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

 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

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

Deepseek 的技术人员组 成，专注于模型部署和技术实现。业务团队则由各部门的业务骨干 组成，确保模型功能与业务需求紧密匹配。风险合规团队则负责监 督项目的合规性，降低潜在风险。 为确保项目的高效推进，制定了详细的沟通和协作计划。例 如，每周召开跨部门会议，讨论项目进展和问题；每月向高层管理 汇报项目状态，确保战略目标的一致性；与外部参与者保持定期沟 通，及时解决技术和业务上的挑战。通过明确的角色分工和高效的 整理项目文档和知识资产，形成知识库，为后续维护和优化提供支 持。 通过上述项目管理与控制措施，确保 Deepseek 大模型在银行 系统的部署项目高效、有序地推进，最终实现预期业务价值。 14.1 项目计划 在 Deepseek 大模型银行系统部署项目中，项目计划是确保项 目顺利推进的核心工具。首先，项目计划将基于银行的具体需求、 技术架构和业务目标，划分为明确的阶段和任务。项目的主要阶段 包括需求分析、模型定制、系统集成、测试验证和上线部署。每个 中将定义关键里程碑，例如需求确认完成、模型训练完成、系统集 成测试通过等，并为每个里程碑设定清晰的质量标准。 项目实施过程中，将采用敏捷管理方法，将大任务分解为可执 行的小任务，并通过迭代方式进行推进。每周将举行项目例会，审 查任务进展、识别风险并制定应对措施。项目计划中还将预留一定 的缓冲时间，以应对可能的技术挑战或需求变更。 此外，项目计划中将明确资源分配，包括硬件资源（如 GPU

个月的演进路线应包 括：Q3 完成企业私有知识库的定制训练，Q4 实现与审计软件（如 鼎信诺）的深度集成，最终达到审计项目全流程 30%以上的人工工 时压缩目标。 2. 项目背景与目标 随着数字化转型的加速推进，审计行业正面临数据量激增、合 规要求趋严、人力成本上升等多重挑战。传统审计方法依赖人工抽 样和规则引擎，效率与覆盖率难以平衡。以某国际会计师事务所的 实践为例，其年度审计项目中，仅财务报表科目核对环节就需投入 率可达 92%以上，剩余异常映射由审计专家在配置界面可视 化修正。 实施时需注意：所有接入过程需记录完整数据血缘图谱，审计 日志保留周期不得少于 7 年，关键操作需通过区块链存证。建议分 三个阶段推进：先完成 80%标准化程度高的数据源接入，再处理半 结构化数据，最后攻坚特殊历史遗留系统。 3.2.2 数据清洗与标准化流程 审计数据的清洗与标准化流程是构建智能体的核心基础环节， 需通过系 醒，确保审计团队始终基于最新数据决策。所有预测结论均附 带置信度评分和反向测试结果，避免过度依赖模型输出。 5. 实施步骤与时间规划 实施步骤与时间规划需要结合审计业务的实际场景和技术落地 的可行性，分阶段推进智能体的部署与应用。以下是具体执行路 径： 第一阶段：需求分析与技术选型（1-2 个月） 首先组建跨部门 团队，包括审计专家、IT 工程师和项目经理，通过访谈与研讨会明 确三类核心需求：高频重复性任务（如凭证抽样、底稿核对）、复