《數字產業創新研究中心：2024人工智能&大數據創新應用案例集（63頁）.pdf》由會員分享，可在線閱讀，更多相關《數字產業創新研究中心：2024人工智能&大數據創新應用案例集（63頁）.pdf（63頁珍藏版）》請在三個皮匠報告上搜索。

1、003在科技日新月異的今天，人工智能+、數據要素 X正成為引領科技變革、驅動社會發展的核心力量。人工智能+，代表著人工智能技術在各個領域的廣泛應用與深度融合，為傳統產業帶來了前所未有的創新機遇；而數據要素 X，則是指數據作為新的生產要素，在數字經濟時代發揮著越來越重要的作用。本案例集旨在匯集近年來人工智能與大數據在各個領域中的創新應用與實踐成果，展現科技如何深度融入社會生活的方方面面，推動各行各業的轉型升級。案例集收錄的人工智能&大數據創新應用典范案例，基于面向各行業企事業單位、數字原生企業、各類數字化服務廠商征集精選而出。通過精選的案例，我們希望能夠為讀者提供一個全面了解人工智能與大數據應用

2、現狀與發展趨勢的窗口，激發更多的創新思維與實踐探索。最后，我們要感謝廣大讀者的支持和關注，也期待未來能夠有更多優秀的案例加入到這個集合中來，共同見證人工智能與大數據技術的輝煌未來。前言005005目錄前言03人工智能創新應用08興業銀行：興業銀行 AI 智能財富顧問08新奧天然氣：LNG 智能交付解決方案12上海聯通：上海聯通面向政企營銷的智能 Copilot 應用與創新實踐17通用健康管理：體檢報告智能陽標系統26匯智智能：Agent 云智能體云平臺數字員工31大數據創新應用34青島啤酒：“數據驅動+生態賦能”的物流運輸管理34同方知網：大數據知識管理平臺40全景智聯：面向市域社會治理的多元

3、信息跨域集成關鍵技術及應用46遠光軟件：集團企業經營分析50中電數創：數據要素加工交易平臺54思邁特軟件：SmartbiAIChat 應用案例，某保險集團內部經營分析630070072024人工智能&大數據創新應用案例集2024 人工智能&大數據創新應用案例集008興業銀行：興業銀行 AI 智能財富顧問人工智能創新應用案例簡介2023 年，興業銀行啟動“AI 智能財富顧問”項目，著力打造手機銀行 APP 端專業的、有態度的、具有興業特色的智能財富助理，為全行零售客戶提供資產配置、投資者教育、市場資訊以及產品推薦服務，同時將潛力營銷客戶轉介線下協同經營。AI 智能財富顧問是興業銀行基于人工智能、

4、大數據以及興業多年積累的豐富資產配置經驗和對客經驗打造的智能線上財富顧問，當前設計包含興財分、資產檢視、產品推薦和持倉收益等主題功能場景，在智能會話持續升級的同時拓展深耕基金解讀、財富養成、市場行情等財富場景。AI 智能財富顧問力求做到更懂客戶、更懂專業、更懂產品、更能堅持，成為客戶可靠的線上理財顧問：1.更懂客戶，第一，在客戶主動對話 AI 智能財富顧問的時候，能了解到發問背后客戶的真實需求；第二，基于線下服務客戶的經驗，在一些關鍵時刻（市場波動、持倉收益變動等），能主動提供與客戶相匹配的策略。2.更懂產品，在產品分類、打標、推薦的邏輯上，定量+定性，與行內的資產配置模型推薦等結合。3.更懂

5、專業，一是配置邏輯，二是客戶需求與方案的匹配。4.更能堅持，售前更了解客戶需求，售中產品和客戶需求更匹配，售后關鍵時刻主動、持續的陪伴。008009背景和主要驅動力當前，金融機構紛紛入局財富管理藍海，但對銀行業財富管理業務沖擊最大的依然是互聯網金融機構為代表的企業，客戶到訪網點頻次越來越低，也更偏向于線上自助購買財富產品。手機銀行財富產品銷量占比近 80%，且趨勢逐年增加，越來越多客戶傾向于通過 App 自助購買財富產品，同時他們在線上財富旅程中對于資產檢視、財富配置、收益查詢、售后陪伴、投教資訊等功能服務有著旺盛的訴求?？蛻糁饾u具有基本的投資意識，但與之對應的，他們也缺少及時、專業的財富管理

6、服務工具。通過線上渠道為更多的客戶提供財富管理服務，能夠打破時間和空間的限制，提升銀行的財富管理經營能力。通過建立線上 7*24 小時的 AI 智能財富顧問，能夠發揮興業銀行已有資源稟賦，滿足全行零售客戶線上財富管理的個性化需求，做好客戶投前-投中-投后財富陪伴服務。AI 智能財富顧問的建設目標，是基于 AI 能力，從客戶視角出發，利用“人+數字化”的方式，融入財富顧問工作方法論，為客戶提供及時、專業的財富管理服務工具和線上線下融合的沉浸式服務體驗，實現 MAU 和 AUM 的雙轉化。戰略規劃和行動路線圖根據同業競品分析和興業銀行資產配置數字化體系的底座建設基礎，擬定了 AI 智能財富顧問建設

7、的行動路線。第一步，聚合已有財富陪伴服務功能。在過去兩年的財富數字化轉型道路上，興業銀行陸續建設了財富體檢、財富賬單、產品精選、投資生態圈等財富管理數字化基礎服務功能，實現對客戶的全方位持倉檢視、跨多區間、多品類的收益分析、基于客戶金融特征的產品推薦以及提供豐富的投研投教資訊服務。利用智能對話能力，以快速響應和解決客戶需求為導向，通過聚合資產檢視和配置、投資盈虧分析、產品推薦和解讀、投資者教育、市場點評等功能，標準化、簡單化內容陪伴流程。第二步，實現對于客戶意圖的精準識別?；诳蛻舻呢敻浑A段、風險偏好、歷史投資行為和交易行為，結合市場行情信息，為客戶自動提供個性化產品推薦組合、凈值波動提醒、止

8、盈止損建議等多維度智能化財富旅程陪伴服務。第三步，建設協同經營服務流程。圍繞客戶線上旅程（資訊瀏覽、賬單收益、購買斷點等）埋點，將復雜產品潛力配置、行外吸金、AUM 維穩等客戶營銷線索實時推送至財富規劃系統供理財經理接觸營銷，同時將線下配置和接觸情況回傳至 AI 智能財富顧問提供更加個性化的服務場景。實施效果服務客戶方面：手機銀行財富體檢自 2022 年 1 月上線以來，用戶流量劇增，用戶人次數突破140 萬戶，產品成交攀升，用戶體驗財富體檢購買推薦產品達 168 億元。財富體檢通過解讀和分析用戶資產，基于興業銀行專業的資產配置模型，針對不同持倉類型的用戶，給出收益升級的個性化資產配置建議。賦

9、能一線方面：一線理財經理客戶經營中存在客戶批量服務壓力大、客戶全時段服務難度高以及客戶溝通缺乏支持的經營痛點，利用 AI 財富助手的技術優勢，人機協同，拓展客戶經營的廣度和深度，雙向賦能和提升。興業銀行：興業銀行 AI 智能財富顧問2024 人工智能&大數據創新應用案例集010實施難度與復雜度AI 智能財富顧問在建設過程中，主要遇到的三大困難點：一是 AI 智能財富顧問建設涉及關聯系統多，從前端手機銀行，到中臺數據整合和建設，到后端產品銷售系統、財富規劃系統協調改造，以及基礎的智能語音處理平臺的設計優化，該項目突破行內已有架構，整合客戶、產品、資訊、策略等相關系統功能，涉及多方研發和架構師溝通

10、協調，逐步實施方案落地。二是 AI 智能財富顧問旨在面向全行零售客戶提供全流程的財富陪伴服務，針對不同層級、不同投資偏好、不同財富階段的客戶，制定與之對應的產品策略和對話流程。當前全行零售客戶特征繁多，需求復雜，AI 智能財富顧問需依靠機器學習算法和量化模型，篩選有效標簽和策略，賦能客戶需求洞察流程，完成智能化資產配置模型的動態升級。三是對話語料資源建設難度大。AI 智能財富顧問能智能對話、精準回復的基礎，是基于大量的對話語料加以訓練，以達到識別客戶意圖的目的。在冷啟動階段，需有大量一線業務人員參與項目建設，共同完成分場景的語料建設。案例亮點（一）MOT 策略觸達1.市場行情 MOT：在市場波

11、動時，提供及時專業的行情點評，詳細解讀市場波動對持倉的影響，如午間點評、收盤點評、熱點解讀等；2.客戶行為 MOT：通過客戶在我行主動或被動的金融活動，如大額資金變動、產品到期、產品頁面瀏覽等，捕捉客戶的潛在投資需求，推薦產品實現轉化。（二）專業的資產配置模型1.統一的配置邏輯：從客戶出發，建立統一的配置邏輯?？蛻襞渲秒A段不同，對理財的認知不同，對產品和資產配置服務的接受度也不一樣；建立從無到有，從簡單到復雜，從買一個到配多個，從配多個到配更好的層層遞進的配置思路。2.客戶與策略的深度匹配：基于多維數據，識別客戶需求，匹配產品與服務，形成專業、綜合、個性化的建議方案。（三）人際協同，賦能一線1

12、.獲客轉接，賦能減負：利用AI智能財富顧問的技術優勢，通過引入AI的智能服務能力在忙時托管，拓展一線接觸外延，廣泛獲取經營機并轉接給理財經理，并于理財經理客戶經營流程中賦能支持。2.深度經營，優化指引：發揮理財經理專業與溫度優勢，在滿足客戶人工需求、促成客戶的產品選擇與資產配置的基礎上，反向指導 AI 智能財富顧問的優化迭代。人機協同，實現資源共享，拓展客戶經營的廣度與深度，雙向賦能與提升。011申報單位名稱興業銀行股份有限公司單位簡介興業銀行成立于 1988 年 8 月，是經國務院、中國人民銀行批準成立的首批股份制商業銀行之一，總行設在福建省福州市，2007 年 2 月 5 日正式在上海證券

13、交易所掛牌上市，注冊資本 107.86 億元。2023年7月5日，英國 銀行家 雜志發布2023年度的全球銀行1000強榜單，興業銀行再攀新高，按照一級資本排名第 17 位，國際影響力和競爭力持續提升。（四）敏捷會話配置流程靈活配置標簽和流程：利用興業銀行專業的智能語音處理平臺，支持總分行用戶靈活配置、發布AI 智能財富顧問的對話流程。用戶可以根據實際業務經營需要，多維配置客戶的標簽組合和定制化的對話流程，滿足一線營銷的敏捷性需求。（五）開放域問答引導客戶形成良好的投資習慣：開放域旨在與用戶進行會話交流，在會話中解決用戶簡單需求、學習基礎財富管理類知識，引導用戶進入主題流程深入解決財富類需求，

14、在長期使用過程中形成良好的投資習慣。興業銀行：興業銀行 AI 智能財富顧問2024 人工智能&大數據創新應用案例集012新奧天然氣：LNG 智能交付解決方案人工智能創新應用案例簡介新奧股份在 LNG 智能交付領域不斷開展數字化轉型實踐，依托 LNG 接收站出貨平臺，制定 LNG 智能交付解決方案，建設包括智能指派、智能監控、智能進出場的綜合管理平臺，已累計接入1700多家承運商，鏈接23000多個車輛定位數據，其中LNG車輛接入近1萬輛，達到全國 LNG 車輛總數的 85%。智能指派實現安全合規前置化審核，確保車輛合規有效，指派任務智能靈活，從而提高運輸效率、降低運營成本、增強客戶服務。智能監

15、控通過車輛線上化操作，實時監控在途車輛，節點監控與危網地圖集成，實現任務智能化精準預警，減少人工跟蹤出現偏差。智能進出場通過數據集成，各節點信息互聯互通，打通了裝卸環節與承運環節的數據和系統，使過程更透明，數據暢通流動，實現物流運輸全流程數字化。此外，LNG 智能交付解決方案還致力于接入和解析車輛 ADAS/DMS 主動安防數據，在技術和業務、承運商等多方配合努力下，該平臺已在舟山 LNG 接收站的業務環境下實現ADAS/DMS 的全覆蓋，有效保障進出舟山島的車輛在途安全。012013背景和主要驅動力傳統工廠/接收站痛點：1.傳統線下效率低：采銷運及裝車計劃信息線下收集，更改隨意，信息不對稱，

16、供需調度匹配及對帳結算需大量人員溝通成本，且難以保障準確性。2.安全隱患風險大：物流公司多管理難度高，車輛在途運行信息不透明，駕駛員在途駕駛行為，存在安全管理盲區，難以滿足自身及政府對車輛安全監管的要求。3.信息孤島不透明：車輛進入廠區前，易集中到達，無計劃性，線下操作，存在違規行為、進場排號放行依靠預估和電話溝通，紙質單據流轉，無法保證數據準確性，同時不公平現象，引發利益沖突等。4.貨物流向不清晰：車輛配送、貨物流向難以掌握，存在串貨、延誤等風險，在途追蹤靠線下電話溝通，信息不對稱不透明存在管理盲點，溝通成本高，客戶滿意度低。技術特色及應用實例數字化創新：1.智能指派業務根據時效預測實現調度

17、派車智能化。2.智能監控業務通過智慧物聯實現全域三維實時監控可視化。3.智能進出場業務打通數據孤島實現車輛進出場自助值守無人化。LNG 智能交付解決方案技術開發主要亮點：1.架構及擴展性解決方案底層系統基于微服務架構建設，遵循微服務架構的基本原則。使用 SpringBoot+Dubbo做為開發框架，進行服務的開發。系統設計、實現時為保證系統的安全性，采用相關的軟件技術提供嚴格的管理機制、控制手段和事故監控等技術措施提高網絡系統的安全性。在業務系統設計過程中，系統規劃、編碼規范等均遵從一定的安全規范。產品的底層實現具備了較好的擴展能力，可以相對快速的進行容量和性能水平擴展以及縱向快速解耦。2.指

18、派、在途、進出場全程一體化、智能化監管智能指派實現了安全合規前置化審核，確保車輛合規有效，指派任務智能靈活，從而提高運輸效率、降低運營成本、增強客戶服務。智能監控通過車輛線上化操作，實時監控在途車輛，節點監控與危網地圖集成，實現任務智能化精準預警，減少人工跟蹤出現偏差。智能進出場通過數據集成，各節點信息互聯互通，打通了裝卸環節與承運環節的數據和系統，使過程更加透明，數據暢通流動，實現物流運輸全流程數字化。3.危貨導航時效預測算法通過與圖商合作，在業內首創危險品運輸導航功能。結合大量的歷史路線、風險點、危險品限行等信息來還原真實的車輛運行路徑以及狀態，對政策法規、限高、限重、避讓區域、危貨速度控

19、制、休息時間、裝貨等待時長、裝貨操作時長、安檢時長、天氣等全量影響在途時長的因素進行還原分析，形成大數據時效預測算法，能較為精準預測車輛裝車到達時間與貨物到達目的地時間，有效避免車輛積壓現象發生。同時深入研究分析駕駛員的個人行為對算法的影響，以提升算法的精度。新奧天然氣：LNG 智能交付解決方案2024 人工智能&大數據創新應用案例集0144.衛星定位與物聯設備通過搭建 GPS 定位中心，接收各承運商車輛的衛星定位數據。在多年的業務執行與積累下，平臺已經接入了 1700 多家的承運商，鏈接 23000 多個車輛定位數據，其中 LNG 車輛已接入近 1 萬輛，達到全國 LNG 車輛總數的 85%

