OSINT技术情报精选·2024年9月第1周

OSINT技术情报精选·2024年9月第1周

• 2024.8.15
• 版权声明：本文为博主chszs的原创文章，未经博主允许不得转载。

1、中国信通院：《大模型落地路线图研究报告(2024年)》

近年来，大模型技术能力不断创出新高，产业应用持续走深向实，显著加快人工智能通用化、实用化、普惠化发展进程。大模型兼具理论研究和产业应用双重价值，已成为当前科技前瞻布局和创新研发的焦点，受到国际社会高度关注。系统梳理大模型应用落地的共性需求和关键要素，给出现状诊断、能力建设、应用部署、运营管理等落地路线作为参考，将进一步促进大模型赋能千行百业，为打造新质生产力和推进新型工业化开辟新路径。

本报告重点梳理了大模型应用落地遵循的诊断、建设、应用、管理四个重要阶段，归纳总结出能力分析、需求挖掘、方案设计、研发测试、应用开发、效能评估、运维监测、运营管理八个关键步骤。基于需求拉动、问题驱动、创新推动原则，研究分析在每一步骤中基础设施层、数据资源层、算法模型层、应用服务层、安全可信层应重点关注的发展要素和亟待解决的核心问题。

现状诊断阶段，通过分析大模型技术能力、梳理大模型应用场景、评估大模型发展基础，帮助应用方明晰业务发展和转型需求。能力建设阶段，设计契合应用方战略规划和业务需求的大模型建设方案，通过系统性研发和测试手段筑牢大模型技术底座。应用部署阶段，给出专用大模型优化部署和智能应用定制开发等参考模式，并构建出覆盖大模型设计开发、定制优化、部署运营等全生命周期的应用效能评估体系。

运营管理阶段，面向大模型平台和服务给出运维监测和运营管理的参考模式，给出实时监测、动态追踪和预警机制等具体方法，指出建立健全大模型运营管理体系的原则和要点。未来，大模型有望持续为新一轮人工智能阶跃式发展注入强大动能，进一步助力人工智能实现技术能力不断融合创新、应用场景持续纵深拓展、产业生态加速转型升级、治理体系趋于完善稳健。

本研究报告对大模型应用落地的研究和理解还有待加强，报告中如有不足之处，还请各方专家读者不吝指正。

2、工信部工业文化发展中心：《AI应用创新技术案例评估导则》

当前，AI 技术正以前所未有的速度推进各行各业的发展与变革。科技部、工业和信息化部等六部门联合印发了《关于加快场景创新以 AI 高水平应用促进经济高质量发展的指导意见》，工业和信息化部、教育部等七部门联合发布了《关于推动未来产业创新发展的实施意见》，加速推动 AI 创新应用，培育新质生产力。伴随 AI 技术在产业领域的创新应用不断扩大和深化，其在提高生产效率、优化经济结构以及增强社会管理能力等方面展现出巨大潜力。《AI 应用创新技术案例评估导则》（以下简称“导则”）旨在为AI 应用创新技术的评估提供一套科学、系统的方法和依据。

《导则》涵盖了各类 AI 应用创新技术从研发到市场对接的全面评估范围，包括技术创新性、技术可行性与实现路径、技术成熟度、市场对接与经济潜力、技术风险与合规性以及国产化与自主性等关键维度。通过这些评估维度，不仅可以促进 AI 技术和应用的优化，还可以为政策制定者、企业决策者和技术开发者提供有价值的参考和指导。

《导则》强调评估工作的基础和指导原则的重要性，确保评估过程的公正性、有效性及实用性。倡导科学性、引导性、实效性、可操作性、可扩展性、持续性和公正性等原则，并以此作为评估活动的基石，旨在推动 AI 产业的良性成长，引领技术革新与应用实践向满足社会需求、追求经济效益和遵循伦理道德的方向发展。

