自 编 码 （Variational autoencoder，VAE）两大类。 （1） 生成式对抗网络（Generative Adversarial Net， GAN） 生 成 式 对 抗 网 络 （ GAN ） 由 两 部 分 组 成 ： 生 成 器 （Generator）和判别器（Discriminator）。GAN 的工作原 理基于一个零和游戏（zero-sum game），其中生成器试图 常见用于表达逻辑流程和状态转换的状态机建模，用来模拟 并发事件和资源分配问题的 Petri 网建模等。建模技术为数 字孪生提供了坚实的理论和技术支撑，正向着更加自动化、 智能化的方向不断发展。 5.感知类技术 感知类技术包括常见的物联网 IoT、射频识别 RFID、计 算机视觉和声波雷达等。IoT（Internet of things，物联 网）本质上是互联网从人向物的延伸，物联网是将“物”和 互联网相互连接 5和个性化资产配置 满足客户的多样化需求，但在隐私保护和数据安全方面的要 求也愈发严格。 金融机构作为金融业务的载体，承担着为社会提供资金 配置、风险管理和服务支持的职能，也有义务应对数字化转 型过程中精准营销、风险管理以及安全合规要求带来的日益 复杂的挑战。 1.金融营销方面痛点介绍 金融营销领域存在的痛点包括客户获得的成本上升，对 客户需求的准确分析不足，以及日益激烈的同业竞争。根据

2024年1月4日，十七 部门印发《“数据要素 ×” 三 年 行 动 计 划 （2024—2026年）》 ◆ 2024年5月29日，中 央网信办等三部门印发 《信息化标准建设行动 计划(2024—2027年)》 ◆ 2024年9月9日，全国网 络安全标准化技术委员会 发布《人工智能安全治理 框架》1.0版。 ◆ 2024年6月19日，四部 门联合印发《国家人工 智能产业综合标准化体 2）小模型使用成本低 3）对小模型替代 成本高 • 1980年，卷积神经网络的雏形CNN诞生；1998 年，现代卷积神经网络的基本结构LeNet-5诞生。 • 循 环 神 经 网 络 （ RNN ） 和 长 短 时 记 忆 网 络 （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 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 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架 构，奠定大模型预训练算法架构的基础； • 2018年，OpenAI发布了GPT-1大模型；Google发布BERT大模型；

2024年1月4日，十七 部门印发《“数据要素 ×” 三 年 行 动 计 划 （2024—2026年）》 ◆ 2024年5月29日，中 央网信办等三部门印发 《信息化标准建设行动 计划(2024—2027年)》 ◆ 2024年9月9日，全国网 络安全标准化技术委员会 发布《人工智能安全治理 框架》1.0版。 ◆ 2024年6月19日，四部 门联合印发《国家人工 智能产业综合标准化体 2）小模型使用成本低 3）对小模型替代 成本高 • 1980年，卷积神经网络的雏形CNN诞生；1998 年，现代卷积神经网络的基本结构LeNet-5诞生。 • 循 环 神 经 网 络 （ RNN ） 和 长 短 时 记 忆 网 络 （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 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 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架 构，奠定大模型预训练算法架构的基础； • 2018年，OpenAI发布了GPT-1大模型；Google发布BERT大模型；

展格局。IDC预测，到����年，已经建立数字业务平台的组织将拥有比竞争 对手高出��%的数字化市场份额，并拥有更强的追踪投资回报率和执行数字 收入举措的能力。 一系列的变革将给企业的云战略演进带来强劲冲击。企业应努力思考如何构 建与业务协同发展、适度超前的IT架构，基于技术优势带动业务创新和商业 模式创新，推进企业整体发展目标的达成。以云为核心的IT基础设施规划与 企业业务规划密切相关，在业务发展的每一个阶段都应起到核心推动作用。 力，并通过引入新的合作对象，解决企业当前云环境下存在的问题。多云策 略已经在企业众多应用场景中实现了深度普及与广泛应用，成为企业重要的 云发展战略组成部分。IDC多云战略调研发现：目前，��%的中国企业已经构 建多云/混合云环境，被访企业平均拥有�个公有云服务商，�个私有云服务 商；��%的中国企业将在当前和未来�-�年持续选择多云部署模式，有意识地 将资源、业务和服务能力分散到多个云平台上。 �� 挥数据要素作用的意见》(数据二十条) ����年��月��日 工信部等十六部委 发布《促进数据安全产业发展的指导意见》 ����年�月��日 中共中央 国务院 印发《数字中国建设整体布局规划》 ����年�月��日 网信办等七部委 联合公布《生成式人工智能服务管理暂行办法》 ����年�月��日 �� 随着数字化进程的日益加快，企业管理者洞察到企业的发展正被一系列崭新的驱 动力所推动，这些动力源来自于三个方面的深刻变革：即新技术的进步、新环境

