空调节能 智慧照明 能效优化 立体防控 综合安防 智慧消防 253809 da hua 202 3 20 POL ， Passive Optical LAN ，全光局域网 ，基于 PON 网络的新 型 局域网技术 ； POL ，具备更广的组网距离 ，更经济的建设成本 ，更简便的维护方式 园区业务全景 | 以科技力量 ，构建新 型数智空间 正 常 253809 da hua 2023-03-20 04 园区数据驾驶 舱 253809 da hua 2023 03 20 智慧物管：可视化平台（指挥调度中心） 基于项目全量数据源，进行可视化集成配置，以图形化形式实现园区治理数据的实时查看。 园区大脑 | 高管数据驾驶 舱 253809 da hua 2023 03 20 对产业现状、产业聚焦情况、产业图谱、产业竞争力等进行综合分析，

全域旅游的发展现状及存在的 问题，结合大数据的技术特点进一步探讨了其在文旅行业的新兴应用。以某全 域旅游示范区为例，构建一个基于大数据的全域旅游综合管理平台，实现全域 数据的横纵共享联动、区域资源统筹分配，进一步推动智慧旅游的发展，最后结 合案例进一步阐述了对基于大数据的未来智慧文旅模式的思考。 Abstract： In recent years，the rapid development cultural and tourism model based on big data. Keywords： Global tourism；Cloud platform；Big data 基于大数据的全域旅游 综合管理平台的设计与应用 Design and Application of Global Tourism Comprehensive Management Platform Designing Institute Co.，Ltd.，Nanjing 210019，China） 戴佳静，李小曼，蒋毅天 基于大数据的全域旅游综合管理平台的设计与应用 数据通信 Data Commuincation 引用格式：戴佳静，李小曼，蒋毅天. 基于大数据的全域旅游综合管理平台的设计与应用［J］. 邮电设计技术，2025（1）：61-65. 61 2025/01/DTPT 产业、全民参与、全方位

基于大语言模型的AI Agent架构 及金融行业实践 周健 2024.8.17 企业数智化发展趋势 商业化成熟度 时间 2022.1 1 2023.2 2023.8 2023.5 Llama3 GPT 4o GPT4 GPT4 GPT 3.5 Sora Gemini 2023.1 1 2024.2 闭源模型（文本） 开源模型（文本） 多模态模型 实时模型 Llama2 Market Is Emerging — Business Orchestration and Automation Technologies AI Agent在企业数智化中的定位 AI Agent：基于大语言模型的自治智能体 从人机协同模式角度 从Agent组成结构角度 p 初级形态：把AI嵌入到人的工作中 p 中级形态：AI作为人的辅助工具 p 高级形态：AI作为主要工具，Agent对人 p Agent具备角色识别，规划及任务拆 解、记忆及知识沉淀、工具/技能使 用、执行动作等能力 p 采用更加高效的CUI交互模式 从技术架构演进角度 p 对话式编程时代，我们相信新的更优雅 的基于大语言模型的软件架构必将诞生 p SPQA架构是一种全新的软件架构，区别 于以前静态、有限输入、电路式的软件 架构 n State+Policy：用于感知环境状态、组织 策略 n Questi

项目编号： 税务稽查基于 DeepSeek AI 大模型应用 设 计 方 案 目 录 1. 引言............................................................................................................................................. 并通过智能算法清洗数据，确保数据的一致性和完整性。  异常检测：利用机器学习模型，自动识别异常交易模式，例如 频繁的大额交易、关联方交易等，帮助稽查人员定位高风险纳 税人。  风险评估：基于历史数据和行业特征，构建风险评估模型，对 纳税人进行分类，并生成风险评分，为稽查重点提供依据。  可视化分析：通过可视化工具，将复杂的数据关系以图表形式 展示，帮助稽查人员直观理解数据背后的规律。 发展方向，为税务部门提供了切实可行的技术支持和参考依据。通 过本方案的实施，税务稽查工作将能够更加高效、精准，从而显著 提升税务管理的整体水平。 2. DeepSeek 技术概述 DeepSeek 技术是一种基于深度学习和自然语言处理（NLP） 的智能分析工具，旨在通过大数据和人工智能技术优化复杂任务的 执行效率。其核心在于强大的数据处理能力和高效的算法模型，能 够从海量数据中提取有价值的信息，并进行智能化的分析和预测。

项目编号： 基于 DeepSeek AI 大模型资产配置规划应 用 设 计 方 案 目 录 1. 引言......................................................................................................................................... 投资机会和风 险。 2. 实时监控与预警：DeepSeek 具备实时监控市场变化的能力， 一旦发现异常波动或潜在风险，会立即向投资者发出预警，帮 助其及时调整投资策略。 3. 个性化推荐：基于投资者的风险偏好、投资目标和历史行 为，DeepSeek 能够生成个性化的资产配置方案，确保投资决 策与个人需求高度匹配。 4. 自动化执行：DeepSeek 支持自动化交易执行，通过与交易平 利用大数据分析和机器学习算法，实 时监测市场动态，预测资产走势，并根据投资者的需求动态调整资 产配置策略。这种基于数据驱动的智能决策，不仅能够提高资产配 置的效率，还能在复杂多变的市场环境中为投资者提供更有效的风 险管理工具，从而确保投资组合的长期稳健增长。 1.2 DeepSeek 技术的概述 DeepSeek 技术是一种基于大数据和人工智能的高级分析工 具，旨在通过深度学习和自然语言处理技术，为资产配置规划提供

