al. LLaMA: Open and efficient foundation lan- guage models. arXiv preprint arXiv: 2302.13971, 2023. 6 Touvron H, Martin L, Stone K, Albert P, Almahairi A, Babaei Y, et al. Llama 2: Open foundation fine-tuned chat models. 7 14 自 动 化 学 报 51 卷 arXiv preprint arXiv: 2307.09288, 2023. Anil R, Borgeaud S, Alayrac J B, Yu J H, Soricut R, Schalk- wyk J, et al. Gemini: A family In: Proceedings of the International Conference on Machine Learning. Honolulu, USA: PMLR, 2023. 19730−19742 11 Wake N, Kanehira A, Sasabuchi K, Takamatsu J, Ikeuchi K. GPT-4V(ision) for robotics:

计、编码、测试和交付等； 产业链下游为应用与服务环节，主要包括行业专用软件、智能硬件以及各种智能解决方案。 智能软件研发企业显现出鲜明的地域集聚特性，高度集中于特定区域并形成集群效应。 截至2023年末，中国软件百强榜单上的企业大多坐落于北京、广东、浙江、江苏、山东、福建及上海等省市。其中，北京以37家企业独占鳌头， 广东与浙江紧随其后，分别有14家与12家企业上榜。从城市分布来看，这些企 增和新型存储技术革新的背景下，智能软件研 发行业将迎来前所未有的发展机遇。 中 产业链中游环节分析 中游分析 智能软件研发企业显现出显著的地域集聚特征，呈现高度集中与区域集群态势。 截至2023年底，中国软件百强企业高度集中于北京、广东、浙江、江苏、山东、福建及上海等省市。其中，北京、广东、浙江稳居前 三，分别坐拥37家、14家、12家入选企业。在城市维度上，这些企业广泛分布于全国25 2029年，智能软件研发行业市场规模由31,977亿元人民币增长至52,693亿元人民币，期间年复合增长率13.30%。 中国在人工智能领域展现出强劲实力，促进智能软件研发行业持续发展。 截至2023年底，中国已有254家厂商及高校院所开发出超过10亿参数的大模型，共计发布了近80个大模型，其中部分已投入市场应用。人工智能 产业规模不断壮大，核心产业规模已接近5,800亿元。同时，中国已形成

自然语言处理技术的边界，也正在改变知识获取和创 新的模式，将对应急管理体系发展、能力要求以及实 践操作产生深远的影响。在技术进步的强大动力牵 引下，需要重新审视并优化应急管理信息化建设路 收稿日期 2023-10-19 录用日期 2024-01-12 国 家 社 会 科 学 基 金（20BZZ037）, 广 东 省 哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 CHEN X T, XU N, et al. A comprehensive capability analysis of GPT-3 and GPT-3.5 series models[EB/OL] （2023-10-23）[2024-05-08]. https: //doi.org/10.48550/arXi v.2303.10420. [3] MIKOLOV T, CHEN K, CORRADO G Information Pro⁃ cessing Systems, 2022. [7] 米加宁, 刘润泽 . 大算力与知识生产方式的革命—基于 ChatGPT 的技术影响与实践展望 [J]. 中国社会科学评价, 2023（2）: 13-18. MI J N, LIU R Z. High computational power and the revolu⁃ tion in the knowledge production

投资评级 优于大市 维持 市场表现 [Table_QuoteInfo] -39.74% -31.18% -22.62% -14.05% -5.49% 3.07% 2023/7 2023/10 2024/1 2024/4 信息服务 海通综指 资料来源：海通证券研究所 相关研究 [Table_ReportInfo] 《计算机行业跟踪周报 350 期：信创操作 文件名称 发布时间 具体内容 上海市经 济和信息化 委员会、上海 市发展和改 革委员会等 五部门 《上海市推动人工智能大模 型创新发展若干措施 （2023-2025 年）》 2023 年 10 月 实施大模型创新扶持计划。支持引进高水平创新企业，支持本市创新主体打造 具有国际竞争力的大模型，鼓励形成数据飞轮，加速模型迭代，对取得重大成 果的予以专项奖励。实 2021 年 3 月，大模型还未进 入公众视野时，美国人工智能国家安全委员会已经发布了对该领域未来发展的规划。文 件中写到了美国坚定在人工智能领域的投入，且规定了研发投入资金的比重。另外，在 2023 年 5 月，美国白宫发布《国家人工智能研发战略计划》，对之前提出的 8 项重点战 略目标进行了优化和完善，同时强调了人工智能领域国际交流的重要性。另外，文件还

下一个词预测框架不足以产生真正的理解 " Yann LeCun ： 自回归大型语言模型没有前途 Apple 提出 LLM 并非真正的推理系统 怀疑论 2023-2024 年，推理能力突破性进展： • OpenAI o1/o3 在数学和代码推理任务上的卓越表现 • 开源大模型 DeepSeek-R1 在 MATH 基准上达到 开源大模型 DeepSeek R1 匹敌 OpenAI o1 DeepSeek 的 “ aha moment” 这种深度推理能力是如何实现的？是单纯的规模扩展结果，还是有其他关键因素？ 2023-2024 年，推理能力突破性进展： • OpenAI o1/o3 在数学和代码推理任务上的卓越表现 • 开源大模型 DeepSeek-R1 在 MATH 基准上达到 Hugging Face, Yongliang Shen, Kaitao Song, Xu Tan, Dongsheng Li, Weiming Lu, Yueting Zhuang. NeurIPS 2023 Language • 工作流程 : 大语言模型负责规划和决策 ， AI 小模型负责任务 执行 • Task Planning Model Selection Task

