DeepSeek大模型賦能政府?dāng)?shù)字化轉(zhuǎn)型

DeepSeek大模型賦能政府?dāng)?shù)字化轉(zhuǎn)型1.大模型：

人工智能的前沿2.大模型產(chǎn)品3.大模型的行業(yè)應(yīng)用4.政府部門本地部署大模型5.

DeepSeek大模型在政務(wù)服務(wù)領(lǐng)域的應(yīng)用6.

DeepSeek大模型在政府工作中的應(yīng)用7.智能體的政務(wù)應(yīng)用8.AIGC與政府應(yīng)用實(shí)踐

目錄

1.1大模型的概念1.2大模型的發(fā)展歷程1.3人工智能與大模型的關(guān)系1.4大模型分類1.大模型：人工智能的前沿大模型通常指的是大規(guī)模的人工智能模型

，是一種基于深度學(xué)習(xí)技術(shù)

，具有海量參數(shù)、強(qiáng)大的學(xué)習(xí)能力和泛化能力

，能夠處理和生成多種類型數(shù)據(jù)的人

工智能模型通常說的大模型的“大”的特點(diǎn)體現(xiàn)在：2020年

，OpenAI公司推出了GPT-3

，模型參數(shù)規(guī)模達(dá)到了1750億2023年3月發(fā)布的GPT-4的參數(shù)規(guī)模是GPT-3的10倍以上

，達(dá)到1.8萬億1.1大模型的概念訓(xùn)練數(shù)據(jù)量大計(jì)算資源需求高參數(shù)數(shù)量龐大大模型的設(shè)計(jì)和訓(xùn)練旨在提供更強(qiáng)大、

更準(zhǔn)確的模型性能

，

以應(yīng)對更復(fù)雜、

更龐大的數(shù)據(jù)集或任務(wù)。

大模型通常能夠?qū)W習(xí)到更細(xì)微的模式和規(guī)律

，具有更強(qiáng)的泛化能力和表達(dá)能力學(xué)習(xí)能力強(qiáng)大模型可以從大量的數(shù)據(jù)中學(xué)習(xí)，并利用學(xué)到的知識和模式來提供

更精準(zhǔn)的答案和預(yù)測

。這使得它

們在解決復(fù)雜問題和應(yīng)對新的場

景時(shí)表現(xiàn)更加出色上下文理解能力大模型具有更強(qiáng)的上下文理解能

力

，能夠理解更復(fù)雜的語意和語

境

。這使得它們能夠產(chǎn)生更準(zhǔn)確、

更連貫的回答可遷移性高學(xué)習(xí)到的知識和能力可以在不同

的任務(wù)和領(lǐng)域中遷移和應(yīng)用

。這

意味著一次訓(xùn)練就可以將模型應(yīng)

用于多種任務(wù)，無需重新訓(xùn)練語言生成能力大模型可以生成更自然

、更流利

的語言，減少了生成輸出時(shí)呈現(xiàn)

的錯(cuò)誤或令人困惑的問題1.1大模型的概念1.2大模型的發(fā)展歷程大模型發(fā)展歷經(jīng)三個(gè)階段

，分別是萌芽期、

沉淀期和爆發(fā)期1.2大模型的發(fā)展歷程1.2大模型的發(fā)展歷程大模型發(fā)展對算力的需求演變?nèi)斯ぶ悄馨藱C(jī)器學(xué)習(xí)

，機(jī)器學(xué)習(xí)包含了深度學(xué)習(xí)

，深度學(xué)習(xí)可以采用不同的模型

，

其中一種模型是預(yù)訓(xùn)練模型

，預(yù)訓(xùn)練模型包含了預(yù)訓(xùn)練大模型（可以簡稱為“大模型”）

，預(yù)訓(xùn)練大模型包含了預(yù)訓(xùn)練大語言模型（可以簡稱為“大語言模

型”）

，預(yù)訓(xùn)練大語言模型的典型代表包括OpenAI的GPT和百度的文心ERNIE

，

ChatGPT是基于GPT開發(fā)的大模型產(chǎn)品，

文心一言是基于文心ERNIE開發(fā)的大模型產(chǎn)品人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)預(yù)訓(xùn)練大模型預(yù)訓(xùn)練大語言模型預(yù)訓(xùn)練大語言模型GPT文心ERNIE...1.3人工智能與大模型的關(guān)系深度學(xué)習(xí)模型預(yù)訓(xùn)練模型文心一言ChatGPT語言大模型是

指

在自

然

語

言

處

理

（Nat

u

ral

La

ng

uageProcessing，

NLP）領(lǐng)域中的一類大模型，

通常

用于處理文本數(shù)據(jù)和理解自然語言

。這類大模型

的主要特點(diǎn)是它們在大規(guī)模語料庫上進(jìn)行了訓(xùn)練，以學(xué)習(xí)自然語言的各種語法

、語義和語境規(guī)則

。

代表性產(chǎn)品包括GPT系列

（

OpenA

I）、

Bard（

Google）

、

DeepSeek

、文心一言（百度）等多模態(tài)大模型是指能夠處理多種不同類型數(shù)據(jù)的大模型，例如

文本

、

圖像

、音頻等多模態(tài)數(shù)據(jù)

。這類模型結(jié)合

了NLP和CV的能力，

以實(shí)現(xiàn)對多模態(tài)信息的綜合理解和分析，從而能夠更全面地理解和處理復(fù)雜的數(shù)據(jù)

。代表性產(chǎn)品包括DingoDB多模向量數(shù)據(jù)

庫（九章云極DataCanvas）

、

DALL-E(OpenAI)、

悟空畫畫（華為）

、midjourney等視覺大模型是指在計(jì)算機(jī)視覺（

Computer

Vision

，CV）領(lǐng)

域中使用的大模型

，通常用于圖像處理和分析

。

這類模型通過在大規(guī)模圖像數(shù)據(jù)上進(jìn)行訓(xùn)練，

可

以實(shí)現(xiàn)各種視覺任務(wù)

，如圖像分類

、

目標(biāo)檢測

、

圖像分割

、姿態(tài)估計(jì)

、人臉識別等

。代表性產(chǎn)品包括VIT系列（

Google

）

、文心UFO

、華為盤古CV

、

INTERN（商湯）等1.4大模型的分類通用大模型L0是指可以在多個(gè)領(lǐng)域和任務(wù)上通用的大模型

。

它們利用大算力、使用海量的開放數(shù)據(jù)與具有巨量參數(shù)的深度學(xué)習(xí)算法，在大規(guī)模無標(biāo)注數(shù)

據(jù)上進(jìn)行訓(xùn)練，

以尋找特征并發(fā)現(xiàn)

規(guī)律

，進(jìn)而形成可“舉一反三”

的強(qiáng)

大泛化能力

，可在不進(jìn)行微調(diào)或少

量微調(diào)的情況下完成多場景任務(wù)

，

相當(dāng)于AI完成了“通識教育”行業(yè)大模型L1是指那些針對特定行業(yè)或領(lǐng)域的大模型

。

它們通常使用行業(yè)相關(guān)的數(shù)

據(jù)進(jìn)行預(yù)訓(xùn)練或微調(diào)，

以提高在該領(lǐng)域的性能和準(zhǔn)確度，相當(dāng)于AI成

為“行業(yè)專家”垂直大模型L2是指那些針對特定任務(wù)或場景的大模型

。

它們通常使用任務(wù)相關(guān)的數(shù)

據(jù)進(jìn)行預(yù)訓(xùn)練或微調(diào)，

以提高在該

任務(wù)上的性能和效果1.4大模型的分類按照應(yīng)用領(lǐng)域的不同

，大模型主要可以分為L0、

L1、

L2三個(gè)層級推理大模型推理大模型的概念大規(guī)模傳播應(yīng)該開始于

2024年9月份2024年9月12日

，

OpenAI官方宣布了

OpenAIo1推理大模型OpenAI定義推理模型在OpenAI的官網(wǎng)上

，OpenAI定義推理模

型是在回答之前進(jìn)行思考

，

并在回復(fù)用戶

之前

，在內(nèi)部生成一長串的思維鏈過程。思維鏈?zhǔn)且环N提示大語言模型進(jìn)行逐步推理的方法。它讓模型在得出最終答案之前

，

先顯式地寫出推理的中間步驟。這就像人

類解決復(fù)雜問題時(shí)會先把思考過程寫下來

一樣推理模型的核心也就是說

，如果模型在回復(fù)你之前有一長串的思考過程（這個(gè)過程必須可以顯示輸出）

，探索了很多不同的路徑之后給出答

案

，那么有這個(gè)能力的大模型就是推理大模型。推理模型的核心在于處理那些需要多步驟邏輯推導(dǎo)才能解決的復(fù)雜問題1.4大模型的分類大語言模型可以分為通用大模型和推理大模型非推理問題

：”

法國的首都是哪里

？

”（答案直接

、

無需推導(dǎo)

）推理問題：”

一列火車以每小時(shí)60英里的速度行駛3小時(shí)

，

行駛距離是多少？

”（需先理解

”距離

=速度

×

時(shí)間

”

的關(guān)系

，

再分步計(jì)算）Sebastian

Raschka博士（

Lightning

AI的首席教育學(xué)家）

：將“推理”定義為通過生成中間步驟來回答復(fù)雜問題的過程2個(gè)簡單的例子：通用的大語言模型（

LLM）

可能直接輸出簡短答案（如”

