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。  可通过网页、微信、 VR 眼镜、 AR 党建沙盘等多渠道观看和体验

展程度和相对水平。 助力政策制定。通过分析综合算力指数，深入剖析我国综合算 力的整体发展现状，全面把握各省市的算力发展动向和趋势，为制 定数字经济发展策略提供详实的数据支持及科学的决策依据，进而 助力各地方不断强化竞争优势、优化资源配置，有针对性地加大投 入和创新，促进产业升级转型，发展具有区域特色的数字经济。 促进区域协调发展。通过比较分析我国各地区的算力、存力、 运力建设现状、模型能力及发展环境，加速提升综合算力效能，推 274 个地级市、28 个自治州，不含直辖市） 的算力发展进行评估。本报告除明确时间的数据，其他数据截止时 间为 2025 年 3 月底。各指标的数据来源于中国算力平台及工信部、 中国信通院、各地方政策文件、文献、公开数据整理。 附件二 计算方法 计算方法：指标的标准化，采用极差标准化法，即参考每项指 标的最大值、最小值，利用极差标准化公式对各项指标数值进行标 准化处理。确定指标权重，针对形成指数体系的一级、二级、三级

… · 能源领域传统 Al 发展困境 DeepSeek 等带来的新范 式 例子：自动化研发，微软提 出工业 级 Agent 落地方案 RDAgent 53/30 2024 年 11 月 28 日，微软开源 RDAgent, 致力于打造一个工业研发过程的自动化助手，专注于数据驱 动 场景，通过提

2 地方与行业政策 生成式AI行业发展至今，北京市、上海市、浙江省、广东省、吉林省、湖南省等省市纷纷 出台人工智能政策，包括鼓励平台企业运用生成式人工智能，将生成式AI技术充分应用于 电商领域、长视频领域、医疗领域等。举例来说，北京设立1亿元支持AI发展，上海推进高质 量计算基础设施建设，深圳设立1000亿元AI基金等，各地形成了激烈的“政策竞赛”。 2.2.1.2.1 地方政策 �� 准支持国家重大科技任 务、科技型企业培育发展、战略性新兴产业发展和未来产业布局、传统产业技术改造和基 础再造、国家和区域科技创新高地建设等重点领域。 综上所述，近一年来人工智能相关政策在国家和地方层面均呈现出积极的发展态势， 通过标准化体系建设、产业创新发展、数据安全与隐私保护，以及全球治理合作等多个方 面，共同推动人工智能技术的健康发展和广泛应用。 2.2.1.2.2 行业政策 �� 场景和面向客户的保险产品营销场景，后者要求大模型具有更高的知识覆盖率和回答准 确率。面对差异化的需求，需要选择不同的技术方案，保障业务指标达成。经过一年多来 大模型实践的探索，业界逐渐形成了一套大模型落地方法论，大致可分为直接使用大模 型、大模型的工程化适配、大模型的深度研发三种路线。 我们认为，大模型最终很可能会成为一种基础设施，因此保险企业建立行业领先的 大模型应用的最佳方式是在内部搭建灵活

首先，全面采集铁路及周边地理信息数据是 GIS 集成的基础。 我们需要引入高分辨率的遥感影像、数字高程模型（DEM）、土地 利用/覆盖数据以及基础设施数据。通过卫星、无人机和地面勘测 等多种手段获取地理信息，并结合现有的全国或地方 GIS 数据库进 行整合，可以确保所获得的数据的准确性和时效性。这一过程中， 确保数据的标准化和格式统一至关重要，以便后续的处理与分析。 然后，我们将数据进行处理与转换，以适应 GIS 分析工具。数 为我们提供了宝贵的成功经验和教训总结。成功的案例表明，技术 的有效应用离不开团队的协作、数据的质量以及项目管理的成熟 度。 首先，明确项目目标和需求是建立成功的关键。在某条铁路沿 线的智能监测项目中，通过与地方政府及铁路管理局的紧密沟通， 项目团队准确梳理了客户需求，确保了最终交付成果与应用场景高 度契合。这种需求协同不仅使得技术方案更加专业化，也使得未来 的维护和升级工作得以顺利进行。 经验表明 力和响应速度。同时，针对全体员工开展风险意识和应急处置 技能的培训，提高整体应对能力。 7. 信息沟通与协调机制：建立内部与外部的信息沟通机制，确保 各部门、机构之间的信息畅通，特别是在大型突发事件中，能 够与地方政府、公安、消防等相关单位保持良好的沟通。 以下为不同类型突发事件的应急预案简要说明： 风险类型 应急措施 自然灾害 监测气象变化，疏散乘客，关闭相关线路，安排救援力量 设备故障 启动设备检

