摘要 2024 的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 互联网医疗、院内信息化系统已经引入相关技术，或能在明年实现规模化落地。 4. 下行经济形势下，医健企业一级市场融资受阻，IPO ................................46 第四章：大模型之下，生成式 AI 何以颠覆医疗？.....................................................................48 4.1 前沿技术：从判别式 AI 到生成式 AI...........................................

开放性的全栈式 智能服务机器人生态 开放性的全栈式智能服务机器人生态 目录 前言 03 第一章全球服务机器人市场概览 05 1.1. 概念定义及研究范围 06 1.1.1. 服务机器人概念定义 06 1.1.2. 服务机器人分类及报告研究范围 06 1.2. 全球服务机器人行业发展趋势分析 07 1.2.1. 全球服务机器人市场增长强劲 07 1.2.2. 技术变革推进行业创新发展 1.4.3. 信息安全与隐私保护(G) 16 01 开放性的全栈式智能服务机器人生态 第二章 开放性的全栈式智能服务机器人生态 19 2.1.生态概念定义 21 2.2.行业下半场的生态发展路线 22 2.2.1.生态技术基础：基于模块化设计与AIoT的R2X 22 2.2.2.商业模式变革：多品类产品矩阵助力全栈式具身智能 29 2.2.3.通用的多元形态：专用+类人形+人形 30 地的道路上也面临着来自技术与商业模式等方 面的多重机遇和挑战。 为了应对日益复杂的市场需求和多样化的应用 场景，同时伴随着商用服务机器人行业下半场 拐点的到来，普渡机器人在全球范围内率先提 出了开放性的全栈式智能服务机器人生态。该 生态的目标是构建一个开放性的通用服务机器 人生态系统，通过创新的商业模式与技术，推 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

基于互联互通的统一“一张网”，采用分布式构架建设数据资源，形成统一的自然 资 源“一张图”，基于分布式国土空间基础信息平台管理“一张图”，并在其支撑 下构建 各类业务应用。 提供应用服务基础支撑，不断完善分布式体系下的用户统一访问 入口，保证高并发 访问的安全、高效、稳定，为构建调查监测评价、 监管决策、政务服务等业务应用 提供技术支撑。 推进大数据处理服务等云基础服务设施建设，构建统一的分布式数据库资源池和大数据 和大数据 服务平台，提供统一的数据存储和大数据分析处理服务。 建成覆盖土地、地质矿产、测 绘、海洋等多节点的分布式自然资源云数据中心运行体系。 31 处 P4 分布式 GIS(Distributed GIS) 新 一 代 三 维 GIS (Three Dimension GIS) 大 数 据 GIS (Big Data GIS) 人 工 智 能 GIS (AI Platform P5 分布式空间数据引擎技术 云 原 生 GIS 技 术 边 缘 GIS 技 术 分布式 NoSQL 数据 库 空间区块链技术 Fabric IPFS 分布式空间分析与处理技术 GeoAI 经典空间数据分析处 理 端 GIS 组件端 Web 端 移动端 桌面端 分布式文件系统 分布式 SQL 数据 库 空间大数据分析处理 分布式 Geoprocessing

概念设计辅助....................................................................................101 8.1.1 方案生成..................................................................................102 8.1.2 方案优化.. ................................................................................104 8.2 施工图智能生成................................................................................107 8.2.1 自动标注......... 项目的主要目标包括以下几个方面：  提升设计效率：通过 DeepSeek 大模型的自动化能力，优化 建筑设计流程，减少人工干预，缩短设计周期，降低时间成 本。  增强设计创新性：利用大模型的生成能力和多维度数据分析， 为设计师提供多样化的设计思路和方案，激发创新灵感。  优化资源利用：通过智能化的空间规划和材料选择，提高资源 利用率，减少浪费，实现绿色建筑设计目标。  支持复杂

是指在机器上实现类似乃至超越人类的感知 、认知 、行为等智能的技术， 经历符号逻辑推理 、 专家系统 、深度学习等重要演进历程， 正进入以大模型为支撑 、智能生成为特征的通用人工智能时代 。 第三次浪潮 2000-2020 ：数据挖掘 深度神经网络 第四次浪潮 2020- 至今： 智能生成 NPL\CV\ 多模态 大模型 第二次浪潮 80-90 年代： 知识工 程 专家系统 第一次浪潮 50-70 年代： 模型类型 多模态训练模型结合人类 参与强化学习 多模态预训练模型 NLP 大模型 NLP 大模型 NLP 大模型 计算机视觉模型 计算机视觉模型 图、文 、音三模态 对话式大型语言模型 数据量 超过万亿单词的人类语言 数据集 中文多模态数据集 M6- Corpus 1.9TB 图像 292GB 文本 五大跨模态视频检索数据 集 40TB 训练数据 数百 太 初 文本 、 图片 、语音 、代码等单模态智能生成能力成熟 跨模态内容生成成为主要趋势 在文案编写 、 图形设计 、 图像识别 、音视频创作 、交互式问答等场景中进行 深度应用 。 P7 大模型带来的新能力： 智能生成 (AIGC) 交互式 AI 一般情况下由人物形象 、语音生成 、 图像生成 、 3D 生成 、音视频合成 、交互等核心模块构成 。 开放了强大的插件