通过实施《导则》，以期能够更好地识别和支持那些具有巨大市场潜力和社会价值的 AI 技术项目，同时为行业的健康有序发展提供坚实的支撑，推动科技与社会发展的和谐共进。

3、沙利文&头豹：《2024年中国生成式AI行业最佳应用实践》

8月28日，由弗若斯特沙利文（Frost & Sullivan，简称“沙利文”）主办的第十八届中国增长、科创与领导力峰会暨第三届新投资大会上，沙利文携手头豹研究院共同发布了《2024年中国生成式AI行业最佳应用实践》报告，并揭晓了多项实践方案大奖。其中，商汤科技与海通证券凭借双方联合打造的金融行业大模型，分别荣获“中国生成式AI金融行业最佳解决方案供应商”及“中国生成式AI金融行业最佳应用实践”两项殊荣。

沙利文的《2024年中国生成式AI行业最佳应用实践》报告，通过融合传统与创新的研究方法论，从功能价值与适用性、技术性能与创新、实施与支持、客户体验与满意度反馈四个维度，对行业内各大模型进行了全面而深入的评估。报告高度评价了商汤科技与海通证券合作打造的“e海言道”大模型，该模型在智能问答、合规风控、代码辅助、办公助手、智能研报等多个场景展现出卓越性能，有效助力企业跨越“效率鸿沟”。

4、FESCO：《2024智能制造行业洞察报告》

制造业是⽴国之本、强国之基，是国家经济命脉所系，要坚定不移把制造业和实体经济做强做优做⼤，加快建设制造强国。党的⼆⼗⼤报告指出：“实施产业基础再造⼯程和重⼤技术装备攻关⼯程，⽀持专精特新企业发展，推动制造业⾼端化、智能化、绿⾊化发展。”这为加快推进制造业⾼质量发展、推动中国制造向中国创造、“中国智造”转变，指明了⽅向、提供了遵循。智能制造是基于先进制造技术与新⼀代信息技术深度融合，贯穿于设计、⽣产、管理、服务等产品全⽣命周期，具有⾃感知、⾃决策、⾃执⾏、⾃适应、⾃学习等特征，旨在提⾼制造业质量、效率效益和柔性的先进⽣产⽅式。

本报告从智能制造业的发展历程出发，分析了智能制造产业链和系统体系，探讨了当前智能制造业的⼈才发展状况，并展⽰了FESCO的解决⽅案⽰例，旨在为⾏业和⼈才的发展提供参考和建议。核⼼观点：

1. 智能制造发展受政策⽀持、技术发展等多⽅因素驱动，市场规模扩⼤，产业链优化。智能制造发展受政策推动和技术驱动，市场规模不断扩⼤。政府通过⽰范项⽬和标准化建设等措施，激励企业智能化转型。技术进步为智能制造提供⽀撑。产业链得到优化，推动制造业向更⾼⽔平发展，提升竞争⼒和效率。
2. 智能制造⼈才需求旺盛，岗位技术相对集中，地域差异显著。智能制造推动制造业升级，对⾼技术⼈才需求激增，尤其是软件开发、数据分析等领域。⾏业分布⼴泛，包括汽⻋、电⼦、医药等，但⼈才主要集中在沿海和发达地区。不同地域的薪资和发展机会存在差异，影响了⼈才的流动和分配。
3. FESCO根据不同企业痛点提供差异化产品服务，满⾜客⼾智能制造的⽤⼯需求。智能制造需要具备多学科交叉融合能⼒的⾼素质⼈才，但企业⾯临⼈才储备不⾜、招聘难度⼤和获取渠道有限等挑战。通过外包服务、专业培训和咨询服务的⽀持，企业能快速精准配置合适劳动⼒资源。

5、工信部消费品工业司：《轻工业数字化转型实施方案(征求意见稿)》

轻工业是我国国民经济传统优势产业和重要民生产业，在稳增长、扩内需、惠民生等方面发挥着关键作用。为落实《制造业数字化转型行动方案》，推动数字技术加快赋能轻工业发展，系统指导轻工业推进数字化转型，培育形成新质生产力，特制定本实施方案。

