型 2 5 多场景数据标注 小样本模型训练 零代码应用编排 全方位智能评测 图像干扰 勾选、手写、背景、印章、打印偏移等 复杂关系 混合版式、表格结构化、多层级关系、勾选框提取、易混淆字段提取、无 Key 字段提 取 智能结构化 版式 5000+ 泛化准确率 90%+ 5 张样本训练准确率 95%+ 大规模多模态预训练 CV 信息、语义信息、 布局信息、知识图谱 OCR 型评估、模型管理、模型服务的全过程功能，能够消除 AI 模 型 从实验室训练到产业环境落地的全环节问题。 多种数据接入与处理 l 腾讯云 TI 平台支持多种结构化 / 非结构化数据源及数据存储 的适配，支持配置结构化存储和非结构化存储。平台提供 场景化多种数据标注工具 ，解决用户个人快速小规模样本 试标及团队大规模数据标注的需求。 先进技术架构 l 容器化架构：微服务和容器化架构，

3 月 2 日 前 言 “ 在数智化转型时代背景下，工程审计正面临 数据爆炸、场景复杂、标准多 ” 元 的严峻挑战。传统工程审计模式依赖人工抽样与经验判断，难以应对海量工 程数据与非结构化社会数据的融合分析，导致审计盲区与治理效能偏弱，工程审 计智能化转型迫在眉睫。 DeepSeek 大模型作为自主可控的新一代人工智能大模型，凭借多模态理解、 动态推理与领域自适应能力，能够为工程审计的效率提升提供支持。本指南 APE 模型作为一种通用的思维框架，通 “ 过 行动（Action）-目的（Purpose） -期望（Expectation ” ） 三个维度构建结构化的信息处理系统。工程审计领域因其 复杂性、专业性和风险管控需求， 特别适合应用此类结构化思维模型，将抽象的 审计任务转化为可操作的 AI 交互策略。 应用场景：大型基础设施项目财务审计 1. 行动（Action）：审核 2023-2024 从工程审计问题相关法条自动检索的问答推理思考过程 工程审计问题相 关法条自动检索的问答推理思考过程，推理结束后，再将结果输出，如工程审 计问题相关法条自动检索的问答结构化结果所示。 图 5-2 工程审计问题相关法条自动检索的问答结构化结果 从工程审计问题相关法条自动检索的问答结构化结果中可以清晰地看到 DeepSeek 判别审计问题并提供相应法律依据的内过程及结果。 5.2 工程项目智慧造价 5.2.1 智慧造价概述

客观评价个性化属性回复准确率 给定带有个性化属性信息的 结构化数据 隐式建模个性化信息 人工评价回复是否包含个性 给定带有个性化偏好信息的 自然语言描述性段落 VS 结构化个性信息表示 33 VS 显式建模个性化信息 客观评价个性化属性回复准确率 给定带有个性化属性信息的 结构化数据 给定带有个性化偏好信息的 自然语言描述性段落 自然语言描述性段落 人工评价回复是否包含个性 隐式建模个性化信息 个性化回复生成代表性工作 自由文本描述的个性信息 结构化个性信息表示 Zhang et al. (2018) ACL Qian et al. (2018) IJCAI 34 NIPS ConvAI2 个性化聊天回复生 成 35 • 聊天机器人的目标是“像” 人 • 人的一个特性是具备个性化 • 属性信息 • 说话风格 • 机器人能否模拟人的个性生成回

自动化 智能化 高质海量 千人千面 更好转化 • 自动化生成问卷、对话式 AI 访谈 • 结合更多元的数据范围 • 大批次分析非结构化数据 ( 量化分析 ) • 将复杂数据分析过程可视化为图表和图形 • Agency 产出 Big Idea • 70% 案头工作 +30% 头脑风暴 • KOL 和 KOC 等创作者，众筹式生成大量内容 金融行业生 r 式 AI 机会点 Ā 谱 资料来源 ÿ 度小满 沙利文，中信建 维度 人类认知困难 AI 认知困难 人机协同价值突破点 客户画像 碎片化数据整合 ( 如跨平台 交易、消费等 ) 非结构化信息解读 ( 如面谈 微表情、家族传承理念 ) AI 生成 360 。客户画像初稿 ; 顾问通过深度访谈补充 " 情感 地图 " 资产配置 动态调整千种资产的非线性 相关性 理解政策突变对客户心理账 应用描述 非结构化、半结提高非结构化、半结构化数据的处理速度，对新场景下的新格式的数据完成特定信息抽取、格式转化等任务，降低对人工标注数 构化数据处理 据的依赖 数据收集 保险产品文档等产品设计完成之后，基于产品的结构化属性，例如责任、费率表等条款，通过 AIGC 模型可以快速生成对应的文档、图像宣传物料，