180英里”）推理模型的特點(diǎn)在于顯式展示中間推導(dǎo)過程1.4大模型的分類特性推理大模型通用大模型適用場景復(fù)雜推理、

解謎、

數(shù)學(xué)、

編碼難題文本生成、

翻譯、

摘要、

基礎(chǔ)知識問答復(fù)雜問題解決能力優(yōu)秀

，能進(jìn)行深度思考和邏輯推理一般

，難以處理多步驟的復(fù)雜問題運(yùn)算效率較低

，推理時(shí)間較長

，資源消耗大較高

，

響應(yīng)速度快

，資源消耗相對較小幻覺風(fēng)險(xiǎn)較高

，

可能出現(xiàn)“過度思考”導(dǎo)致的錯(cuò)誤答案較低

，更依賴于已知的知識和模式泛化能力更強(qiáng)

，能更好地適應(yīng)新問題和未知場景相對較弱

，更依賴于訓(xùn)練數(shù)據(jù)擅長任務(wù)舉例解決復(fù)雜邏輯謎題

，編寫復(fù)雜算法

，數(shù)學(xué)證明撰寫新聞稿

，翻譯文章

，

生成產(chǎn)品描述

，

回答

常識問題成本通常更高通常更低在應(yīng)用方面二者各有擅長的領(lǐng)域

，

而不是簡單的誰強(qiáng)誰弱問題n

如果你需要完成數(shù)據(jù)分析、

邏輯推理、

代碼生成等邏輯性較強(qiáng)且較為復(fù)雜的任務(wù)

，請選擇推理大模型n

如果你面臨創(chuàng)意寫作、

文本生成、

意圖識別等發(fā)散性較強(qiáng)且較為創(chuàng)意多樣的任務(wù)

，請選擇通用大模型1.4大模型的分類2.1

國外的大模型產(chǎn)品2.2

國內(nèi)的大模型產(chǎn)品2.3

主流大模型“幻覺”評測2.大模型產(chǎn)品廈門大學(xué)大數(shù)據(jù)教學(xué)團(tuán)隊(duì)作品n

ChatGPTChatGPT是一種由OpenAI訓(xùn)練的大語言模型。

它是基于Transformer架構(gòu)

，經(jīng)過大量文本數(shù)據(jù)訓(xùn)練而成

，能夠生成自然、

流暢的語言

，并具備回答問題、

生成文本、

語言翻譯等多種功能ChatGPT的應(yīng)用范圍廣泛

，

可以用于客服、

問答系統(tǒng)、

對話生成、

文本生成等領(lǐng)域。

它能夠理解人類語言

，并能夠回答各

種問題

，提供相關(guān)的知識和信息。

與其他聊天機(jī)器人相比

，

ChatGPT具備更強(qiáng)的語言理解和生成能力

，能夠更自然地與人

類交流

，并且能夠更好地適應(yīng)不同的領(lǐng)域和場景。

ChatGPT的訓(xùn)練數(shù)據(jù)來自互聯(lián)網(wǎng)上的大量文本

，

因此

，

它能夠涵蓋多種2.1國外的大模型產(chǎn)品語言風(fēng)格和文化背景n

GeminiGemini是谷歌發(fā)布的大模型

，

它能夠同時(shí)處理多種類型的數(shù)據(jù)和任務(wù)

，

覆蓋文本、

圖像、

音頻、

視頻等多個(gè)領(lǐng)域。

Gemini采用了全新的架構(gòu)

，將多模態(tài)編碼器和多模態(tài)解碼器兩個(gè)主要組件結(jié)合在一起

，

以提供最佳結(jié)果Gemini包括三種不同規(guī)模的模型：

Gemini

Ultra、

Gemini

Pro和Gemini

Nano

，

適用于不同任務(wù)和設(shè)備。

2023年12月6日，

Gemini的初始版本已在Bard中提供

，開發(fā)人員版本可通過Google

Cloud的API獲得。

Gemini可以應(yīng)用于Bard和Pixel8Pro智能手機(jī)。

Gemini的應(yīng)用范圍廣泛

，包括問題回答、

摘要生成、

翻譯、

字幕生成、

情感分析等任務(wù)。

然而

，

由于其復(fù)雜

性和黑箱性質(zhì)

，

Gemini的可解釋性仍然是一個(gè)挑戰(zhàn)2.1國外的大模型產(chǎn)品2024年2月16日

，

OpenAI再次震撼全球科技界

，發(fā)布了名為Sora的文本生成視頻大模型

，只需輸入文本就能自動生成視頻。

這一技術(shù)的誕生，不僅標(biāo)志著人工智能在視頻生成領(lǐng)域的重大突破

，更引發(fā)了關(guān)于人工智

能發(fā)展對人類未來影響的深刻思考。

隨著Sora的發(fā)布

，人工智能似乎正

式踏入了通用人工智能（AGI：

Artificial

General

Intelligence）

的時(shí)代。AGI是指能夠像人類一樣進(jìn)行各種智能活動的機(jī)器智能

，包括理解語言、

識別圖像、

進(jìn)行復(fù)雜推理等。

Sora大模型能夠直接輸出長達(dá)60秒的視頻

，

并且視頻中包含了高度細(xì)致的背景、

復(fù)雜的多角度鏡頭

，

以及富有情感

的多個(gè)角色。

這種能力已經(jīng)超越了簡單的圖像或文本生成

，開始觸及到

視頻這一更加復(fù)雜和動態(tài)的媒介。

這意味著人工智能不僅在處理靜態(tài)信息上越來越強(qiáng)大

，

而且在動態(tài)內(nèi)容的創(chuàng)造上也展現(xiàn)出了驚人的潛力2.1國外的大模型產(chǎn)品n

Soran

Sora右圖是Sora根據(jù)文本自動生成的視頻畫面

，

一位戴著墨鏡、

穿著皮衣的時(shí)尚女子走在雨后夜晚的東京市區(qū)

街道上

，抹了鮮艷唇彩的唇角微微翹起

，

即便帶著墨

鏡也能看到她的微笑

，地面的積水映出了她的身影和

燈紅酒綠的霓虹燈

，熱鬧非凡的唐人街正在進(jìn)行舞龍

表演

，熙熙攘攘的人群目光都聚焦在躍動的彩龍身上，

整個(gè)環(huán)境的喜慶氛圍仿佛令人身臨其境2.1國外的大模型產(chǎn)品n

OpenAI

o32024年12月20日

，

OpenAI發(fā)布推理模型o3

，無論在軟件工程、

編寫代碼

，還是競賽數(shù)學(xué)、

掌握人類博士級別的自然科學(xué)

知識能力方面

，

o3都達(dá)到了很高的水平2.1國外的大模型產(chǎn)品大模型圖標(biāo)指標(biāo)排名DeepSeek能力測評第一豆包用戶數(shù)量第一Kimi文本處理第一即夢AI作圖能力第一通義萬相視頻生成第一智譜清言文檔歸納第一2.2國內(nèi)的大模型產(chǎn)品2025年1月國內(nèi)大模型排行榜2024年12月26日

，杭州一家名為“深度求索”（

DeepSeek）

的中國初創(chuàng)公司，發(fā)布了全新一代大模型DeepSeek-V3。

在多個(gè)基準(zhǔn)測試中

，

DeepSeek-V3的

性能均超越了其他開源模型

，

甚至與頂尖的閉源大模型GPT-4o不相上下

，尤

其在數(shù)學(xué)推理上

，

DeepSeek-V3更是遙遙領(lǐng)先。

DeepSeek-V3以多項(xiàng)開創(chuàng)性

技術(shù)

，大幅提升了模型的性能和訓(xùn)練效率。

DeepSeek-V3在性能比肩GPT-4o的同時(shí)

，研發(fā)卻只花了558萬美元

，

訓(xùn)練成本不到后者的二十分之一。

因

為表現(xiàn)太過優(yōu)越

，

DeepSeek在硅谷被譽(yù)為“來自東方的神秘力量”。2025年1月20日

，

DeepSeek-R1正式發(fā)布

，擁有卓越的性能

，在數(shù)學(xué)、

代碼

和推理任務(wù)上可與OpenAI

o1媲美。2.2國內(nèi)的大模型產(chǎn)品n

DeepSeek（深度求索）DeepSeek創(chuàng)始人梁文峰n通義千問通義千問是阿里云推出的一個(gè)超大規(guī)模的語言模型

，

它具備多輪對話、

文

案創(chuàng)作、

邏輯推理、

多模態(tài)理解、

多語言支持的能力。

通義千問這個(gè)名字

有“通義”和“千問”兩層含義

，

“通義”表示這個(gè)模型能夠理解各種語

言的含義

，

“千問”則表示這個(gè)模型能夠回答各種問題。

通義千問基于深

度學(xué)習(xí)技術(shù)

，通過對大量文本數(shù)據(jù)進(jìn)行訓(xùn)練

，從而具備了強(qiáng)大的語言理解

和生成能力。

它能夠理解自然語言

，并能夠生成自然語言文本n字節(jié)跳動豆包豆包是字節(jié)跳動基于云雀模型開發(fā)的

AI

，

能理解你的需求并生成高質(zhì)量回應(yīng)。

它知識儲備豐富

，

涵蓋歷史、

科學(xué)、

技術(shù)等眾多領(lǐng)域

，

無論是日常問題咨詢

，

還是深入學(xué)術(shù)探討

，

都能提供準(zhǔn)確全面的信息。

同時(shí)

，

具備出色的文本創(chuàng)作能力

，

能撰寫故事、

詩歌、

文案等各類體裁。

并且擅長語言交互

，交流自然流暢

，就像身邊的知心伙伴

，

耐心傾聽并給予恰當(dāng)反饋2.2國內(nèi)的大模型產(chǎn)品n文心一言文心一言是由百度研發(fā)的知識增強(qiáng)大模型

，能夠與人對話互動、

回答問題、

協(xié)助創(chuàng)作

，

高效便捷地幫助人們獲取信息、

知識和靈感文心一言基于飛槳深度學(xué)習(xí)平臺和文心知識增強(qiáng)大模型

，持續(xù)從海量數(shù)據(jù)和

大規(guī)模知識中融合學(xué)習(xí)

