厦门大学大数据教学团队作品 1. 大模型：人工智能的前 沿 1.1 大模型的概念 1.2 大模型的发展历程 1.3 人工智能与大模型的关系 1.4 大模型分类 大模型通常指的是大规模的人工智能模型 ，是一种基于深度学习技术 ，具 有 海量参数、强大的学习能力和泛化能力 ，能够处理和生成多种类型数据的 人 工智能模型 通常说的大模型的“大”的特点体现在： 2020 年 ， OpenAI 公司推出了 GPT-3 大模型发展历经三个阶段 ，分别是萌芽期、 沉淀期和爆发 期 1.2 大模型的发展历 程 1.2 大模型的发展历 程 大模型发展对算力的需求演变 人工智能 机器学习 深度学习 人工智能包含了机器学习 ，机器学习包含了深度学习 ，深度学习可以采用不同的模型 ， 其中一种模型是预训练模型 ，预训 练模型包含了预训练大模型（可以简称为“大模型”） ，预训练大模型包含了预训练大语言模型（可以简称为“大语言模 ERNIE ， ChatGPT 是基于 GPT 开发的大模型产 品， 预训练大模型 预训练 大语言模型 预训练大语言模型 GPT 文 心 ERNIE 1.3 人工智能与大模型的关 系 深度学习模型 预训练模型 文心一言 ChatGPT 文心一言是基于文心 ERNIE 开发的大模型产 品 语言大模型 是 指 在 自 然 语 言 处 理 （ Nat u ral La ng

的治理模式在处理突发事件、优化资源配置、提升服务质量等方面 逐渐显露出局限性。信息技术的迅猛发展，尤其是人工智能和大数 据技术的成熟，为城市治理提供了新的解决方案。DeepSeek 模型 作为一种先进的深度学习架构，具备强大的数据处理和模式识别能 力，能够有效应对城市治理中的复杂问题。引入 DeepSeek 模型， 不仅可以提升事件处置的效率和准确性，还能够为决策者提供更为 科学、实时的数据支持。 引入 DeepSeek 模型后，事件发现的平均时间从原来的 2 小时缩短 至 15 分钟，事件处理的平均时间也从原来的 8 小时缩短至 3 小 时。 其次，DeepSeek 模型能够通过历史数据的深度学习，优化事 件处置的策略。通过对以往事件处理过程的分析，模型可以总结出 最佳的处理路径和资源配置方案。这种数据驱动的决策方式，不仅 能够提高事件处理的效率，还能够降低处置过程中的资源浪费。以 1.2 目的与目标 本项目的核心目的在于通过将 DeepSeek 模型集成到政务城市 治理体系中，显著提升城市事件处置的效率和精准度。具体而言， 该模型的应用旨在实现以下几个关键目标：首先，通过深度学习与 大数据分析技术，快速识别和分类城市治理中的各类事件，如交通 拥堵、环境监测异常、公共设施损坏等，从而缩短事件响应时间。 其次，通过预测模型的应用，提前预警潜在的城市问题，如天气变 化

工智能技 术的快速发展，政务热线作为政府与公众沟通的重要渠道，正在经历一场智能化 变革。作为数字政府的“门脸”，政务热线进一步建设发展需要各方的通力合作， 将人工智能大模型和智能技术与政务场景深度融合，打造出智慧、高效、便捷的 现代城市治理“总客服”。 （一）政务热线的发展历程 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民 分析、预测分析和可视化呈现，充分释放数据红利，推动传统城市治理向精细化、 精准化和智能化全面升级。 （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。 困扰，助力各级平台及其成员单位 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。

开源大模型优势 美国 日本 政务行业大模型发展驱动：需求升级 政务智能化进程加速 ，业务场景深度与广度持续提升 ，需要大模型支持 在数字化浪潮下 ，各个产业加速数字化转型 ，利用云数智工具实现业务创新和降本增效；政务行业亦与时俱进 ，加速数字化建设 ， 利用政务云等数字化平台助力政府内部管理效率不断提升 ，集成商则较偏重服务能力建设。 目前 ，我国政务行业大模型建设仍处于行业早期 ，各 厂商虽然技术、服务 能力各有所长 ，但在项目建设中各类厂商之间合作大于竞争 ，彼此取长补短、相互协同 ，共同探索推动大模 型与政务行业的深度融 大华 腾讯云 H3C 维智科技 软通智慧 开普云 百度智能云 阿里云 中国电信 中国移动 . 中国联通 太极 华为云 政务行业大模型厂商能力特征象限 来源：公开 来源：艾瑞咨询研究院自主研究及绘制。 政务服务场景厂商案例：中国移动 深度理解政务事项、遵循安全可信要求，帮助民众“高效办成一件事” 中国移动依托在数据、场景、算力等方面的优势，结合政务领域数据进行模型精调，并引入政务领域约束模型进行输出限制，面向 政务领域打造了九天 · 海算政务大模型。面向“一网通办”场景，九天 · 海算政务大模型能够提供对政务事项的深度理解能力、多维度 的信息关联扩展能力以及多元化的

