考核标准的 前提下，实现数据机房总能耗最低，并成功在广东移动深圳宝观智算中心落地实现。 此项目部署了基于 AI 的数据中心能效优化系统 BestDC，将 AI 与 L1&L2 联动节能技术 紧密结合，精准实现节能减排。部署完毕后，系统在第三方测试机构见证下，通过模拟常规 模型训练场景，充分利用室外温湿度环境，根据历史与未来业务需求，采集当前状态的室内 外温湿度、送风温度、供液温度等 L1 系统参数及业务训练计划、资源调度信息、XPU 的数据中心进行能 效管理和节能优化，利用 AI 训练出数据中心的能效模型，根据当前室外工况和负载情况推 理出最佳调优组合并下发至相应群控系统，对数据中心整个制冷系统进行实时调优，使数据 中心送冷量曲线智能、精准、可靠地匹配贴合。 数据中心一至四层机房采用间接蒸发冷却空调（AHU），最大化利用自然冷源，基于韶关 气象数据全年自然冷却时间达到 50% 以上。IT 设备终期规划冷负荷约为 14800kW，建筑冷 （一）指标分层归类 以可用性、响应性、保障性几大维度归类，逐步完善集群关键指标，最终形成智算运维 的基础黄金指标。 （二）指标定位 通过对关键指标的分析，联合运维团队可以更加精准地了解系统状态、预测问题、优化 资源配置、评估和改进运维策略，从而提升整个系统的稳定性和运维工作的效率，指标分析 方法包括趋势分析、对比分析、关联性分析、阈值分析等。 趋势分析：通过对运维

融合，能够迅速处理和分析海量金融数据，帮助银行机构在风险控 制、客户管理、产品创新等关键领域实现智能化转型。通过引入 DeepSeek，银行不仅能够提升业务处理效率，还能在复杂的市场 环境中做出更为精准的决策，从而显著降低运营成本，增强风险抵 御能力。  风险控制：DeepSeek 通过实时监控和分析交易数据，能够精 准识别异常行为和潜在风险点，为银行提供及时的风险预警和 应对策略。  术 的先进人工智能平台，旨在通过高效的算法和海量数据训练，提升 金融银行业务的智能化水平。该技术通过多层次的神经网络模型， 能够自动提取、分析和处理复杂的金融数据，从而为银行和金融机 构提供精准的业务决策支持。DeepSeek 的核心优势在于其高精度 的预测能力和强大的自适应学习机制，能够根据市场变化和用户需 求动态调整模型参数，确保其在金融领域的高效应用。 在金融银行领域，DeepSeek 1.3 DeepSeek 在金融银行的应用前景 随着金融科技的快速发展，DeepSeek 技术在金融银行业的应 用前景日益广阔。其强大的数据处理能力和智能化分析功能，为金 融机构提供了更高效、更精准的解决方案。首先，DeepSeek 可以 通过对海量交易数据的实时分析，帮助银行快速识别异常交易行 为，提升反洗钱和欺诈检测的准确性和效率。例如，利用 DeepSeek 的机器学习模型，可以在毫秒级时间内对数百万笔交易

流程和创新服务模式，助力 银行实现数字化转型。 大模型能够快速分析海量数据，识别潜在风险，提升 银行风险管理的精准性和效率。 辅助风险管理 通过大模型技术，银行可以更高效地评估客户信用状况， 缩短信贷审批周期，提升客户体验。 优化信贷审批 大模型为银行提供智能化的业务解决方案，支持个性 化产品设计和精准营销，增强市场竞争力。 推动业务创新 大模型技术对金融业变革的推动作用 企业架构建模在转型中的核心价值 客户体验与智能化服务缺口 客户体验不一致 传统银行服务模式难以满足客户个性化 需求，线上与线下服务体验存在割裂， 影响客户满意度和忠诚度。 智能化服务不足 现有系统缺乏智能化能力，无法提供 精准的客户画像和个性化推荐，导致 客户服务体验不够智能化和便捷。 响应速度慢 由于系统架构和业务流程的限制，客户 需求的响应速度较慢，无法满足客户对 即时服务的期望，降低了客户体验。 03 识冲突，丰富知识图谱的内容和深度。 知识融合 动态更新 利用大模型技术从多源数据中自动抽 取实体、关系和属性，构建初始知识 图谱，涵盖银行的核心业务、客户、 产品等信息。 动态知识图谱可应用于智能客服、风 险预警、精准营销等多个场景，提升 银行的智能化水平和业务效率。 基于大模型的实时学习能力，知识图 谱能够动态更新，及时反映银行业务 和市场的变化，确保知识图谱的时效 性和准确性。 基于大模型的动态知识图谱生成