，具備知識增強(qiáng)、

檢索增強(qiáng)和對話增強(qiáng)的技術(shù)特色。文心一言具有廣泛的應(yīng)用場景

，例如智能客服、

智能家居、

移動應(yīng)用等領(lǐng)域。

它可以與用戶進(jìn)行自然語言交互

，

幫助用戶解決各種問題

，提供相關(guān)的知識Kimi是月之暗面科技2023年推出的

AI

助手

，

可處理200萬字超長文本

，支持多格式文件解讀、

互聯(lián)網(wǎng)信息搜索整合、

多語言對話等

，能用于辦公、

學(xué)習(xí)、

創(chuàng)作等

場景

，有網(wǎng)頁版、

APP、

微信小程序等使用方式2.2國內(nèi)的大模型產(chǎn)品和信息n

Kimi大模型幻覺

，也被稱為A

I幻覺

，是指大型語言模型在生成內(nèi)容時(shí)

，

產(chǎn)生與事實(shí)不符、

邏輯錯(cuò)誤或

無中生有等不合理信息的現(xiàn)象比如在回答歷史事件時(shí)

，

可能會編造不存在的細(xì)

節(jié)或人物；

在進(jìn)行科學(xué)知識講解時(shí)

，

給出錯(cuò)誤的

理論或數(shù)據(jù)其產(chǎn)生原因主要包括：

模型訓(xùn)練數(shù)據(jù)存在偏差、

不完整或錯(cuò)誤

，

導(dǎo)致在學(xué)習(xí)過程中引入了不準(zhǔn)確

的信息；

模型基于概率分布生成內(nèi)容

，

在某些情

況下會選擇一些看似合理但實(shí)際錯(cuò)誤的路徑。

大

模型幻覺會影響信息的準(zhǔn)確性和可靠性

，

在信息

傳播、

學(xué)術(shù)研究等領(lǐng)域可能帶來不良影響。

因此，

在使用大模型時(shí)

，

需要對其輸出內(nèi)容進(jìn)行仔細(xì)驗(yàn)

證和甄別2.3主流大模型“幻覺”評測3.大模型的行業(yè)應(yīng)用廈門大學(xué)大數(shù)據(jù)教學(xué)團(tuán)隊(duì)作品（2）計(jì)算機(jī)視覺大模型在計(jì)算機(jī)視覺領(lǐng)域也有廣泛應(yīng)用

，可以用于圖像分類（識別圖像中的物體和場景）、

目標(biāo)檢測（能夠定位并識別圖像中的特定物體）、圖像生成（如風(fēng)格遷移、圖像超分辨率增強(qiáng)）、人臉識別（用于安全驗(yàn)證和身份識別）、醫(yī)學(xué)影像分析（輔助醫(yī)生診斷疾病）等（1）

自然語言處理大模型在自然語言處理領(lǐng)域具有重要的應(yīng)用

，可以用于文本生成（如文章、小說、新聞等的創(chuàng)作）、翻譯系統(tǒng)（能夠?qū)崿F(xiàn)高質(zhì)量的

跨語言翻譯）、問答系統(tǒng)（能夠回答用戶提出的問題）、情感分析（用于判斷文本中的情感傾向）、語言生成（如聊天機(jī)器人）等大模型的應(yīng)用領(lǐng)域非常廣泛

，涵蓋了自然語言處理、

計(jì)算機(jī)視覺、

語音識別、

推薦系統(tǒng)、

醫(yī)療健康、

金融風(fēng)控、

工業(yè)制造、生物信息學(xué)、

自動駕駛、

氣候研究等多個(gè)領(lǐng)域3.大模型的行業(yè)應(yīng)用（4）推薦系統(tǒng)大模型可以用于個(gè)性化推薦、廣告推薦等任務(wù)。通過分析用戶的歷史行為和興趣偏好

，大模型可以為用戶提供個(gè)性化的推薦服務(wù)

，提高用

戶滿意度和轉(zhuǎn)化率（3）語音識別大模型在語音識別領(lǐng)域也有應(yīng)用

，如語音識別、語音合成等。通過

學(xué)習(xí)大量的語音數(shù)據(jù)

，大模型可以實(shí)現(xiàn)高質(zhì)量的跨語言翻譯和語音

識別以及生成自然語音3.大模型的行業(yè)應(yīng)用金融風(fēng)控自動駕駛醫(yī)療健康大模型可以用于信用評估、欺詐檢測等任務(wù)

。通過分析大量的金融數(shù)據(jù)

，大模型可

以評估用戶的信用等級和風(fēng)險(xiǎn)水平，

以及檢測欺詐行為，提高金融系統(tǒng)的安全性和

穩(wěn)定性大模型可以用于醫(yī)療影像診斷、疾病預(yù)測等任務(wù)

。通過學(xué)習(xí)大量的醫(yī)學(xué)影像數(shù)據(jù)

，大模型可以輔助醫(yī)生進(jìn)行疾病診斷和治療方案制定，提高醫(yī)療水平和效率型可以實(shí)現(xiàn)對車輛周圍環(huán)境的感知和識別，以及進(jìn)行決策和控制，提高自動駕駛的安

全性和效率3.大模型的行業(yè)應(yīng)用大模型可以用于自動駕駛中的感知、決策等任務(wù)

。通過學(xué)習(xí)大量的駕駛數(shù)據(jù)

，大模在生物信息學(xué)領(lǐng)域

，大模型可以用于基因序列分析（識別基因中的功能元件和變異

位點(diǎn)）

、蛋白質(zhì)結(jié)構(gòu)預(yù)測（推測蛋白質(zhì)的二級和三級結(jié)構(gòu)）

、藥物研發(fā)（預(yù)測分子

與靶點(diǎn)的相互作用）等大模型可以用于質(zhì)量控制、故障診斷等任務(wù)

。通過學(xué)習(xí)大量的工業(yè)制造數(shù)據(jù)

，大模型可以輔助工程師進(jìn)行產(chǎn)品質(zhì)量控制和故障診斷，提高生產(chǎn)效率和產(chǎn)品質(zhì)量在氣候研究領(lǐng)域

，大模型可以處理氣象數(shù)據(jù)

，進(jìn)行天氣預(yù)測和氣候模擬

。

它們能夠分析復(fù)雜的氣象現(xiàn)象，提供準(zhǔn)確的氣象預(yù)報(bào)

，幫助人們做出應(yīng)對氣候變化的決策3.大模型的行業(yè)應(yīng)用工業(yè)制造生物信息學(xué)氣候研究4.1政府部門為什么需要本地部署大模型4.2本地大模型構(gòu)建的技術(shù)方案選擇4.3政府部門采用DeepSeek一體機(jī)的重要性和有效性4.4

DeepSeek大模型一體機(jī)在政府部門快速落地4.5

DeepSeek大模型一體機(jī)產(chǎn)品4.6

DeepSeek大模型一體機(jī)價(jià)格4.7政務(wù)大模型的安全風(fēng)險(xiǎn)4.政府部門本地部署大模型本地部署大模型4.1政府部門為什么需要本地部署大模型離線與高效使用成本與資源優(yōu)化數(shù)據(jù)隱私與安全性閉環(huán)管理機(jī)制定制化與靈活性模型微調(diào)技術(shù)要點(diǎn)（1）高質(zhì)量的標(biāo)注數(shù)據(jù)：

標(biāo)注數(shù)據(jù)

的質(zhì)量直接影響微調(diào)的效果

，

需要確

保數(shù)據(jù)標(biāo)注的準(zhǔn)確性和一致性（2）合理的微調(diào)策略：

選擇合適的

微調(diào)算法和超參數(shù)

，避免過擬合或欠

擬合問題模型微調(diào)技術(shù)特點(diǎn)（1）領(lǐng)域針對性強(qiáng)：

經(jīng)過微調(diào)的模

型在特定領(lǐng)域的表現(xiàn)會有顯著提升

，

能夠更好地理解和處理該領(lǐng)域的專業(yè)

問題（2）模型適應(yīng)性優(yōu)化：

通過微調(diào)可

以調(diào)整模型的參數(shù)

，使其更符合特定

任務(wù)的要求

，提高輸出的準(zhǔn)確性和穩(wěn)

定性模型微調(diào)和本地知識庫使用海量數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練得到的基礎(chǔ)

大模型

，具備廣泛的語言理解和生成

能力

，但在特定任務(wù)上的表現(xiàn)往往不

夠精準(zhǔn)。解決方案：（1）模型微調(diào)；（

2）本地知識庫4.2本地大模型構(gòu)建的技術(shù)方案選擇模型微調(diào)還是本地知識庫？在監(jiān)督微調(diào)階段

，模型會學(xué)習(xí)一個(gè)指令-響應(yīng)（Instruction-Response）

數(shù)據(jù)集

，

該數(shù)據(jù)集包含大量人

類編寫的任務(wù)示例

，例如“請解釋相對論的基本概念”及其標(biāo)準(zhǔn)答案通過這種方式

，

模型能夠理解不同類型的任務(wù)并提供符合預(yù)期的回答

。

指令-響應(yīng)

（Instruction

-Response）

數(shù)據(jù)集用于訓(xùn)練模型理解任務(wù)指令并生成符合預(yù)期的響應(yīng)時(shí)效性問題對知識更新頻繁的領(lǐng)域

，微調(diào)后的模型可能很快會過時(shí)

