分析师：华魏 上下游：碧水源拥有污水处理技术人才及产品研发优势，双方属水处理产 业链上下游关系。 --- 研报名称：拟全资控股北京久安，增强公司市政工程实力 政策： 1. 分析师：庞琳琳 政策名称：水十条 ---- 研报名称：尘埃落地，水处理巨头再起航 2. 分析师：庞琳琳 政策名称：国家推广 PPP 的政策 ---- 研报名称：尘埃落地，水处理巨头再起航 新技术： 1. 分析师：庞琳琳 技术名称： Discover information A 、每日大量癿材料需要进入系统，没有与职癿处理人员，只有 2 人兼职处理 问题 B 、系统提供给行内管理层使用和高端客户使用，查询结果癿有敁性十分丌好导致系统使用价值下 降 C 、如何在丌增加投入癿情况下，有敁地改善信息查询准确性和有敁性？提升服务行级管理层癿能力 日处理知识量 1 万条以上 实现按照工行“信息分类标准”（区分行业资讯、金融业务范围、资 基于概念癿智能问答，解决丌同问法，搜索给出同一答案 概念问答 e_ 交强险 +c_ 必要性 概念标签自劢提取技术 形成内部相同的概念搜索表达式 用智慧发现信息价值 Discover information 用智慧发现信息价值 Discover information … 业务锚点 新的提问 或产品推荐 后台模型 智能客服实例 问 题

5-Max、GLM-4-Plus、Step-2- 16K-Exp等国产模型也有不俗的表现 -6- DeepSeek模型效果 (2/2) n DeepSeek-V3和R1相对于700亿以下开源模型（以千问720亿 为代表）， ，扩充了其能力边界 n DeepSeek-R1引入 能力，在代码、数学、复杂规划等 方面的能力显著增强，使得对于新场景的支持成为可能 -7- DeepSeek不同版本对比 pass@1 rating R1的15亿蒸馏版 (基于千问) 28.9 83.9 33.8 16.9 954 R1的70亿蒸馏版 (基于千问) 55.5 92.8 49.1 37.6 1189 R1的140亿蒸馏版 (基于千问) 69.7 93.9 59.1 53.1 1481 R1的320亿蒸馏版 (基于千问) 72.6 94.3 62.1 57.2 1691 中美在AI领域的对比：头部大模型 n 在模型效果上，中国大大缩小了与美国的差 距，呈现与美国平分秋色的格局 n 模型开源领域：DeepSeek超越Meta，成 为效果最好的开源模型，阿里巴巴千问系列 模型下载量超过Meta的Llama系列 模型厂商 国家 代表性模型及竞技场排名 是否开放 模型权重 谷歌（Google） 美国 Gemini-2.0-Flash-Thinking-Exp-01-21

月异，评测结果仅代表测试期间所呈现的 效果。报告在分析结论上难免存在一定的局限性和偏差，欢迎各届批评指正。 评测框架 保险垂直领域大模型评测从常用的保险业务场景中抽离三大主要应用能力，细分为十大能力测试维度， 71 个评测任务。通 过 不同任务上大模型的性能表现，挖掘其基础能力的优势和特点。 产品设计 销售营销 保险领域大模型评测框架 运营管理 客户服务 办公辅助 专业知识问答 保险常识 ** 大模型 ** 大模型 ** 大模型 清华智谱 GPT-4 通义千问 ** 大模型 GPT-3.5 清华智谱 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 通义千问 GPT-4 claude-2 大 ** 型 ** ** ** ** 大模型 大模型 通义千问 GPT-4 claude-2 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 通义千问 文心一言 大模型 实时质检能力指数 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 GPT- 4 GPT-4 清华智谱claude-2 通义千问 文心一言 应用能力评测：保险风控及合规应用案例

• 下载量达到300w次 • 服务超百家各领域头部知名企业 • 被国内大多云厂商托管 • 获得各类社区奖项8个 企业级应用 • 2021 OSC 中国最受欢迎开源项目 • 2022 InfoQ 十大开源新锐项目 • 2022 CSDN 中国开发者影响力项目 • 2022 开源成熟度评估 – 优秀二级 • 2022 开源创新大赛 – 二等奖 • 2023 开源创新榜 优秀开源项目 • 2023 开放原子基金 Nacos Server nacos-client 应用 配置中心DB存储 查询/订阅 Nacos Server 回调 持久化 查询 本地缓存 变更推送 访 问 控 制 TLS • 开启TLS传输加密 • 敏感信息加密存储 • 替换默认密码 • 关闭匿名访问 • 最小权限原则 • 精细化权限管控 • 信息传输保密 • 防篡改 • 身份认证 署 MCP Server 开发困境 Prompt 在代码写死，调试不易 现在的MCP Server开发框架都是将 Tool相关的Prompt写死在代码中，频 繁的调试需要频繁的进行应用发布，十 分繁琐耗时。 Nacos 动态控制 MCP Server Prompt 动态变更 MCP Server 参数 通过Spring Ai Alibaba或者 Python SDK 注册的MCP服务支

