从 DeepSeek 探讨大语言模型 在建筑及能源行业的应用趋势和技术方法 汇报人：赵阳 浙江大学能源学院制冷与低温研究所 2025.2.14 报 告 提 纲 临近奇点： AGI 将带来颠 覆 结论和展望 DeepSeek 等带来的新范 式 大语言模型应用的科研案例 能源领域传统 Al 发展困 境 当下 Al 到了哪种程 度 John J.Hopfield

字化转型的核心痛点出发，第二、三部分以数字营销、海外投顾及保险数字化 三个场 景为例探讨大模型赋能金融业务的模式，第四部分归纳总结 DeepSeek 推动金融机构数字化转型的核心逻辑，最后一部分对券 商、保险、 信贷、供应链金融及其他金融科技机构业务逻辑的痛点和数字化价值进行深入探讨，以期对金融行业的智能化和数字化转型 提供参考。 核心观点 : Deepseek 的出现将加速金融机构的数字化转型 金融市场的复杂性与反身性、金融数据的隐私性与安全性等特殊性促使金融业的数字化转型需要渐进式创新 ; 最后，本文对券商、保险、信贷、供应链金融及其他金融科技机构业务逻辑的痛点和数字化价值进行深入的分析和探讨，以 期对金 融行业的智能化和数字化转型提供参考。 》 01 金融机构数字化转型核心痛点与思考 》 02. 从金融机构的数字营销场景谈起 》 03. GenAI 赋能买方投顾和保险业的数字化 本文作为第一篇综述，第一部分从金融机构数字化转型的核心痛点出发，第二、三部分以数字营销、 海外 投顾及保险数字化三个场景为例探讨大模型赋能金融业务的模式，第四部分归纳总结 DeepSeek 推动 金融机构 数字化转型的核心逻辑，最后一部分对券商、保险、信贷、供应链金融及其他金融科技机构业务逻 辑的痛点和 数字化价值进行深入探讨，以期对金融行业的智能化和数字化转型提供参考。 内容摘要 如何理解 DeepSeek 的出现对于国内金融业数字化转型的价值与意义

，在美国达特茅斯学院举办的人工智能夏季研讨会 ，是人工智能领域具有里程碑意义的一次重要会议。 这次会 议汇 聚了众多杰出的科学家和工程师 ，他们共同探讨和研究人工智能的发展和应用前景 这次会议的主题围绕着人工智能的定义、 研究方法和应用场景展开。 与会者们深入探讨了人工智能的基本概念、 算法和技术， 以及其在各个领域的应用潜力。 他们共同认识到 ，人工智能的研究和发展将为人类带来巨大的变革和进步 1 1.2 人工智能的诞 生 在这次会议上 ， “人工智能”这个词汇被约翰 . 麦卡锡（ John McCarthy ） 首次提出。 与会者们不仅对人工智能的研究和应 用 前景进行了深入探讨 ，还提出了许多重要的观点和思路 ，为人工智能的发展奠定了基础。 这次会议的召开标志着人工智能作 为一个独立学科的正式诞生 ， 因此 ，达特茅斯会议被称为“人工智能的开端” ， 1956 年也被称为“人工智能元年”。这次会 字节跳动豆包 豆包是字节跳动基于云雀模型开发的 AI ， 能理解你的需求并生成高质量 回 应。 它知识储备丰富 ， 涵盖历史、 科学、 技术等众多领域 ， 无论是日 常问 题咨询 ， 还是深入学术探讨 ， 都能提供准确全面的信息。 同时 ， 具备 出色 的文本创作能力 能撰写故事 诗歌 文案等各类体裁 并且擅长语言 3.6.2 国内的大模型产 品 n 文心一言 文心一言是由百度研发的知识增强大模型

对面咨询相比，在线咨询通常费用更低，适合预算有限的用户，具有较高的成本效益。然后，隐私保护 也是一个关键因素，很多人对面对面咨询可能存在顾虑，而在线咨询提供了更高的隐私保障。本节将围 绕法律咨询展开探讨，通过搭建单智能体并配置知识库，实现对特定法律问题的理解、法律条文的解释、 解决方案的提供以及行动建议等功能，其最终效果如下图 10.2.2 关键设计 尽管直接采用专用的法律行业大模型通常能够实 有限，而该智能体能够有效解析征信报告中的各项指标，帮助用户全面了解某个企业的信用状况。其次， 自动化生成报告的便捷性使得用户可以快速获取所需信息，节省了大量的时间和精力。本节将围绕征信 报告生成展开探讨，通过搭建智能体，实现对企业信用状况信息的爬取与分析，其最终效果图如下所示 10.3.2 关键设计 在金融行业，专用的征信报告大模型如 Experian 和 FICO 的系统能提供极其精准的信用分析和风险估，但其高昂的使用