，

需要不斷重新訓(xùn)練在微調(diào)完成后

，

部分高級模型還會使用強(qiáng)化學(xué)習(xí)進(jìn)行優(yōu)化。

例如

，

ChatGPT和Claude使用人類反饋

強(qiáng)化學(xué)習(xí)（

RLHF）

讓模型的回答更符合用戶期望

，更好地選擇符合人類偏好的答案數(shù)據(jù)準(zhǔn)備成本高需要收集、

整理和標(biāo)注大量特定領(lǐng)域的數(shù)據(jù)

，這是一個(gè)耗時(shí)費(fèi)力的過程4.2本地大模型構(gòu)建的技術(shù)方案選擇模型微調(diào)主要是指令微調(diào)

，指令微調(diào)包括兩個(gè)階段：

監(jiān)督微調(diào)和強(qiáng)化學(xué)習(xí)監(jiān)督微調(diào)強(qiáng)化學(xué)習(xí)不足之處：n

本地知識庫RAG（

Retrieval-Augmented

Generation）

，

即檢索增強(qiáng)生成

，是一種結(jié)合檢索技術(shù)和生成模型的技術(shù)框架，

旨在提升模型生成內(nèi)容的準(zhǔn)確性和相關(guān)性其核心思想是：

在生成答案前

，

先從外部知識庫中檢索相關(guān)信息

，

再將檢索結(jié)果與用戶輸入結(jié)合

，指導(dǎo)生成模型

輸出更可靠的回答。

簡單地說

，就是利用已有的文檔、

內(nèi)部知識生成向量知識庫

，在提問的時(shí)候結(jié)合庫的內(nèi)容一

起給大模型

，

讓其回答的更準(zhǔn)確

，

它結(jié)合了信息檢索和大模型技術(shù)4.2本地大模型構(gòu)建的技術(shù)方案選擇實(shí)時(shí)知識補(bǔ)充模型的回復(fù)結(jié)合了業(yè)務(wù)知識和實(shí)時(shí)知識

，

所以實(shí)時(shí)

性可以更好減少模型幻覺由于提問結(jié)合了業(yè)務(wù)知識

，所以減少了模型的幻覺，

即減少了模型的胡說八道保護(hù)數(shù)據(jù)隱私由于日常的業(yè)務(wù)知識是保存到本地的

，

所以減少信

息泄露的風(fēng)險(xiǎn)4.2本地大模型構(gòu)建的技術(shù)方案選擇無需重新訓(xùn)練不用重新訓(xùn)練模型

，微調(diào)模型降低了成本n

本地知識庫的優(yōu)點(diǎn)DeepSeek一體機(jī)通過AI技術(shù)實(shí)現(xiàn)政務(wù)場景的自動化處理

，

例如深圳福田區(qū)部署

的

“A

I數(shù)智員工

”

可在幾秒內(nèi)完成傳統(tǒng)需數(shù)天的公文起草任務(wù)

，

格式準(zhǔn)確率超

95%

，

審核時(shí)間縮短90%。

這種效率提升在政務(wù)辦公、

城市治理等領(lǐng)域具有顯著

示范效應(yīng)一體機(jī)集成高性能AI芯片和優(yōu)化算法

，

顯著降低政府部門部署AI技術(shù)的門檻。

例

如

，

政府部門通過私有化部署DeepSeek一體機(jī)

，

既能處理敏感數(shù)據(jù)

，

又能提升

工作效率4.3政府部門采用DeepSeek一體機(jī)的重要性和有效性n

提升政務(wù)服務(wù)和政府工作效率符合國家數(shù)字化戰(zhàn)略中國“十四五”規(guī)劃強(qiáng)調(diào)政務(wù)服務(wù)智能化轉(zhuǎn)型

，

一

體機(jī)通過硬件集成化、

軟件定制化

，

幫助政府破解

數(shù)據(jù)孤島和運(yùn)維復(fù)雜難題

，

契合“安全可控、

集約

高效”的轉(zhuǎn)型原則本地化部署滿足安全需求政府機(jī)構(gòu)和央國企涉及大量敏感數(shù)據(jù)

，

DeepSeek一體機(jī)支持私有化部署

，確保數(shù)據(jù)“可用不可見”，

如四川樂山政務(wù)云通過本地化部署保障數(shù)據(jù)安全4.3政府部門采用DeepSeek一體機(jī)的重要性和有效性n

保障數(shù)據(jù)安全與合規(guī)性今年春節(jié)后

，

DeepSeek一體機(jī)訂單量激增300%

，客戶從省市級政府延伸至鄉(xiāng)鎮(zhèn)政府。

這一變化折射出我國政務(wù)智能化

進(jìn)程的深刻轉(zhuǎn)向——隨著DeepSeek開源模型的普及

，人工智能正成為縣域治理的“數(shù)字新基建”2023年以來的政務(wù)大模型建設(shè)浪潮中

，

高昂的本地化部署成本曾是制約因素。

據(jù)中國信息通信研究院報(bào)告

，全國56家大

模型廠商雖積極布局

，但政務(wù)應(yīng)用多集中于一、

二線城市。

此次DeepSeek的開源特性打破了這一格局

，

其“只需硬件

和算力”的輕量化解決方案

，使各級政府能夠以低門檻擁抱智能時(shí)代

，

甚至無須自建數(shù)據(jù)中心4.4

DeepSeek大模型一體機(jī)在政府部門快速落地過去

，部署一個(gè)政務(wù)大模型需要千萬元級預(yù)算和半年調(diào)試周期現(xiàn)在

，

一臺搭載8張AI芯片的一體機(jī)就能滿足30人團(tuán)隊(duì)的深度應(yīng)用協(xié)創(chuàng)數(shù)據(jù)：

Fcloud

DeepSeek滿血版一體機(jī)麒麟信安：麒麟信安全國產(chǎn)化智算一體機(jī)亞康華創(chuàng)科技：

D-BOX

Pro桌面級智能一體機(jī)華為昇騰：昇騰DeepSeek推理一體機(jī)聯(lián)想集團(tuán)：智能體一體機(jī)與訓(xùn)推一體服務(wù)器釘釘科技：專屬A

I一體機(jī)新華三：

DeepSeek智能一體機(jī)寶得：

DeepSeek一體化智能設(shè)備中國電信：息壤智算一體機(jī)-DeepSeek版中國移動：智算一體機(jī)-DeepSeek版中國聯(lián)通：

DeepSeek一體機(jī)柏飛電子：

DeepSeek加固式一體機(jī)京東云：

DeepSeek大模型一體機(jī)華能振宇：天巡

DeepSeek大模型一體機(jī)昆侖技術(shù)：

DeepSeek本地化部署一體機(jī)百度：百舸

DeepSeek一體機(jī)黃河信產(chǎn)：黃河

DeepSeek一體機(jī)天璣科技：

Pri

Data超融合一體機(jī)深信服：一朵云?？低暎何乃汛鎯ο盗挟a(chǎn)品大華股份：大華神算浪潮信息：

DeepSeek

"推理一體機(jī)"中國長城：長城擎天GF7280V5A

I訓(xùn)推一體機(jī)中科曙光：曙光

DeepSeek人工智能一體機(jī)優(yōu)刻得：

DeepSeek滿血版大模型一體機(jī)云從科技：從容大模型訓(xùn)推一體機(jī)天融信：融信DeepSeek安全智算一體機(jī)新致軟件：新致信創(chuàng)一體機(jī)軟通動力：

DeepSeek應(yīng)用方案一體機(jī)科大訊飛：

"星火+DeepSeek雙引擎一體機(jī)"拓維信息：拓維信息智能數(shù)據(jù)標(biāo)注一體機(jī)4.5

DeepSeek大模型一體機(jī)產(chǎn)品從應(yīng)用場景來看三大運(yùn)營商憑借其在通信網(wǎng)絡(luò)和數(shù)據(jù)

資源方面的優(yōu)勢

，推出的

DeepSeek一體機(jī)在政務(wù)領(lǐng)域表現(xiàn)突出從適配的模型來看部分企業(yè)憑借自身技術(shù)實(shí)力與資源優(yōu)

勢

，在一體機(jī)中成功適配了滿血版模

型

，為政府用戶帶來更為強(qiáng)大的性能

體驗(yàn)。華為便是其中之一

，其推出的

DS版

FusionCubeA3000訓(xùn)/推超

融合一體機(jī)的

Ultra（滿血版）

，可

完美適配

DeepSeek-

R1、V3

的

671B模型。相對而言

，部分企業(yè)發(fā)布的一體機(jī)暫未明確表示支持滿血版

DeepSeek模型從硬件選擇來看昇騰芯片在計(jì)算性能與能效比等方面

優(yōu)勢獨(dú)特

，能為深度學(xué)習(xí)任務(wù)高效提

供并行計(jì)算能力。華為、三大運(yùn)營商、神州數(shù)碼等多家公司

，均以昇騰芯片

為依托

，構(gòu)建出

DeepSeek一體機(jī)

強(qiáng)大的算力基礎(chǔ)新致軟件、中科曙光、聯(lián)想集團(tuán)等公司

，選擇以海光、沐曦等國產(chǎn)芯片作

為算力基石。同時(shí)

，部分公司在采用常見國際品牌芯片的基礎(chǔ)上

，也積極與國內(nèi)芯片廠商開展合作探索4.5

DeepSeek大模型一體機(jī)產(chǎn)品n

不同DeepSeek大模型一體機(jī)產(chǎn)品的差異關(guān)鍵成本因素

部署規(guī)模：單服務(wù)器與多服務(wù)器集群

配置的差異

GPU/NPU選擇：國產(chǎn)與國際加速器

卡的成本差異

內(nèi)存需求：671B等大模型需要大量內(nèi)

