人工智能在教育数据治理中的核心作用 - 人工智能是推动高校数智化转型的关键支撑 其数据 算法 算力三大核心要素中 数据是决定模型训练效果和应用效能的基础性资源[1] 教育数据治理模式的变革 - 教育教学主体结构从教师-学生二元关系转向教师-学生-机器三元协同 人工智能凭借深度学习和智能推理能力推动人机协同成为教育数据治理新形态[2] - 传统治理主要依赖业务系统产生的结果性数据 对教学过程性数据采集不足 需借助人工智能实现伴随式采集以丰富数据资源[2] - 传统治理以结构化数据为对象 对非结构化数据处理能力有限 需依托人工智能多模态技术拓展数据内容范畴[2] 教育数据质量的精准提升 - 传统数据质量保障模式依赖人工管理 工作效率低且难以保证准确性 无法及时识别逻辑语义错误[3] - 基于通用大模型构建数据治理智能体 可实现教育数据的智能融合 动态监测与精准改进[3] - 智能体可调用自然语言处理和多模态算法对多源异构数据进行智能清洗 对齐与融合 确保数据准确性与完整性[3] - 依托知识图谱及时识别相同主题下的不一致数据并进行标记提示 将质量管控从事后补救转向主动预防[3] 教育数据价值的深度释放 - 人工智能时代治理目标从问题解决向价值挖掘转变 需在确保质量与合规前提下推动数据开放共享与有效使用[4] - 将自然语言处理和数据挖掘等技术融入治理过程 实现智能化采集 清洗 标注及分类 提升跨系统跨部门数据流通效能[4] - 加强教育数据治理智能体应用 动态感知不同场景需求 灵活调整数据与资源分配策略 实现按需供给[4] - 运用智能算法分析教 学 研 管等行为数据及能力偏好习惯信息 构建师生精准画像 提供个性化数据支撑[4] 教育数据安全的规则保障 - 人工智能赋能过程中面临数据伦理 隐私侵犯 数据篡改伪造及信息茧房等风险挑战[6] - 需构建涵盖法律法规 教育规范与技术标准的规则体系 贯穿数据采集 处理和使用全过程[6] - 数据采集阶段应规范个人敏感信息收集 遵循公开透明与最小必要原则[6] - 数据处理阶段需制定数据清洗标注分类标准 采用高质量数据集训练 保证算法透明公正[6] - 数据使用阶段应对数据实施加密处理与访问权限设置 防范错误虚假信息传播[6]

政策背景与行业痛点 - 基层医生工作负荷高，病种繁杂且节奏快，缺乏时间进行查文献、请会诊等操作[1][2] - 慢病患者增多导致随访任务日益繁重，诊室外工作难以应付[3] - 国家卫健委发布《促进和规范"人工智能+医疗卫生"应用发展的实施意见》，将"人工智能+基层应用"列为八大重点方向之首[4] - 政策目标为到2030年基层诊疗智能辅助应用基本实现全覆盖[5] 未来医生AI工作室核心优势 - 其核心模型MedGPT在由32位顶尖临床专家组织的多模型临床实战测评中，击败OpenAI-o3、DeepSeek-R1等国际前沿模型，夺得临床"安全"与"有效性"评测全球第一[13] - 测评基于2069道从真实病历中整理的开放式问题，MedGPT总分第一，领先第二名15.3%，安全性得分比全部模型平均水平高出近70%[16][17] - 模型底层架构围绕临床推理、安全可控、循证链可追溯打造，目标为每一句话都安全、可验证、能复盘，与通用大模型根据概率生成内容的路线完全不同[19] 临床决策AI助手功能特点 - 专为诊中环节设计，充当医生的"智能参谋"，帮助在高强度工作中快速厘清风险点、用药安全及遗漏关键[23][24][25] - 工作方式贴合临床实际：支持口语输入、思考过程可视化、自动梳理症状链与风险点、只引用高等级医学证据并附证据卡[26] - 