AI+医疗如何落地防疫诊疗全流程 ——盘点五大智慧医疗典型案例 案例概览 案例 1 | 基于知识图谱的新冠肺炎防护问答助手，离智能更近一步——柯基数据 案例 2 | 不只是疫情咨询，院前预检筛查成智能问答新“战场”——朗通医疗 案例 3 | 互联网医疗作为“第二战场“，在疫情防控中发挥重要作用——左手医生 案例 4 | 高敏快速检出病灶，CT+AI 助力医院实现“应收尽收”——体素科技 助力医院实现“应收尽收”——体素科技 案例 5 | 新冠肺炎患者治愈出院后的康复管理如何进行？——海思瑞格 疫情突袭，智慧医疗围绕就诊全流程迅速落地 在本次突如其来的疫情面前，大批医疗科技企业冲在一线，加班加点地“捐赠”自 己的技术和产品，围绕患者的诊前、诊中和诊后在多个场景迅速应用和落地， 承担着自己的使命。 如果说此前智慧医疗的主要推动力是政策，那么，此次疫情中智慧医疗在多环 节部署的牵引力就是突然催生的需求和应用场景。纵观本次疫情中的智慧医疗 询、居家-医学观察指导等服务，拓展线上医疗服务空间，引导患者有序就医， 缓解线下门诊压力。 在此前就已大规模展开的智慧医院建设中，智能导诊和分诊作为诊前收集患者 症状基本信息和引导精准就医的重要应用，已在很多公立医院落地。疫情期间， 由于新冠肺炎患者就诊量大并且交叉感染风险颇高，因此就医之前的智能导诊 和分诊显得更为重要。 2 月 7 日，国家卫生健康委网站发布《国家卫生健康委办公厅关于在疫情防控 中做好互

人工智能+制造业应用落地 研究报告 （2024 年） 创新奇智科技集团股份有限公司 中国信息通信研究院人工智能研究所 2024 年 12 月 1 前 言 制造业作为国民经济的基石，一直是推动经济增长和技术创新 的核心力量。然而随着全球化竞争的加剧和消费者需求的多样化， 制造业正面临着成本上升、效率低下和创新能力不足等多重挑战。 近年来，人工智能技术的兴起为制造业转型升级提供了强大的动力， 级提供了强大的动力， 其在制造业全流程的落地有助于提升我国制造业的整体竞争力，使 其在全球市场中占据更加有利的地位。 自党的十八大以来，我国高度重视制造业与人工智能的融合， 正加速制造业与人工智能的融合进程， 旨在提升制造业效率、质量 和创新能力，促进产业链协同优化，构建开放共享的制造业生态， 为经济高质量发展和全球可持续发展贡献力量。 在此背景下，本报告深入剖析当前技术应用的现状，关键技术 大模型技术已逐渐渗透制造业应用 在制造业智能化转型的浪潮中，大模型技术正逐渐成为研究和 应用的热点。尽管目前大模型技术仍处于探索初期，但其展现出的 巨大潜力却不容忽视。大模型将帮助制造业提升效率、降低落地门 槛。在设计研发阶段，大模型可以根据客户需求自动设计制造原 型， 提高产品开发效率。通过学习大量的制造业设计数据，大模型 可自 动生成一系列详细的设计效果图和三维模型，涵盖产品外观、

在保险行业中，场景化智能体的应用潜力主要体现在其能够针 对特定业务场景提供高度定制化的解决方案，从而显著提升效率、 优化用户体验并降低运营成本。DeepSeek 的技术能力为智能体在 保险场景中的落地提供了坚实基础，其多模态理解、动态决策和实 时交互特性能够覆盖从售前咨询到理赔服务的全流程需求。 核心应用方向包括： 1. 精准营销与客户触达 o 通过分析用户画像和历史行为数据，智能体可自动生成 务、HR 系统），自动生成保障方案对比报告，并通过多轮对 话澄清需求。例如，在员工福利保险设计中，智能体可结合企 业预算、员工年龄分布等生成 3-5 种可选方案，并模拟不同方 案的理赔成本。 技术落地关键点： - 场景隔离设计：不同业务场景（如车险、健康险）需独立训练智 能体分支，避免通用模型导致的性能稀释。 - 合规性嵌入：在对话流中自动插入免责声明、条款高亮等合规节 点，并通过日志审计确保可追溯。 能力与保险行业核心场景深度融 合，本项目旨在构建具备行业专业度的智能体解决方案，实现业务 流程智能化升级与客户体验革新。核心目标聚焦于三个维度：效率 提升、风险控制和服务创新，预期在 12 个月内完成全场景落地并 实现关键指标突破。 在运营效率层面，计划通过智能体实现 90%标准化流程的自动 化处理，包括保单录入、核保初审、理赔资料预审等高频场景。根 据试点数据测算，自动化处理可将单笔保单承保时效从平均

