2 0 2 3 . 1 0 中 国 广 州 — — 九 天 · 客 服 大 模 型 技 术 解 读 • 时空细粒度拆解迭代提升 • 融入多元Meta信息 • 大小微模型在线持续优化 • 提供定制化蒸馏 • 提供Edge端部署服务 • 积极适配国产算力 • 汇聚主体行业龙头的特色数据 • 主体行业特色任务抽象迁移指 导数据供给 供给侧增强 持续训练 异构软硬件

语音播报 | 按需触发 | 性能优化方面实施以下措施： - 首屏加载采用 Skeleton Screen 技术，平均等待时间控制在 1.2 秒内 - 本地缓存用户最近 7 天健康数据，通过 Service Worker 实现离线访问 - 图表组件按需 加载，使用 Web Worker 处理超过 10 万条的历史数据分析 所有前端操作日志通过加密 SDK 上传至审计系统，关键业务 安全防护体系包含： - 传输层：全链路 TLS1.3 加密 - 数据层： 敏感字段采用 AES-256-GCM 算法加密存储 - 审计层：基于 ELK 实 现操作日志分析，留存周期 180 天 灾备方案采用同城双活架构，关键数据实时同步到备用数据中 心，RPO<5 秒，RTO<15 分钟。负载均衡通过 Nginx+Keepalived 实现，支持动态扩容时的服务无感知切换。 2.2 件，配置规则引擎触发条件（如连续 3 次心率>120 次/分），告警 延迟严格控制在 500ms 内。 数据存储采用分层架构：原始数据以 Parquet 格式存入 HDFS（保留周期 30 天），处理后数据写入 TimescaleDB 时序数 据库（压缩比 1:8），特征数据集存储于 Redis 集群（TTL 设置为 72 小时）。所有传输通道启用 AES-256 加密，数据库字段级加密

-ctime 0 -name ".sh" #查找一天内新增的 sh 文件 -type b/c/d/f/l/p: 查找快设备、字符设备、目录、普通文件、符号链接、管道 -mtime -n +n # 按文件更改时间来查找文件，-n 指 n 天以内，+n 指 n 天前 -atime -n +n # 按文件访问时间来查找文件，-n 指 n 天以内，+n 指 n 天前 -ctime -n +n # 按文件创建时间来查找文件，-n 按文件创建时间来查找文件，-n 指 n 天以内，+n 指 n 天前 $ find /tmp -type f -amin -10 -print #打印出 10 分钟内访问的所有文件 寸光网络安全工作室 第 17 页 共 34 页 三、日志分析 1、window 日志分析 Windows 主要有以下三类日志记录系统事件：应用程序日志、系统日志和安全日志。 系统日志：记录操作系统组件产生的事件，主要包括驱动程序、系统组件和应用软件

让行业陷入“增量陷阱” 在营销场景中，四大挑战限制了车企在激烈竞争中提质增效，它们分别是：心智建立难、用户刻画难、潜客 运营难、车主留存难。 仅 2024 年，乘用车市场推出了 150 个全新车系，相当于 3 天不到就有 1 款新车发布。得益于技术进步，这些新车 型的功能数量也日益增多，仅智能座舱涵盖的功能数量就 可以达到 170 多种。 从数据来看，大家更爱买新车了。汽车之家研究院数据显 示，2024 年，全新车带来的销量为 让消费者关注并记住自己，成为抢占市场份额的关键动作。 6.4% 10.4% 2022 年 2024 年 数据来源：汽车之家 一年卖出 242 万辆全新车系，3 年间销量增长近 2 倍 3 天出 1 款新车， 用户：记不住，根本记不住 心智建立难 全新车系占零售总量比例 近三年全新车系销量占汽车零售总量比例变化 乘用车销量 全新车销量 占比 6.4% 2022 年 0 500 相比以前，车企更难获取高成功率的购车线索。整体营销效率 下降成为行业普遍问题。这主要是由于两大结构性变化： 其一，消费者购车决策窗口正在前移。 汽车之家研究院调研数据显示，用户从选车到下订，平均要经 历两个月的时间：在 35 天的海选后确定意向；随后进行线下 看车，在 2 周内订购——当消费者走进 4S 店时，他们可能早 在线上就已经完成了车型的对比、研究、咨询等一系列流程。 而在更具备运营价值的线上选购黄金期，车企正面临激烈的注

