1 埃森哲报告：AI 赋能保险，三大应用场 景如何重构价值链？ 人工智能(AI)使机器能够模拟和增强人类智能，它的出现正值保险和其他行业 数字化转型之际。尽管人工智能技术仍处于发展阶段，但在现实世界中，它 已应用于不同行业。人工智能正被用来解决各种各样的挑战，它使机器和系 统之间的交互更智能、更简单。 保险公司也逐渐进入这一领域，新一代人工智能技术有望帮助保险公司重新 定义其工作

知识获取与知识创新的模式。在研究大语 言模型的知识获取与创新的原理之上，探讨了其在应急管理信息化建设中的应用，针对智慧应急中面临的建设困境以及业务系 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、 决策支持的应急大脑，从而实现整体业务系统智能化水平从感知智能到认知智能的提升。 关键词 大语言模型，智慧应急，知识管理，应急大脑 径，使其适应人工智能大模型时代的治理要求。 本文在分析大语言模型的知识获取原理与知识 创新的潜能之上，探讨了其在应急管理信息化建设 中的应用前景，针对当前智慧应急中面临的挑战以 及业务系统智能化水平的局限，提出了基于大语言 模型技术重构智慧应急的知识管理模式以及应急大 脑的概念框架，为应急管理信息化建设提供了新的 视角和技术路径。 1 大语言模型原理 大 语 言 模 型 通 过 词 嵌 入（word embedding）[3]、 始[22]，即围绕对知识的表示、获取、创新和应用等活 动展开，无法仅通过对数据处理的加强来实现。大 语言模型在知识获取、知识共享、知识创新、知识应 用等方面都取得了革命性突破，如图 4所示，需要抓 住大语言模型技术的发展契机，重构应急管理领域 220 www.jc2.org.cn 2期 的知识管理模式，进一步提升系统智能化水平。 图4 大语言模型的知识管理模式 Fig. 4 The mode of knowledge

得益于更优的再利用、再循环和资 源效率，自主化运营将显著推动供 应链的循环性。 实现自主智能供应链 7 1. 构建坚实且安全的数据基础 2. 投资关键AI技术，加速规模化 战略布局 3. 重构人与技术的协作模式 图1 企业应对中断的反应时间与恢复时间 敏捷性 4天 11天 从中断或变更中 恢复的时间： - 60% 应对中断的 反应时间： - 62% 1至5个月（视具体问题而定） 我们的研究显示，企业普遍将网络安全、云计 算与SaaS平台、RFID与物联网等先进传感器，以及 供应链数字孪生模拟平台视为自主化的关键赋能技 术。但构建自主化系统绝非各部分的简单叠加。它 需要周密的规划，针对新的工作方式定义和重构 流程，实现数据集成，并进行持续监控。流程成熟 度是一个重要的起点。许多企业若不首先稳定其 现有运营，便无法成功实施自主智�供应链。他们 可以通过奠定坚实基础来实现这一点，例如，结构 化的 及时发现潜在问题并采取行动。 通过集中管理这些先进能力，舍弗勒得以统 一全球团队。其人才将不再仅仅是在车间执行任 务，而是能够以前所未有的效率，主动地实时设 计、监控和优化流程。 实现自主智能供应链 22 重构人与技术的协作模式 以往，企业的组织架构大多以职能为核心， 例如，物流部门管理仓库、销售部门管理销售团 队等。如今，数据正日益打破职能壁垒，为平台型 组织的崛起提供支持。在这种组织中，跨职能团

摩根大通在其企业架构中集成了大模型技术，用于自动化交易和投资组合管理。通过 AI 模型 的预测分析，该银行能够更准确地预测市场趋势，优化资产配置，提升投资回报率。 摩根大通 AI 架构应用 汇丰银行利用大模型技术重构了其客户关系管理系统，通过智能化的客户行为分析，提供个性 化的金融服务。该银行还利用 AI 模型进行反欺诈监测，显著降低了金融欺诈风险。 汇丰银行 AI 架构创新 江苏银行在企业架构中引入大模型技术，优化了其信贷审批流程。通过 模型的自动化处理，该银行显著缩 短了贷款审批时间，提升了客户满意度。同时， AI 模型的应用还提高了风险评估的准确性，降低了不良贷款 率。 国内区域性银行试点成效分析 江苏银行 AI 架构试点 浙江银行利用大模型技术重构了其客户服务系统，通过智能化的客户行为分析，提供个性化的金融产品推荐。 该银行还利用 AI 模型进行市场预测，优化了资产配置策略，提升了投资回报率。 浙江银行 AI 架构实践 广东银行在企业架

