层设计， 推进“人工智能 +” 行动，以“数字化、绿色化”转型支撑新型电力系统和新型能源体系建设。 源荷精准预测 电气机理 与知识 负荷特性分析 地理信息 人工智能是支撑新型电力系统高质量发展的关键 新型电力系统 支撑 电 力 人 工 智 能 系 统 社会、经济 影 响 中 国 南 方 电 网 CHINA SoUTHERN POWER GRID 非结构化 知识 数据清洗整合的复杂性 缺乏准确性、一致性维护 缺乏数据质量监控 数据可靠性不佳 数据完整性不足 十 数据量不足 数据质量较低 数据标准化较低 缺乏验证集和测试集 无法有效建设高质量 数据集严重制约数字 化进程受阻 数据质量问题可能会导致严重的调控 决策风险和损害 业务挑战：数字化转型挑战 无法保障数据可以被及时、 准确地访问和利用 AI 训练所需算力和电力 基于 MAAS 框架 ) 模型管理 / 检索 模型下载 模型调优 / 训练 模型推理 模型部署 模型应用 典型开发框架 模型库 样本库 实训框架 文档 / 教程 开发者社区 简单可集成 全模态 高质量全领域 可在线 / 离线 AI 高效学习 贡献活跃 产业金融 金融放货智能评估 电费货智能评估 供货贷智能评估 采购过程文件智能辅助编制及校验 电力会议转录助手

智能交通技术与系统教育部重点实验室，北京 100191 3. 大连海事大学交通运输工程学院，大连 116026 4. 交通运输部科学研究院，北京 100029 摘要 文章在回顾公共交通系统变革与发展历程的基础上，面向社会经济高质量转型及科技变革 发展背景，剖析了中国公共交通系统发展面临的挑战。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 通体系结构不合理、服务能力与水平不足、管理 手段落后等问题仍然突出，特别是近年来受网约 车等新型出行方式的影响，城市交通结构变化显 著，公共交通客运量和分担率持续下滑[5]。在社会 经济高质量转型发展及新一轮产业科技变革背景 下，公共交通系统正处于全面革新的发展阶段， 应突出以人为本的理念，全面推进公共交通的体 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 共交通供给结构应由过去重视均质化规模增长向 兼顾系统效能及服务水平双重提升的存量挖潜转 变，推进公共交通组织模式与供给投入的精准匹 配。构建一体化集约公共交通系统，以高质量公 交出行服务供给满足高层级出行需求，并促进高 层级需求呼唤高质量供给，形成公交出行服务供 给和需求正反馈机制，使供需两端相互配合、协 同发力，进一步推动形成公共交通出行需求牵引 供给、供给创造需求的更高水平动态平衡。 4

领域内做行业场景训练并输出行业场景应用模型。 税务行业标准大模型具备以下技术优势： 1. 样本优化：通过样本优化技术，建立倒排定位，不断通过模型 微调自动化测试跑校验集，以实现高质量的逻辑链路。 2. 去重优化：通过专家高质量输入，淘汰低质句子及篇章粒度去 重，从而保证了文本的质量。 3. 算法优化：对算法模型本身进行了优化，包括位置编码优化、 中文语义优化、激活层非线性兼容、前向网络自适应、SFT GPT 培 训师团队，成为大模型效果持续优化的保障。 3、丰富的训练语料 360 数据量 A 股行业第一，是第二名的 2 倍，是 GPT-3 的 14 倍， 以搜索为基础，为大模型提供高质量的训练语料。中税集团借助深耕 涉税服务领域 30 余年积累的专家和知识，搭建涵盖包含超百万法规库、 千万量级的案例判例、几万本税务电子书，几十个细分行业知识的百 亿汉字集专业训练语料库，为税务行业标准大模型落地奠定了专业基

程的全局智能化，将制 造装备从数字一代跃升 为智能一代。统筹骨干 企业集成应用创新，中 小型企业普及应用，将 智 能 化 运 用 到 整 个 制 造 生产链中。 创新能力不足制约制造业向高质量阶段发展，需以并行模式融 合网络化、数字化与智能化手段进行升级 中 国 建国初期，开始进行包括 工业化在内的“四化建 设” , 重点在重工业、军 工等方面发力 改革开放以后实行联产承 能制造作为今后发展的主 线，实现制造业转型升级， 从制造大国向制造强国转 变 中国制造业细分领域众多，行业间数字化基础差距较大且需求各异，在制造业由高增速向高质量发展过程中，我国制造业仍然面临低端供给过 剩、高端供给不足、创新能力不适应高质量发展要求等诸多挑战。从全球工业革命的演变历程来看，我国尚处于工业化升级的进程当中，需要 工业 2.0 、工业 3.0 与工业 4.0 “ 并行式”发展。 nalysys 易 观 分 析 在制造业迎来“数字化、网络化、智能化”为发展方向的变革中，以人工智能为代表的数智技术与制造机理深度融合，构建智能制造发展范式， 已 经成为加快制造业高质量发展和建设新型工业化的重要抓手。通过 AI 在关键环节的赋能作用，智能工厂实现了生产、管理、服务的智能化， 推动了产业模式向服务型制造转变，助力制造业实现数字化端到端集成，促进协作与资源共享，为未来制造业发展注入新的动力。