辅助诊断准确率 72% ≥90% 多模态数据融合推理 文书自动化 病历生成耗时 18 分 钟/份 5 ≤ 分钟/份 结构化输入+AI 模板生成 资源调度优化 检查预约平均等待 3.2 天 ≤1.5 天 动态优先级算法+资源预测 模型 患者服务响应 在线咨询满意度 82% ≥95% 意图理解引擎+知识图谱构 建 该方案需重点突破三个技术瓶颈：第一，医疗实体关系的动态 建模，要求构建覆盖 基因型-表型关联分析：并行处理全外显子组数据与临床 特征数据 o 研究假设生成：基于文献知识图谱自动推荐潜在研究方 向 某肿瘤研究所使用后，将传统需要 6 个月完成的回顾性研究周 期缩短至 17 天，同时发现 2 个新的生物标志物关联。 数据安全方面，智能体采用联邦学习架构，确保原始数据不出 域。计算过程中实施： - 差分隐私保护（ε ≤0.5 ） - 基于区块链的 查询审计追踪 AUC 0.92 ≥ 4. 服务治理： o 采用 Service Mesh 实现服务发现和负载均衡 o 关键业务链路设置熔断机制（错误率>5%自动降级） o 审计日志全链路追踪，保留周期≥180 天 系统通过分级缓存策略（Redis+本地缓存）保障高并发场景下 的性能，在三级医院典型环境中可支持≥2000 次/秒的并发问诊请 求。所有医疗数据处理均在通过《医疗卫生机构网络安全管理办 法》

数据可视化看板 o 核心营养指标采用环形进度条+数字标签双显示模式（如 每日热量摄入完成度） o 宏观营养素分布使用三维饼图展示蛋白质/脂肪/碳水化合 物的比例 o 历史数据趋势图支持 7/30/90 天的时间维度切换，纵轴 刻度自动适配用户数据范围 3. 智能诊断交互区 o 诊断结果页面采用分级颜色预警系统（绿/黄/红对应正 常/注意/危险三级） o 每条建议附带科学依据摘要，点击参考文献图标可展开 营养素数据按中国居民膳 食营养素参考摄入量(DRIs) 进行标准化 2. 体检指标数据采用 Z- score 标准化 3. 时间序列数据（如连续血糖监测）进行滑动窗口特 征提取（窗口大小=7 天） 4. 分类变量（如疾病史）采用 One-Hot 编码 数据标准化后生成统一特征矩阵，其维度控制规范如下表所 示： 数据类型 原始维度 处理后维度 降维方法 基础特征 78 32 PCA 首先处理缺失值问题，采用分层填补策略： - 基础信息字段 （如性别、年龄）缺失率低于 5% 时直接删除记录 - 连续型营养指 标（如热量摄入量）采用用户历史数据滑动窗口均值填补，窗口大 小为 7 天 - 分类变量（如餐次类型）使用众数填补并标记填补标识 位 - 关键生物指标（如血糖值）缺失超过 10%的记录整条废弃 针对异常值检测，建立三级过滤机制： 1. 基于临床标准的硬 性过滤（如

三亚崖州湾科技城 开发建设有限公司 盛视科技 9715.78 万元 210 天 2022/7/25 海口秀英港 海口秀英港对外开放口岸升级改造和“二 线口岸”查验设施设备改造项目设计、采 购、施工总承包项目 海口市城建集团有 限公司 盛视科技 中交第四航务工程局 中国中元国际工程 1.47 亿元 375 天 2022/8/1 海口新海港 和南港 海口新海港和南港 “ 二线口岸 限公司 盛视科技股份 中交第四航务工程局 中国中元国际工程 3.53 亿元 375 天 2022/10/25 海口美兰国 际机场 海口美兰国际机场口岸查验基础设施升级 改造和“二线口岸”功能建设项目-卫生 监督设备采购 海口美兰国际机场 有限责任公司 盛视科技 579.99 万元 30 天 2022/12/9 海口美兰国 际机场 海口美兰国际机场口岸查验基础设施升级 改造和“二线口岸”功能建设项目-查验 03 万元 60 天 2022/12/9 三亚凤凰邮 轮港 三亚凤凰邮轮港口岸查验设施设备建设项 目（设备采购及安装） 三亚交通投资集团 有限公司 盛视科技 3837.72 万元 90 天 2022/12/12 三亚半山半 岛帆船港 三亚半山半岛帆船港口岸查验设施设备建 设项目（设备采购及安装） 三亚交通投资集团 有限公司 盛视科技 368.36 万元 90 天 2022/12/16

