实时控制并主动响应大量数据。分析和操作这些数据所需的速度和规模都远 远超出了人类的能力。 以上变化要求保险公司必须改进其产品设计和客户服务，而人工智能将在其 中发挥决定性作用。事实上，根据埃森哲对于未来劳动力的调查，63%的人 认为，智能技术将彻底改变这个行业。 大多数保险公司都表示，与两年前相比，它们在人工智能技术上的投资有所 增加，并计划在未来增加投资。保险公司发现，它们最初的投资已经取得了 人力资源：通过科技提高工作效率，人机协作成未来发展趋势 许多保险公司已经在深度学习、视频分析和自然语言处理等技术上投入巨资。 尽管智能技术的发展十分迅速，但除非保险公司能够使现有劳动力适应人工 智能带来的改变，否则它们将无法充分挖掘人工智能的潜力，这其中包括培 养正确的企业文化和技能基础。 保险公司需要制定策略，以适应新技术的发展并提高员工的工作技能。虚拟 客服 的活动，因此有针对性的培训仍是必不可少的。承销和定价等功能也将越来 越依赖于机器学习算法，而不是人类的经验和判断。 企业员工必须明白，技术是强大的推动者，而不是他们工作的替代者。人工 智能将为人类劳动力创造新的工作——甚至可能是全新的工作类别。例如， 保险公司需要更多的员工，来执行控制和管理的工作，因为虚拟工作者和算 6 法需要人工监督。事实上，根据埃森哲的研究，68%的保险公司高管预计，

化、公共卫生危机以及汽车行业等特定领域的深 刻变革，均对企业的敏捷性提出了前所未有的要 求。突发且不可预测的地缘政治变局以及持续变 化的贸易环境，正迫使首席供应链官们迅速调整 其运营网络。更为复杂的是，劳动力老龄化、员工 在职年限的缩短以及技能短缺，正导致宝贵的组 织经验不断流失。 时至今日，仅仅追求成本效益 已远远不够。供应链亟需在速度、 敏捷与可持续方面实现突破，从而 开拓新的价值高地。 得 既定的绩效标准。 即便自主智能供应链具备任务自动化与决 策自主化能力，但至少在目前阶段，仍离不开人 的参与。人与技术各有所长，协同合作方能取 长补短。在双方能力领域的交汇处，便形成了 “人机协作”的劳动力形态，现场及远程员工与 自主智能体、智能机器人实现无缝集成。3 在 最高效的自主化系统中，人类的角色并不仅仅 是作为“执行环”（in the loop）来完成任务，他 们更应处于“监督环”（on 构转变，加之供应链自主智能化的实现，必将对 人才产生影响，但其影响方式与许多领导者的设 想有所不同。 当前，一些人担心自动化会导致劳动力规模 缩减，AI投资步伐的加快更是加剧了这种担忧。 然而，我们的调研显示，仅有1%的受访者预计员工 数量会大幅减少。与此同时，尽管部分岗位将发生 演变或被重新定义，但劳动力转型带来的整体机 遇远超潜在的冲击。 AI可以赋予员工更大的掌控力，使其能够更 清晰地认识自身影响、对产出负责，并衡量客户满

和研究范式变革》的演讲： “ 我们目前已经进入计算科学时代，云计算在未来的研究中可以发挥重要作用。未来通过计算能力， 我们可以利用 Al 扩展人类的创造力，进一步探索世界。 " 新时代的核心动力： · 算力： 提 供 强大的计算能力，推动算法复杂性提升 · 算 法 ：更加精准、高效的智能算法，支持决策优化 · 数据： 数据规模和质量驱动模型训练与性能优化 传统模式的局限性： · 靠经验驱动，无法快速适应复杂变化 通用人工智能 (AGI) 时代临近 (2025 年 2 月 10 日 ) 72/80 ● 随着通用人工智能变得更有能力，额外风险的证据正在逐渐出现。这些风险包括大 规模劳动力市场影响、人工智能黑客攻击或生物攻击，以及社会失去对通用人工智 能的控制。专家们对这些风险的现有证据有不同的解读：一些人认为这些风险还需 要几十年的时间，而另一些人则认为通用人工智能可能在未来几年内导致社会规模 年 1 月 ) 73/80 大趋势：人工智能推动科技革命与产业变革 75/80 口人工智能是新一轮科技革命和产业变革的核心驱动力。加快发展新一代人工智 能技术，将决定国家在未来科技与产业领域的战略地位 口制造业的数字化、网络化、智能化转型，将全面提升研发设计、生产制造、经 营管理与运维服务的效率与质