为银行信贷审批注入新动力， 助力审批流程实现智能化与自动化。 n 苏商银行应用 DeepSeek-VL2 多模态模型，通过构建“多模态技术 + 混合专家框架”的创新体系，实现对嵌套表格、影 像资料等复杂场景材料的精准解析，将信贷材料综合识别准确率提升至 97% 以上，信贷审核全流程效率提升了 20% 。 图表：苏商银行 AI 布局 资料来源：苏商银行公众号，中泰证券研究所 的联网应用的金融机构。 重庆农村商业银行将利用 DeepSeek 的模型能力，结合实时联网搜索以及 RAG 能力， 动态识别欺诈行为，提升风险预警精准度。 n 苏商银行通过深度融合 DeepSeek 系列模型技术， 构建“数据 + 算法 + 算力 + 场景”四位一体的智能决策体系， 该体系已成功应用于信贷风控、反欺诈监测等 20 余个业务场景，尽调报告生成效率提升 智能营销助手：依托知识图谱与大模型的协同合作，银行能够精准捕捉客户信息， 量身定制个性化营销策略，精准触 达客户， 显著提升营销效果。 n 目前多家银行已利用 DeepSeek 布局智能营销场景。北京银行启动“ all in AI” 战略，并已部署 DeepSeek 系列模型，在 业务应用方面，北京银行利用大模型技术已在营销等场景落地应用。 图表：大模型 + 精准营销 资料来源： CSDN ，中泰证券研究所

猛发展，多模态 AI 大模型作为一种强大的数据处理工具，具备了 对复杂生态环境数据的分析与处理能力。将这种智能技术应用于生 态环保领域，不仅能提升决策效率，还能加快对环境问题的响应速 度，实现精准和高效的生态环保治理。 在环境监测中，传统的方法依赖于单一的数据源，如气象数据 或水质监测，而多模态 AI 大模型可以融合来自多个数据源的信 息，例如遥感影像、传感器数据、社交媒体信息等，实现数据的深 大模型的简介 多模态 AI 大模型是近年来计算机视觉、自然语言处理及其他 人工智能领域的研究与应用热点。这类模型通过融合多种不同类型 的数据源，如图像、文本、语音和传感器数据等，能够实现更为全 面和精准的智能分析及决策支持。相较于单一模态的 AI 系统，多 模态 AI 大模型能够在面对复杂环境和任务时，提供更为丰富的上 下文信息与推理能力，从而大幅提升智能化应用的效果。 多模态 AI 大模型的关键在于其多层次的数据融合机制，包括 促进公众参与与环境教育：提升公众环保意识，鼓励社会各界 参与环境治理，通过志愿活动和环保宣传增强治理的合力。 5. 利用大数据与人工智能技术：引入 AI 和大数据技术，对环境 监测数据进行综合分析，实时跟踪污染源头，精准制定治理方 案，提升环境治理的科学性和效率。 以上措施需要政府、企业、公众共同合作，通过多方协同形成 合力，才能有效应对当前严峻的环境污染问题，推动生态环境的持 续改善与可持续发展。 2.2

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 理风险，大模型技术将助力保险公司实现从“粗放预测”向“精准预知”、从“等量管理”向“减 量管理”的转型升级。这一转变不仅将提升保险公司的核心竞争力，还将为消费者提供更加 个性化、高效、便捷的保险服务，推动保险行业向更高质量、更高效率、更高附加值的方向 角色。合成数据作为算法、 生成模型及模拟技术的产物，能够模仿现实世界数据的特征与模式，为大模型的训练与优 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 披露了旗下大模型在教育领域的最新动态，并发布了搭载AI技术的硬件产品或应用。大模 型在教育领域的应用主要包括个性化教学、智能辅导、内容生成等方面。通过大模型技术， 教育企业可以大幅提升教学效率、降低教学成本，并为学生提供更加个性化和精准的学习 体验。例如，网易有道推出的子曰教育大模型2.0版本和虚拟人口语教练Hi Echo 2.0版本 等产品，就充分展示了大模型在教育领域的应用潜力。 （4）制造业与服务业 在制造业和服务业

已难以满足高效、 精准的造价需求。因此，引入先进的人工智能技术，特别是大模型 技术，成为提升工程造价效率和精度的关键路径。 DeepSeek-R1 大模型作为一种前沿的人工智能技术，凭借其 强大的数据处理能力和深度学习算法，能够在工程造价领域发挥重 要作用。该模型能够快速处理和分析海量的历史项目数据、市场行 情信息以及建筑材料价格波动，从而为造价工程师提供更为精准的 成本估算和预测。此外，DeepSeek-R1 技术，自动解读建筑图纸、合同文本等技术文档，进一步减少人为 干预，提高工作效率。 在具体应用中，DeepSeek-R1 大模型可以广泛应用于以下几 个关键环节：  成本预测：通过分析历史项目数据和当前市场行情，进行精准 的成本预测，减少预算偏差。  风险评估：利用大数据分析技术，识别潜在的风险因素，提供 风险管理建议。  自动化报表生成：自动生成各类造价报表，减少人工操作，提 高报表的一致性和准确性。 成本预测与控制能力，进而优化资源配置，降低项目风险。 DeepSeek-R1 通过其强大的数据处理能力和深度学习算法，能够 高效处理海量的历史工程数据、市场动态信息以及各种不确定性因 素，从而提供更为精准的造价估算和动态成本分析。这一技术不仅 能够减少人为误差，还能通过实时数据更新，确保造价分析的时效 性和可靠性。 具体而言，DeepSeek-R1 的应用在以下几个方面具有显著意 义： 

