《五年期存款将进入 2.5%时代，储蓄 险竞争力愈显》 2023-06-09 3. 《专属商业养老保险迎常态化经营， 个人养老金有望快速增长》 2023-05- 27 看好丰富数据积累及应用场景驱动下，保险 +AI 大模型的受益机会 核心观点 ❖ 垂直领域大模型或成细分领域公司 AIGC 发力方向，金融领域已率先 落地。垂直 AI 大模型专注于特定的行业、领域或场景，且能够依托行业数据 与知识壁垒，并为企业提供更准确、专业的解决方案，更好满足用户在某个领 域的需求，有望成为后续细分领域企业的发力方向。彭博推出专为金融行业打 造的 500 亿参数大语言模型 BloombergGPT，依托其四十年来积累的大量金融 数据源，基于通用和金融业务的场景进行混合模型训练，使得 BloombergGPT 在执行金融任务上的表现远超同等参数量级的通用大语言模型，为国内金融 行业大模型的落地与使用提供了借鉴路径。我们认为，保险行业作为数字化、 险领域的专业大模型，赋能保险业务全流程。 ❖ 海外保险机构 AI 大模型布局正加速推进，国内也有望实现 AI 技术的 迭代升级。海外方面，GPT 技术已从销售助理、智能客户、核保核赔等多场 景赋能保险业务，预计随着数据与训练的积累，未来长期 AI 大模型有望向个 性化产品定价、核保核赔、风控减损等场景延伸，深度赋能全产业链。国内方 面，近年来，我国大型保险机构持续关注科技投入，AI 技术已广泛应用于前 端销售、定损理赔、风控减损等领域，但主要仍以理解式

自动驾驶 3D⽣成 具身智能 数亿视频 ⽂字片段 百亿级 图⽂对 百亿英里 ⾏驶数据 千万级⾼质 量3D模型 百万小时 真机数据 分析 • ⽂本、图片、视频 等数据由于互联⽹ 内容的长期积累， 数据规模上显著⼤ 于自动驾驶、3D和 具身智能 • 空间智能涉及3D视 觉类数据、物理世 界交互数据，互联 ⽹数据的作用有限， 需要等待数据体系 进⼀步成熟，数据 整体上比语⾔更复 杂，对数据处理的 数据⽣成：XR设备可以支持空间智能相关的数据⽣产，例如英伟达GR00T项目，通过XR设备为机器⼈进⾏操 作演示 数据体系成熟度是观察空间智能进展的关键，包括数据积累、数据构成、 数据分布、数据闭环四部分，成熟度上自动驾驶>3D⽣成>具身智能 数据积累规模 8 信息来源：量⼦位智库 自动 驾驶 3D⽣ 成 • ⾼ • 已有数量庞⼤的车队和成 熟的道路交通系统可以收 集⼤量数据 具身 智能 3D⽣成需要的图形学数据 种类多样，如形状、体积、 纹理、材质，对数据表征 要求⾼ • 中 • 3D模型的数据集丰富度 较⾼，模型可以覆盖各 类物件和场景 • ⽆ • 低 • 缺少存量装机量，要从零 开始积累数据，同时仿真 数据精度有限 • 低 • 需要视觉数据、⼒学数据、 运动数据、激光雷达、甚 ⾄其他模态，异构数据多 • 低，数据主要来自⼀些 垂直的训练场景，数据 分布比较单⼀ • ⽆

1. 新时代智慧后勤要 求 如何让高校后勤行业具备智慧？ 新兴技术如何融合到高校后勤之中？ 如何让后勤管理、服务、决策变的充满智慧？ 如何让我们的员工具备后勤智慧能力？ 前人积累的后勤工作的智慧如何留存使用？ 如 何 将 我 们 后 勤 的 形 象 从 信 息 化 变 为 智 能 化 ， 再 从智能化变成智慧化？ 我们智慧后勤建设如何作出亮点？ 做到以上这些能称得上新 云计算 物联网的引入帮助高校解决物理 设备接入管理、监管、控制、 预警问题 人工智能的引入帮助高校解放常 规人力实现超前预测自我学 习能力 人工智能 大数据的引入帮助高校解决 数据经验积累分析预测等 能力 人脸识别 5G 应用 新型基础设施建设（新基建） 车联网 边缘监控 智能入网 5G 基站 AI 芯片 智能预测 伴随采集 射频终端 数据分析 前人之智后人之路 为制度和应用，后人借鉴改进持续 积累提升 提供智慧化服务：使用各种高科技智 能技术让师生服务体验更好，服务融 合、管理融合、监控融合、预警融合 智慧积累通道：员工的经验积累 创造通道，让前人经验可以传授 给其他人 提升智慧感知：智能应用、智能 设备、智能水表、智能灯杆、智 能电表、智能贩卖机、智慧安防 智慧积累方式：将前人智慧沉淀成 数据持续积累，为后人指清道路 经验 智慧