深度赋能保险行业白皮书 （2024） 阳光保险集团股份有限公司 清华大学五道口金融学院 中国保险学会 科大讯飞股份有限公司 2024年10月 PREFACE 前 言 � 在人类科技发展的历史洪流中，2023年无疑是大模型技术取得突破性进展的元年。 ChatGPT的问世，如同一颗石子投入平静的湖面，激起了全球科技领域的滔天巨浪。它不 仅深刻改变了人机交互的方式，更预示着一个由大模型引领的智能新时代的到来。比尔· 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 应用，推动保险业务模式的重塑与升级。 经过一年的实践与沉淀，可以看到，2024年是大模型技术在各行各业的应用落地之 · · · · · 125 图14 图15 图16 图17 图18 图19 图20 图21 图22 图23 图24 图25 图26 图27 图28 � � � 2023年被誉为“大模型元年”，在这一年里，中国见证了超过200个大模型的竞相涌 现，正式拉开了“百模大战”的序幕。这一年标志着大模型技术的飞跃式发展，行业格局与 趋势瞬息万变，整个领域经历了前所未有的百花齐放与创新浪潮。

“ 可以选择使用特定占位符（如 NULL” “ 或 N/A”）表示缺失值，或者 通过插值法补全缺失数据。 以下是一个数据格式标准化的示例： 原始数据 标准化后数据 处理说明 2023/12/3 1 2023-12-31 “ 日期格式统一为 YYYY-MM-DD” 15:30 PM 15:30:00 “ 时间格式统一为 HH:MM:SS” 1.234,56 1234.56 “ 小数点统一为 "12345", "query_text": "什么是量子计算？", "context": { "user_id": "user_001", "timestamp": "2023-10-01T12:34:56Z", "language": "zh-CN" }, "parameters": { "max_tokens": 150, "temperature": 保项目按计划推进。以下是各阶段的详细时间安排： 1. 需求分析与规划阶段 起止时间：2023 年 10 月 1 日 - 2023 年 10 月 15 日 在此阶段，项目团队将明确知识库数据的来源、格式及处理需 求，确定 AI 大模型的训练目标及技术栈，并制定详细的项目 计划。 2. 数据采集与预处理阶段 起止时间：2023 年 10 月 16 日 - 2023 年 11 月 15 日 此阶段的主要任务是从各种来源（如公开数据集、内部数据、

十大开源新锐项目 • 2022 CSDN 中国开发者影响力项目 • 2022 开源成熟度评估 – 优秀二级 • 2022 开源创新大赛 – 二等奖 • 2023 开源创新榜 优秀开源项目 • 2023 开放原子基金 年度生态开源项目 • 2023 GLCC优秀社区 Nacos 2.0技术架构演进 Nacos 2.0挑战与机遇 功能易用性 安全风险 AI时代 • 构建AI应用部署形态改变

智能体应用服务正是基于这一背景 而设计，旨在通过先进的人工智能技术，帮助企业优化业务流程、 提升决策质量并增强市场竞争力。具体来看，市场需求主要体现在 以下几个方面： 首先，企业对自动化服务的需求不断攀升。根据《2023 年全 球 AI 应用调查报告》，超过 70%的企业表示他们正在寻找能够自 动化处理日常事务的解决方案，如客户服务、订单处理和数据分析 等。商务 AI 智能体能够通过自然语言处理（NLP）和机器学习 势、预测市场需求，并为战略决策提供科学依据。例如，AI 智能体 可以通过分析销售数据，识别出潜在的客户群体，并推荐个性化的 营销策略。 此外，个性化的客户体验是企业获取并保持客户的关键。根据 《2023 年客户体验趋势报告》，85%的消费者表示他们更倾向于 选择那些能够提供个性化服务的品牌。商务 AI 智能体通过分析客 户的行为和偏好，能够为企业提供精准的客户画像，并据此设计定 制化的服务方案。例如，AI 效率，还能够降低运营成本，提升整体竞争力。 然而，尽管市场需求旺盛，企业在应用商务 AI 智能体时也面 临一定的挑战。首先，技术实施的复杂性和高成本是许多企业望而 却步的主要原因。根据《2023 年 AI 应用成本分析》，超过 60% 的企业表示他们在部署 AI 技术时遇到了预算超支或技术瓶颈的问 题。其次，数据隐私和安全问题也是企业关注的焦点。企业在使用 AI 智能体处理敏感数

"MaxSteps": 100, "LearningRate": 0.01, "RewardFunction": "Custom" }, "CreatedAt": "2023-10-01T12:00:00Z" } 为保障数据一致性，引入事务机制。对于涉及多个表的操作 （如用户创建智能体时同时更新用户表和智能体表），使用数据库 的事务功能确保操作的原子性。同时，定期进行数据备份和容灾演 或 Django；而小型项目则可以选择更轻 量级的框架，如 Express.js 或 Flask 。 recognized during the year ended June 30, 2023 totaled $1.234 million ($1.234 million in 2022). The Company records gains and losses from foreign 状态、验证结果等信息，如下表所示： 问题编号 问题描述 责任人 整改时限 整改状态 验证结果 001 功能 A 无法正常运行 张三 2023-10- 15 已完成 通过 002 性能 B 响应时间过长 李四 2023-10- 20 进行中 待验证 003 用户界面 C 不够友好 王五 2023-10- 25 未开始 待验证 通过上述流程，可以有效解决验收过程中发现的问题，确保项 目的最终交付质量。