技术迅猛发展，算力作为数字经济的基础资源，其重要性与日 俱增。我们进入了一个计算力驱动创新的时代，这不仅影响着科技领域的演进， 更深刻地改变着社会的方方面面。目前，国家正按照“点、链、网、面”体系化 推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重 要标尺，相关研究工作意义深远。 随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 于算力、存力、运力以及 我国正处于数字经济加速跑的关键期。近年来，我国在算力领 域取得了显著进展。一是算力结构不断优化，技术创新成果频出； 二是存储规模与性能实现结构性突破，为海量数据的高效处理提供 了有力支撑；三是运力基建稳步推进，调度机制逐步完善，有效提 升了算力资源的调配效率；此外，模型技术与产业应用的双轮驱动， 进一步加速了算力向现实生产力的转化。 结合算力产业发展现状、趋势和重要影响因素，中国信通院进 一步完 球算力需求呈现指数级增长。从智能工厂中精准控制生产设备的工 业机器人，到智能交通里实时规划路线的导航系统，再到个性化推 荐服务背后复杂的算法运算，各类数字化场景都高度依赖强大、稳 定且高效的算力支撑。特别是在智能化进程加速推进的背景下，智 算需求更呈现出一种持续攀升的强劲态势。据国际数据公司（IDC） 预测，2024 年全球人工智能服务器市场规模为 1251 亿美元，2025 年预计将增至 1587 亿美元，2028

模型的商业化推广与运营； - 知识库的长期维护与更新。 1.4 项目团队及职责分工 本项目的团队由项目经理、数据工程师、算法工程师、AI 模型 训练师、质量保证专家和产品经理组成，确保项目在各个环节都能 高效推进并达到预期目标。项目经理负责整体项目的规划、进度管 理和资源协调，确保项目按时交付并符合预算要求。数据工程师负 责数据的采集、清洗和预处理，确保数据的完整性和质量，同时开 发和维护数据管道，以便为后续的模型训练提供可靠的数据支持。 实时监控：监控审核进度与异常数据 通过以上机制，可以确保知识库中的数据始终保持高质量，为 AI 大模型的训练提供可靠的基础。 5. 项目风险管理 在知识库数据处理及 AI 大模型训练项目中，风险管理是确保 项目顺利推进的关键环节。首先，项目团队需对潜在风险进行系统 性识别，包括数据质量、模型训练过程中的技术瓶颈、资源分配不 足以及外部环境变化等。针对这些风险，团队应建立风险登记表， 记录每项风险的性质、可能性和影响程度，并定期更新。 训，不断完善风险管理机制。通过以上措施，可以有效降低项目风 险，确保知识库数据处理及 AI 大模型训练项目的顺利实施。 5.1 风险识别 在知识库数据处理及 AI 大模型训练的设计方案中，风险识别 是确保项目顺利推进的关键环节。首先，需要明确项目的主要风险 来源，包括数据质量、模型训练、技术实现、资源管理和外部环境 等方面。 在数据质量方面，可能存在数据集不完整、标签错误、数据分 布不均等问题，这些问题会直接影响模型的训练效果。例如，数据

1 n DeepSeek 模型在 Post-Train 阶段大规模应用了强化学习方法。 R1 使用了冷启动 + 大规模强化学习方法， R1-Zero 版 本模 型使用纯强化学习方法。随训练过程推进，模型展现出了推理能力的扩展（高准确率和 long-CoT 能力涌现等） 。 图表：随步数提升 R1-Zero 的 AIME 任务准确度 纪要等细分场景。 n 我们认为，随着 DeepSeek 开源降本， 中小银行有望加速部署应用，快速追赶与大行之间差距。 资料来源：信通院、中泰证券研究所 21 落地进展：大行发力早，中小银行推进更快 50% 40% 30% 20% 10% 0% -10% -20% 2022 金融科技投入（亿元） 2023 金融科技投入（亿元） 同比增幅 300 余个场景，提升复杂数据处理能力 技术亮点：通过模型轻量化技术降低推理成本，计划围绕“领航 AI+ 行动”深化算力、数据与模型的协同创新 建设银行 技术落地：总行完成 DeepSeek 定制化训练，全集团推进生成式 AI 体系化应用。子公司通过总行平台按需调用模型，严禁自行接入外部模型，保障技术 可 控性 应用场景：建信理财率先探索资产配置优化、风险预警等理财场景，同时通过金融语义框架将“抵押率”“