互联网平台的 基础支撑和重要保障。 泛在连接、云化服务、知识积累、应用创新是辨识工业互联 网平台的四大特征。一是泛在连接，具备对设备、软件、人员等 各类生产要素数据的全面采集能力。二是云化服务，实现基于云 计算架构的海量数据存储、管理和计算。三是知识积累，能够提 供基于工业知识机理的数据分析能力，并实现知识的固化、积累 和复用。四是应用创新，能够调用平台功能及资源，提供开放的 工业 工业 APP 开发环境，实现工业 APP 创新应用。 （三）工业互联网平台核心作用 工业互联网平台能够有效集成海量工业设备与系统数据，实 现业务与资源的智能管理，促进知识和经验的积累和传承，驱动 应用和服务的开放创新。可以认为，工业互联网平台是新型制造系 统的数字化神经中枢，在制造企业转型中发挥核心支撑作用。 当前来看，工业互联网平台已成为企业智能化转型重要抓手。 6 二、工业互联网平台技术体系 （一）工业互联网平台七大核心技术交织融合 工业互联网平台需要解决多类工业设备接入、多源工业数据 集成、海量数据管理与处理、工业数据建模分析、工业应用创新 与集成、工业知识积累迭代实现等一系列问题，涉及七大类关键 技术，分别为数据集成和边缘处理技术、IaaS 技术、平台使能技 术、数据管理技术、应用开发和微服务技术、工业数据建模与分 析技术、安全技术。 图

embedding 的加入为啥效果不好却是值得思考和 探索的问题。 经过上面的探索我们获取了一些经验，例如交叉特征有用，用 embedding 产生的向量两两相似 性计算对树模型有用，因此我们本着上面积累的经验进行了人工构建交叉特征作为 xgboost 模 型的输入。在此基础上加入统计特征，这波操作再次给我们带来了 0.5% 的收益。 最后总结下模型方面的探索结果，以上实验说明我们还没有充分利用 像的匹配，为人岗匹配带来革命性变革。 e 成科技作为 HR+AI 赛道的领跑者，一直专注于 AI 技术在人力资本领域创新应用，开创性地将 AI 技术与人力资本场景深度结合。基于 6 年的 AI 能力和行业经验积累，e 成科技打造了 AI 开 放平台，将 AI 能力和产品整合至 AI 开放平台，并通过开放平台将 AI 能力开放给所有企业和友商。 e 成科技 AI 开放平台是 HR 赛道首个企业自主研发的聚焦人力资本场景的一站式 技术与人才战略升级场景深度结合 , 我们已经将 embedding 技术应用到人岗匹配、面试 Bot 等多实际场景，接下来我们将继续优化 embedding，助力 AI 技术在人力资源领域的更多应用。 同时，基于积累多年的 AI 能力和行业经验，e 成科技重磅打造了 AI 开放平台，并将 AI 能力开 放给所有企业和友商。e 成科技 AI 开放平台是 HR 赛道首个企业自主研发的聚焦人力资本场景 的一站式 AI

质保返修率过高 生产成本未得到有效控制 数字化瓶颈：设备集成难 制造企业问题及现状 行业知识如 何产生价值？ 行业知识如 何积累？ 敏捷个性化 需求开发如 何满足？ 行业知识被行业专家掌握，在行业专家的大脑，行业知识如 何快速积累 行业知识积累后如何产生价值 如何敏捷应对或满足 VUCA （ volatility 易变性； uncertainty 不确定性； complexity 其他专业生产系统：电 力，石化 ...... 上层应用 设备多维 管理 GIS 管理 数据实 时处理 数据分析 模型 商业规则 管理 角色 管理 设备管理平台强大的协议解析能力和大量的设备采集驱动的积累，有效支撑各类设备的数据采集， 同时支持基于数字孪生的设备可视化展示，全面保障设备的互联互通，打通最后“一公里”。 人员全连接 考勤 管理 任务 排班 工作 记录 上岗 管理 工作 记录

2 技术积累 1 背景分析 3 环保建设方案 CONTENT 大气防治 打赢蓝天保卫战三年作战计划 ，以京津冀及周边、长三角、汾渭平原等重点区域 为主战场 ，调整优化产业结构、能源结构、运输结构、用地结构 ，强化区域联 防 联控和重污染天气应对 ，进一步明显降低 PM2.5 浓度 ，明显减少重污染天数 ，明 显改善大气环境质量 ，明显增强人民的蓝天幸福感。 水污染防治 分析成因 基于监测数据和模型综合分析污染 成因 ，掌握本地污染成因 ，分析本 地及外来区域污染传输规律 3 4 需求分析 2 1 2 技术积累 1 背景分析 3 环保建设方案 CONTENT 技术积累 数据中心 数据整合、共享、 管理、分析、挖掘 地图应用 基于 GIS 平台的地 图 检索、分析应 用 大数据 大数据平台建设咨询、 实施与服务 的语言和画面体现站点的主题；调 动一 切手段充分表现网站的个性和情 趣 ，策 划出网站的特点。 u 网站构思设计 u 网站开发实施 u 网站运行维护 门户网站 1 背景分析 3 环保建设方案 2 技术积累 CONTENT 建 设思路 总体 框架 一张网— -- 生态环境 监测网 卫星遥感 无人机、高空视频 微站、激光雷达、超级站、走航车 水质自动站、扬尘噪声监测、污染源监测、视频监控

