3. 6 智能模型 intelligentmodel 基于多元异构数据,对相关业务对象的运行功能等进行智能自主感知、分析、预测决策和学习进 化,可基于智能驱动支持实现业务自主运行、自适应、自学习进化的模型。 注:数字模型、知识模型、智能模型都属于数字化模型。 3. 7 业务场景 businessscenario 关于业务运行的参与主体、行为活动、资源条件以及数据要素等的有机组合。 3. 同、按 需 优 化 的 一 类 业 务 场 景(3. 7)。 3. 10 智能场景 intelligentscenario 基于相关智能模型(3. 6)实现关键业务自主运行、自主协作和自学习优化/进化的一类业务场景 (3. 7)。 3. 11 新型能力 enhancedcapability 深化应用新一代信息技术,建立、提升、整合、重构企业的内外部能力,形成应对不确定性变化的 本领。 [来源:GB/T23011—2022 需协同、按需优化的一类企业。 3. 17 智能企业 intelligententerprise 基于相关智能模型(3. 6),沿资源链、价值链或产品链(资产链)实现业务全面智能自主运行、自主协 作和自学习优化/进化的一类企业。 3. 18 数字平台 digitalplatform 基于相关数字模型(3. 4),实现网络化协同、服务化延伸、个性化定制等平台化社会化业务动态响 应、动态协同、动态优化的一类供应链/产业链网络平台。

生态环境部核与辐射安全中心 AI 是如何思 考 这个问题的？ 01 AI 对 AI 赋能核安全监管的思考 02 国际上核安全监管在 AI 的进展 03 核安全监管信息化工作汇报 04 面向未来的进化路径 CONTENTS AI 对 AI 赋能核安全监管的思 考 核安全：文明发展的关键命题 人类文明的代际划分是 基于能源的应用 核物理本质上是对世 界本源的探究 文明演进的风险镜像 完成知识分类体系梳理及知识管理系统一期建设 ，形成十大知识库。 面向未来的进化路径 全域感知网络与边缘智能 02 、边缘智能部署 在核电站本地部署轻量化 AI 模型（如 TinyML ） ， 实现辐射泄漏等紧急事件的毫秒 级响应 ， 减少云端依赖 ，提高应急处理的 及 时性和可靠性。 AI 技术进化路径： 从“工具辅助”到“ 自主协同” 01 、多模态感知网络构建 集成核设施传感器（辐射、 集成核设施传感器（辐射、 温度） 、 卫星 遥 感（地理风险） 、 无人机巡检（设备腐 蚀检 测） 数据流 ，构建全域感知网络 ， 实 现对核 设施全方位、 多角度的实时监测。 AI 技术进化路径： 从“工具辅助”到“ 自主协同” 因果推理与数字孪生决策 因果 AI 的应用 01 突破传统相关性分析 ，构建核事故因果链模型（如冷却系统失 效→堆芯熔毁→放射性扩散） ，提升风险归因能力

执行 - 学习” 的闭环智能体系。在这一趋势下，应用现代化的核心命题已从“云原生”升级为“AI-Native”，即应用的全生命周期—— 从开发、运行到运维、集成——均需围绕智能体的自主性、协同性与进化能力重构。 从技术视角看，AI-Native 架构的关键在于数据与 API 的智能融合，传统企业系统沉淀的海量数据，需通过统一的 可信数据资产目录实现跨域流通，为 Agent 提供实时、高质量的训练与推理燃料；而 Agent 开发与运行、检索增强生成、智能应用管理引擎、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升数倍以上，支撑智能化应用的多模交互、自主运行、智能进化、环境理解、智能协作、 智能研发等特征落地，形成更广泛、更灵活的智能体系统，从而能够在降本增效、体验优化等各方面得到大幅提升。 目前， AI 在医疗、科研、教育、物流等各个领域的应用，为社会带来了巨大价值的同时，又进一步支持了 当今，应用现代化的推进目标已从“数字化 IT 提效”提升至“重塑智能商业价值”。未来，企业需以“应用现代 化的三驾马车”，即：“敏捷架构、智能数据、生态开放”为基石，建立支持 Agent 自治与进化的全生命周期的数字基 座。应用现代化产业联盟的各成员，要加强智能体应用、跨域协作标准等前沿议题的探索研究，以《应用全生命周期智 能化白皮书》为起点，共同推动中国在全球智能化竞争中占据制高点，携手迈向应用现代化的智能时代！

