相继提出。 AI 在图像和语音识别应用广泛。 里程碑事件包括深蓝战胜卡斯帕洛夫和 AlphaGo 战胜李世石。 GANs 和无监督学习推动 图 片生成领域。 Transformer 架构改变深度学习方向。 OpenAI 的 GPT 系列和生成式 AI 崛 起，多模态 AI 处理多种媒体。 全球大模型竞争激烈， AI 技术取得显著进展，对社会产生深远影响。 3. 人工智能的历史 发展历程 推理大模 型 提示词与提示工程 04 AlGC 与 GPT( 通用大模型的代 表 ) 生成式预训练 Transfomer 模型， GPT 的全称，是 Generative Pre-Trained Transformer （生成式预训 练 Transfomer 模型）是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型。 大模型的基本概念 -ChatGPT 概 述 各大热门平台产品月活跃用户数破亿所需时长。 各大热门平台产品月活跃用户数破亿所需时长。 ChatGPT 被称为 AI 的“ iPhone 时刻” , 以 ChatGPT 为代表的生成式 AI 让每个 人命令计算机解决问题成为了可能。可 对生产工具、对话引擎、个人助理等各 类应用 , 起到协助人、服务人甚至超越 人的角色。 海量下游应用也因此捕捉到新的技术与 产业机会 , 希望通过各类大模型与工程 化能力 , 将类 ChatGPT 产品能力输送 到原有的应用中

ARL 调查的未来 12 个月内生成式 AI 在研究图书馆中应用最多的 领域 背景 人工智能生成内容 ( Artificial Intelligence Generated 与人类创作者创作的内容相对，是利用能够在短时间内自动创作大量内容的先进生成式人工 智 能技术创作的内容。从技术角度看，人工智能生成内容是指，在人类提供指导模型完成任务 的指 令后，利用生成式人工智能算法生成的，满足指令要求的内容。生成过程分为两步：从指 令中提 取意图信息；根据提取出的意图信息生成内容 [1]。 上述定义将 AIGC 定义为一类内容，从内容生产者的角度将 AIGC 与专业生成内容 (Professional Generated Content, PGC) 和用户生成内容 (User Generated Content, UGC) 区别开来。除了上述定 义之外， AIGC 还被定义为利用人工智能技术自动生成内容的新型生产方式；以及用于内容自 动化生成的一类技术集合 [2]。 [1 ] CAO Y, L I S , L IU Y, et a l. A Co m p rehensive

.....................................................................................36 3.2.2 销售话术生成与优化................................................................................................ 知识管理与决策支持方面，DeepSeek 的行业知识库覆盖金 融、制造、零售等 8 大垂直领域，包含超过 5000 万条结构化商业 知识条目。通过 RAG（检索增强生成）技术，能在 300ms 内完成 海量客户数据的关联分析，输出带溯源依据的决策建议。典型应用 场景包括： - 动态客户画像生成：融合基础信息、行为数据、社交 舆情等 15 个维度的特征 - 商机预测建模：基于历史成交数据构建 的预测准确率提升 37% 席 15%的 工作负荷。 在数据价值挖掘层面，项目将建立动态客户画像分析引擎，通 过大模型的非结构化数据处理能力，实现客户需求预测准确率提升 40%。具体效益体现在销售转化环节，基于 AI 生成的个性化推荐 方案可使交叉销售成功率从现有 18%提升至 27%，客户生命周期 价值（LTV）预期增长 22%。 运营效率优化方面，计划部署智能工单分类系统与知识库自动 更新机制。经测试数据显示，工单自动分类准确率可达

在编程时， 系统会根据你写的内容和 语法规则， 自动推荐可能的代码片段 代码注释 快速生成方法和行内注释， 减少编 写注释所需时间， 提高代码可读 性 代码解读 支持系统级别和方法全链路代码解 读， 并生成相关逻辑图 、时序图 等 自然语言转代码 通过自然语言描述需求， 在编辑器区域直接生成代 码 AI 辅助编程初步提升开发效 率 代码 Review 提前发现代码变更引入 bug 公共组件使用文档 真正的组件文档大小并不大，在 700 多 M ，在开发过程中便于模型能理解 公司内部的基本组件并知道如何使用； 同时将公共组件调用生成问答对更进 准的让模型理解 代码解释及关联代码 首先把所有代码把无注释的代码先生成一份代码注释 、然后将代码注释及代 码用于做微调 大模型在研发效能上的初步探索 o o o 单元测试案例及代码 提取代码中的单元测试案例 问题分析 Multi-Query Step-back RAG-Fusion HyDE Agent 离不开的 RAG O O O 生成 Prompt LLM RAG 处理流程 - 提升 Agent 能力 接口文档 数据库表结构 测试案例 代码信息 组件使用说明 产品说明 系统设计文档 图数据存储 结构化存储

