医疗 人工智能服务平台建设 人工智能 + 医疗产业 目 录 智能医疗概述 1 2 3 4 典型应用场景 医疗企业业务 未来发展趋势 目录 人工智能 + 医疗产业 人工智能中枢 1 人工智能中枢作为智慧能力支撑平台， 提供了完整的智能模型全生命周期管理和 AI 应用敏捷开发能力，主要定位为智能模 型服务的共享复用和快速编排，实现 AI 应 用快速开发。人工智能中枢支持研发流程的 年，全球的医疗数据量将达 40 万亿 GB ；  人工智能的产品落地，离不开海量数据作为“养料”贡献于机器学习过程中，不断训练和优化算法模型；“互联网 + 医疗” 为人工 智能的发展 奠定了数据基础。 2 典型应用场景 AI+ 医疗 应用场景 20 虚拟助理 语音电子病历 / 智能导诊 智能问诊 / 推荐用药 医学影像 病灶识别与标注 / 三维重建 靶 区自动勾画与自适应放疗 辅助诊疗 、医学影像、辅助诊疗等在内的应用场景 2 典型应用场景 45 43 21 19 15 14 14 7 疾病风险管理 医学影像 医院管理 辅助诊疗 虚拟助理 健康管理 辅助医学研究平台 药物挖掘 2 典型应用场景 虚拟助理应用场景 Virtual Assistant Application Scenario 2 典型应用场景  场景描述：从苹果的 Siri 、谷歌的语音助手，到亚马逊的

对接，形成“平台＋连接器＋策略引擎”三层架构，支持数据目录发布、契约协商和联邦计算；其核心目标是打破“数据孤岛”，破解数据“不敢共享、不愿共享”的困局，构 建“数据即资源、数据即能力”的协同创新平台。 核心能力 关键挑战 应用场景 典型厂商 1、 信任根跨域扩展难度大 2、 高强度加密产生性能瓶颈 3、 数据主权与责任划分不清楚 4、 技术标准缺失 5、 数据定价与价值分配机制不健全 6、 安全管理与持续运维难度大 AICC旨在帮助客户构建一套用户信任的安全计算服务，为端上用户提供安全可 靠的云上运行环境，保障端云协作全链路的安全。 典型应用场景：可信AI推理 基于火山引擎硬件级加密技术等核心能力，为客户构筑端云混合的安全防护体系， 为个人提供全链路加密的可信私密云服务。 用户价值： 典型客户： 关键经营数据分析——现⾦流健康度继续下降 中移互联网有限公司是中国移动面向互联网领域设立的专业子公司，20 方案示意图/拓扑图： （1）保障用户主权和数据安全，确保数据在授权、流通、使用全链路精细化授 权管控、安全传输和存证溯源。 （2）平衡数据利用效率与隐私安全保护的关系，激活个人数据要素潜在价值。 用户价值： 典型客户或目标客户： 属地数据局、数据集团、政企客户、公共企事业单位、金融医疗机构等。 关键经营数据分析——现⾦流健康度继续下降 AI赋能数据安全 2025年，AI技术深度融入数据安全领域，推动防

理、跨系统协作效率低下等核心痛点。根据国家卫健委 2023 年统 计，三甲医院日均产生临床数据超 50TB，但现有系统对非结构化 数据（如影像报告、医患对话记录）的利用率不足 12%，导致三大 典型问题显现：首先，医生平均每天需花费 2.3 小时处理重复性文 书工作，门诊病历书写占接诊时间的 35%；其次，跨科室会诊因数 据标准不统一导致 30%的临床决策延迟；最后，患者咨询服务响应 时效超过 子病历系统存在结构化不足问题，非标准化文本占比超过 40%，导 致临床决策支持系统（CDSS ）误判率升高 3. 跨科室协作依赖传统 通讯工具，会诊请求平均响应时间超过 2 小时 数据治理困境 ” ” 医疗数据呈现典型的 三高 特征： 特征 现状数据 产生后果 高碎片化 单个患者数据分散在 6.2 个系统 中 诊疗完整性下降 27% 高冗余度 重复检查数据占比 34% 每年造成浪费超 80 亿元 低互操作性 在医疗系统中，数据孤岛问题长期制约着诊疗效率与协同能力 的提升。由于历史建设周期差异、技术标准不统一以及部门间协作 机制缺失，医疗机构内部及跨机构间的数据往往分散存储于异构系 统中，形成彼此割裂的信息壁垒。典型表现为以下三方面： 1. 系统异构性导致整合困难 医院内部 HIS、LIS、PACS 等核心系统常由不同厂商开发，采 用差异化的数据格式与接口协议。例如，某三甲医院的检验系 统采用 HL7 V2