20、。同時致力于接入和解析車輛 ADAS/DMS 主動安防數據，在技術和業務、承運商等多方配合努力下，已經在舟山接收站的業務環境下實現的 ADAS/DMS 的全覆蓋，有效保障進出舟山島的車輛在途安全。此外，我們還與新奧數智研究院合作開發“視頻報警誤報智能判斷算法”，以大量的 ADAS/DMS 報警數據為基礎，通過 AI 算法模擬，有效減少誤報情況發生。5.政企數據互聯在?；愤\輸行業，除了安全與效率之外，合法合規也是重要要求。該解決方案通過創新業務模式，以政企合作的方式，將 LNG 運輸信息（人、車、企、時間、線路）、安檢信息（駕駛員自檢、生產企業復檢）傳輸到交通部門與交警部門，突破了政企信息阻礙

21、與數據壁壘，強化分析研判，跨政企實現危品運輸風險隱患未動先知、異動即知，預測預警預防能力得到明顯提升。6.多部門聯動攻克了多公司、多部門、多技術聯動的業務、技術、運營等難題，突破了數據溯源追蹤限制，實現生產、銷售、運輸等全流程數據閉環。應用實例該解決方案已經成功服務新奧舟山接收站、國家管網粵東接收站、杭嘉鑫接收站、中石化天津接收站、中石化董家口等國內 7 家 LNG 接收站及重慶龍冉、雅海 2 家 LNG 液化工廠。以舟山接收站為例，舟山島的出貨能力受限于舟山出貨通道的物流承載能力。在建設系統之前，政府為保障居民安全性，僅允許水路出島，此時一天的出貨量受限于水路運輸承載能力，僅為80車/天；在

22、利用解決方案接入車輛定位數據以及ADAS數據后，政府允許分批次陸路出島，通過水路聯運的方式，使得通道出貨能力大幅度提升，達到 350 車/天。同時在智能監控的幫助下，也有效的減少了車輛集中到達、積壓的情況，降低道路運輸風險。杭嘉鑫接收站位于嘉興平湖縣獨山港園區，其地理位置臨近沈海高速和 G228 國道，周圍道路交通縱橫復雜，且接近村莊居民區，進出場車輛與社會車輛及行人混雜，存在交通安全風險。該接收站在浙江擔負保障杭嘉湖地區民生供氣的任務，因此每天出貨量相對較多，槽車運輸車輛涉及多家貿易商以及承運方，覆蓋上百名駕押人員及車輛，管理難度大。系統上線后，通過智能指派，將計劃車輛按遠近、是否完成上一單

23、等條件，區分成上午、下午、晚上三個批次，嚴格按照分批次到達的規定執行。并在園區入口、停車場、接收站分別設定三道無人值守道閘，通過預約、掃碼、簽到等方式，自動有序的放行，有效保障園區內車輛安全、有序，避免積壓。015實施效果主要應用效果1.技術和應用創新LNG 智能交付解決方案將 LNG 交付的傳統線下業務形式轉變為線上信息化、數字化、智能化管理。LNG 智能交付解決方案通過引入 GPS 定位技術、物聯網技術以及人工智能技術，實現車輛在途跟蹤系統的智能化。車輛位置和狀態的實時監控可以大大減少人工跟蹤的偏差，并能自動預警異常情況，提高車輛運輸的安全性。同時數字化和自動化技術的應用，實現了進出場操作

24、的數據集成和系統打通，能夠減少人為錯誤和丟失，提高操作的安全性和效率。2.管理效率的提升LNG 智能交付解決方案對管理效率的提升體現在以下三個方面：一是智能化的車輛在途跟蹤系統能夠實時監控車輛位置和狀態，提高運輸的可控性和可預測性，能夠更準確地安排車輛調度和運輸路線，從而提高運輸效率。二是進出場操作效率的提升，減少了人工操作所帶來的錯誤和延誤，降低了運輸過程中的風險和成本。同時，通過自動化技術的應用，進一步提高了操作的效率，節約了人力資源和時間成本。三是 LNG 交付過程的數字化可以提高交付過程高效性。通過實時監控和數據分析，可以及時發現和解決問題，減少交付過程中的誤差和延誤，提高交付效率。此

25、外，通過引入區塊鏈技術確保數據的真實和安全，提升了整個交付過程的可信度，并為相關方提供了更好的決策依據。3.保障 LNG 交付安全LNG 智能交付解決方案有效保障 LNG 交付全過程安全監管一體化。從人、車、企資質上報審核、人員培訓、計劃提報、人員答題、自檢自查、車輛安檢、裝車、運輸過程一體化全流程監管，保障運輸環節安全、可靠，減少安全隱患。4.經濟效益LNG 智能交付解決方案通過優化出貨計劃，增強物流管理，提升效率，保證正常出貨；同時構建了線上線下協同處置機制，進一步提高工作效率，加快工作進度，有效減少人力投入成本，降低管理成本，保障各項監管工作有序開展，間接體現了效率提升帶來的經濟效益。該

26、解決方案借助大數據分析，及時摸排具有重大風險、隱患行為的可疑企業和車輛，從源頭上降低道路交通安全事故發生的概率，從而減少經濟損失。5.社會效益LNG 智能交付解決方案通過企業動態監管、異常情況監測、違規信息閉環處理、政企協同應用等方式多管齊下，降低了安全隱患，提升了新奧在行業內的品牌影響力；通過接入更多相關部門的數據以及采用目前的新科技裝備，輔以大數據分析技術和信息化手段，使得員工的工作效率和管理效能得到顯著提高，公司社會數字化治理能力不斷強化，新奧的綠色、低碳、智能的戰略理念進一步得到宣傳。新奧天然氣：LNG 智能交付解決方案2024 人工智能&大數據創新應用案例集016行業地位LNG 智能

27、交付解決方案，依據實際的業務痛點，將線下業務操作升級為線上數字化平臺操作，進而對業務的路線、模式、工具、方法提供創新性解決方案，徹底消除紙質單據流轉，通過數字化留痕進行全流程的數據追蹤與大數據分析，通過持續的算法升級進行智能化指派、監控、進出場操作，在業務域內具有核心價值，不受制于外部廠家或被技術卡控?？蛻粽J可度LNG智能交付解決方案不僅服務于類似北海華恒、舟山通道等新奧自身業務，同時服務中石化天津、國家管網粵東、杭嘉鑫等 7 家大型接收站以及重慶龍冉、內蒙古雅紅等 2 家液廠。在貿易方面，支持7 家中石化銷售公司和 SK 的出貨；在承運商方面，累計服務 LNG 承運商 618 家，多品類承運

28、商 873 家。申報單位名稱新奧天然氣股份有限公司單位簡介新奧天然氣股份有限公司是中國規模最大的民營能源企業之一，經過多年穩步發展，業務覆蓋天然氣分銷、貿易、儲運、生產、工程等產業全場景。在全國運營 254 個城市燃氣項目，為近 3000 萬個住宅用戶和 22 萬家工商業用戶提供燃氣服務，覆蓋接駁人口超 1.2 億，總銷售氣量達 362 億立方米，約占全國天然氣市場消費總額的 10%。新奧股份以優良的業績表現逐步得到資本市場認可，2022年標普信用評級首次達到 BBB-投資級，國內信用評級提升至 AAA 最高級，ESG 評級提升為 BBB 級，新奧股份首次納入滬深 300 指數，2022 年位

29、居中國企業 500 強第 220 位。017上海聯通：上海聯通面向政企營銷的智能 Copilot 應用與創新實踐人工智能創新應用017案例簡介上海聯通聚焦政企營銷場景中存在的依賴客戶經理人工經驗、客戶需求多樣化和復雜化、傳統被動賦能管理方式不夠高效靈活等痛點問題，突破傳統數字化營銷時效性差和手段單一的瓶頸，創新提出面向政企營銷的智能 Copilot 應用與創新實踐案例，為政企客戶提供高效、精準的營銷支持。該案例通過智能 Copilot 系統的研發和應用，實現了對政企營銷全過程的智能化管理和優化。智能 Copilot 系統基于先進的人工智能 AIGC 和數字人技術，通過商機、輿情、標訊等外部信息

30、的實時獲取，打造商機智能挖掘智能體和智能策略推送能力，基于 RAG 架構打造政企營銷客拜輔助問答智能體“源源”，能夠深入分析政企客戶的需求、行為和市場趨勢，為營銷人員提供個性化的營銷策略建議，為客拜人員提供領域專業知識問答。上海聯通：上海聯通面向政企營銷的智能 Copilot 應用與創新實踐2024 人工智能&大數據創新應用案例集018背景和主要驅動力通信運營商作為信息社會的基石，具有服務覆蓋面廣，客戶群體多樣等特點，在上海聯通的業務中，政企客戶占據著重要地位，其收入占比近 70%，直接影響著企業的盈利能力和發展潛力。但政企客戶具有需求多樣化、復雜化及個性化等特點，目前，政企客戶營銷很大程度上

31、依賴客戶經理的經驗和個人能力，這導致了客戶經理個體成為政企業務發展的關鍵點，客戶經理的流失成為企業經營的嚴重風險問題。因此，借助人工智能技術在政企客戶營銷領域的賦能，縮小個體經驗差異，以減少業務發展對客戶經理個人的依賴，成為企業亟需解決的問題。在這樣的背景下，上海聯通公司利用人工智能技術賦能政企業務垂直行業應用，為行業轉型和創新進行了積極的探索和嘗試。本項目旨在通過運用機器學習算法、自然語言處理、語音識別等技術，結合政企客戶的特點和需求，構建智能化的解決方案，打造政企 AI 數字員工“源源”，將政企客戶營銷模式從依靠人工個體經驗的重復勞動轉變為 AI 智能匹配推薦的模式，以實現客戶經理工作的智

32、能化和標準化，提升通信運營商對政企客戶的服務水平和業務轉化水平。該項目以大模型技術創應用新為核心驅動，圍繞政企營銷策劃和售前支撐全流程場景，構建大模型+傳統 AI 能力（小模型、NLP 等）+場景組件工具+智能體+數字人的能力體系，對聯通政企業務售前、售中、售后全生命周期進行數智化賦能探索。在注重落地見效，助力企業降本增效，最大化企業效益和減少人工重復勞動的原則基礎上，圍繞政企營銷策劃與售前支撐場景，建設政企商機智能推薦、政企售前方案智能輔助應用，構建大模型知識問答和自動化商機挖掘和解決方案生成能力，打造企業新質生產力，推動人工智能在企業的廣泛應用。019戰略規劃和行動路線圖縱深推進人工智能發

33、展，實現“以智助網、以智強算、以智融數、以智賦用、以智固安”，構建安全可信、靈活敏捷、層次豐富的立體化全棧式 AI 能力供給體系，聚力打造“一個聯通、一體化能力聚合、一體化運營服務”特色能力，形成具有中國聯通特色的差異化人工智能高質量發展之路。實施效果沉淀一套智能 copilot 政企營銷助手，主要功能如下：1.營銷商機洞察挖掘助手：上海聯通基于客戶信息、行業動態、以及輿情熱點等多模態數據，通過開源大模型微調，構建客戶商機洞察模型，發現中資出海-國際業務等場景的潛在客戶商機。根據預測模型的結果，生成個性化的營銷策略，以“工具、平臺、場景、數據治理、流程治理”五要素為抓手，大中小屏穿透下發策略任

34、務，實現針對特定客戶群體和產品，輸出一客一策和一品一策的營銷方案，以滿足客戶的個性化需求，提升客戶體驗和滿意度，有效避免了傳統營銷方式的廣撒網式盲目推送，提高了營銷的精準度和效率，助力提升銷售額和市場份額，每月可輸出有效客戶商機 1 萬多條。2.客戶拜訪智能助手：在客戶拜訪環節引入智能化能力，打造政企產品問答助手“源源”。以大模型歸納總結和問答能力為抓手，構建自然語言應答引擎。通過構建向量知識庫，以政企產品領域知識語料擴充政企領域大模型知識覆蓋面和問答能力。以數字人的方式作為前端問答交互形式，構建政企產品數字員工，實現自然語言交互式產品營銷知識和解決方案問答，當前問答準確率 91%。智能 co

35、pilot 助手已在實際場景中得到驗證，給企業帶來了顯著的價值效益。首先，在企業經濟效益方面，通過政企智能營銷工具累計生成推送智能營銷方案 80000+份，營銷轉化收入超 3 億，助力要客市場份額增收聯通集團內排名第二，同時借助智能營銷商機自動捕獲，助力潛在企業客戶突破上海聯通：上海聯通面向政企營銷的智能 Copilot 應用與創新實踐2024 人工智能&大數據創新應用案例集020184 家，拉動收 2.54 億；其次在客戶服務滿意度方面，憑借高度匹配客戶訴求的智能化營銷方案，客戶滿意度有效提升，在較期初提升 10PP；最后在客戶經理體驗方面，客戶經理在營銷過程中遇到的業務問題通過智能問答工具

36、得到即時響應，問題解決效率提升 80%，客戶經理對內服務滿意度達 92%，提高 24PP，同時降低人工支撐用人成本 240 萬。在技術能力效果方面，知識庫目前涵蓋政企產品語料 425 篇，涉及產品 251 個，token 量 2451290；規章制度語料 24 篇，token 量 1078562；采購語料 26 篇，token 量 424984，針對 188 個政企產品進行 81 個屬性精標構建知識圖譜，問答準確率達94%。同時，基于本次政企營銷策劃和售前支智能化撐場景的探索和實踐經驗，上海聯通總結出數智化場景落地“七步法”的一套方法論。明確智能化場景技術驅動的總體思路，在準備環節，開發環節，

37、運營環節上，以“明確場景、確定目標、識別語料、技術選型、場景開發、推廣發布、運營迭代”為核心步驟，確保數智化場景的成功落地和持續優化。實施難度與復雜度一.技術實現的難度多種場景化工具組件的應用，提升預測準確性并簡化用戶操作：采用的場景化組件包括：領域知識工具、場景流程工具、插件管理工具、檢索增強工具以及業務知識庫、方案庫等。這些工具組件是模型落地的關鍵基礎設施，它們確保模型能夠在實際業務場景中高效運行，提供準確的預測和分析，同時簡化用戶的操作流程，提升整體的工作效率。模型技術架構的提升，推動智能化服務的廣泛應用：依托語料文檔工具，通過標注流程實現知識的標準化、切片處理、關鍵詞抽取、向量化轉換以

38、及向量的自動錄入，最終構建出專業領域知識。在此過程中，源文檔、標準化語料以及精標語料被整合成統一的語料集，并存儲于 MinIO 元文件庫及向量知識庫中。在答案生成環節，利用通義千問 Qwen-14B 模型的推理、計算與生成能力，結合提示詞工程，打造精準的 prompt 模板，為用戶提供高效回答。在意圖識別方面，采用 BERT 模型，對用戶的行為意圖、認知意圖、生成意圖以及引導意圖進行精準識別，并借助 LoRA 微調技術提升識別準確性。此外，還利用 BART 模型進行信息降噪處理，包括漏字糾偏、錯別字糾偏、同音字糾偏等，確保問題表述準確。在交互層面，設計了交互收集器，支持語音識別、文字輸入、語音

39、輸出、文字輸出等多種交互方式，為用戶提供便捷、自然的交互體驗。最后，開放大模型能力，支持數字人形象交互、開放式觸點（如 APP、PC 端）以及 plugin/API 的接入，從而滿足不同場景下的應用需求，推動智能化服務的廣泛應用。021智能回答與視頻流優化新突破：依托深度學習框架 Pyrotch 構建了 Whisper 模型、S3DF 模型、高清推流模型、192*192 模型、Real-GAN 模型、Diffusion 模型。主要實現包括：語音采集核查、面部識別、嘴部動作生成、視頻清晰度優化以及動作生成等。同時，借鑒開源模型自主研發實時幀算法模型與流式生成模型，實現流式斷點續傳的視頻推流，降低