60 40 20 0 来源：公开资料，未尽研究，环球零碳 说明：目前仅部分省份公布了智算基建规划。甘肃未公布智算规划规模。其他省份公布的规模，表示为“超过”“至少”等，取其下限。全国规划指“高质 量行动计划”中对全国智算规模的规划。上述规划基本上截至 2025 年。 重庆 山西 贵州 青海 上海 广东 江苏 安徽 北京 甘肃 河北 各省加总 全国规划 智算规模 EFLOPS AI 改变能源 电量的 5%-10%。 中国智能算力每年增长 70% 去年底，中国提出了《算力基础设施高质量发展行动计划》与《深入实施“东 数西算”工程，加快构建全国一体化算力网的实施意见》。全国各地都在摸底 算力，行动快的省份，已经推出了自己的基建方案。 部分省市规划的智算规模总量，超过了全国的计划目标。“高质量发展行动计划” 明确指出，到2025年，中国数据中心的算力规模超过300 EFLOPS，其中智能算 105 EFLOPS。而“八大算力枢纽节点”中的京津冀、长三 角和粤港澳三大枢纽，规划到 2025 年的智能算力规模已经接近 120 EFLOPS。 智算规模实际部署速度，快于计划文件的目标。“高质量发展行动计划”原定 至 2023 年底，智能算力达到 66 EFLOPS；而按照工信部今年披露的数据，去年 智算规模已达 70 EFLOPS，同比增速超过了 70%。 智算规模加速部署，既是中美

60 40 20 0 来源：公开资料，未尽研究，环球零碳 说明：目前仅部分省份公布了智算基建规划。甘肃未公布智算规划规模。其他省份公布的规模，表示为“超过”“至少”等，取其下限。全国规划指“高质 量行动计划”中对全国智算规模的规划。上述规划基本上截至 2025 年。 重庆 山西 贵州 青海 上海 广东 江苏 安徽 北京 甘肃 河北 各省加总 全国规划 智算规模 EFLOPS AI 改变能源 年全社会用电量的 5%-10%。 中国智能算力每年增长 70% 去年底，中国提出了《算力基础设施高质量发展行动计划》与《深入实施“东 数西算”工程，加快构建全国一体化算力网的实施意见》。全国各地都在摸底 算力，行动快的省份，已经推出了自己的基建方案。 部分省市规划的智算规模总量，超过了全国的计划目标。“高质量发展行动计 划”明确指出，到 2025 年，中国数据中心的算力规模超过 300 EFLOPS，其 105 EFLOPS。而“八大算力枢纽节点”中的京 津冀、长三角和粤港澳三大枢纽，规划到 2025 年的智能算力规模已经接近 120 EFLOPS。 智算规模实际部署速度，快于计划文件的目标。“高质量发展行动计划”原定 至 2023 年底，智能算力达到 66 EFLOPS；而按照工信部今年披露的数据， 去年智算规模已达 70 EFLOPS，同比增速超过了 70%。 智算规模加速部署，既是中美

月，市经济和信息化局印发《宁波市加快推进人工智能高质量发展高水平应用实 施方案》 ( 征求意见稿 ), 深入实施我市数字经济创新提质“一号发展工程” , 抢抓通用人 工智能发展新机遇，推动人工智能技术赋能经济社会高质量发展。争创国家人工智能创新 应用先导区，基本建成全国人工智能垂直模型创新地、智能计算先行地、场景应用示范地。 建成高质量数据集 10 个；培育有全国影响力的垂直大模型 以上融合示范案例，全力打造人工智能创新发展和融合应用高地。 附件 2 宁波市加快推进人工智能高质量发展高水平 应用实施方案 ( 征求意见稿 ) 为贯彻落实国家、省关于人工智能发展的决策部署，深入实 施我市数字经济创新提质“一号发展工程” , 抢抓通用人工智能 发展新机遇，推动人工智能技术赋能经济社会高质量发展，特制 定本实施方案 关于公开征求《浙江省“人工智能 +” 行动计划 (2024-2027

