中国低空经济产业链全面解析 苏州工学院智能建造研究院 1 目录 一、引言 ........................................................................................................................................................ 3 1、低空经济定义与发展背景 成本都有积极影响。 数据处理能力是低空经济中的另一个关键因素，特别是随着飞行数据量的激 增，高效处理这些数据成为重要任务。现代数据处理系统广泛利用云计算、大数 据分析技术对飞行中收集的大量信息进行解析，以便于生成有价值的情报。通过 建立综合性的数据处理平台，低空经济的参与方能够对飞行数据、环境数据进行 实时分析，为决策提供支持，优化运营效率，推进智能决策和自动控制的发展。 这些技术的

能性。相较于通用 AI 模型，审计智能体需要具备三个核心能力维 度：首先是领域知识的深度适配，包括国际财务报告准则 （IFRS）、美国通用会计准则（GAAP）等超过 2000 项条款的准 确解析；其次是多模态数据处理能力，既能解析 PDF 财报和扫描 凭证，又能处理 Excel 底稿和数据库日志；最后是可追溯的推理链 条，每个审计结论都必须具备可验证的逻辑路径。以下为审计智能 体与传统工具的对比差异： 识别与异常检测，基于深度学习模型分析历史审计案例和行业风险 特征，智能体可自动标记异常交易模式，其检测准确率在测试环境 中达到 92%，远超人工抽样检查的 65%水平。最后是智能分析辅 助，通过自然语言处理技术自动解析合同条款、监管文件，生成风 险提示和审计要点，使审计师能够聚焦于专业判断而非基础信息处 理。 关键技术指标对比表： | 维度 | 传统审计方式 | 人工智能辅助 审计 | 政策时效性方面的可靠性，例如能够准确识别 2022 年财政部新修 订的收入确认准则（财会〔2022〕25 号）的具体变化条款。 在审计工作流中的技术适配性主要体现在三个维度：首先，非 结构化数据处理能力可解析 PDF 版银行对账单、扫描件合同等传 统 OCR 难以处理的文件，实测显示对模糊文档的字段提取准确率 达到 92%，较传统技术提升 40%；其次，风险预测模块通过分析 历史审计案例库，可自动生成高风险科目预警清单，在试点项目中

技术概述 Deepseek 技术是一种基于人工智能和大数据分析的智能化解 决方案，旨在提升企业在人力资源筛选流程中的效率和准确性。其 核心在于通过深度学习算法和海量数据的训练，实现对简历内容的 精确解析和智能匹配。Deepseek 技术能够自动识别简历中的关键 信息，如教育背景、工作经验、技能特长等，并将其与招聘职位的 要求进行多维度的比对和评分。通过这种方式，企业能够快速筛选 出符合要求的候选人，显著减少人工筛选的时间和成本。 和智能筛选能力。通过整合大数据分析和机器学习算 法，Deepseek 能够快速解析大量简历，提取关键信息，并根据预 设的职位需求进行自动匹配。这一过程不仅显著提升了简历筛选的 效率，还减少了人为偏见，确保选拔过程的公平性和客观性。 在实际操作中，Deepseek 首先通过自然语言处理（NLP）技 术对简历中的文本信息进行解析，包括教育背景、工作经验、技能 描述等。然后，系统会根据招聘职位的具体要求，如所需的技能、 时，容易出现信息遗漏或误判的情况。引入 Deepseek 技术后，简 历筛选的效率得到了显著提升，同时也能提高筛选的准确性。 Deepseek 通过其强大的自然语言处理（NLP）和机器学习算 法，能够快速解析和提取简历中的关键信息，如教育背景、工作经 验、技能特长等。系统可以根据设定的招聘需求和岗位描述，自动 匹配简历中的关键信息，快速筛选出符合要求的候选人。例如，如 “ ” “ ” 果某个岗位需要具备

....................................................................................135 8.2.1 医疗报告解析................................................................................................... 构，通过动态激活子模型的方式实现计算资源的智能分配，在保证 响应速度的同时显著提升复杂任务处理精度。在保险行业特定场景 中，其优势主要体现在三个方面：首先，基于多轮对话和上下文理 ” 解能力，可准确解析客户提交的非结构化理赔描述，例如将 车子 ” 右前方撞到护栏导致大灯破裂 的口语化表述自动转化为标准化事 故编码（V37.2）和损伤部位标识（ADL 代码：HL-03-R），识别 准确率达到 98 解释性 标准。DeepSeek 大模型展现出的多模态理解能力和 53 层注意力 机制，特别适合处理理赔场景中混杂的文本、影像、结构化数据复 合分析任务。某省保险行业协会的测试表明，其在医疗报告解析任 务上的 F1 值达到 91.7%，显著优于现有行业解决方案。 2.1 保险理赔业务的核心痛点 保险理赔业务作为保险服务价值链的关键环节，长期面临效 率、成本与体验的多重挑战。传统人工处理模式在业务量激增和客