40、與用戶交互延遲，實現 3S 內響應。在數字員工形象設計方面，注重造型、表情、動作和聲音，更精心塑造性格特征，確保數字員工能夠呈現出獨特且符合用戶期待的形象。在交互能力方面，數字員工對接了政企產品咨詢、政企商機推薦、方案問答，基于大模型回復內容（語音/文本）為數字員工添加了自然流暢的語音。二、業務需求的復雜度針對政企客戶多樣性的需求，提供定制化解決方案：不同行業、不同規模的政企客戶在營銷方面具有需求多樣化、復雜化及個性化等特點，項目需要深入了解并滿足這些多樣化的需求，提供定制化的解決方案。這要求團隊具備豐富的行業知識和經驗，以及靈活的項目管理和執行能力。通過業務流程的整合，實現跨部門、跨系統的協

41、調：項目需要與政企客戶的現有業務流程進行緊密整合，以確保數據的準確傳遞和業務的順暢進行。這要求團隊具備深厚的行業洞察力和跨部門、跨系統的協調能力。案例亮點1.精準定位政企客戶需求，推動營銷戰略向智能化、個性化轉型以前沿技術為驅動力，推動上海聯通在政企營銷領域的戰略轉型。通過引入人工智能、大數據等先進技術，項目實現了從傳統營銷向智能化、個性化營銷的轉變，提升了營銷效率和用戶體驗。這種戰略轉型不僅體現了上海聯通對市場趨勢的敏銳洞察，也展示了其積極擁抱新技術、持續創新的決心。上海聯通：上海聯通面向政企營銷的智能 Copilot 應用與創新實踐2024 人工智能&大數據創新應用案例集022精準定位政企

42、客戶需求的能力。通過深入了解不同行業、不同規模、不同地域的政企客戶在營銷方面的特定需求，項目能夠提供定制化的解決方案，滿足客戶的個性化需求。這種精準定位不僅增強了項目的市場競爭力，也為上海聯通在政企營銷領域樹立了良好的口碑。2.提供更高效、便捷、個性化的解決方案過引入智能 Copilot 應用，項目實現了對政企客戶營銷活動的智能化管理，提供了更加高效、便捷的營銷工具。同時，項目還不斷探索新的業務模式和產品服務，如基于大數據的用戶畫像分析、精準營銷推薦等，進一步豐富了上海聯通在政企營銷領域的產品線和服務體系。通過不斷收集用戶反饋、分析用戶需求、改進產品和服務，項目能夠確保用戶在使用過程中獲得良好

43、的體驗和服務。這種以用戶為中心的戰略思想不僅有助于提升項目的市場口碑，也為上海聯通在政企營銷領域的長期發展奠定了堅實的基礎。3.理論創新，總結并提出大模型問答精確性評估方法經過行業調研，當前暫無權威機構發布的垂類大模型準確率評估標準，為保障系統的正向迭代和運營，首先對問答的精確性進行了定義。采用準確率人工專家評分+ROUGE-L 算法自動獲得召回率，綜合準確率和召回率得到 F1 值作為智能問答系統的精準性評估算法。準確率：專家按類別進行分類定義：完全正確、基本正確、部分正確、完全不正確，賦予分類不同的權重得分，將所有預測為正確（即，完全正確、基本正確和部分正確）的回答的權重之和除以系統給出的所

44、有回答的數量得到準確率。召回率：ROUGE-L 算法通過計算系統生成的回答內容與參考答案之間的最長公共子序列（LCS）的長度自動計算召回率，如果生成文本中的大量內容與參考答案相匹配，則該文本的召回率相對較高。F1 評估值公式：F1=2*Precision*Recall/(Precision+Recall)。4.能力創新，微調和檢索增強技術全面提升大模型效果一是問答準確率提升：問答是大語言模型技術應用的一個重要場景，大模型技術的應用大大增強了用戶互動的自然性和流暢性，但在實際使用中，大模型往往存在幻覺、數據偏見和準確率不高等問題，業界通常使用向量庫檢索增強來進行專業領域知識的召回，但準確率的提升

45、不足以滿足行業 B 端客戶的需求。為提高問答準確率，新增“意圖識別”和“知識圖譜”功能模塊。使用 BERT 模型作為意圖識別模型基礎架構，對不同意圖的數據集進行實體標注，通過標注句法額外融入詞性、句法分析，構建出準確魯棒的意圖識別模型，進一步提升實體提取和意圖分類的準確率。數據準備過程中對原始數據進行知識的抽取，將抽取的多元組構建閉環的政企產品知識體系，形成知識圖譜，使智能問答系統能夠更精準地檢索到專業領域知識，進一步提升回答的準確性和深度。023二是內容生成能力提升：在大語言模型技術的基礎上，通過多波次分片整合方案實現了內容生成能力的顯著提升，更好地滿足高級別的業務需求。多波次分片整合方案采

46、取以意圖識別對意圖進行衍生，將需要生成的內容段落衍生出多個相關的問題，針對這些問題，逐一進行答案生成，再通過微調后的大模型進行匯總和提煉，將融合的長文本內容輸出。這種方法在使用低參數量大模型的情況下，成功提升了內容生成的效率和質量，使得內容的采納率顯著提高至 60%以上。5.形式創新，真人數字人交互形式提升交互感知傳統的 H5 頁面交互形式缺乏沉浸式體驗感，為提升交互感知，選擇“真人數字人集成大模型問答”的形式，通過形象采集、數據清洗、渲染生成、語音合成、驅動模型訓練 5 個核心環節構建 3D 數字人，重點采用 MuseTalk 模型實時驅動生成數字人嘴部動作視頻，結合 WebRTC 動態推拉

47、流，實現真人形象數字人實時動態交互。為提升交互時效性，區別于傳統視頻流推送服務，對大模型回答進行文字切片，使用斷點續傳流式生成數字人視頻，進一步提升交互感知。當前數字人從唇形精準度、表情豐富度、動作協調度等維度與真人相似度 90%以上。版本技術策略段落采納率v1.0大模型自身泛化能力15%-20%v2.0大模型自身泛化能力+提示工程+微調30%-40%v3.0大模型自身泛化能力+提示工程+微調+意圖識別+向量庫+多波次分片整合60%以上上海聯通：上海聯通面向政企營銷的智能 Copilot 應用與創新實踐2024 人工智能&大數據創新應用案例集0246.模式創新，大模型應用推動生產運營模式變革聚

48、焦政企客戶營銷調度和售前支撐全流程場景，在營銷策劃環節通過商機、輿情、標訊等外部信息的實時獲取，結合內部客戶標簽，形成自動化的智能策略能力，實現 AI 智腦洞察替代傳統營銷策劃人員；在客戶拜訪環節應用大模型技術輸出政企營銷領域知識問答和客拜紀要生成能力，提升對客戶經理的賦能程度；在售前支撐環節應用大模型技術輸出解決方案自動生成能力，實現 AI 生成替代傳統解決方案人員。推動政企營銷全場景生產運營模式由“被動賦能”模式轉變為“主動推送”，“人工經驗”模式轉變為“AI 生成”的人機協同模式。025申報單位名稱中國聯合網絡通信有限公司上海市分公司單位簡介中國聯合網絡通信有限公司上海市分公司（以下簡稱

49、“上海聯通”）是中國聯通在上海的重要分支機構，擁有包括移動和固定通信業務在內的全業務經營能力。按照上海主要行政區劃分，上海分公司下設13個區分公司，全面服務于對口區域的經濟建設和社會發展。截至目前，全口徑人員達 5451 人，其中合同制員工 3007 人，平均年齡 35 歲。融合以來，在上海市委、市政府和集團公司的正確領導下，上海分公司基于自身資源稟賦，在 5G、云、大、物、智、安等領域加快業務布局，走出了以創新為引領的差異化發展道路，全面服務公眾及各行各業通信服務需求?！笆濉逼陂g，上海分公司收入、利潤等關鍵業績指標持續改善，效益持續增長，圓滿完成混改第一個三年盈利計劃目標。在經濟效益穩步

50、增長的同時，上海分公司始終堅持黨建統領全局，蟬聯 3 屆全國文明單位稱號，蟬聯 9 屆上海市文明單位稱號?！笆奈濉逼陂g，上海分公司將力爭打造成為一個創新領域更為領先、數字化運營能力更強、要素配置效率更高、服務質量更優、企業治理效能更好、企業活力更充沛、政治生態更優、員工幸福指數更高、社會各界更為信賴的行業領先的綜合數字服務運營商，成為數字經濟建設的主力軍，實現上海分公司在新征程上的新跨越、新發展，為上海經濟建設和社會發展貢獻力量。上海聯通：上海聯通面向政企營銷的智能 Copilot 應用與創新實踐2024 人工智能&大數據創新應用案例集026通用健康管理：體檢報告智能陽標系統人工智能創新應用

51、案例簡介體檢報告智能陽標系統為醫療行業的重要工具，為醫生和醫療機構提供高效準確的體檢報告分析服務，推動健康醫療大數據應用的發展，提升醫療服務的質量和效率。026027背景和主要驅動力隨著健康醫療大數據的迅速發展，越來越多的體檢報告數據被生成和積累。體檢報告是醫療領域中重要的信息載體，包含了個體的身體健康狀態和疾病風險等關鍵信息。然而，由于體檢報告的數量龐大和多樣性，傳統的人工處理方式已經無法滿足快速高效的需求。為了提高體檢報告的處理效率和準確性，智能陽標系統應運而生。該系統利用自然語言處理（NLP）和機器學習等先進智能算法技術，能夠快速準確地識別和標記體檢報告中與陽性有關的病理特征和疾病風險信

52、息，為醫療工作提供有力支持。智能陽標系統的開發旨在提高體檢報告處理的效率和質量，為醫療機構和醫生提供更快速、準確、智能的體檢報告分析服務，幫助醫生快速定位疾病風險，從而提供更加個性化和精準的健康管理和醫療服務。在面對龐大的體檢報告數據和不斷增長的醫療需求的背景下，智能陽標系統的研發和推廣將為健康醫療大數據應用發展帶來新的機遇和挑戰。該系統將助力醫療行業實現數字化轉型，為人們的健康保駕護航。戰略規劃和行動路線圖通用健康管理：體檢報告智能陽標系統2024 人工智能&大數據創新應用案例集028戰略規劃（藍圖）：AI 技術在健康管理中的戰略規劃藍圖是一個綜合性的、前瞻性的框架，旨在通過智能化手段優化健

53、康管理流程，提升健康服務的個性化、精準度和效率。一.戰略目標實現健康管理全面智能化：利用 AI 技術，從數據采集、分析到決策支持，全面推動健康管理的智能化轉型?；诖髷祿退惴?，為每個人提供量身定制的健康管理方案和服務。通過預測和分析，提前干預疾病，減少醫療資源的浪費，提高醫療服務的效率和質量。二.關鍵領域疾病風險評估：智能分析與預測，基于大數據和機器學習算法，對個人疾病風險進行精準評估。智能診斷：利用醫療影像輔助診斷、深度學習技術提高醫療影像的診斷準確率，輔助醫生做出更準確的判斷。健康干預：智能干預與提醒，通過智能設備或應用程序，定時提醒用戶進行健康監測、鍛煉、服藥等，確保健康管理計劃的執行

54、?？祻陀媱潱焊鶕€人的健康狀況、生活方式和偏好，制定個性化的健康管理計劃。三.技術支撐大數據分析：利用物聯網技術實現健康數據的實時采集和傳輸，建立大數據平臺對數據進行分析、挖掘及應用。機器學習：建立統一的 AI 平臺和算法庫，支持快速開發和部署健康管理相關的應用。云計算：利用云計算和邊緣計算技術，實現健康數據的高效處理和實時分析。行動路線圖：一.短期目標：奠定堅實基礎，聚焦于高效的數據收集體系構建，并實現初步的應用場景探索與驗證，為后續發展奠定穩固的數據與技術基礎。二.中期目標：深化功能拓展，不斷優化技術內核，提升用戶體驗與產品效能。同時，積極開拓029市場空間，拓寬服務領域，加速品牌與產品的

55、市場滲透力，以技術實力和市場布局雙輪驅動發展。三.長期目標:引領生態構建，通過技術創新與商業模式的深度融合，打造開放共贏的產業生態系統。在此基礎上，推動商業模式的持續創新，深化與行業內外的合作伙伴關系，共同探索行業發展的新高度，引領行業未來的發展方向。實施效果智能陽標系統的開發旨在提高體檢報告處理的效率和質量，為醫療機構和醫生提供更快速、準確、智能的體檢報告分析服務，幫助醫生快速定位疾病風險，從而提供更加個性化和精準的健康管理和醫療服務。通過對海量的體檢數據與醫學數據進行分析和挖掘，為醫生提供更精準的診斷結果。例如，系統能夠分析體檢數據（如超聲、CT 掃描、MRI 影像等），輔助醫生判斷疾病類

56、型和程度，如腫瘤檢測、眼科疾病診斷等。這種自動化分析不僅提高了診斷的準確性，還大大縮短了診斷時間。該系統在病理診斷中也有重要應用，如對病理報告進行分析，幫助醫生診斷病理類型和分級，如肝癌、乳腺癌等。這種高精度分析顯著提高了病理診斷的效率和準確性?？梢愿鶕颊叩奶峁┑牟v和臨床數據，輔助醫生進行診斷和治療方案選擇。通過綜合分析患者的歷史數據和相關研究資料，能夠為醫生提供個性化的治療建議。根據健康管理系統中的健康風險評估的調查問卷，通過患者的生活習慣、健康數據和遺傳信息等，預測患者未來的健康風險。助于醫生提前采取干預措施，預防疾病的發生或發展。實施難度與復雜度精準性和可靠性：系統的標注算法和模型應

57、具備高度的精準性和可靠性，確保陽性結果的準確識別和標注，以提供可信賴的醫療信息。高效性：系統應具備高效的處理能力，能夠快速處理大規模的體檢報告數據，提高數據處理效率和響應速度?？蓴U展性：設計一個具有良好可擴展性的系統架構，便于后續引入新的算法和模型，以適應醫療大數據領域的不斷變化和創新。案例亮點疾病風險預測：通過 AI 算法，結合用戶數據，預測疾病風險，為用戶提供預防性健康管理建議，降低疾病發生率。定制化健康管理服務：AI 健康管理能夠根據用戶的個人需求，提供定制化的健康管理服務，如飲食建議、運動計劃等，滿足用戶的個性化需求。大數據分析和機器學習：通過大數據分析和機器學習技術，AI 健康管理能

58、夠不斷優化算法，提高健康數據的準確性和可靠性，為用戶提供更個性化的健康管理服務。通用健康管理：體檢報告智能陽標系統2024 人工智能&大數據創新應用案例集030申報單位名稱通用技術集團健康管理科技有限公司單位簡介通用技術集團健康管理科技有限公司是集團健康產業領域的專業化平臺公司，是牽引集團健康產業一體化發展的龍頭，是健康企業建設的專業化力量，是人民群眾身邊值得信賴的健康管理專家。公司以市場需求為導向，以科技創新為驅動，以數字轉型為依托，以產融結合為手段，以服務健康中國戰略、奉獻人民滿意的健康科技產品和服務為己任，構建健康服務科技新生態，打造央企健康服務的標桿和典范。未來，公司將引領高品質健康生

59、活，讓健康觸手可及，成為國內領先、國際一流的健康產業綜合服務商，成為健康企業建設系統解決方案的頭部企業，成為值得信賴的健康管理專家。031匯智智能：Agent 云智能體云平臺數字員工人工智能創新應用031案例簡介Agent 云智能體云服務平臺，基于匯智智能自主研發的 CarrotAI 大模型和專利的“數字生命”技術，面向企業、協會、組織等各類型B端用戶，提供深度定制化的智能體解決方案。該平臺賦予企業級智能體長期記憶、知識傳承、經驗傳遞和記憶共享的能力，能實現組織內經驗的持續積累和共享，真正構建 企業級知識庫。通過 Agent 云智能體云服務平臺一站式的智能體定制開發和部署服務，企業用戶可快速獲

