.......................................................................................92 6.1 病历自动生成................................................................................................... .....................................................................................154 10.1.1 病历生成测试................................................................................................. 频文书场 景，通过持续学习医院专科术语和医生个人用语习惯，其识别准确 率可在 3 个月磨合期后稳定在 92%以上。需要注意的是，系统设计 必须严格遵循《医疗质量安全核心制度要点》，所有 AI 生成内容 需经医师审核确认后方可生效，确保法律效力和医疗安全。 1.1 项目背景 近年来，随着医疗信息化建设的加速推进，电子病历系统已在 国内各级医疗机构得到广泛应用。然而，传统病历书写方式仍面临

日│中国内地 专题研究 生成式 AI 为问诊、影像、制药等各个医疗健康场景注入新活力 医疗健康领域是人工智能率先落地的行业之一，也已经催生了 Nuance、IBM Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看 到 AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时 问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一 、晶泰、数坤等企业发展。 AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率 病例的录入是 AI+医疗中最经典的应用场景之一。2021 年被微软以 197 亿 美金收购的 Nuance 和国内的科大讯飞、云知声等是主要企业。生成式 AI 的出现，使病例的录入过程从过去医生问诊后口述总结，向基于大模型的自 动实时问诊记录生成演进。今年 3 月，微软旗下的 Nuance 已经推出基于 GPT-4 GPT-4 的临床笔记软件 DAX Express，可以在几秒钟内生成准确的临床记 录，以及整合进微软 Teams 中来辅助远程医疗。建议关注国内科大讯飞、 云知声等企业的进展。 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 根据 Statista，2021 年全球制药行业总收入约 1.5 万亿美金，制药研发投入 约 2.4 千亿美金。DeepMind 是最早用 AI 赋能新药开发的企业之一，其推出

.....................................................................................36 3.2.2 销售话术生成与优化................................................................................................ 知识管理与决策支持方面，DeepSeek 的行业知识库覆盖金 融、制造、零售等 8 大垂直领域，包含超过 5000 万条结构化商业 知识条目。通过 RAG（检索增强生成）技术，能在 300ms 内完成 海量客户数据的关联分析，输出带溯源依据的决策建议。典型应用 场景包括： - 动态客户画像生成：融合基础信息、行为数据、社交 舆情等 15 个维度的特征 - 商机预测建模：基于历史成交数据构建 的预测准确率提升 37% 席 15%的 工作负荷。 在数据价值挖掘层面，项目将建立动态客户画像分析引擎，通 过大模型的非结构化数据处理能力，实现客户需求预测准确率提升 40%。具体效益体现在销售转化环节，基于 AI 生成的个性化推荐 方案可使交叉销售成功率从现有 18%提升至 27%，客户生命周期 价值（LTV）预期增长 22%。 运营效率优化方面，计划部署智能工单分类系统与知识库自动 更新机制。经测试数据显示，工单自动分类准确率可达

2024 里 程 碑 临床文档生成 ( 如电子病例， 临床笔记， EHR) 获取临床洞见， 辅助诊断 报告规范化， 术语归一化 智能随访 出院小结生成 辅助生成 检查建议和计划 相似病例查询 辅助生成 治疗建议和计划 l J 医学文献 / 指南解读 科研方向预测 报告匿名化 / 结构化 代码辅助生成 临床科普文生成 赋能临床试验 智能预问诊 实例 1 – 自然语言报告 结构化报 告 s EMENS: H a l t h · n r · · 西门子医疗 LLM 实例 2 一 自动扫描协议生成 -> 质 控 / 提速 s EMENS: H a l t h · n r · · © Siemens Healthineers, 2024 8 Topic Siemens Healthineers, 2024 D&AYubo Ji 21 结合患者医疗影像和历史健康记录 辅助制定个性化治疗方案 视频理解（如手术视频） 多模态影像报告解读和生成 智能预问诊和常见疾病预诊断 （可处理包含视觉信息的多轮问答） 患者健康监测：结合可穿戴设备数据 和患者视觉体征。 患者助手 医生助手（诊断 + 手术） 图文医疗文献 解读与挖掘

