（ Natural Language Generation, NLG ）两大部分。 - 属于认知智能 - 计算智能（能存会算） - 感知智能（能听会说，能看会认） - 认知智能（能理解会思考，需要抽象和推理能力） 总览 ChatGPT 业财融合 数字化转型 1 2 3 6 REA 模 型 WEB3.0 技术 ChatGPT 技 术 4 5 6 基于新技术结合的业财融合案例分享 目标和形象，价值观是企业行为和决 策的基本准则。在数字化转型过程中，企业需要以其使命、愿景和价值观为基础，确保转 型方向与企业发展战略相一致。 组织结构、人才和绩效管理是实现数字化转型的基础要素。组织结构需要适应数字化 转型的需求，优化业务流程和决策机制，提高效率和灵活性。人才是数字化转型的关 键推动力，企业需要培养具备数字化技能和素质的员工队伍。绩效管理则可以激励员 工积极参与数字化转型，为企业创造价值。 业务流程优化、数据驱动的决策、客户体验和服务创新是数字化转型的具体实践。企 业需要运用数字技术优化业务流程，提高运营效率和客户满意度。通过数据分析支持 决策制定，实现精细化管理。客户体验和服务创新是企业在数字化转型中赢得竞争优 势的关键，企业需不断创新产品和服务，满足客户需求。 在进行数字化转型的过程中，企业需要关注可能面临的风险和挑战，如技术风险、法律法规合规问题、组织变革阻 力和数据安

实际的使用过程当中，还需要面对一个选择的问题。两个方面需要考虑：  解释方法的适用范围：在实际场景中，其实我们能希望某一种解释 方法与模型无关，或者说至少适用于实际的我们使用的模型算法。  解释方法的运行效率：在实际场景中，需要根据场景对运行效率的 要求做出适当的选择。对于那种实时服务的响应要求的服务，或者 多长时间之内必须要反馈结果，那么这个时候我们就需要考虑这个 方法的解释方法的一个运行效率。 DataFunTalk 成就百万数据科学家！ 22 卖等严重的犯罪行为。当前工业界与学术界的许多组织推出了基于图像文字等内 容方面的 API 以及解决方案。而本次主题则是介绍基于账号层面上的解决方法， 为什么需要在账号层面对网络黑产的账号进行挖掘呢？ 原因主要有三： ① 恶意账号是网络黑产的源头，在账号层面对网络黑产的账号进行挖掘可以对黑 产的源头进行精准地打击； ② 账号行为对抗门槛高，用户的行为习惯以及关系网络是很难在短期内作出改变 应用场景有 Facebook look like、Google similar audiences。 在黑产场景中与推荐场景中的应用类似，主要分为两个任务场景： ① 找出目标恶意类别用户。比如需要找出散播招嫖信息的用户，则给定该类用户 招嫖的标签，类似于一个用户定性的问题； ② 黑产种子用户扩散，即利用历史的黑产用户进行用户扩散以及用户召回，可以 通过染色扩散以及相似用户检索等方式完成。

高增值服务的结合。此外，所有 的创新都需要采用ROI模型评估回报，AI的突破发展将使得创新更加容易。 • 善用生态圈力量：保险公司需要更加善于利用生态伙伴的力量，技术发展使得险企与科技公司、 另类资本提供方、消费品供应商、零售商、汽车制造商等的深度合作变得容易，充分结合生态 伙伴力量可以更加突显保险的价值。 • 加强网络信息与数据安全：保险公司需要通过提高对网络攻击的认知、分享风险管理专业知识 在AI技术的驱动下，保险行业站在了充满机遇与挑战的十字路口。关键问题接踵而至，这些问题 不仅深刻影响着行业的运营模式，还在决定着未来的发展方向。面对这些问题，进行深入思考， 探讨有效的应对策略。 • 采取必要的精简：保险公司需要简化销售和运营流程，并消除不必要的步骤。险企可通过 Assistants API，将第4代人工智能模型引入服务流程。其在自然语言处理领域具有强大的能 力，可以帮助更快速、更准确地处理大量的文本数据，提高效率并减少人工错误。 保险公司该如何培养和布局AI能力？ …… 类似的问题层出不穷，而线性地回答问题似乎总是无法满足需求，甚至会让答案更加迷茫。在这 种情况下，读者可能会开始质疑自己的常规思维方式是否合理。然而，问题的核心往往隐藏在表 面之下，需要大家进行更深入的思考和探索才能发现。那么，为解决问题应该如何采取行动呢？ 三 洞察问题，探寻本源 面对复杂问题，建议参考《U型思考》方法论，从初始问题出发，洞察其背后的本质，进而精准 地解决问题。

