绿色低碳 底线守护 N 个 智 能 体 应 用 行业业务微调 业务价值对齐 检索增强 算力基础 知识图谱 文本 规则模型 环境 图文对 视频图像 实体分类 空间 边 缘 计 算 高性能存储 专业 AI 芯片 Gpu 算力 …… 整治修复 土地利用 行业 知识 语料 大模型构建平台 行业 大模 型 业 务 智 能 体 政 113 国土资源部办公厅关于加强全国矿产资源潜力评价成果管… .2025/3/619:28 训练语料 样本库 多模态理解微调 特定任务标注 正反例百条 图文对 多模态理解模型微调 图像 / 视频 + 文本描述 ( 十万 级 ) 多模态 QA 结果排序 ( 万 级 ) 问答对 大语言模型微调 千条 ~ 万条 QA 对 形成宁波市自然资源行业知识库，为城市大模型建设提供权威行业语料 国土资源部办公厅关于印发《土地权属争议案件文书格式… 2024/2/215:26 要素识别提取 图像理解扩写 视频分类 视 频 OCR 视频理解扩写 深 加工 解析 版面分析 Chunk 切分 文档结构树 公式解析 图表理解 表格解析 图像解析 图像分类 语义标注 专 题 知 识 . 语 料 处 理 数据治理

互式的三维动态视景 和实体行为的系统仿真，能够使用户沉浸到该环境中。 虚拟现实是一种环境，是高度现实化的虚幻。在其应用的领域中，为能 达到虚拟现实这种环境而综合运用计算机图形学、图像处理与模式识别、计 算机视觉、计算机网络／通信技术、语音处理与音响技术、心理／生理学、 感知／认知科学、多传感器技术、人工智能技术以及高度并行的实时计算技 术等多方面技术，营造出一个虚拟环境（ 立体声、网络传输、语音输入输出技术等。 （ 1 ）实时三维计算机图形 相比较而言，利用计算机模型产生图形图像并不是太难的事情。如果有足够准 确的模型，又有足够的时间，我们就可以生成不同光照条件下各种物体的精确 图像，但是这里的关键是实时。例如在飞行模拟系统中，图像的刷新相当重要， 同时对图像质量的要求也很高，再加上非常复杂的虚拟环境，问题就变得相当 困难。 5 （ 2 ）显示 ）显示 在 VR 系统中，双目立体视觉起了很大作用。用户的两只眼睛看到的不同图像 是分别产生的，显示在不同的显示器上。有的系统采用单个显示器，但用户带上特 殊的眼镜后，一只眼睛只能看到奇数帧图像，另一只眼睛只能看到偶数帧图像，奇、 偶帧之间的不同也就是视差就产生了立体感。 在用户与计算机的交互中，键盘和鼠标是目前最常用的工具，但对于三维空间 来说，它们都不太适合

多终端内容自动适配 Flash 展示引擎 移动 GIS 浏览器 高效图像压缩 云业务支撑平台 图像挖掘与处理 ...... 多源、多尺度、多实相时空数据模型 三维实景影像 地理测绘 卫星数据 其它数据库 ....... 三维全景 影像采集车 基于垂直搜索 引擎的旅游信 息内容汇聚 面向移动终端 的图像数据采 集 卫星遥感 影像数据采集 ....... 智慧旅游 转 换 接 入 根 据 数 据 维 护 工 具 数 据 版本 控 制 工 具 业务数据 游客流量、门票、酒店、 餐饮监测数据 属性数据 园景、建筑、文化、胜迹、历史文化数据 图像数据 景区自然、环境、人文、社会等摄影图片 图形数据 景观资源、文化、基础设施数据 基础数据 矢量地图、三维模型、全景视图、景区规划介绍、文化遗产 数据 元数据 元数据（来源、格式、精度 . 智能视频监控 公共智能广播 游客智能疏导 智慧管理 – 智能视频监控 业务功能 图像监控 存储回放 报警联动 音频对讲 增值功能 多画面监控 多画面轮巡 云镜控制 远程控制 录像检索 本地回放 远程回放 客户端存储 报警输入 中心存储 控制输 出 前端存储 移动侦 测 个性化功能 图像抓拍 图像识别 电子地图 双向对讲 广播喊话 网闸穿越 环境监控 3G 网 关