预测性维护 03.2021 上海 / 中国 罗兰贝格 洞见 数字化运维的制胜基石 1 随着互联技术的革新、大数据的应用与积累、计算能力的提 升及相关模型理论的高速发展，人工智能的应用场景逐渐丰 富，并在近几年逐步过渡到实操落地。各行各业正积极探索 通过人工智能赋能的运营模式，并以此推动产业升级及长期 的运营转型。 在政策端，从2017年7月国务院印发的《新一代人工智能发 展 数字化生产计划与管理的一部分，帮助提升制造的专业化水 平和运作效率。 通过设备数控 系统及传感器 采集实施数据 数据清洗及 特征剥离 机器状态监测 及诊断 数据采集 数据分析 搭建故障预测算法 并借由数据积累 持续提升算法精度 进行生产计划及 维修排程决策 故障预测及决策支持 自动化设 备数据 (PLC数据) 传感器 数据 1 通过传感器及PLC采集实施生产数据 资料来源：罗兰贝格 2 本地数据 对生产排程的整体影响小。 优势二：复制性高 —— 在相同的设备上可以快速复制解决 方案，且越多的设备导入可带来更多的海量数据，对模型精 准度的提升帮助更大。 结合对数字化运维的丰富洞察及项目的实战经验积累，罗 兰贝格已开发出一套从设备引入机遇识别、解决方案设计 到落地实施的一站式预测性维护解决方案，关键构成要素 如下： 1. 硬件：主要负责本地数据采集及分析，涵盖数据采集设备 （传感器+数据传输设备）及边缘计算服务器：

数据，结合时间维度，构造有效特征，如：年 初因子、年末因子、假期因子等，对可能会产生影响的变量进行整理，并将这些变量作优化模型效果 的重要输入信息。 此外，本项目针对传统预测中，业务方长期以来积累的经验作为一部分参考值纳入了考虑范围。 对于政策因素这样的因子，较难将其量化，故借助源于经验的总年预测，使用 ARIMA 模型进行参数调优。 战略规划和行动路线图 实施难度及复杂度 从传统经 渠道的外部信息分类整合并统一呈现， 方便研究员一站式获取，为研究模型构建提供充足信息输入。 成果沉淀方面：考虑到研究员成果的重要性，平台打造线上素材库、模型库、报告库，为公司和 研究员提供成果积累沉淀的安全空间，形成研究资产。 效率提升方面：针对手工事务性工作多的问题，平台将其线上化并辅以移动端，最大程度释放研 究员精力，提升其专注研究的时间占比，从而提高工作效率。 一、业务支撑创新：全场景覆盖，智能化支撑 延伸至事前、事中、事后全流程融合管控，同时不断进行验证反馈和迭代升级，实现死差和费差管控 的目标，同时不断积累风控数据资产价值。 二、行动路线图： 1、具体业务场景总结出的风险靶点 2、针对具体风险靶点整理出的风控规则体系 3、把具体的风控规则在相应的业务场景中进行应用并取得效果 4、不断积累的风控数据资产为公司带来第二增长曲线 战略规划和行动路线图 1、以场景化风控应对保险行业在新形势下

及算力、教育业务理解、教育数据等竞争要素的差异，在行业中分据而立。展望未来竞争态势， AIGC技术具有显著的资源密集和依赖特点，大力出奇迹的暴力美学路径已被行业所验证，未来格 局仍会以有着多类型资源积累的大厂占据主要份额，创新企业可以依据特定场景深入理解而切入， 但若没有自主大模型仍然会受制于人。同时，通用大模型与教育垂类大模型的关系，正向着各司 其职、融合发展的方向持续演化，未来可能呈现出通用大模型与N个专家模型多重组合的形态。 个性化资源推荐与任务规划、启发式引导思考、实时答疑解惑 在自主学习场景下，学生通常存在学习任务不具针对性、难点困惑缺乏引导启发、实时反馈不足的三大问题，AIGC的应用对这三点 难题都有助益。首先，大模型积累了大量的学生个人数据，可以提供更懂学生的学习资源、学习任务和学习反馈；其次，根据情景 的不同，AIGC产品可设置是否提供答案，如在学生练习遇到困难时提供启发引导，或在错题后为学生提供题目详解；同时，AI可在 学生学习的时效，强化学习效果。  学习任务：学习资源及任务规划不具针对性  难点困惑：学习缺乏引导与启发，学生容易钻牛角尖  学习时效：学习中问题无法及时解答，事后请教老师效果有限 大模型积累了大量的学生个人数据，可以提供更 懂学生的学习资源和学习反馈 个性化 在学生产生困惑的当下实时答疑解惑，保证学生 学习的时效，强化学习效果 实时性 发现学生的问题，通过对话引导思考与回答，在