存資源

支持和維護(hù)合同：企業(yè)級支持協(xié)議的

費(fèi)用

軟件許可：

DeepSeek商業(yè)許可和管

理工具的成本估計(jì)總成本范圍在Deepseek-671滿血版硬件配置基礎(chǔ)上估算如下：

入門級671B配置：￥1,500,000-

￥2,500,000

中端企業(yè)部署：￥2,500,000-

￥5,000,000

高端多服務(wù)器集群設(shè)置：￥5,000,000-

￥10,000,000+硬件成本分析

服務(wù)器硬件：￥200,000-500,000

，用于配備高端處理器的企業(yè)級服務(wù)器

A

I加速器：￥1,000,000-2,500,000

，用于671B模型所需的8+高性能GPU/NPU

內(nèi)存：￥150,000-300,000

，用于1-

2TB

RAM配置（如協(xié)創(chuàng)數(shù)據(jù)所提及）

存儲：￥80,000-200,000

，用于高性能

NVMe

SSD

軟件與集成：￥200,000-600,000

，用于DeepSeek部署、平臺集成和支持服務(wù)4.6

DeepSeek大模型一體機(jī)價(jià)格生成內(nèi)容風(fēng)險(xiǎn)應(yīng)用安全風(fēng)險(xiǎn)訓(xùn)練語料安全風(fēng)險(xiǎn)軟件供應(yīng)鏈安全風(fēng)險(xiǎn)數(shù)據(jù)安全風(fēng)險(xiǎn)4.7政務(wù)大模型的安全風(fēng)險(xiǎn)使用安全風(fēng)險(xiǎn)

大模型自身風(fēng)險(xiǎn)詳細(xì)內(nèi)容請閱讀

：奇安信集團(tuán)2024年發(fā)布的《政務(wù)大模型安全治理框架》5.DeepSeek大模型在政務(wù)服務(wù)領(lǐng)域的應(yīng)用5.1

DeepSeek大模型在政務(wù)服務(wù)中的應(yīng)用形式5.2

DeepSeek在政務(wù)服務(wù)應(yīng)用中的問題5.3

DeepSeek在政務(wù)服務(wù)應(yīng)用中的建議對策5.4

關(guān)于政務(wù)大模型是否會取代公務(wù)員的探討廈門大學(xué)大數(shù)據(jù)教學(xué)團(tuán)隊(duì)作品（3）企業(yè)登記注冊咨詢北京市市場監(jiān)管局接入DeepSeek

后

，企業(yè)登記注冊業(yè)務(wù)可提供24小時(shí)在線智能咨詢

，打造“能感知、會思考、有溫度”的AI服務(wù)（6）智能填單助手通

過

語

音

或

文

字

交

互

，DeepSeek

可以輔助用戶填寫各

類申請表格

，

自動識別和糾正錯(cuò)誤，

提高填單效率和準(zhǔn)確率。（2）智能審批助手河北秦皇島市數(shù)據(jù)和政務(wù)服務(wù)局通過DeepSeek實(shí)現(xiàn)審批問題精準(zhǔn)檢索與權(quán)威解答，提升審批效率；邯鄲武安市在“武優(yōu)辦”小程

序中嵌入“

DeepSeek智詢

”，可30秒內(nèi)生成危險(xiǎn)化學(xué)品經(jīng)營許可證等業(yè)務(wù)辦理指南（4）智能政務(wù)熱線（12345）

優(yōu)化（7）虛擬窗口服務(wù)在特定場景下

，例如夜間或偏遠(yuǎn)

地區(qū)

，可以設(shè)置

DeepSeek驅(qū)動

的虛擬窗口

，提供7x24小時(shí)在線

政務(wù)服務(wù)

，突破時(shí)間和空間的限制（5）智能引導(dǎo)機(jī)器人DeepSeek驅(qū)動的機(jī)器人可以在

政務(wù)大廳提供咨詢引導(dǎo)服務(wù)

，解答

常見問題

，指引辦事窗口

，減輕人

工咨詢壓力。（1）多語種智能客服在新疆霍爾果斯市政務(wù)平臺部署

，支持俄

語、

哈薩克語、

維吾爾語等多語種實(shí)時(shí)對

話

，

實(shí)現(xiàn)政策解答

“一鍵智達(dá)”和審批申

報(bào)

“秒級響應(yīng)”5.

1

DeepSeek大模型在政務(wù)服務(wù)中的應(yīng)用形式借助自然語言處理技術(shù)

，

實(shí)現(xiàn)智能應(yīng)答、

工單自動分類與轉(zhuǎn)派。

廣東梅州接入相關(guān)

技術(shù)后

，

話務(wù)接通等待時(shí)間大幅縮短了

28%

，工單直派準(zhǔn)確率更是超過90%

，極

大地提高了政務(wù)熱線的處理效率和準(zhǔn)確性n

智能政務(wù)咨詢與審批服務(wù)（1）個(gè)性化政策匹配基于知識圖譜技術(shù)

，

DeepSeek可生成定制化流程

清單（如無錫數(shù)字人“小運(yùn)”）

，政策匹配精度超

90%

，并支持復(fù)雜政策的多層級解讀。

山東泰安推

出的“政策翻譯官”

，則將復(fù)雜的法規(guī)內(nèi)容簡化，

生成合規(guī)文書

，方便企業(yè)和群眾查閱使用根據(jù)用戶畫像推送政策信息

，例如創(chuàng)業(yè)培訓(xùn)課程、招聘信息、

社保辦理提醒、

創(chuàng)業(yè)補(bǔ)貼、

企業(yè)經(jīng)營風(fēng)

險(xiǎn)、

自然災(zāi)害預(yù)警等

，

實(shí)現(xiàn)“政策找人”

，減少用

戶主動查詢成本

，提升服務(wù)觸達(dá)率和用戶粘性5.

1

DeepSeek大模型在政務(wù)服務(wù)中的應(yīng)用形式n

政策解讀與精準(zhǔn)服務(wù)推送（2）

主動服務(wù)推送矛盾糾紛智能調(diào)解DeepSeek可以分析社區(qū)矛盾糾紛案例

，構(gòu)

建案例知識庫

，并輔助調(diào)解員進(jìn)行矛盾分析、

解決方案生成、調(diào)解話術(shù)建議等

，提高調(diào)解

效率和成功率訴求智能分派與協(xié)同DeepSeek可以根據(jù)訴求內(nèi)容、地理位置、部門職責(zé)等因素

，智能分派工單到相關(guān)部門

或人員

，并實(shí)現(xiàn)跨部門協(xié)同處理

，提高訴求

處置效率和協(xié)同性訴求熱點(diǎn)分析與趨勢預(yù)測

DeepSeek可以分析海量的民生訴求數(shù)據(jù)

，

挖掘熱點(diǎn)問題和趨勢

，為政府決策提供參考

，例如預(yù)測未來一段時(shí)間的交通擁堵熱點(diǎn)、環(huán)境污染高發(fā)區(qū)域等訴求意圖精準(zhǔn)識別DeepSeek可以更準(zhǔn)確地識別民生訴求的意圖和情感

，例如投訴、建議、求助等

，并

進(jìn)行精細(xì)化分類

，為后續(xù)處置提供更準(zhǔn)確的

依據(jù)社區(qū)居民智能畫像DeepSeek可以分析社區(qū)居民的各類數(shù)據(jù)

，

例如年齡結(jié)構(gòu)、職業(yè)分布、服務(wù)需求等

，構(gòu)

建社區(qū)居民智能畫像

，為社區(qū)服務(wù)精準(zhǔn)化提

供數(shù)據(jù)支撐社區(qū)治理風(fēng)險(xiǎn)預(yù)警DeepSeek可以結(jié)合社區(qū)安全數(shù)據(jù)、輿情數(shù)據(jù)等

，進(jìn)行社區(qū)治理風(fēng)險(xiǎn)研判和預(yù)警

，例

如治安風(fēng)險(xiǎn)預(yù)警、輿情風(fēng)險(xiǎn)預(yù)警等

，提升社

區(qū)安全水平5.

1

DeepSeek大模型在政務(wù)服務(wù)中的應(yīng)用形式n

城市治理與基層服務(wù)應(yīng)急資源智能調(diào)度與協(xié)同

在突發(fā)事件發(fā)生時(shí)

，

DeepSeek可以輔助應(yīng)

急指揮部門進(jìn)行應(yīng)急資源智能調(diào)度

，例如救

援隊(duì)伍、物資、設(shè)備等

，并實(shí)現(xiàn)跨部門協(xié)同

聯(lián)動

，提高應(yīng)急響應(yīng)效率應(yīng)急預(yù)案智能生成與優(yōu)化DeepSeek可以根據(jù)突發(fā)事件類型和風(fēng)險(xiǎn)等級

，智能生成應(yīng)急預(yù)案

，并根據(jù)歷史數(shù)據(jù)和

模擬推演

，不斷優(yōu)化應(yīng)急預(yù)案

，提升應(yīng)急處

置能力城市安全風(fēng)險(xiǎn)智能研判DeepSeek可以結(jié)合城市各類安全數(shù)據(jù)

，

例如交通數(shù)據(jù)、消防數(shù)據(jù)、治安數(shù)據(jù)、氣象數(shù)據(jù)等

，進(jìn)行城市安全風(fēng)險(xiǎn)研判

，識別潛在

的安全隱患

，并進(jìn)行風(fēng)險(xiǎn)等級評估突發(fā)事件智能預(yù)警:

DeepSeek

可以實(shí)時(shí)監(jiān)測城市運(yùn)行數(shù)據(jù)和輿情信息

，對突發(fā)事件進(jìn)行智能預(yù)警

，例如自然災(zāi)害預(yù)警、公共衛(wèi)生事件預(yù)警、安全事故預(yù)警等

，為政府應(yīng)急

響應(yīng)爭取寶貴時(shí)間5.