电力 人工智能在工业互联网时代 物联网 机器学习 机器人 大数据 INDUSTRIAL INTERNET OF THINGS A 人工智能在生产制造中的实践与应用： 自动视觉检测 样本图像 瑕疵预 测 人工智能在生产制造中的实践与应用： 自动视觉检测 #109871 尺寸 , 房间数目 ) 价格 房地产 广告 , 用户信息 是否点击广告 ? (0/1) 线上广告 图像 物体 (1, … ,1000) 照片标签 音频 文字 语音识别 英语 中文 机器翻译 图像 , 雷达信息 其他车辆位置 自动驾驶 监督式学习示例 输入 A 输出 B 应用场景 零部件图像 有没有瑕疵 ? (0/1) 视觉检测 机器参数 良率 大规模生产 产量 大规模生产 监督式学习在生产制造中的示例 顾客是否接受 是否通过顾客检测 ? 产品研发 / 质量控 制 零部件参数 合同谈判 机器参数 出价 性能 技术 / 数据 性能 技术 / 数据 其他人工智能模型 性能 技术 / 数据 图像搜素 (search) 性能 性能 机器学习 / 深度学习 图形学 (graphical models)

0 1 室 、国家 863 计划成果产业化基地 、国家智能语音高新技术产业化基地 国家规划布局内重点软件企业 国家高技术产业化示范工程等 n 语音合成与识别 、机器翻译 、图文识别 、图像理解 、自然语言理解 、机器学习推理等核心技术处于国际 先 进水平 n 2008 年在深圳证券交易所挂牌上市（股票代码： 002230 ） n 科大讯飞智能语音开放平台是首批国家新一代人工智能开放创新平台， 2020 OffRaSHME 第一名） 医学影像（ 2017 Lung Nodule Analysis 第一名） 医学影像（ 2018 IDRiD 眼底图分析竞赛 MA 分割任务 第一名） 图像语义分割（ 2017 首次参加国际自动驾驶领域权威评测集 Cityscapes 获得第一 ， 2018 及 2021 再获第一名） 手势识别（ 2020 The 20BN-Jester Dataset 机器人系统 硬件 产品 智能饲喂器 猪群异常声音监 测系统 猪群图像估重盘点 系统 1 2 智慧养殖生物安全管理平台 奶牛数字化生产管理平台 智慧养殖综合管理平台 智慧养殖肉制品溯源系统 疫病远程诊疗系统 集成了语音识别、图像识别、知识图谱构建、语义理解融合等先进的人工智能技术， 让它既能 “听”也能“看”，不仅 支持多轮自然交互的农业知识问答

域，实现对人群密度、异常行为等情况的监测。在城市管理、交通 监控以及突发事件应对中，AI 大模型能够主动识别潜在的安全隐 患，从而为决策者提供及时而精准的信息支持。 其次，在事件检测与响应方面，AI 大模型在图像识别和事件推 理中表现出色。这些模型可以基于行为模式识别异常活动，比如聚 众斗殴、盗窃或其他非法活动，提供预警机制，有助于提高第一响 应者的反应速度。此外，将 AI 大模型与现有监控系统结合，能更 人员奔跑、动态聚集等情况，自动触发全局告警并锁定摄像头视角 系统在进行实时分析时，应结合 AI 大模型，实施深度学习算 法以提升对复杂场景的识别能力。特别是，通过训练模型识别不同 光照条件、天气变化等外部环境对视频图像的影响，从而增强系统 的适应能力。 此外，实时处理能力还需与大数据基础设施紧密集成，保证数 据分析不依赖于离线存储。系统应采用边缘计算的架构，将数据处 理和分析任务分配到接近数据源的边缘节点，这样可以降低传输延 等。为了确保系统的高可用性，数据采集层应采取分布式架构，以 便在出现单点故障时保持整体系统的运行。 在数据预处理阶段，视频数据需要经过降噪、去模糊处理和帧 抽取等步骤，以提高后续 AI 模型识别的准确性。此层还包括图像 调整和裁剪，确保输入数据符合模型预期的输入格式。此外，为 了 降低数据处理的延迟，预处理步骤应当在边缘计算设备上运行，近 源处理减少数据传输的时间成本。 模型训练与推理层是架构的核心，此层将整合先进的

资料来源： 《动手学深度学习》 （李沐） 2020 年 ，微软亚洲研究院首次将 Tf 模型应用于图像分类任务 ，在评测中实现 88.55% 的准确率。而且 Tf 模 型在 数据量越大的情况下表现越好 ，特别适用于自动驾驶这类大规模数据训练场景。 Transformer 模型可将 2D 图像融合成 3D 视角 Transformer 模型的工作原理 Tf 模型的另一个重要用处：计算机视 觉 的二维信号转换成类似直升机俯视视角的三维坐标 ，可在感知 算 法的层面实现端到端的架构开发。 优点 通过融合多个视角解决遮挡和物体重叠问题， 解决多传感器融合问 题， 方便下游任务共享图像特征； 在 BEV 视角下没有物体变形问题， 使得模型集中精力解决分类问题； 能够把传统感知方案中 3D 目标检测、 障碍物实例分割、 车道线 分 割、轨迹预测等多项任务在一个算法框架内实现， ，可大幅度减少长尾效应 ，大大提升安全性。 传统自动驾驶方 案依靠贴标签的 方式挖掘长尾数 据， 通常仅能识 别已知的图像类 别。 而大模型可通过 文本将收集到的 图像进行相关性 分类， 并依照文 本描述检索图像， 因此有较强的泛 化性。 AI 大模型可大幅减少长尾效应，提高自动驾驶安全 性 汽车的 图片来源：百度阿波罗， 毫末智行

