第九届数字中国建设峰会数字生态文明分论坛典型应用汇编（上册）-部分1

第九届数字中国建设峰会(上册)数字技术浪潮奔涌向前，生态文明建设蹄疾步稳。当前，人工智能、大模型、物联网、卫星遥感等新一代信息技术与生态环境保护深度融合，一场以“数智化”为引擎的治理变革正在神州大地全面展开。2026年是“十五五”规划的开局之年，也是美丽中国建设承上启下、实现生态环境根本好转的关键时期。全国生态环境系统深入学习贯彻习近平生态文明思想和习近平总书记关于数字中国建设重要论述，全面深化以人工智能为核心的数字技术应用，积极推进生态环境治理体系向智慧化、精准化转型。值此第九届数字中国建设峰会数字生态文明分论坛在福州召开之际，我们围绕“共绘美丽中国生态治理新画卷”主题，汇编整理了全国各地选送的77个典型案例。本汇编涵盖大模型全域智治、AI精准治污、数智监测感知、AI数据治理、数智执法信访、智能决策服务六大领域，系统呈现人工智能技术在生态环境治理全链条中的深度应用，鲜活勾勒出数字技术赋能美丽中国建设的生动图景。我们希望通过这本汇编，为全国各地提供可借鉴、可复制的经验样本，也期待与社会各界一道，继续以数字之笔，共绘美丽中国生态治理的新画卷。 ◆◆智慧环保一体化监管体系构建与应用(生态环境部环境工程评估中心等) 009◆人工智能赋能生态环境智治体系建设(广东省生态环境厅) 014◆河北省生态环境监管AI大模型(河北省生态环境数智中心等) 024◆生态环境“AI一张图”智能服务应用(陕西省环境信息中心) 030◆人工智能赋能“皖美生态”的典型应用场景(安徽省生态环境厅等) 035◆泸州市“环保门诊”(泸州市生态环境局).................................053◆构建渐进式助力多维度场景的“生态智能助手”(北京市大兴区生态环境局等)....056◆“美丽巴中AI管家”平台(巴中市生态环境局)............................060◆数智护绿绘就生态新图景——佛山生态环境数字化治理“一网统管”标杆案例(北京思路创新科技有限公司等) 065◆“数智蓝天”:大气联防联控全域协同治理(福建省生态环境厅) 073◆智驭数驱守护蓝天：基于“AI+大数据”的移动源污染智慧管控平台(山东省机动车排气污染监控中心).....................................................077◆区域空气质量智能监测与预报技术研发与应用(广东省生态环境监测中心等)....082◆基于“伏羲”气象大模型的大气污染AI预报模型(上海市生态环境局等)......087◆沈阳市环境空气质量智能管控与应急指挥平台——大模型+小模型：双轮驱动，破解数据与预报双重瓶颈(沈阳市生态环境局等)...............................096◆基于多源视频与多算法协同识别的大气污染AI视觉闭环应用(成都市生态环境局)104◆基于AI驱动的恶臭远程采样及精准溯源技术(深圳市生态环境监测站等)◆恶臭污染溯源及精细化监管系统(内蒙古自治区生态环境厅综合保障中心等)....117◆大气污染综合治理系统(中国铁塔枣庄市分公司)...........................122◆水环境问题处理闭环管理系统(江西省生态环境厅等).......................130◆贵州省水生态环境管理人工智能场景应用(贵州省环境保护厅电子政务中心)...134◆湖北省长江大保护数字化治理智慧平台应用(湖北省生态环境信息中心) 138◆山西省水生态环境综合管理大模型(山西省生态环境厅等) 146◆水污染智能反演与精准溯源平台(上海市环境科学研究院) 156◆渝小水：重庆探索AI+守护一江碧水向东流(重庆市生态环境局) 162◆AI赋能海洋生态环境智慧监管·打造美丽海湾“厦门样板”(厦门市生态环境局)....167◆入河排污口设置论证及审批智能体(生态环境部环境规划院等)...............172◆基于AI的农村生活污水治理成效数智化评估：从人巡到智评(广东省环境科学研究院) 180 ◆环境噪声智能监测与溯源关键技术研发及示范应用(广东省生态环境监测中心等)200广东省红树植物物种细粒度AI识别与端云协同监测技术构建及应用(广东省生态环境监测中心等).........................................................215基于红外无人机的斑海豹种群动态智能监测体系(辽宁省大连生态环AI赋能的新疆生态环境监测一体化平台——水环境、噪声及社会化监管数智化实践(新疆维吾尔自治区污染物监控中心等) 229◆全自动AI水质检测系统(辽宁省沈阳生态环境监测中心等) 246浙江省桐乡市乌镇省控水站智能运维系统(嘉兴市生态环境局桐乡分局) 251◆机器与AI协同的智慧监测应用(海南省生态环境厅) 257行业知识驱动的生态环境监测人员数智化考核系统应用(上海市生态环境局) 263“穗小测”数智助手生态环境监测数智化应用(广州市生态环境局等) 267杭州市创新打造第三方环境监测服务监管新模式“环检码”(杭州市生数字中国建设峰会大模型赋能全域智治生态环境智慧中枢□智慧环保一体化监管体系构建与应用智慧环保一体化监管体系构建与应用工智能+’治理能力”的重要构成部分。在项目环评、排污许可、环境执法等生态环境监管关键环节推进人工智能技术应用研究是落实意见要求、推动生态环境治理朝着智能化方向转型的关键举措，也是助力美丽中国建设、筑牢生态环境安全防线的重要实践。环评、排污许可、执法共同构成了生态环境源头严防、过程严管、后果严惩的全链条监管体系。但当前环评文件审批、排污许可证审核和执法案卷评查等关键业务均存在以人工为主、智能化水平不高等问题。本案例聚焦生态环境监管关键环节痛点，通过对海量数据的智能分析、重要问题的精准识别、非现场监管执法线索的智能发现、执法案卷的科学研判，构建全链条关键节点智能化监管新方式。核心技术涵盖长文本理解与推理、多模态大模型解析、机器学习、人工智能与图像识别等，采用“数据驱动+规则辅助”等技术路线，搭建各模块智能应用体系，实现全流程自动化处理与审核优化。应用范围覆盖全国生态环境相关管理部门，广泛应用于环评文件辅助审核、排污许可辅助审核、执法案卷辅助评查和非现场执法场景，目标是实现监管自动化、标准化，打造公平高效的监管新范式，提升管理效能与规范性，同时减轻基层负担，推进依法行政与生态环境监管提质增效。(一)模型情况本案例共选用三种不同的模型，分别为：1.机器学习模型(1)随机森林模型(2)卷积神经网络模型参数量：总参数量1.3万。部署方式：基于PyTorch框架实现，支持CPU、GPU单机单卡训练与推理；通过Python完成数据预处理、模型训练与验证，将最优模型保存为.pth权重文件实现持久化；可直接加载权重完成水文多特征实时预测。 大模型赋能全域智治·生态环境智慧中枢智能交互智能交互项目全生命周期管理、全国应用权限体系、准入业务管理、审核结果管理、知识库管理、全国建设项目环评统一申报与审批系统、智能分区管控系统、水环境非现场执法监管平台知识底座法规、标准、政策、规章等规范化处理流程数据关联融合规则编制智能集成与应用智慧环保一体化监管体系架构来源：阿里云开源的通用大语言模型，官方实现与预训练权重开源托管于GitHub,属于通义千问系列开源模型。部署方式：基于Ollama工具实现本地化一键部署，原生支持Windows、macOS、Linux多操作适配对话交互、内容创作、代码生成、逻辑推理等多场景任务，同时支持自定义Prompt、推理参数调优与二次业务集成。(2)qwen3-30b-a3b-thinking-2507;qwen3-next-80b-a3b-instruct;qwen3部署方式：环境专网私有化部署(1)异常线索模型(2)排污许可证智能辅助审核模型参数量：以单一行业为例，深度学习子模型采用轻量化架构设计，■智慧环保一体化监管体系构建与应用部署方式：模型基于Python原生开发，采用模块化封装，支持标准云平台的弹性部署，兼容(二)数据情况本案例共构建5类业务数据集，分别为：数据规模：截至2026年3月30日，已完成5个行业4433个建设项目审核；每年全国约10万数据分类：按行业分为电机制造、塑料制品业、结构性金属制品、金属表面处理及热处理加工、铸造及其他金属制品制造等类别；按审核环节分为统建系统同步数据、文档解析数据、结构化信息提取数据、智能审核问题数据、专家人工复核数据等。