1

DeepSeek大模型在政務(wù)服務(wù)中的應(yīng)用形式n

城市治理與基層服務(wù)生成式模型的幻覺所引發(fā)的可信度風(fēng)險(xiǎn)：

DeepSeek作為生成式AI模型

，是基于概率的模型

，其輸出結(jié)果可能存在不可解釋性和

“幻覺”問題

，即生成的內(nèi)容看似合理但并不符合實(shí)際情況。在政策咨詢場景中

，如果系統(tǒng)提供的答案存在錯(cuò)誤或誤導(dǎo)性信息

，可

能引發(fā)公眾對政府服務(wù)的不信任

，甚至導(dǎo)致決策失誤數(shù)據(jù)安全與模型可靠性帶來的系統(tǒng)性風(fēng)險(xiǎn)：

DeepSeek的應(yīng)用依賴于海量數(shù)據(jù)的訓(xùn)練和調(diào)用

，這可能帶來數(shù)據(jù)泄露、濫用或被惡意

攻擊的風(fēng)險(xiǎn)。例如

，政務(wù)數(shù)據(jù)中涉及大量敏感信息

，如果安全防護(hù)不到位

，可能導(dǎo)致隱私泄露、數(shù)據(jù)篡改等

，進(jìn)而影響政府公信力

和社會穩(wěn)定

術(shù)故障、網(wǎng)絡(luò)攻擊或突發(fā)事件時(shí)顯得脆弱。例如

，一旦DeepSeek系統(tǒng)出現(xiàn)故障

，可能直接影響政務(wù)服務(wù)的正常運(yùn)行

，甚至引發(fā)公眾對政府應(yīng)急能力的質(zhì)疑來源：人民中科研究院資源浪費(fèi)與效率失衡風(fēng)險(xiǎn)：

目前

，部分地方政府在引入DeepSeek時(shí)缺乏統(tǒng)一的規(guī)劃和標(biāo)準(zhǔn)

，導(dǎo)致重復(fù)建設(shè)和資源浪費(fèi)。例如

，一些地方政府在未充分評估實(shí)際需求的情況下

，投入大量資金引入DeepSeek及算力設(shè)備

，但由于技術(shù)適配性不足或使用場景有限

，

最終未能實(shí)現(xiàn)預(yù)期效果

，造成投入產(chǎn)出比失衡5.2

DeepSeek在政務(wù)服務(wù)應(yīng)用中的問題過度依賴技術(shù)導(dǎo)致的系統(tǒng)脆弱性與應(yīng)急能力不足風(fēng)險(xiǎn)：如果政府部門過度依賴DeepSeek等人工智能技術(shù)

，可能導(dǎo)致系統(tǒng)在面對技三是準(zhǔn)確評估數(shù)據(jù)載體的安全

邊界

，

筑牢數(shù)據(jù)安全防線。DeepSeek的應(yīng)用依賴于海量

數(shù)據(jù)的訓(xùn)練和調(diào)用

，

因此必須

明確數(shù)據(jù)的安全邊界

，確保敏

感信息不被濫用或泄露。

具體

措施包括

，對于非公開數(shù)據(jù)，要禁止使用API調(diào)用的方式

，

避免數(shù)據(jù)被截取或泄露。

同時(shí)

，

優(yōu)先采用國產(chǎn)化算力基礎(chǔ)設(shè)施

，

確保數(shù)據(jù)主權(quán)和系統(tǒng)安全性一是準(zhǔn)確評估業(yè)務(wù)應(yīng)用場景對

模型的需求

，避免資源浪費(fèi)與

效率失衡。

在引入DeepSeek之前

，政府部門應(yīng)充分調(diào)研和

評估實(shí)際業(yè)務(wù)場景的需求

，

明

確技術(shù)的適用性和優(yōu)先級。

例

如

，對于高頻、

標(biāo)準(zhǔn)化程度高

的業(yè)務(wù)(如政策咨詢、

信息查

詢)

，

可以優(yōu)先

引入DeepSeek以提升效率。

而對

于復(fù)雜、

涉及重大決策的業(yè)務(wù)

，

則需謹(jǐn)慎評估技術(shù)的適用性二是準(zhǔn)確評估模型和算力成本

，

平衡投入與收益的關(guān)系。

在推

進(jìn)DeepSeek大模型與政務(wù)服

務(wù)的深度融合前

，系統(tǒng)化論證

算力資源、

模型開發(fā)運(yùn)維成本

與業(yè)務(wù)收益的平衡關(guān)系

，

是規(guī)

避技術(shù)盲目投入、

實(shí)現(xiàn)可持續(xù)

智能化轉(zhuǎn)型的核心前提。

例如

有的行政審批的智能化應(yīng)用中

，

人工智能系統(tǒng)雖將部分環(huán)節(jié)處

理時(shí)間大幅壓縮

，但因需額外

增設(shè)人工復(fù)核崗位

，

實(shí)際綜合

成本不降反升四是建立內(nèi)容安全常態(tài)化防控

機(jī)制

，提升技術(shù)可信度與公眾

信任。

針對DeepSeek可能存

在的生成內(nèi)容不可解釋性和

“幻覺”問題

，政府部門應(yīng)建

立常態(tài)化全生命周期的內(nèi)容安

全防控機(jī)制5.3

DeepSeek在政務(wù)服務(wù)應(yīng)用中的建議對策來源：人民中科研究院5.4關(guān)于政務(wù)大模型是否會取代公務(wù)員的探討面對AI技術(shù)帶來的治理新課題

，深圳市福田區(qū)以制度創(chuàng)新構(gòu)建起規(guī)范框架

，出臺全國首部《政務(wù)輔助智能機(jī)器人管理暫行辦法》。該辦法從倫理框架、技術(shù)標(biāo)準(zhǔn)到安全監(jiān)管進(jìn)

行全面規(guī)范

，創(chuàng)新性建立“A

I監(jiān)護(hù)人”制度。每個(gè)“數(shù)智員工”需配備專屬人類監(jiān)護(hù)人，所有決策必須經(jīng)人工審核

，既發(fā)揮AI的高效

優(yōu)勢

，又守住“人類主導(dǎo)決策”的底線?！凹夹g(shù)再先進(jìn)

，也不能替代法律賦予公務(wù)員

的判斷權(quán)”

，深圳數(shù)據(jù)交易所AI專家吳鶴意

的這番話

，道出了人機(jī)協(xié)同的核心要義A

I與基層治理的深度融合需堅(jiān)持以人為本內(nèi)核。政務(wù)大模型的核心價(jià)值在于輔助決策而

非替代人性的考量

，公務(wù)員的核心競爭力始

終是解決問題的智慧與共情力。當(dāng)前

，多地

政府正探索“人機(jī)能力互補(bǔ)”模式

，也就是

A

I承擔(dān)標(biāo)準(zhǔn)化流程

，人類聚焦政策創(chuàng)新與復(fù)

雜矛盾調(diào)解

，以此實(shí)現(xiàn)“效率與溫度”的雙

重提升在擁抱技術(shù)的同時(shí)

，各地政府始終保持清醒認(rèn)知。針對大模型存在的“幻覺”風(fēng)險(xiǎn)、算

法黑箱等問題

，應(yīng)該劃定清晰應(yīng)用邊界：A

I

僅輔助服務(wù)性工作

，涉及行政決策、法律文書等核心政務(wù)仍由人類主導(dǎo)?！罢?wù)服務(wù)寧

可慢一點(diǎn)

，也要守住準(zhǔn)確性底線?！闭驹谥悄芑D(zhuǎn)型的潮頭

，基層政府以“制度創(chuàng)

新

+技術(shù)應(yīng)用+人才培育”的組合拳

，探索出一

條兼顧效率與安全、

平衡創(chuàng)新與規(guī)范的發(fā)展路

徑。

讓技術(shù)服務(wù)于人

，

讓治理回歸于人。

這或

許正是智能時(shí)代政務(wù)改革的真諦——技術(shù)終究

是工具

，

而人性的溫度、

法治的準(zhǔn)繩、

創(chuàng)新的

智慧

，

才是提升治理效能的不變內(nèi)核5.4關(guān)于政務(wù)大模型是否會取代公務(wù)員的探討基層實(shí)踐證明

，政務(wù)智能化絕非簡單的“機(jī)器換人”

，

而是治理能力的全方位升級。

面對95

后、

00后新一代公務(wù)員

，各地創(chuàng)新建立“技術(shù)

導(dǎo)師”制度

，

讓年輕干部的數(shù)字天賦轉(zhuǎn)化為治

理效能。

與此同時(shí)

，各地還開展公務(wù)員數(shù)字素

養(yǎng)培訓(xùn)

，

幫助工作人員既善用AI工具

，又保持

獨(dú)立判斷能力

，

防止技術(shù)依賴6.DeepSeek大模型在政府工作中的應(yīng)用6.1公文處理全流程智能化6.2智能知識管理與輔助決策6.3

自動化辦公流程與任務(wù)執(zhí)行6.4政策模擬與影響評估6.5政務(wù)輿情智能監(jiān)測與引導(dǎo)6.6公務(wù)員智能培訓(xùn)與學(xué)習(xí)廈門大學(xué)大數(shù)據(jù)教學(xué)團(tuán)隊(duì)作品智能排版與格式轉(zhuǎn)換DeepSeek可以根據(jù)公文規(guī)范自動排版