60、得專屬的 AI 智能助理，獲得多維度的智能化輔助，如智能文檔撰寫、數據分析、業務流程優化等。同時，憑借獨有的“數字生命”技術，Agent云智能體云服務平臺不僅擁有持續進化的能力，更能與人類互動學習，真正成為組織的“高度智能化數字分身”，借助人機融合的智能協作模式，幫助用戶提升組織生產效率，降低運營成本，用新質生產力為企業注入新動能。匯智智能：Agent 云智能體云平臺數字員工2024 人工智能&大數據創新應用案例集032背景和主要驅動力發展多體智能（Multi-AgentIntelligence，MAI）是人工智能領域的一個重要方向，它涉及多個智能體（agents）的協作、通信和決策。多體智能

61、可以解決超出單一智能體能力的復雜問題。即使部分智能體失敗，整個系統仍然可以繼續運作。此外，多體智能體可以相互學習和適應，更有效地利用計算資源，可以模仿人類社會的行為。在生物學、生態學和物理學等領域，多體智能可以模擬自然現象，輔助研究。匯智智能基于自研 CarrotAI 大模型和獨創的數字生命專利技術，讓 Agent 擁有了持續學習、進化迭代的生命力。推出 Agent 云智能體云服務平臺，可為企業快速打造專屬的數字員工團隊，并構建“員工+數字員工”的組織協作交互新范式。將數字生命的交互對象從單體擴展到多體，助推智能體進入多體智能時代。同時，平臺還支持智能體的自由組合和編排，企業可以將不同專長的數

62、字員工組成跨職能虛擬團隊，實現“1+12”的協同效應。戰略規劃和行動路線圖實施效果通過使用 Agent 云平臺的數字員工，可以實現企業內部的降本增效，例如：短視頻評論 AI 代回復。在充滿競爭的營銷環境中，人工處理社交媒體上的每一條用戶評論，在時間和人力資源上都很耗費。尤其對于一些生活服務行業，如餐飲、酒店、旅游等，在抖音等社交媒體平臺的大量用戶交互中，他們顯然無法及時并有效地進行反饋。主要合作客戶：本地生活的商家，如各類餐館、酒吧、健身房以及文化娛樂場所等。應用/落地場景：當抖音賬號下的指定視頻有新增評論時，AI 平臺將評論內容實033時自動提問給智能體，然后將智能體的自動回復內容同步至評論

63、下。比如，一位用戶在某餐廳發布的抖音視頻下評論：“有沒有學生優惠？”Agent 云平臺智能體自動回復：“我們會在每周三為所有學生提供 10%的優惠?！蓖瑫r，評論同步在該視頻評論區。當評論出現在抖音視頻下面時，Agent 云平臺智能體會對評論進行分析和解析，并根據解析結果提出問題。然后，智能體根據已經預設的回答和情境，生成一條自動回復并將其發布在原評論成為對應的回復。這完全是一個自動化的過程，無需人工干預。實施難度與復雜度抖音評論自動回復集成大模型技術和知識增強技術。LLM 大語言模型是提升智能體解決方案的重要技術，在深度學習的基礎上進行語言理解和生成，確?；貜偷淖匀恍院拖嚓P性。此外，知識增強技

64、術的應用使得智能體在提供自動化服務時，不僅僅局限于預設的數據，還能及時吸收和運用最新的信息和數據，顯著提高交互質量。針對算法的優化，采用持續學習和自我優化的算法，使得系統能夠根據用戶互動的實際情況，不斷調整其回復模式和行為，從而保證在解決同類型問題時更高效、更精準。在應用場景方面，傳統的社交媒體管理重點關注于內容的生成和發布，抖音評論自動回復專注于評論的實時互動，符合用戶期待實時反饋和高互動性的社交媒體環境，為商家提供一種全新的客戶服務體驗提升方案。通過將智能體集成到傳統的客戶服務流程中，商家無需投入大量人力，就能高效應對用戶的咨詢和評論，既提升用戶滿意度，也優化運營效率。案例亮點1.解決問題

65、的準確性：通過集成最新的自然語言處理技術，能夠準確理解用戶評論的含義，并提供恰當的自動化響應。其準確性得到了用戶的高度認可，從用戶反饋來看，超過 90%的自動回復被評為“相關且有用”。2.效率提升：相比傳統的人工回復，能夠實時處理成千上萬的用戶評論，大大提高響應速度。根據業務成果數據，平均回復時間從之前的幾小時甚至一天縮短到幾分鐘內，效率提升超過 80%。3.成本優化：通過自動化處理大量的評論互動，企業能夠節省大量的人力成本。在客戶互動環節的運營成本降低近 50%，同時減少因人力資源配置不當帶來的其他潛在成本。申報單位名稱江蘇匯智智能數字科技有限公司單位簡介匯智智能數字科技有限公司是一家人工智

66、能創新企業，隸屬于南京匯智互娛集團。公司以“讓 AI力量成為每個人的天賦”為使命，專注于利用人工智能賦能個人與企業?；谧匝械?CarrotAI 大模型，匯智智能為個人和企業提供全方位的智能體生態鏈服務，包括智能體開發、智能體云服務、大模型私有化部署、AI 軟硬件集成、AI 行業解決方案。公司主要產品有Gnomic 智能體平臺、Agent 云智能體云服務平臺，以及人工智能屏、智能機械臂等硬件設施。目前，產品已廣泛應用于金融、文旅、電商、教育、互聯網、鄉村振興等多個行業和領域。匯智智能：Agent 云智能體云平臺數字員工2024 人工智能&大數據創新應用案例集034青島啤酒：“數據驅動+生態賦能

67、”的物流運輸管理大數據創新應用案例簡介青島啤酒“數據驅動+生態賦能”的物流運輸管理項目，綜合分析了公司業務發展方向，結合數字化轉型的企業變革趨勢，深入推進公司物流生態轉型。青島啤酒將建立以產品訂單流轉為導向的全過程物流供應鏈的數據跟蹤平臺為目標，以“數據驅動高效運作”為基礎，構建物流業務大數據模型，通過數據驅動物流業務運轉提高物流運轉效率，實現供應鏈物流運力資源的合理配置、動態跟蹤和作業任務的全程監控；打造“綠色物流生態圈”，實現多用戶多角度的深度業務融合，積極帶動物流上下游合作伙伴相互賦能，為企業提供全面的運輸管理和決策支持。青島啤酒物流運輸管理系統通過優化運輸計劃、提高配送效率和資源利用率

68、、降低成本等一系列措施，為青島啤酒帶來了顯著經濟效益、管理效益和社會效益的同時，在環境保護、交通擁堵、資源節約和經濟發展等方面也產生了重要的積極影響。034035背景和主要驅動力青島啤酒“數據驅動+生態賦能”的物流運輸管理項目的實施背景主要分為以下幾方面：1.物流供給側結構性改革重要方向2019 年 2 月，國家發改委發布關于推動物流高質量發展促進形成強大國內市場的意見，其中提出了實施物流智能化改造行動，加強信息化管理系統和云計算、人工智能等信息技術應用，提高物流軟件智慧化水平等內容。2020 年 5 月，國家發改委、交通運輸部發布關于進一步降低物流成本實施意見的通知，其中提出了加強信息開放共

69、享，降低物流信息成本。在確保信息安全前提下，向社會開放與物流相關的公共信息。降低貨車定位信息成本，規范貨運車輛定位信息服務商收費行為等內容。2021 年 11 月，交通運輸部發布綜合運輸服務 十四五 發展規劃，其中提出了著力構建協同融合的綜合運輸一體化服務系統、集約高效的貨運與物流服務系統、安全暢通的國際物流供應鏈服務系統，重點打造數字智能的智慧運輸服務體系等內容。2022 年 5 月，國務院發布關于印發扎實穩住經濟一攬子政策措施的通知，推動多制式多棲化智慧物流發展、智能感知及互聯、智能監測監控與分析評價發展，其中提出了構建全國多式聯運公共信息平臺，實現物流全程可視化、可控化、可追溯等內容。青

70、島啤酒作為產業鏈主，處于產業鏈物流運作的核心地位，應積極響應政策要求，發揮鏈主擔當，推動物流側信息系統和體系方面的建設，推動上下游的供應鏈協同。2.新商業模式對物流提出新的需求無界零售模式演變，要求啤酒產供銷無縫連接，特別是經銷商與消費者有著新的社會分工協作方式，ToB 業務物流新的增長點也呈現出與ToC業務模式轉化的特點，進而青島啤酒公司對物流運輸管理業務提出了全網智能規劃、優化發運網絡布局、精確訂單匹配等智能物流需求。3.新技術持續演進與趨于成熟新技術持續演進并趨于成熟，能夠更好的解決原來物流成本高、物流效率低等問題。隨著物聯網、云計算、大數據、人工智能、機器人等關鍵技術驅動物流在模塊化、

71、自動化、信息化等方向持續、快速變化，5G 通信技術滿足了這些關鍵技術對于高帶寬、低時延和海量連接的需求，絕大多數新技術進入生產成熟期，迫切需要將新技術融入到物流運作相關的業務中。從信息化、數字化、智能化長期發展戰略上構建成形的物流運作體系，提高整體物流運作的數字化水平，最大化的發揮大數據、人工智能登記上的優勢，同時推進融合創新應用解決現有物流運輸中存在的問題，提升整個物流運作的數字化程度，實現數據驅動+賦能生態。戰略規劃和行動路線圖“數據驅動+生態賦能”的物流運輸管理，是綜合分析青島啤酒公司業務發展方向，結合數字化轉型的企業變革趨勢，深入推進公司物流生態轉型，解決新時代背景下綠色物流運輸管理的

72、新課題。青島啤酒物流運輸管理，目標建立以產品訂單流轉為導向的全過程物流供應鏈的數據跟蹤平臺，打通物流運輸上下游系統（包括但不限于 ERP、WMS、廠內物流、BMS、供應商門戶等系統），規范業務操作，采集運輸過程中車輛以及現場作業的真實數據，以“數據驅動高效運作”為基礎，構建物流業務大數據模型，通過數據驅動物流業務運轉提高物流運轉效率，實現供應鏈物流運力資源的合理配置、動態跟蹤和作業任務的全程監控；打造“綠色物流生態圈”，實現將總部供應部門、區域銷售單位、青島啤酒：“數據驅動+生態賦能”的物流運輸管理2024 人工智能&大數據創新應用案例集036生產工廠、運輸商、經銷商等多用戶多角度的深度業務融

73、合；同時發揮自身“鏈主”優勢，積極帶動物流上下游合作伙伴相互賦能。通過數字化轉型后的物流運輸管理，實現“數據驅動+生態賦能”，構建覆蓋青島啤酒全物流業務的運輸管理系統，達成企業內部供應鏈一體化，其主要做法如下：1.明確“以產品訂單流轉為導向的全過程物流運輸管理”目標；2.最大化的資源利用和端到端的全流程管控；3.深度結合廠內物流系統，實現“精準預約、智慧管理”；4.融合倉儲管理系統，實現“任務驅動、業務前置”；5.物流運輸管理電子回單及訂單發運無紙化管理；6.實現經銷商對運輸過程可視化管理；7.物流運輸管理云管理；8.物流運輸管理的自動化運費結算；9.智慧物流大數據監控指揮中心。實施效果青島啤

74、酒實施物流運輸管理，對內實現了經濟、管理雙方面的高效益增長，對外帶來了社會、生態雙層面的顯著效益：（一）實施物流運輸管理帶來的經濟效益顯性成本：年度節省成本約 87-110 萬左右。1.通過無紙化項目替換原來紙質的 7 聯單，減少紙張采購和打印的投入。截止 22 年 7 月底，上線無紙化 40 家工廠，4 個 RDC 和 13 家銷售單位下的 46 個代管庫。從 1 與到 7 月份累計單據338818 行訂單，平均 1 月約 48000 行訂單，按一張提貨單 0.5 元計算，每年約節省 30 余萬元。全國覆蓋后，月平均訂單量將在 12 萬-15 萬行訂單。每年節省約 72-90 萬元；2.單據

75、打印取消后，相應的打印耗材、設備的損耗和新購也同時會節省，預計每年節省15-20萬元。隱形成本節?。?.到 2022 年 7 月底為止累計 10836 名經銷商通過無紙化簽收，替換原有的客戶回單的回傳，節省過程中的回單快遞費用；2.通過無紙化業務優化，實現打單人員工作角色和職能轉換，節省此部分人員成本支出；3.無紙化后可以節省大量單據存儲的地方，減少存放成本，以及后續的審計和客戶追溯的風險；4.在廠內運作業務場景可提升 2-3 倍的業務效率，在客戶簽收和回單運費計算場景可提升 3-6 倍的效率；0375.通過無紙化在線記錄各種破損情況，便于跟蹤到貨的破損處理，替換原有線下提貨單記錄方式，提升數

76、據的清晰度和可追溯性。（二）實施物流運輸管理帶來的管理效益內強管理，外樹形象，創新青島啤酒公司物流運輸管控模式，實現訂單的計劃配載、車輛安排、產品在途運輸管理、產品到貨電子簽收、運輸商管理、運輸商績效考評管理等環節，提高業務流程效率，加快成品出庫、運輸、簽收速度，同時滿足地方政府監管要求，有效防范廉潔風險，進一步增強進物流運輸環節本質安全。1.實時監控與跟蹤：提供實時的運輸車輛定位和狀態監控，管理者可以隨時了解運輸情況，并通過智能化的路徑規劃和調度系統進行實時調整和優化運輸方案，提高運輸效率和準確性；2.數據分析與決策支持：通過對運輸數據的收集和分析，提供大量運輸統計和績效指標，幫助企業進行經

77、營決策和運營優化。如通過數據分析識別瓶頸和問題，調整運輸策略、改進物流網絡等，提升企業運營效率和競爭力；3.信息共享與協同：與企業的其他管理系統進行集成，并實現各部門之間的信息共享和協同。通過系統內部的消息和溝通平臺，加強部門之間協作與信息溝通能力，提高工作流程的協同性和工作效率；4.風險管理和安全保障：提供實時運輸車輛監控和報警機制，有效減少運輸風險和損失。通過追蹤貨物運輸狀態，及時發現異常情況并采取措施，保障貨物的安全和完整性，提高企業的形象和信譽。（三）實施物流運輸管理帶來的社會效益1.交通擁堵緩解：通過智能化的運輸規劃和路線優化，避免擁堵路段的集中使用，減少交通擁堵和道路事故的發生，提

78、高城市交通運輸的效率和流暢性；2.資源節約：通過降低物流運輸成本和資源利用率的提高，實現資源節約和效益的最大化。減少資源浪費和消耗，對可持續發展具有積極的促進作用；3.經濟發展推動：通過高效的物流運輸管理系統促進物流行業發展，提高國內外貿易和產業鏈的協調性，推動經濟的發展和增長。（四）實施物流運輸管理帶來的生態效益1.建設綠色物流運輸：通過提高設備和車輛的效率，改善物流運輸間的協調和策劃，擴大多式聯運和公路水聯運等新型物流模式，減少污染和排放量；2.降低環境污染：通過優化運輸路線和減少空駛率，降低運輸車輛的燃油消耗和尾氣排放，最大限度地減少對環境的負面影響。從而更好的保護空氣、土地和水資源，降

79、低生態系統破壞的風險和程度，促進綠色物流的發展；3.提升環保意識：通過數字化轉型發展物流運輸管理，完成積極宣傳和推廣環保理念，提高員工和客戶的環保意識，培養綠色生活和低碳出行的習慣，為建設綠色社區和城市貢獻力量。青島啤酒：“數據驅動+生態賦能”的物流運輸管理2024 人工智能&大數據創新應用案例集038實施難度與復雜度青島啤酒公司在規?？焖贁U展的同時，主要在物流管理方面存在物流成本高，物流效率低兩大問題：物流成本高：青島啤酒一直關注物流能力方面的提升，但績效并不理想，尤其在物流成本偏高問題上存在困擾，主要體現在物流各環節人工模式較多，結構不夠科學，物流資源管理成本高等方面。物流效率低：主要表現

