丰、王婷、王宁、郑诗昊、石子豪、姬海南、陈尧、薛娇、张宜梅、张龙、刘凤月、姜帆、于希光、张 睿智、栾培培、戴鸿轶、王栋梁、张宝玉、李宗倍、秦祎晗、宋建平、徐祯琦、邰成刚、宋汝良、余雷、 熊欢、夏耀东、韩旭、柯鑫、肖世达、孙腾中、刘灵娟、朱一飞、陈伟、傅鹏、邱泳钦、张英博、张亮、 高红、苏志伟、苑辰、谷颖慧、王岭钢、任俊龙、刘增志、赵少博、颜峻、苏洋、张璟、肖敏、肖霖、 陈利明、马俊国、周建华、钟 第1部分：通用要求 GB/T 45288.3—2025 人工智能 大模型 第3部分：服务能力成熟度评估 3 术语和定义 3.1 模型优化 model optimization 提升模型执行速度，泛化能力，或改善利益相关方所关心的其他特性的方法。 [来源：GB/T 41867—2022，3.2.19] 3.2 强化学习 reinforcement learning；RL 一种通过与环节交互 大模型 large-scale model 大规模深度学习模型 large-scale deep learning model 基于大量数据训练得到,具有复杂计算架构,能处理复杂任务,且具备一定泛化性的深度学习模型。 注：大模型的参数有其功能和模态决定，一般不低于1亿规模。大模型训练使用的数据总量受参数 量的影响，达到收敛的大模型的参数量的对数与其训练数据总量的对数成正比。 [来源：GB/T

也声称在自主研发航天器使用的专属人工智能模型。专属 大模型由政府主导进行训练开发，所有环节均由政府进行把控，符合 安全合规要求。但同时，可能带来较高的开发成本，专属数据的训练 也可能使大模型涌现能力和泛化能力不足，智能化程度有一定折扣。 总的来看，采用哪种部署方式与国情政策、文化背景、技术实力、 部署成本等密切相关。以日本为例，两方面因素推动其采取订阅付费 模式。一是新冠疫情暴露出日本数字社会建设水平低的严峻问题，倒 评估和授权才可以使用 AIGC 工具。西雅图市要求，所有软件服务必 须经过政府采购流程，以确保软件服务经过必要的审查，员工使用生 成式 AI 服务，必须提交软件服务中心购买需求，获得部门批准。东 京都政府要求职员通过 Microsoft 的“Azure OpenAI”服务来使用 ChatGPT，并要求服务器停止处理个人数据，以此来降低系统导致的 数据泄露的风险。 使用行为方面，大部分国家和地区都详细列示了公务人员使用 是 3 达观数据 曹植 上海 公文写作 4 科大讯飞 星火 安徽合肥 政府办公、政务服务、智慧司法 是 5 商汤科技 商量 上海 政府办公、公文写作 是 6 中国科学院自动化研究所 紫东·太初 北京 智慧司法 是 7 阿里云 通义千问 浙江杭州 城市管理、政务服务 是 8 华为 盘古 广东深圳 智慧城市、政务服务、政府办公、决策辅助 是 9 智源人工智能研究院 悟道·天鹰

两种算法都属于分组算法，密钥长度均为 128 位，算法安全保密强 度及相关软硬件实现性能与 AES 相当，其中 SM1 算法不公开，仅以 IP 核的形式存在于芯片中，在市场上来看，SM4 比 SM1 使用更加广 泛。国产摘要算法是 SM3，SM3 主要用于数字签名及验证、消息认证码 生成及验证、随机数生成等，其算法公开。其安全性及效率与 SHA- 256 相当。 非对称算法可以用于身份认证、数字签名、安全密钥交换、数据加 国密局认可，密钥在中 心端产生，不符合数字 签名法相关要求。 基于上述对国密算法技术路线的综合分析和考虑，本次国密算法改 造将选择 SM2/3/4 算法体系，配套使用公钥基础设施 PKI，并建设东 山省高速****单位办公网电子认证基础设施，签发国密 SM2 算法数 字证书，通过数字证书将用户、设备身份与公钥进行关联绑定，将 数字证书作为网络上唯一的身份凭证，并以 SSL/TLS、数字签名技术

