来源：中国信息通信研究院 图 13 省级行政区运力分指数 Top10 2.入算网络 我国省级行政区运力分指数-入算网络 Top10 为浙江省、江苏省、 山东省、上海市、广东省、四川省、北京市、河北省、重庆市、安 徽省，具体情况详见图 14。东部沿海地区，如浙江、江苏、广东等， 在入算网络方面表现突出。这些地区经济发达，数字化转型需求旺 盛，网络基础设施建设投入大，拥有先进的通信网络和大量算力中 心， 量大模型的产业协同性与创新活跃度。 综合算力指数 45 算力产业发展方阵/2025 中国算力大会 “1+4”系列报告 顾问组 2025 综合算力指数 编写组 邬贺铨、张宏科、闻库、魏亮 周建明、曹磊、唐雄燕、何宝宏、曹振强 主编：李洁、郭亮 执行主编：吴美希 编委(按姓氏笔画排序)：王月、王少鹏、邱奔、何适、周曼、常金凤 谢丽娜、韩雨辰、温小振 46 国家正按照“点、链、网、面”体系化推进

暂行办法》，则为中国大模型技术的健康发展提供了坚实的政策保障和合规框架。 在保险行业，这一技术革命同样引发了深刻的变革。国内外众多保险公司和保险科技 公司，如阳光、人保、平安、国寿、泰康、瑞再、安盛、安联等，纷纷投身于大模型技术的研发 与应用，积极探索其在保险业务中的无限可能。阳光保险集团作为行业的先行者和探索 者，于2023年初率先启动了“阳光正言GPT大模型战略工程”，旨在通过大模型技术的深度 · · · · · · · · · · · · · · · · · · · · · · · · · 126 5.2.2 安盛集团· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 128 5.2.3 安联集团· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 108 华农保险大模型微调效果· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 111 众安AIGC中台-众有灵犀· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 113 信美大模型保险垂直应用演进· · · · · ·

分析师：华魏 是否实施：计划 支付方式：发行股份、支付现金 被收购公司：背景久安建设投资集团有限公司 收购比例： 49.85% --- 研报名称：拟全资控股北京久安，增强公司市政工程实力 上下游： 1. 分析师：华魏 上下游：碧水源拥有污水处理技术人才及产品研发优势，双方属水处理产 业链上下游关系。 --- 研报名称：拟全资控股北京久安，增强公司市政工程实力 政策： 1. 分析师：庞琳琳 政策名称：水十条

数据安全性：确保视频数据在传输和存储过程中的加密，防止 黑客攻击和未授权访问。  维护和更新：系统应具备自动检查和更新功能，以保证软件和 硬件的稳定性与安全性。 通过这些功能需求的实现，将有助于搭建一套高效、稳定且安 全的视频数据采集系统，为公共安全提供强有力的技术支持。 2.1.2 数据存储与管理 在公共安全领域，AI 大模型视频智能挖掘的有效实施依赖于高 效而可靠的数据存储与管理方案。该方案需要确保视频数据的完整 时间内掌握系统功能。同时，提供完整的用户手册和在线帮助文 档，以降低学习成本和提升用户体验。 安全性是另一项必须重视的非功能需求。系统需要实现严格的 访问控制，确保只有授权人员可以访问敏感数据。使用多层次的安 全机制（如身份验证、加密传输等），可以有效地防止未授权访 问。数据存储和传输中应采用高标准的加密措施，确保视频数据和 分析结果的安全性。 在系统维护方面，设定合理的可维护性要求同样重要。系统应 为具体实施方案，以下是不同任务推荐模型的汇总表： 任务类型 推荐模型 优势 适用场景 目标检测 YOLOv5 实时性强，适合边缘计算 交通监控、公共区域监控 Faster R-CNN 精度高，适合复杂场景 安防关键区域、高密度场 所监控 事件识别 LSTM 捕获时间序列依赖 视频监控、行为分析 Transformer 长时序数据处理能力强 复杂活动识别、大规模视 频数据分析 此外，为了实现模型的高效运用，应该考虑构建一个智能化的

