大模型全面助力科学教育 科大讯飞深入探索研究在教育领域的应用，一方面，积极探索“大模型+教育大数据” 的新型教育数字基座，提高已建应用、空间、资源、数据的使用效率，探索人工智能大模型 技术在网络学习空间中的综合利用，打造覆盖全平台的智能搜索引擎。为探索人工智能这把 “金钥匙”如何开辟教师发展新赛道、塑造教师发展新优势，助推数智时代教育的转型升级， 讯飞联合哈尔滨工业大学、北京航空航天大学广泛开展了一系列“教育+大模型”的应用场

至数万数量级的CPU、GPU核服务能力；另一 方面，为满足大数据、数据库、3D视频处理在内的一些单核敏感型业务的需要，云服务仍将 持续提升单核、单实例性能。 多技术融合提升连接性能：云服务商综合利用内存/缓存、PCle、RDMA、IP网、EIP、VPC 等一系列技术升级和软硬件融合优化成果，大幅提升云、边、端不同位置服务之间的协同效 率，这对于保障在线业务的体验至关重要。 存储方案升级

综上所述，传感器数据模态在生态环保智慧诊断中的重要性不 言而喻。通过高效的数据采集和分析，可以为环境治理提供强有力 的决策支持，从而推动可持续发展目标的实现。 3.3 多模态 AI 的优势 多模态 AI 的优势在于其综合利用多种数据源和信息渠道，从 而实现更精准的分析和预测，推动智能决策的科学化和高效化。多 模态 AI 可以处理多种类型的数据，包括文本、图像、音频和视 频，这种多元化的数据处理能力是其显著优势之一。 测，确保监测数据的准确性和实时性，这样才能更好地服务于生态 环境保护和水体恢复工作。 6.2.2 模型应用 在水体质量评估中，采用多模态 AI 大模型的应用为环境治理 提供了可靠的技术支持。该模型能够综合利用水体的物理、化学和 生物数据来评估水质状况，实现精准监测和智能预警。具体应用如 下： 首先，在数据收集方面，通过设置水质监测传感器和采样点， 实时获取水体的 pH 值、溶解氧、电导率、浊度、温度、氨氮等多

在实施 AI 生成式大模型于医疗场景中的应用过程中，数据的 收集来源是确保模型有效性和可靠性的关键环节。为了实现高质量 的数据积累，必须建立多元化的数据收集来源，包括内部数据和外 部数据的综合利用。 首先，内部数据来源主要包括以下几个方面： 1. 电子健康记录（EHR）：医院和医疗机构的 EHR 系统是数据 收集的重要来源，这些系统包含患者的基本信息、病史、诊 断、治疗方案、实验室结果等丰富的医疗数据。

务、场景多点开花的大模型应用格局。 ② 技术体系介绍 国寿财险通过私有化部署开源大模型，并利用“RAG+Prompt”的方式，为通用大模型 提供公司自身知识，让大模型更懂公司业务。 ③ 大模型数据建设情况 内外部数据综合利用，并进行了权限隔离、脱敏处理、保障数据使用安全。目前内部数 据主要建设了对实时业务数据的调用以及部分运维文档、营销知识文档、制度文档等数 据，外部数据主要包括对外部保险类公开资讯数据。 5.1