仅是技术创新的象征，还促进了知识的共享和协作，更是人工智能领域开放合作精神的 体现。 从深邃的科学探索到广泛的商业实践，在过去的一年中，大模型技术展现了其巨大的 潜力，并开始逐步转化为现实生产力的重要驱动力。尽管整体上这些应用仍处于初期阶段， 但它们在多个领域的突破已初现端倪。 最近一年，大模型技术在各行各业的应用情况呈现出蓬勃发展的态势，为多个领域带 来了深刻的变革和显著的效益。 1.1.4 年）》。该计划围绕数据要素 与各行各业的深度融合，部署了包括“数据要素×智能制造”在内的12项重点行动，特别支 持通用及垂直领域人工智能大模型的训练与发展，为人工智能产业的创新发展注入了新 的动力。 值得一提的是，2024年6月5日，工业和信息化部等四部门再次联合印发了《国家人工 智能产业综合标准化体系建设指南（2024版）》，该指南进一步细化了未来两年的工作目标 与任务，不仅重申了提 设计和实现通常依赖于以下多个关键组件和技术的集成，以实现其智能化和自主化的 特性： 3.1.2.5 智能体 �� 大模型（Large Models）：大模型作为AI Agent的核心驱动力，这些模型通过在大规模 数据集上进行训练，能够学习到丰富的知识和表示能力，为智能体提供强大的感知、理解 和推理能力。大模型能够处理复杂的输入数据（如图像、文本、语音等），并生成相应的输出 或决策，为智能体的后续行动提供基础。

GPT [1-2]， 这些模型通过深度学习和海量数据训练，不仅推动了 自然语言处理技术的边界，也正在改变知识获取和创 新的模式，将对应急管理体系发展、能力要求以及实 践操作产生深远的影响。在技术进步的强大动力牵 引下，需要重新审视并优化应急管理信息化建设路 收稿日期 2023-10-19 录用日期 2024-01-12 国 家 社 会 科 学 基 金（20BZZ037）, 广 东 省 哲 学 社 会 科 态循环的关系，一方面，创新又不断拓展和深化应 急知识的应用范围和效果；另一方面，应急知识的有 效应用能够激发新的创新需求和解决方案，使得应 急知识体系能不断迭代演进，成为应急管理创新的 内在资源和动力。 3.2 知识管理新模式下的智慧应急大脑概念框架 3.2.1 总体思路 建设应急大脑是提高当前应急管理系统智能化 水平、实现智慧应急目标的关键路径。应急管理各 类业务系统建设是面向业务逻辑，在数据层面通过 Management, 2021, 11（1）: 8-16.（in Chinese） [25] 迈克尔·吉本斯, 卡米耶·利摩日, 黑尔佳·诺沃提尼, 等 . 知识生产的新模式: 当代社会科学与研究的动力学 [M]. 北京: 北京大学出版社, 2011. MICHAEL G, CAMILLE L, HELGA N, et al. The new pro⁃ duction of knowledge: the