在典型疑难病例盲评中，于所有临床决策维度上均优于GPT-5和OpenEvidence[30][31] - 多位专家反馈其能帮助医生更快看到风险点，理清复杂病例，让基层医生也能像专家那样看病例[29][34] 患者随访AI助手功能特点 - 专为诊后慢病管理设计，能自动提醒患者复查、记录症状、调整生活方式，并对普通健康咨询即时答复[44][48] - 当出现药物调整、症状加重等医疗问题时会自动上浮医生确认，并能识别"胸闷""头晕"等高危词进行风险预警[48] - 社区医生及大医院专家反馈其能帮助关注已出院但仍需管理的患者，让随访更省心，实现"看得更远"[45][46][47] 产品设计理念与市场认可 - 产品设计坚持"人机协同"哲学，医生是所有诊疗行为的核心，AI仅提供思路提示、证据索引和风险提示，医生掌握最终判断权[62][63] - 通过可回溯、可解释、可预警三层设计，精准击中医生对安全性、可控性的需求，提供三重安全感[59][60][64] - 已被数十位全国学科主委纳入日常使用，被临床主委专家们一致认为是AI赋能基层医疗的"最佳实践"[67][68][74]

大会概况 - 2025中国新媒体大会于11月11日至13日在湖南长沙举办，主题为“智能聚力 系统变革” [1] - 大会包含1场开幕式暨主论坛、7场平行论坛和6场主题活动，全面展现媒体变革趋势 [1] 内容创新与价值坚守 - 主流媒体在智能化浪潮中坚守正确价值观，被视为不可替代的核心优势 [2] - 强调内容创作需兼具正向能量、信息含量、情感容量、文本质量和传播流量的“大精品” [3] - 新华社九三阅兵报道通过转变思维方式、与平台和网民互动，提供情绪价值，实现30小时位列热搜榜首位的现象级传播 [2] - 湖南日报社《寻找威廉·泰勒》报道引起广泛共鸣，并被中国外交部新闻发言人通过官方推特向全球推荐 [3] - 全媒体传播需将说话状态、视角、风格在大屏和小屏间切换，以架起心桥实现有效传播 [3] 技术应用与行业变革 - 人工智能生成内容已从文本、图像扩展至视频实时生成，驱动内容生产模式向“人机协同”深度转型 [4] - 湖南日报智媒科技开发的数字记者基于真实记者1∶1复刻，相似度达95% [4][5] - 芒果TV具身机器人“小玖”已实现同声传译、锐评、迎宾、向导、音乐创作、海报设计等10余项核心功能 [5] - 新华社“采编助手”集成227项工具，以权威大数据和自研大模型为基座，提供上千套模板，极大提升创意生产效率 [5] 生态构建与模式转型 - 行业倡导打破传统思维与体制束缚，以互联网数据互通与价值共创逻辑重构内容生产与传播体系 [6] - “媒体+政务”、“媒体+电商”、“媒体+智慧城市”等模式持续深化，推动主流媒体从信息传播主体向综合服务提供者转型 [6] - 武汉市江夏区融媒体中心通过“掌握江夏”App进行精细化本地社群管理，构建直接联系服务群众的“一线媒体” [6] - 中华全国新闻工作者协会发布“主流价值语料库”建设倡议，旨在共建价值可控、质量可信、供给可持续的语料生态 [6] 行业共识与发展方向 - 技术展现出驱动行业变革的巨大潜力，行业形成责任与发展并重的共识 [7] - 中国新媒体正以更加成熟、理性的姿态，迈向深度融合与高质量发展的新阶段 [8]