的合规性进行审核，并在必要时对外部技术供应商的合规性进行尽 职调查。 值得注意的是，各地区的法律法规可能存在差异，因此应对不 同地域的合法性要求进行评估与遵守。在进行技术推广时，要积极 与地方政府、法律专家进行沟通，确保我们的方案符合当地的法规 要求。 为了更直观地展示法律法规的合规要点，以下内容可以作为合 规流程的参考： 通过上述措施，不仅能够确保公共安全 AI 应用在法律框架内 ，改善 系统的实时性。这一切都使得公共安全管理的智能化、自动化更加 可行。 未来的研究可以聚焦于更复杂的场景部署及系统集成，尤其是 在自然灾害等突发事件下的应用，以及如何利用 AI 技术提升地方 政府在应急响应和资源配置中的智能决策能力。通过持续的技术创 新与应用实践，我们对 AI 在公共安全领域的未来充满信心。 9.1 项目总结 在当前社会发展中，公共安全问题日益增加，亟需有效的技术

和报价单。 为了提高投标文件的专业性和精准度，DeepSeek-R1 还能够 自动检查文件中的语法、术语和格式是否符合行业标准。例如，模 型可以识别出文件中可能存在的技术术语错误或格式不一致的地方， 并提供修正建议。 此外，DeepSeek-R1 支持多语言版本的投标文件生成，这对 于跨国工程项目的招投标尤为重要。模型可以根据目标市场的语言 需求，自动翻译和生成相应的投标文件，确保文件的准确性和合规 15%，成本节约 8%  项目 B：工期缩短 10%，成本节约 5%  项目 C：工期缩短 20%，成本节约 12% 在应用 DeepSeek-R1 大模型的过程中，我们也发现了一些需 要改进的地方。例如，模型在处理极端天气等不可预见因素时的预 测能力还有待提升。针对这一问题，我们计划结合气象数据，进一 步优化模型的预测算法。 综上所述，DeepSeek-R1 大模型在工程造价领域的应用效果

选定试点城市与项目 选定试点城市与项目是实施 AI 大模型在城市轨道交通行业应 用的重要环节，旨在为后期全面推广积累经验和数据支持。在这一 过程中，需要综合考虑城市的轨道交通现状、技术基础、数据可获 取性、地方政府的支持力度以及项目实施的可行性。 首先，选定试点城市应考虑以下几个关键因素： 1. 城市规模与轨道交通发展水平：选择那些在轨道交通领域已经 具备一定基础的城市，如北京、上海、广州等。这些城市的轨 随着城市轨道交通行业的不断发展，政策和市场环境的影响日 益显著。政府的政策导向将直接影响行业的投资力度、技术开发和 市场需求，从而对 AI 大模型在城市轨道交通的应用形成重要的制 约和促进作用。 首先，国家和地方政府近年来出台了一系列支持城市轨道交通 建设和智能化发展的政策。这些政策包括财税优惠、资金支持和技 术指导等，旨在推动公共交通的可持续发展与智能化转型。这为 AI 大模型的实施提供了良好的政策环境。

技术 支持等。应根据用户身份和角色制定相应的访问权限，确保不同用 户对数据的访问权限合理分配，以减少潜在的数据滥用风险。 为了实现数据合规性，必须遵循相关的数据保护法规，如《医 疗信息保密法》或地方性法律，确保数据处理的透明性与合法性。 此外，定期进行数据安全审计与风险评估，识别潜在的安全隐患和 合规性缺失。 在数据共享方面，应鼓励不同医疗机构之间的数据共享与合 作，推动建立医疗大数据共享平台。共享的数据应经匿名化处理，

理解和信任模型的输出，将极大增强用户体验。 另外，提升大模型的实时处理能力和响应速度也是一种重要方 向。当前，大部分大模型在处理大规模数据时存在延迟问题。为 此，可以考虑引入边缘计算技术，将计算资源分布至接近数据源的 地方，从而减轻云端负担并提高处理速度。 最后，推动跨平台的集成能力以实现更为宽广的应用场景也极 其重要。大模型 SaaS 平台应与现有软件工具、高级 Analytics 工具 及其它云服务提供商进行无缝集成，形成协同效应。这不仅能够吸