人工智能技术将重塑城市发展模式，带领人类进入智慧城市新阶段。报告 “ 提出 AI CITY ”是 AI 原生的智慧城市，代表了智慧城市的内核升级、建设路线升维、底层逻辑演进，提出的 “ 1234MNX” “ 参考架构具有可落地性，值得学界和业界借鉴参考。相信亦希望通过 AI CITY”的探索实 践，汇聚产业链各环节、各方的力量，通过感知、决策、执行等形成全面智能合力，构建具有竞争 力的 AI CITY 生态体系。 深圳大学智慧城市研究院院长、教授 规划并完成具体 “ ” 任务，有效解决了大模型 有脑无手 的问 题。随着行业对 AI 应用形态的理解逐步深入，未来将诞生更多高智能化、对业务流程理解更深刻的多智能体系统， 并加速在生产生活各场景中落地应用。 . 2、人工智能核心三要素全面筑牢数智化转型基础 智能算力规模高速增长，为 AI 训练和应用筑牢算力基础 人工智能算法模型的训练与应用离不开智算中心的算力支撑。2024 年， 中国智能算力规模达 化转型的指导意见》 主要目的 规范和推动智慧城市健康发展。以智慧城市建 设支撑落实国家创新驱动发展战略、国家新型 城镇化战略规划。 推动智慧城市体系重构、质效提升，推进数字中国 建设在城市全面落地，建设中国式现代化城市。 原则和目标 “ 提出 以人为本、务实推进”“ 因地制宜，科学有 ”“ ”“ ” 序 市场为主，协同创新 可管可控，确保安全 的 发展原则；提出公共服务便捷化、城市管理精细

作为国计民生行业，政策对医疗机构的 AI 创新引导至关重要。近年来，多项政府文件将人工 智能在医疗健康领域的应用写入发展规划，并加强对 AI 医疗器械和软件产品的标准化制定，完善 审批政策，有力地促进医疗健康 AI 创新产品和应用落地。 AI 医疗软件、AI 医疗器械政策不断完善 近年来，AI 医疗软件和医疗器械相关政策不断完善。 国家药监局先后发布了《人工智能医用软件产品分类界定指 导原则》和《人工智能医疗器械注册审查指导 息的自动提取和结构化存储，方便医生查阅调用，优 化了诊疗流程。智能分诊导诊系统也通过分析患者症 状，合理引导就诊，减少了等待时间，提升了服务体 验。电子病历自动化处理和智能分诊导诊系统在逐步 推广，但实际落地效果因医院信息化水平和数据质量 而异。 在复杂疾病个性化治疗方案推荐上，由于疾病的 多样性和个体差异， AI 系统的预测精度和临床适用 性仍需进一步提升。尽管如此，智慧医疗已经展现出 强大的商业潜力，成为医疗机构和科技企业共同关注 备注：本图表中的市场潜力、成熟度评价主要基于对 10 余位相关行业头部企业负责人访谈评分获得，商业化落地情况和技术局限性重点参考 Gartnar、动脉网等发布的 研究报告，投资热度重点基于一级市场的投资数据。 1 医疗健康行业 AI 应用白皮书 表 AI 医疗健康应用场景商业化落地情况 应用方向 典型场景 商业化落地情况 投资热度 技术局限性 智慧医疗 智能导诊 部分医院引入智能导诊系统，但 使用效果和普及程度有待提升

争议案件占比 18% 6% 67% “ ” “ 通过技术赋能，保险理赔业务正从 被动响应 转向 主动服 ” 务 。本方案将围绕 DeepSeek 大模型在报案受理、资料审核、核 损定赔等核心环节的具体落地路径展开，为行业提供可复用的实践 经验。 1.1 保险行业理赔业务的现状与挑战 当前保险行业理赔业务普遍面临效率瓶颈与服务质量的双重挑 战。传统理赔流程依赖人工核保、定损及审核，平均处理周期长达 80%以上的人工复核环节。更关 键的是，模型持续学习机制能动态适应监管政策变化，例如 2024 年车险新规中新增的 12 类免责条款，模型可在两周内完成知识库 更新，而传统系统改造通常需要 45 个工作日。 技术落地层面，方案设计充分考虑了业务场景的复杂性。以下 为关键性能指标与现有方式的对比： 维度 传统模式 DeepSeek 方案 提升幅度 材料初审准确率 78% 95% +17% 欺诈识别覆盖率 60%（规则引擎） 模型进行预处理。这种技术互补性要求实施时采用混合架构，将大 模型部署在复杂案件处理通道，形成梯度化 AI 处理网络。 4. 应用方案设计 在理赔业务中引入 DeepSeek 大模型的应用方案设计需围绕业 务痛点、技术适配性和落地路径展开。以下为具体实施框架： 核心架构设计 采用混合部署模式，将大模型能力嵌入现有理 赔系统流程。前端通过 API 网关对接客户提交的理赔材料（如医疗 报告、事故照片等），后端部署 DeepSeek

