集成学习建模 大数掘挖掘专家 2 目 录 3 背景与挖掘目标 智能客服场景一 大数掘挖掘专家 背景与挖掘目标 智能客服场景一 大数掘挖掘专家 4 背景与挖掘目标 智能客服场景二 大数掘挖掘专家 5 智能客服描述 > 目前常用的智能客服应用的原理是 ：先建立好标准问题 -- 答案库 ，每个标准问题都对应一个标准回答；当 客户提出问题后 ，系统经过一定的规则运算 ，将客户提问和标准问题关联起来 ，再把对应的标准回答反馈 给客户 ，让客户在与客服机器人交流的过程中有更便捷的体验。 背景与挖掘目标 大数掘挖掘专家 6 背景与挖掘目标 案例数据 大数掘挖掘专家 7 大数掘挖掘专家 8 案例流程 > 1 、文本预处理工作 ，包括分词、去停用词、近义词及错词处理 > 2 、提取基础 NLP 文本相似度特征 ，如编辑距离、 n-garm 距离 > 3 、计算词向量 ，并提取词向量相关特征 > 4 、提取深度学习特征 ，主要通过 LSTM 网络编码 > 5 、构建 Stacking 集成学习分类模型 ，并进行评价 分析方法与过程 大数掘挖掘专家 9 1

构成，各个要素环环相扣，共同构建和实现 新质生产力。 算力芯片 云服务平台 生产力提升 业务流程自动化 生产效率提升 基础设施层 大语言模型 模型层 2C 应用层 2B 业务层 AI Agent 专家知识 业务数据 文本问答 创意生成 Firefly Sora 1 、需要突破大模型准确率问题 2、需要结合企业数据进行训练和开发 3、需要与企业业务和流程紧密关联 4、需要关注数据安全问题 AskXBOT 国内大模型落地 的优选供应商 可信的企业级数 智化AI平台 场景兼容 范式创新 提质增效 知识沉淀 选育用留 平台产品特性 价值主张 事实性知识 Fact 企服场景下专家知识的五层模型 在企服领域内一致认同的共性知识 会计科目的代号，98521 1 高校列表，收款行的SWIFT代码， 供应商的基本信息，产品的特定规格和功能，法定假期的日期…… 企业内的约定规则和指导原则 社会性知识（Society) 领域性知识（Domain) 过程性知识（Process) 规则性知识（Rule) 事实性知识（Fact) 知识中心驱动的创新引擎，解放专家智慧，实现五层模型的灵活管理 AI Agent在金融行业如何落地 金融行业建设思路 提升期 专家知识实时运营 建设期 基于规则的知识解构 成熟期 群体智能涌现 • 完成不同业务领域试 点应用封装 • 全单位进行试点应用 推广 应用试点落地

年科大讯飞上市公司营收达 196.5 亿 n 在中国智能语音市场，科大讯飞以 60% 市场份额稳居第一 n 作为人工智能产业国家队 , 2023 年 7 月国家人工智能标准化总体组宣布讯飞担任大模型专家组联合组长 * 数据来源于 2023 年 6 月 30 日讯飞开放平台 ** 数据来源于中国语音产业联盟《 2020-2021 中国智能语音产业发展白皮书》 科大讯飞股份有限公司简介 n 科大讯飞股份有限公司成立于 IWSLT 比赛，科大讯飞与中科大语 音及语 言信息处理国家工程实验室团队在同声传译任务中包揽三个赛道的冠军） 机器口语评测技术（ 2008 年中文口语评测首次达到人类专家水平， 2012 年英文口语评测首次达到人类专家水平） 声音定位与检测技术（ DCASE 2020 Task3 冠军） 常识推理技术（ 2016 Winograd Schema Challenge 第一名） 知识发现技术（ 智慧农业业务总体架构 农田地理信息管理 智能灌溉管理 智慧农机管理 四情监测 物联设施管理 场景应用 数据中台 网络传输 终端设施 农事学习 智慧植保 AI 农事专家 知识服务 AI+ 遥感 大田种植 设施农业

