产业规模不断壮大，核心产业规模已接近5,800亿元。同时，中国已形成了京津冀、长三角、珠三角三大人工智能集聚发展区，拥有超过4400家 核心企业，数量位居全球第二。此外，中国在人工智能基础设施方面亦表现突出，占地规模同样位居全球第二，且智能算力占比超过25%。人工 智能在智能软件研发行业的推动作用日益显著，具体表现在提升开发效率与质量、引领开发模式创新、强化软件个性化与智能化特性，以及加速 水平，促进节能减排和技术升级。 政策性质 指导性政策 智能软件研发行业的市场集中度较高。智能软件研发行业呈现以下梯队情况：第一梯队公司有科大讯飞股份有限公司、用友网络科技股份有 限公司、上海宝信软件股份有限公司等；第二梯队公司有中国软件与技术服务股份有限公司、北京金山办公软件股份有限公司、金蝶软件（中 国）有限公司等；第三梯队有北京超图软件股份有限公司、浪潮软件股份有限公司等。 头部企业融合云服务与软件推出S

智算中心高效应用面临挑战 ........................................................................................... 4 第二章 智算服务架构 .......................................................................................... 产业创新的运营 者”角色的转变。不仅要建好算力，还要管好、用好、维好算力。通过智算服务发挥极致 集群算力，齐聚行业力量构建稳健高效的算力平台，持续释放算力价值。 第二章 智算服务架构 智算服务架构总体分为三类：基础设施类服务，模型支持类服务和行业应用类服务。 如下图 1 所示。 图 1 智算中心服务架构图 基础设施类服务包含业务咨询 个院系，分析课程超 2.6 万节，学校“以 AI 解析课堂、驱 动教学变革”的创新实践，为全国高校提供了可复制的“北航方案”。值得一提的是，学校 在人工智能赋能高等教育教学各环节的卓越实践，已成功入选教育部第二批“人工智能+高 等教育”应用场景典型案例。 （三）大模型全面助力科学教育做加法 采用虚拟教师的形式，实现互动式、启发式、探究式教学，在一定程度上弥补了科学教 育师资与教学知识储备不足等

information 》》》 普通型知识 流程型知识 要素型知识 列表型知识 场景化 小富机器人优势不特色 传统一代机器人癿工作过程示意 第一步 获取业务文档 第二步 人工加工形成 Q&A 使用技术：关键字 + 同义词 + 句式 挑战：后台知识加工自动化程度较低 第三步 逐条 Q&A 人工维护入库 “ 余额查询” 出现过大约 250 种表达方式 试图人工穷举自然语言的所有表达 业务乊间无法复用 对每个句式、 每种表达斱式， 配置关键词 用智慧发现信息价值 Discover information 问 答 题 案 小富机器人优势不特色 小富机器人癿工作过程示意 第二步 批量导入，自动打业务标签 无须逐条整理 FAQ 第三步 用户问题语义分析，业务标签匹配 业务建模 + 概念资源 + 语义分 析 第一步 业务建模 用智慧发现信息价值 Discover

浙江大学 DeepSeek 系列专题线上公开课（第二季） 从大模型、智能体到复杂 AI 应用系统的构 建 —— 以产业大脑为例 肖俊 浙江大学计算机学科与技术学院人工智能研究所 2025 03 杭州 • 大模型推理能力快速提 升 • 推理模型和思维链 (CoT) • 智能体是什么？ • 四链融合产业大脑案例 提纲 大模型推理能力快速提升 开始模仿人 脑进行大量 数据的标记 /2422923 • 撰写调研报告： 调研特斯拉 FSD 和华为 ADS 这两个自动驾驶 系统 一个具体的例子 • 撰写调研报告： 调研特斯拉 FSD 和华为 ADS 这两个自动驾驶 系统 第二步：调用 WebBrowseAndSummarize 工具浏览网页并总结网页内容（此工具调用了 LLM ） 第三步：调用 ConductResearch 工具生成调研报告（此工具调用了 LLM

重庆 部署实施“人工智能+”行动 山东 建立科技创新和产业创新融合机制 湖北 到2030年，具有全国影响力的科技创新高地加快形成 -10- DeepSeek影响：格局被打乱，AI竞争进入第二阶段 C端AI应用市场格局重构，新入局者迎来机遇 B端客户全面评估DS影响，重新论证基础模型选型 DS国内登顶、全球仅次于GPT，月均活跃用户数跃居第一， 全球全端DAU近1.2亿；纳米AI搜索（原360）将其核心模 等央 国企均在拥抱对接或重新研判 DS开源策略全面冲击基础模型商业模式，将大厂在C端、B端过去一年构建的技术优势拉回同一起跑线 ，市场竞争从一阶段比拼模型能力，进入比拼应用、数据、工程化交付能力的第二阶段 -11- 目录 Contents 02 03 01 04 05 -12- 中美在AI领域的对比：人才与技术 n 我国高端人才的数量和密度跟美国有明显差距 n 我国AI领域重大原创性成果的数量落后于美国

