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 ，模型参数规模达到了 1750 亿 2023 年 3 月发布的 GPT-4 更连贯的回答 可迁移性高 学习到的知识和能力可以在不同 的任务和领域中迁移和应用 。 这 意味着一次训练就可以将模 型应 用于多种任务，无需重新 训练 语言生成能力 大模型可以生成更自然 、更流 利 的语言，减少了生成输出时呈现 的错误或令人困惑的问题 1.1 大模型的概 念 1.2 大模型的发展历 程 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 ，大模型主要可以分为 L0 、 L1 、 L2 三个 层级 OpenAI 定义推理模型 在 OpenAI 的官网上 ， OpenAI 定义推理 模 型是在回答之前进行思考 ， 并在回复用 户 之前 ，在内部生成一长串的思维链过 程。 思维链是一种提示大语言模型进行逐步推 理的方法。它让模型在得出最终答案之前， 先显式地写出推理的中间步骤。这就像 人 类解决复杂问题时会先把思考过程写 下来 一样

前 言 当前，生成式人工智能大模型成为各行各业关注重点和热议话题。 以 ChatGPT、Bard 为代表的大模型是人工智能技术的一次飞跃，代表 着 AI 技术从感知世界、理解世界向创造世界的跃迁。政务领域涉及 大量内容生产及人与人交互环节，与生成式 AI 大模型高度的信息收 集、文本总结、智能交互能力契合度较高，是未来生成式 AI 大模型 应用的肥沃土壤。 自大模型工具出现以来，全球各国纷纷探索新技术在政府治理中 技术等变革以适应新的治理挑战，同时加快政务领域大模型应用规范。 2023 年以来，韩国、新加坡、美国、英国、澳大利亚、新西兰、日本、 加拿大、丹麦等 9 个国家相继出台政府机关（公务员）使用生成式 AI 的临时指南，通过明确使用原则、框定场景范围、建立监管规范等规 避技术风险，推动应用趋向合规。但由于技术尚处于快速发展阶段， 治理政策的模糊性仍然存在：一方面尚未形成有关政府应用人工智能 阿里云、 360 和昆仑万维等 15 家厂商的大模型产品通过备案。北京、上海、杭 州、深圳等地出台政策推动政务领域大模型应用落地，政务热线、智 能客服、城市治理、医疗、教育是重点落地方向。随着生成式 AI 大 模型的快速发展，预计未来相关技术将广泛应用于各地智慧城市建设、 政务服务提供中，成为推动新一轮治理变革的强大力量。政府机构需 要强化前瞻部署，主动应对新技术变革带来的机遇和挑战，从战略、

...... 10 8.1 交互式问答 ...................................................................... 10 8.2 生成式 BI ........................................................................10 8.3 多轮引导反问 ........ ........ 11 8.4 数据定期更新能力 ................................................................ 11 8.5 文案生成 ........................................................................ 11 8.6 计算机视觉（CV） ........ 宜具备根据需求弹性扩展或缩减推理服务资源的能力，支持同时部署和管理多个政务大模型， 提高资源利用效率。 T/ISC 0079—2025 5 6.2.3 模型选择与配置 a) 应支持多种通过《生成式人工智能服务管理暂行办法》备案过的大模型的选择和配置，以满足 政务大模型的需求； b) 应支持可以根据具体任务选择合适的模型。 6.2.4 模型管理 a) 应支持创建、存储和管理多个自研大模型的模型库；

.........................................................................................26 2.2.1 生成模型................................................................................................. .........................................................................................99 7.2 文书生成模块................................................................................................. ....................................................................................104 7.2.2 文书自动生成...................................................................................................

