出现，引发了广泛关注，并带动了各个行业对大模型应用的探索与创新。 在政务领域，DeepSeek 展现出了巨大的潜力与价值。多地政务系统纷纷接 入 DeepSeek，积极探索其在民生服务、城市治理、公文处理等方面的应用场景。 特别是在政务热线中，DeepSeek 发挥了重要作用。以 12345 政务服务热线为例， 通过接入 DeepSeek，热线系统拓展了智能文本机器人应答、智能辅助填单、智 能 of Organization Theory & Behavior, 2009, 12(2):218-236. 4 集中反映群众生活的身边事。换言之，这一阶段政务热线主要作为倾听民众声音、 处理居民难事的渠道，用以强化政府的现代化治理能力，但热线数据背后的治理 价值较少被挖掘3。 二是数字化发展阶段。随着互联网、物联网等数字技术的广泛运用，物理世 界存在的人、物、服务等被链接起来，政府也可以运用数字技术更广泛地触达不 现智能接线应答、智能转派、智能回访等，从而释放劳动力资源，降低用工成本。 例如，智能派单系统可以有效应对海量工单，第一时间快速、精准地推送到相应 委办单位，并且通过一单多派，复杂诉求亦可推送多个部门联合处理。同时，这 3 孟天广,黄种滨,张小劲.政务热线驱动的超大城市社会治理创新——以北京市“接诉即办 ”改革为例[J]. 公 共管理学报,2021, 18(02):1-12+164. 5 一阶段

出现，引发了广泛关注，并带动了各个行业对大模型应用的探索与创新。 在政务领域，DeepSeek 展现出了巨大的潜力与价值。多地政务系统纷纷接 入 DeepSeek，积极探索其在民生服务、城市治理、公文处理等方面的应用场景。 特别是在政务热线中，DeepSeek 发挥了重要作用。以 12345 政务服务热线为例， 通过接入 DeepSeek，热线系统拓展了智能文本机器人应答、智能辅助填单、智 能 of Organization Theory & Behavior, 2009, 12(2):218-236. 4 集中反映群众生活的身边事。换言之，这一阶段政务热线主要作为倾听民众声音、 处理居民难事的渠道，用以强化政府的现代化治理能力，但热线数据背后的治理 价值较少被挖掘3。 二是数字化发展阶段。随着互联网、物联网等数字技术的广泛运用，物理世 界存在的人、物、服务等被链接起来，政府也可以运用数字技术更广泛地触达不 现智能接线应答、智能转派、智能回访等，从而释放劳动力资源，降低用工成本。 例如，智能派单系统可以有效应对海量工单，第一时间快速、精准地推送到相应 委办单位，并且通过一单多派，复杂诉求亦可推送多个部门联合处理。同时，这 3 孟天广,黄种滨,张小劲.政务热线驱动的超大城市社会治理创新——以北京市“接诉即办 ”改革为例[J]. 公 共管理学报,2021, 18(02):1-12+164. 5 一阶段

端到端的定义：基于数据驱动的深度学习 在广义语境中，端到端是一种研发范式，指在一个任务中，从输入端到输出端，中间不经过任何其他处理环节，由 一个模型完整实现输入到输出的全过程。在智能驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统 一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能 从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。 传统智驾系统的感知层、决策规划层和控制执行层之间 相互独立，信息传递容易积累误差，且智驾方案依赖于 工程师通过代码制定的规则，难以处理所有复杂场景， 边际效应随着智驾能力的提升呈现几何式骤减。与基于 规则的传统自动驾驶算法结构相比，端到端算法基于数 据驱动，可以实现信息的无损传递。同时，端到端架构 将感知、预测和规划结合为一个可以共同训练的单一模 型，整个系统都针对最终任务进行优化，并且共享的骨 数据接口。例如，华为乾崑ADS 3.0由GOD感知网络和PDP决策规划网络组成，GOD负责感知障碍物，PDP则根据感知 信息迅速做出决策。一体化端到端则将感知与规控模块全部打通，形成一个统一的大模型，使系统能够更直接、 高效地处理信息并作出反应。业内典型代表为特斯拉、Momenta、理想等。这种架构取消了模块划分，减少信息损 失的同时，对数据标注的需求也更少，同时具有更强的泛化性。从模块化端到端到一体化端到端是一种相对平滑

