耗尽。数据生产方式将从互联网上采集结构化数据的传统方式向数据资源的广度 和深度两个方向拓展：第一个方向是向广度拓展，即从互联网爬取数据向物联网自动生成数据的方向拓展。各种可穿戴设 备、智能家电、道路监控设备、工业互联网自动感应装置等生成的多模态非结构化数据，正成为当前数据来源的主流，专业 数据生产方式不断向广度和深度拓展是数据要素化发展新阶段的重要标志 人类社会正进入数据要素化发展新阶段 10 10 > 11 国家数据基础设施技术路线发展研究报告 化的数据标注与合成技术正成为海量非结构化数据成为高质量数据集的关键核心技术。第二个方向是向深度拓展，即从公域 数据领域向私域数据领域拓展。随着人工智能大模型的快速发展，全球可供大模型训练的公域数据即将耗尽，而原先由于涉 隐涉密（国家机密、企业秘密、个人隐私）而被尘封的海量私域数据，正在成为人工智能高价值数据集的重要数据源。传统 意义上的 和分析能力、广泛适用的服务模式以及严格的数据安全和隐私保护等特 点。首先，Palantir具有多源数据整合能力。其Gotham和Foundry平台能整合来自各种来源的数据，并通过先进的算法进 行深度分析发现数据价值，使得Palantir能够跨越不同行业，为各种客户提供定制化的数据服务。其次，Palantir产品服务 具有广泛的跨行业适用性。无论是政府部门还是商业企业，无论是能源、金融还是医疗

综上所述，业界普遍认为人工智能是计算机科学的一个分支，它的目标是让计算机及其他相 关技术能够执行通常需要人类智能才能完成的任务，如：学习、推理、问题解决、语言理解、感知、 决策等。该领域的研究包括机器学习、深度学习、自然语言处理、计算机视觉、强化学习、专家 系统等。 ● 计算机科学和人工智能之父，Alan Mathison Turing（艾伦·麦席森·图灵）认为，AI 是能使计算机完成那些需要人类智力才能完成的工作的科学； 能够通过数据学习和改 进的技术。机器学习包括监督学习、无监督学习、强化学习等方法，它们可以用于预测、 分类、聚类等任务。 ● 深度学习（Deep Learning）：这是机器学习的子领域之一，通过构建深层神经 网络模型来进行复杂的模式识别和特征提取。深度学习在图像识别、自然语言处理 等领域取得了显著的成果。 ● 自然语言处理（Natural Language Processing，NLP）：这是使计算机能够理解、 机器学习模型。在深度学习领域，大模型 通常是指具有数百万到数十亿参数的神经网络模型。这些模型需要大量的计算资源和存储空间来 训练和存储，并且往往需要进行分布式计算和特殊的硬件加速技术。大模型的设计和训练旨在提 供更强大、更准确的模型性能，以应对更复杂、更庞大的数据集或任务。大模型通常能够学习到 更细微的模式和规律，具有更强的泛化能力和表达能力。 大语言模型是一种基于深度学习技术的大型预训练神经网络模型，深度学习指的深度神经网

转型实践，通过数字化转型来推动企业向安全绿色高效的方 向发展。 （2） 电力 作为能源互联网的重要组成部分，电网作为能源系统的中 枢，其数字化转型已经成为行业关注热点。而随着人工智 能、5G、物联网等新兴技术与电力业务深度融合，智能电网 实现了从物理电网向信息电网的转变。以“互联网+”为基础的 数字经济时代下，电力企业数字化转型势在必行，这是实现行 业高质量发展和有效化解能耗问题的关键所在。 当前，数字经济发展处于关键时期，数字化转型是企业提 转型工作顺利开展。 2. AI是推进能源央国企数字化的利器 AI人工智能是推动能源央国企数字化转型的利器，AI能够 帮助企业把数字变为知识表达。知识表达以后就可以用机器识 别，而且可以深度搜索，可以提供自动回答问题服务。利用人 工智能技术来优化企业流程、提高生产效率、自动化客户服务 等。具体场景应用包括： 2.1 全渠道客服系统 （1） Udesk全渠道客服系统广泛覆盖国内外服务渠道，可接入网页、微 客户。 （2） 工单系统提供SDK、API等全面的第三方系统对接方式，能够与企业 使用的其他系统实现互通。 （3） 工单系统与在线客服、呼叫中心、智能机器人等产品完全打通， 实现智能服务全场景的深度应用。 2.5 Insight大数据 （1） 可视化拖拽操作，简单易用。自助式的可视化探索分析服务，预置 丰富的数据分析可视化报表，业务数据生成报告，降低业务人员 使用门槛。

E. 在自助业务办理过程中自动核查办理人身份 方便第三方集成，凭条。 人脸识别智慧社区管理方案 算法 自主研发 软件 自主研发 硬件 自主研发 系统平台 自主研发 核心技术 基于深度学习的人脸识别技术 人脸识别智慧社区管理方案 公司的平台、产品 人脸识别人证合一核查系统 动态人脸识别预警系统 VIP 迎宾、考勤、人脸抓拍、预警系 统 车载安监系统 车载辅助驾驶、司机行为