续航半径：70–300公里 • 时速：130–200公里/小时 个人飞行 货物运输 城市空中快线 低空观光 航校飞行培训 私人购买 按需租赁 商务包机 私人购买 本研究未涵盖 来源：专家访谈；案头研究；BCG分析。 图2 | 主流eVTOL分类及特征 波士顿咨询公司 2025年9月 中国载人eVTOL行业白皮书 4 1.3 核心要素协同，推动eVTOL商业化加速实现 eV 获得TC和PC后所需的 最短时间 • eVTOL运营公司 • eVTOL整机OEM厂商 （针对具体产品） • 地方民航局 • 中国民航局 申请主体 主管部门 监管部门 关注重点 所需时间 必要性 来源：专家访谈；BCG分析。 图3 | eVTOL商业化所需的关键认证 在当前监管框架下，eVTOL要实现生产销售，需通过型号合格证（type certificate， 简称TC）、生产许可证（production 覆盖 • 未来三年还将新建8,000个基站，覆盖所有起降点及 运行航线 通信体系 eVTOL 5G-A基站 来源：《深圳市低空基础设施高质量建设方案（2024–2026年）》；案头研究；专家访谈；BCG分析。 注：UTMISS = 无人驾驶航空器空管信息服务系统；SILAS = 低空智能融合系统。 图4 | 案例：深圳eVTOL基础设施规划 波士顿咨询公司 2025年9月 中国载人eVTOL行业白皮书

、查询数据、控制设备 等多步骤的复杂任务，真正成为能够自主规划并解决问题的智能体。 企业级 AI Agent 围绕“工作”展开，“工具调用”是其最核心特征 数据来源：公开资料，东吴证券，专家访谈，甲子光年智库整理 Agent vs 企业级 AI Agent 的部分特征比 较 具备通用世界知识，但缺乏对特定 组织内部情境的理解 通常利用用户数据改进通用模型， 数据治理标准相对宽松 数据来源：公开资料，专家访谈，甲子光年智库整理 数据处理与隐私 情境感知能力 核心设计目标 www.jazzyear.com Agent 众多协议的涌现，为企业级 AI Agent 的实用性提供了“工具”基础（ 1/2 企业决 策由经验驱动转向数据驱动。 其核心在于 Agent 的多模态理解与逻辑推 理链（ CoT ）能力，能够整合分析不同来 源 的数据并发现深层因果关系。 数据来源：公开资料，专家访谈，甲子光年智库整理 企业级 AI Agent 并非单一工具的集合，而是一个集感知、思考、决策与执行于一体的数字员工。它以自然语言为交互入口，通过自动化执行、 内 容创造与数据洞察，深度

日常重复业务，在提高税收管理效率的同时，可以降低税收管理成本。 此外，大模型训练语料库涵盖了巨大的专业数据，其中包含中税 集团多年累积的超百万法规库、千万量级的案例判例、几万本税务电 子书，以及专家知识及实操案例等。 目前，税务行业标准大模型成为了税务这一垂直行业领域大模型 的典型应用，并在注册税务师考试中的成绩已经超越了 ChatGPT。凭 借其创新技术与应用表现，入选“北京市通用人工智能大模型行业应 领域内做行业场景训练并输出行业场景应用模型。 税务行业标准大模型具备以下技术优势： 1. 样本优化：通过样本优化技术，建立倒排定位，不断通过模型 微调自动化测试跑校验集，以实现高质量的逻辑链路。 2. 去重优化：通过专家高质量输入，淘汰低质句子及篇章粒度去 重，从而保证了文本的质量。 3. 算法优化：对算法模型本身进行了优化，包括位置编码优化、 中文语义优化、激活层非线性兼容、前向网络自适应、SFT 微调层、指 集团与中税集团组建专业团队，汇集多位深耕人工智能技术领 域的创新技术专家，以及具有丰富实操经验的税收专家，形成 GPT 培 训师团队，成为大模型效果持续优化的保障。 3、丰富的训练语料 360 数据量 A 股行业第一，是第二名的 2 倍，是 GPT-3 的 14 倍， 以搜索为基础，为大模型提供高质量的训练语料。中税集团借助深耕 涉税服务领域 30 余年积累的专家和知识，搭建涵盖包含超百万法规库、 千万量