向，通过结合通用大模型的能力优势 与垂直数据，突破AI在部分学科/教育场景中的应用瓶颈，赋能降本增效。预计随行 业进入AI深度整合的新阶段，将有更多阶段性原生AI教育软硬件产品涌现，创新教 育模式、重构学习体验。其中，教育智能硬件赛道有望率先得到突破，值得重点关 注。 行业格局方面，在DeepSeek概念火热、用户普遍使用教育行业产品的背景下，对 此轮技术升级响应较快的教育企业产品将吸收更多流量，实现用户增长和获客转

现条款关联，应用层则部署风险预警、抽样推荐等具体功能模块。 某试点项目数据显示，该方案使应收账款函证程序的耗时缩短 57%，同时将异常交易检出率提升 31%。这种提升不仅来自算法优 势，更源于对审计工作流的深度重构—— 例如将函证地址验证与工 商登记数据库实时对接，自动标记异常注册地。 值得注意的是，审计智能体的部署必须遵循严格的质控标准。 我们设计了双重校验机制：所有 AI 生成的分析结论都需通过独立 样和规则引擎，效率与覆盖率难以平衡。以某国际会计师事务所的 实践为例，其年度审计项目中，仅财务报表科目核对环节就需投入 超过 2000 人天，且人工错误率高达 3%-5%，而 AI 技术的成熟为 流程重构提供了可能。 审计智能化的核心痛点可总结为以下三点： 1. 数据异构性：企业 ERP、银行对账单等数据源格式差异大，预处 理消耗 40%以上工时 2. 规则迭代滞后：现行审计准则每年更新，但人工维护的检测规则 15-20%的速度递增（PwC 行业基准数据），但审计质量关键指标 却呈现下降趋势。监管处罚案例中，有 83%涉及传统方法未能识别 的数字化风险（SEC 2021-2023 年处罚分析）。这迫切需要通过智 能体技术重构审计作业模式，将人类专业判断与机器处理能力有机 结合。 2.3 构建智能体提效方案的核心目标 构建智能体提效方案的核心目标是通过深度集成 DeepSeek 的 先进 AI 能力，解决审计行业在效率、精度和合规性方面的关键痛

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 型换为DS

升级，增强综合竞争力，抢 占未来产业发展制高点 口每一次科技与产业革命都形成了符合当时需求的新质生产力。历史证明，技术 革命催生了全新的产业格局，推动生产方式的优化与系统性重构 Al 是一场通用技术革命，预计将对各行各业带来深远的影响，推动全社会生产力 和竞争力的提升 ! 能源领域：人工智能赋能能源领域的数字化变革 76/80

息。接着，通过多视角的匹配与对齐，将不同位置采集的数据进行 融合，形成完整的三维点云模型。 点云生成后，采用三维重建技术将其转换为可视化的三维模 型。常用的重建技术包括表面重构、高度图生成等，这需要根据具 体的应用需求选择合适的算法。例如，对于结构物的建模，可能更 侧重于表面重构，而对于地形的建模，则可采用高度图生成策略。 通过实景三维建模技术呈现出的模型具有以下特点：  高精度：通过激光雷达技术，模型的精度可达到厘米级。 AI 大模型 使用的格式和标准。具体的处理流程如下： 1. 数据采集：使用无人机、激光雷达等设备进行自动化高效数据 采集。 2. 数据处理：通过图像处理软件对拍摄数据进行纠正、拼接和 3D 重构，生成精确的三维模型。 3. 数据校验：与已有数据库进行对比，校验数据的准确性和完整 性。 为了使数据更新与维护工作的高效进行，每个环节都应指定相 应的责任人和时间节点，并设置预警机制，以应对数据更新中的突  多方协作：与高校、研究机构和行业内领先企业保持密切合 作，共同探索新的技术解决方案，提升整体技术水平。  可扩展性设计：在架构设计之初就考虑未来的扩展需求，避免 因技术更新造成的系统重构，提高后续升级的灵活性和效率。 通过以上措施，铁路沿线实景三维 AI 大模型的技术迭代与升 级将为未来的发展奠定坚实的基础，不断推动铁路行业的智能化进 程，提升运营效率和服务质量。 10.1

模型参数量的逐渐增加，KV cache 数据量也逐渐增加，意味着对 GPU 显存容量的要求也 越来越高。实际推理场景中，对于 KV cache 的存储优化能大大提升推理系统的性能。为此，英特尔 ® QAT 重构了 KV Cache 存储范式。结合至强 ® 6 性能核处理器的多层统一内存架构，将高频访问的 KV 索引驻留 GPU 显存，温数据存储在 CPU 内存中，而历史上下文冷数据压缩后存入本地硬盘或者