，并支持

多種格式轉(zhuǎn)換

，例如Word、

PDF、

HTML等

，

提高公文處理效率智能起草根據(jù)主題和關(guān)鍵詞

，

DeepSeek可以輔助生成公

文初稿

，提供框架結(jié)構(gòu)、

內(nèi)容要點(diǎn)、

常用語等建

議

，

降低公文起草難度智能核驗(yàn)與糾錯(cuò)DeepSeek可以自動檢測公文中的格式錯(cuò)誤、

內(nèi)容偏差、

邏輯漏洞等問題

，并提供修改建議

，

提升公文質(zhì)量和規(guī)范性DeepSeek可以快速提取公文中的關(guān)鍵信息

，例

如時(shí)間、

地點(diǎn)、

人物、

事件、

政策要點(diǎn)等

，并自

動生成公文摘要

，方便快速閱讀和檢索6.1公文處理全流程智能化智能信息提取與摘要n

應(yīng)用場景來源

：源匯發(fā)布參考案例n

溫州市鹿城區(qū)“鹿小數(shù)”案例深化:“鹿小數(shù)”

在公文處理方面的應(yīng)用已經(jīng)初見成效

，例如公文自動核驗(yàn)、

A

I摘要等功能n

深圳市福田區(qū)“數(shù)智員工”案例深化:“數(shù)智

員工”在公文處理流程中扮演重要角色

，提升

了整體辦公效率預(yù)計(jì)使用

DeepSeek智能公文處理系統(tǒng)后

，

公文

起草時(shí)間縮短40%以上

，

審核時(shí)間縮短

50%以

上

，整體公文處理效率提升60%以上

，

公文錯(cuò)誤

率降低70%

以上6.1公文處理全流程智能化參考指標(biāo)數(shù)據(jù)可視化分析報(bào)告DeepSeek可以分析各類政務(wù)

數(shù)據(jù)

，例如經(jīng)濟(jì)數(shù)據(jù)、民生數(shù)

據(jù)、城市運(yùn)行數(shù)據(jù)等

，生成動

態(tài)可視化分析報(bào)告

，直觀展示

數(shù)據(jù)趨勢和規(guī)律

，為政府決策

提供數(shù)據(jù)支撐從關(guān)鍵詞搜索升級為語義搜索，DeepSeek可以理解用戶意圖，

更精準(zhǔn)地檢索政府內(nèi)部文庫、政策法規(guī)庫、案例庫等

，并支

持多輪對話式搜索

，快速定位

所需信息DeepSeek可以自動構(gòu)建政府知識圖譜

，將分散的知識點(diǎn)關(guān)

聯(lián)起來

，形成結(jié)構(gòu)化的知識網(wǎng)

絡(luò)

，并進(jìn)行知識挖掘和分析，輔助政府進(jìn)行政策制定、風(fēng)險(xiǎn)

研判、趨勢預(yù)測等DeepSeek可以自動生成會議紀(jì)要

，提取會議要點(diǎn)

，并對會

議議題進(jìn)行智能分析

，例如熱點(diǎn)議題、關(guān)注焦點(diǎn)、待辦事項(xiàng)等

，提升會議效率和決策質(zhì)量6.2智能知識管理與輔助決策智能會議紀(jì)要

與議題分析知識圖譜構(gòu)建與分析智能文庫搜索升級n

應(yīng)用場景參考案例南昌市政務(wù)服務(wù)和數(shù)據(jù)管理局案例深化:南昌

試點(diǎn)

DeepSeek

+政務(wù)辦公平臺

，文庫搜索是

核心應(yīng)用之一

，

旨在提升信息檢索效率多地政府知識圖譜建設(shè)探索:一些地方政府已

經(jīng)開始探索建設(shè)政務(wù)知識圖譜

，

用于輔助政策

制定、

產(chǎn)業(yè)分析等預(yù)計(jì)使用

DeepSeek智能知識管理系統(tǒng)后

，信

息檢索時(shí)間縮短60%以上

，決策效率提升30%以上

，數(shù)據(jù)分析效率提升70%以上6.2智能知識管理與輔助決策參考指標(biāo)結(jié)合

RPA（機(jī)器人流程自動化）

技術(shù)

，

DeepSeek可以驅(qū)動

RPA

完成更復(fù)雜的自動化任務(wù)

，

例如跨系統(tǒng)數(shù)據(jù)采集、

審批流程自動流轉(zhuǎn)、

報(bào)表自動生成等

，

實(shí)現(xiàn)辦公流

程的端到端自動化DeepSeek可以根據(jù)任務(wù)類型、

緊急程度、

人員技能等因素

，

智能調(diào)度和分配辦公任務(wù)

，優(yōu)化資源配置

，提高任務(wù)執(zhí)行效率DeepSeek可以輔助政府工作人員進(jìn)行日程管理

，

智能安排會議

，

自動發(fā)送會議邀請和提醒

，提高協(xié)同辦公效率6.3

自動化辦公流程與任務(wù)執(zhí)行n

應(yīng)用場景參考案例n

RPA

在政務(wù)領(lǐng)域的廣泛應(yīng)用:RPA

技術(shù)已經(jīng)在政務(wù)領(lǐng)域得到廣泛應(yīng)用

，

例如稅務(wù)申報(bào)自動化、

社保辦理自動

化、

數(shù)據(jù)報(bào)送自動化等n

智能辦公助手類產(chǎn)品:市場上已經(jīng)出

現(xiàn)一些智能辦公助手類產(chǎn)品

，

提供日

程管理、

會議安排、

任務(wù)提醒等功能，

提升個(gè)人辦公效率參考指標(biāo)預(yù)計(jì)使用

DeepSeek

自動化辦公系統(tǒng)后，

重復(fù)性人工操作減少

80%

以上

，

辦公

流程耗時(shí)縮短

50%

以上

，

整體辦公效

率提升40%以上6.3

自動化辦公流程與任務(wù)執(zhí)行DeepSeek可以基于歷史數(shù)據(jù)和經(jīng)濟(jì)模型

，模擬不同政策方案的效果

，例如經(jīng)

濟(jì)增長、

就業(yè)影響、

環(huán)境變化等

，為政策制定提供科學(xué)依據(jù)DeepSeek可以評估政策實(shí)施可能帶來的風(fēng)險(xiǎn)

，例如社會穩(wěn)定風(fēng)險(xiǎn)、

輿情風(fēng)險(xiǎn)、

執(zhí)行風(fēng)險(xiǎn)等

，輔助政府進(jìn)行風(fēng)險(xiǎn)防范政策效果模擬政策風(fēng)險(xiǎn)評估政策優(yōu)化建議基于模擬和評估結(jié)果

，

DeepSeek可以為政策制定提供優(yōu)化建議

，例如調(diào)整政

策力度、

優(yōu)化政策措施、

完善配套方案等

，提升政策的科學(xué)性和有效性6.4政策模擬與影響評估n

應(yīng)用場景DeepSeek可以分析輿情數(shù)據(jù)，挖掘輿情熱點(diǎn)、

傳播路徑、

情

感傾向等信息

，并預(yù)測未來輿情趨勢

，為政府輿情應(yīng)對提供決策支持DeepSeek可以輔助政府進(jìn)行輿情引導(dǎo)和回應(yīng)

，例如生成回

應(yīng)文案、

推送權(quán)威信息、

開展在線互動等

，提升政府輿情引導(dǎo)能力和公信力DeepSeek可以實(shí)時(shí)監(jiān)測網(wǎng)絡(luò)輿情

，

識別敏感話題和負(fù)面輿

情

，并進(jìn)行預(yù)警

，

幫助政府及時(shí)掌握輿情動態(tài)6.5政務(wù)輿情智能監(jiān)測與引導(dǎo)輿情實(shí)時(shí)監(jiān)測與預(yù)警輿情分析與趨勢預(yù)測智能輿情引導(dǎo)與回應(yīng)n

應(yīng)用場景個(gè)性化學(xué)習(xí)路徑推薦DeepSeek

可以根據(jù)

公務(wù)員的崗位職責(zé)、

知

識結(jié)構(gòu)、

學(xué)習(xí)偏好等

，

推薦個(gè)性化的學(xué)習(xí)路徑

和學(xué)習(xí)資源

，

提升培訓(xùn)

效果培訓(xùn)內(nèi)容智能生成DeepSeek

可以輔助

生成培訓(xùn)教材、

案例庫、

考試題庫等培訓(xùn)內(nèi)容

，

降低培訓(xùn)成本

，

提升培

訓(xùn)質(zhì)量智能學(xué)習(xí)助手DeepSeek

可以作為

公務(wù)員的智能學(xué)習(xí)助手

，

解答學(xué)習(xí)疑問

，

提供案

例分析

，進(jìn)行模擬測試

，

輔助公務(wù)員高效學(xué)習(xí)6.6公務(wù)員智能培訓(xùn)與學(xué)習(xí)n

應(yīng)用場景7.1

智能體的概念7.2智能體和RAG的區(qū)別7.3代表性的智能體產(chǎn)品7.4智能體在政務(wù)工作中的應(yīng)用場景7.智能體的政務(wù)應(yīng)用廈門大學(xué)大數(shù)據(jù)教學(xué)團(tuán)隊(duì)作品智能體本身既不是單純的軟件也不是硬件

，

而是一個(gè)更為

寬泛的概念

，

它們可以是軟件程序、

機(jī)器人或其他形式的

系統(tǒng)

，具備一定的自主性和智能性智能體（AI

Agent）

，又稱“人工智能代理”

，是一種模

仿人類智能行為的智能化系統(tǒng)

，

它就像是擁有豐富經(jīng)驗(yàn)和

知識的“智慧大腦”

，能夠感知所處的環(huán)境

，并依據(jù)感知

結(jié)果

，

自主地進(jìn)行規(guī)劃、

決策

，進(jìn)而采取行動以達(dá)成特定

目標(biāo)。

簡單來說

，

智能體能夠根據(jù)外部輸入做出決策

，并

通過與環(huán)境的互動

，不斷優(yōu)化自身行為7.1智能體的概念基于大模型的智能體是指利用大語言模型（如GPT、

BERT等）作為核心組件

，構(gòu)建的能夠執(zhí)行特定任務(wù)、與環(huán)境交互并做出決策的人工智能系統(tǒng)。這些智能體具有自主性、交互性、適應(yīng)性等特點(diǎn)