响，因此需要实时监控模型的运行效果，基于反馈进行持续优化。 对于模型性能下降或者适应性减弱的情况，应及时进行调整与实 验，以确保其持续为城市轨道交通提供有效支持。 综上所述，城市轨道交通行业在推进 AI 大模型应用的过程 中，要注重目标明确、数据质量、团队合作、技术可扩展性和定期 优化等方面的实践经验。这些领域的探索与总结，相信将在未来的 项目实施中发挥重要作用，从而实现更高效、安全的轨道交通运 最后，制定监控管理和维护方案，确保 AI 系统在长期运行中 持续有效。可以设立专门的 IT 支持团队，定期进行系统维护与更 新，并监控模型的表现，必要时进行再训练，以适应新的数据变化 和业务需求。 为确保实施方案顺利推进，各阶段的具体内容和预期时间表可 通过如下表格形式进行安排： 阶段 内容描述 预期时间 需求分析 深入调研，明确应用场景 1 个月 数据采集与预处理 收集数据，清洗与标准化处理 2 个月 模型选择与试点实验 在项目启动之前，需要进行充分的利益相关者分析，识别出所 有可能受到项目影响的群体，包括政府机构、公众、以及其他行业 相关方。进行充分的沟通与协调，确保他们对项目的支持和配合。 项目启动后，可以按照以下关键步骤有效推进： 1. 制定项目章程，明确项目目标与范围。 2. 确立项目管理框架，并选择合适的项目管理工具。 3. 进行初步的风险评估，识别潜在的风险因素并制定应对措施。 4. 制定详细的时间规划，明确各阶段的交付时间与责任人。

v4则通过其优化的矩阵运算能力，为深度学习模型的训练提供了更高的效率。 （2）国产算力发展 为了突破算力“卡脖子”的问题，并抓住新技术带来的机遇，我国正加快国产GPU芯片 生态体系的建设，包括从芯片设计、制造到封装测试的全流程加速推进。华为、寒武纪、摩 尔线程、景嘉微、海光信息、沐曦科技、壁仞科技、燧原科技等企业通过加大研发投入、优化 生产工艺、提升测试水平等措施，在GPU设计、制造和封装等环节均取得显著进步，国产芯 片在 大模型的出现，使得具身智能在感知、理解和规划任务上的泛化能力得到了显著提 升。机器人接入大模型后，能够直接听懂人类指令，结合环境信息，将复杂的指令转化成具 体行动规划，无需额外数据和训练。这种能力极大地降低了机器人的使用门槛，推进了机 器人落地各行业场景应用。 （2）产业应用 具身智能在多个领域得到了广泛应用，包括智能制造、智能家居、智慧医疗等。例如， 在智能制造领域，搭载大模型的机器人能够完成高精度、高效率的生产任务；在智能家居 升销售效率与转化 率，还能在客户心中树立专业、贴心的品牌形象，为保险公司带来持续的市场竞争优势。尽 管当前在技术实现上仍面临一定挑战，但平安保险、阳光保险、信美相互等保司已纷纷加 大投入，全力推进相关技术的研发与应用，以期在未来的市场竞争中占据先机。 大模型技术在保险业的初步应用成效，不仅为行业带来了显著的正面变化，更预示着 一场深刻变革正在拉开序幕。 （1）效率的大幅提升 自动化流