以 通 过 其 镜 像（ https://hf-mirror.com/ ） 获 取 。DeepSeek-V3 和 DeepSeek-R1 的模型参数量较大，达到了 671B ，直接部署这两个模型需要 1.3~2 TB（FP16）的显存支持（如 128 卡 H100 的集群）。为方便一般用户本地 使用， DeepSeek 团队使用 Qwen2.5 和 Llama3.3 ，以 DeepSeek-R1 3-70B-Instruct HuggingFace 即使经过了蒸馏，7B 模型也需要 20~25G 的显存，即使是 24G 的 4090 显 卡， 部署也存在一定的风险。为此，在个人使用时，很多会将这类模型进行进一 步量 化，以缩减模型大小，ollama 官方拉取的 DeepSeek 模型即是通过 4bit 量化后 的 模型。 这里需要注意：无论是模型蒸馏还是量化，都会或多或少降低模型的能力。 3. com/，可以在任何设备和浏览器打开。之 前 从未登录过的用户需要进行登陆，使用手机号、微信或者邮箱登陆即可。如 图 1 所示，输入自己的手机号，点击发送验证码，然后可以通过接收到的验证码登 录 即可。 图 1 DeepSeek 注册页面 登录成功后，进入图 2 “ 所示界面，然后点击 开始对话 ”就可以使用。 图 2 DeepSeek 官方网站主界面 不过需要注意，那就是如何选择 V3 还是 R1 模型，可以参考下图。此外还

修，无法有效应对突发故障。通过分析设备的运行数据，AI 能够预 测设备潜在故障，帮助企业在故障发生之前进行维护，从而显著降 低停机时间，提升生产效率。 此外，AI 还可以助力钢铁行业可持续发展。随着环保法规日益 严格，钢铁企业需要优化资源利用，减少废物排放。AI 可以通过分 析能耗、废水、废渣等数据，提供精准的优化建议，帮助企业制定 更加合理的生产计划，达到既定的环保目标。 最后，AI 在供应链管理方面的应用也值得关注。钢铁行业的供 在传统的钢铁生产中，原材料首先会经过粉碎与筛分，从而得 到适合高炉炼铁的粒度。主要原料包括铁矿石、焦炭以及石灰石 等。焦炭的质和量直接影响炉内的温度和还原反应的效率，因此在 原料准备阶段就需要实施严格的质量控制。 熔炼阶段是钢铁生产的核心，通常采用高炉或电弧炉等设备。 在高炉中，原料被逐层加入，并通过焦炭产生的高温气流来进行还 原反应，铁矿石中的氧化铁被还原为铁，再与焦炭及石灰石发生反 铸造阶段是将液态金属铸造成特定形状的过程，通常会使用铸 造模具。铸造时需要控制冷却速度，以确保最终产品的组织结构符 合标准。同时，铸造过程中可能会出现缺陷，需借助在线检测技术 进行实时监控与调整。 轧制则是通过机械设备将铸成的钢锭或钢坯加工成各种规格的 钢材。轧制过程分为热轧和冷轧两种，热轧可以提高生产效率，而 冷轧则通常能够获得更好的表面质量和机械性能。在轧制过程中特 别需要考虑的因素包括轧制温度、轧制速度和辊间隙等，这些参数

微调，使其更好地适应业务需求，成为当前亟待解决的问题。 政府部门在日常工作中需要处理大量的法律法规、政策文件、 办事流程等文本数据，这些数据具有以下特点： - 专业性高：涉及 法律、经济、社会等多个领域的专业术语和知识。 - 复杂性强：政 策文件通常包含多层次的逻辑关系和相互关联的内容。 - 动态更新 快：随着政策的变化和修订，相关数据需要及时更新。 - 隐私与合 规要求严格：政务数据涉及公民隐私和国家安全，必须确保处理的 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、 降低人工成本。 - 政策支持：国家相关政策鼓励 AI 技术在政务领 域的应用，推动智能化政务系统建设。 此外，根据《2023 叉，且 需要对历史政策进行追溯和关联。传统的关键词检索或简单的规则 匹配方法难以准确理解这些文本的深层含义，导致信息提取和决策 支持的准确性不足。 其次，政务场景中的文本处理任务多样且动态变化。常见的任 务包括但不限于：文本分类、信息抽取、问答系统、自动摘要、情 感分析等。例如，市民提交的咨询问题可能涉及多个领域，需要快 速准确地分类并分发给相应部门处理。此外，舆情监测需要实时分

求分析中，我们首先需要明确系统的目标和功能需求，该系统旨 在通过 AI 大模型对公共安全领域的视频监控数据进行智能分析与 挖掘，以提升公共安全事件的响应能力和预防水平。 系统的主要需求可分为以下几个部分： 1. 功能需求 o 视频数据接入：系统需要能够接入多种格式的监控视频 数据，包括实时视频流和历史存档视频，以满足不同场 景的需求。接入系统需要支持主流的协议，如 RTSP、 RTSP、 HTTP 等， 以确保与现有监控设备兼容。 o 智能事件检测：借助 AI 大模型，系统需要实时分析视频 内容， 自动识别潜在的安全事件，如打斗、聚众、异常 行为等。模型应具备高准确率和低误报率，确保追踪如 盗窃、火灾、交通事故等事件的发生。 o 数据存储与管理：系统应具备强大的数据存储能力，能 够处理大规模视频数据，并保留相应的事件标签和元数 据。同时需具备数据管理功能，支持数据的分类、检索 用户权限管理：应具备完善的用户管理功能，允许多级 用户角色，控制不同用户的访问权限，确保安全数据不 被滥用。 2. 性能需求 系统的性能需求主要包括以下几个方面： o 实时性：系统需要支持实时数据处理，事件检测的延迟 应控制在可接受的范围内，例如不超过 5 秒。同时，对 于历史数据的处理能力，要求在数小时内完成缓存数据 的分析。 o 准确性：确保 AI 大模型在事件检测中的准确性和鲁棒

