智变基础，智变途径，系统架构， QABot ， TaskBot ， ChatBot ， 自主学习流程 03 落地效果 QABot 线上效果， TaskBot 线上效果 04 总结 人机协同学习，加速进化 客服系统简介 演变中的客服系统，对话系统， 智能客服机器人， 美团业务简介，美团客服系统 目录 01 话音呼叫中心 纯人工服务模式 只支持语音电话 人效低，成本高 网页在线客服 为会话管理和语义理解提供信息支撑。 > 人工层 静默坐席解决机器人解决不了的问题。 AI 训练师辅助 机 器人进化。业务专家制定合理的解决方案。 2.3 系统架 构 > 线上提供语义识别能力 > 线下具有离线学习能力 > 返回精确答案或者推荐问题 > 数据驱动智能 > 少量干预加速进化 2.4 单轮会话机器人 QABOT 包子酸了 . 吃出了两个异物， 送的腐竹是长毛的 大早上吃出来苍蝇 一杯可乐兑了半杯水 智能运营，不断进化 2.5.3 客服场景定制优 化 > 用户交流情感，不以解决实际问题为目的 > 主动问客户问题，收集信息以提供更好服务 > 不同客户机器人间切换的平滑剂 > 检索式：构建一个闲聊库，检索给出答案 > 生成式：从闲聊库学习生成模型 2.6 闲聊机器人 ChatBot > 建立统一的离线学习流程 > 从人工客服日志中学习人的处理方式 > 算法产生候选，人工轻度干预，加速模型进化 >

电力：新能源主导电源格局，成为主力力量，推动电力系统革命性重构 物流：AI 驱动全球物流供应链实现智慧化赋能与高品质精准交付 矿业：“智探矿脉，office mining”重塑矿区生产 城市：AI 让城市焕发自进化的生命力 37 47 53 57 59 61 67 71 81 87 93 35 与 AI 共生 让可持续发展成为智能的本能 遵从伦理和安全，以人为本推进 AI 向善 AI 空间智能 世界模型 Beyond Transformer 智能世界 SVM 五大基础技术的融合走向超级智能体 04 走向物理世界是 AGI 形成的必由之路 站在 2025 年，预判 AI 的进化轨迹，将是 未来十年的核心命题与终极挑战。其智慧进阶 的速度与深度，不仅将重新定义技术疆界，更 将重塑未来十年的全球格局。 自 2022 年底基于 Transformer 的大语言模 型（LLM）引爆行业以来，AI 可解释性、创新能力、情感识别与表达。 技 术 事 件 阶 段 任 务 邮件过滤、新闻分类 统计学习崛起-AI复苏 深度学习爆发-感知智能突破 Transformer革命-认知智能萌芽 大模型进化-生成与行动探索 AGI时代-创新与组织 推荐系统、 视觉模式识别 AI问答搜索、情感陪伴 AI工业、科学、生活 内容生产、 自动驾驶、机器人 SVM IBM深蓝 战胜人类 CNN 架构夺冠

其中，大型语言模型、模块化架构与协作框架为其筑牢根基，持续发展还需攻克评估、安全与适应性难题。 AI 正站在一个关键新阶段。参考 OpenAI 对 AI 的 5 级分级， AI 已不仅仅是能进行对话的聊天机器人（ L1 ），而是逐步进化到智能体 （ L3 ）阶 段——一个能思考、并能主动采取行动的 AI 系统。 强大算力保障大模型训练与推理的可持续性 能源供给保障大模型训练与推理的可持续性 HuggingFace 等平台提供开放、可扩展的 甲子光年智库总结整理 从单智能体到多智能体生态， Agent 协议驱动智能体协作进化，重塑企业 AI 能力边界 Agent 协议是推动智能体从孤立执行到网络化协作的核心驱动力。 单智能体可处理简单任务 ，但受限于个体能力，难应对复杂场景且易因故障中断服务。 Agent 协议通过标准化交互规则推动其进化：先为单智能 体提供统一接口连接外部工具，突破个体能力边界；再构建协作 “智能引擎”，驱动生产力范式重构 在金融领域， AI Agent 作为“认知 - 决策 - 执行”闭环 AI 实体，以实时数据为感知输入，依托动态知识图谱与强化引擎，实现毫秒级复杂任务自 主 拆解与策略进化。 在金融领域， AI Agent 核心价值显著：通过端到端自动化、实时风控、持续学习优化，打破传统流程壁垒，释放效率红利；以低成本、自动化 服 务触达边缘群体，推动 AI-native 金

