供给侧增强 持续训练 异构软硬件 灵活部署 符 合 生 产 指 标 任 务 主 导 性 强 理 解 能 力 强 生 成 能 力 强 信 息 集 成 能 力 高 动 态 自 适 应 复 杂 系 统 A I 云 边 端 可 弹 性 灵 活 部 署 提 供 基 础 高 准 确 率 持 续 学 习 行 业 规 范 与 知 识 • 稳健性与灵活性联合优化 • 拟人化

来源：中国工程院易观分析整理 中国制造业升级基本范式， 需“并行推进，融合发 展” , 运用网络化、数字 化、智能化技术手段，深 度融合制造机理，构建具 有深度自感知、智慧优化 自决策、精准控制自执行 的高柔性化及自适应功能 的制造体系。 数字化 数字化即在数字化技术 和制造技术融合的背景 下，以 5G 、 人工智能、 区块链、大数据等新一 代信息技术加速推动信 工 业 大脑 ” 、 “ 天 智 工 业 大 模 型 ” 致 力 于 降 低 人 工 智 能 作 为 生 产 要 素 的 使 用 门 槛 及 成 本 ， 实 现 人 工 智 能 以 自 动 化 、 自 适 应 的 方 式 在 工 业 企 业 中 落 地 。 在 工 信 部 发 布 2 0 2 3 年 度 智 能 制 造 示 范 工 厂 揭 榜 单 位 和 优 秀 场 景 名 单 中 ， 卡 升保温性能。同 时还 节省了材料用量，解决了行业溢料等难题，最终实现了生产效率提升 50%, 产品 节能提升 12%, 支撑了海尔冰箱在低碳环保方面的全球引领。 在智能控制器生产中， 平台采用自研的光学 检测设备和算法，在 对工厂每年数亿片检 测数据进行深度学习 的基础上，融入历史 人工经验，在数秒内 完成对数千个检查点 的快速“阅判” , 并 充 分兼容非质量原因

放宽、基础设施建设与产业链 发展等四大要素协同发力，为中国eVTOL产业的起飞积蓄势能，中国也有望成为全球首批 实现规模化应用的市场之一。 1.3.1 政策端——中央和地方大力支持低空经济发展 自2021年以来，中国政府围绕低空经济及eVTOL出台了一系列相关政策。2021年2月， 中共中央、国务院印发《国家综合立体交通网规划纲要》，首次将“低空经济”的概念写入 国家规划。2023年年底，中 度——它不仅是一种出行方式，更承载着对“自由飞行”体验的向往，成为连接高端消费 与空中生活方式的新载体。 当前，中国高净值人群数量位居全球第二。截至2024年，中国的高净值家庭及富裕家 庭 3总数已达到740万户，自2016年以来年均增长近3%4。这一规模庞大且持续扩张的群体， 正构成个人飞行eVTOL市场最具潜力的早期用户基础。 3 高净值家庭：家庭净资产超过1,000万元人民币；富裕家庭：家庭净资产超过600万元人民币。 其他场景 除了个人购买和低空观光外，个人飞行eVTOL还将在租赁、航校培训等场景中发挥 作用。 租赁场景与个人购买场景存在显著的协同效应。随着eVTOL产品逐步成熟、应用场景 持续验证，预计自2027年起，营地飞行将持续吸引飞行爱好者乃至普通大众参与空中体验。 参考成熟品类的租售比，预计到2030年，eVTOL租赁销售比可达到约5%的水平。未 来，随着运营商与eVTOL制造商加速布局营

