之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。 6 数字政府建设的初衷和重要内容是提升政府治理能力以更好地为人民服务。 线数智化发展进入快车道。一方面，国务院颁布了政务热线的专项指导文件，对 新时期政务热线的定位功能、发展方向、实施方案提出了具体要求，驱动政务热 线提升为企便民服务水平。另一方面，各地政府积极响应中央指示精神，从政务 热线的归并优化工作入手，主动引入数字化和智能化技术，驱动政务热线的升级 优化，涌现出一批优秀实践案例。 8 （一）政务热线的新定位：从“接诉即办”到“治理枢纽” 2021 《意见》对新时期政务热线提出了新定位和新需求。 第一，政务热线是社情民意的“传感器”。政务热线是感知城市、社会和民 情的重要手段，是政府实现有效治理和提升治理能力的重要方式。随着各地实现 多号归并、一号响应、多渠道融合，政府以政务热线为主渠道，整合微信公众号、 官方微博等多渠道诉求以感知民生热点和治理重难点所在。政务热线通过与市民 时刻“即联”，实时捕捉民情动向，及时查堵治理盲点。尤其是在疫情防控期间，

之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。 6 数字政府建设的初衷和重要内容是提升政府治理能力以更好地为人民服务。 线数智化发展进入快车道。一方面，国务院颁布了政务热线的专项指导文件，对 新时期政务热线的定位功能、发展方向、实施方案提出了具体要求，驱动政务热 线提升为企便民服务水平。另一方面，各地政府积极响应中央指示精神，从政务 热线的归并优化工作入手，主动引入数字化和智能化技术，驱动政务热线的升级 优化，涌现出一批优秀实践案例。 8 （一）政务热线的新定位：从“接诉即办”到“治理枢纽” 2021 《意见》对新时期政务热线提出了新定位和新需求。 第一，政务热线是社情民意的“传感器”。政务热线是感知城市、社会和民 情的重要手段，是政府实现有效治理和提升治理能力的重要方式。随着各地实现 多号归并、一号响应、多渠道融合，政府以政务热线为主渠道，整合微信公众号、 官方微博等多渠道诉求以感知民生热点和治理重难点所在。政务热线通过与市民 时刻“即联”，实时捕捉民情动向，及时查堵治理盲点。尤其是在疫情防控期间，

塑用户体验，提高创新成功率。 在产品创新领域，流程智能化通过敏捷开发与需求响应闭环重构价值链。比如，服装企业通过创新 的研发流程，实现从门店需求采集到服装设计定稿仅需数周时间，大幅提高了爆款服装命中率。在 用户体验领域，流程智能化则体现为个性化服务与快速响应。比如，企业客户服务部门通过 AI 流 程创新，可以提高客户投诉响应速度，从而拉升 NPS。 当技术迭代、降本压力、创新瓶颈三重叠加，流 同时，企业需建立跨职能变革管理委员会，通过战略对齐度看板实时监控部门协同状态，确保组织 变革与流程重构同步演进。这种系统化治理模式能够突破传统机制下的决策迟滞，在战略层构建起 “目标-资源-行动”强关联的敏捷响应体系。 关键成功要素 2，流程梳理 流程智能化的基础在于流程梳理，其作为成功关键主要体现在五个维度。 首先，企业需构建结构化流程库。通过流程分类、分级与分段形成全景图谱，为 AI 提供可解析的语 规风险、流程扩展瓶颈以及用户体验代际断层。 桎梏一 系统架构恐龙化困境 原有 BPM 系统底层引擎基于过时技术框架，仅支持特定浏览器版本，无法适配新型终 端设备。同时，原有 BPM 系统模块化程度低，功能扩展需依赖代码级改造，响应业务 需求的周期长达数周。 桎梏二 安全与合规风险 原有 BPM 系统风险主要源于原厂停止技术支持。由此导致系统漏洞修复滞后，存在数 据泄露风险。同时，中集集团作为国际化企业合规要求持续升级，原有