Berners-Lee 发明的万维网（World Wide Web） 将互联网从学术和研究工具转变为全球信息基础设施，其主要贡献是在网络应用 层采用超文本标记语言 HTML 将主机中的信息进行结构化表达和采用超文本传 输协议 HTTP 进行浏览器与服务器之间的通信，以传输 HTML 文件、图像、视 频等信息。HTML 协议、HTTP 协议以及浏览器等技术使得主机中的信息能够被 普遍访问和 ，旨在构 建一个全球化的知识网络，使计算机能够自主推理、整合和利用分布式信息。 2．实现思路 语义网的实现遵循知识工程方法论，其核心在于构建多层次的知识表示体系。 在实践层面，首先需要将非结构化数据转化为标准化的 RDF 图，这个过程通常 涉及实体识别、关系抽取等自然语言处理技术。领域本体（如医疗领域的 SNOMED CT）的构建则需要领域专家与知识工程师的深度协作。推理引擎基 于描述逻辑（Description 模型的数字实体互联概念图 数字实体层在以下几个核心方面实现突破： - 以身份寻址替代 IP 寻址：基于数字实体的唯一身份 ID，而非网络 IP 地址 进行路由 - 自描述结构化传输数据：所有传输数据基于统一的元数据标准，形成自描 述的结构化数据单元 - 基于语义的自动化协同：依托数字实体所处的语义环境，数字实体之间无 需依赖中心化平台，通过网络基础设施实现点对点交互。 （三）关键价值 当前数字

三查 ”智能分析模型，开发村级权力画像系统，建立涉农补贴异常支付特征库） （16）如何通过“审计成果共享平台”推动审计发现向董事会风险管理报 告、 内控缺陷库、员工培训案例库的即时转化？（如设计结构化数据清洗规 则，实现 审计问题自动分类映射至内控缺陷库、培训案例库及 ERM 报告模 块） （17）如何建立“审计整改清单销号制”，将整改成效纳入分支机构 KPI 考 5 核 体系，破解“ 多部门数据，构建 数据集市，通过大数据技术实现风险信号的跨系统关联分析。例如，将采购订单 数据与供应商付款记录自动匹配，识别虚假交易或利益输送线索。（多模态数据 治理框架，如非结构化合同文本与结构化交易数据融合；知识图谱技术关联人 员、 交易、资产等实体关系） 2 、敏捷审计小组模式：针对新兴业务（如跨境支付、数字资产）组建跨 职 能审计团队，融合 IT 专家、合规顾问与业务审计师，实施“短周期、高频 达系统，设置 关 键法规更新自动提醒（提前 90 天预警），需要设置专职岗位跟踪监管动 态，建 立法规变更预警机制） （5）数据治理体系是否不完善？（如：非结构化数据未纳入审计数据 池； 需要搭建统一数据中台，强化非结构化数据清洗能力） （6）审计目标与机构战略是否协同不足？（如：绿色金融战略推进中未 匹 配 ESG 专项审计规划；需要将战略分解为可审计的 KPI 指标，嵌入年度计

技术正加速从虚拟空间向实体经 济领域拓展，机器人作为 AI 技术的理想载体，凭借其高度的灵活性 和强大的适应性，正在迅速发展并广泛应用于各个行业，成为推动产 业升级和变革的重要力量。工业领域自动化基础良好、环境结构化程 度高且市场需求大，成为近期“机器人+人工智能”应用落地的首要 方向。凭借其在提高生产效率、降低人力成本、提升产品质量等方面 的显著优势，“机器人+人工智能”正在汽车制造、电子信息、金属 ， 提到要拓展智能机器人在清洁、娱乐休闲、养老助残护理、教育培训 等方面功能，探索开发基于人工智能大模型的人形机器人。 （三）工业领域将成为短期内智能机器人应用落地的主战场 自动化水平高、结构化、封闭式的工业场景是当前技术条件下智 能机器人最大的应用市场。工业环境相对标准化，生产流程固定，对 机器人的自主性和泛化性要求较低，部分领域如汽车、电子信息等已 3 经率先实现了工业机器人的规模化应用。根据国际机器人联合会 2，物流机器人主要得益于三个原因： 一是全球供应链的整合深化，电商和物流行业的发展使得企业对物流 运行效率和响应速度的需求不断提高；二是工厂设计水平的提升，模 块化厂房设计技术为移动机器人提供了封闭性、结构化的活动场景， 便于机器人快速移动和完成任务；三是激光地图构建（VSLAM）技术 的成熟，基于地图数据，深度学习算法能够自主规划行动路径，并进 行动态避障。 此类场景主要包括两种“机器人+人工智能”融合应用模式。一