方案，通过其强大的数据分析能力和智能决策支持系统，为银行核 算流程的优化提供了切实可行的方案。 DeepSeek 的核心优势在于其能够快速处理海量数据，并通过 机器学习算法自动识别异常、预测趋势和生成报告，从而显著减少 人工干预和错误率。此外，其灵活的模块化设计使得它可以无缝集 成到现有的银行系统中，无需大规模的架构改造。以下是 DeepSeek 在金融银行核算流程中的主要应用场景：  智能核算与对账：利用机器学习模型自动核对账目，识别差异 并进行原因分析，支持多币种、多机构的复杂核算需求。  合规监控与风险预警：实时监控交易行为，识别潜在的合规风 险和异常交易，生成预警报告供管理层决策。  报告生成与审计支持：自动生成符合监管要求的核算报告，并 支持审计人员快速查询和分析历史数据。 通过引入 DeepSeek，银行不仅可以提升核算流程的效率和准 确性，还能降低运营成本和合规风险。同时，其强大的数据分析和 现出显著优势。DeepSeek 作为一种基于深度学习的智能解决方 案，能够通过高效的数据分析、模式识别和自动化处理，显著提升 核算流程的效率和准确性。其核心优势在于能够处理海量数据，识 别复杂交易中的异常情况，并自动生成符合合规要求的核算报告。 这不仅减少了人工干预的需求，还大幅降低了操作风险和成本。 根据行业数据，采用智能核算系统的银行在核算效率上平均提 升了 30%以上，错误率降低了 50%。同时，合规审查的时间缩短

在编程时， 系统会根据你写的内容和 语法规则， 自动推荐可能的代码片段 代码注释 快速生成方法和行内注释， 减少编 写注释所需时间， 提高代码可读 性 代码解读 支持系统级别和方法全链路代码解 读， 并生成相关逻辑图 、时序图 等 自然语言转代码 通过自然语言描述需求， 在编辑器区域直接生成代 码 AI 辅助编程初步提升开发效 率 代码 Review 提前发现代码变更引入 bug 公共组件使用文档 真正的组件文档大小并不大，在 700 多 M ，在开发过程中便于模型能理解 公司内部的基本组件并知道如何使用； 同时将公共组件调用生成问答对更进 准的让模型理解 代码解释及关联代码 首先把所有代码把无注释的代码先生成一份代码注释 、然后将代码注释及代 码用于做微调 大模型在研发效能上的初步探索 o o o 单元测试案例及代码 提取代码中的单元测试案例 问题分析 Multi-Query Step-back RAG-Fusion HyDE Agent 离不开的 RAG O O O 生成 Prompt LLM RAG 处理流程 - 提升 Agent 能力 接口文档 数据库表结构 测试案例 代码信息 组件使用说明 产品说明 系统设计文档 图数据存储 结构化存储

技术层面，大语言模型实现从表层流畅到深层认知的跨越，数字孪生、时空多模 态基础模型与工程场景深度融合，工程智能操作系统的核心架构逐步成型，让曾 经的技术构想正在变为现实。应用层面，智能建造的生成式设计、智能制造的预 测性维护、智慧城市的动态调度等场景，已从实验室走向产业一线，用实际成效 证明了工程智能的巨大价值。 这一切现象表明，工程智能的发展大潮势不可挡，它既是科技革命与产业革 份复杂，洞悉其规律，优化其进程。人工智能，无疑是这个时代最响亮的回答。 这便是我们探索工程智能（AI for Engineering）的第一个动因：工程学科的 发展，亟需人工智能的深度赋能。将 AI 的感知、认知、决策与生成能力，注入 到工程的策划设计、建造制造、运维养护乃至全生命周期中，有望破解困扰我们 已久的难题，实现效率与质量的飞跃。 然而，故事并非仅此而已。当我们投身于这项事业时，一个更为深刻且常被 忽 1.1 时空全模态统一表征技术.................................................................. 45 6.1.2 时空全模态数据生成技术.................................................................. 48 6.2 工程智能推理决策关键技术..........