图� 国家政策持续强化数字化发展 来源：IDC，���� 工信部等八部委 发布《推进IPv�技术演进和应用创新发展的 实施意见》 ����年�月��日 财政部 对外发布《企业数据资源相关会计处理暂行规定》 ����年�月��日 五部委 印发《元宇宙产业创新发展三年行动计划(����—����年)》 ����年�月�日 工信部 印发《算力基础设施高质量发展行动计划》 ����年��月�日 场景四：满足数据合规要求。企业在拓展出海业务时，受数据合规和网络地 域等要求，会在不同地域选择具有影响力的本地云服务商。这些服务商可以 根据数据的敏感度和所在地法规要求，设计本地化的定制方案，确保数据合 规存储和处理。 场景五：多级组织建设需要。一些大型集团用户的不同子公司信息平台会出 于商务、成本、合作对象的考虑，独立选择云服务商，这导致企业集团范围 内会形成不同平台同时运行的复杂局面。子公司之间的数据互通要求往往不 设施的建设规划，力求在新一轮创新竞争中占得先机。 企业将多云战略作为推进智能化发展的重要选择，主要原因在于： 随着智能化技术的应用日益广泛，企业需要处理的数据量急剧增加，且数据 类型和来源也变得更为多元。多云架构允许企业根据数据特性和处理需求选 择最合适的计算、存储和治理方案。 图� 多云战略成为支撑全球企业发展AI和数字化业务的首要选择 来源：IDC，���� 问题：以下哪个选项

ref:中文大模型基准测评2024年度报告(2025.01.08) 推理模型 生成模型与推理大模型的对比 比较项 OpenAI GPT-4o（生成模型） OpenAI o1（推理模型） 模型定位 专注于通用自然语言处理和多模态能力，适合日常对 话、内容生成、翻译以及图文、音频、视频等信息处 理、生成、对话等。 侧重于复杂推理与逻辑能力，擅长数学、编程和自然语言推理任 务，适合高难度问题求解和专业领域应用。一般是在生成模型的 数学题求解）上准确率较低。 在复杂推理任务表现卓越，尤其擅长数学、代码推理任务。 多模态支持 支持文本、图像、音频乃至视频输入，可处理多种模 态信息。 当前主要支持文本输入，不具备图像处理等多模态能力。 应用场景 适合广泛通用任务，如对话、内容生成、多模态信息 处理以及多种语言相互翻译和交流；面向大众市场和 商业应用。 适合需要高精度推理和逻辑分析的专业任务，如数学竞赛、编程 问题和科 的创新应用 投资者背景与市 场定位 里程碑 DeepSeek模型系列 DeepSeek最新的生成模型和推理模型版本对比 比较方面 生成模型（V3） 推理模型（R1） 设计初衷 想要在各种自然语言处理的任务中都 能表现好，更通用 重点是为了搞定复杂的推理情况，比如 深度的逻辑分析和解决问题 性能展现 在数学题、多语言任务还有编码任务 里表现不错，像Cmath能得90.7分， Human

