博鳌亚洲论坛咨委、联合国前副秘书长 沙姆沙德·阿赫塔尔 这份报告涵盖了亚洲气候脆弱性、自然作为基础设施、碳信用市场等多个议题，内容丰富、信 息翔实。报告强调了绿色增长的重要性，提供了非常实质性和可持续的解决方案。报告不仅描绘了 亚洲的整体气候变化格局，还提供了关于温室气体减排、技术扩展和投资自然的深入分析，对政策 制定者和研究人员有重要参考价值。亚洲推动增长的方式对全球其他地区具有宝贵的借鉴意义，这 转型中的关键作用。对于政策制定者、投资者和可持续发展领域的领导者而言，报告提供了宝贵的 见解，指导如何将自然作为气候韧性的核心支柱加以利用。报告特别强调了将自然作为基础设施进 行投资的重要性，展示了其在碳封存、气候适应和生物多样性方面的成本效益和长期收益。报告提 出了切实可行的策略，以推动自然向好投资主流化，将气候行动与经济韧性相结合，并充分释放自 然生态系统在亚洲绿色转型中的潜力。 量占全球的一半以上，在缓解气候变化方面的作用至关重要，随着 极端天气事件对经济社会的影响日益加剧，亚洲气候行动的重要性 不只局限于亚洲自身，对全球而言都举足轻重。为应对这些挑战， 亚洲地区正在推进绿色转型，整合气候行动和基于自然的解决方 案，以开创一条有韧性、可持续的绿色发展道路。 亚洲绿色转型：进展与挑战 亚洲地区从政策框架、行业引导和市场力量三方面多管齐下推 动绿色转型，技术进步和气候融资是推动转型的两大关键驱动力。

今年计划试点一个小机组 - 央国企信息化调研 弘则弥道（上海）投资咨询有限公司 02 云计算+AI推动管理 软件进入商业化推广 前端组件化、后端云原生提升代码复用率和开发效率的同时，带 来学习成本的增加，自然语言交互直接提升人机体验 11 来源：互联网公开资料、弘则研究整理 计算机前端技术和后端技术演变 组件化的好处： • 提高代码的复用性和可维护性，减少重复的工作和错误。 • 提高开发效率和协作 加或减少组件，也可以利用分布式技术实现组件的负载均衡和容错。 因为要了解不同组件的功能、接口、依赖和兼容性等，开发人员的学习成本在增加。自然语言交互将直接提升体验。 微软Azure和Power Platform持续提升组件化能力，最终通过AI能 力实现自然语言交互，进一步提升组件易用度 12 来源：互联网公开资料、弘则研究整理 微软产品演进 培养C端用户习惯 ADD YOUR TEXT 2008年推出Azure云平台，不断 提升DevOps、API等开发能力 2014年推出Power Platform，低代 码构建API、微服务等 今年推出Power Platform Copilot， 通过自然语言交互实现对于组件 的调用和自动化流程的创建 构建Azure PaaS平台和Power Platform平台，后台组件化，提升低 代码/零代码开发能力，有利于未来AI能力的嵌入和调用 13 来源：互联网公开资料、弘则研究整理

提问：今天北京多少度啊？ 回答： 35 度 提问：有雾霾吗？ （北京有雾霾吗？） 回答：空气质量优。 提问：那上海呢？（上海有雾霾吗？） 回答：空气质量也是优。 结合上下文 聊天机器人解决方案 自然语言处理、文本挖掘、知识图谱 知识库中存储的是一对对的“问题 - 答案”对（ QA Pair ）。这些 Pair 可以是 人工构建的，源于客户系统或者旧有知识库的，也可以是从互联网上爬取下 来 的结果填注到答案 模板中，生成回答问题的自然语言 API 根据意图和实体，确定要调用的 API 类型和 参数，构造 Http Request 将 API 返回的结果填注到答案模板 中，生成回答问题的自然语言 文本文件 (json/xml 等 ) 根据意图和实体，确定对应的文件路径和对 其中存储数据结构的查询 将获取的内容填注到模板中，生成 回答问题的自然语言 例如，我们选择 MySQL 作 会话管理 数据监控 客服大脑 产品架构 用 户 问 题 AIML 格式 常见问题 模板匹配 构建查询 意图识别 实体抽取 语义理解 查询知识库 填注模板 答案处理 关键词提取 自然语言处理 ES 文档查询 构造 Jena 查 询 构建知识图谱 语料获取 网络爬取 开源语料库 用户日志语料 人工编写 语料预处理 人工标记 模板配置 业务咨询 阅读用户日志 模型训练