ERP 系统完成样品生产并发货 后，业务员根据客户返馈结果，在系统中录入样品收货 确认单，并记录客户返馈详细信息，确定是否可以转量 产。如否，则继续样品状态，如是，则技术部冻结技术 状态，并生成正式产品特征编码，同步到 ERP 系统中。 ERP 系统管理部分： 通过与 BPM 系统集成，获取样品订单，并将发货 单同步到 BPM 系统，做为样品收货确认单的来源单据。 转量产后，从 日计划转换 MES 工单 生产工单查询 机加工喷涂线现场生产过程数据采集场景示意图 喷涂室 半成品周转架 生成周转卡二维码 记录架上产品信息 上线扫码 增加RFID标签赋值 下线读RFID标签 获取产品序列号 收回RFID卡，换成二维码标签 包装 扫产品二维码标签 生成外包装二维码 气密性检测 扫二维码记录报工 一工程（车一面） 车轮打点阵二维码及 产品码+序列号 二工程（车二面） 价格审批单 自制 询价单 价格审批单 审批 供应商 物料价目表 通过电子采购 进行招投标 请够单生成 订单限制方式 在线寻源 采购订单 推式生成 采购订单 更新 更 新 取价 不 控制 是 否 是 存在有效供应商 价格才能生成 经过价格审批 才能生成 是 存在供应商 有效价格 请购单 自制 存在有效的 价格审批单 存在有效 采购价格 采购源征集

据 库以及一系列标准件，有效地吸收、整合来自支撑平台、边缘云及第 三方平台的数据资源。区域云融合感知标准件、协同决策标准件及交 通管控标准件依次接力，完成了对海量数据的深度挖掘、策略制定和 交通指令生成。区域云网关随后将这些关键信息回传至边缘云，选定 的融合感知、协同决策结果与管控指令通过标准化接口分享给第三方 车路云一体化系统云控基础平台参考架构 11 应用。 在《车路云一体化系统云控基础平台功能场景参考架构 端向网联车辆下发云端障碍物避让车速建 议。 Snr.28 自 动 驾 驶 车 辆 脱 困 场景需求 当自动驾驶车辆因周围车辆阻挡，导致停 止运行时，云控基础平台根据路侧感知的 车辆信息及车辆上报的相关数据生成决策 规划信息至周围车辆，控制周围车辆按决 策规划信息运行，为受困车辆让行。 Snr.29 绿 波 车 速 引 导 场 景 需求 车辆行驶向信号灯控制交叉路口，云端根 据车辆上报的实时状态、路侧单元（RSU） 3）相关支撑平台持续向区域云上报数据； 4）第三方应用持续向区域云共享数据； 5）边缘云基于所接收到的数据，进行实时感知与决策，将生成 的感知或决策数据发送给网联车辆；同时，将区域云下发的对路侧基 础设施的管控数据下发；此外，边缘云还会将实时感知与决策数据上 报至区域云； 6）区域云基于所接收到的数据，进行交通感知与管控，将生成 的路侧基础设施管控数据、区域交通态势数据等下发边缘云；同时， 区域云也会向第三方应用共享数据；

1 数智化设计的原则：标准化、一体化设计，装配式设计和数字化交付。 4.1.2 数智化设计宜基于对海量、多维度数据的分析（用户行为数据、市场数据、环境数据、 性能数据等），利用人工智能技术自动生成方案并进行对比优化。 4.1.3 设计数据、模型、文档宜实时共享，支持跨地域、跨专业的团队高效协同设计。 4.1.4 应采取有效措施保证数据安全。 4.1.5 项目宜在设计策划阶段根据建 正向设计，全专业模型整合，整合管线走向、设备定位 与各部位造型。宜将各专业设计规范和技术要求嵌入 BIM 模型，开展碰撞检查、图纸校核 等工作。通过 BIM 碰撞检测标记冲突点，确定优化优先级，生成报告并分配整改任务，各 专业优化调整，输出零碰撞的模型。 4.4 设计成果审查 4.4.1 宜利用智能审查软件或插件，对设计成果进行审查。 4.4.2 设计成果审查主要审查文件完 宜采用基于建筑信息模型（BIM）技术的施工深化设计类软件，施工深化设计软件应 具备空间协调、工程量统计、自动编号及出图、报表自动生成等相应的专业功能和数据互用 功能; 3 采用 BIM 技术对装配式构件（如集成吊顶、预制墙板、整体卫浴）进行模块化设计， 自动拆分生成加工图纸与安装编码; 4 复杂节点需通过 AI 算法优化模块组合方案，减少现场调整; 5 结合物联网技术，将施工深化设计