特征，智能体可自动标记异常交易模式，其检测准确率在测试环境 中达到 92%，远超人工抽样检查的 65%水平。最后是智能分析辅 助，通过自然语言处理技术自动解析合同条款、监管文件，生成风 险提示和审计要点，使审计师能够聚焦于专业判断而非基础信息处 理。 关键技术指标对比表： | 维度 | 传统审计方式 | 人工智能辅助 审计 | 提升幅度 | |——————–|————–|——————| 智能体，计划实现审计作业流程的范式转 ” ” ” 移：从 人工主导抽样检查 转变为 AI ” 驱动全量分析 ，最终使高风 险事项识别准确率提升至 92%以上，同时将项目平均交付周期压缩 40%。技术落地路径将优先聚焦应收账款核对、关联交易穿透、费 用异常波动等六大高频场景，确保方案在 2024 年审计季前完成生 产环境验证。 2.1 审计效率提升的迫切需求 随着企业数字化转型的加速和商业环境的复杂化，传统审计模 银行交易流水 | 850 | 32 | 96.2% | | 增值税发票 | 1200 | 89 | 92.6% | | 采购合同 | 350 | 15 | 95.7% | 特征工程构建应聚焦审计风险指标，包括： - 财务异常特征： 同一供应商高频小额付款、发票连号但日期离散 - 流程违规特征： 审批链缺失的紧急采购、超预算支付 - 行为特征：非工作时间系统 操作、权限变更高频次

个步骤： Embed 、 Encode 、 Attend 、 Predict • 在大量标注数据的基础上，深度学习能明显提升语义理解、问答、 对话等模型的效果 • 现阶段，聚焦场景、人机混合的智能助理产品更有用户和商业价 值 The future is already here, ——it’s just not evenly distributed. THANKS

，一键开关，即可让 DeepSeek 实时 获取 互联网最新资讯，提升时效性和回答准确度 腾讯云大模型应用开发平台“知识引擎” —— 免部署，分钟级搭建应用 腾讯云大模型知识引擎：基于大模型的应用开发平台 聚焦严谨场景，打造大语言模型应用开发平台 , 提供 LLM+RAG 、工作流、 Agent 多种应用开发方式，来助力企业及开发者，加速大模型应用 落 地。 混元大模型 turbo

业高质量发展的标准体系。这一系列标准的制定与实施，不仅为行业提供了清晰的技术指 引，也为企业的创新发展奠定了坚实基础。 2024年1月18日，工业和信息化部发布了《关于推动未来产业创新发展的实施意见》， 该意见聚焦新兴产业与未来产业的标准化工作，特别针对“新一代信息技术”和“生成式人 工智能”等领域，提出了具体的标准研制和应用推广要求，旨在通过标准化手段促进技术 创新和产业升级。 为了进一步推动AI技术 策竞赛”。 2.2.1.2.1 地方政策 �� 在北京出台政策方面，4月27日，北京市发展改革委在2024中关村论坛年会上发布了 《关于加快通用人工智能产业引领发展的若干措施》。 《措施》聚焦人工智能5个领域，提出 10条措施。其中，3条措施关于算力，4条措施关于大模型，1条措施关于投融资，1条措施关 于技术创新，1条措施关于国际合作。7月26日，北京市发展改革委，市经济和信息化局，市 型、大模型的工程化适配、大模型的深度研发三种路线。 我们认为，大模型最终很可能会成为一种基础设施，因此保险企业建立行业领先的 大模型应用的最佳方式是在内部搭建灵活可切换的底座架构，兼容三种路线，支持内外 部大模型接入和应用，聚焦具体场景、联合头部厂商完成大模型应用落地。 3.保险业落地实践篇 3.1 大模型落地路线 3.1.1 落地路线方法论 在保险企业寻求解决业务问题的过程中，直接采购已经训练好的大模型成为一种越

来源：中国信息通信研究院 图 1 综合算力指数体系 4.0 综合算力指数 12 3.指数体系研究意义 在当今我国算力发展形势下，分析综合算力指数具有多方面的 重要意义。 摸底发展水平。指数聚焦我国的算力、存力、运力、模力及环 境发展现状，能全面客观分析各省级行政区的综合算力发展现状及 各城市的算力发展现状，摸底我国整体及不同地区在算力领域的发 展程度和相对水平。 助力政策制定。通过分析综合算力指数，深入剖析我国综合算 的闭环管理机制，保障政策精准有效落地；同步构建动态调整、分 级分类的差异化政策框架，鼓励各地立足资源禀赋，培育本地化、 特色化的算力产业路径，激发内生动力。 （二）提升算力供给质效，推动结构迭代升级 聚焦算力供给的质量与效率提升，加快结构迭代升级步伐。一 是支持建设和升级大型 AI 集群、智算中心，支持大模型训练推理、 复杂人工智能应用。二是突破核心技术瓶颈，集中攻关高端训练及 推理芯片、先进