公共卫生、医疗服务、医疗保障、药 品管理、计划生育、综合管理等应用 系统。 n 第三阶段 发展智能药物挖掘，支持我省医 药企业智能化转型，推进深度学 习等技术应用于药物临床前研究， 推动快速、准确地挖掘和筛选合 适的化合物或生物。 n 第四阶段 03 03 01 02 医学人工 智能落地 路径 搭建全区养老服务信息管理平 台，加快推进自治区、市两级 人口健康信息平台基础设施建 设，支持发展智慧医院系统， 型胸部正位图像筛查，其准确率已经达到95%以上。 • 效率低而且一致性差; • 事后质控，患者很难再次拍摄，时间损耗大； 人工智能图像识别技术 医学影像成像质量的自动评 价与评分；医学影像质控自 动化、网络化、常态化、实 时化 医生的阅片水平提高诊断率 人工质控的方式无法避免的两大问题 影像拍片AI质控 基于 实现 提升 • 医生层面：每一份有质量问题的报告，都能更清楚地明 确问题所在； 建设后，尤其是针对大型三级医院，应当大力发展：人工智能医院管理。人工智能在医院管理应用上主要有两个方向，分别是优 化医疗资源配置和弥补医院管理漏洞。 传统方式 人工智能 耗用时间 调查范围 最终效果 窄，大部分医院仅依靠自 有渠道搜集患者的反馈意 见 较长，由人工读取患者的 评价并进行总结 调查结果关系到医院各方 利益，调查往往流于形式 宽，多渠道搜集患者的反 馈信息 短，从信息搜集、分析到 总结全部由系统处理

人类进行目标设定，修改 调整，最后确认。 AI 完成绝大部分工作，人 类负责设定目标、提供资 源和监督结果， AI 完成 任 务拆分，工具选择， 进度 控制，现目标后自 主结束 工作。 Chatbot Copilot 绝大多数的工作 仍然由人完成 人 指挥 AI 人 指示 AI AI 绝大多数的工 作可以由 AI 驱动的智能体普及，其标准化对工具集成、上下文共享、任务协同至关重要。目前主流的 Agent 协议包括 MCP （安全工具调用与数据交 换）、 ACP （多模态消息与异步通信）、 A2A （点对点任务委托，适企业级协作）、 ANP （开放网络中智能体发现与安全协作）。 这些协议皆有一定优势， MCP 简化了智能体访问工具和数据的方式。 ACP 为企业智能体生态系统引入了本地结构化协作。 A2A 通过创建共享任 在零售领域大显身手，电商平台利用它与客户进行个 性化沟通，自动分析客户行为和偏好，精准推送产品推荐和促 销建议，促进客户购买，提升销售效率和客户满意度。 高端制造中的机器人集成 AI Agent ，能够感知环境变化，自 主 决策并执行复杂任务，如装配、打包、质量检测等，提高 生产 效率和准确性，实现自动化生产流程。 在媒体娱乐平台， AI Agent 依据用户观看历史、喜好等数据， 自动生成个性化的内容推荐列表，自动调整推荐策略，提升

教学进行统一调度、管理和优化的手段。 为解决这些问题，英特尔与深度合作伙伴联合伟世协作，基于 英特尔硬件强大的计算能力和数据训练方法，并结合学科教学、 师资建设和学生发展的需求，向各级教育机构提供一套完整适 用的人工智能教学端到端全栈实验室解决方案，为人工智能教 学以及相关的实训环节提供平台，并取得了良好的实践效果。 解决方案 ■ 方案解析 如图 2-1-12 所示，联合伟世与英特尔共同打造的人工智能教 • AI NUC：部署于边缘平台，内置一系列计算学习和开发套件， 支持人工智能推理、训练任务以及异构融合，并可用于嵌入 式场景创新开发； • 实训项目：用于开展前端数据采集并反馈到边缘平台，以自 动驾驶为例，自动驾驶实验小车带有数个摄像头，其可以通 过机器视觉的方式抓取图像数据。 在具体实践上，由实验小车自动采集完的数据放到边缘平台的 训练机中，通过相应算法对所有数据进行加工，包括数据预处 OpenVINO ™ 工 具套件等一系列产品和技术，凭借其创新架构和强劲性能， 正帮助人工智能教育系统厂商和各级教育机构借助云计算等 IT 新技术，以 “云 - 边 - 端” 等灵活的系统架构设计，打造适 于 K12 及高等教育等不同阶段师生使用的人工智能教学和实 训平台。来自基于英特尔 ® 架构的处理器平台的多核心优势， 通过对 NUMA 架构的良好支持，使开展规模化人工智能实训 任务的学生