........................................................................................169 8.2.1 典型企业应用场景............................................................................................. 会数据）。代理人 30%以上的工作时间消耗在填写标准化表单上， 而 85%的简单咨询问题仍需人工坐席响应，导致人力资源配置严重 失衡。 数据孤岛与协同障碍 保险公司内部系统通常呈现碎片化状态，典型企业存在 6-8 个独立 业务系统，数据互通需通过中间表手动同步。例如某头部寿险公司 的精算系统与 CRM 系统间存在 17%的数据偏差率，直接导致核保 决策失误率增加 2.3 个百分点。 风控能力滞后 年数据），但行业平均线上转化率仅为传统渠道的 1/3。 这暴露出三个关键痛点：①传统人工服务响应速度平均超过 4 小 时；②标准化产品难以匹配个性化需求；③跨渠道数据割裂导致服 务连续性差。 其次，运营效率提升存在技术瓶颈。典型财产险公司每单理赔 处理平均消耗 5.2 人工小时，其中 40%时间用于资料核验等重复劳 动。精算建模周期从需求提出到交付平均需要 17 个工作日，严重 制约产品创新速度。核心系统面临三大挑战：①遗留系统改造成本

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 用十大典型场景案例”。 技术简介 一、税务行业标准大模型的技术优势 2023 年以来，360 集团发布了自研认知型通用人工智能大模型— 业服务领域， 激发生产力创造力 税务行业标准大模型，发挥 360 基础模型、算力支撑、基础数据、 人力支撑的优势，以及中税集团专注税务行业基础数据(包括但不限于 法律法规、通用知识)、行业典型案例，税务和智能解决方案以及人力 支撑共同构建，可用于解决税务行业性、专业性问题，该模型在税务 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. 二、税务行业标准大模型专业能力获认可 7 月 2 日，360 集团与中税集团合作共建的“税务行业标准大模型”， 获得业内认可，入选“北京市通用人工智能大模型行业应用十大典型 场景案例”。 “北京市通用人工智能大模型行业应用十大典型场景案例”是以 市场化机制为基础，从技术领先性、应用代表性、功能适用性、推广 复制性等四方面综合评价后产生的结果，于 2023 全球数字经济大会期 间正式发布。

数 随着海量分布式新能源接入，电力系统的主动电气节点规模急剧膨胀，全国具备主动特性的电气节点数量增加至 千 万 级 别 ，省级新能源日内功率波动最大超过干 万 干 瓦 ，典型运行方式分散性增强、用于调度运行安排的典型运 行工况难以穷举，基于电路机理求解各类方程和优化问题计算速度慢，电力系统的“可观性”受到很大挑战。 技术挑战：规模挑战 220V 、 380V 、 10kV 、 35kV 月对外发布基于 MaaS ( 模型即服务 ) 架构的电力行 业人 工智能创新平台，依托南网数据优势和场景禀赋，对外提供高水平 AI 服务，带动行业智能化转型。为电力系 统各 领域业务场景提供典型样本集、模型管理、训练环境、业务场景落地等一站式人工智能服务。 电力人工智能场景云端服务 模型推理服务 模型训练服务 模型贡献、上传 人工智能平台—模型即服务 ( 基于 MAAS 框架 ) 模型管理 / 检索 模型下载 模型调优 / 训练 模型推理 模型部署 模型应用 典型开发框架 模型库 样本库 实训框架 文档 / 教程 开发者社区 简单可集成 全模态 高质量全领域 可在线 / 离线 AI 高效学习 贡献活跃 产业金融 金融放货智能评估 电费货智能评估

