先，在风险评估与定价方面，AI 大模型能够通过海量数据的分析与 建模，提升精算的准确性和效率，从而制定更加科学合理的保险产 品定价策略。其次，在客户服务与营销领域，AI 大模型可以通过自 然语言处理（NLP）技术实现智能客服、个性化推荐以及精准营 销，显著提升客户满意度与转化率。此外，在理赔处理与反欺诈方 面，AI 大模型能够快速识别异常行为，提高理赔效率并降低欺诈风 险。 根据麦肯锡的研究数据，AI 潜力尤为显著。首先，AI 大模型具备强大的数据处理能力，能够高 效处理海量的结构化与非结构化数据，这为保险公司在风险评估、 客户画像、理赔审核等核心业务环节提供了前所未有的精准度与效 率。其次，AI 大模型通过自然语言处理（NLP）技术，能够实现与 客户的自然交互，大幅提升客户服务体验。例如，智能客服可以通 过上下文理解客户需求，提供个性化建议，从而降低人工客服的工 作负担。此外，AI 大模型在预测分析方面表现卓越，通过对历史数 大模型在保险行业的定 义可以理解为一种基于海量数据训练的强大算法模型，能够处理复 杂的保险业务场景，包括风险评估、客户服务、理赔处理、产品设 计等。其核心功能主要集中于以下几个方面： 首先，AI 大模型通过自然语言处理（NLP）技术，能够实现智 能客服和自动化沟通。例如，客户可以通过语音或文本与 AI 进行 交互，快速获取保单信息、理赔进度或产品推荐。这种技术不仅减 少了人工客服的工作负担，还能够提供 24/7

符合岗位需求的候选人，已成为人力资源管理的核心挑战之一。传 统简历筛选方法主要依赖人工阅读与判断，不仅耗时耗力，还容易 因主观因素导致筛选结果的不一致性。随着人工智能技术的迅猛发 展，尤其是自然语言处理（NLP）和深度学习（Deep Learning） 的突破，基于 AI 的简历筛选工具逐渐成为人力资源领域的新兴趋 势。其中，DeepSeek 作为一种先进的 AI 技术，具备强大的文本 求和复杂多变的市场环境。随着技术的进步，特别是人工智能和机 器学习技术的迅速发展，人力资源部门正逐步引入自动化工具以提 高招聘效率和准确性。DeepSeek 作为一种先进的简历筛选工具， 能够通过深度学习和自然语言处理技术，快速分析和评估大量简 历，从而帮助企业更有效地识别和吸引高潜力人才。 传统的手动筛选简历方法不仅耗时，而且容易受到人为偏见的 影响，导致招聘效率和公正性大打折扣。相比之下，基于 AI 在当前人力资源管理领域，简历筛选是招聘流程中的关键环节 之一，传统的人工筛选方式虽然灵活但效率较低，尤其在面对大规 模招聘时，容易出现遗漏和偏差。随着人工智能技术的快速发展， 尤其是深度学习（Deep Learning）和自然语言处理（NLP）技术 的进步，引入自动化简历筛选系统已成为提高招聘效率和质量的重 要途径。本研究旨在探讨将 DeepSeek 技术应用于简历筛选的可行 性，通过分析其技术背景、实际应用案例以及潜在优势，为人力资

