+ 金融语料训练金融大模型 ，②金融垂类大模型。 1 ）双方优劣具有相对性。通用大模 型 优势：泛用性强、灵活性和利用率高、可迁移性强。劣势：特定领域深度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针 对 性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。 2 ）通用大模型通过金融语料训练超越金融垂类模 型 可能性较小。通用大模型在行业数据量 ，应用的场景广泛；月之暗面发布 Moonshot 大模型， 目前位于第一梯 队。 3 ）在金融领域中 ，通用模型应用表现各有 差异。其中 GPT 系列、文心一言、通义千问、腾讯混元以及科大讯飞表现较好。 金融垂类模型国外发展先行 ，国内成品问世。 1 ） 国外彭博 BloombergGPT 率先登场。 BloombergGPT 的混合训练方法使其模型在金融任务上 的表 现大大超过了现有的大语言模型 ，而在通用场景上的表现则与之相当 ，而在通用场景上的表现则与之相当 ，甚至优于现有模型。 AI4Finance Foundation 开发 FinGPT ，为金融大 型语言 模型提供互联网规模的数据 ，以此推动金融领域的开源发展。 2 ） 国内金融垂类模型百花齐放。奇富科技率先宣布推出自研的金融行业 通用大模 型“奇富 GPT” ；度小满推出国内首个千亿级中文金融大模型“轩辕” ；腾讯云公布腾讯云金融行业大模型 ， TI-OCR 大模型帮助银行解决

得专业知识不足，并不能满足业务要求； 需要利用本地数据训练垂类行业大模型，大 幅度提升模型性能 • 大模型生成的回复违背了用户输 入中的任务指示或者任务输入； • 大模型生成的回复出现了自我矛 盾； • 大模型生成的回复与公认的事实 知识出现了冲突。 • 需要不断增加高质量的标注数据， 优化模型加以解决 3. 保护数据要素隐私 训练垂类行业模型时，面临 保护各类本地数据隐私的问 机器学习 模型调参 5% 机器学习 算法开发 3% 数据增强 15% 3 AI Agent 如何解决通用大模型短板 知识库检索增强生（ RAG ） 办法： 1. 收集整理垂类相关 的领域数据 / 企业 信息滞后。 4 大模型微调 （ Finetune) 方案 ： 1. 收集整理垂类相关 的领域数据 / 企业 数据 / 专业数据； 2. 利用这些数据修正 （微调）大模型； 效果 ： 1. 微调后的大模型， 更理解垂类应用要 求，性能更优； 2. 微调后的大模型， 事实性更准确，避 免了幻觉。 人工审核 Prompt 优化、反面案例、

引擎 4 第一章：AI 赋能央企数智化转型发展概况 一、AI 赋能央企数智化转型政策导向 主要结论：政策上聚焦场景、算力、数据治理三方面。场景方面专注能源、制造等央 企的垂类场景（如智能巡检、预测性维护等）。算力方面将加快建设智算中心，以国产算 力芯片为主。数据治理方面则关注生成式 AI 的数据标注、合规审核、质量评估等。 2023-2025 年央企 AI 相关政 通运输、信息技术、建筑、民生等关键 领域。从行业属性来看，可划分为 6 个大行业，其中能源电力、煤矿、石油化工可划归到 能源与资源类；钢铁机械没备、汽车、航天军工可划归到工业制造类；信息技术、投资/商 业/服务、旅游划归到信息技术与商务服务，其中能源与资源类央企数量占比最高。 图表 4 国资委下属 100 家央企行业分布 数据来源：科智咨询分析整理 5 7 3 20 农业/医疗 建筑工程 旅游 投资/商业/服务 信息技术 运输物流 航天军工 汽车 钢铁机械设备 石油化工 煤炭/矿冶/黄金/盐业 能源电力 能源与资源类 工业制造类 运输物流类 信息技术与商务服务 建筑工程 农业/医疗 AI 赋能央企数智化转型——迈向世界一流企业的智能引擎 12 图表 5 国资委下属 100 家央企行业描述

月截至，乌克兰战场共计使用超过百万架次无人机，无人机不仅用于前线，而 且炸毁了俄罗斯战略轰炸机。 （一）军用市场需求 美空军 敏捷至上计划 第一类场景为运输 4-5 名乘客或同等重量货 物的大型飞行器，第二类场景为 1-2 名乘客或同 等重量货物的小型飞行器，第三类场景为大型无 人货运飞行器。 美陆军 未来战术无人机计划 取代传统轻型固定翼侦察无人机，具 有便于安装部署、发射方式灵活等优点。 500Km/h 200~250 海岛型 抗风 8 级，续航 6h 150~200 外贸型 负载 50kg 以上，速度＞ 300Km/h 200~250 合 计 1100~1350 小型高速垂起需求（ 400kg 级） 当中型无人机像大疆 mavic 一样简单易用，将成为营连级作战能力增长的倍增 器 参考军用直升机保有量（中国约 1500 架，美国约 9000 架）和走访调研估算需求 量 舰载型 有效负载 400kg ，抗风 8 级，续航 8h 150~200 外贸型 有效负载 400kg 150~200 民用拓展 医疗救援 150~200 合 计 1000~1300 中型高速垂起需求（ 2000kg 级） （一）军用市场需求 参考军用直升机保有量、翼龙彩虹等销量、走访调研估算； 参考武直 9 和武直 10 价格，预期售价 3000~4000 万 四、关键技术与创新