，能夠模擬人類的認(rèn)知和決策過程

，提供更加自然、高效和個(gè)性化的交

互體驗(yàn)。它們能夠處理海量數(shù)據(jù)

，進(jìn)行高效的學(xué)習(xí)與推理

，并展現(xiàn)

出跨領(lǐng)域的應(yīng)用潛力AIAgent的誕生就是為了處理各種復(fù)雜任務(wù)的

，就復(fù)雜任務(wù)的處理流程而言AIAgent主要分為兩大類：行動類、規(guī)劃執(zhí)行類?？偠灾?/p>

，AIAgent就是結(jié)合大模型能去自動思考、規(guī)劃、效驗(yàn)和

執(zhí)行的一個(gè)計(jì)算體

，以完成特定的任務(wù)目標(biāo)

，如果把大模型比作大

腦

，那AIAgent可以理解為小腦

+手腳7.1智能體的概念A(yù)IAgent的工作僅需給定一個(gè)目標(biāo)

，它就

能夠針對目標(biāo)獨(dú)立思考并做出行動

，它會根據(jù)給定任務(wù)詳細(xì)拆解出每一步的計(jì)劃步

驟

，依靠來自外界的反饋和自主思考

，

自

己給自己創(chuàng)建prompt

，來實(shí)現(xiàn)目標(biāo)目前各類AICopilot不再是機(jī)械地完成人

類指令

，而是可以參與人類工作流

，為諸如編寫代碼、策劃活動、優(yōu)化流程等事項(xiàng)

提供建議

，與人類協(xié)同完成過去的嵌入式工具型AI助手型工具（例如siri、小度、小愛音箱）

，只完成和人之間

的問答會話

7.1智能體的概念智能體更像是一個(gè)擁有自主意識的智能公務(wù)員

，它以大語言模型為驅(qū)動

，具備自主理解、感知、規(guī)劃、記憶和使用工具的能力。它可以根據(jù)

目標(biāo)任務(wù)

，進(jìn)行智能規(guī)劃與決策

，

自動執(zhí)行復(fù)雜的任務(wù)。比如在智能辦公場景中

，AIAgent可以根據(jù)用戶的日程安排

，

自動預(yù)訂會議室、

安排會議議程

，還能在會議結(jié)束后自動生成會議紀(jì)要

，實(shí)現(xiàn)辦公流程的自動化

，讓公務(wù)員從繁瑣的事務(wù)性工作中解脫出來RAG技術(shù)就像是一個(gè)智能的知識助手

，它通過將外部知識庫與大語言模型相結(jié)合

，極大地增強(qiáng)了模型的回答能力。當(dāng)用戶提出問題時(shí)，RAG首先會在龐大的知識庫中進(jìn)行檢索

，找到相關(guān)的信息

，然后將這些信息與大語言模型的生成能力相結(jié)合

，給出更加準(zhǔn)確、全面的回答RAG的部署相對來說成本較低

，主要集中在知識庫的建設(shè)和維護(hù)上。政府部門可以利用現(xiàn)有的數(shù)據(jù)資源

，構(gòu)建自己的知識庫

，然后通過接

入大語言模型

，實(shí)現(xiàn)

RAG的功能。對于一些數(shù)據(jù)量較小、業(yè)務(wù)場景相對簡單的政府部門來說

，

RAG是一個(gè)性價(jià)比很高的選擇AIAgent的部署則需要更高的技術(shù)門檻和成本。它不僅需要強(qiáng)大的大語言模型支持

，還需要構(gòu)建復(fù)雜的智能規(guī)劃和決策系統(tǒng)

，以及與各種

工具和系統(tǒng)的集成。此外

，AIAgent還需要不斷地進(jìn)行訓(xùn)練和優(yōu)化

，以提高其智能水平和適應(yīng)性。因此

，對于一些政府部門來說

，A

IAgent的部署成本可能較高

，但對于對智能化要求較高的政府部門來說

，AIAgent帶來的價(jià)值可能遠(yuǎn)超其成本7.2智能體和RAG的區(qū)別n

RAG和智能體RAG在運(yùn)行效果上

，

RAG在處理一些需要大

量知識支持的任務(wù)時(shí)表現(xiàn)出色

，比如智能問答、文檔生成等。它能夠利用知識庫中的信息

，為群眾提供準(zhǔn)確、詳細(xì)的

回答。但

RAG的局限性在于

，它缺乏自

主決策和規(guī)劃的能力

，對于一些復(fù)雜的、需要靈活應(yīng)變的任務(wù)可能無法勝任各自的優(yōu)勢和適用場景RAG和AIAgent都有各自的優(yōu)勢和適

用場景。對于政府部門來說

，在選擇時(shí)需要根據(jù)自身的業(yè)務(wù)需求、數(shù)據(jù)資源、技術(shù)實(shí)力和預(yù)算等因素進(jìn)行綜合考慮。如果只是需要解決一些簡單的知識檢索和生成問題

，那么

RAG可能是一個(gè)不錯(cuò)的選擇；如果希望實(shí)現(xiàn)業(yè)務(wù)流程的全面自動化和智能化

，那么AIAgent則更

能滿足其需求AI

Ag

e

ntAIAgent則在復(fù)雜場景下展現(xiàn)出了強(qiáng)大的優(yōu)勢

，它能夠根據(jù)環(huán)境的變化和任務(wù)

的要求

，

自主地進(jìn)行決策和規(guī)劃

，實(shí)現(xiàn)任務(wù)的自動化執(zhí)行。無論是在智能問答

還是智能辦公領(lǐng)域

，AIAgent都能夠發(fā)

揮出其獨(dú)特的價(jià)值

，提高政府布恩的服

務(wù)效率和群眾滿意度7.2智能體和RAG的區(qū)別n

RAG和智能體2025年1月23日

，OpenAI發(fā)布了一個(gè)創(chuàng)新性的智能體——Operator

，它是一個(gè)能夠像

人類一樣使用計(jì)算機(jī)的智能體。

它基于OpenAI最新研發(fā)的CUA（

Computer-UsingAgent）模型

，CUA將GPT-4o的視覺功能與通過強(qiáng)化學(xué)習(xí)獲得的高級推理相結(jié)合

，經(jīng)

過訓(xùn)練可以與圖形用戶界面（GUI

，即人們在屏幕上看到的按鈕、菜單和文本字段）進(jìn)行交互。

Operator通過觀察屏幕并使用虛擬鼠標(biāo)和鍵盤來完成任務(wù)

，而無需依賴專門的API接口。這種設(shè)計(jì)使其可以適配任何為人類設(shè)計(jì)的軟件界面

，帶來極高的靈活性O(shè)perator好比一個(gè)博士水平的個(gè)人助理

，你給他一個(gè)復(fù)雜的任務(wù)

，

它就會自動執(zhí)行。Operator的主要功能包括自主完成諸如采購雜貨、提交費(fèi)用報(bào)表、訂票、

買日用品、

填寫表格等任務(wù)

，

旨在通過自動化操作提升日常生活和工作效率

。

它還可以一邊在

Stub

Hub搜索勇士隊(duì)比賽門票

，一邊處理網(wǎng)球場預(yù)訂、尋找清潔服務(wù)和DoorDash訂餐

，

實(shí)現(xiàn)多任務(wù)并行處理7.3代表性的智能體產(chǎn)品2025年3月6日

，

由中國團(tuán)隊(duì)開發(fā)的AI智能體Manus

，

因被稱為

“全球首個(gè)通用Agent

”而爆火網(wǎng)絡(luò)。

它

連接思想與行動

，不僅能夠思考

，還能交付成果。

Manus擅長處理工作和生活中的各種任務(wù)

，在你休息時(shí)，

幫你完成一切。

Manus可以幫助用戶完成簡歷篩選、

房地產(chǎn)調(diào)研以及股票金融數(shù)據(jù)分析等工作7.3代表性的智能體產(chǎn)品政務(wù)工作中

，材料審核是一項(xiàng)繁瑣而重要的任務(wù)。

材料審核智能體

，利用先進(jìn)的OCR識別技術(shù)與深度學(xué)習(xí)算法

，能夠快速準(zhǔn)確地對各類紙質(zhì)材料、

電子證照進(jìn)行分類

，

并自動提取關(guān)鍵信息例如

，在企業(yè)注冊登記場景中

，

申請人提交的營業(yè)執(zhí)照、

法人身份證、

公司章程等多種材料

，預(yù)審機(jī)器人可在短時(shí)間內(nèi)完成格式檢查、

信息完整性校驗(yàn)以及關(guān)鍵信息的抽取

，對材料的合規(guī)性進(jìn)行初步審核

，

將不符合要求的材料提前篩選出來

，大大減輕了人工審核的工作量

，提高了審核效率與準(zhǔn)確性

，使材料

審核的錯(cuò)誤率大幅降低7.4智能體在政務(wù)工作中的應(yīng)用場景n

材料審核：

智能高效

，精準(zhǔn)把關(guān)來源

：達(dá)觀數(shù)據(jù)基于代填機(jī)器人出色的

OCR識別能力

，

能夠輕松實(shí)現(xiàn)紙質(zhì)材料信息的讀取。

面對紙面

材料

，

代填機(jī)器人可根據(jù)材料內(nèi)容

，

自動將

相關(guān)信息填入封閉系統(tǒng)

，

完成非結(jié)構(gòu)化數(shù)據(jù)

到結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換過程

，

極大地減輕了工

作人員手動識別材料并在多個(gè)系統(tǒng)中重復(fù)錄