68% | 89% | 21pp | | 底稿生成完整性 | 75% | 98% | 23pp | | 监管更新响应时效 | 2-3 周 | 实时 | 99% | 在实际落地层面，人工智能技术已展现出与审计场景深度结合 的潜力。以应收账款审计为例，智能体可实现： - 自动匹配销售订 单、出库单与收款记录的三单一致性校验 - 动态计算账龄分析并可 视化逾期风险分布 智能体，计划实现审计作业流程的范式转 ” ” ” 移：从 人工主导抽样检查 转变为 AI ” 驱动全量分析 ，最终使高风 险事项识别准确率提升至 92%以上，同时将项目平均交付周期压缩 40%。技术落地路径将优先聚焦应收账款核对、关联交易穿透、费 用异常波动等六大高频场景，确保方案在 2024 年审计季前完成生 产环境验证。 2.1 审计效率提升的迫切需求 随着企业数字化转型的加速和商业环境的复杂化，传统审计模 查全率（Recall）下限 92% （高风险审计点） - 误报率 （False Positive）上限 3%（避免过度审计） 通过上述技术组合，可确保模型在审计场景下同时满足准确 性、时效性和可审计性要求，实际落地时需配合审计专家的规则引 擎进行混合决策。 4. 智能体功能模块 在审计领域，智能体的功能模块设计需紧密贴合实际业务场 景，通过模块化能力覆盖审计全流程。核心功能模块分为数据预处 理、风险

融合创新服务 平台以工业互联网为基础，以 5G 为技术突破，着手搭建基集两者 融合为一体的基础创新服务平台，该平台既具备工业互联网的元素， 又体现 5G 的创新点，为 5G 的应用发展及场景落地提供有效的支撑 3 服务。 2 项目的背景和必要性 2.1 工业互联网的发展 随着信息经济时代的不断升级，传统模式下的制造业发展面临 越来越多的人力资源、设备资源、市场渠道、合作伙伴等因素的牵 R)等，但 5G 个人应用场景 的落地在产业营收上存在不确定性，如增强现实和虚拟现实缺乏足 够丰富的内容和应用，在设备成本和可用性方面也存在一定的难题。 随着 5G 生态系统的成熟，更广泛的网络部署或将带来更清晰的商 业模式和营收机会。 技术发展和创新或成支撑内容提供商和垂直行业领域价值链进 一步成熟的关键。世界主要经济体正在加速推进 5G 商用落地，然 而，5G 标准和产业链还需完善，5G 及其他无线技术相比，优势显著。 2.4 5G 融合创新发展背景 2.4.1 相关政策发布 我国高度重视 5G 与工业互联网的融合发展，各省市也纷纷制 定 政策推进 5G+工业互联网的应用示范落地。2017 年 11 月，国务院 印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》， 明确将 5G 列为工业互联网网络基础设施，并开展 5G 面向工业互 联网应用的网络技术试验，协同推进

融合创新服务 平台以工业互联网为基础，以 5G 为技术突破，着手搭建基集两者 融合为一体的基础创新服务平台，该平台既具备工业互联网的元素， 又体现 5G 的创新点，为 5G 的应用发展及场景落地提供有效的支撑 3 服务。 2 项目的背景和必要性 2.1 工业互联网的发展 随着信息经济时代的不断升级，传统模式下的制造业发展面临 越来越多的人力资源、设备资源、市场渠道、合作伙伴等因素的牵 R)等，但 5G 个人应用场景 的落地在产业营收上存在不确定性，如增强现实和虚拟现实缺乏足 够丰富的内容和应用，在设备成本和可用性方面也存在一定的难题。 随着 5G 生态系统的成熟，更广泛的网络部署或将带来更清晰的商 业模式和营收机会。 技术发展和创新或成支撑内容提供商和垂直行业领域价值链进 一步成熟的关键。世界主要经济体正在加速推进 5G 商用落地，然 而，5G 标准和产业链还需完善，5G 及其他无线技术相比，优势显著。 2.4 5G 融合创新发展背景 2.4.1 相关政策发布 我国高度重视 5G 与工业互联网的融合发展，各省市也纷纷制 定 政策推进 5G+工业互联网的应用示范落地。2017 年 11 月，国务院 印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》， 明确将 5G 列为工业互联网网络基础设施，并开展 5G 面向工业互 联网应用的网络技术试验，协同推进

.....................................................................................115 6. 赋能场景快速落地.........................................................................................117 6.1 场景集成 分布式训练：通信机制、负载均衡、GPU 集群  参数优化：自适应学习率、动态调度、梯度裁剪 通过上述流程设计，可以确保大模型底座在工业园区数字政府 领域的应用中，具备高效、稳定、可扩展的特点，为后续的业务场 景落地提供坚实的技术支撑。 2.3.3 分布式训练 在工业园区数字政府领域的大模型底座架构设计中，分布式训 练是实现高效模型训练的关键技术之一。分布式训练通过将大规模 数据集和模型参数分布到多个计算节点上并行处理，显著提升了训 实时监控模型的运行状态，及时发现并解决异常情况。同时，还将 定期开展验证评估，确保模型在长期运行中保持高效稳定。 综上所述，场景验证服务通过系统化的测试设计和多维度的评 估机制，为工业园区数字政府领域大模型底座的落地提供了坚实保 障。通过这一服务，可以有效提升模型的可靠性、适应性和可扩展 性，为工业园区的数字化转型提供有力支撑。 5.1 场景选择与设计 在工业园区数字政府领域大模型底座的设计过程中，场景选择