一、总体要求 （一）指导思想 以习近平新时代中国特色社会主义思想为指导，全面贯彻 党的二十大精神，立足新发展阶段，完整、准确、全面贯彻新 发展理念，加快构建新发展格局，着力推动高质量发展。以构 建现代化基础设施体系为目标，面向经济社会发展和国家重大 战略需求，稳步提升算力综合供给能力，着力强化运力高效承 载，不断完善存力灵活保障，持续增强算力赋能成效，全面推 动算力绿色安全发展，为数字经济高质量发展注入新动能。 新动能。 （二）基本原则 多元供给，优化布局。坚持多元发展路线，调动各类市场 2 主体积极性，构建通用、智能和超级算力协同发展的供给体系， 持续优化算力资源地域布局，加强集约化建设，强化算网存用 协调发展，推动新一代信息技术与算力设施融合应用，引导算 力运营智能化升级。 需求牵引，强化赋能。坚持市场需求导向，发挥区域比较 优势，进一步释放工业、金融等重点行业对算力应用的需求潜 EFLOPS，智 能算力占比达到 35%，东西部算力平衡协调发展。 运载力方面，国家枢纽节点数据中心集群间基本实现不高 于理论时延 1.5 倍的直连网络传输，重点应用场所光传送网 （OTN）覆盖率达到 80%，骨干网、城域网全面支持 IPv6，SRv6 3 等创新技术使用占比达到 40%。 存储力方面，存储总量超过 1800EB，先进存储容量占比达 到 30%以上，重点行业核心数据、重要数据灾备覆盖率达到

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 干网络大幅提高了计算效率，使智驾方案具备更高的迭 代效率，有效降低了维护成本。 请务必阅读正文之后的免责条款部分 图2：端到端技术演进 资料来源：辰韬资本，Ai 模块化“端到端”： 决策规划控制模块升级“端到端”并且两模块间的的数据传递 有望由人为定义的结果抽象为特征向量 0ne Model/单一模型“端到端”： 原始信号输入到最终规划轨迹的输出直接采用单一深度神经网 络实现 请务必阅读正文之后的免责条款部分 图3：UniAD架构设计概览 资料来源：Hu Y, Yang J, Chen L, et al，Planning-oriented Autonomous 超16亿英里（2024年中报） 4.6亿公里（2024.08） 29.3亿公里（2024.12） 14.8亿公里（2024.11） 756万公里（实车测试里程， 2024.07） 资料来源：汽车之心，中工汽车网，中国财经报，AI新能源低碳出行，国元证券研究所 请务必阅读正文之后的免责条款部分 道路交通的复杂程度与训练数据的体量使端到端的落地对于算力有极高的要求。道路交通环境的复杂性并不能完 全用交通规则