1 数智化设计的原则：标准化、一体化设计，装配式设计和数字化交付。 4.1.2 数智化设计宜基于对海量、多维度数据的分析（用户行为数据、市场数据、环境数据、 性能数据等），利用人工智能技术自动生成方案并进行对比优化。 4.1.3 设计数据、模型、文档宜实时共享，支持跨地域、跨专业的团队高效协同设计。 4.1.4 应采取有效措施保证数据安全。 4.1.5 项目宜在设计策划阶段根据建 正向设计，全专业模型整合，整合管线走向、设备定位 与各部位造型。宜将各专业设计规范和技术要求嵌入 BIM 模型，开展碰撞检查、图纸校核 等工作。通过 BIM 碰撞检测标记冲突点，确定优化优先级，生成报告并分配整改任务，各 专业优化调整，输出零碰撞的模型。 4.4 设计成果审查 4.4.1 宜利用智能审查软件或插件，对设计成果进行审查。 4.4.2 设计成果审查主要审查文件完 宜采用基于建筑信息模型（BIM）技术的施工深化设计类软件，施工深化设计软件应 具备空间协调、工程量统计、自动编号及出图、报表自动生成等相应的专业功能和数据互用 功能; 3 采用 BIM 技术对装配式构件（如集成吊顶、预制墙板、整体卫浴）进行模块化设计， 自动拆分生成加工图纸与安装编码; 4 复杂节点需通过 AI 算法优化模块组合方案，减少现场调整; 5 结合物联网技术，将施工深化设计

.....47 4.2 讲解内容生成模块..................................................................................................................................................49 4.2.1 动态内容生成算法............... .....................................................................................183 14.1.2 内容生成正确率................................................................................................ 大模型在智能语音讲解公共服务应用中展现出多维 度技术优势，其核心能力通过以下关键特性实现落地转化： 语言理解与生成能力 基于千亿参数规模的预训练架构，模型 在公共服务场景的语义解析准确率达到 92.3%（第三方测试机构数 据），支持 47 种方言的实时转译。在故宫博物院试点中，实现讲 解文本的自动生成效率较传统方案提升 6 倍，同时保持专业文献的 术语准确率。 多模态处理能力 模型集成语音-文本-图像联合分析模块，在景

融行业通用模型。我们认为垂直行业的高价值量数据对于 AI 大模型的训练 和垂直领域应用至关重要，金融行业数字化程度领先，拥有数据富矿，有望 成为 AI 大模型率先落地的垂直领域之一。应用端，我们看到生成式和理解 式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有 潜在落地场景，帮助金融机构降本增效。 银行：大模型助力数据洞察能力提升，赋能高质量顾问式金融服务 在银行领域，理 险预警信号。度小满的智能征信中台将 LLM、图算法应用在征信报告的解读 上。生成式大模型则可提高客户服务质量，智能客服既能与用户进行多轮对 话，还能提出具体可行的解决方案。例如，中国工商银行发布了 AI 金融行 业通用模型，智能客服在识别客户来电诉求和情绪的准确率上有显著提升。 投研：“全能助理”辅助信息了解、提炼和挖掘，实现研报自动生成 在投资研究领域，大模型可以成为投研从业者的“全能助理”。理解式大模 大模 型不仅可以辅助了解国内外的宏观政策、行业信息、公司和产品信息，并将 关键信息进行抽取与提炼，还能通过对海量非传统数据进行挖掘来发现另类 投研因子。生成式大模型则能实现研报的自动生成和翻译。 投顾：全方位分析客户需求，自动化定制化投资建议 在投资顾问领域，大模型不仅能充分利用自有内容资源，还能帮助全方位分 析客户需求和市场趋势，提供自动化的投资建议。比如，同花顺应用 LLM 来 构造合规、准确的投顾助手，通过