帮助企业提高生产效率、提升客户体验和创造新的商业价值。举例来看， 1、安防行业作为 AI 技术落地应用较为领先的领域，率先受益于 AI 技术的成熟发展：随着 AI 逐步渗透到视频前后端设备中，AI 技术能够 对视频数据进行实时的结构化处理与分析，呈现在人工面前的并不是实 时的大量视频数据，而是经过 AI 分析后的结果。传统安防产业在产品、 技术与应用等多维度实现了更深层次的进化与变革。2、人工智能亦将 更加广泛地应用到智能制造行业中，机器视觉检测是 辨率提高，通 过网络回传的数据量也越来越大，将数据的结构化、处理与分析完全集中到云端会有网 络传输压力、实时性要求达不到、准确性降低等问题。 “云+边缘”的边缘计算解决方案，把 AI 算力注入边缘，提升 AI 服务器的响应速 度，也大幅降低了网络运营成本。通过在网络摄像头上添加人工智能芯片，前端摄像头 可以实时对视频数据进行结构化处理。例如，设置在交通路口的摄像头可以提取车牌， 车型 行为分析、异常侦测、统计功能等），无需额外增加 AI 协处理器，有望率先大规模推广。 结构化分析摄像机：以北京君正的 T20+T01 方案为例，在 IPC SoC 基础上加入了 简单的 NPU 浅层处理器，能够从视频数据中提取一些特定信息比如车牌、车辆信息等。 深度学习摄像机：有单独的 AI 芯片（GPU/FPGA/ASIC），采用深度学习算法，对视 频数据进行结构化处理，并做不同维度的分析，提高目标的识别准确性。

可以自动完成 发票录入等任务，而大模型则能够回答员工关于财 务政策的问题，并依据数据分析给出成本优化的建 议 自动化流程技术（RPA） 为企业提供更为精准的知识管理和决策支持。知识 图谱以结构化的方式呈现企业内外部的知识，大模 型则可以利用知识图谱进行知识推理和查询，迅速 获取所需信息。在研发部门，大模型结合知识图谱， 可以回答技术问题、推荐相关技术方案，助力研发 人员实现创新 知识图谱技术 对话助手是大模型技术最基础也是最 广泛的应用形态。基于知识库数据源 和API查询，对话助手能够实时回答 用户问题，提供高效的信息传递。例 如，某一乘用车通过搭建基于AI大模 型的汽车在线问答平台，实现了对非 结构化文档（如PDF、Word等）的 智能知识交互，提升了员工工作效率 和学习能力。该平台提供7*24小时的 智能知识服务，问题交互准确率达 95%以上，客户满意度提升了35% 对话助手 企业常常需要撰写大量报告，这些报 但结合多种技术手段（如大型和小型 模型、专家系统等），可以大大提高 生成效率和准确性 报告生成 审核类场景通常与生成类场景相伴相 生。大模型技术不仅可以辅助生成文 档，还可以用于审核结构化业务数据 和非结构化文档。例如，在提交审批 前，通过大模型进行自动审核，可以 帮助提交者判断是否需要修改，提高 提交质量，降低打回概率。此外，大 模型还可以用于合规性和合法性审核， 确保企业业务符合法律法规要求

4%，占比约65%），为核心收入来源，提供低价的 NGS和伴随诊断服务 2. 数据与服务：2024年营收为2.42亿美元（yoy+43.2%，占比约35%），增速显著，如 “Insights” 数据库产品，授权药企使用结构化数据，并通过Tempus Compass部门协助后期临床试验。 ◥数据采集-分析-商业化”闭环构建： 1. 商业模式：1）基因测序服务产生数据；2）将数据卖给药企；3）开发AI辅助诊断（to B/C） 开发Tempus Hub，接入医院EHR（包含影像、检验等维度数据） 等数据库，协助医生对患者提出更好的诊疗方案 2.Tempus One（生成式人工智能助手）：病历整合、多模态数据 处理（包含非结构化数据） 3.提供低价的基因检测服务，吸引更多医疗机构使用 ◥数据库质量： 1.目前已接入>3,000医疗机构 2.积累>240PB的多模态医疗数据 Tempus Hub为医疗机构人员赋能 服务等。 全结构化专病数据库 在全结构化数据中心基础上，根据专病配置数据化建模，融合院内外数据，帮助科研人员快速构建患者人 群队列，实现科研数据自动采集和分析建模，提升研究质量。 生成式病历 采集患者病情并结合院内多方面信息，自动生成门诊记录、入院记录、首次病程记录、手术记录、出院小 结等多个病历文书。 数字基座 通过结构化、标准化、归一化的数据治理，将患者临床资料清洗为全结构化数据，支撑各个业务场景的使