质量情况：数据均来自官方环评申报审批渠道，真实性、权威性、合规性高，经多轮模型解析校验与人工复核，数据完整性、准确性均达到智能审核业务要求，可充分支撑模型运行与迭代优化。2.排污许可结构化数据集数据集来源：数据源自全国排污许可证管理信息平台，脱敏后使用。数据规模：数据集总量近4900万条，覆盖全国各省(自治区、直辖市)和新疆生产建设兵团，时间跨度为2017-2025年。数据分类：数据均为结构化数据，按行业类别进行分类。构建方式：采用“原始数据清洗-专家标注-分类归集”三步构建流程：首先剔除非本行业的数据；其次由环保领域专家进行关键字标注；最后按分类标准归集整理。质量情况：数据均采用以核发数据，准确率高，符合行业数据质量标准，可直接用于模型训练。3.环境执法案件评查数据集数据源自行政处罚案例、司法判例、裁量基准及历史评查案例及试用类型涵盖一般行政处罚、不予行政处罚、查封扣押、按日计罚等七类案卷，脱敏后使用。经数据拉取、清洗标准化、人工标记关键信息，剔除无效案卷后划分训练集与验证集。数据经完整有效性校验，较贴合实际需求，模型整体准确率相对较高，验证了数据高质量与适用性。4.水环境非现场监管多源异构融合数据集数据涵盖地表水自动监测数据、入河排污口在线监测数据、DEM高程数据、气象数据、水文数据、排污许可证数据等。数据构建方式上，项目先进行时间对齐、空间映射、格式统一、缺失补全和异常值处理，再执行预处理、标准化、关联融合和质量校验四级流程，最终形成用于训练与应用的融合数据库。□智慧环保一体化监管体系构建与应用 大模型赋能全域智治·□智慧环保一体化监管体系构建与应用及热处理加工、铸造及其他金属制品制造等5个行业4000余个建设项目审核，单日可高效处理超许可智能辅助审核方面，已开发完成覆盖全部37万余家持证企业的仅需72小时即可完成全国3000张水泥制造行业排污许可证的重点问题审核，短至1.5分钟左右，整体效率提升约80倍。环境执法案卷智能辅助评查方面，通过在全国生态环境执法实战大练兵中开展试点，现已推广至6省4市落地运行，具备全国规模化推广条件。单次评查时长由2-3小时压缩至5-10分钟，整体评查时间大幅降本增效，同时统一评查标准、保障评查质量，提升执法公信力。涉水环境非现场监管治理方面，在某省国控断面水质异常问题中，快速精准定位污染源头，提升了水质异常处置效率，有力震慑了企业环境违法行为。本案例各模块多向发力，通过精准化、智能化源头环境风险防控，筑牢生态安全底线，同时依托海量数据挖掘分析，为生态环境政策优化、标准完善提供科学支撑，全力助推生态环境治理体系和治理能力现代化，实现生态环保、政务效能与经济发展的协同共赢。数据来源主要包括流域监测站点实测数据、降雨与气象数据、土地利用/土壤/坡度等基础地理数据、遥感影像数据、河网与行政区划数据，以及CSA识别、TMDL核算、BMP措施配置等业务资料与专家经验知识。在规模上，数据集覆盖试点流域的流域空间网格/HRU单元数据、河道断面与监测点时序数据、半结构化、非结构化相结合的数据资源体系。(一)技术创新融合多模态大模型、视觉模型与图片识别技术，突破传统文件解析瓶颈，依托长文本推理能力拓展文件审核深度，构建含800余条标准规范语料的多个规则库，近三千套环评文档、8TB结构化许可数据的各类知识库，成功实现文档通读并可关联上下文。(二)标准创新建立统一审核规则库，尽量减少人工审核理解偏差和审核标准不一致问题。(三)效率创新将审核从“按天计”压缩至“按分钟计”,5分钟完成文档解析、20分钟输出审核意见，并通过将隐含于数据中的部分审核规则进行提炼，内化为模型参数权重，直接用于智能审核流程，大幅提高工作效率。(四)架构创新打造稳固且包容的柔性架构，支持地方特色审核内容接入和各行业定制化延伸，双AI验证机制让审核能力持续进化，实现智能审核与人工研判高效协同。(五)应用模式创新构建了“数据融合+问题发现+现状评估+措施优选+效果评估”的全流程监管治理体系，通过将多源数据进行深度耦合，利用大模型研判发现异常问题，再利用现状数据准确评估现状情况，通过情景模拟精准匹配解决措施，最终进行效果验证，实现全流程智能监管和综合治理。 