2011201220132014201520162017201820192020202120222023202420252026 分类 V3 R1 模型定位 通用型大语言模型 专为复杂推理任务设计，强化在数学、 代码生成和逻辑推理领域的性能。 参数规模 671B DeepSeek-R1671B 满血版 DeepSeek-R1-Distill-Qwen-1.5B DeepSeek-R1-Distill-Qwen-7B 科研、算法交易、代码生成等复杂 任务 性能优势 DeepSeek-R1 在数学、代码、自然语言推理等任务上，具有更高的生成 质 量、更快的生成速度、更强的逻辑推理。 成本优势 训练成本低，推理成本更低。硬件资源需求降低。 开源生态 模型，完全开源，不限制商用，无需申请。 7B\8B : 智能客服、轻量级对话助手、编程辅助工具 14B : 知识问答、长文本内容分析与生成、企业级复杂任务 务 ( 合同分析、报告生成 ) 32B: 高精度专业领域任务 ( 医疗问诊建议、法律条文解读 ) 。 70B: 高复杂度生成任务 ( 数学分析、创意写作、算法设计、 金融预测等 ) 671B : 任意复杂场景。 近些年大模型技术 兴起

一件事网上服务 专区 一件事主题分类更明确、服务更清晰，服务查询更快捷 基本信息、办理步骤、流程、申请材料、窗口信息等多事项联办理指南 移动端 智能导办 自助终端 情形引导问答，明确办事人场景，在线生成办事项清单，指导网上申报 好差评 整体满意度、办理指南满意度、办事时长 满意度、线上线下办事服务评价 政务网专题页 小程序 H5 页面 13 ② 统一受理，实现审查要点自动提醒，办件分拨流程可视化编 数据管理 个人中心 统一电子 证照 现网 事项库 数据集成 & 治理服务 政务服务 数据归集 云服务 大数据 计算 存储 网络 现网 办件库 ISV 产品 28 ① 政策解读，算法自动生成申报项，人工审核确认组合关 系 ③ 人工审核及组合关系确认，录入 政策库 ① 政府出台惠民惠企政策 ② 惠民惠企政策拆分申报项 政策采集 自动拆分 人工审核， 录入政策库 政策自动拆分多个申报项，人工审核确认组合关系 技能与所在岗位匹配 专业符合当年度紧缺专业目录、高技能人才紧缺职业（工种）目录 技能符合当年度紧缺专业目录、高技能人才紧缺职业（工种）目录 年龄不超过 55 周岁 29 ② 标签创建，根据业务需要，生成多种业务标 签 ② 创建标签，录入自然人 / 法人标 ③ 配置任务调度规则， 获取 X360 资源库数据 ① 根据申报条件梳理出标签 ④ 形成 X360 标签库 签体系 标签计算 标签调度 标签存储

自动化审批流程.........................................................................42 2.2.3 数据智能分析与报告生成..........................................................45 3. 技术方案设计............................ 5000+政务知 识点的动态更新体系，配合多源知识校验算法，政策法规类问答准 确率稳定在 91%以上。特别在跨部门业务协同场景中，可自动关联 住建、社保等 6 大系统的 124 类数据字段，生成完整办事指南的耗 时从 40 分钟缩短至 3 分钟。知识图谱构建效率对比实验表明，在 建立市级人才引进政策图谱时，DeepSeek 所需标注量仅为传统方 法的 18%。 在系统适配性层面，提供灵活的部署方案组合：支持私有化部 测试数据显示，相较规则引擎方案，对话完成率从 62%提升至 89%，平均对话轮次减少 3.8 轮。 文本结构化处理 通过联合实体识别（NER）和关系抽取技术，可自动从非结构化文 档（如政策文件、办事指南）中提取关键信息，生成机器可处理的 标准化数据。以行政许可事项为例： 该技术使某市住建局审批事项的材料审核时间从平均 45 分钟 缩短至 8 分钟，准确率达到政务领域要求的 99.5%以上。同时支持 动态更新知识库，当政策法规变更时，系统可在