80、在物流網絡化、集約化程度低，物流資源共享程度低，缺乏科學的物流管控，各物流作業環節自動化程度低，物流整體創新能力弱等方面。對此青島啤酒公司結合數字化轉型的企業變革趨勢，深入推進公司物流生態轉型，以“數據驅動高效運作”為基礎，構建物流業務大數據模型，通過數據驅動物流業務運轉提高物流運轉效率，轉型效果顯著。案例亮點從戰略角度，青島啤酒建立網絡貨運平臺，與 TMS 運輸管理平臺打通并融合整個運輸上下游，實現資源利用最大化以及端到端的全流程管控。在更彈性整合物流資源的同時，青島啤酒還通過在自有運輸管理資源的基礎上孵化出物流運輸業務分支，實現多元化戰略發展。運營和服務方面，TMS與網絡貨運平臺整合后，青

81、島啤酒使用一套承運商、司機、車輛數據管理系統，實現數據完全整合。運營模式方面，由單方面物流部門參與的管理運營轉變為由網絡貨運平臺組織的商業運營管理。青島啤酒通過網絡貨運平臺對運營承運商、司機和車輛的入網要求，提高承運相關審核資質的行業化和標準化。TMS 原有的司機和車輛只能承接青島啤酒的運輸業務，而融合貨運平臺后可以通過平臺在回程或其他時間承接平臺對應的運輸業務，從而極大賦能承運商和司機。網絡貨運平臺轉變為主要的運營主導方，在服務青島啤酒運輸的基礎上，又能通過優化運營管理模式在開源節流方面產生質的變化。新技術方面，青島啤酒引用了大數據和 IOT 等新技術。目前 TMS 發送的運單能夠在發運網絡

82、、運力信息、司機車輛狀態等方面，通過大數據計算精準匹配除 TMS 原有車輛司機之外網絡貨運平臺中的其他車輛和司機，實現更好運力保障的同時一定程度上減少物流資源的浪費。例如，某一運單的干線運輸路徑剛好匹配一輛返程車，返程車接單成功不僅能夠提高自己的收入，還能減少相關的物流費用。通過IOT 技術和大數據，TMS 系統通過原來的軌跡運輸算法，結合運營車輛的北斗定位，能夠更精準的實時繪制車輛運輸軌跡，實現運輸全過程的可視化。此外，一旦發現軌跡運行異常，系統可以及時預警，從而為按時運輸貨物提供保障，確保經銷商和運輸商的權益不受影響。新模式和新技術的采用，給整個運輸模式帶來了更多的創新渠道，如統倉共配、散

83、改集、多式聯運等渠道，實現運輸路徑和裝載的優化，從而降低空返率。運輸的全流程線上化、無紙化，打造了物流運輸的低碳運營實踐，青島啤酒從自身運營出發，逐步走向供應商協同，未來向著開展生態碳匯、參與碳交易，實現低碳目標而砥礪前行。039申報單位名稱青島啤酒股份有限公司單位簡介青島啤酒股份有限公司的前身是 1903 年 8 月由德國商人和英國商人合資在青島創建的日耳曼啤酒公司青島股份公司，它是中國歷史悠久的啤酒制造廠商。目前品牌價值 2406.89 億元，連續 20 年居中國啤酒行業首位，位列世界品牌 500 強。截至 2023 年底，青島啤酒在全國 20 個省、直轄市、自治區擁有 60 多家啤酒生產

84、企業，公司規模和市場份額居國內啤酒行業領先地位。2023 年，青島啤酒在經營業績連創歷史紀錄的基礎上，再攀歷史高峰。公司實現產品銷量800.7萬千升；實現營業收入人民幣339.4億元，同比增長5.5%；實現歸屬于上市公司股東的凈利潤人民幣42.7億元，同比增長15%，營收、凈利雙創歷史新高。青島啤酒以“為生活創造快樂”為使命，致力于打造“成為擁有全球影響力品牌的世界一流企業”。青島啤酒：“數據驅動+生態賦能”的物流運輸管理2024 人工智能&大數據創新應用案例集040同方知網：大數據知識管理平臺大數據創新應用案例簡介面向機構數智化轉型和高質量發展目標，知網自主研發的基于知網知識增強大模型+AI

85、GC 的大數據知識管理平臺，利用大數據、人工智能等核心技術，對內外部多維多源、海量異構資源進行采集、加工、清洗、分類、標引、挖掘和分析，通過切入、穿透各業務系統，完成各類數據的匯聚和治理，實現數據資源的結構化、碎片化、知識元化和圖譜化；構建多維度的數據目錄、數據地圖、知識網絡和語義圖譜，深度揭示數據，挖掘數據背后蘊藏的知識以及知識之間的關聯關系，構建文檔級、碎片級、知識元級的多層次知識庫，與知網知識增強大模型融合，升級組織機構數字基礎設施構建“數據+知識+AI”新底座；開發統一的數據中臺和知識中臺，將知識服務嵌入組織的決策、管理、研發、生產和創新等過程中，智能感知工作場景和個性化知識需求，為用

86、戶提供伴隨式精準知識服務，實現跨業務、跨部門的知識協同，形成組織內部的知識創新生態，釋放數據和知識的潛能及價值，提升工作效率，促進創新?！皵祿?知識+AI”新底座，是知網基于大模型和 AIGC 與行業應用不斷融合發展而提出的數智化轉型新基座。平臺為了有效解決通用大模型存在的生成內容不精準、不專業、可信度低等問題，嵌入了具有行業屬性和個性化特色的知網知識增強大模型，以知網高質量知識大數據為基礎，可以按通用模型層、行業領域模型層及用戶本地模型層分層架構；同時支持本地化、私有化部署，可以幫助機構建設適合于自身業務場景的大模型底座。040041背景和主要驅動力背景在全球數字經濟大潮下，數字化轉型已成為

87、機構創新發展的支撐和底座，機構需要建立更敏捷、智能、安全和可控的數字化平臺，實現數字化流程再造、穿透業務的數據匯聚和知識化融合，以應對外界快速變化和內部業務創新需求。無論是傳統企業、互聯網企業還是中小企業，數字化轉型是必然選擇和唯一出路。從 IT 視角看機構數字化轉型的核心工作是圍繞業務流程再造建設數據中臺、知識中臺和業務中臺，實現數據流、知識流和業務流“三流合一”和協同融合，因此知識管理是機構實施數字化轉型的必備，目標是構建數字化、網絡化、知識化和智能化的知識基礎設施，完成機構數字基礎設施的進化升級。主要驅動力信息技術的發展:互聯網和移動終端的普及改變了信息獲取和處理的方式，要求知識服務能夠

88、適應新的技術趨勢，由原來的“人找知識”向“知識找人”發展。由原來的“知識為人服務，人讀懂并利用知識”，轉變為“知識通過機器為人服務，機器理解知識、智能決策”。機構越來越重視知識管理:在知識經濟時代，傳統的資源和物質資產已不足以提供持久的競爭優勢。機構需要通過知識管理來積累和應用知識，形成獨特的知識資產，這是機構獲取和維持競爭優勢的關鍵。此外，知識管理有助于機構快速響應外部變化，通過快速獲取和整合新知識，提高決策質量和執行效率；知識管理通過建立知識庫、文檔管理和知識傳承機制，有助于保留企業的核心知識和經驗；知識管理通過系統地搜集、整理和存儲機構知識，可以提升員工的工作效率。同時，它還能激發員工的

89、創新能力，通過共享和協作，促進新知識的創造和應用。技術特色及應用實例技術特色利用大數據、人工智能技術進行內外部多源異構海量資源的采集、加工、分類、標引、挖掘和分析，實現各類數據的匯聚和治理，同時通過建設分布式存儲、計算與管理基礎平臺，有效支持數據資產目錄、元數據管理、數據指標管理、數據標簽管理、數據建模管理、數據權限管理、系統服務監控、數據質量監控等。在統一知識體系框架下整合內外部知識，統一分類、標引；通過切入各業務系統，構建結構化、碎片化、知識元化和圖譜化多層次知識庫，實現跨業務、跨部門的知識協同，形成組織內部的知識創新生態，升級機構數字基礎設施。同方知網：大數據知識管理平臺2024 人工智

90、能&大數據創新應用案例集042應用案例該產品面向高校、政府、企業、智庫、科研等機構，應用于組織的決策、管理、研發、生產和創新等過程，包括政務內外數字化平臺、政務大數據治理及共享服務平臺、機構大數據中心（數據中臺）、機構知識管理與協同創新平臺、技術研發創新服務平臺、智慧研發知識工程、一站式情報挖掘服務平臺、大數據新型智庫等多個應用場景，全面支撐各行各業高質量創新發展與深度學習。目前，中國知網大數據知識管理平臺已廣泛應用于國內外教科研、黨政軍、立司法、工農衛、社團智庫、公圖文博等行業。典型應用案例共享化中車唐山機車標準化知識庫中國南方電網有限責任公司情報知識管理平臺國家發改委金宏工程經濟文獻共享數

91、據庫系統中國石油石油化工研究院數字化信息資源共享平臺場景化中核工程咨詢智能化評審系統廣州地鐵設計院知識管理系統中冶寶鋼智慧運營服務平臺043智能化中國航空綜合技術研究所航空裝備標準智能化應用平臺國華電力公司火電廠智慧班組管理信息系統長安汽車智谷研發知識平臺大數據治理應用貴州省政務數據共享開放平臺上海圖書館數據中臺大數據挖掘分析中國汽車工程學會汽車產業創新生態系統山西省經濟高質量發展運行監測平臺實施效果綜合優勢多數據：擁有海量學術、科研和統計大數據基礎及各行業領域專業詞表、知識體系和圖譜；精知識：配備知識體系、知識規劃、知識分類標引的專業團隊，為機構提供全新的知識組織和導航體系，能夠高效精準地從

92、海量資源中發現知識，并快速定位知識；創智慧：擁有大數據、人工智能等知識管理上下游核心技術體系，不僅能夠幫助機構實現隱性知識的快速沉淀和顯性化，還可以進一步實現知識的智能推送、業務的智能問答和知識伴隨；打造“領導駕駛艙”，輔助智慧決策、高效管控，創建智慧型組織；建設數據中臺：利用大數據、人工智能技術進行內外部多源異構海量資源的采集、加工、分類、標引、挖掘和分析，實現各類數據的匯聚和治理，同時通過建設分布式存儲、計算與管理基礎平臺，有效支持數據資產目錄、元數據管理、數據指標管理、數據標簽管理、數據建模管理、數據權限管理、系統服務監控、數據質量監控等；打造知識中臺：在統一知識體系框架下整合內外部知識

93、，統一分類、標引；通過切入各業務系統，構建結構化、碎片化、知識元化和圖譜化多層次知識庫，實現跨業務、跨部門的知識協同，形成組織內部的知識創新生態，升級組織機構數字基礎設施；提供智能知識服務：通過基于業務問題的個性化知識導航深度揭示知識，將知識服務嵌入組織的決策、管理、研發、生產和創新等過程中，智能感知工作場景和個性化知識需求，為用戶提供伴隨式精準的智能知識服務，提升工作效率，促進創新。從事知識管理和知識服務 20 多年，數據治理和平臺建設方面經驗豐富；擁有自主研發的核心關鍵部件，形成了知識管理上下游核心技術體系，相關專利和軟著 100+；具有龐大的用戶基礎，國內大數據知識管理用戶中不乏行業領軍

94、企業和一流企業；特色的知識增強大模型以知識管理為載體與業務場景深度融合，AI+數據的方式升級賦能業務。同方知網：大數據知識管理平臺2024 人工智能&大數據創新應用案例集044前景價值大數據知識管理平臺通過構建統一的數據中臺和知識中臺，將知識服務嵌入組織的決策、管理、研發、生產和創新等過程中，智能感知工作場景和個性化知識需求，為用戶提供伴隨式精準知識服務，實現跨業務、跨部門的知識協同，形成組織內部的知識創新生態，釋放數據和知識的潛能及價值，提升工作效率，促進創新。隨著 AIGC 技術的不斷完善和發展，知網 AIGC 將以知網結構化、碎片化和知識元化的高質量文獻大數據資源為基礎，集通用預訓練模型

95、、行業領域預訓練模型及用戶本地預訓練模型為一體的中文知識增強大模型，為大數據知識管理裝上 AI 引擎。大數據知識管理是大模型的數據基礎，同時是 AIGC 應用的載體，AIGC 通過知識管理和大模型將智能化能力嵌入到業務應用中，發揮數據的價值，三者共同形成為業務賦能的“鐵三角”，賦能智慧組織建設。用戶體驗平臺擁有海量學術、科研和統計大數據基礎及各行業領域專業詞表、知識體系和圖譜；配備知識體系、知識規劃、知識分類標引的專業團隊，為機構提供全新的知識組織和導航體系，能夠高效精準地從海量資源中發現知識，并快速定位知識；通過基于業務問題的個性化知識導航深度揭示知識，將知識服務嵌入企業的決策、管理、研發、

96、生產和創新等過程中，智能感知工作場景和個性化知識需求，為用戶提供伴隨式精準的智能知識服務，提升工作效率，促進創新；該平臺自研程度高、信創適配性強、國產化程度高。實施難度與復雜度大數據知識管理平臺的實施涉及到多方面的因素，其難度與復雜度主要體現在以下幾個方面:技術整合:大數據知識管理平臺需要整合多種技術，包括大數據處理、數據挖掘、機器學習、自然語言處理等。這些技術的融合需要深厚的技術積累和人才支持，同時也需要解決技術之間的兼容性和集成問題。數據整合:大數據平臺需要處理來自不同源的、格式多樣的數據。數據的清洗、標準化和融合是實施過程中的一個復雜環節，需要克服技術和管理上的挑戰。系統架構設計:設計一

97、個能夠支撐大數據知識管理的系統架構是一項復雜的工程。它需要綜合考慮數據的存儲、計算資源、計算能力、分析和可視化等多方面要求，確保系統的可擴展性、穩定性和安全性。安全與隱私保護:大數據平臺涉及大量敏感數據，如何確保數據的安全和用戶隱私的保護是實施過程中的重要考慮因素。需要建立嚴格的數據安全策略和隱私保護措施，同時遵守相關法律法規。045案例亮點全學科、全行業知識資源優勢：能夠根據各單位的行業領域可集成相應的公共知識資源，擁有全學科、全行業的基礎詞表和概念關系詞表，這是知識管理的基礎，是實現知識挖掘、檢索、推薦的資源基礎。知識資源全文檢索引擎：有自主知識產權的全文檢索引擎，提供了目前國內最強大的知

98、識檢索，包括全文檢索、主題檢索、中英文擴展、同義詞擴展等。內外部異構資源整合及知識庫構建：實現了機構內外部各類異構知識的統一整合，構建知識庫，支持海量資源的分布式集群管理，無論是技術還是經驗都是國內領先。隱性知識挖掘工具優勢：提供了協同研討、協同創作、項目協同研究等隱性知識挖掘工具，能夠實現知識協同和隱性知識沉淀、顯性化。知識服務的場景化優勢：基于研究對象和屬性構建矩陣式知識體系，構建面向問題的知識庫，能夠嵌入業務流程中提供場景化的知識服務。申報單位名稱同方知網數字出版技術股份有限公司 單位簡介同方知網是業界領先的數據與技術雙輪驅動的知識服務商。1995 年創始于清華大學，2020 年隨同方股

99、份加入中核集團，致力于全方位、立體化、體系化打造國內國際知識生產、傳播和利用的全過程，是全球最大的知識大數據平臺運營商之一，是全球領先的數字出版與知識服務企業。同方知網始終著力研發創新性先進技術，打造了覆蓋數字化、網絡化、大數據、人工智能各領域的知識管理與知識服務技術及產品體系，推出了跨領域、多層次知識網絡、全球化大數據知識管理與個性化知識服務模式，全面支撐各行各業高質量創新發展與深度學習。同方知網擁有人工智能大模型建設必需的海量高質量語料數據，正全力培育人工智能戰略新興產業，在 AI 大模型建設方面，同方知網與華為攜手成立人工智能聯合創新實驗室，共同打造了中華知識大模型（華知大模型 http