大模型赋能全域智治 大模型赋能全域智治·生态环境智慧中枢为深入实施“人工智能+”行动，推动人工智能与生态环境领域广泛深度融合，充分发挥人工智能对生态环境治理的赋能作用，广东省生态环境厅紧扣生态环境治理体系和治理能力现代化建设要求，立足全省生态环境监管实际，聚焦督察、执法、审批、监管等核心业务痛点，创新构建“平台安全可控的人工智能赋能生态环境智治体系。依托统一人工智能综合管理平台，打通多源数据、优化业务流程、提升协同效能，从技术赋能与业务重构双向发力，精准破解传统生态环境业务工作中数据分散、处理效率低、跨部门协同难、人工成本高等行业共性难题。率先聚焦生态环境督察业务，打造标杆型“督察AI应用”。一是重复件智能并案，自动识别合并重复信访案件；二是智能生成案件诊断报告，精准判定关注等级并提出专业工作建议；三是智能生成区域分析报告，自动统计分析区域案件分布与污染类型，形成重点案件清单及可视化图表；四是台账智能管理，自动整合任务详情、整改措施、整改进展等全要素数据。应用已在全省市县两级生态环境部门开展试点，有效推动督察模式从“人力专注”向“AI融数工智能+生态环境”应用，覆盖执法监管、环评审批、案卷评查、核与辐射安全等重点领域，加快构建“平台共建、资源共享、场景复用、安全可控”的生态环境AI智治新格局，为全国“AI+生态环境”深度融合、规模化应用提供可复制、可推广、可借鉴的广东样板与先行示范。本项目坚持国产化、集约化、安全可控、业务导向原则，按照“基础设施层、模型管理层、能力支撑层、应用支撑层、应用层”五层架构打造一体化技术体系，统筹模型、数据、组件、场景全链条要素，实现技术与业务深度耦合。五层一体化技术架构1.基础设施层：部署华为昇腾、沐曦等国产AI芯片与专用服务器，全面适配银河麒麟操作系统、达梦数据库等国产软硬件环境，搭建xinferen保障底层硬件自主可控、稳定运行。2.模型管理层：搭建多元模型统一“调度中心”,通过多模型网关与调度引擎一站式接入DeepSeek、Qwen等主流国产化大模型，具备智能路由、负载均衡、并发调度能力，同时实现模型统一版本管理、性能实时监控与运行效能评估，确保多模型协同高效运转。3.能力支撑层：封装RAG与提示词工程框架、工作流与规则引擎、统一数据与API网关、统一权限与安全合规中心四大核心组件，构建全省生态环境统一知识中枢，实现多源数据融合汇聚、业务系统安全对接、全流程安全合规管控，为上层应用提供标准化、可复用能力。4.应用支撑层：依托可视化智能体编排器、政务知识中枢体系、智能体运行与评估框架，支持业务人员以低代码方式快速构建场景化智能应用，降低业务场景开发门槛，缩短落地周期。5.应用层：构建覆盖通用场景与行业场景的智能应用矩阵，重点落地督察AI应用及配套智能模块，同步预留执法、审批、案卷评查、核与辐射安全等场景拓展接口，推动人工智能技术与生态环境智治体系深度融合、持续迭代升级。产品技术架构图(二)多模型协同架构项目采用多模型协同工作模式，核心模型全部实现本地化部署，保障数据安全与自主可控。 大模型赋能全域智治·生态环境智慧中枢化，擅长复杂逻辑推理，支持32K上下文长度，采用OpenAI兼容API本地部署，适配督察业务复杂研判需求。2.Qwen3:由阿里巴巴通义实验室研发，参数量3.bge-m3:由北京智源研究院开发，参数量568M,为通用文本嵌入模型，支持多语言、多粒度场景，兼容8K上下文，向量维度1024,采用XorbitsInference本地部署，提升知识检索精度。4.bge-reranker-v2-m3:由北京智源研究院开发，参数量568M,为检索重排序模型，可显著提升RAG检索结果相似度与相关性，支持输入≤512tokens,采用XorbitsInfere5.SenseVoiceSmall:阿里巴巴FunAudioLLM团队开源轻量级多任务语音理解模型，体积约300MB,CPU可流畅运行，具备低延迟、多语言、富信息输出能力，输出文本、语种、情感、事件一体化转录结果，采用XorbitsInference本地部署，支撑现场语音记录与智能总结。(三)数据资源体系平台构建“公共知识+业务数据”双轮驱动的数据资源体系，为智能应用提供高质量数据支撑。