RT-1[53], RT-2[54], RT-X[55] RT-1[53], RT-2[54], RT-X[55], InteractiveAgent[56], VIHE[57], ALOHA[37], ALOHA2[58] TidyBot[49], VIMA[50], Instruct2Act[51], VoxPoser[52], VilA[30] RoboGen[42], Mimicgen[43] Scaling up and distilling down[44], DrEureka[45], Omnigrasp[46], Meta-World[47], BEHAVIOR-1K[48] ALOHA[37], UMI[38], HumanPlus[39], GELLO[40], GC-DA[41] MineDojo[31], VRB[32], Baker 等[33], RoboCLIP[34], Seo 在医疗保健中通过视频理解临床情况并生成 相关文本描述. 作者的实验证明了其在各个领域中 生成有意义和上下文相关输出的能力, 展示了在多 模态系统中开发通用、行动导向的系统的可能性. 在 ALOHA[37] 中, 作者提出一种新颖的算法: 基 于 Transformer 的动作块 (Action chunking with transformers, ACT), 用于低成本硬件上的精细双 手动态操作任务

��� ��� ��� ��� • Deepseek-V3仍是基于Transformer架构的模型，是 一个强大的混合专家（MoE）模型，总共有 671B 个 参数，生成每个token时激活 37B 参数 • 训练成本比 Llama 405B 低一个量级 • DeepSeek-V3所采用的技术： • MLA多头潜在注意力机制（降低显存占用） • MTP多token预测（提升效果、提升推理速度） R1的320亿蒸馏版 稠密 32B 32B R1的80亿蒸馏版 稠密 8B 8B R1的700亿的蒸馏版 稠密 70B 70B DeepSeek-R1 MoE 671B 37B DeepSeek-V3 MoE 671B 37B 模型参数量：显存占用 激活参数：推理速度 -8- DeepSeek出圈原因分析 1. DeepSeek-R1的卓越性能表现 2. DeepSeek-V3的超低训练开销 Meta-Llama-3.1-405B-Instruct-bf16, #21 Llama-3.3-70B-Instruct, #33 开放 Mistral AI 法国 Mistral-Large-2407, #37 Mistral-Small-24B-Instruct-2501, #50 开放 -16- DeepSeek对中美科技竞争产生深刻影响 美参议员提出《2025年美国与中国人工智能能力脱钩法案》，有脱钩风险

Management, 2022（7）: 24-31.（in Chinese） [21] 李振华, 薛耀文 . 应急知识管理、组织记忆与即兴决策能 力提升机理及路径研究 [J]. 科技管理研究, 2017, 37 （20）: 211-218. LI Z H, XUE Y W. Research on approaches & mechanism of emergency knowledge management improvised decision-making capability promotion[J]. Science and Technology Management Research, 2017, 37 （20）: 211-218.（in Chinese） [22] ZHENG N, LIU Z, REN P, et al. Hybrid-augmented intelli⁃ gence: collaboration

。 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，这些企业广泛遍布全国25个省会及经济繁荣的城市。尤为值得关注的是， 百强企业主要植根于京津冀、长三角、珠三角这 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个省会及经济发达城市。尤为突出的是，百强 企业主要扎根于京津冀、长三角、珠三角三大经济区，占比分别达到40%、31%、20%。这些区域凭借强大的经济实力与浓厚的科技创

盖率不足 5%的现象普遍存在，隐藏了重大风险盲区。其次，复杂 交易场景（如跨境并购、金融衍生品）的审计依赖专家经验判断， 但资深审计师资源稀缺，全球四大会计师事务所的专家顾问供需缺 口达 37%。最后，实时审计需求与滞后分析能力的矛盾突出，特别 是在区块链、云计算等新技术应用场景中，传统审计方法难以实现 交易链路的全流程穿透。 以下数据直观反映了审计效能瓶颈的关键指标： 指标维度 交叉验证，如下表所示的风险指标覆盖率对比： 指标类型 传统工具覆盖率 行业要求标准 财务异常 68% 95% ≥ 合规性条款 52% 90% ≥ 关联交易 45% 85% ≥ 操作风险 37% 80% ≥ 第三，系统需要支持 7×24 小时持续监控能力，某跨国企业的 实践表明，实时监控可使重大风险发现时效从平均 14 天缩短至 2.8 小时。这些需求直接指向需要构建具备自然语言处理、多维关联分 型。对于程序性审计任务（如存货监盘检查），采用基于决策树的 确定性推理；对于职业判断类任务（如关联交易公允性评估），使 用微调的 DeepSeek-R1 模型，在证监会披露样本测试中显示审计 意见预测准确率提升 37%。动态工作内存区实现上下文保持，确保 多轮对话中能持续追踪审计证据链条。 性能优化方面采用分级响应策略：简单查询（如法规条款检 索）响应时间<500ms，复杂分析（如财务舞弊信号识别）启用异

........................... 36 （二）提升算力供给质效，推动结构迭代升级.............................................. 37 （三）夯实存力运力底座，促进“算存网”协同演进.......................................38 综合算力指数 （四）构建绿色低碳体系，加速基础设施绿色升级. 济融合，催生新经济增长点。 综合算力指数 36 来源：中国信息通信研究院 图 23 城市算力分指数 Top30 五、综合算力发展建议 （一）深化一体化算力网，强化统筹协同与动态优化 综合算力指数 37 我国综合算力发展应深挖一体化算力网潜力，强化全国算力一 盘棋布局。一是对现有算力资源进行全面清查盘点，通过技术升级、 设备更新、优化配置等手段，盘活闲置资源，提升算力利用率。二 是加强细化

Character. AI 用户全球分布 .............................................................................. 24 图 37 科大讯飞星火智能体介绍 .................................................................................. 25 行业研究〃信息服务行业 请务必阅读正文之后的信息披露和法律声明 25 图37 科大讯飞星火智能体介绍 资料来源：星火智能体，海通证券研究所 2024 年 6 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

10 19 28 54 44 44 45 10 19 43 43 10 42 17 10 22 21 11 25 9 42 16 9 15 15 8 39 38 37 33 12 10 10 12 实现自主智能供应链 16 鉴于任务的重复性和可预测性，采购正成 为供应链中实现自动化并最终迈向完全自主化的 理想领域。采购自动化能够节约时间、减少错误

3 接口设计.............................................................................................37 4.4 数据流设计........................................................................................ 发者应结合实际应用场景，灵活运用这些概念，以构建高效、可靠 的智能体系统。 15.2 参考文献 1. 王伟, 张强. 智能体开发中的深度学习应用[J]. 计算机科学与技 术, 2022, 37(5): 123-134. DOI: 10.1016/j.jcst.2022.05.001. 2. 李华, 赵敏. 基于深度强化学习的智能体决策优化[J]. 人工智能 学报, 2021, 43(3):

......35 3.2.3 客户流失预警.............................................................................37 3.3 智能客服.........................................................................................