向 量化处理不仅提高了数据处理的效率，还增强了模型对文本特征的 理解能力，为后续的模型微调奠定了坚实的基础。 通过上述步骤，数据准备与预处理工作为 DeepSeek 政务大模 型的微调提供了高质量、规范化的数据集，确保了模型在政务领域 的应用效果和实用性。 2.1 政务数据集收集 在政务数据集收集的过程中，首先要明确数据来源的多样性和 权威性，确保数据的全面性和准确性。数据来源主要包括政府部门 数据的时效性。 对于历史数据，应确保其覆盖的时间范围足够广泛。  数据权限：确保数据的使用权限合法，避免涉及敏感信息或侵 犯隐私的数据。 通过以上选择和注意事项，可以为政务大模型的微调提供高质 量、多样化的数据支持。 2.1.2 非公开政务数据获取策略 在获取非公开政务数据时，首先需要明确数据的来源渠道和获 取方式。通常，非公开政务数据存在于政府部门内部系统中，如地 方政府的数 检查，确保标注结 果的准确性和一致性。对于标注数据的存储，建议采用结构化的数 据库或文件格式（如 JSON、CSV），便于后续模型训练和评估。 通过上述清洗与标注步骤，可以为后续的模型微调提供高质量、 结构化的数据集，从而提升政务大模型的性能和应用效果。 2.2.1 数据去重与噪声处理 在数据清洗与标注的过程中，数据去重与噪声处理是确保数据 质量的关键步骤。去重操作旨在消除数据集中的重复样本，避免模

无线网络安 全 4. 物联网设施 安全 5. 校园私有云 平台安全 55 客户愿景 2 教育部等六部门 关 于推进教育新型基础设施 建设构建高质量教育支撑体系的指导意见 教育新型基础设施是以新发展理念为引领， 以信息化为主导，面向教育高质量发展需要， 聚 焦 信息网络、平台体系、数字资源、智慧校 园、创新应用、可信安全等方面的新型基础设 施体系。 指导思想： 以技术迭代、软硬兼备、数据驱动、协同 服务新需求，促进线上线下教育融合发展，推 动教育数字转型、智能升级、融合创新，支撑 教育高质量发展。 教科信〔 2021 〕 2 号 教育部、中央网信办、国家发展改革委、工业和信息化 部、财政部、中国人民银行 2021 年 7 月 1 日  （二）基本原则 • 坚持需求导向。聚 焦 教育高质量发展的迫切需要，立足固根基、扬优势、补短板、强弱 项，量力而行、因地制宜、循序渐进推动 到 2025 年，基本形成结构优化、集约高效、安全可靠的教育新型基础设施体系，并通 过迭代升级、更新完善和持续建设，实现长期、全面的发展。 2. 建设教育专网和“互联网 + 教育”大平台，为教育高质量发展提供数字底座。 3. 汇聚 生 成优质资源，推动供给侧结构性改革。建设物理空间和网络空间相融合的新校园， 拓展教育新空间。 4. 开发教育创新应用，支撑教育流程再造、模式重构。 5.

一定时间才能展现，而采购时管理者更注重解决方案带来的直接价值，影像 AI 的优先 级相对滞后；另一方面，由于过去影像 AI 在落地时通常采用与医生合作的方式免费部 署，部分主任在采访中没有直接表达采购意愿，只是强调高质量的 AI 产品自然会有用 武之地。 信息化 AI 方面，由于医院院长、信息科主任已经习惯了以采购的方式购置软件，且大 量 AI 可以直接快速地嫁接至现有系统。因而只要产品存在价值，能够为医院带来收益， 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。 因此，提供 AI 训练平台，协助医生整理、标注大量的医学影像数据，已成为影像 AI 的 一种新兴商业模式。 三、医学影像设备厂商－智能算法授权 当影像 AI 受剂量的情况，提供剂量维度的分析结果。 15 图表 7 PV-iDose 支持不同 TPS 计划剂量分析、叠加、不同影像序列的剂量叠加 资料来源：柏视医疗 其中，该系统的核心技术是使用 CBCT 影像通过 AI 生成高质量的合成 CT 影像，基于此 影像在线生成单次治疗高精度靶区和器官轮廓，预测单次照射的剂量，以及评估多个分 次的累积剂量，从剂量学维度评估患者放射治疗执行的进展，为患者的放射治疗方案调 整和定制