战。针对公共交通系统发展目标、体系构建、运 营管理模式和供给结构等方面提出了发展理念与转型思考，并对现代公共交通系统发展趋势和相关 关键技术方向进行了深入分析与展望，以期推进大数据、云计算等多种新一代信息技术在公共交通 系统运营、服务和管理方面的深度融合和应用，为多模式协同的公共交通系统发展和建设提供参考。 关键词 公共交通系统；多模式公交；信息技术 公共交通是指城市中供公众乘用的、经济方 《综合运输服务 “十四五”发展规划》，指出完善多样化公交服务 网络对于提升中国公交服务品质有重要推进作用。 2022 年 1 月，国务院发布 《“十四五”现代综合 交通运输体系发展规划》，强调打造多模式便捷公 引用格式: 于滨, 李欣, 刘好德. 现代公共交通系统变革与发展[J]. 前瞻科技, 2023, 2(3): 86-96; doi: 10.3981/j.issn.2097-0781.2023 系架构、运营组织、服务模式向一体化、智慧化、 协同化转型发展，满足乘客对于公共交通出行的 多方面需求与期望，为人们提供高效便捷、安全 舒适、经济环保的出行体验[6]。 本文回顾总结国内外公共交通系统的发展历 程及现状，面向未来中国交通发展需求和交通强 国建设的总目标，指出中国公共交通系统在当前 关键变革阶段面临的四大需求与挑战，从网络布 局、智能化水平、运营组织模式、服务韧性、系统

www.jazzyear.com 任务复杂度 从“单点技能”走向“综合流程” Agent 满足市场需 求 部署模式 从“实验室”走向“生产线” 01 潜力契合 机制契合 能力契合 4 产品名称 底层模型 核心技术 自主性 多模态能力 高（网页交互） 强（视觉理解） 高（跨领域任务） 强（文本、图像、代码） AI Agents That Matter 》中提出在 AI 时代， AI Agent 具 备复杂环境适应、自主目标追求、自然语言交互、低监管依 赖、采用特定设计模式且控制流由 LLM 动态驱动等特征。 复旦大学自然语言处理实验室 《 The rise and potential of large language model based agents: a survey Agent 规模化落地。 互操作性： MCP 让 Agent 可便捷对接任意遵循规范的工具，工具开发者仅需支持 MCP ，就能被海量 Agent 调用，替代 Function Calling 自定义模式，从 “工具 - Agent 零散适配” 转向 “生态级互联互通”。 MCP 与 A2A 协议： AI 生态的“ USB-C” ，有望释放 AI Agent 的潜力与价值

字经济 发展，推动数字经济与实体经济深度融合，利用数字技术优化产业链资金流转效率等方面具 有显著优势。在产业链协同领域数字人民币的价值尤其巨大，其应用不仅是技术层面的突破， 更是对传统经济运行模式和产业生态的重塑。 中国人民银行数据显示，截至 2024 年 7 月末，数字人民币 APP 累计开立个人钱包 1.8 亿个，试点地区累计交易金额 7.3 万亿元，试点范围已经覆盖 17 个省（市）的 上下游产业链的数字金融生态。 数字人民币还可以为产业链数字化协同带来多维度的价值提升，该体系的核心逻辑在于： 前 言 - 2 - 数字人民币作为价值载体和智能合约执行引擎，结合多维数据，驱动产业协作模式升级。 在便捷性方面，数字人民币兼容账户和价值特征，具有可编程性，实现数字人民币线上线下 全场景应用。在通用性方面，数字人民币采取模块化设计，可灵活对接境内外央行基础设施， 实现与对接的司法管 化的生态协同。政策支持、技术进步和企业实践相互促进，形成了推动产业链数字化协同的 强大合力。现阶段，实践中涌现的协作模式，如产业交易综合服务平台、P2F（Platform to Factory）平台等，为产业链协同提供了多样化支撑。工业互联与企业数字化改造呈现逐渐融 合趋势，工业企业数字化转型模式通常包括链主企业引领、与专业产业服务平台推动两类。 随着产业互联的发展，企业数字化改造不再是一个孤立的行为，而是与整个产业链的数字化

......................................................................................142 8.3.1 异常模式识别................................................................................................. 21%。 现行流程中标注的痛点环节平均消耗 72%的处理时长。更严峻 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 推理等传统算法难以突破的复杂场景时表现尤为突出。 1.3 引入 DeepSeek 大模型的目标与意义 在保险理赔业务中引入 DeepSeek 大模型的核心目标是通过人 工智能技术实现业务流程的智能化升级，解决传统模式下效率低、 成本高、体验差三大痛点。具体而言，DeepSeek 大模型将聚焦于 三个维度的价值创造：首先，通过自然语言处理与计算机视觉技术 融合，实现理赔材料自动分类、关键信息结构化提取以及欺诈风险