方式，来构建“插拔式 AI 矩阵平台”。宝骏汽车创新性实现了DeepSeek和中枢大模型的“双模”部署，系统后台会根据适 用场景，自行调用对应的大模型。后续也将实现任务智能调度，即用户简单问题快速响应、复杂问题深度思考后精准回答等。 长城汽车 自研Coffee Agent大模型与DeepSeek融合适配，DeepSeek的demo已在长城汽车上跑通。 长安系（长安启源） DeepSeek大模 DeepSeek大模型已正式接入长安天枢智能化架构，并将率先应用于启源E07车型，实现智能座舱与驾驶辅助系统的深度融合。 奇瑞汽车 奇瑞集团宣布旗下雄狮智能座舱系统Lion AI智舱大模型通过DeepSeek实现更精准的语音指令响应和更智能化的场景应用。 在DeepSeek技术的加持下，雄狮智舱能够更精准地理解用户的模糊指令，并快速调用车载功能，如调节车内温度、播放音 乐、导航等。融合后的雄狮智舱还将具备主动服务功能，能够基于车内外场景主动分析用户潜在需求。 基于BEV实时规划车道级路径 变道成功率99%，平均耗时4.2秒 城市辅助 依赖Occupancy Network避让动态 障碍物 无保护左转通过率85% 智能召唤 视觉SLAM定位+超声波雷达避障 停车场内最大响应距离150米 自动泊车 多摄像头联合重建3D车位模型 垂直车位泊入时间≤30秒 资料来源：HMI 智能座舱设计，国元证券研究所 表9：不同层级的自动驾驶软件及功能 自动驾驶功能 BAP (基础版自

参数：不需要千亿、万亿参数规模，百亿甚至几十亿就够用 算力：不需要千卡、万卡运行大模型，单机单卡就可以跑起来 成本：不需要投入千万、上亿资金，少量资金投入就可以 能力：不需要等待下一代AGI面面俱到的能力 响应：响应速度更快，用户体验更好 部署：可以私有化部署，保障政府企业数据安全 训练：不需要从头训练，只需要专业知识库或者微调就可以 人才：大模型训练复杂程度降低，对人才要求也降低 工具：已经有全套工具 实战能力第一，实战是检验安全企业能力的唯一标准 • 安全研发投入第一，相当于第2名到第10名的总和 • 服务器和算力投入安全行业第一 • 创新能力第一，专利申请1.5万件，安全行业最多 • 服务和响应能力第一 • 用户数量第一，覆盖225个国家和地区的15亿终端 • 企业客户规模第一的网安公司 • A股网安公司市值第一 安全能力最强，八个中国第一 中国的360 世界领先、中国第一的网络安全领军企业 360 安 全 云 每天云查杀1000亿次，平均每秒115万次，每日处置安全事件10亿次 每天拦截勒索攻击100万次、挖矿攻击1000万次、恶意网址7.5亿次、网络电信诈骗6000万次 云端响应服务 高级威胁溯源平台、安全大数据检索平台、安全风险研判平台、热点事件分析平台 分析研判平台 端 • 服务全球15亿终端 • 覆盖全球225个国家 和地区 终端探针密布 云 数 智 知识

云服务商之间实现按需调配 的模式，在企业内沉淀一套资源优化策略，寻求动态最优的业务架构。例 如，企业通过新引入的云环境实现更快速灵活地创建和销毁资源，帮助企业 进行新项目试点、A/B测试或快速响应市场变化，提升业务敏捷性；此外，在 面对AI开发需求时，企业可根据自身对算力、算法、应用开发、数据安全、 时延保障等方面的要求，综合考量，采用公有智算资源、专属智算集群、自 建智算集群等方式， 在落地人工智能的过程中，尤其是在推理任务中，将应用程序部署在更靠近大模 型的位置将成为一种趋势，这样可有利于保障保数据处理和决策响应的实时性， 减少延迟并优化资源利用，改善整体性能。具体优势如下： 性能优化：当应用程序与模型靠近部署时，数据在网络中的传输距离和时间 都大幅减少，响应速度可以得到更好地保障，特别是对那些需要实时响应的 应用场景（如自动驾驶、金融交易等），数据处理的及时性至关重要，靠近 模型的应用可以更快地做出决策，可提升智能化应用的用户体验。 泛地适用于各领域的 不同业务场景。在行业融合过程中，不同的业务场景对时延、性能和安全的 需求各不相同，这对大模型的适配性和灵活性提出了更高要求。从时延角度 看，自动驾驶、智能制造等场景对模型的响应速度有严苛的限制，微小的延 迟增加也可能会导致不可接受的后果。从性能角度看，大模型处理的复杂度 和数据规模都很高，在图像处理、知识管理等领域，大模型需要具备出色的 推理性能，以快速准确地处理海量数据并给出结果。从安全角度看，大模型