AI数字员工概念与定义 - AI数字员工是作为虚拟劳动力实质参与生产、运营、服务等流程的智能体，具备感知—规划—行动—学习的闭环能力，超越传统自动化工具范畴[2] - AI数字员工拥有强大的工具调用与整合能力，能根据任务情境智能选择并调用最合适的工具，轻松连接不同系统以完成跨应用的复杂工作流程[4] 服务零售行业应用 - 美团为服务零售商家配备了4名AI数字员工，包括生意店长、运营专员、排班专员和客服专员，覆盖线上店铺运营的方方面面[3] - AI数字员工能帮助商家降低线上经营难度，例如排班专员提供24小时自动接单服务，运营专员可智能化定制店铺装修素材并一键处理运营琐事[3] - 在评价回复环节，AI客服专员根据顾客评价生成针对性回复建议，商家采纳率高达65%[9] - 中国服务零售行业市场规模达7万亿元，但线上化率仅为9%，预计到2030年线上化率将增长至25%，并诞生300个千店品牌[4] 电力行业应用 - 国网湖北电力推出全国首个基于电力大模型的供电营业厅AI数字员工，包含引导员、助手、答疑能手等5个具体角色，与机器人、智能监控等硬件设施协同联动[5][6] - 在AI数字员工赋能下，用户等待时长减少超50%，服务效能显著跃升[6] - 国网武汉供电公司开发的AI虚拟调度员能同时对多个检修项目和多人员发起会话，调度指令流转时间由平均每项4分钟缩短至30秒[8] - 使用AI虚拟调度员后，确定检修方案和填写工作票的时间从8小时缩短至4小时，效率提高50%[8] 人机协同与影响 - AI数字员工对岗位的影响是替代与增强并存的结构性重塑，被替代的主要是高度标准化、重复性强或基于规则的工作，更多岗位将在AI辅助下实现效能提升[9] - 未来将是AI数字员工与人类员工协同合作的时代，企业可发挥AI的高效智能优势，同时保留人类员工的创造力和灵活性[9] - 人类员工需重点培养AI工具使用能力，并在创新思维、自我管理、跨文化沟通等软技能上持续精进[9]

公司AI战略与目标 - 公司正全力推进AI数字员工体系建设，旨在打造突破效能瓶颈、构建新质生产力的核心引擎，为行业智能化发展注入新动能 [1] - 公司的目标是打造智能化、拟人化、高效协同的数字员工体系，为每位员工配备多个数字分身，最终实现“一岗一数字员工、一人一数字团队”的人机协同新范式 [3] 数字员工的进化路径 - 公司积极探索数字员工的“三次进化”：从“执行者”到“思考者”，从被动执行任务到主动提供服务 [3] - 数字员工进化路径包括从“单感官”到“多感官”，通过多模态分析能力实现主动风险防范 [3] - 数字员工进化路径还包括从“系统工具”到“工作伙伴”，与人类员工形成互补型协同，释放人类潜能 [3] 核心业务场景应用 - 在智能投研领域，超级研究员深度融合大模型与智能体技术，聚合内外部多领域研究成果，用户仅需提出研究需求便可自动生成包括图表在内的数万字深度研报 [3] - 在市值管理领域，市值管理助理CapitAI-Link结合大模型算法与专业经验，深度整合多元信息生成定制化市值管理方案 [3] - 在智能投行领域，超级投行家提供客户画像、智能简报、项目书生成器等核心功能，实现一站式业务研判与定制化生成投行项目关键材料 [3] 未来发展战略 - 构建高效可信的数字员工队伍必须聚焦数据治理、算法可信、技术自主三大核心支柱 [4] - 公司将持续夯实数据基础，构建可靠、安全、可解释、可问责的大模型能力，打造自主可控的金融AI底座 [4]

