松特配资网 34个案例入选！广州市“人工智能+”典型案例（第二批）名单正式发布

　　平云模型开放服务平台最快30分钟快速构建大模型；“天空地一张图智能平台”助力公安打私等场景效率提升超40%；数字人与人工智能客服融合让咨询效率提升70%、政策知晓率98%......

　　7月3日，在由广州市工业和信息化局主办的“千模智赋百业”食品行业与电子制造行业人工智能与数据治理研讨会上，广州市“人工智能+”典型案例（第二批）名单正式发布，共34个案例入选，涵盖“人工智能+制造”“人工智能+安全”“人工智能+教育”“人工智能+医疗”等多个领域。据了解，去年广州获得DCMM（数据管理能力成熟度模型）三级以上单位数量全国第一。

　　案例：诞生多个应用场景，均经过实践检验

　　记者了解到，广州市“人工智能+”典型案例征集由广州市工业和信息化局指导，广州人工智能算力应用及产业发展联盟（简称“广州智算联盟”)组织，今年已征集两批。第二批征集中，共有34个典型案例成功入选。

　　广州智算联盟秘书廖伟华向记者介绍，与广州市首批“人工智能+”典型案例相比，第二批在遴选时将广东省人工智能与机器人产业创新发展工作领导小组办公室发布的“人工智能应用场景”清单作为主要征集方向，入选项目都是已经落地、经过实践检验、有数据支撑的；在类别上也更加集中，突出了制造、安全、教育、医疗四大垂直领域；入选企业中，国企、民企运营商等数量分布均衡，显示出各方参与的合力。

　　记者注意到，第二批“人工智能+”的典型案例中，围绕制造流程、政务服务、医疗民生、数字课堂等领域诞生了多个应用场景。在人工智能+制造领域，以广州知行机器人科技有限公司研发的“天空地一张图智能平台”为例，通过融合卫星遥感、无人机及地面物联网多源数据，结合人工智能算法与边缘计算技术，实现低空全域实时监测与智能决策，在公共安全、高速公路、智慧矿山等领域成功应用，为“人工智能+制造”提供高效解决方案。

　　中山六院生殖中心人工智能客服通过AIGC与NLP技术，实现98.5%的问答准确率与24小时服务，显著提升患者体验并降低医院成本，为患者就医带来便利。这个人工智能客服利用自然语言处理和机器学习算法，能够实时解答患者的常见问题，提供生殖健康知识咨询，并协助预约和管理医疗流程。通过深度学习，该智能客服不断优化其对话能力，准确理解患者需求，提供个性化建议与信息支持。“在过去的十几年，我们都是人工回复。经过这十几年的积累，比如一些患者常见问题，我们建立了知识库，这成为智能客服的知识架构。”中山六院生殖中心代表表示，希望通过这个智能客服能够给患者就医带来便利，同时节约人力资源。

　　人工智能+教育领域，广州乐庚的“无感知AI数字课堂”系统，以无设备依赖的创新采集技术、全学科智能批阅能力，在全国多所学校实现课堂效率提升30%；人工智能+政务领域，趣丸科技“穗小信”通过数字人与人工智能客服融合，在广州工信政策服务中实现咨询效率提升70%、政策知晓率98%，加速了惠企资金落地，直接带动企业数字化投入超2亿元。

　　趋势：数据治理将成“必修课”，推动DCMM在传统行业落地生根

　　数字经济时代，国家接连出台重磅政策，将大模型技术列为赋能传统产业的关键利器。而应用人工智能技术的前提是数据治理。

　　“以DeepSeek为代表的通用大模型爆火之后，各个行业都在思考怎么用好，从而产生好的效果。”在广州人工智能算力及产业发展联盟秘书长李学军看来，发展垂直大模型是广州未来聚焦的方向所在。“以制造业为例，它的一大特点是环节特别多，在千行百业里面，最难被赋能的行业之一就是制造业，但也只有把AI用在最难的地方，才能真正提升行业效率。”李学军表示，当前AI赋能制造业的一大难点在于数据，因此数据治理显得尤为重要。

　　“如果说人工智能是机器人的大脑，那么数据就是喂养机器人大脑的食物。”广州市工信局有关负责人指出，DCMM（数据管理能力成熟度模型）是我国首个数据管理领域的国家标准，可以有效帮助企业掌握数据管理方法，提升内部管理效率，增强数据核心战略地位，推动数据管理人才队伍建设。近年来，全国各地开展第三方贯标企业数量急剧增长，从2011年的116家增长到2024年的5760家。2024年广州获得DCMM三级以上单位数量达到77家，全国排名第一。

　　广州市人工智能产业发展促进会执行秘书长蔡远尘认为，未来，数据治理不再是“选修课”而是“必修课”，需要每个部门甚至公司全体成员去掌握和了解；数据不再是成本中心，而是价值中心，要作为生产要素帮助企业变现、盈利。

　　记者了解到，当前，广州市正在制定支持人工智能产业高质量发展的产业政策，通过发放算力券、模型券、场景券、数据券等方式，对相关企业投入给予资金奖励。

　　广州市工信局有关负责人指出，推动DCMM在传统行业的落地生根，需牢牢把握“人才培育—价值挖掘—市场布局”三位一体的发展脉络。企业一方面要着力强化数据管理能力建设，构建完善的数据管理体系；另一方面，要积极探索数据资产入表等创新模式，充分释放数据要素的潜在价值，让数据真正成为产业转型升级的核心驱动力。