近年来，国家高度重视大模型产业发展，把“人工智能”纳入国家发展战略，并出台了一系列政策以推动技术创新、资源建设、标准建立 与行业应用。随着中央层面人工智能政策的出台，以北京、上海、成都、深圳等代表的各地政府纷纷响应号召，将人工智能及其相关产业 发展纳入当地发展规划，以助力新一代人工智能产业生态的形成。2025年初，习近平总书记指出：“中国高度重视人工智能发展，积 极推动互联网、大数据、人工智能和实体经济深度融 要基调，也进一步反映 出未来中国人工智能产业发展的重要战略意义。 中国人工智能产业政策 高维规范建设 中央 全产业级地方鼓励 以北京、上海为代表，成都、重庆、安徽、山东、深圳、湖南等地方积极响应。 地方 北京 上海 ◆ 北京市政府着重加大对科研机构和高校的资金投入，鼓励开 展人工智能基础理论研究，推动关键技术突破；计划建设强 大的算力基础设施，以支持AI模型的研发和应用；积极打造 AI技术动态 Scaling Law 演进：Scaling未到尽头，各家仍在积极探索，探索大模型能力边界 思维链 CoT 优化：强化学习完成推理侧优化，在复杂计算、科学研究等方向持续加强 跨模态响应：将大语言模型、视觉理解模型及和视觉生成模型等能力实现高阶融合 • 大模型Scaling Law表示，增加计算量、模型参数量或数据大小都可能会提升模型性能，但是提升效果会随着这些因素的增加而递减。虽然

近年来，国家高度重视大模型产业发展，把“人工智能”纳入国家发展战略，并出台了一系列政策以推动技术创新、资源建设、标准建立 与行业应用。随着中央层面人工智能政策的出台，以北京、上海、成都、深圳等代表的各地政府纷纷响应号召，将人工智能及其相关产业 发展纳入当地发展规划，以助力新一代人工智能产业生态的形成。2025年初，习近平总书记指出：“中国高度重视人工智能发展，积 极推动互联网、大数据、人工智能和实体经济深度融 要基调，也进一步反映 出未来中国人工智能产业发展的重要战略意义。 中国人工智能产业政策 高维规范建设 中央 全产业级地方鼓励 以北京、上海为代表，成都、重庆、安徽、山东、深圳、湖南等地方积极响应。 地方 北京 上海 ◆ 北京市政府着重加大对科研机构和高校的资金投入，鼓励开 展人工智能基础理论研究，推动关键技术突破；计划建设强 大的算力基础设施，以支持AI模型的研发和应用；积极打造 AI技术动态 Scaling Law 演进：Scaling未到尽头，各家仍在积极探索，探索大模型能力边界 思维链 CoT 优化：强化学习完成推理侧优化，在复杂计算、科学研究等方向持续加强 跨模态响应：将大语言模型、视觉理解模型及和视觉生成模型等能力实现高阶融合 • 大模型Scaling Law表示，增加计算量、模型参数量或数据大小都可能会提升模型性能，但是提升效果会随着这些因素的增加而递减。虽然

行业应用活力涌现。从企业管理、 生产制造到客户服务, AI 技术的应用层出不穷。企业通过机器学习、深度学 习等技术,构建出更加精细化的管理体系和更高效的生产模式。 例如, 借助 自然语言处理技术,客服机器人在响应客户咨询时表现出了前所未有的效率 与准确率; 在制造业中,通过智能算法优化生产流程,减少资源浪费, 大幅 提升了生产效率。从垂直融合到泛化应用, 人工智能正凭借全面连接、信息 共享、上下联动和资源整合等优势 主要包括: (1) 智能产品创新: 通过产品研发创新体系的数字化, 提高研发效率。依 托统一的协同研发管理平台, 企业可实行敏捷开发模式,应用虚拟仿真、 AI 算法 等技术进行辅助决策,从而实现快速响应、 动态优化, 降低研发成本、提升研发 质量。例如, 企业可利用生成式 AI 进行产品的概念设计; 或者通过整合内外部 数据 (如销售数据、客户需求数据) , 来做出更科学的产品规划。 今年的 实现从需求预测到采购、生产计划、运输管理等关键环节的流 更多干货请关注公众号“管理技术化平台” 14 程自动化。 二是全流程数据整合,通过整合上下游数据平台和物料需求系统,构建数据 驱动的智能供应链网络,提升协同效率和响应速度。 三是智能技术应用,运用 AI、数字孪生和 RPA (机器人流程自动化) 技术, 对供应链的需求预测、生产排程、物流跟踪等环节进行实时优化, 形成动态调整 能力。 四是智慧决策支持, 基于行业场景开发智能供应链

需平衡、 新能源消纳等方面的积极作用。 7.负荷侧调节能力： -负荷侧调节能力在应对新能源波动、保障电力供应稳定方面的重要性日益凸显。 -需要通过需求响应、能效管理、智能用电等手段，充分挖掘负荷侧调节潜力，提高负荷侧对电力市场的响应能力和调节效果。 8.容量保障： -随着新能源装机规模的不断扩大，其有效容量较低，难以应对电力供应的短时缺口和负荷的快速增长。 -需要通过完善容量保障机制