100、s:/ 人工智能&大數據創新應用案例集046全景智聯：面向市域社會治理的多元信息跨域集成關鍵技術及應用大數據創新應用案例簡介從“數字中國”到“數據要素 x”，數據正在深度重塑著千行百業。近年來，湖北省、武漢市高度重視大數據產業發展，先后制定發布了武漢市加快推進新型智慧城市建設實施方案、武漢市支持數字經濟加快發展若干政策，強調要推動數字應用場景全面開放，為數字經濟的發展提供了導向性指引。當今社會飛速發展，面向城市治理數據化、智能化，全景智聯聚焦核心技術 AIoT，堅持“數據+場景”模式，力求實現數據要素在城市治理方面的深度應用。市域社會治理多元信息跨域集成關鍵技術是企業為滿足城市治理過程中海量數

101、據即時、高效分析計算的高階需求，所打造出的跨域業務多元識別匯聚技術。該技術能夠實現不同部門業務數據跨源計算與跨域融合，依托企業自主研發的社會監測與治理一體化平臺，實現業務數據的多元匯聚、分析，結合 AI 算法模型，生成預判與告警信息，關聯子系統實現處置任務的派發與閉環。實現社會治理的風險提前介入、流程透明、各級協同，從而有效維護社會穩定。046047背景和主要驅動力自黨的十九屆五中全會明確提出“加強和創新市域社會治理，推進市域社會治理現代化”論述以來，“市域社會治理”被提高到了國家戰略層面。但當前依舊存在“業務線繁雜-數據鏈分散-風險監管難”問題，其根源就是數字治理和服務能力缺失，其本質為跨域

102、信息汲取能力不足、多元數據治理能力不強、精準分析決策能力有限。如何通過新一代數字技術打造數據驅動、跨域融合、共創共享的智能化市域社會治理新模式，也是市域社會治理現代化建設的亟待解決的核心問題。從目前的實際情況看，市場上還沒有能較好解決上述問題的社會治理數字化產品。首先是政策市場驅動。近年來，國家領導在各個會議上多次強調數據的重要性，數據已然上升到國家大戰略層面，在國家頂層設計層面出現的頻率、密度和力度也不斷增強。自 2014 年“大數據”首次寫入政府工作報告以來，關于“大數據”、“數字政府”、“數據要素”等相關政策有粗到細，濃度不斷強化，節奏愈加清晰。根據公開數據顯示，在國家政策的強引導下，數

103、據要素市場規模穩步擴張，2023 年市場規模達到了 1273 億元，預計 2025 年可達 1990 億元。而在城市治理數字化垂直領域，2023 年市場規模達到了 1591.7 億元，2025 年有望突破 2500 億元。其次是技術發展驅動。企業擁有扎實的技術研發團隊。公司依托物聯網、大數據及人工智能技術，結合各個“微場景”自身的行業應用需求構建了較為完善的應用解決方案。公司團隊成員目前為 89 人，其中博士 3 人，碩士 9 人，本科 49 人。研發人員 42 人，研發人員占比達到 47.2%。研發團隊成員在智慧城市建設領域擁有多年的專業經驗，核心成員參與了智慧城市的成功建設案例。同時聯合華

104、中科技大學現代數據工程研究所，課題組骨干教師成員有著長期的數據庫、數據工程、數據挖掘、信息檢索、多結構化數據管理與智能檢索等方面的研究，參加了“十二五”和“十三五”的數據管理方面的國防預研或其他省部級以上研究項目，在其中承擔主要工作，具備良好的理論基礎和很強的科研實力。戰略規劃和行動路線圖1.橫向打通跨源數據，優化市域社會治理治安防控能力本項技術成果后續將在全景智聯市域社會治理相關項目中投入實戰，自主對政務、警務、消防、信訪、市場、輿情等跨源數據進行清洗、分析與匯算，實現事件標簽管理、智能分類、綜合研判等。能夠在應急預警、民生需求、任務派發等領域建成多個指標模型，并集成城市體征監測、態勢感知、

105、大數據建模分析、應急協同、指揮調度等功能，全時空高效協同處置城市治理中的各類問題，大幅優化城市管理者在治安管理層面的風險發現及分派處置能力。2.縱向打通業務流轉通路，形成四位一體市域社會治理架構以全景智聯四位一體市域社會治理框架為抓手，基于該技術，構建市、區、街鎮、社區四級橫縱流轉體系架構，強調數據與業務融合，來輔助各政府部門及時、精準地發現問題、對接需求、研判形勢、預防風險，做到在最低層級、最早時間，以相對最小成本，各部門高效協同處置最突出問題，取得最佳綜合效應。全景智聯：面向市域社會治理的多元信息跨域集成關鍵技術及應用2024 人工智能&大數據創新應用案例集048實施效果技術突破。完成跨域

106、業務多元信息識別匯聚方法的研究，對多元跨域業務信息的屬性進行統一融合表達，支持對多元跨域數據屬性、時空融合關聯模式，支持點對點消息同步、多中心消息同步的數據同步方式。多元跨域數據關聯匯聚準確率達到 80%。完成面向融合價值增值的數據跨源計算與跨域融合技術研究，支持多元數據的關聯分析、時空關聯分析、跨域聯邦協作分析的智能分析任務?？缬蚵摪钸w移目標感知識別準確率達到 80%。完成智能感知的輿情智能判別創新服務研究，支持輿論態勢感知分析、輿情態勢演化預測模型。針對實時的輿論態勢發展預測準確率達到 75%。社會效益。本項目實現多行業、多渠道、多維度數據采集和分析，構建輿情精準分析模型，可從宏觀角度對輿

107、情態勢進行預測，從微觀角度對輿情進行預警及群體事件檢測，整體提升風險監測能力和水平，極大提升群眾生活安全系數?？梢詫⒄畯娜苄蛪毫χ薪夥懦鰜?，將有限的治理資源聚焦于關鍵領域。通過智能、精準、高效的全場景智慧社區建設和治理模式創新，節省基層社會治理消耗的公共資源；通過構建智慧社區綜合服務平臺，可實現信息自動采集、數據科學歸集、平臺全景分析、社區聯動共治，形成治安防控、社會管理、社會服務三類支撐應用體系，為治安防控提供精度，為社會治理拓展寬度，為服務民生提升溫度。經濟效益。本項目通過信息跨域集合，實現物業管理、社區安防、公共安全等方面的綜合信息化服務，實現社區能源節約、物業運營成本的顯著降低，形

108、成企業收益和社會發展的良性互動；安全使用項目建設形成的社區數據成果，依托社區運營方式提供精準、定向商業服務，在提供居民服務的同時，促進社區場景消費，將社區數據資源變現。實施難度與復雜度為高位推進建設數字中國戰略落地，湖北省發布了數字湖北建設意見，其中多次提到了基層治理數字化的重要性。但目前省內的市域社會治理相關的數字化技術及產品整體還處在發展階段，多數從系統集成的角度完成相關的硬件設備的接入或相關業務系統的數據流轉，僅少部分企業會從數據匯聚、分析并結合人工智能相關算法來實現市域社會治理的數字化與智能化。當前階段，市域社會治理存在的主要問題在于，第一，海量異構數據難以有效融合、管理與共享。第二，

109、跨領域、跨部門協同聯動難以形成合力，造成的數據信息孤島問題凸顯。第三，安全風險無法智能識別與快速處置。因此，本項目思路是通過多元信息跨域集成實現多行業、多渠道、多維度數據采集和分析，構建輿情精準分析模型，為相關部門提供人口管理、綜合治理等方面的信息和技術支撐，進而推動市域治理服務向基層延伸。案例亮點（1）面向市域社會治理的跨域信息關鍵技術突破面向跨域業務融合的動態知識圖建模，本研究采用的本體建立采用多層級多主題的劃分方式，以Thing抽象概念作為頂級本體類，衍生出實體的大類，進一步細分為多個主題如：區域、人物、組織機構、業務等，每個主題下再細分層次有更細粒度的屬性特征描述，依照此方法構建出在市

110、域社會治理領域多層級多主題的知識圖譜。049基于任務屬性和距離度量的屬性關聯，針對現有傳統數據關聯算法中存在的實體屬性域選取過大、數據傾斜、自連接較慢的問題，擬提出一種新的面向海量數據屬性的數據關聯算法，實現任務屬性和時空距離度量的高效屬性關聯。面對海量數據的實體屬性關聯操作，還可進行實體屬性域分區和并行抽取屬性關聯；輿情智能判別創新服務，針對大規?？缬蛉诤系臉I務需求，并結合多元關聯匯聚數據和跨域智能分析結果，實現多維度的輿論態勢感知和預測支持，主要內容包括輿論態勢感知分析、輿情態勢演化預測。（2）四位一體的城市數據服務項目運營模式遵循“四位一體市域社會治理”產品體系的前瞻布局，市域社會治理多

111、遠信息跨域集成關鍵技術已被深度植入社區-街道-區縣-市級四個層級的數據服務產品矩陣中。能夠運用實時在線的數據，來輔助各政府部門及時、精準地發現問題、對接需求、研判形勢、預防風險，以相對最小成本，各部門高效協同處置最突出問題，取得最佳綜合效應。此種項目項目服務模式，不僅能夠輔助政府部門做到在最低層級、最早時間處置問題，還形成了項目卡位優勢，通過在社區、街道等末端場景的深度數據運營，提前對區級、市級數據服務項目進行占位，擴充儲備項目資源。申報單位名稱全景智聯（武漢）科技有限公司單位簡介全景智聯是京東科技的戰略投資企業。是一家專業的城市微場景數據服務及解決方案提供商。城市治理作為政策和技術雙驅動下的

112、行業，全景智聯始終積極響應黨中央、國務院以及各級政府關于“數據要素”、“市域社會治理”等工作的戰略部署，關注城市治理智能化。企業聚焦核心技術 AIoT、大數據，深耕應用場景，打造一個“村社街道區縣市域”四級數據治理體系，面向政府端城市管理者提供包含軟件開發、數據服務等一體化服務，賦能基層社會治理，助力城市可持續發展，踏實扮演好服務型數商、應用型數商和技術性數商綜合性角色。成立至今，全景智聯已在北京、深圳、廣州、天津、武漢、青島、合肥等 19 個城市落地超 800 個智慧場景，累計申請專利、軟著百余項。全景智聯：面向市域社會治理的多元信息跨域集成關鍵技術及應用2024 人工智能&大數據創新應用案

113、例集050遠光軟件：集團企業經營分析大數據創新應用案例簡介集團企業經營分析案例是電力行業數字化轉型的典范。隨著電力企業經營模式的不斷演進，傳統的報表分析已無法滿足日益復雜的業務需求。在實現財務與經營活動的深度融合分析過程中，企業面臨著數據融合、數據資產化和數據業務化等多方面的挑戰。首先，集團企業經營分析案例通過 Realinsight 平臺利用其強大的數據整合能力，實現多源數據的無縫對接。其次，通過數據建模、數據分析等技術手段，將數據轉化為可視化報表及圖表，為企業提供直觀、易懂的數據展現方式，幫助企業更好地理解和利用數據。最后，數據業務化是數字化轉型的關鍵所在，通過運營數據指導業務發展，達到數

114、據可利用、可分析、可改進，發現運營中的瓶頸和問題，提出優化方案并持續改進，提高運營效率和質量。Realinsight 平臺不僅提供了數據分析功能，還提供了數據預警、數據預測等高級功能，幫助企業洞察問題、預測趨勢，為業務創新提供了有力支持。通過該案例的成功實施，不僅幫助企業加速了業務流和數據流的融合，實現了數字化、精細化、智能化運營。這一轉變不僅提升了該集團的核心競爭力，還為電力行業數字化轉型樹立了新的標桿，展現了數字化轉型在提升企業管理效率和創新能力方面的巨大潛力。050051背景和主要驅動力隨著國家政策的推動和市場環境的變化，電力企業正面臨著前所未有的挑戰與機遇。企業經營分析與決策支持的需求

115、不斷增長，從單一的報表分析逐步轉向更深層次的財務和經營活動分析。然而，在實際應用過程中，企業仍面臨多模態數據融合、數據資產化、數據業務化等多方面的挑戰。為此，本案例推出了集團企業經營活動分析應用解決方案，該方案以“用-治-建”相結合的整體推進策略為核心，構建層次清晰的數據應用載體和立體可靠的運營保障體系，旨在確保數據的有效管理和利用。同時，該方案聚焦于“把數據管起來、提升數據價值、讓數據用起來”三大關鍵點，真正讓數據服務于企業的日常運營和決策過程，推動企業實現運營數字化和管理精細化。戰略規劃和行動路線圖戰略規劃構建一個全面的數字化企業為核心，旨在通過整合 PC 端、大屏端、移動端和智能終端的多

116、端融合技術架構，實現用戶交互的無縫體驗。依托集團經營數據中臺，實現數據的集中管理和高效分析，同時借助智能化應用如財務分析中心和 AI 預測中心，顯著提升決策支持能力。此外，為確保數據的標準化管理和安全使用，案例還涵蓋了標準規范體系和安全保障體系。加強數據治理，優化集團運營機制，旨在提高數據質量和運營效率。最終，通過開放服務與接口，增強系統的可集成性和可擴展性，以支持企業的持續創新和服務升級。行動路線圖遵循從評估到實施，再到優化和擴展的邏輯順序。首先，通過現狀評估與需求分析，明確轉型的基礎和目標；其次，制定戰略規劃藍圖，確立技術架構和數據治理框架；隨后，搭建技術架構，構建集中數據中臺，并開發智能

117、化應用；在此基礎上，建立標準與安全體系，優化數據治理和集團運營機制；試點單位驗證通過后，逐步推廣至全集團；同時，開放服務與接口，促進系統集成與擴展；在整個過程中，持續進行優化與迭代，以適應市場和技術變化；最后，通過成效評估與反饋，確保數字化轉型目標的實現，并根據需要進行戰略調整，形成一個閉環的轉型管理流程。實施效果平臺采用“集中部署、多級使用”模式，在集團總部進行集中部署，并通過內網開放給全部二級單位和基層單位，共計約 3000 名用戶。該模式成功匯集各組織、各專業、各周期數據于同一平臺，打破了同類業務、不同組織間的數據壁壘，高效促進了數據在各層級、各專業間的實時流轉。同時，通過構建集團整體分

118、析指標體系和數據資產體系，推動了集團內部分析的逐步統一和規范；通過優化數據業財融合和智能分析功能，提高了集團生產效率，助力企業經營創新發展和智能升級，進一步加速了數據規劃治理的進程，為集團數字化轉型提供了有力支持。遠光軟件：集團企業經營分析2024 人工智能&大數據創新應用案例集052實施難度與復雜度案例涉及的技術難點不僅包括倒排與正排索引結合、分布式存儲與計算結合、基于立方體模型的分層計算模型，還融入了智能分析和大模型技術，這些先進技術的應用提升了數據處理的效率和準確性。智能分析技術：利用機器學習和人工智能算法，依托大量的歷史數據和實時信息，自動進行模型的學習和優化，預測市場動態、消費者行為

119、和潛在風險，為企業決策提供了敏銳的洞察力。特別是在處理非結構化數據和輔助復雜決策時，智能分析技術展現了其無可比擬的價值。大模型技術：通過構建和訓練龐大的數據分析模型，深入挖掘和分析大規模數據集，揭示數據間復雜的內在聯系。同時，通過大模型技術實時生成各種分析圖表，使得數據分析結果更加直觀和易于理解，便于快速傳達關鍵信息。這一技術不僅加快了數據處理速度，提高了分析的精確度，還使平臺能夠迅速適應不斷變化的數據環境，及時響應新的查詢和分析需求。倒排與正排索引結合利用：使用倒排索引查找數據可以在非常短的時間內返回關注數據的位置信息，接著使用正排索引獲取維度數據進行聚合計算。分布式存儲與計算結合利用：基于

