税务行业标准大模型 基本情况 当下，人工智能正在成为全球数字技术创新的前沿领域。大模型 作为工业革命级的生产力工具，正在成为赋能百行千业向数智化跨越 升级的变革力量。为进一步落实数字化国家战略，推进产业数字化进 程，深度挖掘细分应用领域，打造具有差异化的企业级 AI 大模型，360 集团与中税集团合作共建了税务行业标准大模型，该模型旨在于解决 税务行业性、专业性问题。 税务行业标准大模型在人机交互、复杂内容和语言理解等方面， 具有强大的分析和学习能力，可以精准获取有效税务信息，高效处理 日常重复业务，在提高税收管理效率的同时，可以降低税收管理成本。 此外，大模型训练语料库涵盖了巨大的专业数据，其中包含中税 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 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— —360 智脑，成为引领企业级市场数智升级的重要驱动力。在应用方 面，360 集团与中税集团合作共建面向税务行业领域的大模型——税 务行业标准大模型，将人工智能技术有效地应用在涉税专业服务领域， 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、

3.2.1 多源数据接入方案......................................................................44 3.2.2 数据清洗与标准化......................................................................47 3.2.3 数据安全与隐私保护......... 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 48 小时的占比达 27%，严重影响就医体验。 当前医疗系统存在三个维度的能力缺口：在数据处理层面，传 统规则引擎无法有效解析 4%。在流程协同方面，电子病历系统与药房管理系 统的数据对接需要人工转换 17 个关键字段，导致处方审核平均延 迟达 4.7 小时。在智能服务维度，现有 chatbots 仅能处理预设的 300 个标准问句，对患者个性化咨询的覆盖度不足 20%。 通过深度调研华东地区 6 家三甲医院的工作流，我们梳理出以 下关键需求矩阵： 需求类别 现状指标 目标提升要求 技术实现路径 临床决策支持 辅助诊断准确率

企业战略规划 新技术趋势 EA 知识库 业务架构路线图 应用架构路线图 技术架构路线图 EA 标准词汇表 EA 工具 架构评估 项目架构文档 架构合规指标 架构评估方法 业务数据模型 数据集成模式 基础服务菜单 基础设施 SLA 硬件平台标准 硬件设备标准 业务流程架构 业务能力架构 应用架构 集成架构 数据架构 基础架构 资料来源：麦肯锡 7 使用 评估结果从三个方面显示出上海电力 EAM 的主要差距 要素 •架构现状无公认文档 – 业务能力架构 – 应用架构 – 集成架构 – 数据架构 •目标架构不完整、展望近， 仅有限于未来 1-2 年的标准 – 基础设施标准（已颁布） – 应用、集成标准（在编） 流程 •EAM 工作尚未正式发起 •无跨项目跨业务的 EA 需求 设计和 EA 设计更新流程 •无根据技术发展趋势改进 架构目标设计的技术管理流程 •无定期的企业架构转型规 企业战略规划 新技术趋势 EA 知识库 业务架构路线图 应用架构路线图 技术架构路线图 EA 标准词汇表 EA 工具 架构评估 项目架构文档 架构合规指标 架构评估方法 业务数据模型 数据集成模式 基础服务菜单 基础设施 SLA 硬件平台标准 硬件设备标准 业务流程架构 业务能力架构 应用架构 集成架构 数据架构 基础架构 有此要素且满足 EAM 要求

方面赋能保险主业；对外，依托众安科技布局人工智能、大数据、云计算等前 沿技术，围绕三大标准化科技产品系列——业务增长系列、业务生产系列、业 务基建系列，以及战略轻咨询、全域数字化运营、技术共建等定制化服务，打 -22% -13% -4% 4% 13% 22% 保险Ⅱ 沪深300 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业专题报告/证券研究报告 造“科 pOxOtRmMqPqMrRoOtPxPnR8O8QbRtRnNtRtQlOmMoQkPtRzQ6MmNrMvPtPmNMYmQyR 谨请参阅尾页重要声明及财通证券股票和行业评级标准 3 行业专题报告/证券研究报告 1 AI 大模型快速发展赋予 AIGC 产业化应用空间 .......................................... ................................................... 20 内容目录 图表目录 谨请参阅尾页重要声明及财通证券股票和行业评级标准 4 行业专题报告/证券研究报告 图 11. AI 坐席驱动产品销售规模 ......................................................

