语言理解任务表现出色。也是医疗AI 小模型年代主要技术路线 “大数据、小算力、专用决策” GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” 基于DS-v3构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI技术演变路线 5 理解Chatgpt,J⼀个AI领域的“⼯程奇迹” Chatbot： ⽂本交互式应⽤ Gpt3： 预训练⼤模型 Prompt engineering DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 构建 • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 内容⽣产辅助 • 管理营销素材 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化 患者流程 • 多重购买渠道 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ • 65岁以上⼈⼝占⽐从 2014年的10.1%升⾄ 2023年的14.9%，医 疗需求激增1 ⼈⼝⽼龄化 • 收⽀失衡加剧，控费 边际效应减弱2 • 职⼯医保：结余稳健但增速 下滑 • 居民医保：收⽀失衡加剧

宣布接入 DeepSeek 大 模型，通过智能导办、工单处理、公文写作等场景创新，推动政务服务从“人工 密 集型 ” 向 “数据智能型 ” 转型。 1 、 DeepSeek 赋能政务效率提 升 DeepSeek 大模型正以“低成本、高性能、开源化 ” 的创新路径，打破技术垄 断壁垒，推动 AI 从巨头专属走向全民共享。其技术突破不仅重塑了全球 AI 竞争 格 局，更通过生态赋能为发展中国家提供了技术追赶的新机遇。 AI ” 协同驱动转变 金融风控中，传统依赖规则与经验难 应 对实时风险， DeepSeek 构建协同 网 络，通过实时数据驱动模型动态 学习， 反欺诈准确率从 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% FP8/QLoRA 部署 DeepSeek 大模型时，算力配置需根据模型规模（参数量） 、应用场 景 （推理 / 训练） 、并发需求及性能目标综合规划。 模型规模与硬件需求关系 2 、算力赋能—— 基础设施升 级 注：显存需求基于 FP32 精度，使用量化技术（如 FP16/INT8 ）可降低显存占用 30- 50% 。 核心硬件 推荐部署 说明 GPU NVIDIA A100 80GB / H100

景变化调整灵活度和响应性欠佳； 让 大模型成为资规部门的“ A 业务助手” , 实现经验数字化、决策智能化 1.2 工作基础 口 我 局 印 发 《 宁 波 市 自 然 资 源 规 划 数 字 化 治 理 能 力 提 升 实 施 方 案 》 , 明 确 Al 大 模 型 技 术 的 定 位 。 一张管理全图 空间数据治理引擎 AI 算法 规则库 标准规范库 调查监测库 规 文 秘 助 手 资 规 图 像 通 PPT 制作助手 文档助手 院能宁波资温规划，助力智显治理与业务 _ Al 智 能 体 推 荐 8A 智能体中心 通 用 智 能 体 》 专 业 智 能 体 》 里，实 提案答复助手 合同审查助手 管理员 通阳留配备 对话 去 e “ 问 文 ” —— 知识引擎助手 口资规智库构建 内容多和法律文书处理工作量大的痛点，依托司 法解 释、规范性 文件和裁判文书，构建法规助手，学习法规政策，实现法规智能查询、法规适用智能分析、合规性自动审查及文书自动起草， 全 流 程 提 升 法 规 管 理 的 精 准 性 与 工 作 效 率 。 依托法规处近 1000 余份业务文件、司 法 解释、规范性文件及裁判文书构建法律知 识图谱，结合语义解析与智能检索技术，

00 友商 Z 512 70.54 友商 A 512 72.49 友商 W 512 63.66 2 乐享 - 知识切分 知识底座｜结合 DeepSeek AI 能力全新升 级 • 业内首个的长文本切分 大模型， 比传统切分 方 式准确率大幅提升 • 将 OCR 识别的标题提 供 给切分模型， 进行 多级 切分， 避免语义 截断， 提升检索及阅 读理解准 某保司服务网络覆盖全国； > 为贯彻落实“以客户为中心”发展理念， 市场客 户部牵头搭建统—智能客服平台， 结合大模型 智能问答能力， 旨在完善知识管理体系， 推 动 话务系统与智能系统整合， 优化业务场景， 提 升智能服务效果； > 需要符合 XC 要求； 项目目标 > 实现与公司内部各渠道知识的整合与共享， 包 括客服 、客户经理及 CRM 等平台， 以及迁