杂的造价信息，提高计算的准确性和效率。同时，AI 技术还可以整 合来自不同来源的数据，打破信息孤岛，实现数据的实时更新和共 享。这将极大提升造价管理的透明度和决策的科学性，为工程造价 行业的技术革新和业务模式转型提供强大动力。 综上所述，工程造价行业正处于技术变革和业务模式创新的关 键时期。通过引入先进的人工智能技术，如 DeepSeek-R1 大模型， 可以有效解决行业面临的诸多挑战，推动工程造价管理的智能化和 学习技术，全面评估合同履行中的潜在风险。模型可基于历史数据 和行业趋势，识别常见的合同风险类型（如工期延误、成本超支或 质量问题），并量化其发生的概率和影响程度。例如，模型可通过 分析天气数据、供应链信息和劳动力市场动态，预测某项目可能面 临的工期风险，并提前制定应对措施。此外，模型还能自动监控合 同条款的执行情况，识别违约风险并提供法律建议。  合同签订：自动生成合同草案，识别风险点，优化条款。 制预算超支的关键环节。DeepSeek-R1 大模型通过其强大的数据 处理能力和机器学习算法，能够在这一环节中提供高效、准确的解 决方案。 首先，DeepSeek-R1 通过集成历史项目数据，包括材料成本、 劳动力费用、设备租赁等，构建了一个全面的成本数据库。模型利 用这些数据进行训练，能够识别成本变化的趋势和模式，从而为新 的项目提供更为精确的成本预测。例如，对于某一类型的建筑工程， 模型可以根据过去

。此外，DeepSeek API调用 成本显著低于其他主流商业大模型及自研教育大模型成本，降低教育企业发展 AI业务的门槛。 在以上能力优势之下，DeepSeek为AI教育的突破发展带来了核心推动力。月狐分 析选取学而思、网易有道为代表，进一步分析教育企业基于DeepSeek开展的新一 轮AI教育革新。 二、学而思：DeepSeek为基座，融合九章大模型能力， 实现双协同、生态化布局 2

持续的融合创新，助力企业的国际化布局 面对智能化、全球化、融合化的发展浪潮，国内云服务商凭借自身在互联网创新、跨境电商以及 AI创新应用等领域的创新优势，不仅可以为自身拓展新的广阔发展空间，也为全球市场带来新的 发展机遇与变革动力。 互联网创新推动全球市场繁荣：国内云服务商在互联网创新方面的成果优势，一方面体现在 业务的示范效应，例如在电商、社交媒体、在线教育、远程办公等互联网服务领域，国内云 服务商具有丰富的融合开发 区消费者的 需求和偏好，优化选品和营销策略，有效保障交易数据的安全合规要求。 AI创新应用不断挖掘新的市场潜力：近年来，国内云服务商在AI创新应用方面不断突破，为 挖掘全球市场新潜力提供了强大动力。相关的基础AI模型和AI技术栈都十分强大，特别是能 够持续利用云计算的海量数据存储和强大计算能力优势，支撑智能化的云应用出海。一大批 AI产品已经在市场中发挥了巨大作用，例如B端市场的国内企业生产、供应链管理、风险控

项政策支 持中西部地区的数字经济发展，但由于起步晚、底子薄，这些地区 在人才储备、技术创新以及资金投入等方面仍相对不足。中西部地 区产业仍以传统资源型产业和劳动密集型产业为主，数字化转型的 动力相对薄弱，具备巨大的算力发展潜力和市场空间。 区域差距的扩大既会加剧经济发展的不平衡，也会制约全国产 业数字化的整体进程。研究综合算力指数有助于促进我国各区域充 分利用优势要素，挖掘区域发展需求，合理配置算力资源；加速算 性，降低传输时延。四是政策激励协同，建立“发放-使用-评估-优化” 的闭环管理机制，保障政策精准有效落地；同步构建动态调整、分 级分类的差异化政策框架，鼓励各地立足资源禀赋，培育本地化、 特色化的算力产业路径，激发内生动力。 （二）提升算力供给质效，推动结构迭代升级 聚焦算力供给的质量与效率提升，加快结构迭代升级步伐。一 是支持建设和升级大型 AI 集群、智算中心，支持大模型训练推理、 复杂人工智能应用。二是突破核心技术瓶颈，集中攻关高端训练及

Kubernetes AI 网关 SOA架构 微服务架构 云原生架构 AI原生架构 垂直架构 单体架构 ？ 伴随软件架构的演进网关形态也在持续进化，K8s 成为统一运维界面，AI 成为流量增长的核心驱动力 AI应用架构组件概览 Higress AI Gateway Higress 通义 DeepSeek LLM(百炼) 手机 生态 PAD PC 端 & 生态 Apache RocketMQ