干预、模糊语义理解 BI 分析可分为统计型、归因型、预测型、决策型四个层次 展现数据，了解现状，发现问题 统计型 利用体系，以小见大，见微知著 预测型 拆解指标，建立体系，找到根因 归因型 直面问题，督办改进，完成闭环 决策型 4 BI 分析 层次 ChatBI—— 统计型分析 统计型 归因型 预测型 决策型 • 针对所输入的问题进行提 前阅读，模糊字段会触发 前阅读，模糊字段会触发 联想， 匹配字段枚举值 • 若干次优解作为推荐问题 备选，模糊语义场景下对 齐提问意图 • 基于主题下的模型数 据进行问答，提问中 可以方便地进行主题 和模型的切换 划定范围 模糊匹配 业务黑话 • 笨办法：做配置表 ChatBI—— 统计型分析 统计型 归因型 预测型 决策型 ChatBI—— 统计型分析 统计型 归因型 预测型 决策型 • 规则模型，提问精准命中底层数据 规则模型，提问精准命中底层数据 • 平台配置，辅助企业个性化问题识别 语义清晰的问题 语义模糊的问题 • 基于大语言模型解析意图 • 意图调整：用户可以直接对解析结果进行干预 和调整，以获得自己最终想要的数据结果 • 意图解析：通过直观的展示意图解析的过程和 结果，方便用户对齐查询意图 2023 年杭州分行存款余额 今年对公贷款余额排名第一的客户经理 近三年上海分行的不良率变化情况 今年存款做得怎么样

.....................................72 一、 规划瓶颈：顶层设计不完善，转型路径模糊..............................................................72 (一) 战略定位模糊，缺乏长期布局...................................................... 资金投入有限，核心建设支撑薄弱...............................................................................75 (二) 收益回报周期模糊，持续保障动力不足.....................................................................76 四、 数据治理：数据零散孤立，治理机制不健全 规划瓶颈：顶层设计不完善，转型路径模糊 (一) 战略定位模糊，缺乏长期布局 内部审计数智化转型规划普遍存在战略定位模糊，缺乏清晰的 转型蓝图，体系建设碎片化，缺乏与企业发展战略深度绑定的长期 统筹布局，部分企业数智化转型停留在零散的功能建设层面，难以 形成体系化能力。 通信、金融等行业审计数智化转型在集团层面已取得显著成果， 顶层设计已不是主要矛盾，而传统行业数智化转型规划与路径相对 模糊。 (二) 规划与核心痛点融合不足，场景覆盖不充分

代。随着技术的累积发展与资源整合，通用模型 与垂类模型的边界逐渐模糊，通用大模型可能与多个垂类模型存在交集，呈现出通用大模型与N个专家模型多重组合的形态，并不断 走向融合。 来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。 短期：成熟期 长期：融合期 当下：探索期 通用大模型主导 通用模型与教育垂类模型各司其职 边界模糊与融合 通用大模型 教育垂类模型探索中，通过蒸馏、裁剪， 教育数据调优等聚焦于教育场景应用。 细分场景及区域模型解决特定问题，小 规模人群和小范围内试验迭代中。 随着技术的累积发展与资源整 合，通用模型与垂类模型的边 界逐渐模糊，通用大模型可能 与多个垂类模型存在交集，呈 现出通用大模型与N个专家模 型多重组合的形态，并不断走 向融合。 模糊与融合 通用大模型与教育垂类大模型的发展演变 37 ©2024.2 iResearch Inc.

的还款能力均高度依赖于核心企业的付 款， 因此信用风险较为集中，关联风险大 ; 另一方面，供应链金融涉及到对产业的深刻理解，且包括合同、 应 收帐款、预付账款票据等均为非标准化，存在严重的信息模糊和信息不对称问题 ，在现有技术条件下 存在 信用评估难度大和风险控制难等痛点。 图片来源 : 公司公告，中信建 投 图表 45: 供应链金融平台所面临的信用风险敞口较为集中 图表 44: 供应链金融面临较为复杂的风控痛 公司公告，中信建投 图片来源 : 公司公告，中信建 投 5.4 AIGC 赋能供应链金融平台的具体场景 场景三 : 深度学习和推理分析 ，助力供应链金融平台风控、合规和融资决策。 供应链金融行业由于信息模糊和信息不对称等问题较为突出，面临较高的风控合规难度。但人 工智能凭 借其深度学习技术和推理分析能力，一方面能够处理大量的企业财务数据和历史交易记录等信 息，从而能 够为其提供更加准确的信用分析 ; 核心隐私。大模型训练依赖海量数据，但金融数据的使用面临多重矛盾 : 例如数据开放与封闭的博弈 : 金融 机构需在数 据共享 ( 提升模型精度 ) 与数据隔离 ( 防范泄露风险 ) 之间寻找平衡 ; 合规性边界模糊 : 最小化原则 对用户授权提出严 格要求，但大模型的黑箱特性使得数据流向难以追溯 ; 合规成本增加 : 数据驱动的智能升级需求 与隐私保护、合规成本 之间的冲突，亟需隐私计算 ( 如联邦学习、同态加密