动机器人的广泛应用与协作，进而实现无缝协 同的、通用的服务机器人生态。 该生态不只是一个技术架构，更是一个融合了产 品技术和商业模式的创新生态，旨在促进服务机 器人在不同细分场景中的协作和整合。通过推动 行业标准的建立和多技术栈的创新，该生态将为 全球服务机器人行业带来深刻的变革，推动服务 机器人迈向通用具身智能的新时代。 在这一生态系统中，机器人的学习和适应能力 将不断增强，能够更灵活地应对各种复杂的任 开放性的全栈式智能服务机器人生态 | 第一章 全球服务机器人市场概览 第一章 全球服务机器人 市场概览 05 国际机构 1.1.1. 服务机器人概念定义 机器人一般是自动执行工作的机器装置，国际标准化组织（ISO）将服务机器人定义为“个人使用或 专业 使用，为人类或设备执行有用任务的机器人”。个人使用和专业用途的任务包括搬运物品、检查、监 视、人员运输、提供信息、烹饪和食品处理以及清洁等。 或设备执行有用任务的机器人 来源：国际标准化组织（ISO） 1.1.2. 服务机器人分类及报告研究范围 本报告综合国际权威机构及主流学界的分类方法，服务机器人二级分类参照Fraunhofer IPA标准， 将 服务机器人按不同的应用场景分为工业服务机器人、家用服务机器人和商用服务机器人；三级分类 结合International Federation of Robotics的分类标准，将服务机器人按功能进行划分。

...........................181 3.10.3.1 行业法律法规及标准.................................................................................181 3.10.3.2 地方法规及标准................................................ ..........................183 3.10.3.3 电子政务总体标准.....................................................................................184 3.10.3.4 应用支撑标准............................................... ..............................................189 3.10.3.5 应用业务标准.............................................................................................190 3.10.4 总体架构设计.......................

的是，欺诈风险持续升级，互助型骗保团伙导致的财产险异常赔付 金额年增长率达 34%。这要求核赔系统必须具备动态学习新型欺诈 模式的能力，而传统规则库每季度更新的机制已明显滞后。与此同 时，监管层对理赔时效的考核标准逐年提升，《保险服务质量指 数》将车险 72 小时结案率纳入核心指标，2024 年达标线已上调至 92%。行业亟需通过 AI 技术重构作业流程，在合规前提下实现精 度与速度的突破。 1.2 DeepSeek 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 准确率达到 98.7%，较传统 NLP 模型提升 32%。 性能指标 DeepSeek- 7B 行业基准模型 年保险业协会数据，财产险公司理赔纠纷中 67%源 于材料不全或信息误判，而 DeepSeek 大模型的文档理解准确率在 测试环境中已达到 98.7%，显著高于行业平均水平（82%）。通过 建立标准化智能审核流程，可减少 80%以上的人工复核环节。更关 键的是，模型持续学习机制能动态适应监管政策变化，例如 2024 年车险新规中新增的 12 类免责条款，模型可在两周内完成知识库 更新，而传统系统改造通常需要

..38 4.1.1 建筑设计案例库建设..................................................................39 4.1.2 数据标准化与格式统一..............................................................42 4.2 数据标注与增强................ .....................................................................................144 10.2.1 行业标准遵循.........................................................................145 10.2.2 隐私保护........ ....................................180 13.1 验收标准制定..................................................................................182 13.1.1 功能验收标准................................................

....................................................................................82 5.2.1 数据清洗与标准化........................................................................85 5.2.2 敏感数据脱敏处理........ 技术文档清单......................................................................................299 18.2 法规与标准文件..................................................................................302 1. 项目背景与目标 响应滞后，以及业务流程自动化程度不足造成的运营成本居高不 下。以某股份制银行 2023 年内部数据为例，其信用卡业务客服中 心日均处理查询类工单 12,000 件，其中 68%为标准化问题，但平均 响应时间仍达到 4.7 分钟，人工成本占比高达业务运营总成本的 39%。 在此背景下，本项目旨在通过深度集成 DeepSeek 大模型技 术，构建新一代金融智能体解决方案，实现三个维度的战略目标：

....................................................................................37 2.2.2 数据清洗与标准化流程................................................................................................ 行业主要痛点可归纳为： - 服务效率瓶颈：人工坐席日均处理咨询量约 50-80 通，高峰时段 响应延迟超过 30 分钟 - 风险管控滞后：车险骗保识别依赖人工审核，误判率高达 18% - 个性化服务缺失：标准化的产品推荐匹配度不足，转化率低于 12% - 运营成本高企：培训新人代理平均投入超 2.3 万元/ 人， ROI 周期 长达 9 个月 技术层面，现有系统存在明显短板：核心业务系统平均年龄达 效率瓶颈与人工依赖 保险业务全链条涉及大量重复性人工操作，核保环节平均需 3-5 个 工作日处理单笔业务，理赔周期普遍超过 72 小时（2023 年银保监 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