向更加注重一体化融合 发展转变 、 向更加注重 创新驱动转变 ” ，构筑 安全 、 便捷 、 高效、 绿 色 、 经济的综合交通 体 系。 交通运输部印发《推 进综合交通运输大数 据发展行动纲要》 ， 以数据资源赋能交通 发展为切入点 ， 实 施 综合交通运输大 数据 发展 “五大行动 ” ， 推动大数据与综 合交 通运输深度融合 ，为突发事件应急处置过程中资源协调和可视化指挥提供工 具和数据支撑。 出行需求增长和 问题缺少有力数 少精准预案、业 应急协同指挥 基于多源应急突发交通事件感知监测预警 ，启动应急预案 ，推送应急事件通知和上报 ，推 动应急事件会商决策、 融合指挥、协调联动和应急高效处置 ， 降低突发事件时空影响范围； 突发应急交通事 应急事件时空影 件感知预测预警能力弱 ，信息化与业务融合度和业务协调联动性差 路网安全保畅与拥堵治 理 路网事件精准感知 精准感知交通事故、恶劣天气、施工管 制、安全违规等交通事件并及时预警 安全提 升 路网复杂环境下行车 事故率降低 10% 服务提 升 路网综合运行实时信 息可查询率 100% 效率提 升 关键节点及路段通 行效率提升 10% 城市道路 高速公路 国省道路 重要交叉口

Llama 3.1 和 Qwen 2.5 ，与 GPT - 4 O 相当。 发 布 首 个 模 型 DeepSeek coder ， 免 费供 商 业使 用 且完 全 开源 推 出 DeepSeek LLM ， 参 数 规 模 达 670 亿，同时发布聊天版本 DeepSeek Chat 。 DeepSeek 成立 由对冲基金幻方量化实际控 制人梁文峰成立 High-Flyer DeepSeek-R1:1.5B 和 7B 轻量级推理系统 • 基于华为云 GPU 服务器上快速搭建 DeepSeek-R1:7B 和 8B 、 14B 等推 理系统 DeepSeek -R1 模型 方案 云服务 系统 盘 GB 数量 包月（元 / 月） 按需 ( 元 / 小 时 ) Tokens/s 搜 索 的 能 力 支持多种交互形态，提升用户体验 • 语 音 交 互 ： 精 准 的 语 音 转 写 能 力 ， 支 持 大 容 量 热 词 定 制 ， 可 方 便 快 捷 提 升 特 定 场 景 识 别 率 • 数字人 ： Deep Seek + 知识库 + 联 网 搜 索 的 数 字 人 大 脑 让 数 字 人 既 懂 私 域 知 识 也 懂 外 部 知 识 ；

...............................................................................4 图 3 预制模块化数据中心布局下温升矩阵示意图.........................................5 图 4 遗传算法（GA）示意图.................................... 组合，然后在项目现场进行拼装即可投入使用的数据中心解决方案。 智能调优技术 Intelligent Tuning Technology 智能调优技术是指利用感知识别、数据清洗、数据训练、认知推 理、系统建模、优化计算等人工智能技术手段，基于冷却系统运行数 据和物理机理实现对冷却系统运行参数的自主调优与决策。 冷却塔 Cooling Tower 用于将一次侧冷却工质回路的热量散到室外大气中的装置，一般 优化算法，实现对冷却设备运行参数的全局多目标寻优，实时保持多 目标最优策略。 图 2 全局冷却调优示意图 基于温升矩阵的制冷系统能耗优化的技术可以通过合理调配机 房负载分配和空调送风参数，避免局部热点，提高空调系统制冷效率； 针对预制模块化数据中心布局，建立离散域，求得流场，基于该流场 建立温升矩阵模型，建立机房服务器发热分布与温度场之间的关系， 迭代获得最优负载分配和空调送风温度，如下图 3 所示。

