中原银行业务发展概 况 分行 18 家 村镇银行 9 家 #1 #2 #3 #4 建设背景 选型 & 架构 应用场景 建设成 效 反欺诈 申请 从个人 / 企业主体，转变为黑 产主体。 交易 从一方欺诈演变成更加隐 蔽、实时的三方欺诈。 实时风控体系能力模型 3 6 1 2 4 5 #1 #2 #3 #4 建设背景 选型 & 架构 应用场景 建设成 效 PMML 模型文件 Python 模型文件 实时指标库 实时计算技术 数据清洗 数据加宽 实时维表 窗口计算 指标引擎 规则引擎 模型引擎 实时风控技术选型 Connector Kafka RDBMS RESTful API IM

资源配置.....................................................................................90 6.2 硬件与软件选型..................................................................................92 6.2.1 服务器配置.. Transformer（ViT），在处理时序视频数据方面 也显示出良好的性能。 基于以上分析，选型将集中在以下几个方面： 1. 目标检测模型选型： o YOLOv5：快速并且适用于边缘设备，实时处理视频流 的理想选择。 o Faster R-CNN：在精度要求较高的场景下使用，适合大 量目标检测的应用。 2. 事件识别模型选型： o LSTM：适合处理长时序视频数据，可以有效识别复杂事 件。 o 满足实际应用 场景的需求。在此基础上，需进行技术选型，选择符合需求的 AI 大模型和视频处理技术，如卷积神经网络（CNN）、长短时记忆网 络（LSTM）等，以支持多种复杂场景下的视频分析。 在系统架构设计阶段，要确定系统的整体架构，包括数据采集 模块、数据存储模块、智能分析模块和用户界面模块。各模块之间 的连接方式、数据流向以及技术选型都需详细规划。以确保各模块 间的高效协同，系统架构可以用如下图示表示：

资源配置 .................................................................................... 99 6.2 硬件与软件选型 ............................................................................... 101 6.2.1 服务器配置 . ，在处理时序视频数据方面也 显 示出良好的性能。 基于以上分析，选型将集中在以下几个方面： 1. 目标检测模型选型： o YOLOv5：快速并且适用于边缘设备，实时处理视频流 的 理想选择。 o Faster R-CNN：在精度要求较高的场景下使用，适合 大 量目标检测的应用。 2. 事件识别模型选型： o LSTM：适合处理长时序视频数据，可以有效识别复杂 事 件。 应用 场景的需求。在此基础上，需进行技术选型，选择符合需求的 AI 大模型和视频处理技术，如卷积神经网络（CNN）、长短时记忆 网 络（LSTM）等，以支持多种复杂场景下的视频分析。 在系统架构设计阶段，要确定系统的整体架构，包括数据采集 模块、数据存储模块、智能分析模块和用户界面模块。各模块之间 的连接方式、数据流向以及技术选型都需详细规划。以确保各模块 间的高效协同，系统架构可以用如下图示表示：

4 需求优先级排序..................................................................................21 3. 技术选型................................................................................................... 框架与库选择......................................................................................25 3.3 数据库选型..........................................................................................27 3.4 云计算平台选择 超前的技术实现、与产品目标不符的功能 通过以上方法，我们能够清晰地将需求进行优先级排序，确保 开发团队在有限的资源下，最大化地实现产品价值。同时，这种分 类方法也为后续的迭代开发和功能扩展提供了明确的方向。 3. 技术选型 在技术选型部分，我们需要综合考虑系统性能、开发效率、可 维护性以及未来的扩展性。首先，选择编程语言时，Python 由于 其丰富的生态系统和高效的科学计算库（如 NumPy、Pandas、Scik

67 4.3.2 数据开放度评估.........................................................................68 5. 技术选型................................................................................................... 综上所述，通过全面的数据开放度评估，能够有效识别数据共 享过程中的瓶颈与障碍，从而为制定更为有效和可行的开放政策提 供坚实基础，推动省级可信数据空间的构建与发展。 5. 技术选型 “ ” 在 省级可信数据空间 的建设过程中，技术选型是至关重要的 一环。这一过程需要综合考虑多种因素，包括技术的稳定性、可扩 展性、安全性、以及与现有系统的兼容性。以下是对关键技术的详 细分析和选择建议。 首先，在 进行应用的部署与管理。容器化不仅能够 提升系统的可移植性和隔离性，还能极大地简化运维管理。此外， 使用 Prometheus 等监控工具，可以实时跟踪系统性能，及时发现 并处理潜在问题。 综合考虑上述各个层面的技术选型，以下是推荐的技术栈总 结：  数据存储层: Apache Cassandra / MongoDB + Apache Hadoop  数据处理层: Apache Spark + Apache

.........................................................................................27 3.1 模型选型与定制化训练............................................................................................. ................................................................................57 4.3.1 语音合成（TTS）选型................................................................................................... .......................................................................................88 6.1 终端设备选型建议.................................................................................................