性弱，政策标准变化快导致场 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 明确利 用 Al 大 模 型 技 术 赋 能 智能化。 12 月 3 日，赴自然 资 源部信息中心 调研 对接垂直大 模型建 设。对宁 波建设思 路高 度 认 可。 12 月 27 日，《关 于 自 然资源和规划垂直 大模 型有关情况报 告》报市 委，获主要领 导批示。 6 月 工作启动 2025● 2 月 Deepseek 接 入 2025 年 2 月， 接 入超算中心， 谋 划后土大模型应 全面评估大数据成矿预测项目的效果，总结并分享经验。 网页对话 iframe 集成 API 对接 工具 库配 置 支持灵活自定义 python 脚本接入，快速构建插件工具 功能全面 宁 该 市 自 然 资 源 和 规 划 大 根 型将建平台 智路体 数避车 知识库 工具 库 模盟设置 系统设露 智体 а вевця е шаввя 金调整合 A 小助手

学习认知 （大脑） 感知 （视听、触 觉...） 基于新一代人工智能 技术的学习认知系统 （大数据智能、人机 混合智能、群体智 能…) 智能控制 （策略自调整、 自完善…) 智能分析决策 （方法/模型自 调整、自完 善…) 智能信息交互 （跨媒体智能) 机器 （人机接口、动力装 置、执行机械、工作 装置、传感装置…) 专家知识与机器 智能整合形成的 自成长形知识库 （模型、方法、 基于数字孪生模型自动 洞察变化，提前采取适 应性行动； 2. 基于 AI ，风险自动预 判，并给出最优化的建 议； 3. 企业基础设施及资源配 置柔性化，满足最优化 要求； 数控化设备 基于设备联网的制造协同 实时共享云平台 大数据建模与分析平台 数字孪生与仿真分析 风险预判与自动决策系统 XRKJ 智能制造发展路径解析 智能化阶段 可预见 连接 云平台 自学习 自优化 价 值 车间哪些事 情正在发

NLU&DM 语义 知识库 FAQ 知识图谱 注：私有化项目暂不提提供 CRM 和工单模块； 统计组件 Taskbot 组件 知识管理组件 人机协同组件 联合运营 / 投资并购 / 自研 基础能力层 能力开放 自主研发 PaaS 层 组件层 少量已经在建设中，大部分在 2018 年完成招 标 启动建设，如中国银行完成招标、招商银行在 小流量测试、广发已经进入商务阶段 NLU 模型 智能知识库 检索模块 NLG 模型 管理平台 音频流 ASR TTS 百度智能客服实施案例 —— 某股份制银行智能音箱案例 音频流 接 口 适 配 层 注：最终对接平台数量、对话模块支持场景待定，后续双方确定 百度智能对话模块 ( 知行 ) 智能设备平台层 HTTPS 协议 / API HTTPS 协议 / API 智能音箱

全管理规范》三级等保要求，特别是医疗健康数据的脱敏处理需达 到 ANONYMIZATION-3 标准。 市场实践表明，成功的智能化方案应实现运营成本与服务质量 的双重优化。某试点案例显示，应用 AI 解决方案后，简单案件自 动结案率提升至 65%，复合型案件处理时长缩短 40%，同时欺诈 识别率从传统方法的 51%提升至 82%。这验证了深度智能技术在 保险理赔领域具有明确的 ROI 提升空间，预计可使理赔部门人均产 别后的非结构化文本 3. 构建理赔案例相似度计算模块，实现历史 案例的智能匹配和参考 4. 设计可解释性输出模板，使 AI 决策过程 符合监管透明性要求 模型安全机制采用三重保障：输入层设置敏感信息过滤模块自 动脱敏；推理层通过不确定性检测避免低置信度决策；输出层配置 人工复核触发规则。在压力测试中，系统单节点可并发处理 200+理赔请求，错误率低于 0.5%，完全满足大型保险公司日均数 万笔理赔的业务需求。通过持续监控和 大模型的基本原理与架构 大模型的基本原理与架构核心在于通过海量数据训练构建具有 通用语义理解与生成能力的深度神经网络。在保险理赔业务场景 中，DeepSeek 大模型基于 Transformer 架构，通过自注意力机制 实现对理赔文本、图像、结构化数据等多模态输入的高效处理。其 技术栈包含三个关键层次： 底层计算架构采用混合并行训练框架，支持千亿级参数规模的 分布式训练。具体实现上，模型通过张量并行（Tensor