大屏解读和（2）面向基层民众与网格员的政务执行咨询。根据 会议应用演示： 【政务大屏解读】场景中，“小鲸”针对“城市经济发展 任务完成情况全年分析”等问题，演示了数据查找、数据分类 分析及图表生成、数据分析推演并生成结论建议等功能，快速 顺畅的输出了切实可行的政务结论。 【基层政务咨询】场景中，“小鲸”能够快速准确地解答 户口迁移、路灯报修途径、养老促销活动等日常民生问题，让 政务应用更精准、更智慧，有效提高了基层政务治理水平。 4 数据分类分析及图表生成............................................................................................................................................................6 图表 5 数据研判推演及结论生成........... 资料来源：中国电子云官方视频号，华西证券研究所整理 【政务大屏解读】：在发布会的政务场景应用展示中，“小鲸”针对“城市经济 发展任务完成情况全年分析”等问题，演示了数据查找及推理分析、数据分类分析及 图表生成、数据研判推演并生成结论建议等功能，快速顺畅的输出了切实可行的政务 结论。  数据查找及推理分析：针对“城市发展情况”“城市任务完成情况”及 “能源方面运行情况”三个问题，“小鲸”精准识别了问题政务意图，快

政策名称 发布时间 政务行业大模型的核心价值 发挥在自然语言理解和生成方面的优势，促进服务型、创新型政府建设 政务行业大模型在通用大模型的基础上整合了政务领域的专业知识 ，能够深入理解政务场景中的专业术语、法规政策和业务流程。 无论在政府内部办公或对外服务过程中 ，都可以利用政务行业大模型进行快速的知识检索和内容的自动生成 ，在一定程度上缓解 了 政府知识管理和运用的痛点、难点。不仅实现了对内的降本增效 好，提供个性化的服务 通过整合政务领域专业知 识，可以将政府工作人员 从繁琐的重复性工作中解 放出来 • 快速检索：支持在庞 大 的数据集中进行快 速检 索，筛选出符合 需求的 相关答案 • 自动生成：改变传统 的 内容生产方式，替 代部 分会议纪要、公 文撰写 等工作 ©2024.6 iResearch Inc. 来源：艾瑞咨询研究院自主研究及绘制。 “ 由上到下，由内至外，由点及面”，循序渐进推动政务大模型建设 政务行业大模型建设以安全、稳定、可靠为基础 ，整体建设路径呈现如下特征： • 从上到下——以政务行业应用为基础 ，在内容生成类、人机交互类业务场景引入大模型能力 ，保证大模型的即用能力 ，并逐步将 大模型能力下沉 ，与数据平台等联通 ，构建智能平台底座。 • 由内向外——由于政务大模型仍处在初期阶段 ，其

政策名称 发布时间 政务行业大模型的核心价值 发挥在自然语言理解和生成方面的优势，促进服务型、创新型政府建设 政务行业大模型在通用大模型的基础上整合了政务领域的专业知识 ，能够深入理解政务场景中的专业术语、法规政策和业务流程。 无论在政府内部办公或对外服务过程中 ，都可以利用政务行业大模型进行快速的知识检索和内容的自动生成 ，在一定程度上缓解 了 政府知识管理和运用的痛点、难点。不仅实现了对内的降本增效 好，提供个性化的服务 通过整合政务领域专业知 识，可以将政府工作人员 从繁琐的重复性工作中解 放出来 • 快速检索：支持在庞 大 的数据集中进行快 速检 索，筛选出符合 需求的 相关答案 • 自动生成：改变传统 的 内容生产方式，替 代部 分会议纪要、公 文撰写 等工作 ©2024.6 iResearch Inc. 9 “ 由上到下，由内至外，由点及面”，循序渐进推动政务大模型建设 政务行业大模型建设以安全、稳定、可靠为基础 ，整体建设路径呈现如下特征： • 从上到下——以政务行业应用为基础 ，在内容生成类、人机交互类业务场景引入大模型能力 ，保证大模型的即用能力 ，并逐步将 大模型能力下沉 ，与数据平台等联通 ，构建智能平台底座。 • 由内向外——由于政务大模型仍处在初期阶段 ，其