各业务部门制定明确的各类数据标准及数据 质量管理要求，将相关标准及要求固化到数 据源头系统中。 ２ . 数据质量问题收集、分析及解决方案制 定：由业务部门对现有数据质量问题进行广 泛收集与分析，并由大风局配合业务部门将 数据质量问题分类，明确实际质量问题。 3 ．数据质量提升方案执行：大风局协同业 务部门和征科针对不同数据质量问题的解决 方法制定详细解决方案，并共同落实执行相 湖南益阳 浙江嘉兴 国网总部 国网北京电力 国网天津电力 国网上海电力 国网重庆电力 国网河北电力 国网山西电力 国网河南电力 国网江西电力 国网四川电力 国网吉林电力 国网蒙东电力 国网陕西电力 国网甘肃电力 国网宁夏电力 国网新疆电力 丰富的多行业实践，如：政府、电力，金融、教育、医疗、运营商等 政府 电力 金融 教育 / 医 疗 运营商 国家税务总局

各业务部门制定明确的各类数据标准及数据 质量管理要求，将相关标准及要求固化到数 据源 头 系统中。 2 . 数据质量问题收集、分析及解决方案制 定： 由业务部门对现有数据质量问题进行广 泛收集与分析，并由大风局配合业务部门将 数据质量问题分类，明确实际质量问题。 3 ．数据质量提升方案执行： 大风局协同业 务部门和征科针对不同数据质量问题的解决 方法制定详细解决方案，并共同落实执行相 国网重庆电力 国网河北电力 国网山西电力 国网河南电力 国网江西电力 国网四川电力 国网吉林电力 国网蒙东电力 国网陕西电力 国网甘肃电力 国网宁夏电力 国网新疆电力 云中苏大 西安电子科技大学 国家卫健委 国家医疗保障局 郑州大学第一附属 医院

调研相关部门组织架构，收集监管 平台功能搭建所需资料。 平台快速部署 2 周 东软以高效、快速、准确的部署方 式，尽快实现监管平台的落地。 相关人员产品使用 培训 2 周 东软会对监管平台用户进行功能使 用方面的培训，并提供优质的售后 服务，随时随地解决用户在使用方 面出现的问题。 项目迭代 6 个月以内，视 具体反馈进行迭 代 项目在使用过程中，东软会根据使 用反馈进行产品相关迭代升级。 软件集成与交付体系 软件集成与交付体系 出色的硬件选型能力： 对每款设备进行深度测试，熟悉每款设备特点，可以为项目选型提供有效建议 与硬件厂商保持良好互动： 设备厂商自主对接东软公开接口 设备厂商新品研发会征求东软的需求意见 设备厂商未上市新品会优先提供东软测试 优质稳定的弱电施工服务队伍： 在全国主要城市均有入围弱电服务商，施工范围覆盖全国 有健全的弱电施工服务商评价和管理体系，保证项目现场硬件安装施工水平

助史用记来 边 部 E 当前访客管理 营 综 合 管 理 平 台 会 前 面 被 监 教自反警查询日请储的管理 D 车辆源 2 照更管理 重动态榆查管渡 B 东辆世理 8 人类管理 #要多监单 话密姓名 证 9 号评 人 联系方院请地入 命 人 man 秦 达 事 由 t A 时 网 2 0 7 4 5 5 0 202047- 1523 分分 20207S 20207- 152359 20200- 15235 分 授监控 直振警查询日请的假管理 车调湿 进 2 储 明 盟动检查管控应东锅管理 织动客管理 2 168 5% 46 4 3 7 排 师 人 疑 近 性 吴 储客 的率 事 登 涛 动时 网 u m i 出 ⑧ 士 理 图 辆 营 8 人 面 面 众西 视 监 腔 智慧军营综合管理 更多菜单 凶 ⑧ admin 凶 自报智 出入 车 K 音 东 品 966 备 车 车辆温道 ⑧更管课 登动志检支箍控宿车辆管理 8人圆普理 # 更多菜单 也 ⑧ admin 童海 添加