高风险业务强制全流程穿透） （10）跨部门协作是否低效形成信息孤岛？（如：反洗钱数据未与其他风 控 系统打通；需要搭建联合数据平台，实现合规、风控、审计三方数据共享） （11）质量控制标准是否模糊化？（如：证据充分性、抽样比例阈值缺乏 量 化标准）；需要制定分级质量控制手册，明确关键指标阈值） （12）审计底稿数字化程度是否不足？（如：手工编制底稿导致版本混 乱， 影响追溯效率）；有条 需要增加“风险前瞻”章节，基于历史数据预测未来 3 个月高风险领域） （37）知识库更新是否及时？（如未将典型案例纳入内部培训教材，需要 按 季度更新案例库，标注高频违规场景（如信用卡套现新手法） （38）质量控制标准是否模糊？（如未定义“重大缺陷”的量化标准，需要 制 定缺陷分级规则（如损失金额超 100 万元或影响客户超 1 万人为重大缺陷） （二）大数据审计场景应用问题 1 、如何整理不同系统的数据？（比如先制定一套标准的数据格式规则， （2）信贷审批流程中是否存在超权限审批或逆程序操作，是否建立分级授 权动态调整机制？（调阅审批记录与授权文件核对） （3）信贷业务操作手册是否覆盖全流程关键节点，是否存在制度空白或执 行标准模糊的情况？（抽查业务档案与制度条款匹配性） （4）是否存在未严格执行“贷审分离”原则，导致调查、审查、审批环节职 责混同？（访谈岗位分工及调阅贷审会记录） （5）是否对关联交易及集团客户授信实施穿透管理，是否存在规避集中度

引进与叠加。当前，“技术业务两张皮”现象仍然普遍，阻碍转型项目 落地与推广。一方面，部分技术供给方过分追求技术的前沿性，未能精 准切入需求方在降本、增效、提质等方面的核心痛点。另一方面，部分 业务部门缺乏信息技术认知，无法将模糊的业务诉求转化为清晰、可执 040 中国工业和信息化 发展形势展望系列 行的技术需求。这种供需错位导致建设成果不适用、不好用。此外，技 术本身无法自动打破旧有体系的桎梏，组织变革和流程再造的滞后性，

逻辑（理性）：归纳，演绎，类比 • 计算（模型）：科学方法 • 基于观测经验，发现规律 • MIT：一切问题都是模型问题 • 模型：一个映射，一个函数 科学范式 • 用语言逻辑方法获取理论模型：模糊 • 用解析数学方法获取数学模型：精确 • 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数

东方证券为保障企业核心应用与投资数据安全，支 撑数字化转型并巩固建设成果，在“降本增效”背景下， 创新采用零信任安全架构实现网络与数据安全防护，为 证券行业提供了可借鉴的实践方案。 传统网络安全架构因边界模糊与静态授权机制，在复杂网络环境中面临边界失效、漏洞扩散及数据 泄露等核心风险。本文提出以“永不信任、持续验证”为核心的零信任安全架构，通过网络边界应 用收敛和访问身份动态信任评估实现业务的细粒度访问控制。 保护优势，无需改造业务系统即可管控员工对敏感数据 的操作行为，整合敏感数据流向。 东方证券通过构建以身份为核心、持续验证为机制、 最小权限为原则的动态防护体系，从根本上解决了复杂 架构场景下的边界模糊化风险。在无需改造应用业务系 统的情况下，实现了应用与数据层面的有效防护。 一是应用系统漏洞主动防护。所有业务访问都会经 过零信任应用安全网关实现动态校验和持续验证。零信 任应用安全网关可拦截所有未授权的访问和攻击，直接 甚 至 替 代 传 统 的 RAG 检 索， 如 GraphRAG 等。知识图谱能够以图的结构，显式地、精 确地建模数据库中表、字段、业务概念之间的复杂关系， 相比于 RAG 基于向量相似度的“模糊”匹配，知识图 谱会带来一些有价值的增益。 （1) 消除 JOIN 操作的复杂性。在知识图谱中，实 体间的关系是预先定义好的。这使得 LLM 在处理需要 跨越多张表的复杂查询时，不再需要自行推断和生成

com/s/wQWtYo2prUWt-VSjl8BVfw 24 在工程审计领域的应用中，APE 模型的各维度具有特定价值：行动维度使审 计专业人员能够精确定界审计范围与深度，解决工程审计中常见的边界模糊问 题； 目的维度将技术性审计工作与组织战略目标关联，提升审计活动的价值定 位；期 望维度则为人工智能输出提供明确标准，有效缩小技术输出与专业需求之 间的认 知差距。 4.2 CARE 模型：构建全面审计上下文

公司正在重新思考无法扩展的短期、技术优先的人工智能战略 组织如何从早期错误中学习 航空、零售、媒体、医疗保健和科技行业的部门预测，以及人工智能如何重塑运营、创新和 人才 3 转化与现代化的区别被模糊了。许多 2026趋势报告：数据与人工智能 简介：大（的）脱节 2026趋势报告：数据与人工智能 DataArt专家就人工智能实际应用领域、阻碍企业发展的 常见问题以及未来18个月将决定成功的优先事项提供的