纲 当下 Al 到了哪种程度 能源领域传统 AI 发展困境 … … … … DeepSeek 等带来的新范式 大语言模型应用的科研案例 · 临近奇点： AGI 将带来颠覆 结论和展望 …… 长期以来，能源领域人工智能止步于信息化阶段，发展范式陷入困境 15/80 口能源领域智能化目前大多停留在数据采集和信息展示阶段，尽管研究成果丰富，但 — - 现有发展趋势 口主要解决数据采集和信息展示，停 留在“展示大屏”阶段 口学术发表算法成果很多，实际应用 极少，落地“最后一公里”很难 智个 能 化 程 度 → 时 间 范式困境主要原因一：场景多、碎片化、个性化，定制化开发成本高 口有限的人力、物力和财力去应对复杂而多变的需求，最终的平衡点大多位于信息化阶段 可再生能源热力系统 建筑供热 工厂能动系统 太阳能供热 污水废水余热 余热驱动制冷 热电联产 16/80 范式困境主要原因二：多学科交叉、技术门槛高、木桶理论效应凸显 17/80 口多学科交叉人才极其稀缺，而且非常昂贵 口 普通人才天花板效应明显，最不靠谱的人 / 环节是整个项目的天花板 2025 年 2

大语言模型不仅是人工智能领域自然语言处理方向的重大突破，也正在改变知识获取与知识创新的模式。在研究大语 言模型的知识获取与创新的原理之上，探讨了其在应急管理信息化建设中的应用，针对智慧应急中面临的建设困境以及业务系 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、 决策支持的应急大脑，从而实现整体业务系统智能化水平从感知智能到认知智能的提升。 符号化表示则难以建模。如表 1 所示，与传统模式 相比，大语言模型提供了一种全新的知识管理模式， 利用大语言模型技术重塑应急系统的知识获取、知 识共享、知识创新、知识应用等关键环节，突破系统 智能化发展的困境，更好发挥应急知识管理的效能。 3.1.1 知识获取 在基于大语言模型技术的知识获取中，应急知 识内化于模型的海量参数中，能够处理传统知识管 理模式下无法处理的默会知识，获取这类应急管理 实践中极其宝贵的经验知识、技能知识、部门知识 协同创新能力、全域感知能力、决策支持能力为依托， 支撑监测预警、社会动员、监管执法、救援处置、辅 助决策等各项应急管理业务系统效能的进一步提高。 4 结论 本文在研究大语言模型的知识获取与创新的原 理之上，针对当前智慧应急中面临的困境以及业务 系统智能化水平的局限，基于大语言模型技术重构 智慧应急的知识管理模式，在此基础上构想能够协 同创新、全域感知、智能决策的应急大脑，从而实现 整体业务系统智能化水平的提升。 大语言模型技术在智慧应急领域的应用仍然面

Server管理，版本管 理，MCP Server自动注册发现等 能力 稳定可靠，部署简单 多年沉淀打磨，稳定性高于三方MCP Registry。多种部署方式支持，一键部 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

的模型统称为基础模型, 意即可作为大量下游任务 训练基础的模型 (目前一般认为基础模型即大模型, 后文将不对二者作区分). 由于涉及到物理环境, 机 器人深度学习模型往往面临数据获取难度大、训练 的模型泛化性差的困境, 传统机器人往往仅能处理 单一任务, 无法灵活面对复杂的真实环境. 而基础 模型用来自互联网的大量文本、图片数据进行预训 练, 往往包含各种主题与应用场景, 能学习到丰富 的表示与知识, 具有解决各类任务的潜能