黄仁勋表示，人工智能的下一个浪潮是具身智能。英伟达发布多模态具身智能系统 VIMA, > 2023 年，李飞飞等提出 VoxPoser 系统，将大语言模型 (LLM) 接入机器人。 > 2023 年，英国 EngineeΓed Arts 为 Ameca 接入 GPT:3/4 增强了其语言的灵活性并增强了其面部表情 , > 2023 年，中国傅利叶推出 GR-1 通用人形机器人，多模态大模型、高度仿生的躯干构型、拟人的运动控制；宇树科 本体：智能体的物理载体，具备感知、运动和操作能力。本体的形态和功能直接影响智能体的任务执行能力。 > 智能：负责感知、理解、决策和控制的核心模块，通常由多模态大模型 ( 如 LLM 、 VLM) 驱动。通过整 合视 觉、语言、触觉等多种模态数据，生成适应环境的行动策略。 > 环境：智能体交互的物理世界，包括动态变化的场景和任务目标。环境的复杂性和不确定性要求智能体具备 强大的适应能力和实时学习能力。 感知交 对象识别 场聚理解 … … 真实世界数据 知觉 温 度 触 行 动改变环境 反馈 安 全 与 隐 私 保 护 预 到 练视 觉 模 型 V F M S 视觉语言模型 V LMs/ 视 贷 语 言 动 作 模 型 V LAS 态学习 运动轨迹、力位、触觉等物理交互 数据 计算机视觉 多 频 态 合 感 如 3 D 重 理 与 场 聚 理解

将客户细分为不 同的群体，并为每一群体提供个性化的产品和服务推荐。  预测分析：利用历史数据和机器学习算法，预测客户未来的购 买行为和偏好，提前制定营销策略。  自动化客户服务：通过自然语言处理技术，实现自动化的客户 服务，如聊天机器人，提高响应速度和服务质量。  风险管理：识别潜在的客户风险，如流失风险或欺诈行为，及 时采取预防措施。 为了更直观地展示 DeepSeek 大模型在 的决策过程，不仅提高了营销效率，还显著提升了客户满意度。 其次，大模型在客户服务中的应用潜力巨大。传统的客户服务 往往依赖于人工客服或预设的自动化流程，难以应对复杂的客户问 题。而大模型可以通过自然语言处理（NLP）技术，理解客户的自 然语言输入，并生成符合语境的响应。例如，当客户在在线聊天中 提出一个复杂的技术问题时，大模型可以迅速分析问题并提供详细 的解决方案，甚至可以根据客户的反馈动态调整回答，从而提供更 水平。该模型通过在大规模数据集上的预训练，能够理解和生成自 然语言，具备强大的文本分析、情感识别和对话生成能 力。DeepSeek 大模型的核心优势在于其高度可定制性，企业可以 根据自身业务需求，对模型进行微调，从而更精准地服务于特定的 客户群体。 在 CRM 应用中，DeepSeek 大模型能够实现多种功能，包括 但不限于： - 客户意图识别：通过分析客户的语言和行为，准确识 别其需求和意图，帮助企业快速响应。

算法的具备扩展性的基础性技术，包括 语音识别、计算机视觉、自然语言处理技术、知识图谱等  语音识别：机器接受、解释、理解或执行口头命令的能力，能够将音频数据转换成文本数据，如 微信语音  计算机视觉：模拟人类眼镜，对图像或视频信息的处理，被广泛用于动态人脸识别、人像库实施检索、 证件识别等，如无人驾驶  自然语言处理技术（ NLP ）：模拟人类对语言的理解和掌握的技术。理解语言的具体含义和语境， 理解句子的意图和上下文含义 NLP 对自然语言信息抽 取，而 NLP 的应用也需要知识图谱的关联分析和推理能力 应用层 —— 是 AI 技术在各行业中的实践应用，是技术和场景结合的落地环节。应用层公司的 产品覆盖了行业的方方面面，包括安防、金融、教育、医疗、交通、零售、农业、广告营销、商务服务、机器人。 1.5 人工智能应用风险 机器反噬风险 可能出现一种机器之间能理解但人类无 法理解的语言，从而被迫走上“超人工智 机器深度学习，加强财务数据智能化的分析和应用，帮助 财务人员进行智能决策 智能财务应用的三个发展层次：  基于既定规则的自动化，如财务机器人的自动对账、智能报告  基于对话式用户界面的数字助理，主要特征是语言交互和人机协作  基于深度学习的企业大脑，典型场景是以大数据为基础的智能决策和风险内控 三、人工智能在财务领域的实践运用 财务管理对 AI 的应用与需求最为广泛 ——OCR （光学字符识别技术）：计算机视觉的一种，能够利用光学