开源大模型优势 美国 日本 政务行业大模型发展驱动：需求升级 政务智能化进程加速 ，业务场景深度与广度持续提升 ，需要大模型支持 在数字化浪潮下 ，各个产业加速数字化转型 ，利用云数智工具实现业务创新和降本增效；政务行业亦与时俱进 ，加速数字化建设 ， 利用政务云等数字化平台助力政府内部管理效率不断提升 ，集成商则较偏重服务能力建设。 目前 ，我国政务行业大模型建设仍处于行业早期 ，各 厂商虽然技术、服务 能力各有所长 ，但在项目建设中各类厂商之间合作大于竞争 ，彼此取长补短、相互协同 ，共同探索推动大模 型与政务行业的深度融 大华 腾讯云 H3C 维智科技 软通智慧 开普云 百度智能云 阿里云 中国电信 中国移动 . 中国联通 太极 华为云 政务行业大模型厂商能力特征象限 来源：公开 来源：艾瑞咨询研究院自主研究及绘制。 政务服务场景厂商案例：中国移动 深度理解政务事项、遵循安全可信要求，帮助民众“高效办成一件事” 中国移动依托在数据、场景、算力等方面的优势，结合政务领域数据进行模型精调，并引入政务领域约束模型进行输出限制，面向 政务领域打造了九天 · 海算政务大模型。面向“一网通办”场景，九天 · 海算政务大模型能够提供对政务事项的深度理解能力、多维度 的信息关联扩展能力以及多元化的

棋”，着力发展“互联网 +” 服务，着力增强大数据分析决策能力，着力提升政务服务供给精细化、精 准化水平！ 建设信息化基础支撑大平台 标准统一 互联互通 安全可控 构建政务业务大系统 深度融合 上下联动 纵横协同 形成民政信息化的发展格局 集约整合 纵横互联 信息共享 业务协同 形成信息资源大数据 物理分散 逻辑集中 资源共享 目标任务 智慧民政纵横一体化 1+N 平台解决方案 个业务应用 的能力，实现民政业务与信息化的深度融合！ 深度融合 各级民政机构使用同一个平台，结合多种技术手 段确保数据采集全面、准确，数据传输实时、安 全，实现上下联动！ 上下联动 智慧民政平台与国家平台互联，与公安、卫计委、 人社、财政等其他单位互通，实现纵横协同！ 纵横协同 建设智慧民政纵横一体化 1+N 平台，实现民政业务与信息化的深度融合！ 智慧民政产品蓝图 基础设施（高速、移动、安全、泛在） 受助人员档案库，确保受助人员信息的准确性、唯一性。 实时视频 照片 视频录像 数据源 人脸识别比对 人脸定位检测 特征提取 人脸特征比对 人脸大数据 模型训练过程 Deep Learning (深度学习) 人脸比对识别结果输出 特 征 模 型 Gabor,LBP等 经验描述子 应 用 场 景 • 身份证读取：通过读取求助人员身份证信息，既可以鉴 别求助人员是否伪造证件，还可以减少人工录入操作，

[来源：GB/T 41867—2022，3.2.25] 3.3 大模型 large-scale model 大规模深度学习模型 large-scale deep learning model 基于大量数据训练得到,具有复杂计算架构,能处理复杂任务,且具备一定泛化性的深度学习模型。 注：大模型的参数有其功能和模态决定，一般不低于1亿规模。大模型训练使用的数据总量受参数 量的影响，达到收敛的 用于支撑大模型开发、定制及应用的软件集合。 [来源：GB/T 45288.3-2025，3.3] 3.8 政务大模型 Government Large-Scale Model 政务大模型是指基于大规模数据训练和深度学习算法构建，专为政务领域设计的人工智能模型，具 备强大的语义分析、信息处理及预测能力，旨在提升政府决策效率和服务质量，优化政务流程，并实现 政务服务的智能化与精准化。 4 符号和缩略语 下列符号和缩略语适用于本文件。 j) 宜支持开放语言的目标检测和分割，基于CV大模型的工作流，根据开放性地输入目标名称，对 图像进行检测和分割，如道路轮廓、车辆类别等，有助于政务场景中的精确识别和定位； k) 宜支持深度估计，基于CV大模型的深度估计工作流，实现对图像中的目标进行距离估计，如人 员或车辆距离摄像机的实际距离等，有助于政务场景中目标在实际环境中的精确定位。 8.7 多模态处理 多模态大模型是指模型中涉及到了两种

