中国政务行业大模型发展洞察 ©2024 iResearch Inc. CONTENTS 目录 03 政务行业大模型发展趋势 Development trend 2 01 政务行业大模型发展背景 Overview 02 政务行业大模型发展路径 Interpretation 01 政务行业大模型发展背景 Overview 政务行业大模型概念界定 通用大模型基座结合 通用大模型基座结合政务行业数据，服务政务业务场景的专业模型 政务行业大模型是在通用大模型基础上结合政务行业专属数据和政务行业业务场景特征、为政务领域专业定制的专属行业大模型。 • 在部署模式上 ，政务行业大模型一般需要支持私有化部署 ，以满足政务数据安全性与合规性要求； • 在开发能力上 ，政务行业大模型需要具备定制化开发能力 ，以更好地适应不同政务场景的特殊要求； • 在服务能力上 ，政务行业大模型需要配备本地化服务团队 ，政务行业大模型需要配备本地化服务团队 ，以支持政务行业大模型的调优和长期维护。 政务行业大模型 定制化开发 私有化部署 基于现有大模型底座 ，在数据层借助政务领域通用 / 专有数 据 ，结合业务场景特点 ，对模型进行个性化定制 升级场景应用服务能力 将行业大模型能力与政务场景应用结合 ，进一步提升政府

交通专家大模型解决 方 案 建设交管新质生产力 ， 重构智能应用新模式 2024 年 9 月 目 录 二、 解决方 案 三、 场景应 用 一、 现状背 景 CONTENTS 01 现状背景 大模型能力突破 大算力： 硬件快速发展， 使得训练更高参数量 、 更复 杂的大模型成为可能 大数据： 大量标注数据和交通实时数据， 为大模型提 供丰富的数据基础 大模型： 大模型表现出更高的准确性 大模型表现出更高的准确性 、 更强的泛化能 力和更复杂的任务处理能力 ● 语言能力： 具备自然语言理解与组织能力， 能 极 大 降低 人 与 机 器 的 沟 通成本 ● 思维能力： 具备多维度分析能力， 对交通数据 进 行更准确的分析 、 预测 、 模式识别等 ● 学习能力： 大模型可以根据历史和实时数据进 行 学习， 并能够持续优化交通能力 赋能新质生产力 小模型初具成效 物联网普及： 2022 年至 今） 信息化时代 （ 2010-2016 ） 大模型技术落地可行性 交通理解 交通决策 非灵长类动物 灵长类动物 非灵长类动物 灵长类动物 灵长类动物 48.2g 69.8g 2848g 377g 1232g 大模型参数超越人类神经元量级 ， 具备智力基础 智力基础加上专业学习 -> 解决专业问题 大模型参数量已超过千亿 ， 具备人类相当的智力基础和解决专业问题的可行性。

训和维修管理，以提升工厂的生产效率、 安全水平和决策能力。 以工程对象为中心，将大量复杂的 工厂资产相关数据转化为容易理解和以业 务导向的信息，以表现资产真实物理状况 的三维工厂电子模型为基础，并且无缝集 成各种工厂企业信息系统，如设计数据、 施工数据、竣工数据、 ERP 、 MES 、实 时数据库、运行、维护以及文档管理等系 统。 以设备位号进行关联 工程建设期： 工程二三维协同设计 总 体 框 架 16 应用与辅助决策中心（辅助运行、展示、应急、决策） 中心数 据库 物探 井下 作业 测试 化验 地质 油藏 净化 集输 开发 生产 空间数据 三维模型 开发 规范 接口 规范 制图 规范 采集 规范 数据 字典 转换 规范 标准 体系 安全 体系 服务 安全 信息 安全 网络 安全 物理 安全 安全 基础的油田场景、设备 设施、工艺流程的三维 可视化及空间分析能力。 • 数字油田系统内部各 子系统各模块各功能 之间以及与外部系统 之间，根据实际的业 务流程和工作流程， 建立流程关系。 • 按照统一数据模型 统一发布自控系统 实时数据、人工录 入数据、历史数据 • 提供统一的系统入 口和身份验证。 • 利用 IT 安全技术，对系 统使用的数据和系统本 身提供安全保障；并对 可能出现的安全攻击或 隐患具备一定的防范能