技术实施成本较高，包括硬件投入、系统集成和模型训练等方面； - 数据安全和隐私保护问题尤为突出，需要严格遵循相关法规和行 业标准； - 模型的透明性和可解释性有待提升，以确保评估结果的 公正性和可信度。 综上所述，金融贷款评估行业正处于传统模式向智能化转型的 关键阶段，DeepSeek 的应用为行业带来了巨大的潜力，但同时也 需要金融机构在技术实施、数据安全和模型优化等方面进行深入探 索和布局。 1.2 15%  坏账率减少 20%  欺诈检测准确率提高 25%  误报率减少 30%  客户服务响应时间缩短 50%  客户满意度提升 10% 在具体实施过程中，DeepSeek 技术需要与金融机构的现有系 统进行无缝集成，确保数据的实时性和准确性。同时，金融机构还 需建立完善的数据隐私和安全机制，以保护客户信息不被滥用。通 过逐步引入和优化 DeepSeek 技术，金融机构不仅能够提升贷款评 能够为金融机构提供更加精准和高效的贷款评估解决方 案。 3. 金融贷款评估的传统方法 在金融贷款评估的传统方法中，主要依赖人工审核和基于规则 的系统来进行信用风险评估。传统方法通常包括以下几个步骤：首 先，贷款申请人需要提交个人信息、财务状况、信用历史等资料。 这些资料由银行或金融机构的信贷专员进行初步审核，审核内容包 括申请人的收入水平、资产负债情况、职业稳定性等。其次，审核 人员会根据内部制定的评分模型对申请人进行打分，评分模型通常

建 设是根据岗位需要，有针对地进行课程设置，确定一般专业课 和核心专业课，打造完备的线上 / 线下培训体系；综合实训是 设置贴近不同行业生产运行环境的真实案例应用，进行项目制 的综合实训；就业认证是指导学生获取由人工智能龙头企业， 如英特尔等提供的相关技术能力认证，并提供生态体系内的岗 位就业指导。 人工智能教育面临的挑战及对策 人工智能从诞生伊始，就是一门需要将理论与实践充分融合， 并在实际应用场景中开展实训论证的学科。比如，人工智能的 算法演进通常都是为了解决某一场景中的具体需求，应用场景 的变化以及对更高训练、推理效率和精度的要求，使更多新模 型、新算法被提出。而新算法在提出后，也需要在实际场景中 不断进行实践应用，才能积累更多的结果数据，进而对算法实 施反向迭代优化。 所以人工智能教育的本质，也是通过合理的课程设置和实训环 境，科学引导学生完成从理论到实践，再到创新应用的过程。 科，因此教育机构往往欠缺完善的课程体系，课程特色不足， 同时理论知识设置分散，针对不同层次人才的专指性课程欠 缺；在师资层面上，由于人工智能技术不断推陈出新，新的 算法、模型、技术和产品出现后，教师也需要大量时间重新 进行体系建设，加之授课教师水平参差不齐，使人工智能专 业师资队伍的建设也成为其推进过程中的一大难点。为改变 这一现状，许多教育机构正与英特尔等人工智能行业先行者 携手合作，利用他们在人工智能领域丰富的经验，实现知识

等驾驶操作 驾驶者与 系统 部分 行驶任务 2 部分自动化 • 系统能够完成某项驾驶任务 • 驾驶者需要监控驾驶环境 • 其余驾驶操作由驾驶者完成 驾驶者与 系统 3 条件自动化 • 系统负责某些情况下环境感知 • 驾驶员需要时刻准备取回驾驶控制权 系统 系统 4 高度自动化 • 系统能够进行环境感知 • 驾驶员不需重新取得驾驶控制权 • 系统只能在特定环境条件下运行 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 里驾驶数据。 我国 2022 年公里旅客运输周转 量 道路交通具有场景复杂、参与者多、场景异质性强等特点 ，存在大量不可预见性。为避免长尾问题 智能汽车头部公司 NOA 系统发展概况 AI 大模型将从根本上改变自动驾驶产业的发 展 资料来源：中信证券 硬件配置方面 ，需要车辆使用满足 L3 级自动驾驶功能的智能化传感器 ，如摄像头、激光雷达、毫米波雷达等， 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力 ，能在毫秒之内识别信息 ，并提出应 对策略。 应用智能传感器是实现