据的生成技术、验证机制及质量控制等方面的研究与实践，以充分发挥其潜力，推动大模 型技术的持续进步与发展。 （2）多领域开源数据集相继推出 当前，在开源数据资源的版图中，中文语料的占比显著偏低，尚不足总量的十分之一， 这凸显了中文自然语言处理领域对高质量数据资源的迫切需求。为应对此挑战，国内已相 继开源了多个中文预训练数据集，诸如CCI 2.0、SkyPile-150B、IndustryCorpus、Tele-AI 智能助手在长上下文窗口技术 上再次取得突破，上下文长度由20万字提升至200万字。在大模型竞争极为同质化的当下， 更长的上下文长度处理能力，或将引领大模型进入差异化竞争阶段。紧接着，3月22日，阿 里宣布通义千问开放1000万字长文本能力。 显著提升的长文本处理能力，允许模型在处理长文档、对话历史或复杂语境时保持连 贯性和理解力。但是，增加上下文窗口也意味着模型的计算量和内存需求将大幅增加，因 此在实际 工智能监管迈入了一个全新的时代。该法案旨在为AI技术的发展与应用设定严格的规范 与标准，确保AI系统在设计、开发、部署及使用过程中遵循伦理、安全及法律要求。通过明 确AI技术的风险等级、设立监管机构、制定问责机制等措施， 《人工智能法案》为欧盟乃至 全球范围内的AI治理树立了标杆，展现了欧盟在推动AI健康有序发展方面的坚定决心与领 导力。 2.2.2.2 欧盟：引领AI监管新时代 �� 美国

展情况分析。 党员先锋指数 支部堡垒指数 平台功能 特色功能模块建设 -AI 人工智能应用  系统充分融合 AI 人工智能技术，可建设 AI 数字管理员，实现 AI 智能提醒、 AI 智能问 答、 AI 智能批单、会议语音智能转文字纪 要等功能。 特色功能模块建设 平台功能 可接入地方红色教育虚拟展厅，供受众参观学习，或通过全景实拍及三维建 模技术进行虚拟展厅建设，针对单位党建成果进行全面、直观、生动的展示。 业线上虚拟展厅”等多部分组成，受到集团及 国资委领导高度认可。 福建省高速党建系统 为了避免线下党员集中培训造成疫情防控风险， 福建省高速集团推出党员培训平台，每年为集 团机关及下属子公司提供数十场党员培训服务， 节省培训成本的同时，也降低了组织难度。 成功案例 平台以党员日常行 为大数据为基础， 实现党员五维自画 像和支部五星考评， 为基层党组织及党 员提供科学、规范、 专业、好用、易用

与人工智能强国组成战略伙伴，共同发展 AI 科技。智能体发展能推动政府、金融、 制造、能源、医疗、零售等行业的智能化应用向多模态和跨模态转变。  投资建议：我们认为未来智能体（AI Agent）的前景十分广阔，随着大模型的发展， 智能体将从概念走向实际应用，成为各行业的重要助力。通过多模态大模型，智 能体能够整合图片、语音等异构数据，提高任务处理效率，并解决跨行业、跨领 域的问题。技术方面，智能体 是一种基于自然语言处理的交互方式，它通过机器对自然语言的解析，实现 用户与机器之间的沟通。可以理解为是一段给定的文本或语句，用于启动和引导机器学 习模型生成类型、主题或格式的输出。在自然语言处理领域中，Prompt 通常由一个问 题或任务描述组成，例如“帮我写一篇有关人工智能的文章”，“帮我编写一段可以整理 数据的程序”等等。 一个优秀的 Prompt 应该包含 1）明确目标：能够定义任务，以及想要达到的效果； 2）具 互端的消耗，当多个智能体讨论且进入 错误循环中，无效成本将会显著提升。所以在效能方面，对智能体进行成本讨论以及优 化策略十分重要。 在商用智能体中，更先进的大语言模型代表更好的用户体验，但随之而来的是极速 上升的成本。目前 GPT4 的价格是 GPT3.5 turbo 的十倍，而且由于智能体之间交互的 特性，在输出过程中往往伴随着更高的 token 消耗。若最终输出的长度超出模型 token

