利川模式-文旅城市智慧转型标杆 3.2.2 教育行业 3.2.2.1 AI 计算使能服务支撑基于昇腾算力的科研创新应用 D 大学智算中心是全国首个校级最大国产人工智能算力中心，是高校基于昇腾算力底座 和 ModelMate（模型使能工具）进行科研创新和教学的典型案例。该项目于 2024 年 1 月正 式开启，算力规模 65P，项目采用“DCS（轻量云）+ModelMate+运营平台”方案。如何支撑 进行科研模型 创新，成为该项目的首要任务，也是 D 大学推进国产算力科研创新实践的关键目标和要求。 “DCS+ModelMate+运营平台”方案主要解决三方面的问题： （一）算力高效整合：高校国产智算平台是分阶段建设和持续演进的过程，需要对算、 存和网等关键资源进行高效整合，支持开放扩容和持续演进。基于 DCS 轻量云底座，能支撑 智算和通算资源的云服务化发放，便捷按需进行 BMS、ECS 题并提供改进建议，驱动课堂质量提升。 图 11 AI 教育课堂评价系统 目前，系统已应用于学校 43 个院系，分析课程超 2.6 万节，学校“以 AI 解析课堂、驱 动教学变革”的创新实践，为全国高校提供了可复制的“北航方案”。值得一提的是，学校 在人工智能赋能高等教育教学各环节的卓越实践，已成功入选教育部第二批“人工智能+高 等教育”应用场景典型案例。 （三）大模型全面助力科学教育做加法

通过定期的组织评估和反馈机制，持续优化组 织架构和流程，确保组织能够适应不断变化的 市场环境和技术趋势。 敏捷型组织架构调整方案 01 02 03 04 高校合作与人才培养 产业链生态共建 科研机构联合创新 开放平台与创新孵化 与高校建立紧密的合作关系，共 同开展数字金融、大模型技术等 领域的研究和人才培养，为银行 输送高质量的专业人才。 与金融科技公司、技术供应商等 产业链上下游企业建立合作伙伴

要是由于东部地区具备技术与产业优势，且数据资源与应用场景丰 富。技术与产业方面，东部地区，如北京、广东等，拥有雄厚的科 研实力和丰富的技术资源。北京模力分指数位居全国首位，是人工 智能技术的重要发源地和创新中心，聚集大量的高校、科研机构和 综合算力指数 29 高科技企业，具备强大的科研实力和技术创新能力。数据资源与应 用场景方面，东部地区企业、人口密集，数据生成量巨大，为大模 型的训练和应用提供了丰富的数据资源。广东具有强大的制造业基 我国省级行政区模力分指数—模型生态 Top10 为北京市、广东 省、浙江省、江苏省、山东省、上海市、四川省、安徽省、湖南省、 湖北省，具体情况详见图 19。北京生态能力全国领先，作为全国科 技创新中心，拥有众多科研机构、高校和科技企业，为模型生态的 发展提供了丰富的资源和良好的环境。广东生态能力优势明显，得 益于其发达的经济、完善的产业配套以及良好的创新创业环境，吸 引众多企业参与模型的应用和生态建设，形成了较为完善的模型生 当地年平均气温 清洁能源利用 率 算力中心使用清洁能源耗电量与总耗电量的比值 政策支持力度 政府出台的算力相关政策数量 市场环境 头部企业布局 当地头部企业与业内头部企业的占比值 人才储备 高校毕业生数量 行业交流频次 举办的算力相关会议活动数量 示范荣誉 获得国家荣誉和算力中心绿色等级、低碳等级、 算力算效等级以及安全可靠、服务能力等方面的 示范荣誉之和 综合算力指数 43

H3C 、 锐捷、科拓、 ABB 、 西门子、 江森自控、霍尼韦尔。。 文博展馆 博物馆、图书馆、音乐厅、 规划馆、展览馆、体育馆、 文化宫。。 科教 中小学、中职院校、高校、 党校、科研实验室。。。 行政办公 政府机关、事业单位、公 检法机构 产业园区 工业园、物流园、产业孵 化基地、自贸区。。。 金融商业 银行、证券、购物中心、 大型商超。。

时代，应用为王。为了解当下国内外主流大模型在保险领域应用的成熟度和稳定性，国内领先的保险科技平台——元 保，联合国内保险科技研究机构——分子实验室，共同发布《人工智能大模型保险行业应用评测报告》。报告特邀国内知名 高校专家学者、中国大地财产保险股份有限公司、众惠财产相互保险社等共同调研并撰写完成。 《报告》通过保险、法律、医疗等相关领域常规知识问题，测试大模型的基础能力，同时针对部分主要典型的应用能力设计

和云端的无缝切换，满足不同场景下的使用需求。 在人才培养与行业推广方面，未来将加强对工程造价人员的培 训，使其能够熟练运用 DeepSeek-R1 模型进行日常工作的辅助决 策。同时，将通过与行业协会、高校合作，推动模型在行业内的普 及应用，提升整体行业的智能化水平。此外，将建立用户反馈机制， 持续优化模型功能，确保其能够紧跟行业发展需求。 以下为未来发展的关键建议汇总： - 提升模型的智能化水平， 言版本的系统，并针对不同国家的工程造价标准和规范进行本地化 适配，确保模型的适用性和准确性。 为了加速技术的落地，我们还将与高校和研究机构合作，共同 开展基于 DeepSeek-R1 的工程造价智能化研究，推动技术创新与 应用场景的拓展。例如，我们将联合清华大学、同济大学等高校， 建立联合实验室，开展基于大数据的工程造价预测与优化算法研究， 并将研究成果快速转化为实际应用。 在技术层面，我们将持续优化模型的算法与功能，重点提升其 强化模型的安全性和隐私保护措施，确保敏感数据的安全。 为了支持这些发展方向，将建立一个跨学科的研发团队，包括 数据科学家、软件工程师、造价专家和行业顾问，共同推动技术的 创新和应用。同时，将加强与高校和研究机构的合作，共享研究成 果和最佳实践，促进知识和技术在行业内的传播和应用。通过这些 努力，DeepSeek-R1 大模型将不断进化，为工程造价领域带来更 多的价值和创新。