GPT，将生成式AI 首次应用于CRM。公司在2016 年收购机器学习平台PredictionIO 和深度学习平台 Metamind，并正式推出人工智能平台 Einstein，目前每天在 Customer 360 中提 供超过 2000 亿次 AI 预测。2023 年 3 月 7 日正式推出 Einstein GPT，将公共和私有 AI 模型与 CRM 数据相结合，为客户提供开箱即用的生成式 AI 功能，Einstein 层结合进一步提高客户对数据的分析和利用能 力。预计生成式 AI 将进一步提升客户黏性及多云订阅意愿，带来客户数量、续费率和 ARPU 的 三重增长。公司还宣布通过 Salesforce Ventures 设立一项 2.5 亿美元的基金，旨在加强围绕生成 AI 的创业生态系统。  Slack GPT 与 Tableau GPT 打通多场景智能。Salesforce 于 5 月 4 日推出 Slack GPT，利用生成 式 AI 在 AI，Slack 可以集成其他模型，有望通过降低使用门槛 增加客户数，缩小与竞争对手的份额差距。公司还于 5 月 9 日推出 Tableau GPT，基于 Einstein GPT 在 Tableau 引入生成式 AI，为用户提供智能和自动化的数据分析服务。2021 年全球商业智能（BI） 软件市场规模约为 271.1 亿美元，预计 2030 年将达 294.2 亿美元，期间 CAGR 约 9.1%。Tableau

企业外汇风险数智化转型白皮书 从被动应对到主动管理 2025年度 深度学习方法所构建的模型在汇率波动的预测精度上要优于传统模型。 一个典型的案例是电子制造企业部署了外汇风险数智化管理平台后，实现了从敞口识 别、策略生成到交易执行的全流程自动化，将原本需要3个工作日完成的套保决策周期缩 短至2小时。这一改变直接导致该企业在2023年全年的汇兑损益波动率较前一年下降了 52%，充分展示了从被动应对转向主动管理所带来的实际效益与价值。 更通过标准化的接口 与运维体系，为整个架构的可扩展性与可靠性提供了技术基石。 上述各技术与业务层面的协同，最终在业务全流程中实现风险管理价值的落地。从业 务系统数据接入触发敞口识别，到计算引擎生成套保策略、交易管理执行风险对冲，再 到清结算与套期会计完成财务闭环，整个流程形成“数据驱动—智能决策—业务执行— 合规反馈”的完整链条。特别值得强调的是，AI算法贯穿全流程各环节——从敞口识别 大选、非农数据、汇率、财政赤字、 理论、俄乌冲突等事件因子包，通过可通过单因子模型+多因子模型+虚拟交易进行分 26 企业外汇风险数智化转型白皮书 从被动应对到主动管理 2025年度 析，生成情景分析报告。 套保策略建议内置双目标帕累托优化模型，试算出多个交易策略和组合比较，辅助用 户选择最优交易策略，提升企业自主外汇管理能力，优化企业外汇套保交易成本。 智能AI套保内置智能套期保

降低应用门槛，提供即时、场 景化、伴随式的技术支持与专家指导，建立教师互助实践社群，鼓励教师积极创 新课堂教学方式，将智能技术纳入不同学科的教学过程中，丰富课堂活动内容， 提升课堂趣味性，推动生成式教学、对话式教学、项目式学习等新模式的广泛应 用。 在教师研究方面，需推进数据驱动和画像技术支持的智能教研 ④，通过多模 态数据系统评估教师授课情况，提出精准改进建议。探索教学物理空间和教研网 系统呈现了人工智能赋 能教师教学创新的现实图景。 图 2-1 人工智能赋能教师教学创新的现实图景 对话式教学是社会建构主义教学观的重要实现方式，旨在鼓励学生积极参与 意义建构过程 ①。随着生成式人工智能（Generative Artificial Intelligence，GAI） 在教学中的深度应用，能够在不同认知层次的对话式教学活动中发挥相应作用， 提升对话式教学的交互质量，构建 GAI作用描述 “低阶” 认知目标 （记忆、理解、 应用） 获取 GAI定概念、述原理，作为数据分析工具。 提问 GAI根据提问解释特定事物和原理的规律，举相关例子 ②。 表达 GAI 依据情境生成分析性的文本资源，或作为迭代学生提示词的学习助手来 优化表达。 “高阶” 认知目标 （分析、评估、 创造） 讨论 GAI分析、推理特定部分及关系，作为促进学生反思的苏格拉底导师系统；