核心观点 - 新书《航空心理学与人工智能》系统性地将航空心理学与人工智能技术融合，旨在解决航空安全领域的高风险作业难题，并推动中国航空心理学自主知识体系的构建 [1][2][3] 研究内容与理论框架 - 学科定位为研究飞行活动中人的心理行为规律，是哲学社会科学与产业急需交叉的新型学科 [2] - 提出结合中国航空安全运行特点的“人类经验直觉+AI计算分析”双驱动认知模型 [2] - 聚焦中国特有运行场景，如高原机场、复杂气象和复杂空域，为国内外同行提供参考 [2] 方法论创新 - 采用系统思维研究“人—机—环—社”多要素动态耦合的系统工程问题 [2] - 通过多源数据融合实现飞行环境与任务状态的精准评估与趋势预判，扩展操作者感知边界 [2] - 人类通过经验与直觉补全AI在意图理解和非预期场景应对中的认知空白，形成认知协同模式 [2] 具体应用方案 - 提出飞行员全生命周期培养的“核心胜任力、心理胜任力、作风胜任力”三维模型，以解决培养成本高、周期长的问题 [1] - 开发航空事故人工智能分析平台，克服以往人因事故中成因界定难、演化机制不清晰的局限 [1] - 在飞行员选拔方面，构建多模态数据融合的智能选拔体系，利用多层神经元网络深度学习技术评估认知特质与心理潜能 [3] - 在飞行员训练方面，搭建AI辅助的个性化训练框架，通过AI动态假想敌角色实时监测并调整训练难度 [3] 行业价值与影响 - 为航空领域的人机协同与产业升级提供心理学解决方案 [3] - 在构建中国心理学自主知识体系方面进行了有益尝试，具有理论意义和应用价值 [1][3]

公司AI战略定位 - 公司正全力推进AI数字员工体系建设，旨在打造突破效能瓶颈、构建新质生产力的核心引擎，为行业智能化发展注入新动能 [1] - 公司将AI作为推动数字化转型的核心抓手，积极探索数字员工从“执行者”到“思考者”、从“单感官”到“多感官”、从“系统工具”到“工作伙伴”的三次进化 [2] - 公司目标是打造智能化、拟人化、高效协同的数字员工体系，实现“一岗一数字员工、一人一数字团队”的人机协同新范式，将顶尖业务专家经验沉淀为标准化智能工具 [4] 数字员工具体应用场景 - 数字员工体系已在智能投研、市值管理、智能投行三大核心业务场景高效落地 [5] - 在智能投研领域，超级研究员能根据用户需求自动生成包含图表的数万字深度研报 [5] - 在市值管理领域，市值管理助理CapitAI-Link可生成定制化市值管理方案 [5] - 在智能投行领域，超级投行家提供客户画像、智能简报、项目书生成器等核心功能 [5] 数字员工实施成效与技术基础 - 公司已有18个高价值数字员工成功上线，在各业务领域创造直接经济效益 [7] - 数字员工累计处理请求量约5000万次，调用Tokens总量近1000亿，日均处理量超13亿 [7] - 相关技术已荣获10项国家发明专利及4项软件著作权，综合实力行业领先 [7] - 构建数字员工队伍聚焦数据治理、算法可信、技术自主三大核心支柱，旨在打造自主可控的金融AI底座 [7]

政策导向与行业现状 - 国家卫健委发文将“人工智能+基层应用”定为未来五年核心目标，目标是到2030年实现基层诊疗智能辅助应用基本全覆盖[4][5] - 政策热度与现实存在“倒挂”，尽管GPT浪潮下大城市三甲医院争相部署AI，但占比高达95%的基层医疗机构和医生仍游离在外，至少八成以上基层医生不会使用AI[7] 医疗AI的核心要求 - 临床专家一致认为，能真正帮到基层的AI必须满足两点：安全有效、人机协同[2][13] - 医疗AI的第一性原理不是聪明而是安全，技术的迭代应以临床价值为衡量标准，以患者安全为底线[11][12] MedGPT模型的安全性与有效性 - MedGPT在由26个专科、32位临床专家制定的评估中，使用2069个真实病例场景进行测试，在安全性和有效性上力压5大全球主流模型[12] - 具体得分显示，MedGPT安全性得分高达0.912，比第二名高出近20个百分点，有效性得分为0.861，远高于其他模型，在危重病识别等高风险指标上表现接近满分[16][17] 