120、分治思想，通過數據分片的形式將數據分散到多臺服務器，通過多臺服務器進行分布式聚合查詢?；诹⒎襟w模型的分層計算模型：依托立方體模型的理論支撐，通過分布計算技術預計算維度數據。案例亮點戰略層面：確立了清晰的數字化轉型愿景，將數字化作為企業戰略的核心部分，以適應市場化改革和提升企業競爭力。運營層面：通過優化業務流程和實施數據治理，提高了運營效率和決策質量，實現了資源的高效配置和風險的有效控制。服務層面：利用數字化手段改善客戶服務，提供個性化和高質量的服務體驗，增強了客戶滿意度和忠誠度。商業模式創新：推動了從傳統財務管理向價值創造型財務管理的轉變，探索了新的收入來源和業務模式。新技術引用：引入機器學

121、習、大模型、AI 等先進技術，為數據分析、問答和搜索功能賦予了智能化的新動能，充分展現了技術前沿和創新應用的魅力。在數據分析領域，借助機器學習技術，依托大量的歷史數據和實時信息，自動進行模型的學習和優化，從而提供更為精準、高效的數據洞察。在智能問答方面，大模型技術的應用使得系統能夠深入理解用戶的問題和需求，進而提供更為精準、全面的答案，提升了用戶體驗，也為企業與用戶之間建立了更加有效的溝通橋梁。在智能搜索功能中，基于用戶的搜索歷史和偏好，提供更加個性化、智能化的搜索結果，不僅提高了搜索效率，也為用戶帶來了更加便捷、貼心的服務體驗。053申報單位名稱遠光軟件股份有限公司單位簡介遠光軟件股份有限公

122、司是國內主流的企業管理、能源互聯和社會服務信息技術、產品和服務提供商，公司控股股東為國家電網全資子公司國網數字科技控股有限公司。公司專注大型集團企業管理信息化逾 30 年，在能源電力、航天航空、高端裝備、冶金冶煉、制造、金融、醫療衛生、軌道交通等行業服務了眾多集團企業，在能源電力行業企業管理軟件領域長期處于領先地位。公司是國家鼓勵的重點軟件企業，作為民族軟件品牌，公司高度重視自主可控、安全可靠，始終堅持自主創新，連續多年研發投入占營收比重超 20%，并與國內外知名企業、機構、高校建立了密切的戰略合作聯盟，連續 6 度榮獲“可靠企業核心軟件品牌”。遠光軟件：集團企業經營分析2024 人工智能&大

123、數據創新應用案例集054中電數創：數據要素加工交易平臺大數據創新應用案例簡介依托中國電子與清華大學聯合開展數據治理數據安全與數據要素化工程研究成果，著眼數據要素市場技術體系創新，研發數據要素加工交易中心平臺作為數據要素交易流通基礎設施，打造數據治理技術體系和安全防護體系。在國內率先定義可安全流通的數據元件及相關標準體系，構建以數據要素操作系統為核心的數據安全與數據要素化工程系統架構。該平臺已在德陽市等開展實踐落地，可支持政府、數據交易機構構建“制度、市場和技術”三位一體的數據要素市場，將數據資源加工為可析權、可計量、可定價且風險可控的初級產品數據元件，開展數據資產評估、登記結算、交易撮合及全流

124、程溯源爭議仲裁，打造數據資源、數據元件、數據產品三級市場，促進數據的安全流通與高效配置，打通以數據資產鏈與價值鏈，充分挖掘數據所蘊含的信息價值；實現數據泄露風險、濫用風險的雙向風險隔離，實現發展與安全的有機統一。054055背景和主要驅動力1.政策背景2020 年 3 月，中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見中提出，加快培育數據要素市場，提升社會數據資源價值，加強數據資源整合和安全保護。2021 年 3 月，中華人民共和國國民經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要提出，要對完善數據要素產權性質、建立數據資源產權相關基礎制度和標準規范、培育數據交易平臺

125、和市場主體等作出戰略部署。2022 年 4 月，中央全面深化改革委員會召開第二十五次會議，審議通過了關于加強數字政府建設的指導意見，強調把數字技術廣泛應用于政府管理服務，推動政府數字化、智能化運行，為推進國家治理體系和治理能力現代化提供有力支撐。2022 年 6 月，中央全面深化改革委員會召開第二十六次會議，審議通過了關于構建數據基礎制度更好發揮數據要素作用的意見并強調，數據基礎制度建設事關國家發展和安全大局，要維護國家數據安全，保護個人信息和商業秘密，促進數據高效流通使用、賦能實體經濟，統籌推進數據產權、流通交易、收益分配、安全治理，加快構建數據基礎制度體系。2023 年 12 月，國家數據

126、局等 17 部門聯合印發“數據要素”三年行動計劃（20242026 年），旨在充分發揮數據要素的放大、疊加、倍增效應，構建以數據為關鍵要素的數字經濟。該計劃提出了具體的行動方向，包括激活數據要素潛能、推動數據要素與工業制造、現代農業、商貿流通等多個領域的深度融合應用等。當前階段，發展以數據為關鍵生產要素的數字經濟，全面培育數據要素市場，需要構建完善的數據安全與數據要素一體化治理體系，推進數據資源整合和開放共享，保障數據安全，加快建設數字中國。2.主要驅動力2.1 理論意義圍繞數據要素化的難點和痛點，創新性提出“數據元件”，實現了原始數據和數據應用的充分解耦，降低了原始數據的隱私和安全風險，結合

127、數據全生命周期安全和全流程合規，兼顧了數據安全與流通需求，為城市初步探索數據要素化安全流通等大數據技術奠定了理論基礎。2.2 現實意義基于數據元件的數據流通系統可以保障國家重要數據和個人敏感信息不被盜取或泄露，從而保證信息的保密性；防止數據被篡改和損壞，保證數據的完整性；保證數據的可用性，防止因為黑客攻擊、病毒感染等原因導致數據無法正常使用。除此之外，可以促進信息交流和共享，保障數據要素在數據要素市場規?；a和安全流通，促進大數據產業發展，從而促進社會的發展和進步。2.3 社會經濟意義基于數據元件的數據流通融合創新平臺，地方政府可通過實施以數據治理工程為抓手，推動數據要素市場化配置改革，探索

128、破解數據安全與數據流通矛盾的改革路徑。有助于加快構建體制機制有序運轉、數據流通安全高效、生態豐富多元的大數據市場，打造數據經濟新引擎。技術特色及應用實例1.總體思路本產品構建數據歸集系統、數據倉庫與數據元件倉庫所組成的數據金庫、數據要素操作系統，共同完成數據治理流程。具體而言，數據歸集系統將采用邏輯集中與物理集中相結合的方式將政府數據、中電數創：數據要素加工交易平臺2024 人工智能&大數據創新應用案例集056組織數據、企業數據以及個人數據歸集到一起，同時提供數據接口和多源異構數據融合等全方位的全域數據歸集管理與服務。數據倉庫與數據元件倉庫二者共同組成數據金庫，其中數據倉庫將存儲原始數據及其轉

129、化成數據資源，而進一步開發形成可安全流通的數據元件作為“中間態”存儲在數據元件倉庫中，通過以可控制、可計量、可定價的數據元件為安全流通對象，實現原始數據與數據應用“解耦”，破解“安全與流通對立”難題，讓數據“供需兩端”貫通。同步建立配套的安全技術、法律制度、監管體系等三位一體的保障體系，確保為數據要素運行提供強安全的支撐底座。最后，數據要素操作系統包括數據清洗治理平臺、數據資源管理平臺、數據元件管理平臺以及流通平臺四大平臺，對數據要素化流程以及數據金庫的硬件資源、軟件資源、數據資源和數據元件進行調度管理，實現“軟件定義”的數據要素操作，為數據要素匯聚、加工、定價、流通交易一體化奠定了重要基礎。

130、同時構筑全棧式的安全防護體系，從基礎設施、身份與訪問控制、數據安全防護等多個方面提供數據安全防護能力，保障數據在全生命周期中的安全?？傮w而言，該系統創新性地打造了全自主高安全的數據金庫、可安全流通的數據元件、“軟件定義”的數據要素操作系統、全棧式的安全防護體系，為數據治理提供了良好的技術體系。2.技術方案堅持系統觀念，以“制度+市場+技術”三點互為支撐的總體實施架構推進城市數據治理工程。部署數據安全與數據要素化工程系統，形成數據要素操作系統，構建數據要素的標準、質檢、安全、合規和評估五大支撐體系，建設數據清洗處理、數據資源管理、數據元件開發、數據元件交易和數據要素監管五大業務平臺。數據安全與數

131、據要素化工程系統，與共享開放相互融通，共同構建形成數據共享、元件交易、數據開放三種渠道，推進高價值數據集向社會開放；通過數據安全與數據要素化工程系統生產形成的數據元件，依據共享開放的原則，亦可作為數據要素形態通過數據共享和數據開放提供數據集服務。數據要素加工交易中心以數據要素操作系統為微內核，實現數據金庫與各方的解耦，為數據金庫的安全存儲提供訪問隔離層，進一步加固數據金庫的安全；以安全系統、合規系統、標準系統、質檢系統和評估系統構建形成的五大支撐系統，則圍繞數據要素操作系統提供滿足數據元件完成數據要素化過程中的各項檢測和預警處置，與數據要素操作系統共同構建形成宏內核；以業務操作和業務監管為功能

132、方向的五大業務平臺，包括清洗處理平臺、資源管理平臺、元件開發平臺、元件交易平臺和監管平臺，通過調用宏內核實現數據元件的大規模開發操作和自動化的業務監管；在面向數據元件在數據要素化過程中需要使用各種先進、穩定、成熟的數據工具，包括數據歸集工具、數據處理工具、元件開發工具、元件維護工具、交易合約工具等，均通過數據要素操作系統與之進行適配，并通過五大業務平臺在數據元件的實際生產過程中進行調度使用。圖1數據要素加工交易中心057（1）數據要素操作系統數據要素操作系統（簡稱數據要素 OS）解耦數據工具和數據元件規?；_發的前后端分工，管控數據要素化工藝流程，管理數據要素金庫、算力資源、數據要素工具以及各

133、種應用系統，實現軟件定義的任務編排和進程管理，提供自主可控、安全可靠、高效流暢的大規模加工數據元件的基礎能力，屏蔽數據安全與數據要素化工程系統的底層差異化，是鏈接數據要素化生態產業鏈的核心能力平臺。數據要素 OS 的整體示意圖如下：在統一的交互器控制下，數據要素化流程滿足數據清洗處理、數據資源管理、數據元件開發、數據元件交易、監管任務五大業務系統的實際任務的自定義需求，實現全流程場景的內核管控。借助于資源管理與任務編排能力的連接、復用與簡化能力，數據要素操作系統具備高可用、多租戶隔離和資源管控等執行與調度能力。（2）業務系統業務系統是指圍繞“數據資源歸集、數據清洗處理、數據資源管理、數據元件開

134、發、數據元件交易”五個階段管理業務層面操作的業務系統，包含數據清洗處理平臺、數據資源管理平臺、數據元件開發平臺、數據元件交易平臺和監管平臺，其中監管平臺初步規劃對接第三方能力，并與數據要素 OS進行集成。數據要素業務平臺主要包含數據清洗處理、數據資源管理、數據元件開發、數據元件交易和監管五大平臺建設。圖2數據要素操作系統功能架構圖3數據要素五大業務系統中電數創：數據要素加工交易平臺2024 人工智能&大數據創新應用案例集0581.數據清洗處理平臺數據清洗處理平臺負責對數據標準化、數據清洗、質量管理等任務、流程進行調度和管理，通過數據處理工具將歸集庫數據形成標準化的數據。2.數據資源管理平臺數據

135、資源管理平臺借助于底層數據處理工具，負責對數據加工融合任務、流程進行調度和管理，同時秉著“數據可用不可見”的原則，基于數據元件加工需求，制定相應脫敏規則，生成樣本庫。數據資源管理平臺將資源目錄按照標準分類以及自定義標簽進行目錄編排，形成可提供元件開發使用的數據資源目錄，并對數倉加工任務和數據模型進行有效管理。3.數據元件開發平臺數據元件開發平臺負責管理數據元件在開發生產入庫全過程的資源、數據流、審批流和業務流，實現元件從定義設計、開發調試到生產管理、入庫編目等全過程的操作。在技術特點方面，數據元件開發平臺借鑒“沙箱”技術原理，提供原始數據不出平臺的元件開發專區和安全生產計算專區，實現了元件調試

136、環境和生產環境的分離，在元件開發專區加載樣本數據訓練數據元件模型，在安全生產計算專區導入訓練好的元件模型，同時加載全量數據生產數據元件結果，從而實現“數據可用不可見，數據不動程序動”。元件開發專區為專業元件開發商提供一個可以在線開發數據元件的實驗室和調試環境，并提供統計分析、機器學習等常用算法，元件開發商通過調用映射和處理后的資源目錄和樣本數據，完成數據元件模型的開發、訓練和調試。安全生產計算專區為元件的生產提供安全計算專區，通過沙箱原理、加密脫敏等隱私保護技術實現“數據可用不可見，數據不動程序動”，同時提供不同用戶的多租戶隔離技術手段，確保計算區域的數據安全。4.數據元件交易平臺數據元件交易

137、平臺主要面向數據應用開發商，為“供需兩端”提供數據需求、元件交易、元件交付、售后服務流程服務支撐。數據元件交易平臺包括流通門戶、元件開發商入駐、學習社區、發布中心、圖4數據元件開發平臺功能架構059交易中心、結算中心、賬戶中心和運營中心等功能，為數據元件供需雙方提供安全、可控的流通交易通道。5.監管平臺監管平臺利用云計算、大數據、人工智能、智能算法等技術，通過對數據要素化工藝流程全過程監控和審計，實現全方位全天候監測預警監管對象的安全威脅和風險態勢情況。同時，圍繞法律法規要求，有效加強對核心數據、重要數據、企業機密數據和個人隱私數據的識別和監管，加強對數據歸集、處理和數據元件生產交易過程中的合

138、規性審查工作，確保數據元件安全流通，打通與網信、公安等監管機構以及第三方監管機構之間的數據通道，促進安全、合規、監管信息的共享和業務的協同。（3）支撐系統支撐系統是指圍繞數據元件，從“原始數據、標準數據、基礎數據、元件模型、數據元件”五個階段，構建“安全、合規、標準、質檢、評估”五大支撐系統，為數據元件的生產提供全流程的保障。當前市場都是基于原始數據流通，沒有數據元件（數據中間態）的設計，沒有針對數據元件的配套支撐系統，數據要素的安全和規?；魍o法保障。因此，數據要素化工程的五大支撐系統，是開發數據元件必要的技術支撐，在保障數據要素資產化落地過程中，可以規范、安全、合規的生產數據元件，讓高質

139、量數據元件通過準確的估值進行規?；魍?，是數據元件具備市場化配置流通交易的前提條件。1.安全系統安全系統是用于支撐數據要素化工程相關系統的基礎安全、數據安全、業務安全的系統。應用層功能包括數據元件三級安全審核、三級安全管控審核、數據資源分類分級審核、數據元件分類分級審核以及安全事件響應。2.合規系統合規系統是圍繞法律法規要求，配套構建全方位、立體化的數據安全合規系統，保障數據從歸集、處理、交易、使用全過程中知情和管控，包括法律合規策略引擎、數據要素化記錄儀（黑匣子）和數據資源合規監管平臺等模塊建設。圍繞網絡安全法、數據安全法、個人信息保護法、關鍵信息基礎設施安全保護條例等法律法規要求，配套構建

