焦点透视：AI狂潮中的大变革 • AI的突破：保险行业的创新挑战与机遇 • 可能问题头脑风暴 面对本次AI热潮，保险行业的焦点问 题都有哪些 • 定义核心问题 • 洞见问题本质 洞察问题，探寻本源 • 找到本质解 • 制定解决方案 设定锚点，行动实践 人工智能正在经历新的发展浪潮。某头部公司正在转向AI Agents支持平台，结合第4代人工智能 模型与专业语料库以实现业务创新。AI 续化的服务。人工智能的革新涵盖了生成内容（AIGC）和生成服务（AIGS）的领域。保险行业 面临挑战，AI的突破为其带来新的应对方向。 • 保险业面对AI变革的焦点问题分析：建议采用《U型思考》方法，从初始问题出发，深入挖 掘其本质，以找到精准的解决方案。通过聚焦主要原因并进行必要的升维/抽象化，可以找到 问题的根本原因，使问题具有通用性。 • 保险行业参考系的构建：包括关注六大方向、分析科技周期和文化适应度、以及中观周期对 面对复杂问题，建议参考《U型思考》方法论，从初始问题出发，洞察其背后的本质，进而精准 地解决问题。 遇到初始问题 遇到初始问题 解决问题 解决问题 发现问题的本质 找到本质解 U型思考方法论是一个找准问题、看透本质、谋定而后动的思考模型 问：定义核心问题 ►用WHY提出问题：探寻动机，发现原因 ►用WHAT提出问题：发现本质，聚焦靶心 初始问题 初始问题 初始问题 根本原因 Why

智能化矿山技术 智能化矿山为打造高产高效的本质安全型矿井提供信息保障，智能化矿山能够实现矿山生产管理的精细化、自动化、智慧化和无人化。 智能化矿山已成为现代采矿企业安全、绿色、高效和低耗开采的必由之路。 智慧矿山 I 信息技术 I 通信技术 Intelligent mine technology 讲师： XXX 时间： 2023. 1 智能化矿山概述 The Importance of team. 目录 contects 智能化矿山概述 智能化矿山为打造高产高效的本质安全型矿井提供信息保障，智能化矿山能够实现矿山生产管理的精细化、自动化、智慧化和无人化。 智能化矿山已成为现代采矿企业安全、绿色、高效和低耗开采的必由之路。 Part.01 智能化矿山的概述 • 智能化矿山为打造高产高效的本质安全型矿井提 供信息保障，智能化矿山能够实现矿山生产管理 的精细化、自动化、智慧化和无人化。 智能化矿山是采矿技术、信息技术、通信技术、自动控制技术、 3S （ GIS 、 GPS 、 RS ）、物联网技术、 云计算技术、移动互联网技术及软件软件技术的总集成。 智能化矿山定义及 智能化矿山为打造高产高效的本质安全型矿井提供信息保障，智能化矿山能够实现矿山生产管理的精细化、自动化、智慧化和无人化。 智能化矿山已成为现代采矿企业安全、绿色、高效和低耗开采的必由之路。 主要内容 Part.02 智能化矿山的定义

01 对 AI 技术的认知 n AI 是一种工具，也是一种赋能，更是一种思考范式。 n 我们从三个角度来认知 AI 技术： • 人工智能的本质 • 大模型的能力边界 • 通向 AGI 之路 01 对 AI 技术的认知：人工智能的本质 智能（ Intelligence ）：以模型为核心，是对真实世界的模拟和解释 • 用语言逻辑方法获取理论模型：模糊 • 用解析数学方法获取数学模型：精确 任务：判别、预测，通过学习数据分布规律 2. 边界：有规律、可以数字化，属于经验科学 3. 要素：机器学习 - 深度学习 • 模型：神经网络模型（分层；单向） • 策略：损失函数定义 01 对 AI 技术的认知：人工智能的本质 人工智能（ ArtificiaI Intelligence ）：第三代，核心是数据智能，以史为鉴 n 从感知智能到认知智能 1. 专用任务模型： NLP 、 CV 、 Gaming…… 2 模仿学习：代码中蕴涵、文字中蕴含 • 提示能力： ICL • 思考能力： CoT ReACT ， Agent O1 的最新进展（ GPT-1 时刻）：表现是慢思考；本质是合成数 据 有些是产品能力，不是模型本身的能力： RAG Function Call 1. 语言能力： 一本正经地说话，语言顺畅， GPT 时达 到 • NLG+NLU