临床决策AI助手产品价值 - 该产品针对基层医生信息不全、经验不足的痛点，能快速调取高等级医学证据和“专家智能体”给出结构化决策报告[23] - 在临床实战评测中，该产品在8大维度（如多病共存、用药相互作用等）全面优于美国选手GPT-5和OpenEvidence[27][28] - 产品提供“安全卡”与“证据卡”，所有证据均来自高等级文献并标注指南来源，让基层医生决策更自信[25] 患者随访AI助手市场机遇 - 研究显示超过91.2%的医护人员认为诊后管理至关重要，但受限于人力仅44%的机构能开展定期随访，超过半数患者处于“失管”状态，存在系统性短板[33] - 该产品能7x24小时工作，承接院外随访工作，内置“专家智能体”将上级医院经验沉淀为数字化方案，提升基层管理效率和质量[35][38] 公司产品定位与竞争优势 - 公司产品基于独有的MedGPT临床认知决策系统，并与临床专家深度共创，人机协作模式是其灵魂所在[40] - 产品被数十位学科主委信任，被认为是AI赋能基层的“最佳实践”，其底层逻辑是AI作为超级助手而非取代医生[39][41][44]

文章核心观点 - 生成式人工智能正在引发文化产业内容生产的范式革命，打破高质量动态内容生成的壁垒，将复杂创意工作推向机器可及的范围 [2] - 技术带来“战略性焦虑”与“机遇性渴望”并存的局面，既有价值链、商业模式与内容生态面临全面重塑 [2] - 研究聚焦GenAI在长视频、短视频、音乐、动画、网络文学等领域的应用，探索文化产业智能化发展路径 [2] GenAI在文化内容生产中的渗透与能力边界 - GenAI已深入渗透文化内容生产环节，但在不同细分领域介入程度各异，在重复性劳动且制作成本高的环节可形成精准替代，但并非所有环节都能实现“降本增效” [6] - 真正的智能剪辑在当前时期难以实现，AI对素材的理解能力不足，用现有算力分析500小时素材进行逐帧分析，成本和效率完全不成正比 [8] - AI在影视创作中，前中期环节如策划、剧本创作、分镜设计等应用较为深入，后期环节如商业化剪辑仍主要依靠人工 [9] - AI对于内容加工处理的决策支持仍有难度，因为AI会忘记和乱想，编剧需要将工作拆解成分散、分阶段的任务交给AI完成 [10] AI原生内容的定义与价值 - 完全AI原生内容意味着AI演变为能深度洞察并主动塑造用户心理的“超级有机体”，商业逻辑从“争夺用户注意力”转向对用户“潜在需求与情绪”的精准筛选与创造 [12] - 当前所有AI创作或人机协同内容，传统影视都能完成，AI只是实现降本增效，人类价值在于定义方向和情绪 [13] - 未来有价值的是超越传统影视的能力，如实时影像生成、交互式内容生成，AI技术让内容在发布后可继续生长、延展、修改 [14] - 2D路线AI可制作短视频或对一致性要求较低的内容，如AI漫剧，一分钟制作成本与真人剧存在量级差距，但无法胜任长线叙事或影视级内容 [15][16] - 3D路线使命是打破2D天花板，可能让原本需要大团队、巨量资金和时间的影视剧集，变为个人低成本快速完成 [16] GenAI赋能下的新型内容生产者 - 未来可能出现“视频作家”这一新职业，导演层面的画面能力和编剧层面的文笔能力可能被AI取代，编剧和导演行业可能合二为一 [17] - AI技术带来影视话语权下放，出现“超级个体”或小型团队，能完成原本需大型团队的工作，降低视听语言和专业门槛 [18] - AI技术促使认知体系和工作流程发生根本性重构，通过将复杂任务拆解为标准化模块，实现“一人+AI”的极简操作，取代传统重型作业模式 [19] GenAI时代的版权与商业模式变革 - 版权概念可能发生根本变化，未来可能出现内容不由单一机构或个人拥有，实现“参与者即版权拥有者”的新模式 [20] - 当内容生成平台积累亿级用户时，核心商业模式将从显性广告转向欲望按需生产，形成“需求识别-内容生成-消费满足”的零时差闭环，颠覆传统消费主义逻辑 [20] 消费者对AI内容的接受度与付费意愿 - 消费者对AI原生内容完全能接受，只要内容足够好、达到人类需求的基本品质标准，普通观众不会刻意关注“含AI量”，只在乎内容本身吸引力 [5][22] - 观众觉得AI内容“假”源于模型对物理世界规律模拟的不足，当平台能通过世界模型实现高度拟真的物理模拟，结合美学控制，就会形成精品AI影像 [21] - 主要矛盾是人们对好影视作品的需求未被满足，生产力不足才是问题根本，AI必须达到人类所需作品的水平 [23] AI内容爆发式增长的行业隐忧 - 在AI热潮中可能陷入极其残酷的价格战，由于AI成本远低于传统影视，可能出现大量同质化、低质内容冲击优质内容的情况 [25] - 作为技术发明者，更多关注的是能力不足的问题，需要继续努力从不能变成能 [25]

行业转型趋势 - 在数智化浪潮与中企出海趋势推动下，人力资源管理正从传统模式向“人机协同”深刻转型 [1] - 企业面临跨国界、跨系统管理的复杂挑战，不再满足于分散式管理系统，迫切需要实现全球数据贯通、智能决策支持的一体化平台 [1] - AI正从操作、管理、战略三个层面重塑人力资源管理的本质 [4] “人机协同”技术架构 - 真正的“人机协同”是让机器具备理解人、辅助人、扩展人的能力，通过“数据底座+AI能力+智能中枢”的协同实现人类员工与数字员工的深度融合 [3] - 数据底座确保全链路数据可信与安全合规，为人机协同提供数据支撑 [3] - AI能力提供多模态智能支持与业务场景响应，实现所想即所得、推理有依据的智能化响应 [3] - 智能中枢作为人力资源管理统一调度的核心，将技术从执行工具升级为懂业务、能推理的战略合作伙伴 [3] AI重塑人力资源管理的具体层面 - 操作层中，AI实现招聘解析、薪酬核算等自动化处理，解放HR重复劳动，并通过智能应用提升全员服务体验 [4] - 管理层里，AI通过招聘筛选、个性化发展路径设计等，实现“一人一策”的精准管理 [4] - 战略层上，AI化身“虚拟CHO”，凭借人力规划、风险预警等功能提供精准决策支持，支撑企业科学决策 [4] - AI催生“人机混合团队”，为组织管理带来全新维度 [4] 公司产品解决方案 - 浪潮海岳HCM7.0以安全、敏捷、智能的三层业务架构，构建集基础平台、业务平台与管控决策于一体的企业级人力数智化平台 [5] - HCM7.0深度适配央国企“全员、全级次、全口径”监管要求，实现从薪酬核算、数据归集、智能校验到多模式上报的全流程线上化、穿透化管理 [5] - 产品深度融合薪酬业务与人事体系，内置国家标准，支持央国企各端动态扩展，助力企业高效合规、提质降本 [5] - HCM国际版以“一套平台、全球运营”为核心理念，深度融合国内领先实践与国际化特性，预置海外国家/地区包，具备多语言、多币种、多时区技术底座 [5] 中企出海挑战与机遇 - 中企出海面临多国法规合规、全球化运营复杂、海外数据分散三大挑战，但也蕴藏巨大市场机遇 [5] - HCM国际版通过矩阵式管控模型，在保障数据主权的前提下，实现全球人才精准配置与协同管理，为中企出海提供合规、高效的人力资源管理解决方案 [5]