，一个试点 ”，在此基础上 ， 农 业农村部大数据发展中心建设了国家农业农 村大 数据公共平台基座。 整合涉农历史数据 挖掘数据价值 建设数字乡村 助力乡村振兴战略 项目模式：省农业农村厅厅长主抓，信息化处牵头 核心业务处室共同成立“专班 ”，推动各业务处室 的需求调研和协调。 项目概述：武威市凉州区农村局 ，县区级农业农村大数据服务平台。 主要实现以荣华和优然两家奶企为主的“黄金奶业 、 农业指挥中心等内容。 项目特色：①通过填报机制打通数据上行壁垒； ② 通过综合管理门户实现业务系统的统一入口 、统一管理， 降低区级数据汇总整理难度，使数据可见 、可查 、可用。 项目模式：国家数字农业创新应用基地项目申报， 中央 60% （不超过 2000 万） + 荣华和优然企业自筹资金。 健全农业农村数据采集体系 促进数据融合 建设数字乡村 服务乡村振 兴 漯 、农产品追溯源系统 、田长制产区 巡检 管理系统 、农作物长势分析软件系 统 、园 区社会化服务平台等内容。 运营管理规范化 环境生态化 科技示范化 展示智能化 项目模式： EPC+O 模式：政府招商引资， 申请专 项 债资金建设产业园 ，正大租赁运营支付 利 息。 项目特色： ① 实现全产业园一平台综合管理； ② 依托正大蛋鸡养殖产业链需求 ，建 设 种养循环示范区，实现全产业链闭环。

字符串匹配 钓鱼场景分类 ↓ 异常点解读 ↓ 意图综合分析 ↓ 响应处置建议 3 、意图识别 （人工、安全 GPT ） 钓鱼邮件检测 1.0 钓鱼邮件识别方法 2 、模式匹配 1 、特征 / 规则 邮件内容主题抽取 已知样本变种检测 变种样本检测 附件行为动态分析 图片内容识别 邮件历史分析 附件静态分析 附件投递对抗 敏感词检测 PE 文件 / 钓鱼正报是友商的 4 倍多。 邮件安全网关默认配置：检出 80% 的样本未拦截。 钓鱼检测效果 强对抗攻击： GPT 检测优势 普通攻击： GPT 检测优势 运营大模型 辅助驾驶模式 智能驾驶模式 云端数据 IOC 威胁情报 文件 (MD5) 域名 网址 IP .... 漏洞 产品 FAQ 向量数据检索召回产品资料 日志 事件与告警 其他语料库 [ 预 ] 训 练 微调 模型 深信服安全 GPT 任务 聊天交互 日志关联 事件分析 建议生成 辅助驾驶模式：对话式的辅助安全运营 ! 数据源 查询反 馈 ! 数据理解 与生成 ! 用户内容 反馈 数 据分析与挖掘 Prompt 提示工程 情报分析与 解读能力

多渠道管理能力低下 • 信息整合难度大，数据价值尚未 充 分挖掘 • 客户信息安全问题 • 传统在线客服拟人度低 ，客户体验 差 • 缺乏主动、个性化客户管理 传统金融客服中心运营模式面临诸多 挑战 • 业务迭代快 ，知识更新难 • 专业性语料库搭建难度大 • 知识管理落后 ，缺少定制化服 务 1. 管理效率 2. 业 务 推 进 3. 技 术 应 用 • 软硬件部署版本老 客户服务拟人化 以智能化为 核心，多渠 道整合客户 信息 个性化和智能化服务， 提升客户感知度 数据精细化、 技术智能化， 驱动运营升 级 以客户为中心的 智能化管理模式 百度智能客服技术概况 百度大脑 AI 开放平台 A 智能云 计算服务 CPU/GPU/FPGA 机器学习平台 技术 全球领先的大规模神经网络 深度学习 人才 2000+AI 开放性★★★★ 公有云和私有化 SaaS ， PaaS 丰富的渠道，产品，解 决方案和集成累合作伙 伴 阿里 完整性★★★★ 开放性 ★★ 公有云和私有化 SaaS ， PaaS 完善合伙伴模式 腾讯 C 完整性 ★★★ 开放性 ★★ 以 PaaS 为主，定制开 发服务 发展初期，合作伙伴 单一 科大 讯飞 C 完整性 ★★★ 开放性 ★★ 私有化项目为主 完善的语音合作伙伴

