1 埃森哲报告：AI 赋能保险，三大应用场 景如何重构价值链？ 人工智能(AI)使机器能够模拟和增强人类智能，它的出现正值保险和其他行业 数字化转型之际。尽管人工智能技术仍处于发展阶段，但在现实世界中，它 已应用于不同行业。人工智能正被用来解决各种各样的挑战，它使机器和系 统之间的交互更智能、更简单。 保险公司也逐渐进入这一领域，新一代人工智能技术有望帮助保险公司重新 定义其工作

o1 在数学和代码问题上的水平大幅提升 ，超越人类专 家 开源大模型 DeepSeek R1 匹敌 OpenAI o1 DeepSeek 的 “ aha moment” 这种深度推理能力是如何实现的？是单纯的规模扩展结果，还是有其他关键因素？ 2023-2024 年，推理能力突破性进展： • OpenAI o1/o3 在数学和代码推理任务上的卓越表现 • ， 逐步分解复杂的问题 ， 提高答案的准确性和 深度。 OpenAI-o 系列推理模 型 逐步思考 ，并分解复杂的问 题 相较于 GPT-4o o1 大幅提 升 要知道从玉泉校区到紫金港校区如何最快出行，首先得 知道有几种交通路线： 1. 89 路公交车，共 17 站，需步行 2 分钟，共用时 50 分 钟 2. 地铁 10 号线转 2 号线，这样就是 2 站 +5 14 站，需步行 11 分钟，共用时 50 分钟 4. 还可以 …… 这样综合看起来，最快的交通方案应该 2 ，共用时 43 分 钟 什么是思维链 (CoT) 从浙大玉泉校区到紫金港校区如何最快出行？ 地铁 10 号线黄龙体育中心站 -> 文三 路 -> 学院路（转 2 号线） -> 古翠路 -> 丰 潭路 - > 文新路 -> 三坝 -> 虾龙圩 -> 步行 … 桌子上放着

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, 更好地解决现实问题[3]. 当 前, 随着机器人技术和计算机科学的发展, 具身智 能受到更多的关注, 逐渐从概念走向实际应用, 而如何利用目前飞速发展的计算能力与人工智能 (Artificial intelligence, AI) 技术提高具身智能的表 现则成为学界与产业界的关注重点. 最近的研究表 明, 通过扩大语言模型的规模, 但不同的是, 本文 的内容更倾向于从具身智能的角度介绍二者如何有 机结合, 并加入对模型规划层级的分类探讨. 此外, 由于该领域发展迅速, 在上述论文发布后又涌现出 了许多重要工作, 本文将补充这些最新进展, 为希 望了解该领域的研究人员提供更多的参考 (工作总 览见图 1[25, 29−100]). 本文内容安排如下: 第 1 节对大模型如何帮助 具身智能实现对环境的感知与理解进行介绍; 第 2 级这四个控制层级上为具身智能提供的规划; 第 3 节对各类实现大模型结合具身智能的系统架构进行 分类与介绍; 第 4 节从模拟器、模仿学习和视频学 习等方面介绍具身智能训练的数据来源, 探讨大模 型如何为机器人训练带来丰富的数据; 最后在第 5 节对全文进行总结并提出研究方向. 1 感知与理解 在与环境的交互中, 具身智能通过摄像头、麦 克风等传感器接受原始数据, 并解析数据信息, 形

问答机器人将用户的问题匹配 到知识库中最相近的知识点上， 用该知识点的答案回答用户。 如何成为会员 • 怎么注册会员 • 我想成为会员 • 会员怎么申请 会员有什么权益 • 会员有特权吗 • 会员能干什么 • 会员有啥好处 怎么查询积分 • 我有多少积分 • 如何查看积分 • 哪里能查积分 问答机器人 机器人回答 命中知识点“如何查询积分” 用户问题 怎么看还剩多少积分 • 基本思路 • 度最高的问题对应的知识点 基于检索和排序的问答系统 排序 知识库 检索 检 索结果 最终结果 用户问题 句向量 编码器 向量搜索 知识库 基于句向量的语义检索 检索结果 命中知识点“如何查询积分” 怎么看还剩多少积分 知识点 1 知识点 2 知识点 3 用户问题 • 通过标注数据训练句向量编码器 • 标注数据为句对：语义相同的句对、语义不同的句 对 •