一是汇聚生态环境法律法规、标准规范、行业知识、政策文件等非结构化文本资料超4000份，通过大模型RAG技术完成向结构化知识图谱转化，建成多领域智能检索体系，支持自然语言交互、关键词检索等多元查询方式，实现跨文件、跨领域知识整合串联。二是建成生态环境业务专属数据资源库，以广东省生态环境督察案件数据集为例，来源覆盖中央/省级生态环境保护督察信访、12345政务热线环境工单、12369全国环境举报平台，覆盖广东省21个地市；数据集规模约150万源抽取→清洗融合→文本整合→地域划分”标准化流程，核心字段完整度超90%,经预处理完成降噪、纠错、去重、缺失值处理，保障数据可用、可信、合规。案例直击生态环境领域数据壁垒突出、人工处置效率低、跨层级协同不畅、精准治理能力不足、模型孤岛凸显、应用碎片化等行业痛点，以人工智能赋能生态环境精准智治为核心方向，实现三大杜绝重复建设，形成“一次建设、省市县三级贯通、全域赋能”的高效架构，从根源破解行业“模型孤岛”“应用碎片化”难题，树立政务AI集约建设、统筹推进的标杆范例。二是技术融合创新，将国产化大模型、私有RAG知识库与生态环境核心业务深度耦合，以督察业务为典型示范，落地重复信访件智能并案、案件智能诊断与等级判定、区域态势自动分析与可视化生成、整改台账全要素智能整合、移动端随时问随手记五大核心功能，实现督察问数秒级响应、区域报告一键生成，全面突破传统人工监管效能瓶颈，做到推理可追溯、结果可验证、风险可管控。三是实施机制创新，坚持试点先行、梯次落地、安全可控的建设思路，以督察智能化为核心示 人工智能赋能生态环境智治体系建设场景可扩展”的良性应用生态，严格恪守政务AI辅助定位，健全风险防控与内容审核闭环，为全国生态环境领域人工智能规范应用、规模推广提供可复制、可落地的实践路径。项目自试点应用以来，在基础设施智能化、督察业务全流程赋能、重点场景规模化落地等方面取得显著实效，全面提升生态环境治理效能与公共服务水平。(一)建成三位一体智能化基础设施形成广东省生态环境厅统一的“底座+入口+知识”智能化基(二)督察业务实现全流程智能赋能(三)重点领域智能应用多点突破在督察场景示范带动下，多领域智能应用试点落地见效。排污许可非现场执法AI核查应用完成三类情形验证，“自动监测应装未装”识别准确率达98%,单家企业审核时长压缩至5-7分钟；“自行监测应测未测”对24家案例审核，研判正确率达83%以上，审核时长从人工平均1.5小时/家压缩至8分钟/家；“排放标准应改未改”对50家案例审核，研判正确率初步达75%,单家企业审核时长约6分钟。智能案卷评查助手完成2334份案卷试评，精准发现疑似重大问题案卷67份，提升执法规范性；环评报告智能复核应用完成8个功能模块可行性验证，提升技术审查效率；信访咨询工单助手累计提供回复建议1300余次，提升群众咨询响应速度与答复质量。项目通过人工智能与生态环境业务深度融合，有效破解传统监管痛点，提升精准治理水平，增生态环境”融合发展提供广东方案，助力生态环境治理体系和治理能力现代化迈向新台阶。■云南省生态环境科学研究院“智慧生态大脑”大模型赋能全域智治·生态环境智慧中枢■云南省生态环境科学研究院“智慧生态大脑”云南省生态环境科学研究院“智慧生态大脑”为深入贯彻落实全国生态环境保护大会精神，全面推进数字生态文明建设，加快新一代信息技术与生态环境保护业务深度融合，推动生态环境治理体系和治理能力现代化，云南省生态环境科学研究院立足生态环境保护工作实际，启动建设智慧生态大脑项目。项目以生态环境治理数字化、智能化转型为主线，以人工智能、大数据、云计算等技术为支撑，聚焦生态环境管理核心业务痛点难点，构建集数据汇聚、模型计算、智能分析、业务协同、决策支撑于一体的生态环境行业大模型平台体系，为全省生态环境精准监管、科学决策、高效执法、科研创新提供全流程服务。以“智能中枢+业务赋能为双轮驱动，构建“资源一平台一应用一服务”完整技术架构，核心运用混合推理大模型、多模态模型、RAG检索增强生成、数据调及智能体(Agent)等关键技术，融合主流开发框架，实现技术先进性与业务实用性统一。