的发展在多模方向拓展应用边界，可支持从早期的宽表模型 到现在的时序、时空、向量、 JSON 等多种数据，不仅可以处理结构化和非结构化数 据，同时也集成了 AI 训练和推理能力。 提到 AI，我们很自然地会想到向量数据库。目前阿里云瑶池数据库的全系产品均已支 持向量能力，但各自技术路线不同。对于开源类产品，如 RDS 系列基本走的是开源 路线，最典型的产品是 RDS PostgreSQL，集成了 DMS 是阿里云在 2013 年发布的数据管理服务，能够满足企业一站式数据管理诉求。 DMS Data Copilot 是 DMS 基于阿里云大模型构建的数据智能助手，支持用户通过 自然语言的方式生成并优化 SQL，降低 SQL 编写门槛，提升开发效率。 第二部分：Data+AI 行业应用 31 企业内的数据团队需要为商家 工作之外还需要频频应对各方的取数需求，这些临时的需求并不足以建设报表来满足， 诸如此类的问题每天都在发生，为数据研发工作带来不小的挑战。 DMS Copilot 解决方案可以满足各方灵活取数需求，以自然语言交互方式获取数据， 只需提出问题即可获得所需结果，还支持一键生成图表，查看数据变化趋势。 第二部分：Data+AI 行业应用 32

日志 监控 主机 监控 智能工具中心 可视化开发 授权单表维护 API配置 能力开放 专用场景维护 服务编排 SQL配置 动态 阈值 AI中心 大模 型 趋势 预测 关联 分析 自然 语言 知识 图谱 智能调度中心 事件 侦测 告警 收敛 处置 策略 协同 推送 自动 巡检 作业 计划 机房 监控 服务 监控 智能知识中心 智能 采编 知识 图谱 认知 GOPS 全球运维大会 2023 · 上海站 IT服务台智能问答机器人 故障告警自动微信通知 自然语言对话巡检 微信告警自动语音外呼 点击播放 利用NLP自然语言交互，打造IT服务台智能问答机器人、微信告警通知、微信对话交互、微信告警自动语音外呼等多模态的运营交互能力 AI中心-NLP自然语言交互 GOPS 全球运维大会 2023 · 上海站 输入关键词 关键词匹配 数据库查询 返回结果 信息 主要流程 传统方式 基于大模型 为了解决传统OA公文仅能按照标题关键字搜索的局限性，探索利用大语言模型强大的语言理解和文本生成能力，通过语义索引、向量匹配、融 合生成等技术手段，以自然语言问答的方式实现IT运维规范等公文内容的智能搜索，提升搜索效率和准确性的同时提供更好的用户体验 知识中心-企业大模型探索 GOPS 全球运维大会 2023 · 上海站 在已初步实现运营监控可视化、自动化、AI化

向集中在创意内容生成、信息查询提炼和自然语言交互三个领域，通过与营 销获客、产品研发、服务运营、战略管理等各种不同的场景叠加可以发挥出不同的价值。这也意味着不论哪个细分赛道的企业服务 厂商，都有机会把握生成式AI的机遇，实现服务边界的拓展与服务价值的提升。 生成式AI的优势能力与应用方向 组织希望通过生成式AI实现的关键收益 信息查询提炼 创意内容生成 自然语言交互 56% 35% 29% 优化任务目标的二次过程，也即自我反思的能力 ➢ 任务分解能力的实现方式 • 可以通过采用思维链、思维树的算法策略分解任务，也可以用LLM先把自然语言问题转为PDDL 语言，也就是机器可以理解的形式，再使用P规划器，生成合理的计划路径，最后再由LLM将 PDDL语言翻译输出为自然语言的计划步骤 思维链 子目标分解 长期记忆 短期记忆 • 对照人类的记忆，AI Agent的记忆可以分为感觉记忆（原始输入的学习文本、图像等材料）、短 www.iresearch.com.cn 技术侧展望：交互与开发模式变革 内外兼修、化繁为简，自然语言交互与代码生成能力推动厂商进化 得益于上述技术侧的演变，企业服务厂商将在交互模式上探索更便捷的使用体验（自然语言交互+All in One），在开发模式层面探 索更高效的投入产出（代码生成+千人千面）。这一变革将不仅局限于各类IT服务商，传统以劳动力作为最终交付的企业服务商，同

对 企业竞争力具有重要影响。传统的岗位推荐方法主要依赖人工筛选 和简单的关键词匹配，这不仅耗时耗力，而且难以满足企业对人才 需求的多样性和复杂性。随着人工智能技术的不断进步，深度学习 模型在自然语言处理和推荐系统中的应用逐渐成熟，为人力资源管 理带来了新的解决方案。DeepSeek 作为一种先进的深度学习推荐 系统，能够通过分析大量的职位描述和候选人简历，自动匹配最合 适的岗位和人才，提高招聘效率和匹配精度。 岗位推荐系统是基于大数据和人工智能技术的招聘 解决方案，旨在通过智能化匹配提升招聘效率与候选人满意度。该 系统集成了多源数据采集、智能算法分析以及个性化推荐功能，能 够根据企业需求和候选人背景实现精准匹配。其核心技术包括自然 语言处理（NLP）、机器学习（ML）以及深度学习的协同过滤算 法，确保在短时间内从海量简历中筛选出最合适的候选人。 系统的主要功能模块包括数据预处理、特征提取、模型训练以 及推荐引擎。数据 、职业偏好 等多维度数据，结合企业的岗位需求、公司文化、团队结构等信 息，实现精准的岗位推荐。其主要功能包括岗位需求分析、候选人 画像构建、智能匹配与推荐、结果反馈与优化等。 首先，系统通过自然语言处理（NLP）技术对企业发布的岗位 描述进行解析，提取关键指标，如岗位职责、技能要求、工作经验 等。同时，系统通过机器学习模型对候选人的简历进行深度分析， 生成候选人画像，涵盖专业技能、职业发展路径、个性特征等核心