统 监测手段如采样、实验室分析等步骤时间较长，无法实时反映环境 变化。随着环境问题的复杂性增加，及时获取和处理数据的能力显 得尤为重要。 另外，传统方法往往缺乏对多种环境要素的综合考虑。环境问 题通常是由多个因素共同作用的结果，传统诊断方法往往只能针对 单一变量进行分析，无法全面评估生态系统的健康状况。这种片面 的分析方式容易导致环保措施效果不佳，甚至引发次生环境问题。 此外，在技 际应用中的鲁棒性和准确性。 总体而言，多模态学习为生态环保领域的智慧诊断系统提供了 一种强大的支持，通过将多种信息源整合进一个统一的框架中，可 以促进对于环境变化的深度理解和快速响应，提升应对生态环境问 题的能力。 3.2 模态的种类和特点 在多模态 AI 大模型的应用中，不同的模态种类与特点直接决 定了其在生态环保智慧诊断中的效能和适用性。根据数据来源和信 息表征的不同，我们将主要的模态归纳为以下几类： 通过整合来自社交媒体、新 闻报道、科学文献和环境监测数据的信息，能够帮助政策制定者更 全面地了解公众的环保关注点及反馈。这一应用不仅能够提高环境 政策的透明度与公众参与感，还能够通过数据挖掘发现治理中的问 题与挑战。 此外，在生态恢复过程中，多模态 AI 能够提供优化方案。利 用图像分析技术对受损生态区域进行评估，结合气候数据和土壤状 况分析，为恢复项目的设计提供数据支持。生态恢复的效果追踪也

事件进行后续跟踪和处理。 最后，系统管理与维护功能确保系统的长期稳定运行。这一功 能包括用户权限管理、系统日志记录、故障检测与恢复、数据备份 与恢复等。系统需要提供多级用户权限，确保只有授权用户能够访 问和操作敏感数据。 在具体实现上，以下表格总结了功能需求的优先级以及技术要 求： 功能模块 需求描述 优先 级 技术要求 视频数据采 集 多源视频接入、实时处理 高 视频处理框架、网络传 档，以降低学习成本和提升用户体验。 安全性是另一项必须重视的非功能需求。系统需要实现严格的 访问控制，确保只有授权人员可以访问敏感数据。使用多层次的安 全机制（如身份验证、加密传输等），可以有效地防止未授权访 问。数据存储和传输中应采用高标准的加密措施，确保视频数据和 分析结果的安全性。 在系统维护方面，设定合理的可维护性要求同样重要。系统应 设计为模块化架构，便于分别更新和维护各个组件。应制定定期检 实施加密措施，保护存储和传输中的数据安全。 5. 应急响应与数据泄露管理：制作应急预案，以处理可能出现的 数据泄露事件，确保在事件发生时及时采取措施，降低影响。 需定期进行安全演练。 6. 审核与问责机制：建立内部审核机制，定期评估监控系统的合 规性、有效性及其对公众隐私的影响。同时，需设立问责制， 确保出现违规情况时能够追踪责任。 表 1：视频监控政策遵循要点 方面 具体要求 法律框架理解

络如多层感知机、卷积神经网络中, 即离身智能; 后 者则逐渐发展出了具身智能的概念. 现在, 具身智 能一般指拥有物理实体, 且可以与物理环境进行信 息、能量交换的智能系统[2]. 虽然在过去的几十年 间, 离身智能取得了令人瞩目的成就, 但对于解决 真实世界的问题来说, “具身”的实现仍然是必要的, 与强调从经验中学习并泛化的离身智能方法相比, 具身智能更强调与环境的交互, 只有拥有物理身体 才能与世界进行互动 同样利用关键点进行低层次动作的推理. 不同的是, MOKA 中的关键点由用户在图像中标 出, 作者将该方法称之为视觉提示. 视觉提示有利 于将动作生成问题转化为视觉语言模型能解决的视 觉问答问题, 解决了自然语言表达能力不精确的问 题. MOKA 框架包括两个层次的推理过程: 高层任 务推理和低层动作推理. 在高层任务推理阶段, 视 觉语言模型将自然语言描述的任务分解为一系列简 单的子任务, 并总结每个子任务的信息, 如抓取对 提出 了一种预训练方法, 通过观察未标记的在线视频来 训练能够在序列决策领域 (如机器人技术) 中行动 的智能代理. 在机器人领域中, 公开可用的数据通 常缺乏用于训练行为先验的标签, 为了解决这一问 题, 研究者通过半监督模仿学习的方法, 展示了如 何利用少量标记数据训练一个逆动力学模型 (In- verse dynamics model, IDM), 该模型能够准确预 测视频中每个时间步的动作