为代表的人工智能大语言模型（简称大模型），正在对知识工作者的生产方 式产生革命性的影响。本文面向经济管理学科的研究者，介绍大模型的技术原理、应用方式以及在科学研究全 流程中的应用。本文首先从社会科学和大语言模型的本质出发，分析了认知自动化的边界，指出围绕理论工作 的能力是人类科学家在人工智能时代的核心能力。随后，本文介绍大模型的基本原理、关键技术和发展趋势， 经济管理研究者可以建立对人工智能技术的基本认知。接下来，本文介绍了通过 . . . . . . . . . . . . . . . . . . . . . . . . 56 1 引言 4 1 引言 智能技术革命正重塑全球学术生态。人工智能大语言模型1传统自动化有本质区别：大语言模型实现了 “认 知工作的自动化”（Automation of cognitive work）(Korinek, 2023)，它们直接触及知识生产的核心，能够理 解复杂概念、生成连贯 现常规认知任务的自动化执 行，在收集数据、文献汇总、数理推导、数据分析、文字撰写等方面提高社会科学研究的执行效率，扩充社会 科学家的知识库、认知边界和表达能力。但是，大语言模型作为语言统计模型的本质，决定了它没有提出理论 问题的动机，也缺乏从现实数据中抽象出新概念并构建理论的能力。这部分讨论这为社会科学研究中应用大 语言模型提供了思考框架，并且对更好的人机协作提出了启示。 随后本文介绍了

品牌与传播：怎么让目标客户知道有这个产品，而且更倾向于选择这个 产品 • 品质稳定：出品质量如何保持 • 持续迭代：还能带来什么额外收益，如何延伸价值 • 配合服务和标准，形成出品 传播模型 • 本质：传播范围 X 触达率 X 响应率 X 口碑 • 最终完成交易还需要看交易是否方便 • 前提：商品足够好，服务不掉链 • 好和差的营销区别在于 • 传播效果不同，有趣的、打动人心的文案自带传播力 • 没有标签的用户信息是负资产 • 用户标签有时效性 • 尽量基于用户共性标签来构建人设，生成内容 • 传播通路也是重要的标签 数字化营销本质是：数字化的了解与触达客户 • 星巴克：我们不是卖咖啡的，我们是通过咖啡服务消费者 • 一切交易都是表像，本质是经营忠诚度，通过私域会员来留存公域流 量，掌握话语权并赋能商户与品牌。 • 传播的变化必须紧跟消费者的变化，消费者在哪里，市场就应该在哪 ( 或更多 ) 参数的语言 模型 • ChatGPT 是由 1750 亿数据 （ 45TB ）进行训 练的，包含了全球几乎所有的图书的电子档案 • 大模型是一种涌现，“突然”就出现了智能， 本质是一种量变到质变。 行业模型 • 行业模型是相对大模型而言的，训练的数据量较小 175B—32B— 6B 。 • 对算力要求大幅降低 • 私有化部署时成本大幅降低，具备了经济性 • 可能没有办法激发涌现次数

事件不断发生、发展的态势，针对具体问题情境作 出决策时，系统通常以数据统计分析、智能计算模 型算法等形式提供辅助决策功能，对于决策者来说， 这些远不足以应对其可能面临的复杂多变灾难环境 下的决策需求，即解决复杂问题的能力。 从决策问题的本质来分，常规决策面临的是问 题空间明确的结构化问题，临机决策则是模糊不清 的非结构化（或半结构化）问题 [20]。如图 3所示，问题 空间明确的常规决策是理性分析的过程，即：分析评 估备选方案并确定最优方案。系统可以提供更精确 从认知智能层次来看，当前系统思维能力不足， 缺乏解决复杂问题的能力。下一步系统智能化发展方 向是认知智能的加强，即系统具有类似于人的逻辑思 维和高级认知能力，能够处理和解释复杂信息，通过 思维能力获得事物本质特征与发展规律更深入的认 识，从而具有能够适应新环境并解决复杂问题的能力。 按照过去信息化建设经验，提升系统智能化水 平有两条路径：1）依靠对智能化应急装备设施的不 断更新换代；2）引入更多更强大的模型和算法对数 化依赖于模型的自监督学习机制通过对海量数据训 练完成，相较于结构化的知识被动获取，大模型对 应急知识的获取不再是信息搜索，而更接近于学习 的本质，是理解、消化、吸收至海量的模型参数中。 所以，模型的自主学习能够不局限于已有的认知结 构，主动捕捉到未曾发现的有关风险以及各类突发 事件的更本质规律，启发新的思路。 应急知识分布于模型的海量参数中，这种统一 的数值表示形式，使得来自不同学科、不同领域、不 同类型的知识在同一个数值向量空间进行分析成为

是不是该做些面子上面的事情了？ 到底要不要 追新技术 缺抓手 该建的都建了 多建些基础设施？ 高校信息化建设 本质是什么？ 高校信息化建设 核心价值体现在哪？ 多用些新的技术？ 多建些业务系统？ 为了高大上？ 为了满足业务部门？ 为了满足管理者？ 我们认为： 高校信息化建设的本质是： 对数据的建设 高校信息化建设核心价值体现在： 对数据消费的能力 解决要点 solution 必须要问自己两个问题 plague Era 招 生计 划 统计 录 取信 息 统计 单 考单 招 “ 教师一张表” 表面上要解决的是教师各类数据的汇总采集和展现 ，在需要的业务场景时直接提供、 不再重复填报。 但本质难点不在于数据平台的技术和采集实施 ，而是围绕整个教师业务的重新梳理、 及所需的管理要求提升。 学院一级解决数据采集问题 新增数据采集（ API ）