目 的 涉及的行业众多、范围广泛，包含政府、金融、电力、运营商、重点企业等 国家关键基础设施行业，每年由选中单位上报资产或国家指定对应关键目标。 目 标 由国家公安部组织全国各部委、行业专家、网络安全专家进行指挥统筹，由 国家网络安全队伍、科研机构、部队、网络安全企业组成攻击检测队伍。 攻 击 检 测 方 针对真实关键目标开展红蓝攻防对抗，攻击方在不破坏目标正常业务工作的 前提下挖掘相关安 渗透测试、漏洞挖掘 协助加固、优化策略 攻击、应急预演 实时攻击监控、溯源 专家研判、应急分析 攻击反制 外部安全专家 行方领导统筹指挥 行内员工全体动员 建立以领导为首的指挥中心，动员行内员工全员重视、全员参与，明确运营人员责任、确定工作边界 建立工作小组 总指挥组 分析研判组 监测防护组 处置响应组 专家团队 协调联络组 实时 监测 防护 安全 事件 告警 优化 安全 策略 防御：配备 APT 检测、 蜜罐、 01 系列等安全设备 响应：专家分析研判 平台自动化取证与响应 监控：人工配合多威胁 检测工具，实时监控 持续监控 与分析 策略 流程 专家对网络流量数据进行安全威胁分析，有效识别网络中存在的高级持续性威胁攻击，并及时进行 自动化取证分析和响应处置，配合威胁情报和专家研判服务，优化提升网络安全策略。 实战对抗中的攻击溯源与反制 基于 MITRE

HTTP/1.1 ... 通过海量的 HTTP 流量、日志、代码等数据的预训练而成的深信服大 模 型具备了 HTTP 流量理解能力、代码理解能力、攻防对抗理解能力 和安 全常识理解能力 , 类似一个攻防专家。 大模型突出的“语言”能力，高效解析安全文本 自注意力机制的引入，大大减轻了遗忘问题并提高了上下文关联性的识别。 颜色越深说明与生成词之间的相关性越高。 具备能力 预训练 微调 攻击目的分析 防钓鱼新时代 基于“攻击理解 + 逻辑推理”识别钓鱼 懂攻防、懂技术、 懂人情世故的“安 全专家” 安全 GPT ：钓鱼防御“新时代” 防 钓 鱼 核 心 能 力 全 景 图 终端检测 安全 大模型 厂商 专家高对抗样本 攻击大模型输出样本 VT 黑白混合 样本 (95W) 白样本误报率 （ 100W ） 传统的检测能力能够定性出两条攻击链为钓鱼攻击， 国内友商对 7 条攻击链只检出一条，国际友商可以定 性 3 条， aES+ 安全 GPT 依靠更高维度的检测能力能 够检出 全部 7 条攻击链。 安全专家 + 攻击大模型：构造 3W 高对抗样本 传统邮件安全厂商： 10.3% 大模型： 94.8% 第三方 VT 样本： GPT 钓鱼正报是友商的 4 倍多。 邮件安全网关默认配置：检出 80%

好、紧密的合作关系。 观安信息-基于大模型的数据分类分级引擎 方案概况 方案优势和用户价值 方案优势与特点： （1）多模态数据构建体系：首创“人工+模型”双引擎数据生成范式。 （2）轻量化专家模型架构：领域适配微调使训练速度明显提升；轻量化参数压缩 显存占用显著降低；适配CPU，GPU，国产NPU等不同计算资源。 （3）对抗鲁棒性增强机制：设计输入层，语义层，训练层三级对抗防御体系。 方案介绍： 网络安全智能体是指基于人工智能大模型，专为网络安全领域设计的智能化软件体或服务系统。随着网络威胁日益复杂，传统安全产品和防护体系越来 越依赖资深专家进行策略配置、威胁分析和事件响应，导致人力成本高、响应速度慢、创新能力受限。网络安全智能体通过自然语言理解、知识推理、 自动化决策等AI能力，将专家经验与大数据智能相结合，实现威胁感知、分析、响应、溯源等环节的高度自动化和智能化。它能够自主学习新型攻击手 法，自动适应复杂 方案介绍： 深信服AI安全运营方案，通过从“安全运营效率高、线上服务省心” ，依托生成式AI技 术实现自主安全运营。该方案能够自动化完成安全数据的开放接入、前置对抗、全量告 警研判与威胁闭环，结合专家服务实现AI智能值守，显著提升安全运营的实战能力。 方案示意图/拓扑图： 典型客户或目标客户： 该方案已广泛应用于某头部部委、某省级气象局、某能源龙头企业、某大型 光能企业、某头部家电制造业、某头部金融证券、某空管单位等数百家大型