年发布计划中的各项指标与实际指标差距，并针对细分领域加强研发投入。 表 3 海外政策推动人工智能发展 政府机构 文件名称 发布时间 具体内容 美国人工 智能国家安 全委员会 《NSCAI 最终报告》 2021 年 3 月 美国国家人工智能安全委员会（NSCAI）的任务是向总统和国会提出建议，以 “推进人工智能、机器学习发展以全面解决美国国家安全和国防需求的相关技 首次公测， 吸引了 10 万名用户参与，同年 9 月正式面向大众，在不到一年的时间里，积累了 250 万用户。 截止到 2023 年 1 月，Replika 的产品全球流水可以达到 200 万美元/月，在安卓系 统已累计 1000 万次下载，用户平均每天会与其中的智能体聊天 70 条左右，花费时间 2-3 小时。目前用户满意度为 92%，有超过一半的人愿意为后续产品付费。其付费模式 分为按月付款（19 月，科大讯飞发布了星火大模型 V4.0 及相关落地应用。在去年 11 月份， 讯飞星火 App 的用户已经累计开发了 3.7 万+的个性化 AI 助手，可以满足职场、营销、 创作等多场景需求。目前 App 已经累计在安卓市场下载 1.31 亿次，在国内通用大模型 App 中排名第一。另外，讯飞星火首批上线面向特定场景打造专属助手。例如垂类智能 体“讯飞晓医”，其覆盖了 1600 种常见疾病，2800 种药物以及 6000

确保用户体 验。  集成风险管理模块，能够识别并防范潜在的欺诈行为。 此外，模型还需与银行现有的 IT 系统无缝集成，包括核心银 行系统、客户关系管理系统（CRM）、数据仓库等，确保数据的安 全性和一致性。模型应支持 API 接口，方便与其他系统的数据交换 和业务协同。 最后，模型在部署过程中需严格遵守金融行业的合规要求，包 括数据隐私保护、反洗钱法规、客户信息保密等。模型的设计和训  灾难恢复：制定 BCP，采用异地多副本备份，定期恢复演 练。  安全培训：定期进行安全培训，提升全员安全意识和操作规 范。 通过以上措施，可以确保 Deepseek 大模型在银行系统中的安 全部署和运行，有效保护客户数据和金融交易的安全。 2.4 性能需求 在银行系统中部署 Deepseek 大模型时，性能需求是确保系统 高效运行和满足业务需求的关键。首先，系统需要具备高并发处理 具。 - 服务层：微服务架构、API 网关、负载均衡、容灾备份、安全控 制。 - 应用层：智能客服、风险管理、系统集成、业务流程优化。 通过上述设计，系统能够高效支持银行业务需求，同时满足安 全性、可扩展性和性能优化的要求。为便于理解，以下是系统架构 的层次关系图示： 最终，该架构设计不仅能够满足当前业务需求，还具备良好的 扩展性，为未来业务场景的拓展和技术升级奠定基础。 3.1

统将实现多层次的安全防护机制，包括数据加密、访问控制、身份 认证与审计日志等，确保数据的安全性与合规性。 最后，项目将制定详细的测试与部署计划，确保系统的稳定性 和可维护性。测试计划将包括单元测试、集成测试、性能测试与安 全测试等多个阶段，部署计划则将涵盖本地部署与云部署两种模 式，支持弹性扩展与自动化运维。 综上所述，本项目范围广泛且切实可行，涵盖了从数据处理到 智能算法再到用户界面的全流程开发，为企业提供了一套完整的深 WebSocket 两种形式。API 网关负责统一管理外部请 求，提供身份验证、流量控制、日志记录等功能。接口设计需遵循 以下原则： - 安全性：采用 OAuth 2.0 协议进行身份验证，确保接口访问的安 全性。 - 性能优化：通过 API 网关实现请求的负载均衡和缓存，提升接口 响应速度。 - 版本管理：接口需支持版本控制，确保向后兼容性。例如，使 用/api/v1/和/api/v2/区分不同版本。 天，用于快速恢复近期数据；中期备份保留 30 天，用于应对较长时间内的数据恢复需求；长期备份则保留一 年以上，主要用于满足审计或法规要求。各级备份应分别存储在不 同的介质中，例如本地磁盘、网络存储和云存储，以提高数据的安 全性。 为了确保备份数据的可用性，需定期进行备份验证。通过模拟 恢复操作，确认备份文件的完整性和可恢复性。同时，建立自动化 监控与报警系统，实时监测备份任务的状态，及时发现并解决备份 失败或异常问题。