脑桥及延髓三部分。 部位 位置 功能 大脑 又称为端脑，位 于脑的最上部， 占人脑总体积的 约85%，分为左 右两个半球 高级认知：负责思维、记忆、语言、决策、情感灯 复杂功能 感觉与运动：处理视觉、听觉、触觉等信息、并控 制自主运动 小脑 位于大脑后下方， 紧贴脑干后方， 形似蝴蝶。 运动协调：调节肌肉张力、协调精细动作（如鞋子、 弹琴） 平衡与姿势：帮助维持圣体平衡与空间定位 学习辅助：参与运动技能学习 的线束及网关，起到各个控制器，传感器信息交互通联的 作用。 部位 在人体中功能 在人形机器人中功能 机器人对应硬件 大脑 高级认知：负责思维、记忆、语言、决策、情感灯复杂功 能 感觉与运动：处理视觉、听觉、触觉等信息、并控制自主 运动 语义理解、环境信息理解、动 作决策等 目前为机器人中央控制器担任此角色， 但目前并未获得相应能力。后续可能 在此基础上进一步增加硬件及算力 小脑 运 的角色的硬件，目前人形机器人厂商多用中央控制器担任此角色， 但对于高级认知，信息处理能力尚未建立。展望未来，机器人大小脑有望实现分离，大脑算力进一步加强，小脑专注运动控制。 部位 在人体中功能 在人形机器人中功能 机器人对应硬件 大脑 高级认知：负责思维、记忆、语言、决策、情感灯复杂功 能 感觉与运动：处理视觉、听觉、触觉等信息、并控制自主 运动 语义理解、环境信息理解、动 作决策等 目前为机器人中央控制器担任此角色，

人工智能的故事是逐渐出现和同质化的 来源：关于基础模型的机遇与⻛险 ⼈⼯智能中的多模态概念在过去⼀年中得到了极⼤的主流关注，随着OpenAI的G PT-4和Google的Gemini等先进模型的开发。 早期的⾃然语⾔处理（NLP）模型经常在上下⽂⽅⾯遇到困难，导致句⼦缺乏 连贯性和微妙之处。这在开发能够理解并回应复杂指令或进⾏有意义互动的机 器⼈时是⼀个重要障碍。 2020年，OpenAI的GPT-3在各种语⾔任务中的⼈类⽔平表现上取得了22%的改进 确性，例如⼈脸识别和 ⾃主导航。 除了处理视觉和听觉信号外，机器⼈还必须能够理解和导航三维环境。虽然⼈类依靠 视觉和听觉线索结合来感知三维空间，但机器⼈可以配备专⽤传感器，提供对周围环 境更详细的理解。 ⼀种这样的技术是光探测与测距（LIDAR），在过去⼗年中费⽤⼤幅降低，使其 更易于⽤于机器⼈技术。 LIDAR使机器⼈能够进⾏实时物体识别和导航，处理三 维信号的速度是⼈类的数⼗倍。 3. 灵巧性 来源: ⽥间机器⼈ 来源: 影⼦机器⼈ 触觉敏感性的进展也提⾼了机器⼈执⾏精细任务的能⼒。Touch Lab表⽰，他们的织 物条可以将机器⼈夹持器的灵敏度提⾼50%，使机器⼈能够像⼈⼿⼀样⼩⼼地处理易 碎物品。 另⼀个突破性的机器⼈灵巧发展来⾃剑桥⼤学，研究⼈员开发了⼀种“第三只⼿指 ”，⼏乎任何⼈在试⽤⼏分钟后都能使⽤。 “第三只⼿指”是额外的机器⼈⼿指，可以附着在⼿上，为⽤⼾提供超出⽣物学可能