、操作系统、云计算服务等 核心硬件和软件，以及版权、专利、商业秘密等知识产权。 ② AI研发合作全面禁止：美国公民、绿卡持有者及机构不得在中国境内从事AI研发， 也不得与中国的“受关注实体”（包括高校、企业、政府机构等）及其海外子公司合 作。 ③ 对华AI投资彻底切断：禁止美国个人或机构投资中国AI企业的公开股票和证券， 防止资金间接支持中国AI发展。 ④ 处罚措施：刑事处罚：个人最高罚款1

（5）技术投入与运维压力 建立和维护大型模型系统需要巨大的技术投入和持续的运维支持。为了应对这一挑 战，保险公司可以采取以下策略：一是合理规划技术投资预算，确保资金的有效利用；二是 加强与科研机构和高校的合作与交流，引入先进技术和人才；三是建立完善的运维管理体 系和应急预案，确保系统的稳定性和可用性。 同时，保险公司还需要关注技术发展趋势和市场动态，及时调整技术策略和投资方向， 以保持技术的先进性和竞争力。 科技公司：积极与在人工智能、大数据、云计算等领域具有领先技术的科技公司合作， 共同研发适用于保险行业的大模型解决方案。这些公司通常拥有强大的技术实力和丰富 的行业经验，能够为我们提供有力的技术支持。 高校及研究机构：与国内外知名高校、研究机构建立合作关系，共同开展大模型技术 的基础研究和应用研究。通过产学研合作，我们可以获得最新的科研成果和技术趋势，为 公司的技术创新提供源源不断的动力。 行业协会及标准组织 活动，推动大模型技术 在保险行业的标准化、规范化发展。这有助于我们与同行建立更紧密的联系，共同推动行 业的进步。 （3）构建开放的技术合作平台 建立技术合作联盟：联合多家保险公司、科技公司、高校及研究机构，共同成立技术合 作联盟。通过联盟内的资源共享、优势互补，加速大模型技术在保险行业的落地应用。 开放API接口：将公司的大模型技术以API接口的形式对外开放，吸引更多的开发者、 合作

持续监测与评估：建立完善的监测机制，定期对模型性能进行 评估，识别可能的改进点。  用户反馈机制：建立用户反馈渠道，实时获取用户在实际应用 过程中的体验和建议，从而指导下一步的技术迭代方向。  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。 3. 性能监测：设置关键性能指标（KPIs），如模型的准确率、 处理速度等，确保系统在不同条件下的稳定性与可靠性。 接下来，为了提升升级的有效性，我们建议实施如下策略：  技术合作与创新：与高校、研究机构及技术公司合作，保持在 三维建模、AI 算法等领域的技术前沿，确保应用技术始终处 于行业领先水平。  用户培训与支持：为用户提供定期的培训和技术支持，增强其 对系统的理解和使用能力，从而提高整体用户满意度和系统的 值。同时，随 着 5G、物联网等新兴技术的发展，结合 AI 技术的多元化应用，我 们有信心在更广泛的领域拓展实景三维模型的应用边界，以适应日 益增长的行业需求和市场机遇。此外，通过与科研机构、高校及行 业相关企业的合作，推动更多跨界合作，促进技术的创新和应用， 力求在铁路行业的数字化建设中取得更多突破。 11.2 未来展望与机会分析 在铁路沿线实景三维 AI 大模型的应用方案中，展望未来，我

系统成功识别到一群人的聚集速率异常，并自动向安保人 员发出警报。安保人员迅速到达现场，及时处理了问题，确保了活 动的顺利进行。由此，活动的安全性得到了显著提升，参与人数增 加了 25%，而安全事故几乎为零。 在校园安全方面，一所高校的管理系统同样应用了 AI 大模型 的视频智能挖掘。该学校在主要出入口和校园内部设置了监控摄像 头，并通过 AI 技术对视频进行智能分析。在发现有异常学生行为 （例如，打斗、聚众滋事）时，系统能迅速向安保部门发出警报， 子和潜在的安全风险，并通过数据分析提供必要的战术建议。数据 显示，在活动期间，安保人员的干预成功率提高了 50%，事件发生 前的预警机制明显增强。 第三个案例是关于校园安全的应用。在验收了 AI 视频监控系 统后，某高校能够有效监测校园内可疑活动。该系统结合人脸识别 技术与行为分析模型，能够在校园内对陌生人员或异常行为进行实 时识别。通过长达一年的监控数据，学校未发生一起重大安全事 故，且对外来人员的管理效率提升显著。 为了更好地展示这些成功案例的效果，以下是具体实施后的一 些数据统计。 案例 盗窃案件下降 率 活动安全干预成 功率 校园安全事件发 生率 大型城市智能监控系统 30% - - 大型活动安全管理 - 50% - 高校校园安全监控 - - 100%未发生重大 事件 通过以上案例，我们不难看出，AI 大模型在公共安全视频监控 中的应用不仅提高了安全事件的响应效率，还有效降低了案发率， 实现了智能化的管理方式。这些成功经验为其他城市和地区的公共