期间，客服人员平均需要与客户进 行 2.3 次电话沟通补充材料，每次沟通延迟处理时间约 16 小时。 其次，规则引擎的僵化导致大量简单案件无法快速通过。当前 系统对医疗费用合理性判断仍依赖人工对照社保目录，以下为典型 场景的处理耗时对比： 处理环节 传统人工处理 理想自动化处理 票据识别 12-25 分钟 <1 分钟 药品目录匹配 8-15 分钟 即时 处理环节 传统人工处理 理想自动化处理 责任条款核验 三， 人工判断标准难以完全统一，即便在相同培训体系下，不同核赔员 对相似案件的审核结果差异率仍达 15%-20%，后续争议处理又额 外增加 10%-15%的复核成本。 成本构成项 占比区间 典型场景示例 基础人力成本 25%- 30% 核赔员薪资、社保等固定支出 高峰时段附加成 本 8%-12% 临时工雇佣、加班费及应急培训 质量管控成本 5%-8% 抽样复检、争议案件二次处理 型：要求欺诈识别模型每周可迭代，对抗进化中的欺诈手段 3. 可 解释性输出：每个理赔结论需生成包含 5 个以上判断维度的解释报 告 4. 系统响应速度：从材料上传到初步结论生成需控制在 90 秒内 典型场景的性能指标要求如下： 场景类型 准确率要求 处理速度要求 人工复核率控制目标 医疗理赔审核 ≥92% <2 分钟/件 15% ≤ 车险定损 ≥88% <90 秒/件 20% ≤ 大额案件预警

名专业技术人员 和客户服务人员。 智能运维倡导者 国内最早倡导智能运维厂商，提供专业的运维平台， 完整提供运维整体解决方案，最大化提升运维管理价值与效率。 小结 典型项目展示 典型项目展示 典型项目展示 典型项目展示 构建完整运维体系 IT 运维体系 人 (People) 流 程 (Process) 技 术 (Tech & Tool) ITIL 北塔一体化运维解决方案

密码，即可通过单点的方式登录到帆软系统，并且完成用户权限的校验。 关键创新 场景价值 需求响应机制的高效与透明化 0 1 开发模板及流程可复用，各领域周报 1 天即可交付 02 SCENE 典型场景 1、顶层会议场景 一汽集团自研基于云原生的数智化会议平台，通过集成帆软页面，实现了会议管理、议题提报、报告 浏览等会议全流程。顶层会议的汇报单位，需要按要求介绍业务全景，重点指标完成情况，本月总结 张明细报表 通过数据抓取 / 整合、数据可视化、数据分析、数据监管预警等能力， 实现海外项目海量历史数据价值的挖掘 亮点一 亮点三 亮点二 018 数智领导力 017 数智领导力 SCENE 典型场景 1、综合管理驾驶舱 综合管理驾驶舱宛如公司运营的 “神经中枢”，汇聚了人、材、机等全要素关键数据。 通过直观且动态的可视化界面，实时呈现设备物资采购金额、库存状况、租赁费用，人员数量与工资 1、BI 自助分析 吉林银行选择帆软的 FineBI 工具，在行内个贷、个金、信用卡等部门试点推广，业务用户使用热情 非常高，快速构建各自的主题分析或关键任务推送等业务场景。 SCENE 典型场景 吉林银行有非常多的业务系统，都会有报表需求，以前开发模式较为分散，给数字化一 体化建设带来很大阻力。 0 1 在 BI 系统上线前，业务部门提交数据需求，需要提交“数据查询单”，提交完数据查

引擎协同降低误报率。关键数据指标如下： 场景 基线准确率 目标准确率 允许延迟 欺诈交易识别 82% 90% <1s 信贷风险评估 75% 85% <5s 反洗钱监测 68% 80% <30s 运营优化方面存在三个典型需求： 1. 自动化文档处理：年报 生成效率需从 8 人日缩短至 4 小时 2. 智能工单分类：准确率需达 92% 以降低人工分派成本 3. 流程挖掘：识别 20%以上的冗余审批环 7×24 小时自动化处理，例如某国有银行接入智能体后，标 准业务处理时效从平均 8 分钟缩短至 35 秒，人工干预率下降 72%。 专业化服务涉及需要金融知识输出的中高复杂度业务，典型场 景包括： - 财富管理：组合推荐、市场解读、收益分析 - 信贷业 务：产品匹配、方案定制、额度测算 - 国际业务：跨境结算、外汇 交易、信用证处理 - 投资银行：并购咨询、债券承销、结构化融资 在银行业务场景中，客户服务是高频且核心的环节，涉及咨 询、投诉、业务办理等多种需求。传统人工客服存在响应速度慢、 人力成本高、服务时间受限等问题，而基于 DeepSeek 大模型的 智能体可显著提升服务效率与用户体验。 典型场景与痛点分析 1. 智能客服： - 高频问题包括账户查询、转账操作、利率咨询等，人工重复解答 效率低下。 - 客户等待时间长，非工作时间无法提供即时响应。 - 多语言服务能力不足，难以覆盖全球化客户群体。