理解专精特新企业的融资困境，必须深入其经营肌理，从微观层面精准刻画 其独特的企业画像、融资需求与融资困境。 3.1 企业画像：专精特新企业的核心经营特征 专精特新企业的经营模式与传统制造企业存在本质区别，其核心特征直接塑 造了差异化的融资需求。 （1）价值核心：无形资产驱动企业的核心竞争力源于技术专利、软件著作 权、专有技术（Know-how）、研发团队和品牌声誉等无形资产，而非土地、厂房 贷产品为主，难以匹配专精特新企业全周期成长所需的长期、稳定且具备风险容 忍度的资本需求。这种供给与创新企业“慢成长”“高风险”“长回报”特质的结构性矛 盾，本质上是耐心资本的供给缺口。 15 第四章 风险罗盘 ：融资风险的识别、评估与防范 为专精特新企业提供融资，本质上是对创新企业未来价值的前瞻性投资。这 要求金融机构必须建立一套全新的风险认知和管理罗盘，从“被动规避风险”转向“ 主动管理风险”。 4 差异性，容易将“钻石”与“玻璃”混为一谈。 15 （4）评估维度单一：过度关注现金流的“稳定性”，忽视了对管理团队、技 术壁垒、商业模式、政策契合度等决定企业长期价值的关键非财务因素的考量 。 这种评估范式的滞后性，本质上是导致金融资源难以精准滴灌至优质专精特 新企业群体的核心障碍。 4.3 构建新型风险评估框架：从“看过去”到“评未来” 为了有效管理专精特新企业的融资风险，必须构建一个面向未来的、多维度

强国和数字中国提 供支撑，促进我国实体经济的发展 , 科研意义：具身智能是通用人工智能未来的发展方向。它推动人工智能从虚拟世界走向物理现实，从专用 任 务迈向通用智能，有助于我们深入理解智能的本质。 应用意义：具身智能技术能够提升机器人、自动化设备的智能化水平，增强其环境适应性和任务执行能力， 从而在服务、医疗、教育等多个行业实现广泛应用。 ■ 具身智能的基本概念 □ 具身智能的政策支持 代表：水下仿生机器人、空中仿生机器人、地面仿生机器人、特殊仿生 . … ■ 具身智能的核心技术 □ 具身智能的分类 ( 按形态 ) —— 智能汽车 / 无人机 / 无人船 > 智能汽车、无人机、无人船等设备，本质上也属于具身智能。 它们通过传感器 ( 摄像头、雷达等 ) 实时感知周围环境，并利用 Al 算法进行数据处理和分析， 从 而实现自动驾驶、自主导航、自动避障等功能，符合前面说的具身智能定义。 ■ … ■ 具身智能的核心技术 □ 具身智能的组成部分 > 本体 · 本体，包括头、躯干、四肢、关节、灵巧手等组成部分，本质上就是机械结构、传感器、执行器、驱动 与 能源系统、通信系统等。 · 机械系统是本体的物理框架，决定了机器人的机械强度、运动能力和整体外观。 · 传感器负责获取外部信息和自身状态信息，

遭受法律制裁或监管处罚、重大财务损失或声誉损失的风险。 五类风险监控的本质是通过数据纵向穿透（集团到末级企业）、业务横向联动（财 务+采购+生产等），将五类风险置于统一监控网络，从“事后救火”转向“事前算赢”。 同时，从管理机制和制度上，对风险的闭环管理进行明确，以数智化技术强化并实现风 险全闭环管理。 穿透式监管的本质是通过技术手段与制度设计的结合，破解“看得见的管不着，管 得着的看不 国资国企穿透式监管白皮书 16 3 构建全景视角下穿透式监管体系 构建全景视角下的穿透式监管体系，旨在打破传统监管的局限性，通过多维度、全 链条的监管手段，穿透业务表象直达本质，精准识别风险源头和责任主体。这一体系的 建立，不仅能够提升监管的精准性和有效性，防范化解重大风险，还能优化市场环境， 激发市场活力，促进国资国企的高质量发展。 基于穿透式监管的整体框架，精 成因：对境外市场调研不足、缺乏 本地化风险管理团队、对地缘政治 风险预判滞后。 危害：海外项目亏损、品牌国际形 象受损、退出成本高昂。 表 3-1 国资监管重点问题的政策溯源与锚定机制 上述 11 项问题，本质上是企业 “战略 - 管理 - 执行” 全链条的漏洞体现：战 略层面的盲目扩张（无关多元、境外冒进）、管理层面的机制缺失（多层架构、控股不 控权）、执行层面的短期逐利（虚假贸易、“捞偏门”）。