......................................................151 1. 引言 随着人工智能技术的迅猛发展，生成式大模型在诸多领域展现 出卓越的潜力，特别是在医疗行业。这些模型通过对大量医疗数据 的学习与应用，不仅能够提高医疗服务的效率，还能够助力医生进 行更为精准的诊断和治疗。因此，在医疗场景中应用生成式大模 型，具有极高的现实意义与可行性。 累，这些模型 将会在提高医疗质量、优化资源配置等方面发挥越来越重要的作 用。 1.1 背景介绍 随着人工智能技术的迅猛发展，生成式大模型（如 GPT、BERT 等）在多个领域展现了其强大的潜力，尤其是在医疗 场景中。医疗行业对高效、智能的技术需求日益增加，传统的医疗 服务往往面临着资源短缺、信息不对称和个性化医疗不足等挑战。 借助于生成式大模型，医疗行业可以有效改善这些问题，通过智能 列应用场景带来了广阔的前景。因此，本研究的主要目的在于探索 和验证 AI 生成式大模型在医疗场景中的实际应用可行性，具体可 以概括为以下几个方面： 首先，通过系统调研和分析，以确定 AI 生成式大模型在不同 医疗场景中的应用潜力。这包括对现有技术的评估以及对各类医疗 实践需求的深刻理解，以确保所选应用方向具有实用性和必要性。 其次，旨在搭建一个可供临床验证的 AI 生成式大模型框架， 实现医疗数据与模型输出之间的有效整合。通过与医疗工作者和技

在保险行业的广泛应用场景和显著价值。这些案例涵盖了客户服务、理赔定损、营销推广、 承保核保等多个方面，它们充分证明了大模型技术在提升服务效率、优化客户体验、降低运 营成本、增强风险管理能力等方面的巨大潜力，为保险行业的智能化转型提供了有力的实 践支撑。 更重要的是，我们深刻认识到大模型技术与保险行业的深度融合，不仅将推动保险业 务模式的深刻变革，还将重塑保险行业的竞争格局和生态体系。通过精准预知风险、主动管 · · · · · · · · · · · · · · · · 131 6.1.2 应用场景：由非决策类场景向决策类场景过渡· · · · · · · 135 6.1.3 多模态大模型：落地应用潜力巨大· · · · · · · · · · · · · · · · 136 6.2 行业实践建议· · · · · · · · · · · · · · · · · · · · · · · · · · 的训练与优 化提供丰富的数据资源。 以AlphaGeometry项目为例，该项目通过生成高达一亿个精准合成的数据点，为解决 复杂几何问题提供了强大的数据支撑，展现了合成数据在特定领域应用的巨大潜力。 DeepSeekMath项目则充分利用深度学习技术的优势，创造性地生成了包含多种难度级 别与问题类型的复杂数学题目及其解答。这一举措不仅丰富了合成数据的维度，还显著提 升了模型在处理复杂数

城市算力分指数中， 廊坊市、张家口市、大同市、广州市、杭州市等位居前列。 我国算力产业发展已取得一定进展，但产业数字化转型进程仍 面临诸多挑战：区域间算力发展水平差距较大，综合算力协同发展 潜力尚待充分挖掘，亟需通过深化一体化算力网建设，强化统筹协 同与动态优化能力；全面提升算力供给质效，加速推动结构的迭代 升级；夯实存力运力底座，促进“算存网”协同演进；构建绿色低碳 体系，加速基础 节能降碳水平。四是产业生态亟待进一步完善。我国算力产业生态 建设虽有进展，但仍存在基础设施建设不均衡、算力应用深度广度 不足、产业链各环节协同不畅等问题，算力拉动经济增长的潜力尚 未充分释放。 对全国进行综合算力指数分析，有助于客观全面分析当前我国 综合算力整体发展现状及发展潜力。通过全方位分析发展现状，为 我国制定更加科学合理的策略提供依据，实现有针对性地解决现有 瓶颈、有前瞻性地布局未来，为我国数字经济的可持续、高质量发 持中西部地区的数字经济发展，但由于起步晚、底子薄，这些地区 在人才储备、技术创新以及资金投入等方面仍相对不足。中西部地 区产业仍以传统资源型产业和劳动密集型产业为主，数字化转型的 动力相对薄弱，具备巨大的算力发展潜力和市场空间。 区域差距的扩大既会加剧经济发展的不平衡，也会制约全国产 业数字化的整体进程。研究综合算力指数有助于促进我国各区域充 分利用优势要素，挖掘区域发展需求，合理配置算力资源；加速算

