大模型需要训练大量数据才能发挥出其强大的 性能，这些数据来自于各种来源，如互联网、企业内部数据等。 3、计算资源需求高。由于参数规模庞大，AI 大模型的训练需要高性 能的计算资源，如GPU 集群、分布式训练框架等。 4能源行业部分大模型 （一） ◼ 国网光明电力大模型：（开源与闭源并举） 发输变配用、调度、交易 规划、建设、运行、检修、营销 ◼ 南网，大瓦特 ◼ 三峡集团“大禹”大模型 ◼ 中核集团龙吟大模型 2、信用风险：在能源交易中，交易双方的信用状况直接影响交易的安全性和可靠性。AI 大模型可以通过对交易对手的信用记录、财 务状况和市场声誉等信息的分析，评估交易对手的信用风险，并为交易商提供信用风险预警和防范措施。 3、政策风险：能源行业受到政策法规的影响较大，政策的变化可能对能源市场的供需关系和价格走势产生重大影响。AI 大模型可以 对政策法规的变化进行实时监测和分析，预测政策的影响范围和程度，帮助能源企业和交易商及时调整经营策略和交易计划，降低政 法。 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

对于企业制定精准的智能化战略、政府优化产业政策以及推动整体经 济的智能化升级具有重要意义。 图 3-7 不同行业的智能化成熟度水平分析（本报告调研反馈数据） *公交能包含：公共事业、交通运输、能源行业（下同）；其他包含：个人消费服务、媒体、电信行业（下同） 更多干货请关注公众号“管理技术化平台” 39 1. 智能化成熟度水平 TOP1 行业: 金融 金融业作为信息密集型产业, 长期以来高度依赖信息技术 医疗卫生行业在智能化 道路上的稳步推进, 为提升医疗服务质量、优化医疗资源配置带来了积极影响。 5. 智能化成熟度下降最明显的行业: 公共事业、 交通运输和能源 数据显示, 公共事业、交通运输和能源行业尽管具备各自的基础与特点, 但均面临着诸多挑战, 导致其智能化成熟度水平呈现不同程度的下降趋势。 首先, 三个行业的业务体系庞大且复杂, 涉及众多的子系统和设备。在智能 化转型过程中, 将不 通系统涵盖交通信号控制、车辆监测、道路收费等多个子系统, 集成难度大, 容 易出现数据传输延迟、系统故障等问题。 图 3-13 公交能行业成熟度得分情况（本报告调研反馈数据） 其次, 公共事业、交通运输和能源行业涉及大量敏感信息,如用户的用水用 电信息、交通出行轨迹、能源消费数据等, 数据安全和隐私保护至关重要。随着 智能化技术的应用, 数据的收集、传输、存储和使用更加频繁, 网络攻击、数据 泄露等安全风险显著增加。