（2）“快判”，智能体 7×24 值守，单条告警处理≤9 秒，研判效率超人类 60 倍 （3）“秒溯”，攻击路径秒级溯源，100% 可视化重建 （4）“闭环”，联动协同190+设备，编排式自动处置响应 （5）“进化”，智能体自主感知识别，反哺迭代，从 “被动响应” 转向 “主动狩猎” 方案介绍： 奇安信 AISOC 是奇安信集团推出的AI 驱动的安全运营中心，由下一代安全运营中心 （NGSOC）与奇安信安全大模型（QAX-GPT） 关键经营数据分析——现⾦流健康度继续下降 安全威胁检测智能体 核心能力 关键挑战 应用场景 典型厂商 1. 多域数据语义融合 2. 攻击故事自动生成 3. 因果推理与风险量化 4. 主动验证与假设检验 5. 自适应学习与进化与智能响应编排 1. APT高级持续威胁检测 2. 内部威胁与身份滥用监控 3. 云原生与混合环境安全 4. 工业控制系统（OT）安全 5. 金融交易欺诈检测 1. 数据质量与标准化难题 技术体系上，真伪检测环节全面覆盖深度伪造、AI生成、PS篡改、活体攻击等检测场景；伪造痕迹提取 环节挖掘纹理、光照、频谱等多维度特征，突破模型可解释性难题；伪造溯源环节基于指纹提取技术， 结合动态进化的伪造技术特征库，定位伪造工具及算法。 治理模式上，面向国家安全场景，采用云端部署睿鉴图灵鉴伪大模型方式，实现公域流量批量检测；面 向个人安全场景，在终端设备上部署终端AI鉴伪大师，兼顾安全防护和隐私保护；针对金融、教育、通

工 作 委 员 会 邀 请 相 关 技 术 单 位 启 动 了 《智慧化 工 园区建设指南》 国 家 标 准 的 申 报工作。 2015 工 业 和 信 息 化 部 印 发 《关于 促 进化工园区规范发展的指导意 见》，将智慧园区建设作为化工 园区规范发展的重要方面。 2020 2020 年 10 月 11 日，《智慧 化 工园区建设指南》 国家标准正 式发布。 智慧化工园区概念由来已久 智能告警：设置告警阈值主动掌握设备异常运 行状态 通过对接能源设备接口数据，对化工园区内用能单位及其主要能源品种使用信息进行实时监测，并针对超出预警值等情况及时 预警，定期对能源使用情况在线分析，优化能源使用，助力园区节能降耗，推进化工园区内能源的统一管理和节能优化。 视频监控：多维度掌握设备运行情况 ，摄像 机进行实时预览、视频回放。 报表服务： 日报表、周报表、月报表和年报表。 业务应用 :6 ：能源管 理 评价分析指标

型训练则利用这些数据持续优化 AI 算法模型，并通过 OTA 向车端推送迭代版本。该层与车端算法层紧密联 动，模型训练结果通过算法更新提升车辆智能化水平， 同时车端采集的传感器数据回传至云端形成数据闭环， 实现系统自我进化。 1.3 数据是智能驾驶发展的核心 在智能网联汽车时代，车辆通过传感器矩阵和云端互 联，构建起覆盖驾乘体验、生活服务、娱乐办公的数字 化生态，而数据资产是整个生态系统的根基。现阶段， 车 为衡量汽车整体安全水平更为合理和有效的途径。基于 大数据的统计评估不仅能更精准地反映当前安全状态， 还将为 AI 算法的持续迭代优化和安全策略的动态调整 提供坚实依据，推动安全水平形成动态、进化式的提升 机制。 第五章 智能驾驶产业环境与生态构建 55 第五章 智能驾驶产业环境与生态构建 第五章 智能驾驶产业环境与生态构建 5.1 智能驾驶政策标准环境 5.1.1 政策法规 比亚迪以垂直整合能力加速智能驾驶规模化落地。比亚 迪依托垂直整合优势，推动组合辅助驾驶向大众市场普 及。智能驾驶系统适配多价位车型，通过优化传感器融 合与算法降低硬件成本。规模化量产车型积累海量数据 驱动算法进化，加速智能驾驶从“技术溢价”转向“普惠体验”， 引领行业量产进程。 （2）应用场景 智能驾驶技术在主动安全、巡航辅助及泊车辅助三大应 用场景的落地已形成完整技术闭环，并在实际应用中显 著提升驾驶安全性与效率。