是中国城市公交的发源地。天津电车电灯股份有 限公司是中国内陆城市中最早出现的城市公交运 输企业。1904 年 4 月 26 日，该公司投资兴建了中 国第一条公交线路。经济的发展、技术的进步推 动了城市公共交通系统的不断变革与发展。 随着世界各国城镇化、工业化、机动化的发 展，城市交通拥堵、环境污染和能源消耗问题日 益凸显，建立通畅、便捷、绿色的城市交通系统 逐渐成为各大城市交通发展目标[7]。虽然各国历史 使用组合公共交通工具；提高公交在城市交通中的通 行优先级 整合多种出行方式于一个应用程序中；实行联合 定价 88 城市交通发展的首要位置，倡导公共交通支撑和引 领城市发展的规划模式。在公交优先发展政策的推 动下，截至 2014 年底，全国公交车运营车辆数增 长至 52.88 万辆，年客运总量增加至 781.88 亿人 次，相比2004年分别增长89.5%和88.9%。经过这 一时期的发展，城市公共交通在规模和服务能力 公交网络重复性高，协同服务能力弱 随着城市规模扩大，公共交通线网覆盖面积 也不断扩大，但是线网重复性严重，网络结构单 一，功能层次不清，缺乏一体化设计，多层次网 络适配性差，制约了公共交通系统整体效能的提 升。且相对于出行需求，公共交通网络多处于被 动和滞后发展状态，网络布局尚有待优化。此外， 由于体制原因，当前各模式公交大多独立运营， 模式间业务断联，不同交通方式之间缺乏组织协 调，难以确保运营调度系统的整体优化，制约了

，很重要的一点在于自动驾驶系统积累的数据量还不够 ，存在安全隐患。 SAE 对自动驾驶的分级标准 自动驾驶近年来一直未能进入 L3 时 代 资料来源： SAE J3016- 2018 100 亿公里 马斯克曾在推特点赞了这样的观点： 实现超越人类的自动驾驶能力至少 需要 100 亿公里驾驶数据。 1000 亿公里 自动驾驶初创公司 MOMENTA 在其 公众号上提出： 要实现 L4 级驾驶，至少需要千亿公 月进入 全 球前五。 AI 大模型可以大大降低自动驾驶成 本 特斯拉坚持走视觉路线， 其 Model 3 应用的是 8 个摄像头 +1 个毫米波 雷达的配置方案。 自动驾驶能力的提 升需要大量算法训 练， 除真实场景外， 需模拟出大量仿真 场景做补充。如果 仅凭借工程师的理 解设计仿真场景， 能模拟的场景数量 有限。 而大模型的应用将 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 100 亿公里 马斯克曾在推特点赞了这样的 观点： 实现超越人类的自动驾驶能力 至少需要 100 亿公里驾驶数据。 1000 亿公里 自动驾驶初创公司 MOMENTA 在其公众号上提出： 要实现 L4 级驾驶，至少需要千

驱动 将沉睡的数据转化为可行动的洞察，不仅呈现“是什 么”，更能解释“为什么”，并预测“会怎样”，让 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 私有化生态 云化生态 平台化生态 金融 AI Agent 价值 金融 AI Agent 应用的层次 金融 AI Agent 生态演进 用 户 信 任 度 提 升 使 用 大 模 型 的 金 融 机 构 数 量 典型行业分析【金融】—— AI Agent 在金融领域的细分场景分析 应用落地的累计样本比例，从左到右依次递 减 ) 自 动 化 告 警 处 理 多 模 态 数 据 分 析 代码生 成与补 全、代 码审查 与问题 定位修 复 产 品 策 略 推 荐 / 自 动 化 营 销 自动化 报告生 成与运 维决策 支持 自动化 信贷审 批、交 易授权 等决策 更复杂的部署场景 市 场 趋 势 预 测 、 投 资 建 议 生 成