核心版本与适用场景 模型版本 发行时间 模型大小 核心能力 适用场景示例 DeepSeek-V3 2024-12-26 671B 通用自然语言处理（NLP），支 持 长文本理解、多语言交互 合同条款解析、政策法规 匹配、审计报告生成 DeepSeek-R1 2025-1-20 671B 复杂逻辑推理，强化数学与 代码生成能力 财务数据分析、异常检测、 风险建模 DeepSeek Janus 存货舞弊" → 获取瑞幸咖啡等真实案例解析 "审计案例函证失败" → 展示典型错误及应对方案 案例学习后输入"生成思维导图"可自动梳理要点 5.2 审计工作辅助 5.2.1 审计工作清单 操作方式：通过描述任务自动生成定制化清单 示例输入： "我要审计一家电商公司的销售费用情况，请生成审计新手注意事项清单" 示例参考： 5.2.2 审计文档解析 操作方式：上传审计文档 示例输入： 识别潜在风险信号（如"放宽信用政策"表述） 5.2.3 审计访谈 操作方式：输入#模拟访谈#+角色开启演练 示例参考： 5.3 审计学习考试 5.3.1 智能错题本 操作方式：上传错题截图/拍照→ 自动解析 特色功能： · 自动归类知识点（如"审计抽样风险"） · 推送相关真题（按难度分级） · 生成易混淆点对比表（如" 信赖不足风险 vs 过度信赖风险"） 5.3.2 CPA 审计训练

作为新一代 AI 大模型技术，在政务系统智能化升 级中展现出显著的技术优势。其核心能力体现在以下三个维度： 在语义理解与多轮对话方面，采用动态注意力机制和上下文记 忆增强技术，政务场景下的长文本解析准确率达到 92.3%，较传统 NLP 模型提升 37%。典型表现为：可准确识别”低保申请材料不齐 全但符合容缺受理条件”等复杂政务表述，支持连续 5 轮以上的政 策问答交互而不出现语义漂移。某省级政务平台实测数据显示，对 2%的不规范表述。 性能优化指标实测数据： | 测试场景 | 传统方案 | DeepSeek 方案 | 提升幅度 | |——————-|—————-|—————-|— ——-| | 并联审批事项解析 | 12.4 秒/件 | 3.2 秒/件 | 74.2% | | 政策更新同步 | 4.5 小时 | 23 分钟 | 83.3% | | 高峰时段并发处理 | 80 请求/秒 | 210 请求/秒 自然语言处理能力 DeepSeek 在自然语言处理（NLP）领域的技术优势为政务系 统智能化转型提供了核心支撑。其能力主要体现在以下三方面： 语义理解与意图识别 基于千亿级参数的大语言模型，系统可精准解析用户输入的模糊表 述或口语化表达。例如，对“办营业执照要啥材料”和“注册公司需要 的文件清单”等异构表述，模型能通过上下文关联分析实现 98.7% 的意图识别准确率（测试数据集包含 10 万条政务场景语料）。这

全面数据采集能力 支持主动采集和被动接收等多种方式对信息系统中超过 2000+主流设备类型的日志进行采集，包括安全类、网 络类、管理类以及基础信息类日志。同时支持网络全流 量镜像采集并实现全协议全流量深度解析。支持主流安 全漏洞扫描报告、威胁情报等数百种异构数据采集与解 析。 26 智安网络等级保护安全防御体系方案 超大规模存储查询 超大规模存储查询引擎专为解决超大规模（支持千亿到 百万亿 金融、教育、医疗、运营商、企业等各行各业。应用场景图示及产品特点如下： 产品特点 简要说明 38 智安网络等级保护安全防御体系方案 双引擎架构 1、黑名单规则库引擎基于透明代理架构实现 HTTP/ HTTPS 协议完整解析和还原，从根源上避免绕过及穿透攻 击； 2、通过对网站访问流量进行学习生成白名单规则，白名单 规则检测引擎可快速识别 0day 攻击，提供最佳安全防 护。 高性能高可用架构 1、采用先进的 0day 漏洞进行渗透的攻击。 智安 APT 攻击（网络战）预警平台针对弱点探测、渗透入侵、获取权限、命令 与控制、数据盗取整个 APT 攻击链中的攻击行为都具备检测能力。同时基于双向 流量的解析机制，实时发现由外到内和由内到外的网络攻击行为。产品基于丰富的 特征库、全面的检测策略、智能的机器学习、高效的沙箱动态分析、海量的威胁情 报，能实时发现网络中发生的各种已知威胁和未知威胁，检测能力完整覆盖整个