，在拼接过程中完全避免了人工切音不准的问题。 WaveNet+ 拼接——两种解决方案（ II ） 技术创新 l 基于业界领先的双向 LSTM 预测模型、 精心设计的文本处理和高质量、 低计算的声码器 ， 已广 泛应用于 XX 地图、 XXapp 等各种产品。 产品支持 l 支持流畅的中英文混合合成 ， 可播报通用领域任意文本 l 支持有特色的定制合成 ，如明星音导航场景 l 模型文件小、 低功耗、 无需联网、 雪亮工程 • 轨道交通 咨询厂商： - 星图 银行系统服务商： - 神码 SaaS 厂商： - 亚信 云服务： -VMware - 博云 云集成厂商： - 中软 - 东软 安全合规 两地三中心容灾 混合云解决方案 智慧城市 / GPU 阿里云、腾讯云、金山 云、华为等 ABC 一体化方案 尽量早期介入，影响指 标方案 如果过多的埋入阿里飞 天的指标，就较难了

H 端到端流程。 项目定义与确立 产品开发 试生产 项目批产 产品设计 客户询价 OTS样件试制 ^ 枇产准备会议 t 枇生产初期特别皆理 产品过程审核 ^ 造型方塞设计一►造型方塞;东适] 類开发 I装开发 检貝开发 生产线优化 夕_ 导部件幵发 -► FMEA分析- 强检及3C认证 资湄插认/ 风险评估 樓呉设计 工装设计 检呉设计 外购件设计 OTS样 件 PPAPiA可 项目抿价过程昔理 祖雖 产 试生产 + 願客PPAP枇准 -J 项吕般价 项目d堪成立 r m 阶段性总结 阶段性总铝 ^ 关键件供应商确定 阶跳雜 产品设计/评审/验证碡 ■;东适 21 项目定义与确立 品设计 客户询价 t 荖求管理— 麵确細险评估 t 项e振价过程管理 + 朝瑕价 t 项目小组成立 2需求到设计 ► 造型方案设计 _► 造型方案冻结- . A

1 大模型的概念 1.2 大模型的发展历程 1.3 人工智能与大模型的关系 1.4 大模型分类 大模型通常指的是大规模的人工智能模型 ，是一种基于深度学习技术 ，具 有 海量参数、强大的学习能力和泛化能力 ，能够处理和生成多种类型数据的 人 工智能模型 通常说的大模型的“大”的特点体现在： 2020 年 ， OpenAI 公司推出了 GPT-3 ，模型参数规模达到了 1750 亿 2023 训练数据量大 计算资源需求高 参数数量庞大 大模型的设计和训练旨在提供更强大、 更准确的模型性能 ， 以应对更复杂、 更庞大的数据集或任务。 大模型通常能够学习 到 更细微的模式和规律 ，具有更强的泛化能力和表达能力 学习能力强 大模型可以从大量的数据中学习， 并利用学到的知识和模式来提供 更精准的答案和预测 。这使得它 们在解决复杂问题和应对新的 场 景时表现更加出色 的大模型 。 它们利用大算力、使 用 海量的开放数据与具有巨量参 数的 深度学习算法，在大规模无 标注数 据上进行训练， 以寻找特 征并发现 规律 ，进而形成可“举一 反三” 的强 大泛化能力 ，可在不 进行微调或少 量微调的情况下完 成多场景任务 ， 相当于 AI 完成 了“通识教育” 行业大模型 L1 是指那些针对特定行业或领域的大 模型 。 它们通常使用行业相关的