一的 技术框架和评估体系，以促进全球范围内的协同创新 与应用落地。通过政府、产业和学术界的协同推进， 国际具身智能标准化正逐步从“项目散点”走向“体系 收敛”，各主流组织正加速形成统一的技术语言、能力 指标与安全评估范式，为全球具身智能技术的协同创 新与跨境互认提供基础支撑。 ISO/IEC 第一联合技术委员会（JTC 1）在人工智能 领域持续推进标准化工作，在功能安全领域，2022 数据集，用于 模型训练与评估一致性验证，推动了具身智能系统的 数据共享与标准化。同时其发布了 OpenEQA 数据集， 旨在衡量人工智能系统在具身问答任务中的能力，促 进了具身智能系统在自然语言理解与环境交互方面 的研究。 2 具身智能标准化需求与挑战 具身智能作为人工智能与机器人技术深度融合 的前沿领域，其标准化工作对推动技术发展、保障系 统安全、促进产业协同具有重要意义。然而，当前具 多模态感知与语义建模 自适应学习与知识迁移 多模态人机交互与社会行为感知 具身智能 核心技术 语义同步成功率 通信时延 空间语义建图 模型识别率 迁移成功率 历史知识保持率 自然语言理解率 意图识别精度 合规性 隐私数据隔离 因果推理准确率 任务规划成功率 动作精度 执行能耗 模块操作失败率 平台兼容性 魏家馨，马瑞涛，滕一阳，王 芃 具身智能标准化研究与评测方法探索

Relationship Management，CRM）系统作为 企业销售、服务与营销运营的重要基石，亟需突破传统模式的局限， 迈向智能化、个性化和可持续的新阶段。同时，人工智能技术的飞速 发展，特别是以大语言模型为代表的生成式人工智能迅速崛起，为 CRM 注入了全新的动能，驱动其向智能中枢转型。 政策环境的持续完善为转型提供了战略引领，市场的内在需求正 加速推动这一进程。当前，主要经济体密集出台数据安全与人工智能 增长。然 而，正是这些曾经赖以成功的核心功能，在新的商业环境下逐渐暴露 出了其设计的局限性。与此同时，人工智能（Artificial Intelligence， AI）技术飞速发展，特别是以大语言模型（Large Language Model， LLM）为代表的生成式 AI 已然崛起。这不仅是一次技术迭代，更是 一股重塑商业范式的根本性力量。本章旨在系统性地阐述驱动企业向 人工智能 CRM（AI 方案。通过重构 CRM 的交互范式与核心能力，AI 成为弥合传统 CRM 能力局限的关键技 术。 在交互范式层面，AI 驱动的系统正经历从“被动响应”到“主动 洞察”的根本性转变。基于自然语言处理能力的深度集成，现代 CRM 系统已能精准解析用户需求，并依托智能算法实现个性化洞察的实时 推送。通过将 AI 助手深度嵌入 CRM 业务流程，相当于为每位员工 智能驱动增长：人工智能客户关系管理系统研究报告（2025

展规划》确立“三阶段发展目标”的宏伟蓝图，到《数字中国建设 整体布局规划》构筑“2522”整体实施框架，央地协同的政策体系 持续强化，为技术自主创新与产业智能化升级注入了强劲的驱动力。 智能化时代，以大语言模型驱动的智能代码生成、生成式人工 智能赋能的辅助设计以及智能化测试与智能运维工具链为代表的前 沿技术变革，正以前所未有的深度和广度，系统性地重构软件工程 的方法论、工具链与实践范式。软件工程已超越其传统边界，跃升 图 2 人工智能企业各国分布 （三）技术创新驱动持续深化，软件工程智能纵深发展 一方面，技术内生演进驱动工程方法革新。全球人工智能技术进 入体系化突破新阶段，推动软件工程向智能化纵深跃迁。大语言模型 （LLM）重构软件开发模式，生成式 AI 推动人机协同开发成为主流。 国际标准化组织（ISO/IEC JTC1）联合多国制定 AI 风险管理标准 （ISO/IEC 23894），推动企业从黑箱开发转向可解释性工程实践。 研发智能化建设示意图 （1） 智能开发范式正在引领软件工程的深刻变革 到 2026 年，超过 50%的企业软件开发将采用 AI 辅助工具，其中 30%的代码将由 AI 生成。这一转型的核心驱动力来自大型语言模型 （LLM）的突破性进展，推动开发模式从“人工编码”向“AI 生成+ 人工指导”转变。开发者角色逐步演变为 AI 训导师和架构设计师， 其核心职责从编写代码转向训练模型、设计系统架构、定义生成规则，