为时自动调整保费或推送安全建议。 3. 智能理赔与服务优化 o 车险场景中，用户上传事故照片后，智能体通过图像识 别自动定损，并与维修厂商报价系统联动，实现 80%以 上小额案件的无人化处理，将平均理赔时长从 3 天缩短 至 2 小时内。 场景 传统流程耗时 智能体方案耗时 准确率提升 健康险核保 2-3 工作日 <30 秒 +17% 车险定损 24-72 小时 <2 小时 +12% 场景 传统流程耗时 实现毫秒级关联查询。 系统支撑层部署 Kubernetes 集群管理节点，资源分配策略如 下： 安全体系实施 ISO 27001 标准，数据传输采用国密 SM4 加 密，审计日志保留周期≥180 天。性能监控系统实时跟踪 300+指 标，异常检测响应时间<15 秒。该架构已在车险核保场景验证，相 比传统系统处理效率提升 4.3 倍，人工干预率下降 67%。 2.1.1 核心模块组成 DeepSeek 日期、医院名称）。 2. 与保单数据库比对，验证是否符合理赔条件。 3. 对于小额理赔（如<5000 元），直接触发赔付；复杂案件标记异 常并转人工。 某财险公司试点数据显示，车险小额理赔平均处理时长从 3 天压缩 至 2 小时，错误率下降 35%。 精准营销与产品推荐 基于用户画像与行为数据，智能体可动态生成个性化保险方案。例 如： | 用户特征 | 推荐策略 | 转化率提升 |

用自己最熟悉的工具来完成工 作时，就像你从北京到深圳，放弃飞机和高铁这样的交通工具，坚持骑自行车走完全程——并非不可 以，而是没有必要当这样的苦行僧。笔者观察到当今那些行业领先企业，比如京东方、天虹、徐工、 欧派、东吴证券等，无一例外，都是非常善于利用新一代数智技术工具的先锋。 值得一提的是，对于中小企业而言，如何以较低成本构建企业家的数据领导力？华为在发展路上形成 一个“PEBT”（软 打通，用户无需手动输入账号 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 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 询单后，进行开发、测试、上线等一系列流程，遇到需求排队的时候，等待时间需要 20 天以上，耗时费力。 02 数智领导力 022 021 数智领导力 关键创新 1、个人金融部战报 以“吉房贷”为例，这是吉林银行推出的个人房屋贷款产品，是个贷部门的核心业绩产出点，需要定 期

CONTENTS PAGE 一、 DeepSeek 影响千行百 业 1. 接入 DeepSeek 热 潮 2. 对千行百业的影响 1 月 31 日 ，英伟达、亚马逊和微软这三大美国科技巨头在同一天宣布接入 DeepSeek 的大模型。英伟达将这一模型应用于其 GPU 加速卡和数据中心中以提供 更 高效的计算能力；而亚马逊则利用自身的云计算平台优势来推广该模型的使用； 至于 微软将其集成到现有的软件产品和服务中去以增强用户体验。 90% 提至 99.7% ，推 动决策转向算法实时优化， 实现精准动 态风险识别。 一、在行业应用方面， DeepSeek 成效显著 制造业中，汽车设计仿真迭代加快， 零 部件参数优化从月级缩至天级，研 发周 期缩短超 50% ；医疗领域，医 学影像 检出率提升 20% ，药物研发 靶点筛选 效率突破，研发周期缩至传 统模式的三 分之一 。 DeepSeek 2 、行业重构：从效率优化到模式改 1000+GPU 月级别训练时间 GPT 3.0 、 DeepSeek 、 ,qwen 指令微调 1-100GPU 天级别训练时间 MOSS 、 ChatGLM6b 、 Vicuna-13B 等 奖励函数 1-100GPU 天级别训练时间 强化学习 1-100GPU 天级别训练时间 ChatGPT 、 Claude 数据集合 算法 模型 资源需求 3 、语言模型构建流 程