该政策旨在，促进智能软件研发行业通过强化技术创新、深化应用领域及优化产业结构，推动智能化与实体经济深度融合，加速培育新兴产业生态，提升行业整体竞 争力和自主创新能力，助力数字化转型。 政策性质 指导性政策 政策名称 《关于推进IPv6技术演进和应用创 新发展的实施意见》 颁布主体 发改委、工信部、交通运输部、中 国人民银行、国务院国有资产监督 管理委员会、国家能源局、教育 部、国家互联网信息办公室 生效日期 2023-01-01 2023-01-01 影响 7 政策内容 加强过程模拟软件、流程优化软件自主开发应用，鼓励对精馏、反应、全厂流程模拟优化，提升炼油企业精细化管理水平。推进自主化工业控制等软件应用，提升工 业软件自主保障能力。提升企业数字化水平，推进生产过程数字化管理，加速业务系统互联互通，促进工业数据集成共享。 政策解读 该政策旨在，推动炼油行业向绿色创新和高质量发展转型，促使智能软件研发行业开发更高效 驱动以及智能运营的能力进阶，成就数智企业，推动社会商业进步。用友还推出了企业服务大模型YonGPT，作为深懂企业服务的垂类大模型，为企业提供智 能助理、虚拟员工等百余项场景化的智能服务，助力企业在新质生产力时代下加速推进数智化进程。 用友网络科技股份有限公司 2015 2016 2017 2018 2019 2020 2021 2022 2023 1.06 1.08 1.06 1.07 1.04 1.01 0

不可或缺。智算集群是一个复杂工程系统，非简单的软硬件的堆砌，它要求 算、存、网、服务的高效协同。智算服务包含智算集成、运维、计算使能和优 化、辅助运营等方面。发挥极致集群算力，需要构建智算服务产业共识，持续 推进智算服务产业升维。 我们期望通过本案例集的发布，能够进一步促进行业内各方的深度交流 与协同创新，共同推动智算服务发展与应用推广，为构建高效、绿色、智能的 未来计算环境贡献智慧和力量。 息技术产业，旨在为各行各业提供高效、智能的数据处理与决策支持能力。随着全球数字 化转型加速，智算产业已成为推动经济增长、科技创新的关键基石。 政策与市场方面，中国“东数西算”工程、美国“人工智能行动计划 2”等政策加速 推进了智算基础设施布局；金融、医疗、制造等行业利用 AI 优化流程，提高生产力和效 率，使得智算服务市场年增速超 30%。 技术驱动方面，深度学习、大模型的兴起，催生了对智能算力的巨大需求；AI 训练和 需求因多模态模型激增；智算集群涉及多层级及大量联调，分布式并行训练对多机多卡同步 要求高，单点故障可能影响整体效率，因此对系统性能、稳定性及跨域协同要求更高，需保 障硬件高耦合下的系统质量与可靠运行。 为保障深圳智算项目高效推进，项目组组建集成交付联合作战室。中讯院智算交付团队 深度参与，与广东联通算网基地紧密联动，同时有效协同监理、集成商、设备及平台厂商开 展联合办公，凭借专业实力有效支撑了集成交付全流程工作。项目交付流程分为四个关键环

 赋能两类实体领域，成本与效益的博弈：AI Agent 目前的应用大多都在概念层面， 但随着大模型竞争加快、政策鼓励研发投入、更多企业参与 AI 研究等因素，应用 层面的 AI Agent 推进速度加快。智能体大致可以分为六类，根据他们被设计出的 特点，可以作用在不同的应用领域上。不同类别的智能体给予应用层面上更多研 发方向，像目前关注度较高的自动驾驶技术、智能电网控制、能源管理等都能被 应用场景：赋能两类实体领域，成本与效益的博弈 AI Agent 目前的应用大多都在概念层面，但随着大模型竞争加快、政策鼓励研发投 入、更多企业参与 AI 研究等因素，应用层面的 AI Agent 推进速度加快。智能体大致可 以分为六类，根据他们被设计出的特点，可以作用在不同的应用领域上。不同类别的智 能体给予应用层面上更多研发方向，像目前关注度较高的自动驾驶技术、智能电网控制、 能源管理等都能被 2023 年 10 月 实施大模型创新扶持计划。支持引进高水平创新企业，支持本市创新主体打造 具有国际竞争力的大模型，鼓励形成数据飞轮，加速模型迭代，对取得重大成 果的予以专项奖励。实施大模型示范应用推进计划。重点支持在智能制造、生 物医药、集成电路、智能化教育教学、科技金融、设计创意、自动驾驶、机器 人、数字政府等领域构建示范应用场景，打造标杆性大模型产品和服务。 国务院 《2024