9.1.2 政策与市场环境影响................................................................132 9.2 AI 大模型未来应用潜力....................................................................134 9.2.1 与其他技术结合............. 故障频 发，还可能对乘客的安全隐患造成威胁。 为了应对这些挑战，各城市正在积极探索和应用新技术。其 中，人工智能（AI）作为现代科技的代表，对提高城市轨道交通的 管理效率和服务水平具有极大的潜力。AI 技术能够实现对客流预 测、设备监测、线路优化等多方面的智能化管理，有望在降低运营 成本、提升服务质量方面发挥重要作用。 以下是城市轨道交通行业现状的主要特点：  高成本： o 建设和运营费用高昂，需长期投入。 大模型的应用同样展示了成功的潜力。某城 市的地铁公司采用基于机器学习的动态定价策略，以更好地匹配供 需关系。在高峰时段，票价会适度上调，鼓励部分乘客选择错峰出 行，而在非高峰时段，票价则相应降低。这一调整不仅提升了运营 的收益，也改善了整体乘车体验，成功吸引了更多人选择公共交 通。 最后，结合以上成功实例，城市轨道交通行业的 AI 大模型应 用展现出了强大的潜力和灵活性，为各个领域提供了切实可行的解

...............................................................................7 1.2 AI 大模型在公共安全中的潜力.............................................................8 1.3 文章目的........................... 反应、精准应对的需求。与此同时，信息技术的迅猛发展，特别是 人工智能（AI）技术的崛起，为公共安全领域提供了新的解决方 案。 人工智能大模型的应用，尤其是在视频智能挖掘方面，展现了 巨大的潜力。通过深度学习技术，这些模型能够从海量的视频数据 中提取出关键的信息，进行智能分析与判别。这种能力不仅能够提 高监控视频的利用效率，还能在发生风险时提供及时的预警，快速 制定应对策略。结合大数据和机器学习技术，我们能够实现对公共 最后，未来公共安全领域将朝着智能化、系统化的方向发 展。AI 大模型的应用是提升公共安全管理效率的重要途径，期待这 一技术在实际运用中发挥更大的作用，助力城市安全管理的现代化 进程。 1.2 AI 大模型在公共安全中的潜力 在当今信息技术飞速发展的背景下，人工智能特别是大模型技 术，正在为公共安全领域带来深远的影响。AI 大模型在数据处理和 分析能力上具有显著优势，能够从海量视频监控数据中提取有价值 的信息，

合可以进一步提升模型 性能。 n 2025 年 2 月，科学家李飞飞团队带领以不到 50 美元的费用训练了一个能力比肩 DeepSeek-R1 的 s1 模型，也展现了蒸馏 模 型的更多应用潜力。 性能：蒸馏小型模型展现 Test-time Scaling ，可支持多项基础业务场 景 资料来源： s1: Simple test-time scaling ，中泰证券研究所 9 模型展现出随推理时间增加准确度增加的 了文本到图像生成的稳定性。 n 作为在 GenEval 等评测中超越 DALL-E 3 和 Stable Diffusion 3-Medium 的开源模型， Janus-Pro 也展现出了更多应用潜力。 图表： Janus-Pro 多模态理解和视觉生成表现 资料来源： Janus-Pro: Unified Multimodal Understanding and Generation with

为代表的 AI 大模型技术席卷全球，不仅将人工智能推向新的拐点，也让更多人注意到了其底层技术——生成式 人 工智能（ AIGC ）。 AIGC 时代，大模型作为基础设施，将为千行百业赋能，场景广阔，潜力无限。具体到保险行 业， AIGC 有望在保险产品设计、精算、营销、运营、客服等全链路环节提供深度的技术加持，推动行业提升效能，实现高 质量发展的 同时，进一步提升普惠金融服务的广度与深度，为 营销素材 话术优化 话术推荐 保险规划 智能核保 智能理赔 实时质检 从本次调研呈现的结果来看， AIGC 在保险行业应用层面的表现尚未完全成熟，但 AIGC 为保险业务场景深度赋能 的 潜力已然显现，保险机构借势 AIGC 拥抱人工智能浪潮、实现飞跃的趋势已势不可当。 随着今年 8 月《生成式人工智能服务管理暂行办法》的落实，监管体系日益完善， AIGC 技术在各行业、各领域的 创