当前，生成式人工智能大模型成为各行各业关注重点和热议话题。 以 ChatGPT、Bard 为代表的大模型是人工智能技术的一次飞跃，代表 着 AI 技术从感知世界、理解世界向创造世界的跃迁。政务领域涉及 大量内容生产及人与人交互环节，与生成式 AI 大模型高度的信息收 集、文本总结、智能交互能力契合度较高，是未来生成式 AI 大模型 应用的肥沃土壤。 自大模型工具出现以来，全球各国纷纷探索新技术在政府治理中 的应用可能，推动形成一波以智能化为主要特征的数字政府改革浪潮。 从应用广度看，大模型在政务领域的应用探索已较为普遍，包括美国、 英国、澳大利亚、加拿大、新加坡、日本、韩国在内的 18 个国家或 地区已将大模型应用在政府事务管理中，场景覆盖政府内部办公、政 务信息公开、政务服务提供、民生服务优化和国防航天等 5 大领域 13 个细分场景。从应用深度看，部分国家在政务领域的大模型认知率、 利用率达到较高水平，罗兰贝格咨询公司预计，在充分应用的前提下， 利用率达到较高水平，罗兰贝格咨询公司预计，在充分应用的前提下， 预计大模型将推动公共服务行业降低 1.8%的经营成本。从部署推进 看，新加坡、日本、美国等实践较为靠前，已推动地方分散探索向集 成应用转变，在部署方式、数据处理等方面做出统筹安排。 为用好大模型技术这把“双刃剑”，各国积极推动组织、人才、 技术等变革以适应新的治理挑战，同时加快政务领域大模型应用规范。 2023 年以来，韩国、新加坡、美国、英国、澳大利亚、新西兰、日本、

ICS 35.240.99 CCS L67 团 体 标 准 T/ISC 0079—2025 政务大模型通用技术与应用支撑能力要求 General Technical and Application Support Capability Requirements for Government Large Models 在提交反馈意见时，请将您知道的相关专利与支持性文件一并附上。 发布稿 ..... I 引 言 .............................................................................. II 政务大模型通用技术与应用支撑能力要求 ................................................... 1 1 范围 ......................... ....... 1 3.1 模型优化 model optimization .................................................... 1 3.2 强化学习 reinforcement learning；RL ............................................ 1 3.3 大模型 large-scale model

深桑达：发布政务大模型，落地 AI+政务 [Table_Title2] 深桑达 A(000032) [Table_Summary] 核心观点: 中国电子云发布星智政务垂直领域大模型 7 月 6 日，在 2023 世界人工智能大会人工智能应用创新论 坛上，中国电子云基于 70+城市数字化治理实践的经验，重磅 发布星智政务垂直领域大模型。 星智政务大模型能够通过插件链接政务专题库（如城市建 设的数据专题库）等，满足客户实际的数据咨询需求（如城市 交通情况、教育情况），并实现面向政务相关事项的查询、推 理、分析以及问答能力。目前星智政务大模型在包括武汉等几 个城市落地过程中。 以数字人为载体，率先落地问政与看数两个场景 基于大语言模型，以数字人“小鲸”为载体，面向“问 政”与“看数”两个场景，实现（1）面向政务工作人员的政务 大屏解读和（2）面向基层民众与网格员的政务执行咨询。根据 平台构 建统一底座融合大模型技术，作为运营和管理的行业智能平 台，开放支持基础大模型、行业大模型。 “N”是投资建设 N 个可信智算中心：可信智算中心有望 年内率先落地北京武汉。北京智算中心预计今年 10 月份完成一 期建设，规模为 100P；武汉智算中心下半年启动，规划总规模 超过规模 500P，分 2-3 期完成建设。 “M”是联合生态打造 M 个行业模型：如政务、医疗、金 融、

