年）》，便提出促进人工智能推广 应用，推进医学人工智能数据及推理运算场景、智慧医疗图脑、医疗可穿戴、医疗终端 边缘计算、神经芯片及脑机智能接口等推广应用，强调要积极开展临床决策支持系统、 医学影像辅助诊断、医用机器人、疾病风险预测与诊断等项目。 确立方针后，我国又在微观层面密集出台了《关于进一步推进以电子病历为核心的医疗 机构信息化建设工作的通知》《关于印发医院智慧服务分级评估标准体系（试行）的通 知》《关于 许多热门脏器的人工智能已经非常成熟，能够实现高精度的多病种辅助诊断，如心脏 （70）、骨骼（58 个）、头颈（53 个）、肺部（44）等部位。一些冷门脏器也在开发 之中，如肠道（5 个）、泌尿（4 个）、整腹（2 个），部分产品已经取得了医疗器械 注册证，能够实现一定程度的商业化。 需要注意的是，AI 针对单一脏器实现的辅助诊断能力并不均衡。一方面，不同影像设备 的数据获取难度及学习难度存在差异，导致大多数企业惯于处理 2. 以脏器为目标的诊断取代了以单一病种为目标的诊断，驱动企业基于脏器进行全面 布局。过去，影像 AI 的研发落地常围绕某一特定疾病进行，但影像科医生在阅读 CT、 X 光片时，不会先入为主预设患者的患病情况，而是会逐一确认影像中的每一个细节， 这种辅助模式限制了影像 AI 的价值。如今，影像 AI 企业为实现某个脏器的诊断，必须 将该脏器中的热门病种逐一诊断，进而导致热门病种对应的影像

的专业认知和技能 3.2 AI 人才短缺 3.3 高管低估了员工学习和接纳 AI 的意愿 03 12 13 15 人才是变革的关键 4.1 引入大模型≠提升生产力 04 16 4.2 AI 力的诊断和测评 17 4.3 发展大模型时代的 AI 力 18 22 2.1.3 AI 在销售领域的应用 10 2.1.4 AI 在人力资源领域的应用 11 2024 年被业界公认为“大模型落地元年”。经过 医疗咨询：提升健康意识，初步诊断建议 以通俗易懂的方式回答患者问题，增强患者的健康素养 根据患者的症状描述和询症医学知识库，提供初步的健康建议和就医指导 AI 在零售行业的应用 2.1.2 辅助诊断：提高诊断效率，减轻医生负担 分析患者的电子健康记录 (EHR)、医学图像 (如 X 光、CT、MRI) 和医学文献等 数据，辅助医生识别疾病特征，并提供初步诊断建议，减轻医生的工作负担 临床决策支持：实时数据分析 情感态度：衡量对 AI 的主观意愿和接受程度 提示词能力：衡量与 AI 高效互动和协作的能力 解决问题：考察用 AI 解决业务问题的能力 合规使用：评估 AI 应用的安全性和规范性 4.2 AI 力的诊断和测评 18 UMU 的 AI 力测评工具可以生成直观的 可视化报告，清晰展现员工 AI 力的现状和 不足，帮助管理层量化分析各个团队和部 门在 AI 转型中的优势与短板，从而制定更 针对性的人才赋能方案。

• 烧结皮带智能监测 • 烧结设备运行工况检测 • 料场生产计划智能配置 • 烧结矿成分预测 • 烧结矿质量预测 • 烧结烟气 S02 排放在 线预测与控制 • 构建能源消耗预测 • 智能故障诊断 • 挡板位移检测 • 皮带划痕、 撕裂、 跑偏检测预警 • 1球团皮带智能监测 • 生球粒度分布在线 识别 • 球团1颗粒粒度检测 • 球团1现场生产安全 态势感知与预警 • 皮带机预测性维护 控制 • 废品无人天车吊装控制 • 铁水质量预报 • 高炉温度分布 • 高炉燃料比监测 • 高炉精准出铁预测 • 高炉炉况诊断 • 高炉燎铁能耗预测 • 高炉在含量智能预监 • 铁包动态调度算法(铁包 跟踪) • 烟气余热回收控制 • 部署工艺模型分析诊断 • 能源诊断分析 • 建设质量工艺动态设计 优化 • 堆堵料异常检测 • 炼铁原料混匀过程调度 优化 • 风机风压参数实时捕捉 炼钢工序物料属性检测 • ·精炼钢水温度连续测量 • 炼钢设备远程监控及故障 诊断 • ·转炉炉体缺陷检测 • 钢水液面检测 • 钢包水口位置定位 • 钢包顶升高度预测 • 钢包吊钩姿态监测 • 钢包温度远程智能监测 • 炼钢工序物料属性检测 • ·精炼钢水温度连续测量 • 炼钢设备远程监控及故障诊断 • 转炉炉体缺陷检测 • 钢水液面检测 • 钢包水口位置定位 • 钢包顶升高度预测