息服务方面，具备强大的数据分析工具，能够帮助跨境电商企业精准洞察不同地区消费者的 需求和偏好，优化选品和营销策略，有效保障交易数据的安全合规要求。 AI创新应用不断挖掘新的市场潜力：近年来，国内云服务商在AI创新应用方面不断突破，为 挖掘全球市场新潜力提供了强大动力。相关的基础AI模型和AI技术栈都十分强大，特别是能 够持续利用云计算的海量数据存储和强大计算能力优势，支撑智能化的云应用出海。一大批 AI产品 等全视频场景提供 智能化解决方案，目前已与国内外 100 多家头部企业达成合作，每月处理视频超 15 亿分钟，覆盖从 云端到终端的全链路视频服务。 业务痛点： 高性能算力需求：释放自研编码内核技术潜力 微帧科技自研的编码内核需要高性能算力平台，满足超高清视频处理的计算强度需求。在视频 编码前，需要运用降噪、画质增强等 AI 预处理技术对原始视频进行优化，这需要强大的算力支 持，用以在压缩过程中保障画质。

anything model)[18] 等视觉基础模型则以低于前两者的模型 量级提供跨越图像与文本鸿沟的能力, 为进行实时 的开放词汇的视觉检索提供了可能. 这一系列的进 展不仅展示了基础模型的强大潜力, 也为其与具身 智能的融合提供了新的视角和可能性. 文献 [19] 将 上述在大规模数据集上进行训练并能适应广泛任务 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 在多个公开的机器人数据集上进行实验, 结果表明, GPT-4V 能够有效地利用自然语言指令和视觉感知 生成详细的动作计划, 且这些计划与真实世界的演 示视频具有高度的一致性, 展现出 GPT-4V 在具身 智能中的潜力. ViLA[30] 同样引入了 GPT-4V, 通过将视觉信 息直接融入推理和规划过程中来生成一系列可执行 步骤. 此外, ViLA 能够自然地整合视觉反馈, 使得 机器人能够在动态环境中进行鲁棒的闭环规划: 率和高精度渲染出具有丰富细节的场景, 在虚拟现 实、增强现实、同步定位与地图构建 (Simultan- eous localization and mapping, SLAM) 等领域都 表现出了巨大的潜力[109]. LangSplat[88] 是首个提出基于 3D 高斯构建 3D 语言场的方法, 方法使用 SAM 与 CLIP 提取三个 语义尺度的语言特征, 并优化 3D 高斯对提取的特 征进行表示

智能体另一大应用领域就是提供拟人情感陪伴类服务。陪伴类的智能体拥有长期记 忆，让用户与其聊天中产生熟悉且亲切的感觉。随着大模型不断迭代，陪伴类智能体更 加立体，能提供更高的情绪价值。目前国内情绪消费类市场潜力较大，在如今紧凑的生 活节奏之下，国民孤独感增加，而陪伴类智能体或受益于这样的大环境。根据 GIA（Global Industry Analysts）的研究，Denny Yin 提出该行业规模预计到 年全球自主人工智能和自主智能体的市场规模在 2028 年能达到 285 亿 美元，期间 CAGR 为 43%。智能体的需求增长迅速，企业希望用到最先进的 AI 科技来 实现快速创收，未来智能体软件公司有很高发展潜力。 图21 全球自主人工智能和智能体市场规模 资料来源：marketsandmarkets，海通证券研究所 训练仅需一个 CPU 节点两天完成，训练步数比之前方法减 少了万分之一，大大低于 OpenAI 和 DeepMind 提出的其他方法所需的 GPU 天数。 此项研究为机器人和自动驾驶等产业带来了巨大的潜力和突破。 行业研究〃信息服务行业 请务必阅读正文之后的信息披露和法律声明