2%的人认为2022年11月 ChatGPT的发布是“AI到来的标志事件”。C端 ChatGPT 产品的出现让公众直观感受到，AI可以理解复杂的语言指令并生成流畅自然文本 的强大功能，极大突破了以往人们对AI通常进行简单任务处理的认知。AI、AIGC、大模型快速成为近两年科技产业发展的高频关键词，政 府侧、企业侧纷纷加大对AI技术投资以释放大模型生产力，消费者对生成式AI工具产品的兴趣也在增加，其中，文本写作类应用（豆包、 5.2% 6.3% 9.6% 15.0% 27.7% 32.5% 48.8% 52.1% 代码编写类 汽车驾驶类 视频生成类 个人助理类 PPT制作类 信息检索类 视频处理类 图片生成类 文本写作类 2016年3月 2022年11月 2024年2月 2022年上半年 2023年4月 2023年7月 过去一年大家主要尝试过的AI功能 10 ©2025 （LSTM）等结构的出现，使得CNN与RNN能够 相互融合，形成了更加复杂的模型结构。 CNN 适用于处理空间结构的数据，如图像识别、目标检测、图像分割等。在 这些场景中，CNN能够有效地提取图像的特征，从而实现更好的性能。而 RNN 适用于处理时序关系的数据，广泛应用在自然语言处理、语音识别、机 器翻译等领域。在某些任务中，这两者也可以结合使用，形成更复杂的神经网 络结构，目前 CNN

2%的人认为2022年11月 ChatGPT的发布是“AI到来的标志事件”。C端 ChatGPT 产品的出现让公众直观感受到，AI可以理解复杂的语言指令并生成流畅自然文本 的强大功能，极大突破了以往人们对AI通常进行简单任务处理的认知。AI、AIGC、大模型快速成为近两年科技产业发展的高频关键词，政 府侧、企业侧纷纷加大对AI技术投资以释放大模型生产力，消费者对生成式AI工具产品的兴趣也在增加，其中，文本写作类应用（豆包、 5.2% 6.3% 9.6% 15.0% 27.7% 32.5% 48.8% 52.1% 代码编写类 汽车驾驶类 视频生成类 个人助理类 PPT制作类 信息检索类 视频处理类 图片生成类 文本写作类 2016年3月 2022年11月 2024年2月 2022年上半年 2023年4月 2023年7月 过去一年大家主要尝试过的AI功能 10 ©2025 （LSTM）等结构的出现，使得CNN与RNN能够 相互融合，形成了更加复杂的模型结构。 CNN 适用于处理空间结构的数据，如图像识别、目标检测、图像分割等。在 这些场景中，CNN能够有效地提取图像的特征，从而实现更好的性能。而 RNN 适用于处理时序关系的数据，广泛应用在自然语言处理、语音识别、机 器翻译等领域。在某些任务中，这两者也可以结合使用，形成更复杂的神经网 络结构，目前 CNN

能源发电的利用效率。 10 ◼ 能源管理： 1、电网状态监测与故障诊断：利用 传感器网络收集电网的实时运行数 据，如电压、电流、功率因数等， AI 大模型可以对这些数据进行实时 分析和处理，监测电网的运行状态 。一旦发现异常情况，如电压波动 、电流过载、设备故障等，能够及 时发出警报，并对故障进行诊断和 定位，帮助运维人员快速排除故障 ，提高电网的可靠性和稳定性。 2、储 1、数据准确性方面：首先，在处理能源领域历史事件、人物事迹等内容时可能出现不准确的情况，如对一些能源领域重要人物的生平、 贡献等信息存在误判，会影响知识传递和基于这些知识的决策。其次，能源行业发展迅速，新技术、新政策、新数据不断涌现。 DeepSeek可能无法及时获取和更新最新的能源数据和信息，导致在处理与时效性相关的能源问题时，给出的结果滞后或不准确。 2、逻辑推理方面：1）复杂逻辑处理能力有限，能源系 统涉及发电、输电、配电、用电等多个环节，各环节之间存在复杂的因果关系和 逻辑联系。DeepSeek在处理一些需要深入理解和分析复杂能源逻辑关系的问题时，可能会出现混淆概念、因果倒置等逻辑错误，难以提 供准确有效的解决方案。2）缺乏辩证思维。能源行业的很多问题需要综合考虑多种因素，进行辩证分析。但DeepSeek可能缺乏像人类 一样的辩证思维能力，在面对能源与环境、经济、社会等多方面相互关系的