逐渐暴露出其局限性。它已难以满足环境认 知、精确定位以及交互体验等多方面的严格要求。在智能化的大背景下，环境认知需要更加全面、 准确的信息获取，精确定位要求更高的精度和可靠性，而交互体验则追求更加自然、流畅的感受。 单一传感模式由于其自身的局限性，无法同时兼顾这些需求。 然而，2025 年的感知技术将迎来全新的发展格局。它将在多个前沿领域展现出令人瞩目的突 破。多模态融合技术，将多种传 超低延迟网络技术，能够实现数据的实时传输，为远程控制和实时反馈提供有力支持；3D 空间 计算技术，将构建出逼真的三维空间模型，为虚拟现实、增强现实等领域带来全新的体验；情感 与语音识别技术，则进一步拉近了人与机器之间的距离，使交互更加自然和人性化。这些领域的 突破，将有力推动智能设备、工业自动化、智慧城市、医疗健康等多个领域的深刻革新。 本报告基于近年来技术研发的最新进展、业界前沿的技术路线以及各大科技企业在商业落地 方面的丰富实践，精心归纳出 扩展，但机遇与挑战并存，具体体现在以下几个方面： 三、 未来前景 通用智能模型的基石：未来的多模态系统将依托大语言模型（LLM）与视觉基础模型 （如 CLIP），构建跨模态的统一语义理解框架，实现自然语言、视觉、触觉等多模态信 研究报告 2025 年全球感知技术十大趋势预测 7 息的无缝对齐，推动通用人工智能（AGI）向更高阶认知能力迈进。例如，OpenAI 的 GPT-4o

AI+ 金融面临的挑战 AI+ 金融面临挑 战 数据、场景均丰富，大模型走 上金融大舞台 02 1 4 u AI 1.0 ：以 CNN 为核心的计算机技术，机器开始在计算机视觉（ CV ）、自然语言理解技术（ NLP ）等领域超越人类，并创造了显著的价值。 但 AI 1.0 缺少像互联网时代的 Windows 和 Android 一样的规模化能力，来降低应用开发的门槛，打造完善生态链。 通用混合训练范式。 2023 年 3 月 30 日， Bloomberg 推出了拥有 500 亿参数的语言大模型 (LLM) ，专门针对各种金融数据进行了训练，以支持金融行业内 的各种 自然语言处理 (NLP) 任务。 Bloomberg GPT 代表着这项新技术在金融行业的开发和应用迈出了第一步。该模型将协助彭博改进现有的金融 NLP 任务，例如情感分 析、 命名实体识别、新闻分类和问答等。 年创立，是一家以人工智能为特色的互联网保险公司。 u Lemonade 将保险与科技相融合，构建一个人工智能机器人平台，该平台打造基于 GPT-3 技术面向用户的销售机器人玛雅（ AI.MAYA ）， 利用自然语言处理和机器学习技术为客户提供个性化的保险推荐和咨询服务。该技术贯穿客户提问分析与解析，引导客户加入 Lemonade ， 创建报价和安全付款等任务。当客户有购买保险的意图时，只需与玛雅约两分钟的简单聊天便能识别与处理客户信息，推荐

产业研究 战略规划 技术咨询 2 预训练语言模型 预 训 练 微 调 将模型在大规模无标注数据上进 行自监督训练得到预训练模型 将模型在下游各种自然语言处理任 务上的小规模有标注数据进行微调 得到适配模型 AI大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型 预训练语⾔模型“预训练 + 微调”技术范式 ⼤规模⽆标注 ⽂本数据 模型预训练 测试数据 最终模型 从海量数据中自动学习知识 Ø Big-data Driven，模型基于大规模语料训练而成； Ø Multi-tasks Adaptive，支持多种任务，包括自然 语言生成NLG和自然语言理解NLU类的任务； Ø Few-shot (Zero-shot)，在少甚至无标注样本的 条件下支持推理（自监督学习）。 产业研究 战略规划 技术咨询 3 大模型发展历程 众多预训练模型相继涌现，OpenAI 云上部署编排⼯具 安全与隐私⼯ 具 低代码开发⼯ 具 预训练模型应 ⽤⼯具 资源管理 与调度⼯ 具 语音理解 文字识别 图像分类 目标检测 图像生成 大模型推训一体 图像分割 自然语言处理 计算机视觉 语音 时间序列 文心大模型 推荐 动态图 大规模分布式训练 产业级数据处理 静态图 模型压缩 边缘与移动端推理引擎 前端推理引擎 服务器推理引擎 服务化部署 全场景统一部署