、风险导向型嵌入式审计：将审计职能前置嵌入业务流程，如在信贷审 批 系统设置实时合规检查节点。通过规则引擎自动拦截偏离风险偏好的操作 （如超 额授信、关联方贷款），并生成风险热力图指导后续审计重点。（监管 规则语义 解析与代码化映射，如《商业银行资本管理办法》条款转化为系统规 则）；实时 风险仪表盘展示违规操作分布） 二、审计工作管理与审计质量控制 （一）基础审计场景应用问题 1 、审计工作管理问题 （1 否定位 到 非工作时段批量导出客户征信报告的异常操作行为？（设置“单日访问超过 500 条敏感数据”“凌晨 2-5 点操作”等预警规则，追溯操作设备 MAC 地址） 4 、应用 NLP 技术解析“双录”音频文本，是否检测出“保本保息”“代客操 作” 等违规话术？老年客户录音中风险提示完整率是否低于 80%？（构建违规关 键词 库（如“零风险”“刚性兑付”），统计高风险话术出现频次） 资金流向，核查是否存在违规流入房地产、股市等受限领域；检查关联企业授信 额度计算模型，验证是否突破《商业银行集团客户授信业务风险管理指引》的集 中度上限。 3、对银行的个人金融信息采集与共享流程开展审计：使用 NLP 技术解析隐 私政策文本，比对数智化营销中客户生物特征数据的使用范围；追踪数据跨境传 输日志，验证加密级别是否符合接收国法律要求（如 GDPR 的匿名化处理标 准）。 4 、对关键岗位人员账户交

基于客户画像的精准推荐转化率 提升至 35% 从技术实现角度看，银行业务智能化需要突破以下关键能力： - 多模态数据处理：整合文本、语音、图像等非结构化数据，例如 通过 OCR 和大模型解析合同文档，将处理速度从小时级缩短至分钟 级 - 动态知识更新：建立可实时更新的金融知识图谱，确保政策变动 和产品条款变更能在 1 小时内同步至所有终端 - 合规性保障：在模型推理层嵌入监管规则校验模块，确保所有输 合，可实现对复杂金融术语、监管政策及市场动态的精准解析，例 如在信贷审批场景中，模型通过分析企业财报、行业研报及舆情数 据，可将风险评估维度从传统的 20 余项扩展至 150+项，显著提升 风险识别覆盖率。 在具体业务场景中，DeepSeek 展现出以下核心价值： 1. 智能 客服升级：处理准确率提升至 98.5% ，单次响应时间压缩至 800 毫 秒内，支持同时解析客户意图（如理财产品对比、贷款条件咨询 规则引擎误报率高达 35% 构建动态交易图谱分析模型 误报率降至 9.2% 财富管理 产品匹配依赖人工问卷 客户画像+市场信号联合推理 AUM 转化率提升 22% 跨境支付 SWIFT 报文解析效率低 下 多语言语义理解与自动填单 处理速度提升 5.8 倍 从技术实现角度看，DeepSeek 的金融适配性体现在其特有的 参数微调机制上。通过分层迁移学习策略，模型在保持通用能力的

个分散的数据中心的历史数据，进 行读取解析处理，并将处理后的历史数据汇入一个统一的数据中心。 在内部处理模块上，历史数据汇总系统主要包括三个模块：读取模块、解 析模块和汇总模块。读取模块主要负责各个数据中心历史数据的读取处理，解 析模块主要负责把读取到的历史数据解析成合理的数据格式，而汇总模块主要 云技术方案建议书 第 7 页 系统总体设计 负责把解析好的历史数据上传到统一的数据中心。 求（按时间段 或一定的数据量），上报给省厅数据中心。 在内部处理模块上,上报数据上报系统主要包括三个模块：读取模块、解析 模块和上报模块。读取模块主要负责市数据中心需要上报数据的读取处理，解 析模块主要负责把读取到的数据解析成合理的数据格式，而上报模块主要负责 把解析好的数据上传到的省厅数据中心。 在系统构架上，为了满足市数据中心处理需要，需要在市数据中心处安装 一个数据上报程序。而省厅数据中心需要提供数据上报的接口。 8 页 系统总体设计 在内部处理模块上，实时数据入库系统主要包括三个模块：接受模块、解 析模块和数据入库模块。接受模块主要负责接收每个卡口产生的数据流，解析 模块主要负责把接受到的数据流解析成合理的数据格式，而数据入库模块负责 把解析好的数据加入到市数据中心。 在系统架构上，为了使每个卡口的数据能实时入库市数据中心，需要在每 一个负责接受卡口数据的工控机上安装一个实时数据入库系统。 （4）交管数据存储系统