门禁控制的机房内，并配备不间断电源（UPS）和备用发电机，确 保设备在断电情况下仍能正常运行。 此外，系统应定期进行安全评估和漏洞扫描，及时发现并修复 潜在的安全隐患。安全团队应制定详细的应急预案，确保在发生安 全事件时能够迅速响应和处理。 为了进一步提升系统的安全性，可以考虑引入人工智能技术进 行威胁检测和防御。通过机器学习算法分析系统日志和网络流量， 自动识别异常行为，并采取相应的防御措施。 件，定期更新和升级所有依赖项。  实施严格的权限管理，遵循最小权限原则，确保用户只能访问 其所需的资源，防止权限滥用或越权操作。  建立安全事件响应机制，制定详细的应急预案，确保在发生安 全事件时能够迅速定位问题并进行有效处置。 此外，系统应具备日志记录和监控功能，详细记录所有用户操 作和系统事件，便于事后审计和追溯。通过实时监控系统状态和日 志分析，能够及时发现异常行为并采取相应措施。最后，定期进行 性能测试：模拟高并发场景，测试系统的响应时间和吞吐量。  安全测试：通过渗透测试和漏洞扫描，识别并修复安全漏洞。 最后，制定详细的系统维护计划，包括定期的系统更新、数据 备份和灾难恢复演练。定期更新系统和应用软件，以获取最新的安 全补丁和功能改进。数据备份计划应包括全量备份和增量备份，确 保数据在意外情况下能够快速恢复。此外，定期进行灾难恢复演 练，以验证系统的恢复能力。通过以上措施，确保人工智能数据训 练考评系统的高效、稳定和安全运行。

全 性。 总的来看，AI 大模型在城市轨道交通行业的应用不仅是一种技 术革新，更是推动行业进步的重要力量。通过将 AI 技术与传统轨 道交通运营管理深度融合，可以为提升城市轨道交通的高效性、安 全性和服务质量提供强有力的支持，为城市出行带来革命性的变 化。最终，建设更加智能、高效、便捷的城市轨道交通系统，满足 日益增长的城市出行需求，将是我们努力的方向。 1.1 城市轨道交通行业现状 状态与历史数据，城市轨道交通可以实现预测性维护，提前诊断潜 在故障，降低突发性故障带来的运营影响。这种智能化的维护方案 不仅能延长设备使用寿命，还有助于减少维修成本，提高经济效 益。 近年来，智能安防系统也逐渐成为轨道交通的一个重要发展方 向。AI 大模型可以通过视频监控分析乘客行为，识别异常情况，提 高事故预警能力和响应速度。同时，结合人脸识别技术，增强安全 检查和乘客身份验证，提升乘客的安全感。 通的绿色发展。 值得注意的是，随着信息技术的不断演进，轨道交通行业将面 临越来越多的网络安全挑战。因此，构建健全的信息安全防护体系 将成为保障 AI 系统高效运行的重要一环。行业内需加强对网络安 全风险的识别与防范，采用先进的加密及防火墙技术，确保数据的 安全性和隐私性。 综上所述，城市轨道交通行业在 AI 大模型应用的推动下，将 迎来智能化、智能运维、安全保障、绿色发展和网络安全等多方面

3. 产品设计 在人工智能行业的大模型 SaaS 平台设计方案中，产品设计是 实现产品价值、增强用户体验的核心环节。本文的产品设计主要围 绕用户需求、功能模块、数据架构、用户界面和交互设计、以及安 全性与合规性等方面展开。 首先，用户需求的分析是产品设计的起点。通过对目标用户群 体的访谈和调查，我们确定了以下关键需求： 1. 易用性：用户希望平台操作简单，能够快速上手，降低学习成 本。 高可用、可扩展、安全性强的特点，满足人工智能大模型训练和推 理所需的多样化数据管理需求。 5. 安全性与合规性 在人工智能行业的大模型 SaaS 平台设计方案中，安全性与合 规性是极其重要的组成部分。平台的设计必须确保用户数据的安 全，防止数据泄露，并遵循相关法律法规，以建立客户信任并维护 平台的声誉。 首先，数据保护是安全性的基础。平台应实施强有力的数据加 密措施。所有传输的数据应使用 TLS 协议进行加密，以防止数据在 括事件的检测、响应、调查及后续报告流程。定期进行安全演练以 测试和优化响应计划是非常必要的。 同时，平台还需实施安全审计机制，定期对系统进行安全测 试，包括渗透测试和漏洞扫描，以识别并修复潜在的安全漏洞。安 全审计结果应记录并进行分析，以不断改进系统的安全性。 另一个重要方面是用户培训与意识提升。平台应定期向用户提 供安全培训，帮助用户识别潜在的安全威胁，如网络钓鱼和社交工 程。同时，平台也应提供安全最佳实践，使得用户能够更好地保护