60EFLOPS，全国领先的算法体系和算力网络体系基本形成；智能终端产品供 给丰富，在手机、计算机、家居、机器人等 8 大门类，打造 100 款以上大规模 使用的智能终端产品，人工智能核心产业规模超过 4400 亿元；聚焦制造、教 育、养老等领域，打造 500 个以上应用场景，各行各业劳动生产率显著提升。 资料来源：上海市经济和信息化委员会，国务院，杭州市人民政府，广东省人民政府，中国政府网，新华社，海通证券研究所 据大量市场份额。 图18 企业 AI Agent 使用情况 资料来源：IDC 与钉钉《2024 AIGC 应用层十大趋势白皮书》，海通证券研究所 风险投资青睐的智能体初创企业聚焦于横向应用领域，广泛涉及销售、客户支持及 企业级与常规生产力工作流程优化。当前市场上专注于垂直行业特定应用的初创公司仍 属少数，大部分代理技术开发的新兴企业主要面向企业客户，而非个人消费者。这些 Agent

惊讶的理解、判断和行动能力. 随着大模型的发展, 近年基于大模型的具身智 能工作已经成为研究热点, 各类试图将二者结合的 工作层出不穷. 尽管目前有一些以具身智能为主题 的综述[21−23], 但并未聚焦于大模型. 目前也有综述研 究大模型在机器人上的应用[24−28], 但不同的是, 本文 的内容更倾向于从具身智能的角度介绍二者如何有 机结合, 并加入对模型规划层级的分类探讨. 此外, 由于该领域发展迅速 在设计好的多智能体追逐游戏中 展示出类似动物的策略和敏捷性. 5 结束语 具身智能作为未来智能系统的关键发展方向, 通过与物理环境的紧密互动, 正逐步展现出超越传 统离身智能的潜力. 本综述聚焦于揭示基础模型如 何推动具身智能的演进. 在感知与理解方面, 端到 端模型实现了对复杂环境的深入理解与动态适应; 在规划层面, 从需求级到动作级, 大模型通过生成 任务计划和序列化动作, 展示了具身智能在复杂任

在第一梯队企业中，科大讯飞的讯飞听见SaaS服务生态系统用户量已过亿，覆盖用户群体达6,500万，付费用户数量实现了28.5%的同比增幅。 该服务全面融入用户的内容记录、整理及写作流程，同时，科大讯飞聚焦多线布局，打造了一系列SaaS产品矩阵。讯飞听见持续领跑智能转写 行业，稳居苹果应用商城效率转写类别榜首。另一方面，用友网络与国内外顶尖咨询机构的合作模式愈发稳健，合作总规模突破2亿元大关，合

人工干预。 关键在于，要突破基于传统能力和现有运营 约束进行优化的局限。仅仅着眼于自动化那些孤 立（且往往不相关）的流程，通常只能带来局部 的、微小的改进，而无法创造新的企业级价值。 反之，若能聚焦于供应链必须达成的关键成果， 并致力于实现全新方式的人机协作，则有望引领 一场全面重塑。 通过奠定坚实的数据基础、投资技术赋能， 并提升员工能力，企业将拥有开启持续价值创造 征程所必需的基础设施。更重要的是，自主化智

的建议和决策能够清晰易懂，并且能够追溯其源头与逻辑。尤其是 在处理复杂病例时，如何让 AI 模型的判断公开化，并为决策提供 合理的依据将是关键的研究方向。 此外，随着个性化医疗的快速发展，未来研究可聚焦于利用 AI 生成式模型提供个性化的治疗方案与综合健康管理。通过收集患者 的具体遗传信息、生活习惯及病史，AI 可以生成个性化的健康建 议，成为医生在决策时的重要辅助工具。 在伦理和法律 生成式大模型的全球化视角。在不同文化背 景和医疗资源分配的国家和地区，AI 的应用场景和效果可能差异很 大，未来的研究应关注如何让这些先进技术能够被广泛接受并有效 实施。 综上所述，AI 生成式大模型在医疗领域的未来发展应聚焦于定 制化、可解释性、个性化、伦理法律框架的确立、跨学科合作及全 球化视角，这些方向将有效促进其在实际应用中的落地与发展。同 时，随着这些研究方向的深入推进，我们相信 AI 将会在医学实践