有些是产品能力，不是模型本身的能力：  RAG  Function Call  等等 01 对AI技术的认知：大模型的能力边界 基于LLM的三层能力做产品：锤子和钉子 LLM的三个能力的应用：选型标准 1. 语言处理场景：语言能力 • 文字处理：翻译、摘要、判别、生成等 • 人机界面：指令、信息、prompt 2. 知识助手场景：语言能力+知识能力 • 知识压缩、知识提取、知识组织 02：对AI教育的思考 • 03：我们的AI教育实践 VUCA时代，AI技术日新月异，所有的认知、思考、实践都在迭代中…… 03 我们的AI教育实践 • 技术选型与数据验证 • 经过300+技术选型 • 经过2000+验证试验 • 经过200000+的数据论证 • 经过30+开/闭源模型评测 • 经过5000+Prompt的验证组合落地 • 经过100+Function

己的动作，尝试不同的变化。经过多次尝试和调整，它逐渐学会保持平衡、协调动作， 最终能够成功地行走。 3.4 、强化学习阶 段 1. 智才筑基—— AI 素养提升工 程 2. 算力赋能—— 基础设施升级 3. 基座选型—— 核心模型构建 4. 安全筑盾—— 防护体系建设 5. 场景深耕—— 业务痛点突破 6. 知识聚库——本地知识库建设 7. 智能铸魂 —— AI Agent 构建 三、 四横三纵应对策略路径 智绘之路 ®deepseek 四横三纵七步谋， 智算筑基夯根基。 筑牢安全破瓶颈， 智识赋能启新章。 应对 DeepSeek 浪潮的策略路 径 安全筑盾 基座选型 算力赋能 智才筑基 场景深耕 知识聚库 智能铸魂 能力 构建 在规划和自然资源行业普及 AI 并提升行业人员的 AI 快（轻量化设计） 在选择基座模型时，应综合考虑业务场景和安全合规要求，评估模型的多模态处理能 力、长文本分析性能以及安全合规性。同时，结合项目规模、预算，选择最适合的基 座模型。 3 、基座选型—— 核心模型构 建 根据奇安信等安全机构的监测，近九成部署 DeepSeek 的服务器存在严重的安全隐患， 处于“裸奔 ”状态，极易成为攻击目标。 修改默认端口（如 11434 ），

.........................................................................................28 4.1 技术选型................................................................................................... 智能体应用服务方案时，需要充分考虑 企业的实际需求和资源条件。以下是一些关键的设计原则和实施步 骤：  需求分析：明确企业在业务流程中的痛点和需求，确定 AI 智 能体的应用场景和目标。  技术选型：选择适合企业需求的 AI 技术和工具，如深度学习 框架、自然语言处理引擎等。  数据准备：收集和整理企业历史数据，确保数据的质量和完 整性，为 AI 智能体的训练和优化提供基础。  系统集成：将 智能体时，需要充分考虑企业的具体需求和业 务场景。以下是设计过程中需要关注的几个关键点：  需求分析：明确企业需求，确定智能体的功能范围和目标。  数据准备：确保数据的质量和完整性，为智能体提供可靠的 数据支持。  技术选型：选择适合的技术平台和工具，确保智能体的性能 可扩展性。  用户体验：设计友好的用户界面和交互方式，提升用户的使 用体验。  安全隐私：确保数据的安全性和隐私性，符合相关法律法 规。 通过合理的方案设计和实施，商务

...22 3.2 分层架构........................................................................23 3.3 关键技术选型................................................................31 四、数据治理方案....................... 括安全策略制定、安全漏洞管理、安全事件响应等。 定期进行安全评估和审计，及时发现和修复安全漏洞， 防范安全风险。加强安全培训，提高平台使用人员的 安全意识和操作技能，确保平台的安全运行。 3.3 关键技术选型 3.3.1 算力硬件 选择华为昇腾 910B 芯片作为算力硬件的核心， 该芯片支持 FP16/FP32 混合精度计算，能够满足大 模型推理的高性能需求。华为昇腾系列芯片是国产自 主可控的算力芯片，具有高性能、低功耗、高可靠性 经过严格的审核，确保数据的质量和安全性。同时， 建立数据开放反馈机制，收集用户对开放数据的使用 意见和建议，不断优化数据开放服务，提高数据的利 用价值。 五、AI 模型部署与管理 5.1 大模型选择与部署 5.1.1 模型选型 通用模型方面，选择 DeepSeek-R1（671B 参 数）用于多轮对话、文本生成等场景，该模型具有强 大的语言理解和生成能力，能够满足政务领域复杂对 话和文本创作的需求；通义千问在知识问答、代码生