������������ ............................................................................ 29 6.7 场景 7、感知诊断分析 ................................................................................ 30 6.7.1 ��������������� 81% 74.00% 76.00% 70.00% 感 知 诊 断 分 析 意 图 识 别 准 确 率 感 知 诊 断 分 析 提 取 准 确 率 感 知 诊 断 分 析 覆 盖 范 围 感知诊断分析指标 DeepSeek R1 DeepSeek V3 模型C 模型D 模型E 94.40% 91.20% 89.00% 91.00% 89.00% 94.50% 91.60% 93

简易的蒸馏⽅式， 让世界上 不管⼤⼩的实验室， 快速掌 握 OpenAI 原来封闭的顶 尖 从编程辅助（ DeepSeek- Coder ） 到医疗诊断（ R1 临床接⼊） ，展现⾏业落 地能⼒ • 技术成本的下降，为 了训练和推理的成本。 模型推理能⼒ ⾏业上下游带来更多 ⽽且它是个拥有推理能 • MIT 医典科普 健康提醒 健康提醒 ⽩噪⾳帮助我⼊眠 ⽤户 19 基于 DeepSeek 病历讨论助⼿ 基于 DeepSeek 推理模型，整合患者的信息，辅助医⽣深度问诊、 鉴别诊断、病情分析和建议，提出治疗、预防等建议 • 基于 Deepseek ⼤模型，再现医⽣临床思维链路的推理模型 • ⾃动⽣成病情分析、 IDC ⾃动编码 • 分析准确率达 90% ，为医⽣提供权威决策⽀持

简易的蒸馏⽅式，让世界上 不管⼤⼩的实验室，快速掌 握OpenAI原来封闭的顶尖 模型推理能⼒ • MIT许可证，商⽤权限吸引 开发者 垂直适配 从编程辅助（DeepSeek- Coder）到医疗诊断（R1 临床接⼊），展现⾏业落 地能⼒ 9 DeepSeek天然适合医疗⾏业 ⼤模型发展的⼏⼤“基⽯” 01 DeepSeek极致成本降低，显著降低本地化部署的 成本，极⼤激活本地数据 计算资源 →基于医学搜索、循证医学证据的驱动 • 科研与学术⽅式和效率→通过⼤模型进⾏科研 课题筛选、⽂献收集、数据结构化提取和分析、 摘要及初稿撰写等 医⽣ 基于DeepSeek推理模型，整合患者的信息，辅助医⽣深度问诊、 鉴别诊断、病情分析和建议，提出治疗、预防等建议 • 基于Deepseek⼤模型，再现医⽣临床思维链路的推理模型 • ⾃动⽣成病情分析、IDC⾃动编码 • 分析准确率达90%，为医⽣提供权威决策⽀持 •