140、全方位、立體化的數據安全合規系統，保障數據從歸集、處理、交易、圖5五大支撐系統中電數創：數據要素加工交易平臺2024 人工智能&大數據創新應用案例集060使用全過程中知情和管控，確保數據安全建設和數據流通符合國家及主管機構的要求。通過人工服務結合工具檢查的方式對敏感數據進行發現和檢測，排除安全死角，落實數據分類分級與安全管控并對敏感數據進行重點保護，提升數據安全防護和合規性審查水平。3.標準系統標準系統是基于數據要素標準體系對數據安全與數據要素化工程系統中所涉及的標準內容進行規范性檢測的系統。檢測內容主要包括數據元件命名、數據元件規格、數據元件編碼、數據元件說明書等。針對未遵循數據元件標準的內

141、容和行為進行提醒和告警，并依據數據元件實質內容和標準規范進行整改，促進數據元件在數據要素市場中規?；魍ê桶踩褂?。4.質檢系統質檢系統是針對數據元件開發過程中所使用的數據資源、元件模型及元件結果進行檢測的系統。通過對使用的數據資源、元件模型以及元件結果分別建立數據質量評估指標、元件模型評估指標和元件結果評估指標，構建數據元件質量評價模型，實現對數據元件質量進行檢測和評估，并支持對檢測結果評級或評分。5.評估系統評估系統主要承擔數據要素流通過程中，對數據資源的價值、數據元件的價值以及數據元件開發商等級進行綜合評估，為數據要素的標準化流通提供支撐。通過分析與數據資源、數據元件以及數據元件開發商相

142、關的影響因素建立評估指標，構建科學合理的評估模型，為數據元件的安全和高效流通提供指導依據。應用實例（1）德陽市案例（標桿性工程試點）2021 年以來，德陽與中電數創聯合開展德陽市數據安全與數據要素化工程，以“一庫雙鏈三級市場”為核心思路，從制度、技術和市場三方面協同推進。1.建立統籌推進機制。成立了德陽市數據治理工程建設領導小組，統籌推進實施數據治理工程，探索數據要素市場化配置改革等具體事項。2.構建“1+4+24”核心制度體系。已形成總體工作規劃和數據要素市場化基礎制度體系，為組織機構改革、數據要素管理、三級市場運行管理、數據安全保障等工作提供制度保障。3.深化數據資源開放共享。大力實施政務

143、數據資源池三年行動計劃，建立高效的政務數據共享協調機制，高效推動公共數據歸集整合、有序流通共享。4.建設數據要素三級市場流通體系。規范數據資源市場，創新數據元件市場以及發展數據產品市場。5.研發數據要素核心技術。探索隱私計算賦能數據安全，利用區塊鏈技術實現數據共享追溯溯源，利用數字證書體系實現數據確權管理，采用“數據沙箱”技術保障數據安全開放。6.拓展數據要素應用場景。促進數據要素在行業數字化場景的創新應用。7.構建數據產業生態。已初步形成比較完整的數據要素市場化配置產業生態。未來將持續引入數據元件開發商、數據交易商、數據評估機構等數商合作伙伴。價值成效：德陽項目是對中國電子數據安全與數據要素

144、化工程方案的實踐檢驗，驗證了以“數據元件”和“數據金庫”為核心的工程方案可解決數據安全與流通間的“零和困境”問題，是對數據要素市場化配置的一次成功實踐探索。061該項目順利通過由中國經濟體制改革研究會學術委員會主任宋曉梧及中國工程院院士柴洪峰共同擔任驗收委員會主任的驗收委員會驗收。專家組討論認為：“項目建設體系完整、科學嚴密，創新性強、技術先進，組織結構合理，制度設計嚴謹，率先在國內從理論、技術、制度、市場進行系統性工程化的探索和實踐，初步取得了較好的經濟社會效益，整體處于國際先進水平，具有示范引領效應，達到了項目設計目標?！睉贸尚В耗壳暗玛柺泄こ滔到y支撐了數據元件生產開發和數據元件交易流通

145、全過程，以數據元件中間態支持德陽市探索培育數據資產評估、登記結算、交易撮合、爭議仲裁等市場運營體系。建設數據資源加工中心、數據資產評估中心和數據開放共享平臺、數據資產交易平臺，德陽數據交易平臺于 2022 年 6 月 8 日上線運行，上架交易數據元件 1014 個，目前首批數據元件在深圳數據交易所有限公司掛網交易。在全國地級城市率先發布數據要素改革基礎制度、布局建設全國首個數據要素產業園、探索基于數據元件賦能應用場景的數據要素交易模式，引入培育數商合作伙伴 63 個，上架數據元件 1200 多個，簽訂數據元件服務銷售合同金額近 2200 萬元，建成國家數字經濟創新發展試驗區（四川）先行區、四川

146、省首批區域型數字化轉型促進中心，改革成果入選中國信息協會“2022 數字政府創新成果與實踐案例”、省委改革辦“2022 年度四川改革典型案例”。（2）大理市案例2023 年 5 月 12 日，由中電數創承建的大理州數據治理工程數據安全與數據要素化工程制度體系專家論證會在大理成果舉辦。中電數創圍繞“數據二十條”，在云南省率先構建“1+4+15”大理州數據要素制度體系，形成大理州數據基礎制度，并通過專家論證及合法性評審；搭建基于“自主安全可控”體系的數據要素加工交易中心，完成首批 211 個數據元件開發并支撐“3+X”應用場景，在全國率先構建起“數字底座+數據中樞+數據要素”互聯互通的支撐格局,在

147、全國范圍內率先開展國產化及數據要素安全設施建設。2023 年 7 月 5 日，大理州數據要素項目開出了云南省第一張數據元件發票，標志著大理州數據要素市場化試點邁出了里程碑式的一步，是大理州踐行“數據二十條”的重大舉措，也是大理州被評為數據要素市場化配置綜合改革“最佳范例城市”后的又一重要突破。大理州數據要素項目通過省州一體化的實踐，以全國首個數據元件服務中標（即“大理州企業燃氣用量數據元件服務”）以及全省首張“數據元件”發票的開具，成功驗證了以“數據元件”和“數據金庫”為核心的數據安全和數據要素化工程總體方案，探索了基于自主安全計算體系的“數據要素加工交易中心”可實現數據要素的安全流通，實現數

148、據要素從數據資源、數據元件到數據產品的全流程，以數據為關鍵要素助推全州高質量發展，打造了數字時代的“大理樣板”。實施效果中電數創圍繞數據要素化的難點和痛點，創新性提出“數據元件”，實現了原始數據和數據應用的充分解耦，降低了原始數據的隱私和安全風險，結合數據全生命周期安全和全流程合規，兼顧了數據安全與流通需求，為城市初步探索數據要素化安全流通奠定了理論基礎?；跀祿臄祿魍ㄈ诤蟿撔缕脚_，地方政府可通過實施以數據治理工程為抓手，推動數據要素市場化配置改革，探索破解數據安全與數據流通矛盾的改革路徑。有助于加快構建體制機制有序中電數創：數據要素加工交易平臺2024 人工智能&大數據創新應用案例集

149、062運轉、數據流通安全高效、生態豐富多元的數據要素市場，打造數據經濟新引擎。2021 年以來，中電數創已完成了數據清洗處理、數據資源管理、數據元件開發、數據元件交易四大業務平臺 V1.0 功能發布及 V2.0 功能的研發，并在德陽、大理等城市完成四大業務平臺部署，依托城市數字底座現有資源初步實現了數據元件生產流通的全過程打通。在市場生態培育方面，目前中電數創就共同培育數據要素市場已儲備華控清交、數牘科技、富數科技、南方電網、智慧足跡、數據寶、同盾科技、翼方健數、電瓦特、楓調理順、中電數據、捷報金峰等共計 684 家生態合作伙伴，其中包含數據資源生態伙伴 25 家，數據元件生態伙伴 16 家，

150、數據應用生態伙伴 578 家，數據技術生態伙伴 36 家，數據機構生態合作伙伴 25 家及其他生態伙伴 4 家，形成了涵蓋數據資源、數據元件、數據產品三級市場的完整生態鏈構建。在場景域拓展方面，根據國家社會發展“十四五”規劃、國家數字經濟“十四五”規劃，中電數創優先設計了醫療健康、社會消費、能源低碳、普惠金融、環境環保、文化旅游、婚姻生活、政務服務等 9 個場景域 28 個應用場景。數據安全和數據要素化工程項目，開創了一個全新的三級市場，數據元件的流通將每年為實施城市帶來直接的新增收益。以單個地級市為例，推廣實施數據安全與數據要素化工程，推進數據要素市場化配置，未來三年（按 18 個場景估算）

151、數據元件的流通將每年產生直接收益 8000 萬元以上，預計直接促進產業 1000 億元。目前已形成的“制度、技術市場”三位一體的數據安全與數據要素化解決方案，也為各數據交易機構、數據持有者以及推動建設本地數據要素市場的各地方政府機構，提供一攬子總體解決方案和基礎設施支撐。包括北京國際大數據交易所、深圳大數據交易所、貴陽大數據交易所等交易機構為代表的諸多交易所和交易中心，紛紛與中電數創進行聯合研究并探索多種模式展開合作，在交易所內建設數據要素加工中心，上線數據元件交易專區，依托數據元件作為交易標的物，進一步豐富數據交易品類和創新交易模式。申報單位名稱中電數創（北京）科技有限公司單位簡介中電數創科

152、技有限公司成立于 2020 年，是中國電子信息產業集團有限公司旗下數據安全與數據要素化工程理論研究、技術創新和產品研發的核心企業。中電數創在國內率先創新性提出“數據元件”中間態新概念，破解數據安全和數據要素市場化關鍵技術痛點，自主研發了全球首個數據要素操作系統，打造了數據金庫、數據要素加工交易中心、安全可信數據空間、數據分類分級管理系統等系列創新產品體系，搭建了城市產品和行業產品兩大產品線。已在德陽、大理、鄭州、徐州、溫州、武漢等多地開展數據安全與數據要素化工程項目試點，并積極推進湖南、云南等多個省級數據要素市場開發，累計達成合同金額 6000 余萬。作為數據要素市場化配置改革理論研究及工程實

153、踐開拓者，中電數創秉承開放、共享原則，與數據產業生態企業共同探索數據要素市場化配置改革創新路徑，推動大數據產業高質量發展，促進地方數字經濟與實體經濟深度融合，為經濟社會高質量發展注入新動力。063思邁特軟件：SmartbiAIChat 應用案例，某保險集團內部經營分析人工智能創新應用063案例簡介某保險企業面對大數據時代下的業務發展挑戰，面臨數據查詢、分析與探索需求的激增。然而，當前的數據基礎設施與應用方式已難以滿足業務快速發展的需求。企業面臨分析鏈路長、報表時效性低、制作效率低且靈活度不足、無效報表堆積等困局。為打破這些瓶頸，該企業引入了 SmartbiAIChat,為保險企業帶來了顯著的業

154、務價值。通過簡單的對話問答，業務人員能夠迅速實現數據分析，大大提高了數據應用的靈活性和效率。這不僅降低了報表開發的成本，還極大地方便了領導及業務人員的決策過程，提高了 80%的用數效率。此外，它賦予了每個用戶“增強分析”的能力，使得數據分析的門檻大大降低，讓更多非專業數據分析人員也能輕松進行數據分析。這一創新解決方案有效解決了企業數字化經營中的困局，助力企業實現真正的降本增效，是保險行業數字化轉型的有力助推劑。思邁特軟件：Smartbi AIChat 應用案例，某保險集團內部經營分析2024 人工智能&大數據創新應用案例集064背景和主要驅動力隨著企業信息化深入，數據量激增，數據分析需求日益復

155、雜，該保險企業自主搭建的報表系統面臨以下問題和挑戰：首先，數據閉環難實現，業務邏輯與數據應用脫節；其次，開發成本高，報表無組件化開發，工作量大且維護成本高；第三，排期時間長，前端開發人員資源緊張，需求響應慢。為提升用數效率，降低數據使用門檻，企業急需引入創新解決方案。SmartbiAIChat 應用能夠助力企業快速響應數據需求，推動業務決策數據化、管理化，成為解決當前挑戰的理想選擇。行動路線圖1.搭建統一的指標體系。Smartbi 實施顧問同企業高層溝通對齊，圍繞企業戰略方向和戰略達成情況，形成關鍵指標和關鍵事項，利用指標將這些關鍵事項量化，并分配到相應部門去承接。同時配合采用“自下而上”的方

156、法，收集了該企業當前一線正在使用的報表進行分析，從報表里解讀當前關注的核心指標，加入到企業指標體系中；2.對話式分析與數據直接對話。當擁有一個較好的指標管理體系以后，業務人員已經能夠有較為統一的數據口徑和業務術語。Smartbi 的實施顧問，將指標模型切分成多個業務關心的主題域的數據模型，用基于對話式分析的查詢逐步替代之前采用報表搭建的查詢方案，業務用戶的大部分查詢需求逐步從 IT 人員開發的報表轉移到臨時的對話式分析查詢上。實施效果通過使用 SmartbiAIChat，極大方便了領導及業務人員用數決策過程，提高了 80%用數效率，數據分析門檻大大降低。業務人員通過簡單的對話問答實現快速數據分

157、析,賦予每個用戶 增強分析 的能力。項目應用落地后，既節省報表開發的成本，還能快速輔助支撐決策，助力集團實現真正的降本增效。實施難度與復雜度該保險企業由 IT 自主搭建報表系統，隨著數據統計、分析需要，明細數據的提取、報表開發等需求和日常數據提取和分析的需求量越來越多。采用 SmartbiAIChat，分析方式發生了一次范式的轉移，從以報表為核心，以數據模型為核心，轉移到了指標管理結合 AI 對話搜索為核心。根據大模型+Smartbi 數據模型/指標模型進行框架設計，大模型主要作用于自然語言與DSL 分析語句的連接與轉化，Smartbi 數據模型作為數據存儲與查詢分析的核心基建。065案例亮點

158、商業模式創新上，SmartbiAIChat 應用創新了兩個商業模式階段，助力客戶開采數字經濟“黃金礦”。第一個階段是讓 BI 實現對話式分析，幫助企業數字化轉型。具體來看，Smartbi 從自然語言查詢開始，到能做歸因分析、深度洞察以及預測分析，然后能夠自動針對業務問題生成整個診斷報告，讓對話式分析大模型版本越來越易用，同時能力越來越深入；第二個階段則是以 AIGC 和指標體系提升BI 項目交付效率。思邁特軟件提出要用 AI 為客戶自動生成定制化的 BI 系統，把一個 BI 項目交付周期從三個月到半年變成三天到六天。AI+BI 未來可快速生成符合企業定制化的 BI 系統。新技術上，從 2019

159、 年起，Smartbi 就開始將人工智能 AI 技術和 BI 融合，自主研發了自然語言分析 NLA，并憑此獲得多項發明專利。自然語言分析系統采用了 HA 高可用集群的部署方式，能夠有效降低系統的故障率，提高系統的恢復能力和異常處理能力，從而保證系統的穩定性和可靠性。SmartbiAIChat 驅動業務用數據說話、用數據管理。申報單位名稱廣州思邁特軟件有限公司單位簡介廣州思邁特軟件有限公司（簡稱：思邁特軟件，英文名：Smartbi）創立于 2011 年，是一家專注于商業智能 BI 及 AI 應用廠商，已為超 5000 多家企業提供一站式商業智能平臺和 BI 解決方案，并覆蓋金融、央國企、制造等超 60 個行業，是商業智能領域擁有最多行業頭部客戶的廠商。典型代表客戶有南方電網、深圳證券交易所、北京航天飛行控制中心、交通銀行、榮耀 HONOR、蒙牛等。思邁特軟件：Smartbi AIChat 應用案例，某保險集團內部經營分析2024 人工智能&大數據創新應用案例集068