类或回归 效果。 5. 模型评估与反馈：通过评估模型的表现来了解其在不同模态下 的效果，并根据结果进行迭代改进。 在多模态学习的应用中，关键的挑战包括数据的不平衡性、模 态间的关联学习以及如何有效处理噪声数据等。因此，在具体实施 方案中，必须采用合适的损失函数和正则化策略，以增强模型在实 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 凭借其强大的信息整合能力和多样化的 数据处理方式，在生态环保智慧诊断中展现出前所未有的潜力，不 仅能够优化环境监测和管理流程，还能够促进可持续发展目标的实 现。 4. 智慧诊断的技术框架 智慧诊断的技术框架主要围绕如何有效整合多模态 AI 大模 型，提升生态环保领域的智能监测、评估与决策支持能力。该框架 涵盖数据采集与处理、模型训练与优化、知识体系构建、应用场景 实现和反馈机制等五个关键层面。 在数据采集 注生物多样性的良好氛围。 6. 智慧诊断的具体应用案例 在生态环保领域，智慧诊断的应用越来越普遍，通过集成多模 态 AI 大模型，可以有效提升环境监测和治理的精准度和效率。以 下是一些具体的应用案例，展示了智慧诊断如何在实践中发挥作 用。 第一个案例是城市水质监测。某市通过部署智能水质监测分 站，采集水体中的 PH 值、浊度、溶解氧等指标，结合 Meteorological Data 和历史水质数据，利用多模态

，提升专业人 士 的服务效率和服务水平 通过微信服务号为用户提供一站式、对话式的在线私 人助理服务 • 通过理解 - 交互 - 咨询 - 任务等环节 ，完成交易闭 环 个性化的需求如何更高效的被满足？ 如何提升基于交互的服务效率和服务体验？ 任务型对话机器人 商业智能 智能分组推送 个性化推荐 知识库 问答型对话机器人 领先的知识型交互机器人 最懂你的私人助理 结束语 . 提升智能助理产品的可靠性

扣和优惠政策，以帮助您更好地理解和选择我们的产品。 客户说：“你们卖的保险比别人家的保险贵，我不想买了。” 应用能力评测：保险营销及服务应用案例 你是一名保险客服人员，当客户有如下表现时，你该如何进行应答，直接给出话术内容，要保证礼貌合规并尽量不流失客户 userid:414195,docid:145186,date:2023-11- 应用能力评测：保险营销及服务应用案例 在此情况下， 目标是确保您真 正了解并满意您的选择。您愿意听我进一步解释吗？ 这种回应方式旨在引导客户重新考虑其决策，同时强调产品的价值，以保留潜在的客户。 你是一名保险客服人员，当客户有如下表现时，你该如何进行应答，直接给出话术内容，要保证礼貌合规并尽量不流失客户 客户说：“你们卖的保险比别人家的保险贵，我不想买了。” GPT-4 应用能力评测：保险营销及服务应用案例 作为一名保险客服人员，我会以礼貌和专业的态度回答客户的问题。 。 这样的回答既能够满足客户的期望，又不会误导客户，同时也能够保持我们的专业性和礼貌性。 客户说：“你们卖的保险比别人家的保险贵，我不想买了。” 你是一名保险客服人员，当客户有如下表现时，你该如何进行应答，直接给出话术内容，要保证礼貌合规并尽量不流失客户 0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5 智能核保能力指数 智能理赔能力指数