以满足现代化政务管理的需求，亟需引入先进的技术手段来提升整 体效能。 在此背景下，构建一个基于大模型的 AI 公共支撑平台，成为 解决当前政务办公痛点的有效途径。该平台不仅能够实现智能化信 息处理，还能通过深度学习、自然语言处理等技术，提供辅助决 策、自动化办公、数据挖掘等功能。以下是具体的需求分析： 1. 信息处理需求：政府机构每天需要处理海量的文档、数据和信 息，包括公文流转、会议记录、政策解读等。传统的手工处理 AI 技术发展趋势 近年来，大模型 AI 技术在自然语言处理、计算机视觉、语音 识别等领域取得了突破性进展，成为推动人工智能发展的重要引 擎。大模型 AI 技术以海量数据和强大算力为基础，通过深度学习 框架构建具有高泛化能力的模型，能够处理复杂的任务并提升智能 化水平。这一技术的应用已经从实验室逐步走向产业化和商业化， 成为各行业数字化转型的核心驱动力。 在政务办公领域，大模型 AI 7*24 小时的智能咨 询服务，减少人工客服的工作负担。  公文处理：利用文本生成和语义分析技术，自动化生成、审核 和归档公文，提升办公效率。  数据挖掘：结合大数据技术，对政务数据进行深度挖掘，发现 潜在规律，为决策提供支持。  舆情监测：通过实时分析社交媒体和新闻数据，及时发现舆情 热点，辅助政府进行舆情管理。 从技术发展趋势来看，大模型 AI 的未来发展将呈现以下几个

增强决策支持：通过对海量数据的智能分析，为政府决策提供科学 依据和政策建议。 5. 保障数据安全：在确保数据隐私和安全的前 提下，实现数据的高效利用和共享。 为实现上述目标，本方案拟将 AI 大模型技术深度融入全省一 体化政务平台的各个环节，包括但不限于智能问答系统、自动化审 批流程、数据分析和预警系统等。通过技术赋能，推动政务服务 “ ” “ ” “ ” “ ” 从 被动响应 向 主动服务 转型，从 AI 大模型技术， 以应对日益复杂的服务需求，提升政务服务智能化水平，为用户提 供更加高效、精准的服务体验。同时，通过 AI 技术的深度应用， 推动政务服务的数字化转型，为政府治理能力的现代化赋能。 1.2 项目目标 本项目旨在通过将 AI 大模型技术深度融入全省一体化政务平 台，全面提升政务服务的智能化水平，优化用户体验，提高行政效 率，并为政府决策提供数据支持。具体目标包括以下几个方面： 用户可通过语音或文字描述需求，平台能够自动匹配相关业务并引 导完成操作，减少人工干预，降低沟通成本。 其次，利用 AI 大模型的数据分析与挖掘能力，优化政务平台 的业务流程。通过对平台历史数据的深度学习和实时数据的动态分 析，识别业务流程中的瓶颈和低效环节，提出优化建议并自动生成 改进方案。例如，在审批流程中，AI 可智能预测审批时间，优先处 理紧急事项，同时优化资源分配，提升整体效率。

能且适应性强的大模型，是推动智能治理的重要一步。 该大模型将以自然语言处理技术为核心，具备先进的语义理解 与生成能力。其设计理念是通过大量的法律文本、政策文件、道德 法规及相关案例数据进行深度学习，以便在法律咨询、政策制定和 社会治理中能提供精准的信息和建议。 模型的架构将包括多层次的表现和处理机制，确保其能够在处 理复杂法律问题时展现出高度的灵活性与适应性。模型的核心包括 以下几个关键模块： 从国家法律法规数据库、政策新闻、案例库等多种来源 获取数据。 o 基于文本清洗、去噪、分词等技术进行数据预处理，确 保输入数据的准确性和一致性。 2. 训练与优化模块： o 运用当前最先进的深度学习算法（如 Transformer 架 构）对预处理后的数据进行训练。 o 通过迁移学习，针对特定的法律领域进行模型细化，提 升模型在特定背景下的表现。 3. 知识图谱构建模块： o 建 依据的建议，协助相关部门进行处理。 通过对这些功能进行整合与优化，政务 AI 法制员大模型将具 备强大的实用性，能有效提升政务决策的精准性和透明度。同时， 随着模型不断的迭代更新，可以通过深度学习不断吸取新的法律知 识与社会实践经验，确保其在法律服务领域的持续领先地位。 此外，模型的安全性与隐私保护也应引起重视。所有数据的使 用必须遵循国家法律法规，如《个人信息保护法》等，确保用户数