专注离散制造在物流、生产、质量与自动化场景的 Al+ 业务协同需求，深度融合数据要素，通过汇聚海量工业数据，结 合 通用大模型及行业垂类大模型 ( 规则、策略、算法等 ), 构建全要素全流程离散制造数智化解决方案。 Al 老厂长 ( 生产管控 Agent) Al 品控卫士 ( 质量管控 Agent) 工业垂类大模型 行业知识图谱 数据要素 X

算 环 u P I ko P. ko P P. E 虚拟同步发电机控制框图 Q 无功 - 电压下 垂 R wLy oL @s @ 2±( D 1/Jws 1/ s△@ 有功 - 频率下 垂 od 电 重 虚 阻 抗 交 流 电 网 压 环 Uoab SW uod PI W 3 、梯次利用关键技术： 能， 含 UPS 、 24Vdc 电源模块等，集装 箱含 温控系统、消防系统、电池架、散 热风道、 照明及箱内设备间连接线缆等 SMU 垂宴Ⅱ SMU 空调 消防 2.5MWH 系统通信拓 扑 2.5MWH 储能集装箱常规参数 尺寸 ( 宽 × 高 × 深 ) (mm 12192×2896×2550mm

和投顾或能带来更大的价值增量；2）不同客群：AI或对长尾C端/小B领域 带来更大的颠覆性影响，但对高净值及机构业务更多是提效赋能及渐进式 的变化；3）应用场景：目前的探索集中在业务场景简单的非决策类环节， 而较难直接应用在对金融领域专业能力要求较高、涉及提供强投资建议、 涉及核心分析决策任务的业务环节，但未来随着AI大模型学习能力逐步加 强、我们预计其将展现出一定的预测能力；4）潜在风险：重点关注金融消 用户的影响或更大 ............................................................... 9 维度三：应用场景上，或从简单的非决策类任务向复杂的决策类任务迈进 ........................................................... 9 AI 如何影响财富及资管行业格局？ ........ 成相互合作的关系 .................................................................... 11 图表 5：目前国内代表性金融领域垂类 AI 大模型 ...........................................................................................

037 的工业互联网平台超340家，重点平台工业设备连接数超1亿台（套）， 全国累计上云上平台企业约400万家次，平台应用已拓展至49个国民经济 大类，实现了41个工业大类以及185个工业中类全覆盖，数据、资源、能 力在其中按需流动、高效配置，共同创造价值、共享成果。 展望2026年，智能融通将向更深层次演进，工业互联网平台将成为 万物互联的智能底座。自主可控的标识解析体系即将全面建成，开源开 式 推动人工智能技术与工业机理模型、专家知识深度融合，构建工 业知识图谱。开发面向特定行业的大模型知识引擎和机理模型库，培育 工业模型开源共享平台，汇聚基础模型库、数据集、工具链。发展工业 垂类模型，聚焦研发、生产、运维等核心工业场景，按照能力互补、场 景适配的原则，构建大模型理解任务、小模型精准执行的协同体系，驱 042 中国工业和信息化 发展形势展望系列 动生产流程再造与业务模

发挥优质企业引领带动作用 ，建设 “ AI + 制造”融 合创新基地 ，对接智算云、 语料等平台 ，攻关模 型工程、 智能体工程、 应用开发工具等行业共性 技术 ，打造示范应用场景。 • 推动基地建设行业垂类语料库、 智能产品、 场景 应用等服务能力 ， 开展应用实训、 标准制定、 技术平台构建等工作 ，促进行业整体智能化水平 提升 （六）打造融合创新基地 04 推动重点行业应用 聚焦集成电路、 ，探索基于模型的低代码、 零代码应用开 发模式。 • 推动基于人工智能重构生产执行系统、 产品全生命周期管理系统等软件 ， 支持提升生产效率 ，变革生产管理模式。 • 推动研发设计类软件集成物理规律模拟、 高通量计算等功能 ，实现基于历史数据的新设计生成 （十一） AI + 工业软件工 具 （十二） AI + 工业产品与装备 工业产品智能化升级 • 推动工业母机、

唯一产品识别码,是实现无人机全生命周期可管可控 的基础。 《国家空域基础分类方法》 将空域划分为 A、 B、C、D、E、G、W 7 类,其中,A、B、C、D、E 类为管制空 域,G、W 类为非管制空域。 无人机主要涉及非管制空 域 G、W 类。 空域是发展低空经济的关键要素,规范低 空空域管理,释放低空空域资源,有助于推动低空经济 的发展。 此外,还包括《民用无人驾驶航空器生产管理 象空间。 无人机产业是低空经济的主导产业,“无人机 +行业应用”作为低空经济的驱动力,将会赋能更多行 业领域,不断拓展低空经济的边界,中短期“无人机+ 物流”具有较大商业规模,中长期令人期待的是电动垂 直起降飞行器(Electric Vertical Take-off and Landing, eVTOL),eVTOL 将在未来空中出行场景中扮演重要角色。 2 低空经济对通信网络的要求