6、浪潮云：《数据空间关键技术研究报告》

近年来，随着全球数字经济加速发展，数据成为基础性战略资源和关键生产要素。世界各国纷纷抢抓机遇，在加强数据保护的同时，积极探索技术、制度和商业模式创新，促进数据流通利用，繁荣数据产业和数字经济。数据空间概念由国际数据空间协会(IDSA)提出，并得到欧盟采用。2020年《欧洲数据战略》提出“单一数据市场”愿景，并将欧洲共同数据空间作为实现该愿景的重要战略举措。数据空间旨在为数据创建一个互联的生态系统，使数据在不同组织和行业之间安全、透明地流动，同时尊重数据隐私和治理的要求。在欧盟的推动下，数据空间在全球的采用情况正在逐渐扩大。但总体上看，数据空间的建设仍处于探索发展阶段。

党的二十届三中全会审议通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》提出，“建设和运营国家数据基础设施，促进数据共享”。数据基础设施将在承载数据基础制度落地、构建全国一体化数据市场、提升数据安全治理能力等方面发挥重要作用。为进一步借鉴欧盟数据空间建设经验，深入理解数据空间的关键技术特征，助力我国数据基础设施建设国家信息中心公共技术服务部联合浪潮云信息技术股份公司，在深入调研基础上共同编制《数据空间关键技术研究报告》。

报告梳理了数据空间概念提出过程、目标愿景、主要特征和建设进展，提出了数据空间的业务、功能和技术框架，分析了数据空间的信任体系、数据互操作、流通控制、分布式架构等关键技术路线，总结了数据空间面临的主要挑战和未来发展建议，旨在凝聚广泛社会共识，为有关单位和行业提供建设参考。

7、帆软：《商业智能应用白皮书5.0》

在新质生产力、数字经济、AI 技术等关键词大热的大背景下，数据作为数字经济时代的基础性和战略性资源，开始加速成为企业竞争的关键生产要素，加速让数字化颠覆成为各行各业的“新常态”。各行业虽然数字化转型进程不一，但是大多不约而同地将企业层面的全面数据决策能力和数据价值洞察列为迎接变革和商业创新的决胜因素，并把商业智能作为其中重要的数据利器。

BI 的发展已有二十余年，从开始的报表式 BI 到自助分析式 BI 到智能 BI，均受到各行业的广大企业的广泛应用，硕果累累。BI 产品的发展历史有一条清晰的主线，即不断地利用新技术降低数据分析门槛，让更多的企业能够从大数据中受益，真正把数据转变成生产力去驱动业务，实现数据资产积累。不同类 BI 各有优劣，分别适用于不同的场景，不是绝对的相互替代的关系。企业除了需要根据自身信息化情况去选择合适的 BI 工具类别，也要做好数仓建设；当业务规模和复杂度不断增加时，更需要关注数据治理、维护数据指标体系等问题。

帆软数据应用研究院基于最新的洞察，在《商业智能应用白皮书 5.0》中阐述了以下核心内容：

1. 解读 BI 产品演变，BI 多形态共生理念究竟包括什么？
2. 强调数据全链路管理和建设，产品的价值主张是什么？
3. 对话企业内部 BI 资深用户，有哪些工具使用的感悟？
4. 探究智能 BI 更多是 AI for BI，如何定位方向及落地？
5. 解析案例如何用 BI 发挥数据价值，加速数据资产入表？
6. 分享浙高运实践经验，企业数据资产入表该准备什么？
7. 提出企业数据治理的优解：如何用“拉式策略”做治理？
8. 指导企业如何建指标体系、建底层，以及如何应用指标？
9. 传递帆软如何用 BI 进行数字化建设的心得，以财务为例？