但空洞，导致算力与本地产业的智能化需求不匹配；智算中心是“能耗巨兽”，在规划阶段 若未充分考虑绿色节能技术和集约化设计，将导致后期运维成本极高，难以持续。缺乏前 瞻性的规划设计易导致智算中心建成即落后。 在运维阶段，如何将不同架构、不同厂商的算力资源高效池化、统一调度和管理，是 一个巨大的技术挑战。智算集群对稳定性与可靠性要求极高，AI 训练任务通常需要连续运 行数天甚至数周，任何硬件故障或网络波动都可能导致任务失败，造成巨大经济损失和时 和 ModelMate（模型使能工具）进行科研创新和教学的典型案例。该项目于 2024 年 1 月正 式开启，算力规模 65P，项目采用“DCS（轻量云）+ModelMate+运营平台”方案。如何支撑 学校师生从原开发平台顺利迁移到新建的国产算力平台，利用昇腾技术栈快速进行科研模型 创新，成为该项目的首要任务，也是 D 大学推进国产算力科研创新实践的关键目标和要求。 “DCS+Mod 型+教育大数据” 的新型教育数字基座，提高已建应用、空间、资源、数据的使用效率，探索人工智能大模型 技术在网络学习空间中的综合利用，打造覆盖全平台的智能搜索引擎。为探索人工智能这把 “金钥匙”如何开辟教师发展新赛道、塑造教师发展新优势，助推数智时代教育的转型升级， 讯飞联合哈尔滨工业大学、北京航空航天大学广泛开展了一系列“教育+大模型”的应用场 景试点。 （一）依托“大模型+多智能体”赋能数字课程建设

响应能力。在当前社会，随着城市化进程的加速和科技的迅猛发 展，公共安全面临的挑战日益增多。在这种背景下，传统的监控与 安全管理手段显得力不从心，亟需引入现代化技术手段以提高防范 和应对能力。 我们将在文章中详细阐述如何利用 AI 大模型，通过智能视频 分析技术来实现对公共场所的实时监控与异常事件的自动识别。具 体而言，本文的目的包括以下几个方面： 1. 分析当前公共安全管理中视频监控的局限性，包括监控盲区、 2. 介绍 AI 大模型在视频分析中的优势，如深度学习算法的应 用，能够处理复杂场景并提高识别准确率。 3. 提出具体的实施方案，包括系统架构设计、数据采集与处理流 程、模型训练与优化，以及如何与现有的公共安全体系整合。 4. 讨论在实际应用过程中可能面临的技术、法律和伦理挑战，并 提供切实可行的解决方案。 5. 最后，预期该系统能提高公共安全事件的响应速度和处理效 率，最终实现更高层次的社会安全保障。 隐私，维护社会秩序，避免潜在的法律风险。 首先，涉及视频数据的处理和存储，必须遵循《中华人民共和 国网络安全法》、《个人信息保护法》等法律法规。应确保视频数 据的收集、存储和处理都经过合法授权，明确告知用户其数据将被 如何使用，并获得用户的同意。在实施视频智能挖掘时，应采取必 要措施以确保收集的数据不会用于超出原始目的的其他用途。 其次，企业应建立健全的内部管理制度，对涉及个人数据的处 理进行严格监管。包括：

开启自主化征程，但在从0（完全人工）到100% （完全自主）的指数体系中，供应链各项活动的自 主化成熟度中位数仅为16%（平均成熟度则为21%）。 预计在未来五到十年内，该成熟度中位数将大幅 提升至42%。 为了更深入地理解如何向更高自主化水平迈 进，我们将典型的供应链流程划分为9个集群和 29项具体活动（见图3）。例如，“生产制造”集 群便涵盖了生产加工、产品组装以及包装等活动。 随后，我们将受访企业各项活动的当前状态及预 改进的良性循环，而另一些企业则可能因财务能 力所限而陷入停滞不前的恶性循环。为有效分配 资源，供应链高管应采用“以终为始”的视角，构 想其AI赋能技术栈的理想未来状态，并回答“何 为卓越？”，从而明确团队应如何协同达成这一 目标。 我们的研究显示，企业普遍将网络安全、云计 算与SaaS平台、RFID与物联网等先进传感器，以及 供应链数字孪生模拟平台视为自主化的关键赋能技 术。但构建自主化系统绝非各部分的简单叠加。它 标。实施全面的安全协议（如供应商安全审计和 高级多因素身份验证），能够确保数据和系统在 日益复杂的威胁面前保持安全。 投资关键的AI赋能技术 重塑人与技术的协作模式 向自主智�供应链转型成功的关键在于企业 如何培养人才，以适应这场重塑工作体验、学习方 式和技能再造的劳动力变革。供应链专家应尽早参 与进来，以便在使用和优化这些系统的一线员工之 间建立信任。技术本身无法保证转型成功，必须通 过持续的反馈循环，结合员工的参与，才能确保设