会，包括实现效率的新方法、经营企业核心的方式，以 及与客户互动的新商业模式。 我们将AI视为新的数字革命，因为它既是一种技术， 也是一种新的工作方式。我们相信它将在企业运营的 每个领域得到应用，并对所有相关的人和事物产生网 络效应。其影响已经显现，随着公司继续扩大AI规模 ——并将生成式AI作为变革的催化剂——它将解决新 的问题，创造新的发明，改变我们的工作和生活方式 ，并转型行业和政府。 安永研究显示，仅有36%的高管表示他们的组织已 。 人工智能：自主宣 言 信任是否是人工智能无 限可能性的极限？ 今年《技术愿景》探讨了人工智能从自动化向转 型发展的未来。 使人们能够自主行动的推动者——为他们提供执行新任 务和比以往任何时候都更好地执行其他任务的能力。考 虑一下，随着人工智能进入新的和陌生的领域，重新构 想的可能性与机遇。为了真正理解和利用这种潜力，企 业将创建他们自己的、独特的AI认知数字大脑，这将彻 底改变技术在其企业以及与员工之间所扮演的角色。这 相关性只有人工智能代理能够在规模上提供。但这种自 主性需要信任来促进。顾客对企业的信任程度，或者企 业领导对他们的系统的信任程度，或者工人对他们的雇 主的信任程度，人们对人工智能的信任程度，或者企业 与其关系网中成百上千的其他变体。 这些问题是领导者需要解决的问题。自主性是下一代商 业增长和创新的钥匙。我们希望员工能够更加自主地工 作，拥有一个由他们指挥的代理团队。我们希望客户能 够自由地与自主企业系统互动，按需购买或享受一定程

BERT 在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗 AI 小模型年代主要技术路线 “ 大数据、小算力、专用决策” DeepSeek-R1 基于 DS-v3 构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI 技术演变 路线 数据来源： 1. 甲⼦光年智库梳理， 2023 年； 5 体验： 哎哟 不错噢 低成本，超出⽤户预期的“智能” 增长：破圈，两个⽉到⼀亿⽤户的速度 DeepSeek 通过持续的技术 创新和市场拓展，在⾃然语⾔处理和⼤型语⾔模型⽅⾯取得了显著进展，在国际 市 场上获得了⼴泛认可。其中： • DeepSeek-V3 是在 14.8 万亿⾼质量 token 上完成预训练的⼀个强⼤的混合 专 家 (MoE) 语⾔模型，拥有 6710 亿参数（激活参数 370 亿）。作为通⽤⼤ 语⾔模 型，其在在知识类任务（知识问答、内容⽣成等）领域表现出⾊ • 位数记录数 字 • “ ⼿机号码，记最后 4 位” • 提升训练速度同时保持精度，降低硬件门槛 数据蒸馏技术 • 从海量数据中提炼⾼价值信息，提升模 型 学习 效率 • 蒸馏垂类⼩模型能⼒，不输于全尺⼨模 型 GRPO( 群体相对策略优 化 ) • ⼤道⾄简，⽤强化学习跳出题海和⼩ 测 让模型⾃⼰学会 思考 DeepSeek 的创新突破 效果体验惊艳，成本极致压缩

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 同人群，政务服务的覆盖度显著提高。政府利用数字化工具集成大量政府服务项 目，发展出网上政务大厅、一网通办、智慧终端、指尖政府、专用型 APP、嵌入 式 APP 等应用。在此趋势下，这一阶段的政务热线形成了集成式和总台化的特 征，表现为多条热线沟通、一个总台受理、处置多种事项，或者是一条热线沟通、 一个总台受理 （二）大模型在政务热线中的全新价值 随着大模型、人工智能、物联网等新一代数字技术的突破性发展，技术赋能 呈现出智能化与场景化深度融合的特征，为政务热线从数字化向智能化跃迁提供 了核心驱动力。在这一转型过程中，大模型通过重构政务热线的底层技术逻辑， 正在成为推动数字政府治理现代化的重要引擎。 首先，大模型驱动资源整合，强化数字政府协同联动能力。 政务热线数智化注重资源整合，借助大模型的强大能力，能进一步提升数字 号）（以下简称《意见》）对各地政务热线提出了 “接得更快、分得更准、办得更实”的发展目标，要求各地加快热线归并、优化 热线运行机制、加强热线能力建设。在此背景下，我国政务热线迎来新一轮的发 展高潮，并融入我国数字政府与服务型政府的整体建设之中。 改革开放四十余年来，随着社会经济的快速发展，人民群众的利益诉求和价 值观念出现多样化、差异化趋势，对我国国家治理提出了新要求和新挑战。当前， 在统筹疫情防控和稳定经济增长的