体现在《中 国企业智能化成熟度报告 (2024) 》 (以下简称《报告》) 中,便是千行百业如 雨后春第般地开始探索与迈进各自的智能化发展旅程,从智能制造领域的智能生 产线优化,到医疗行业的辅助诊断与疾病预测,再到交通领域的智能调度与拥堵 缓解, AI 技术如同流水 悄无声息又快速地填满了企业运营的各个环节 静水流 深地改变了企业的运营模式和人们的生活方式。 在今年的调研中, 我们将企业智能化成熟度量表做了刷新 深度变革。 企业需要将智能化思维融入到每一个业务环节, 从战略规划到日常 运营,从产品研发到客户服务, 全面提升组织的智能化能力。 2.2 企业智能化成熟度模型 企业智能化成熟度模型,可以帮助企业准确诊断自身智能化转型所处的阶段 水平, 以及应当采取的重点策略。本报告中的企业智能化成熟度具体划分延续去 年的划分标准和原则,共分为 L1 至 L5 共五个水平,包括: 尚处于基础信息化建 设,被动单点尝试数字化/智能化尝试的 (2) 新技术短期投入回报不明显。一方面, 许多智能化新技术的研发需要 耗费大量时间和精力,从基础研究、 技术突破到产品化应用, 往往需要经历漫长 的过程。例如,人工智能在某些复杂领域 (如医疗影像诊断、自然语言处理高级 应用等) 的研究仍处于探索阶段, 企业需要持续投入研发资金,但短期内难以获 得可转化为实际经济效益的成果。另一方面, 智能化转型往往依赖于大规模的基 础设施建设, 如 5G

行类型 学划分，对其中紧急且重要的事情（譬如重大舆情事件、公共卫生事件）开展应 急管理，快速回应群众、解决问题。三是施策评估。结合群众回访评价和群众诉 求量的发展趋势，政务热线可对政策执行进行诊断评估，为进一步优化政策及其 执行提供参考。 （二）技术融合下的服务升级——以北京接诉即办为例5 目前，在中央和各地政府的大力推动下，政务热线已成为反映社情民意、提 升政府治理能力和创新社会治 频民生热点问题、治理难点堵点问题的深度诊断，系统呈现民众诉求的分布情况 和政府部门的治理效果，形成对社会运行、政府治理的全面理解和认知，并提出 针对性的对策建议和解决方案，从而发挥辅助政府决策施政的关键性作用。 三、当前政务热线发展面临的挑战 政务热线业务流程可大致分为接诉、办理、评估、治理四个环节，分别对应 诉求的接听、工单的流转与处置、诉求办理的质量检查与考核激励，以及基于热 线数据的问题诊断与辅助决策。基 众声音、派员处理居民难事的渠 道，很少对政务热线数据进行挖掘，并将其作为强化政府现代化治理能力的重要 资源。充分发挥热线数据赋能社会治理现代化，相关挑战存在于问题诊断与辅助 决策两个方面。 1.问题诊断 对热线数据进行诊断式分析是政务热线赋能各个层级政府及部门科学决策 与有效管理的基础性活动。从全国范围看，政务热线数据汇集度低、数据质量不 25 高、数据挖掘能力有限，从而制约了当前热线数据价值的充分发挥。

行类型 学划分，对其中紧急且重要的事情（譬如重大舆情事件、公共卫生事件）开展应 急管理，快速回应群众、解决问题。三是施策评估。结合群众回访评价和群众诉 求量的发展趋势，政务热线可对政策执行进行诊断评估，为进一步优化政策及其 执行提供参考。 （二）技术融合下的服务升级——以北京接诉即办为例5 目前，在中央和各地政府的大力推动下，政务热线已成为反映社情民意、提 升政府治理能力和创新社会治 频民生热点问题、治理难点堵点问题的深度诊断，系统呈现民众诉求的分布情况 和政府部门的治理效果，形成对社会运行、政府治理的全面理解和认知，并提出 针对性的对策建议和解决方案，从而发挥辅助政府决策施政的关键性作用。 三、当前政务热线发展面临的挑战 政务热线业务流程可大致分为接诉、办理、评估、治理四个环节，分别对应 诉求的接听、工单的流转与处置、诉求办理的质量检查与考核激励，以及基于热 线数据的问题诊断与辅助决策。基 众声音、派员处理居民难事的渠 道，很少对政务热线数据进行挖掘，并将其作为强化政府现代化治理能力的重要 资源。充分发挥热线数据赋能社会治理现代化，相关挑战存在于问题诊断与辅助 决策两个方面。 1.问题诊断 对热线数据进行诊断式分析是政务热线赋能各个层级政府及部门科学决策 与有效管理的基础性活动。从全国范围看，政务热线数据汇集度低、数据质量不 25 高、数据挖掘能力有限，从而制约了当前热线数据价值的充分发挥。

新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、