在此背景下，行业对智能工具的诉求呈现三个关键特征：第 一，处理速度需要达到千万级数据/小时的吞吐量，某四大会计师 事务所的测试数据显示，当响应延迟超过 2 小时时，审计师的决策 准确率会下降 17%；第二，分析维度必须覆盖 100+风险指标实时 交叉验证，如下表所示的风险指标覆盖率对比： 指标类型 传统工具覆盖率 行业要求标准 财务异常 68% 95% ≥ 合规性条款 52% 90% ≥ 关联交易 构建集成学习框架，采用 XGBoost 为主模型、LightGBM 为辅助 模型的级联结构。特征工程阶段需嵌入审计专家规则： 1. 第一阶 特征：原始财务指标（流动比率、资产负债率等） 2. 第二阶特 征：动态衍生指标（同比波动率、行业偏离度） 3. 第三阶特征： 关联方交易网络特征（通过 Graph Embedding 生成）。 模型训练采用 5 折时间序列交叉验证，防止数据泄露。关键参 |财务数值|92.3%|异常交易筛查| |法律条款|88.7%|合规性 检查| |时间节点|95.1%|时序分析| |人员职务|84.5%|关联方识 别| |业务流程|81.2%|内控评估|  第二阶段：采用 DeBERTa-v3 模型构建审计问答系统，在 2000+审计工作底稿上微调，实现： 审计语义分析增强 1. 构建审计领域本体库，包含： - 500+财 务舞弊模式的特征短语

SMOTE 算 法 ， 合成每类别提示对应数量的新的提示样本。 一段时间内征兆变量的平 口根据评估结果对诊断准确率较低的故障 类别按照比例生成额外提示，以提高训 第一段提示中 的数据样本 第二段提示中 的数据样本 第 n 段提示中 的 数据样 本 合成 样 本 序号 题 目 年份 期刊 1 Generative pre-trained transformers (GPT)-based 口长 期在开发一线，有死磕的工匠精神、永不放弃的热情、有核心团队 赵阳博士亲自架构和开发 90% 内核代码，基于 Rust 语言 第一代： 2018 第二代： 2021 第三代： 2022 第四代： 2023 第五代： 2024 ,The Rust Programming Language

权限配置与数据沙箱环境搭建，重点保障客户数据隔离安 全。技术团队需在首周内输出接口文档并确认以下关键指标： • 日 均 API 调用容量：≥50 万次 • 数据字段映射准确率：100% • 响应 延迟：<800ms 第二阶段：模型微调与业务场景验证（第 5-8 周） 基于 CRM 业务日志进行模型微调，训练数据需覆盖 90%以上业务场景。测试 阶段采用 A/B 测试框架，样本量不少于 2000 个真实客户交互案 -->|图像| D[CV 处理模块] B -->|语音| E[ASR 转换模块] C & D & E --> F[多模态知识图谱] F --> G[业 务应用系统]  第二阶段（12 个月） 部署以下增强功能： 1. 跨渠道客户行为轨迹重建（整合官网浏览、邮件、通话 记录） 2. 动态客户画像生成系统（自动更新客户偏好标签） 3. 多模态质检看板（实时监测服务质量指标） 白名单+AES-256 服务调用 OAuth2.0 500 RPS JWT 令牌+动态权限控 制 实施路线图 - 第一阶段（1-3 月）：完成与 ERP 的财务和库存 模块对接，实现基础数据互通 - 第二阶段（4-6 月）：打通 SCM 的 预测需求链路，建立动态库存预警机制 - 第三阶段（7-12 月）：构 建跨系统分析仪表盘，支持大模型的全局优化建议输出 运维层面需建立统一的监控看板，跟踪关键指标：

目标 研究成果 类别 第一代 离散特征和 KPI 特征识别及统计算 法 拟合异常结果 Ft-tree LogParse 任务数据驱动 第二代 日志文本生成 token 深度学习 拟合异常结果 LogAnomaly LogStamp 第三代 段落日志和跨域日志 预训练语言模型

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 实时交易监控和自动化决策，确保系统能够对市场变化做出快速响 应。最终，通过持续优化和迭代，项目将实现智能化的股票量化交 小时（单次训练） 基于历史数据的策略生成时间 为确保系统集成的顺利实施，建议采用分阶段部署策略。第一 阶段完成核心模块的集成和测试，重点验证 DeepSeek 在策略生成 和风险控制中的效果；第二阶段逐步扩展功能，如引入更多数据 源、优化交易算法等；第三阶段进行全面性能优化和压力测试，确 保系统在高并发场景下的稳定性。此外，需建立完善的监控和日志 系统，实时跟踪系统运行状态，快速定位和解决问题。 时，团队将对现有的量化交易策略进行梳理，识别需要优化的环 节。关键任务包括： - 完成业务需求文档的编写 - 技术调研报告的 提交 - 初步确定 DeepSeek 与现有系统的集成方案 第二阶段：模型开发与测试（第 3-8 周） 根据第一阶段的调研 结果，团队将开始开发和测试基于 DeepSeek 的量化交易模型。此 阶段将重点验证模型的准确性、稳定性和性能。任务分解如下：