DeepSeek V3) 深度思考模型 ( DeepSeek R1) 联网模型 适用教育场景 快速解答基础知识点 、辅助日常 作业 、提供简单概念解释 深入解析复杂概念 、培养批判性思 维 、探讨开放性问题 研究性学习 、最新知识获 取 、跨学科探索 教育互动方式 高频率短互动， 适合小学低年级 学生的注意力特点 低频率长互动， 适合中高年级学生 的深度学习需求 基于探究的交互， 基础聊法原则 01 02 03 传递知识点， 提高记忆效 果 递进式对话策略 • 第一阶段： 引入话题并建 立基础认知（ 1-2 次对话） • 第二阶段： 深入探讨核心 概念并应用（ 2-3 次对话） • 第三阶段： 综合运用并创 造性思考（ 1-2 次对话） • 最终阶段： 复习总结与知 识巩固（ 们能想出多少种方法来 [ 任 务 ] ？ " • 头脑风暴：请 AI 帮助引导孩子提出 不 同想法，每个都给予积极反馈 • 筛选：帮助孩子选择 1-2 个最感兴 趣 的想法深入探讨 • 完善：让 AI 协助孩子完善想法的细 节 • 展示：鼓励孩子将想法通过绘画 、 讲 述或其他方式展示出来 场景化聊法模版 01 ) - 02 ) 一 03 ) - 04

能的夏天”和“人工智能的冬天”。尽管每次技术革新都为智能机器的创造指明了新的方向，但最 终都未能实现预期目标。现在，人工智能正迎来另一波浪潮，业界对此充满期待。安永将持续关 注这一领域的最新进展，与各界共同探讨如何利用这一技术，推动创新与发展，为我们的未来创 造更多可能性。 期待保险行业：数据 + AI开启经验 规模化复制时代 目前，某头部人工智能研发公司正在将人工智能的发展重点转向AI Agents支持平台，以该公司 面对本次AI热潮，保险行业的焦点问题都有哪些 在AI技术的驱动下，保险行业站在了充满机遇与挑战的十字路口。关键问题接踵而至，这些问题 不仅深刻影响着行业的运营模式，还在决定着未来的发展方向。面对这些问题，进行深入思考， 探讨有效的应对策略。 • 采取必要的精简：保险公司需要简化销售和运营流程，并消除不必要的步骤。险企可通过 Assistants API，将第4代人工智能模型引入服务流程。其在自然语言处理领域具有强大的能 晚期大众 34% 落后者 16% 早期采用者 13.5% 创新者 2.5% 突破阶段 关键阶段 自我推动阶 段 从众阶段 Page 8 现在，从AI技术的发展视角，更深入地探讨这些科技新趋势对保险行业的影响，以及对未来保险 行业的展望。 科技宏观大周期底层，先进技术通过组合创新与模式变革来进行扩散 采用 主导 技术 新模式 变革 以早期采用者为重点，适应和支持企业战略和管理革新的措施

的综述[21−23], 但并未聚焦于大模型. 目前也有综述研 究大模型在机器人上的应用[24−28], 但不同的是, 本文 的内容更倾向于从具身智能的角度介绍二者如何有 机结合, 并加入对模型规划层级的分类探讨. 此外, 由于该领域发展迅速, 在上述论文发布后又涌现出 了许多重要工作, 本文将补充这些最新进展, 为希 望了解该领域的研究人员提供更多的参考 (工作总 览见图 1[25, 29−100]). 节分析大模型分别在需求级、任务级、规划级、动作 级这四个控制层级上为具身智能提供的规划; 第 3 节对各类实现大模型结合具身智能的系统架构进行 分类与介绍; 第 4 节从模拟器、模仿学习和视频学 习等方面介绍具身智能训练的数据来源, 探讨大模 型如何为机器人训练带来丰富的数据; 最后在第 5 节对全文进行总结并提出研究方向. 1 感知与理解 在与环境的交互中, 具身智能通过摄像头、麦 克风等传感器接受原始数据, 并解析数据信息 在数据合成阶段, 使用大语言模型作为批评者, 根 据用户的口头纠正重新标记机器人执行的行动; 在 策略更新阶段, 通过行为克隆在新合成的数据和之 前收集的数据上更新策略. 类似地, YAY Robot[81] 探讨一种通过语言修正实时修正机器人行为的方 法. 当用户想要干预机器人行为时, 可以通过口头 指令, 如“停止”让机器人暂停行动, 然后提供口头 纠正指导, 并记录用户提供的所有口头纠正及对应 的观察数据

Control, 2025, 11（2）: 217-224 摘 要 大语言模型不仅是人工智能领域自然语言处理方向的重大突破，也正在改变知识获取与知识创新的模式。在研究大语 言模型的知识获取与创新的原理之上，探讨了其在应急管理信息化建设中的应用，针对智慧应急中面临的建设困境以及业务系 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、 决策支持 April，2025 www.jc2.org.cn 11卷 指 挥 与 控 制 学 报 径，使其适应人工智能大模型时代的治理要求。 本文在分析大语言模型的知识获取原理与知识 创新的潜能之上，探讨了其在应急管理信息化建设 中的应用前景，针对当前智慧应急中面临的挑战以 及业务系统智能化水平的局限，提出了基于大语言 模型技术重构智慧应急的知识管理模式以及应急大 脑的概念框架，为应急管理信息化建设提供了新的