，如巴 西、墨西哥、俄罗 斯、匈牙利等 依靠人力资本和产业 创新，以发达国家为 主，人均 GDP 和城镇 化率同步提升。 “ 体力城镇化”模式 “ 智力城镇化”模式 发展模式转变 建设理念转变  从粗放增长到集 约增长。  从要素驱动到创 新驱动。  从快速扩张到品