逐渐成为企业提升效率、优化决策和增强竞争力的关键策略之一。 商务 AI 智能体作为一种集成先进算法和数据分析能力的工具，不 仅能够自动化处理复杂的业务流程，还能通过深度学习和大数据分 析提供精准的商业洞察。因此，设计一套切实可行的商务 AI 智能 体应用服务方案，对于企业在数字化转型中保持领先地位显得尤为 重要。 首先，商务 AI 智能体的核心优势在于其能够通过自然语言处理 （NL ，从人力资源管理 到产品研发，AI 智能体都能够通过智能化的数据处理和分析，帮助 企业实现精细化管理和创新驱动。例如，在市场营销中，AI 智能 体可以通过社交媒体数据分析，识别潜在客户群体，并精准投放广 告，从而提高市场推广的效率和效果。 在设计和实施商务 AI 智能体应用服务方案时，需要充分考虑 企业的实际需求和资源条件。以下是一些关键的设计原则和实施步 骤：  需求分析：明确企业在业务流程中的痛点和需求，确定 化、业务流程复杂化等。传统的管理模式和工具已经难以应对这些 挑战，亟需通过技术手段提升效率和竞争力。人工智能（AI）技术 的快速发展为企业提供了新的解决方案，尤其是在商务场景中，AI 智能体的应用能够显著优化业务流程、提升决策精准度并降低成 本。 在当前的市场环境中，企业不仅需要处理大量的数据，还需要 实时分析这些数据以做出快速的业务决策。AI 智能体通过其强大的 数据处理能力和智能分析功能，能够帮助企业实现数据驱动的决

的眼 (Observation) 和手 (Tools) 2. 通过智能体 (AI Agent) 可以基于大模型实现各种较为复杂的 智 能应用系统 小结三： 四链融合产业大脑案例 如何精准科学地识别并批量形成具有战略意义的 " 卡脖子 " 问题清单 ， 是我国实 现关 键核心技术突破要解决的首要任务 ，直接影响国家产业安全战略决策与创新资 源配置 制高点 关键芯片 新兴产业培育 市场竞争需求 产业协同需求 创新体系建 设 各地各行业在布局新兴 / 未来产业的过程中，由于对前沿技术、技术路线、应 用场景、大规模产业化的时机等方面把握不准，难以做出有效选择。 如何精准感知产业技术态势，科学研判产业发展方向，及时布局产业化应用场景培育 新产品，成为未来产业大变局中区域 / 企业实现竞争突围的关键。 产业发展决策：广阔的社会需求 产业技术监测跟踪 产业技术“弱信号”发现 iChainGPT 为产业智能化服务开辟新模式 服务模式创新： 通过线上线下相结合的 方 式，提供产学研精准合作一站式服务， 打 通了四链融合落地最后一公里 应用实例：市域四链融合决策应用实践 • 构建四链融合指数 • 构建企业成长模块 • 构建四链融合精准对接模 型 绍兴市创谱数字化应用平台 宁波市产业链智能创新平台 特色 创新 特色 创新 57 杭州市成果转移转化服务平台

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。 当前，面对全球医疗资源紧张、临床决策复杂化等挑战，传统 医疗模式已无法满足日益增长的患者需求。医务人员需要在短时间 数据结构。例如，Transformer 架构已经被广泛应用于这一领域， 其自注意力机制使得模型能够高效地捕捉不同输入元素之间的关 系。这种能力使得生成式模型在处理医疗记录、病历摘要和患者交 互等任务时，能够更精准地理解和生成相关信息。 其次，AI 生成式大模型在医疗领域的应用形式多样。例如，它 可以用于患者病历的自动生成，在医生输入关键信息后，模型能够 输出完整的病历文档。这不仅提高了医疗工作的效率，还在一定程 量数据。与传统模型相比，大模型在训练过程中利用更深层次的网 络结构，提高了特征提取的多样性和准确性。尤其是在医疗领域， 模型能够整合不同来源的数据，包括病历、影像、基因组信息等， 形成全方位的患者画像。这种整合能力对于个性化医疗和精准治疗 具有重要意义。 其次，大模型在自然语言处理方面表现出色，使其在医疗文档 和交流中的应用尤为突出。例如，通过对医学文献、病历记录和患 者交流的分析，大模型可以提取重要信息，进行智能问答、知识检