属地数据局、数据集团、政企客户、公共企事业单位、金融医疗机构等。 关键经营数据分析——现⾦流健康度继续下降 AI赋能数据安全 2025年，AI技术深度融入数据安全领域，推动防护模式从“被动响应”向“主动智能”跃迁。生成式 AI 与嵌入式机器学习 （ML） 已融入 数据安全态势管理 （DSPM--Data Security Posture Management）、数据泄露防护 （DLP）、数据目录和威胁检测等产品， AI赋 影子数据集”与误标信息，提升数据分类分级准确性；实时行为关联，在运行期动态关联用户、数据 内容与操作行为，实现“数据检测与响应”（DDR）的闭环防护。基于智能体的自动化分析系统可快速定位漏洞攻击链并生成防护策略，而隐私计算技术则保障数据流转中的机 密性。当前，AI驱动的数据安全体系已成为企业数智化转型的核心支柱，通过降本增效与业务创新，构建新型生产力生态。 核心能力 关键挑战 应用场景 典型厂商 模型幻觉与误分类 4、 对抗性攻击风险 5、 数据合规与隐私保护 1、 智能数据发现与分类 2、 动态阻断数据外泄及修复 3、 数据安全态势可视化 4、 隐私及主权合规映射能力 5、 生成式人工智能风险检测 1、 数据智能分类分级 2、 敏感数据流入流出智能监测与脱敏 3、 数据泄露防护 4、 数据资产持续盘点测绘 5、 数据安全态势管理与合规检测 数据分类分级

AI 投资的商业价值诉求发生转变。企业不再满足于概念验证或小范围试点，希望 AI 方案能稳定落地生产环境，集成后带 来实 际业务成果，同时将 AI 从“助手”升级为“员工”或“自动化引擎”，处理如自动生成报告、解决复杂客服问题等复杂任务，以实现显著生产力 飞 跃。 AI Agent 契合这一需求，其天生适合处理复杂任务，强调执行与行动，具备自动化复杂流程的潜力，有望带来指数级效率提升和生产力解 20% 的渐进式效率提升，这属于“量变”； 现在的要求： 期待的是数量级（例如生产力翻倍甚至更高）的“质变”，旨在真正重塑工作方式、颠覆性地降低成本； 终极愿景： 将宝贵的人力资源从繁琐、重复的执行性工作中解放出来，使其能完全专注于更高价值的创造性、洞察性与战略性工作。 2025 年， AI Agent 风口已至：企业级 AI 过去的状态：局限于简单的问答、内容续写等“答案生成式”的单一任务； 了人工智能的下一次发展，从简单的自动化过渡到能够管理复杂工 作流程的自主系统。 AWS 一种软件程序，可以与其环境交互、收集数据并使用数据执行自主 任务以实现预定目标。 微软 将生成式 AI 的能力更推进一步， AI Agent 不仅仅辅佐你，它可以 和你并肩工作，甚至代表你行事。 IBM 能够自主地为用户或其他系统执行任务的系统或程序——它可以

腾讯金融云 周梦薇 提振销售 创新产服 企微坐席助手 代理人赋能助手 自动化内容生成 智能外呼自动助手 内部产服专家智能体 智能产品开发 自动化辅助核保 保单生命周期管理 理赔辅助分析 7*24 自动化客服 资 产 端 提升效能 资产配置智能 决策 辅助配置智能 决策 … 生成式 AI 正加速崛起， 成为驱动保险业务创新与增长的核心引 擎 AI 助力支撑体系的优化， 的 知识， 找知识效率低。 会前知识检索 会中随时提问 会后智能回顾 培训计划制定 AI 教学、 出题 AI 学习、智能陪练 搭建专属的行业知识库 支持多格式内容的识别、解析、问答 生成专业报告 AI 办公｜ DeepSeek & 腾 讯知识库 + 培训 + 视频会议三大 AI 办公应用 场景 人才培养 企业级知识底座 远程沟通 3 内容操作防泄漏 分享 、复制 、打印 、截屏提醒 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 确率 2. 使用向量关键词混合检索策略 、表格文字混合检索策略等，

6.2.1 模型压缩与量化..........................................................................103 6.2.2 分布式推理优化..........................................................................107 7. 业务逻辑集成........ 智能工单处理..............................................................................123 7.2.2 自动化报告生成..........................................................................125 8. 安全与合规设计.......... 款条件咨询 等） 与实时情感分析 2. 风险管理增强：通过时序数据建模预测违 约概率，在测试环境中将小微企业贷后预警准确率提升 12.7 个百 分点 3. 运营效率优化：自动生成监管报告耗时从 8 人/ 日降至 1.5 小时，关键字段提取准确率达到 99.3% 应用场景 传统方案痛点 DeepSeek 解决方案优势 实测效果提升 反洗钱监测 规则引擎误报率高达

............................................................................14 1.2.1 提升政务场景下的语言理解与生成能力...................................15 1.2.2 实现高效的政务数据处理与分析...................................... 技术尤其是大模型的应用成为推动政务智能化的重要方向。D eepSeek 政务大模型作为一款基于先进自然语言处理技术的大规模 预训练模型，具备强大的语义理解、推理和生成能力，能够有效支 撑政务领域的智能问答、政策解读、文档生成等场景。然而，由于 政务场景的专业性、特殊性以及对准确性和合规性的高要求，通用 大模型难以直接满足政务需求。因此，针对政务场景进行大模型的 微调，使其更好地适应业务需求，成为当前亟待解决的问题。 的 合规性和安全性。 为了应对这些挑战，本方案旨在通过对 DeepSeek 政务大模型 进行领域适配性微调，使其能够更精准地理解政务文本、生成合规 的政策解读、提供智能的决策支持。具体背景如下： - 技术需求： 政务场景对大模型的理解能力、生成能力和推理能力提出了更高要 求，需要针对性地优化模型结构、训练数据和微调策略。 - 业务需 求：政府部门需要通过智能化工具提升工作效率、优化服务质量、