床中的应用效果，推动中医药与现代医学的深度融合。总之，引入 DeepSeek 应用方案，将有助于中医药健康产业在新时代背景下实 现高质量发展。 1.2 DeepSeek 技术简介 DeepSeek 技术是一种基于深度学习和自然语言处理的先进人 工智能解决方案，旨在通过大数据分析与智能算法优化，为各行业 提供高效、精准的决策支持。其核心优势在于能够处理和分析海量 的结构化与非结构化数据，并通过深度学习模型提取关键信息，生 源异构数据的无缝集成和统一管理。通过对古籍文献、现代研究论 文及临床案例的深度挖掘，DeepSeek 能够提取关键知识，构建中 医药领域的高精度知识图谱，为科研和临床应用提供有力支持。 其次，DeepSeek 的机器学习和自然语言处理技术能够分析患 者病历、健康档案及社交媒体数据，挖掘潜在的健康风险和市场趋 势。例如，通过分析患者的用药历史和病情变化，DeepSeek 可以 为医生提供个性化的诊疗建议，提高治疗效果；同时，通过对市场 能够将分散在不同系统中的中医药数据进行整合， 包括患者病历、药材流通信息、临床试验数据等。通过统一的 数据管理平台，用户可以快速访问和分析这些数据，提高工作 效率。 2. 智能诊断与推荐 基于机器学习和自然语言处理技术，DeepSeek 能够分析患者 的症状和历史病历，智能推荐适合的中医药治疗方案。通过不 断学习和优化，系统的推荐准确率将逐步提升。 3. 药材供应链优化 DeepSeek 技术能够实时监控药材的采购、存储和流通情况，

软件开发和应用提供一个通用且可靠的工具，助力超算领域的生态发展。 案例亮点 case HigHligHts 1 一套源码可在不同架构的超算系统下运行。 2 针对不同架构的并行特性和内存结构优化，性能和原生语言持平。 3 对并行编程细节的高度抽象，降低并行编程难度及代码量。 案例详细信息 case Details 1. 技术创新突破概述 本案例在软件技术方面的创新性主要表现在开发了一套面向国产超级计算系统的跨平台可移植并行 模拟了海洋中的中尺度和亚中尺度结构。 LICOMK++实现了多平台大规模高效并行，在使用Nvida GPU、国产类GPU、申威众核处理器及华为鲲鹏 CPU的集群上成功运行，性能均可达到或超越原生语言。在东方和新神威超算平台上，LICOMK++使用了 超万卡、千万核进行了大规模模拟，模拟速度均突破了1模式年每天（SYPD），取得了超越SOTA（state- of-the-art）的优化效果。 “交钥匙”工程，即使用边缘计算网关来实现工程的自主配置和扩展，这对边缘网关的智能性提出了更 高的要求。基于AI Agent的工业物联网关在传统边缘计算网关基础功能之上，通过引入软件操作调度AI Agent，实现了自然语言引导式的工程化配置方式，大大提升了数据配置效率，并且引入了多种功能AI Agent实现了模板的快速生成、灵活的数据存储、工业场景重构等高阶功能，提升了工业数据处理的灵 活性。 基于AI Ag