标、行业新闻和公司公告等多维度信息，辅助交易系统做出更加精 准的买卖决策。此外，DeepSeek 还将引入自然语言处理技术，自 动解析和分析市场情绪，帮助交易者更好地把握市场情绪波动对股 价的影响。 在技术实现方面，项目将分阶段推进。第一阶段，重点在于搭 建基础数据平台，整合各类数据源，包括但不限于历史交易数据、 财务报表、新闻资讯等。第二阶段，将引入深度学习模型，进行数 据特征提取和模式识别，优化现有的交易策略。第三阶段，将实现 项目范围不包括以下内容： - 非结构化数据的处理，如图像和 视频数据 - 非金融领域的数据分析 - 超出股票交易的其他金融产品 交易策略 通过明确的项目范围界定，确保项目团队能够集中资源，高效 推进项目进展，实现预期目标。 2.3 预期成果 通过引入 DeepSeek 技术，本项目预期在股票量化交易的多个 方面实现显著提升，主要体现在以下几个方面： 首先，算法策略的优化将显著提高交易系统的盈利能 投资者应根 据市场环境及自身情况，灵活调整运营策略，以实现最佳的投资回 报。 14. 时间计划 在股票量化交易引入 DeepSeek 应用方案的时间计划中，我们 将分阶段实施以确保项目顺利推进并达到预期目标。以下是详细的 时间安排和关键里程碑： 第一阶段：需求分析与技术调研（第 1-2 周） 在这一阶段，项 目团队将深入分析业务需求，明确量化交易的核心目标，并与 DeepSeek

风险。 综上所述，通过遵循法律法规、实施数据保护技术、加强员工 培训、完善患者知情同意制度、采用新技术和开展定期审计，能够 有效保证在 AI 生成式大模型医疗场景应用中的数据隐私安全，从 而推进技术的可行性和应用价值。 5.2.2 医疗责任问题 在 AI 生成式大模型的医疗应用中，医疗责任问题是一个重要 的法律和伦理考量。随着医疗 AI 技术的迅速发展，确立清晰的医 疗责任框架变得 通过试点期间的反馈，进一步调整和优化系统。 7. 全面推广阶段（2-3 个月） o 在试点成功的基础上，向全院推广应用。 o 提供系统培训和支持，确保每位相关人员能够熟练使用 系统。 为确保项目顺利推进，需建立专门的项目管理团队，负责整体 协调与监控。此外，项目还需要合理配置资源，包括人力、技术和 财务资源。项目资源配置与关键人员角色如下： 角色 职责 项目经理 全面负责项目实施与进度把控 生成式大模型医疗场景应用的实施过程中，我们将目标 分为多个阶段，以便逐步实现项目的整体目标。每个阶段将涵盖特 定的可交付成果、关键绩效指标(KPI)以及实施步骤。这种分阶段的 方法可以有效管理风险，并确保各个环节都能按照预定计划推进。 阶段一：需求分析与可行性研究 这一阶段将首先进行需求分析，确定医疗机构及其主要利益相 关者在 AI 生成式大模型方面的具体需求。通过访谈、问卷调查等 方式，我们将收集相关数据，确保充分理解潜在用户的期望和痛