GBT 43439-2023 信息技术服务 数字化转型 成熟度模型与评估 成熟度等级 三级 组织应具备数字化转型总体规划并有序实施，完成关 键业务的系统集成和数据交互，在运营、生产和服务 领域实现基于数据的效率提升。 一级 组织应具备转型意识，开始对实施数字化转型的基 础和条件进行规划，在运营、生产、服务等业务领 域基于内外部需求开展数字化转型探索工作。 四级 组织应将数据作为支撑运营、生产和服务关键领域 组织应将数据作为支撑运营、生产和服务关键领域 业务能力提升优化的核心要素，构建算法和模型为业 务的相关方提供数据智能体验。 二级 组织应对数字化转型的组织、技术、数据和资 源进行规划，完成局部业务的数据收集、整合与 应用，初步具备基于数据的运营和优化能力。 数字化成熟度等级 五级 组织应基于数据持续推动业务活动的优化和创新， 实现内外部能力、资源和市场等多要素融合，构建 独特生态价值。 应识别信息技术及其服务创新 人才、数字化转型治理与管理 人才等需求，并有意识地吸纳 和培养相关人才 1. 应结合数字化转型战略，建立岗 位数字化评价优化机制，持续优化 岗位数字化评价模型； 2. 应基于数字化转型优化调整战 略，适时优化调整组织结构与岗位 职能； 3. 应持续推进数字化转型生态文 化建设： 4. 应建立专门的专家团队、研究 团队、执行团队，支撑生态体系建

项目编号： 教育行业 AI 大模型 设 计 方 案 目 录 1. 背景与目标...................................................................................................6 1.1 教育领域的挑战...................................... ..............................................7 1.2 AI 大模型的优势....................................................................................9 1.2.1 提高学习效率....................................... ..............................................................................15 1.3.1 设计灵活的教育 AI 模型.............................................................17 1.3.2 实现知识的有效传播...................

© Pera 数字孪生是基于模型的体系工程 • 仿真生态 • 知识生态 • 增材生态 打造虚实共智的数字化业态 安世亚太协助企业数字化转型，赋能数字经济发展 2 © Pera Corporation Ltd. 4 基于不明确机理的推测 基于明确机理的计算 实时互传信息数据 数字孪生体成熟度模型 物理世界的数字化建模 多孪生体共享智慧 先 知 数 化 先 觉 共 智 互 动 © Pera Corporation Ltd. All rights reserved. 6 © Pera Corporation Ltd. All rights reserved. 安世亚太数字孪生 成熟度模型 数字孪生技术最早在 1969 年被 NASA 应用于阿 波罗计划中，用于构建航天飞行器的孪生体，反 映航天器在轨工作状态，辅助紧急事件的处置。 密歇根大学教授

预训练大模型与医疗：从算法研究到应用 1. 预训练大模型概述 2. 理解大模型的内在机理 3. 赋予模型精准性与可解释性 4. 医疗领域应用 5. 清华探索：数基生命 CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn CONTENTS 预训练：从大数据到小数据 ③ 精 准 可 解 释 ④ 医 疗 应 用 用 ② 剖 析 大 模 型 ① 关 于 预 训 练 预训练大模型 （学习共性） 大数据（低成本无标注） 少量特定领域标注数据 （成本高） 微调小模型 （学习特性） ⑤ 数 基 生 命 1.模型角度：模型参数不再是随机初始化，而是通过一些任务（如语言模型）进行预训练； 2.数据角度：将训练任务拆解成共性学习和特性学习两个步骤。 CHIMA 20Pag2 Tsinghua Confidential  两类典型的大语言模型  BERT ： Bidirectional Encoder Representations from Transformers  双向模型，同时考虑前文和后文  采用掩码语言模型（ masked language model ）和下一句 预测任务 （ next sentence prediction ）进行预训练，使得模型能够学习到上下 文 关系和词汇语义