.........................................................................................70 3.3.1 图像识别与定损自动化........................................................................................... 保预测偏差率低于 3% 该方案已在试点机构完成 POC 验证，结果显示客服人力成本 降低 60%，同时客户满意度从 82 分提升至 91 分（满分 100）。下 一步将重点优化长尾场景覆盖，例如车险定损中的图像识别准确率 需从 89%提升至 95%以上。 1.1 保险行业现状与挑战 当前保险行业正处于数字化转型的关键阶段，传统业务模式面 临多重挑战。根据银保监会 2023 年数据，行业平均获客成本同比 ： 多模态理解与生成能力 基于千亿级参数训练的底层架构，可无缝处理保险业务中的结构化 保单数据、非结构化理赔文档（如医疗报告、事故照片）以及语音 通话记录。例如，在车险定损场景中，模型能通过图像识别自动判 断损伤等级，准确率较传统 CV 模型提升 23%（实测数据达 92.4%），同时生成符合保司规范的定损报告初稿。 行业知识融合能力 通过保险专属知识库微调，模型掌握了精算原理、条款解读等专业

NLP 大模型 计算机视觉模型 计算机视觉模型 图、文 、音三模态 对话式大型语言模型 数据量 超过万亿单词的人类语言 数据集 中文多模态数据集 M6- Corpus 1.9TB 图像 292GB 文本 五大跨模态视频检索数据 集 40TB 训练数据 数百 G 级别不同领域的 高 质量语料 3390 亿条文本数据 纯文本和知识图谱的 4TB 语料库 5000GB 、语音 、代码等单模态智能生成能力成熟 跨模态内容生成成为主要趋势 在文案编写 、 图形设计 、 图像识别 、音视频创作 、交互式问答等场景中进行 深度应用 。 P7 大模型带来的新能力： 智能生成 (AIGC) 交互式 AI 一般情况下由人物形象 、语音生成 、 图像生成 、 3D 生成 、音视频合成 、交互等核心模块构成 。 开放了强大的插件 + 联网功能 如 网页阅读 丰富行业数据 、增强训练学习 》 》 》 》 专业词表 、 分词库 矢量图形 、遥感影像 、 审批报件 、 政务通报 、文件 、标准 、调研报告、 科技论文 、会议材料等 G IS 数据 图像 数据 管理 数据 文本 数据 视频 数据 … 音频 数据 数据 指标 规 则 语义角色标注 命名实体识别 情感分析 位置标注

超额赔付、诉讼调解等后续支出 通过引入 DeepSeek 大模型技术，可针对性解决上述问题：基 于 NLP 的智能单证审核模块能自动完成 85%以上的基础材料校 验，将人工介入节点减少 60%；图像识别技术实现医疗票据、事故 照片等非结构化数据的秒级解析，较人工效率提升 20 倍；知识图 谱驱动的核损决策引擎可覆盖 90%的常规案件定损，使专家只需聚 焦 10%的高风险复杂案件。实际试点数据表明，该方案能使单案平 需调度专员现场勘 查，响应延迟 通过用户上传图片智能评 估损伤等级与维修方案 定损周期从 3 天降至 2 小时，成本降低 20% 欺诈检测 依赖规则引擎，漏判 率高 结合索赔文本、图像及用 户行为构建多维风险模型 欺诈案件识别覆盖率 从 60%提升至 85% 此外，模型可通过以下方式优化全流程： 1. 智能问答系统： 实时解答客户理赔进度查询，减少 80% 的重复人工咨询； 大模型的基本原理与架构核心在于通过海量数据训练构建具有 通用语义理解与生成能力的深度神经网络。在保险理赔业务场景 中，DeepSeek 大模型基于 Transformer 架构，通过自注意力机制 实现对理赔文本、图像、结构化数据等多模态输入的高效处理。其 技术栈包含三个关键层次： 底层计算架构采用混合并行训练框架，支持千亿级参数规模的 分布式训练。具体实现上，模型通过张量并行（Tensor Parallelism）将参数矩阵拆分到多个