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 >

1 背景 具身智能是基于物理本体感知和行动 的智能系统，通过与环境交互感知信息、 规划任务、做出决策并控制本体完成任务， 产生智能行为并持续演进。具身智能需可 信、行为符合人类价值并能自我进化。 2.2 最新进展 具 身 智 能 技 术 近 年 来 取 得 突 破 性 进 展，在感知、决策、控制及商业化应用等 方面实现重大提升。高精度传感器增强了 智能体的环境感知能力，融合感知与推理 随着新理论和方法的不断发展，统计学能够 更高效地应对人工智能中的前沿问题，推动 人工智能技术迈向更高水平，而人工智能的 不断突破也将反哺统计学，使其变得更加智 能与高效。人工智能与统计学之间的双向互 动与协同进化，必将在未来智能革命中发挥 关键作用，为社会智能化转型注入持久而强 大的动力。 4. 科学计算 随着上世纪的计算机出现，科学计算迅 速发展，在天气预报、油田勘探、药物设计、 金融分析等领域取得巨大成功，成为理论、 RFdiffusion 蛋白质生成工具 3，为蛋白质从 头设计提供了全新路径。基于自然语言模型 的 ProGen 4、EVOLVEpro 5 等 工 具， 实 现 了酶、治疗性抗体等特定功能蛋白从头合成 和定向进化，展示了 AI 在全新功能蛋白设 计中的强大潜力。 1.2.3 人工智能重塑生物智造 人工智能与微生物基因组学的深度融 合，为合成生物学提供革命性工具。通过 AI 驱动的数据分析和模型优化，精准确定并优

多头潜在注意力：像多线程处理信息，显存占用降低 50%，适合普通电脑运 行 ⚫ MoE 混合专家系统：遇到问题自动召唤“专业团队”，比如数学题找数学专家模 块，写诗找创意模块 ⚫ 强化学习驱动：通过“试错+奖励”机制自我进化，类似游戏 AI 自学通关 2.划时代意义：中国 AI 的破局之战 DeepSeek 的诞生不仅是技术突破，更是国家战略级的里程碑： 成本革命： ⚫ 训练成本仅 558 核心能力： ⚫ 跨域整合（将 AI 与行业 know-how 结合） ⚫ 价值判断（在 AI 建议中做出最优决策） ⚫ 情感智慧（弥补 AI 的情感计算短板） ②组织形态进化 ⚫ DAO（去中心化自治组织）： 通过智能合约+AI 协作平台，万人团队实现零管理成本运作 ⚫ 人机混合团队： AI 成员拥有独立数字身份，参与绩效考核与利润分配 ③终身学习范式 -深圳外卖小哥用 DeepSeek 开发接单优化系统，月收入提升 230% -新疆牧民通过 AI 语音助手实现畜牧疾病远程诊断，死亡率降低 62% 六、未来图景与人类共生 1.技术进化：从工具到伙伴的范式跃迁 DeepSeek 的持续迭代正在重新定义人机关系，其技术发展呈现三大趋势： ①认知协作革命 ⚫ 智能增强：通过脑机接口技术，用户可直接用思维操控 DeepSeek

座之上，将企业的知识资产、岗位技能和业务流程深度智能化，与信息系统和业务链条 全面打通，并通过可信治理框架下的人机协同机制，重塑组织的决策逻辑、运作流程、人才角色与文化基因，使组织具备自我学习、自我进化、自我协同的能力，从而在 效率、质量、创新与韧性上实现持续跃迁的综合性新型生产力。 业务 流程 智能化 智能化全链条流程图 知识资产 智能化 • 企业中沉淀的大量文档、 案例、经验、制度，本质 到端的价值流，确保数字化投入能够直接转化为业务产出和效率提升。 整合数据与知识资产 通过统一的数据标准和智能知识管理平台，分散的数据和知识可以高效整合、沉淀和复用， 支持数据驱动的决策和创新，提升组织整体智慧水平。 增强创新与自我进化能力 在可信治理和人机协同框架下，组织能够实现自我学习、自我优化和自我协同，使企业在 效率、质量、创新和韧性上持续跃迁，快速适应市场变化。 智能生产力解决方案以软件应用为核心，面向企业内部“人/业/效”工作场景推 组织的协同演进 • 智能生产力在工业级AI、产业级Know-How与组织重构的融合下，完成一次“组织与生产方式 的深刻再造”，从而孕育出一种自学习、自进化的新型生产力形态，以人机共生的新范式实现 企业人智共进、效率倍增、价值创造与组织进化。 范式三 - 智能生产力解决方案：以AI原生架构（知识治理×多智能体×岗位助手）为核心，打通到工作 场，对经营KPI产生直接的可量化贡献 范式特点 范式三对范式一与范式二痛点的解决方式

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

，提取出与输 入序列相似的所有序列，并构建为一个矩阵。这种比对基于这样一个假设：序列 的相似性表示它们具有共同的进化起源。多序列比对可以帮助确定多物种保守的 序列区域，这些区域在进化过程中保持不变，可能是因为它们对生物有重要的功 能。AlphaFold2通过MSA来提取出蛋白质序列的进化信息，此外，如果在MSA 中的多个序列中观察到两个位置的氨基酸同时变化，那么这可能暗示这两个氨基 酸在蛋白质的空 ESMfold放弃了MSA的构建步骤，而是采用了使用一个蛋白质大语言模型 ESM2，来对氨基酸之间的相互作用模式进行表征。ESM2同样基于 Transformer架构，可以针对输入的蛋白质序列直接提取出其包含进化信息 embedding。该embedding可以直接输入类似AlphaFold的Evoformer中。 这种端到端的计算方法，使得ESMfold的推理速度比AlphaFold2快了一个数量 级。更适合用户的使用。