项目编号： 智能语音讲解公共服务基于 DeepSeek AI 大模型 应 用 方 案 目 录 1. 项目背景与目标.................................................................................................................................. 厅等场景中，难以满足用户对个性化、实时性及高准确率的需求。 据统计，2023 年国内公共服务领域的语音服务满意度仅为 62%， 其中 43%的投诉集中在语义误解和交互延迟上。 为突破这一瓶颈，本项目基于 DeepSeek 大模型构建智能语音 讲解系统，旨在通过先进的自然语言处理技术提升公共服务的智能 化水平。核心目标包括三方面：首先，实现语音交互准确率 ≥95%，支持中英等 20 种语言的实时翻译，覆盖 5 ≤ 种 20 种 指标 传统方案 DeepSeek 方 案 平均响应延迟 2.1 秒 <0.8 秒 场景适配周期 4-6 周 1-2 周 该方案通过以下路径实现目标： - 模型优化：基于 DeepSeek 的千亿参数模型进行领域微调，针对 公共服务术语库（如法律条文、文化专有名词）强化训练 - 边缘计算：采用端云协同架构，高频问题本地处理，复杂需求云 端调用，平衡实时性与成本

项目编号： 基于 DeepSeek AI 大模型量化交易可信 数据空间 设 计 方 案 目 录 1.1 研究背景与意义.............................................................................................................7 1.2 AI 量化交易的发展现状. 数据、新闻舆 情、卫星图像等），AI 系统能够发现人工难以捕捉的微观市场规 律，并在毫秒级响应时间内完成交易决策。 当前 AI 量化交易系统的核心价值体现在三个维度：  风险控制精度提升：基于强化学习的动态仓位管理系统可使最 大回撤降低 40%-60%  策略迭代效率突破：遗传算法优化的神经网络策略研发周期从 传统数周缩短至 72 小时内  收益稳定性增强：集成学习模型在标普 研究，过度拟合现象使得约 31%的策略在实盘阶段表现显著低于回 测水平。这些痛点直接制约着金融机构对 AI 系统的部署意愿，特 别是在需要严格合规的二级市场交易场景中。 为解决这些根本性问题，我们提出基于可信计算框架的端到端 解决方案。该方案通过三层验证体系构建技术闭环：在数据层引入 区块链赋能的溯源机制，确保训练数据的时效性与真实性；在模型 层部署可解释 AI（XAI）技术，使策略决策过程满足

项目编号： 保险行业理赔业务基于 DeepSeek AI 大模 型 设 计 方 案 目 录 1. 引言......................................................................................................................................... 了新的可能 性。DeepSeek 大模型凭借其多模态理解、自然语言处理和复杂决 策能力，能够从以下维度重构理赔流程：首先，通过自动化单证识 别与核验，将材料初审时间从小时级缩短至分钟级；其次，基于历 史数据与规则引擎的深度学习模型，可实现对理赔案件的智能分级 与风险预判，准确率可达 92%以上；最后，通过动态生成个性化沟 通话术，显著提升客户服务体验。 为验证方案的可行性，某头部财险公司已在车险理赔场景完成 化转型提供了核心技术支撑。该模型采用混合专家系统（MoE）架 构，通过动态激活子模型的方式实现计算资源的智能分配，在保证 响应速度的同时显著提升复杂任务处理精度。在保险行业特定场景 中，其优势主要体现在三个方面：首先，基于多轮对话和上下文理 ” 解能力，可准确解析客户提交的非结构化理赔描述，例如将 车子 ” 右前方撞到护栏导致大灯破裂 的口语化表述自动转化为标准化事 故编码（V37.2）和损伤部位标识（ADL 代码：HL-03-R），识别

项目编号： 保险行业基于 DeepSeek AI 大模型智能 体场景化 设 计 方 案 目 录 1. 项目背景与目标.................................................................................................................................. 35% 90% ≥ 产品转化率 12% 17%（+5%） 指标 传统模式 DeepSeek 方案目 标 欺诈识别准确 率 85% 98% ≥ 技术实施路径分为三个阶段： 1. 场景建模：基于历史数据训练核保、理赔等场景的决策树，集成 多模态数据输入（如医疗报告 OCR、语音通话记录） 2. 智能体部署：通过 API 对接核心业务系统，支持自然语言交互和 实时规则引擎更新 3. 标上实现突破性改进。 1.2 DeepSeek 技术优势 DeepSeek 作为新一代 AI 大模型技术，在保险行业智能化转 型中展现出显著的技术优势。其核心能力体现在以下维度： 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

开放数据中心标准推进委员会 ODCC 2025年9月 基于预制模块化数据中心场景的冷却 系统智能调优技术报告 [编号 ODCC-2025-06005] 版权声明 ODCC（开放数据中心委员会）发布的各项成果，受《著 作权法》保护，编制单位共同享有著作权。 转载、摘编或利用其它方式使用 ODCC 成果中的文字或 者观点的，应注明来源：“开放数据中心委员会 ODCC”。 对于未经 虑设备的运行效率问题，导致运行能耗高等问题。即便预制模块化 现有产品和技术，也存在类似问题，因此需要制定新的技术规范来 更好地指导此场景下的能效调优。 通过数字化技术，可大量收集数据中心现场环境和能耗数据， 运用基于 AI 和云计算的能效优化技术，提高制冷系统整体效率，持 续优化数据中心 PUE。本技术在预制模块化场景下，以冷却调优内 容为主，建立系统层面的全局智能调优方法，从而更大程度上起到 节约系统能耗、降低运行成本之的作用。 智能调优示意图.......................................................................................19 图 9 基于室外参数智能调优示意图...............................................................19 图 10 用户端全自动实施逻辑示意图...