基于脏器进行全面 布局。过去，影像 AI 的研发落地常围绕某一特定疾病进行，但影像科医生在阅读 CT、 X 光片时，不会先入为主预设患者的患病情况，而是会逐一确认影像中的每一个细节， 这种辅助模式限制了影像 AI 的价值。如今，影像 AI 企业为实现某个脏器的诊断，必须 将该脏器中的热门病种逐一诊断，进而导致热门病种对应的影像 AI 数量激增。 3. 冷门病种虽然独立，但仍有潜力。病理、心电等场景同样存在工作量大、相关医疗 积分模块、ASPECTS 模块和扩展功能模块。未来，或有更多 AI 公司以这一模式实现多 病种 AI 的商业落地。 2.1.3 商业化及应用 尽管影像 AI 企业在市场推广时会将重心放在核心的辅助诊疗工具上，但在实际之中， 构成企业营业收入的来源较为多元，涉及的付费主体贯穿了产业的上下游，且在大量场 景之中得到了规模化应用。 2.1.2.1 常见的盈利模式 一、医院－销售影像 AI 诊断解决方案： 开发和销售医学影像诊断解决方案是影像 开发和销售医学影像诊断解决方案是影像 AI 最常见的盈利模式，也是最主要的盈利模 式。一般情况下，企业会直接向医疗机构销售或通过经销商间接向医疗机构销售，具体 付费可分为一次性买断与订阅制收费，国内医院偏好于一次性买断的模式。 二、医院－影像数据的收集和标注： 随着影像 AI 的价值被医生逐步认可，不少医生希望自主训练算法，打造更为个性化的 影像 AI 模型。训练过程中，影像 AI 需要大量的高质量医学影像数据进行训练和学习。

强国必先强教。多年来，中国以教育信息化支撑和引领教育 现代化，并将应用现代技术，加快教育信息化基础设施建设， 加强网络教学资源体系建设，以及构建适合信息时代的教与 学模式，作为推进教育创新发展以及推动人才培养模式改革 的重要举措。 为抓住新一轮科技革命带来的新机遇，加速教育现代化， “十三五” 期间，教育部结合国家 “互联网 +”、大数据、新一 代人工智能等重大战略任务安排，提出实施《教育信息化 指出，要推动人工智能在教学、管理、资源建设等方面的全流 程应用。2018 年教育部印发的《教育信息化 2.0 行动计划》 进一步明确提出，要利用智能技术加快推动人才培养模式、教 学方法改革，探索泛在、灵活、智能的教育教学新环境建设与 应用模式。随着教育信息化 2.0 新征程步伐的加速，智能化正 在政策驱动和产学研用等教育生态共同推进下，与数字化、网 络化、泛在化同行并领跑，以数据驱动为核心的智慧教育逐渐 教育教学解决方案正在更多场景落地，包括自适应学习系统、 智能导师系统、智能测评系统、基于虚拟现实 / 增强现实的 场景式教学都正在成为现实。而这又推动了以智能技术为代 表的新一代信息技术，更全面深入地渗透到教育多环节以及 教与学模式的融合创新过程之中，为面向未来打造智能型泛 在学习环境，构建智能化、网络化、个性化、终身化的现代 化教育体系添加了新动力。 人工智能在教育行业各场景中的应 用探索与实践 目前，在教育行业各场景中，如图

可以通过以下方式优化税务稽查流 程：  数据整合与清洗：将分散在不同系统中的涉税数据进行整合， 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。  在这一背景下，DeepSeek 技术的引入为税务稽查提供了新的 可能性。DeepSeek 作为一款先进的人工智能工具，具备强大的数 据处理能力和深度学习算法，能够在短时间内对大量财务数据进行 深度分析和模式识别。通过其智能化的分析引擎，DeepSeek 能够 自动识别异常交易、潜在的税务风险点，并为稽查人员提供精准的 风险提示和审计线索。这不仅大大提高了稽查工作的效率，还能够 帮助税务部门在复杂 技术在税务稽查中的应用主要体现在以 下几个方面：  数据预处理：通过自动化工具对原始财务数据进行清洗和标准 化处理，确保数据的完整性和一致性。  异常检测：利用深度学习算法识别财务数据中的异常模式和风 险点，如不合理的交易金额、异常的账务处理等。  风险评分：根据预设的风险模型，对每笔交易或每家企业进行 风险评分，帮助稽查人员优先处理高风险案件。  可视化分析：通过交互式的可视化工具，将复杂的数据分析结