的智能化升级。系统不再仅仅是被动地回答用户提出的具体问题，而 是具备了主动的逻辑推理和关联分析能力，能够基于用户的业务背景和数据特征，自主发现潜在的业务问题、异 常模式和优化机会，从"有问必答"进化为"无问自答"的智能分析伙伴。 图：帆软 FineChatBI 产品整体演进：对话问数→推理分析→自主执行 阶段1 对话问数  技术应用：语义理解、内容生成 阶段2 推理分析  核心场景：智能洞察分析 门做数据分析都可以用统一且官方认定的指标为 依据，避免了指标歧义带来的结论歧义； 从过去的被客户追着要数据、要指标，到现在有了指标平台后可以自主、及时地查看指标异动、分析异动原 因，该企业真正进化出了主动思考管理与业务流程问题的能力，真正做到了让数据赋能业务提升。 指标平台上线后，设备部门做数据分析时不再依赖IT预先开发报表，即使是计算逻辑非常复杂的指标，也可以基 于现成的指标或业务模型 的企业软件将嵌入 Agentic AI。 帆软正在探索三大前沿方向：研发跨域协同智能体（MAS）实现全局资源自适应配置，构建因果推断引擎破 解质量缺陷归因难题，开发深度强化学习框架使决策系统具备在线进化能力。当制造业 20% 的日常决策由 AI 代理完成时，行业将释放千亿级降本增效空间——这不仅是技术升级，更是从 " 经验驱动 " 到 " 认知驱动 " 的范式革命，只有先进技术应用于场景，才能真正产生新质生产力。

服务中双方情感流动，拟人化 • 思维链逻辑增强 业务运营工具化，与模型底座解耦合，通过大小模型协同、信息不出场、流程嵌入确保整体准确和可控。 汇聚用户通信属性关联数据 不出“场”，安全可信 大小模型协同进化 大、小模型 信息场 流 程 状态追踪 意图识别 话术生成 … 运营工具 提示 工具 坐席 助手 智能 摘要 … 系 统 工 具 平 台 知识库 API接口 NGCS界面

化手段驾驭网络的复杂性，探索构建坚如磐石、安全可靠且能效优化的智慧运营 体系。同时，智能超表面、通感算融合、大语言模型、深度学习、图智能、智简 通信、量子通信等新一代信息技术的探索应用，为专网注入了前所未有的进化动 能，为突破传统瓶颈、开拓新场景开辟了广阔空间。本白皮书与案例集基于国家 政策及国内外专网发展情况的梳理，系统解构专网落地方法论：从性能指标、架 构选型 （独立/混合/虚拟专网），到智慧运营平台构建、新兴技术赋能运营创新，

都将发 生联系， 大量数据将被采集并导入云网络。 全流程闭环特征 运用新一代信息技术手段， 将能够构建“感知、分析、决策、执行 、 反馈”的完整工作回路。 具有系统进化和自学习能力 智能制造系统的结构应该是不断进化的， 从车间与工厂的重构， 到企 业的重组整合， 再到创新研发设计、分工生产制造以及市场营销和售 后服务， 通过自学习、 自组织功能， 智能制造系统的结构可以随时按 头 文本 解析 传 感器 语言 识别 发货物流 感知 智能 业务 低 高 关键能力 业 务 价 值 流 数据感知 & 采集 说明： 随着业务形态进化、变革、升级，以及数字化技术的发展，目前数字化更趋 向于 OLTP 和 OLAP 融合发展。 四、企业发展与数字化转型 数字化转型的两个阶段： OLTP 、 OLAP Data Supply