项目服务对象覆盖云南省生态环境科学研究院及全省各级生态环境管理部门，重点支撑水环境智能管理、执法案卷智能评查、生态环境智能问答、科研文献智能辅助、污染智能溯源等核心业务场景，致力于打造全国领先贴合实际的“AI+生态环境”融合示范应用。项目建设始终坚持安全可控、自主适配、业务导向、迭代优化的原则，严格遵循政务数据安全管理规范，采用本地化私有化部署模式，确保生态环境敏感数据全流程不出域、不泄露、可管控；同时充分盘活院内超算算力、四十余年科研数据等存量资源，打通跨部门、跨层级数据共享通道，实现算力、数据、知识、技术资源高效整合与集约利用，以最小投入实现最大价值，为全省生态环境领域数字化、智能化转型探索可持续、可复制、可推广的实施路径。智慧生态大脑项目采用成熟稳健、业务适配、安全高效、弹性扩展的技术路线，构建"1个统一门户+1个数据知识底座+1大模型综合管理平台+N应用(产品超市)”总体架构，全面整合模型能力、数据资源、业务场景与安全体系，形成从基础设施、数据治理、模型训练、应用开发到运营服务的全链条技术支撑体系，确保项目技术先进、落地可行、运行稳定、持续迭代。(一)总体架构项目以“智能中枢+业务赋能”为核心驱动，搭建三层一体化平台体系：第一层为统一门户与盖安数据图谐造造务改服生态环境数据生态环境数据同步数据平台总体架构智慧生态大脑由四大基础服务平台组成：一是大模型服务管理平台，集成主流通用大模型，实现多厂商、多类型模型与推理服务统一接入、统一调度、统一监控、统一运维，解决模型碎片化管理问题；二是大模型接口管理平台，提供标准化接口注册、发布、授权、监控与降级熔断功能，统一接口调用规范与地址，业务系统可便捷接入大模型能力，降低集成开发成本；三是大模型应用管理平台，支持知识库、智能体、工具链等模型应用可视化配置、挂载、启停与版本管理，实现应用全生命周期管理；四是大模型场景创新平台，采用无代码/低代码拖拽式配置模式，支持业务人员快速搭建、测试、部署智能化应用，打通“开发—测试—部署一运维”全链路，大幅降低AI应用 大模型赋能全域智治·生态环境智慧中枢知识图谱数智融合底座为平台稳定运行提供核心支撑，实现数据治理、知识服务、安全保障、用户管理四大核心能力，实现多源生态环境数据统一汇聚、高效治理与安全共享。数据底座完成多类型数据接入、清洗、建模与服务发布，构建标准统一、动态更新的数据资源池；知识服务底座搭建安全审计、链路监控、安全管理构建全流程防护，保障平台运行合规可控；用户体系通过账号、角色、权限精细化管理，实现访问安全与权责清晰。底座整体实现数据、知识、安全、权限一体化协同，为上层模型与应用提供稳定可靠的基础支撑。知识图谱数据治理知识服务除此之外，项目提供四大类专业化运系统监控与性能优化；二是安全与合规运营服务，围绕数据全生命周期开展安全管控、合规检查、风险预警与应急处置，保障数据使用与业务运行符合政务信息系统提供数据采集、处理、标注、更新、质量核查、知识图谱维护、图数据库运维等服数据治理知识服务核心模块迁移、生态认证、场景化适配、安全运维全链条体系，实现平台全栈信创兼容，满足自主可控要求。(二)核心模型情况模型采用双模型协同架构：主模型为Qwen3-32B(BF16精度),专注文本交互、逻辑推理、规则判断、知识问答等核心能力，保障输出结果精准、高效、稳定；多模态模型为化图片、扫描件、非结构化文档、多格式文件解析能力，支持执法案卷、监测报告、图纸图表等业务材料自动读取与理解，双模型优势互补、协同运行，全面覆盖生态环境业务多场景、多格式、多类型智能处理需求。模型训练与优化深度融合云南省本土业务知识，重点融入水环境监测管理、高原湖泊治理、生态环境行政处罚、案卷评查标准、政策法规、科研规范等专业数据，通过指令微调、RLHF优化、RAG检索增强等技术提升模型行业适配度，确保模型输出符合业务逻辑、监管要求与工作规范，可直接支撑实际业务办理与决策分析。模型部署严格遵守政务数据安全管理规定，采用内网本地化私有化部署，搭建本地GPU算力集群，实现数据存储、模型训练、推理计算全流程不出政务域，从物理层面保支持算力弹性扩容、动态分配，可根据业务并发量、任务优先级自动调整资源，满足省、市、县三级生态环境部门多用户、多任务、高并发使用需求，保障系统稳定流畅运行。(三)核心数据情况项目构建水资源数据集、知识数据集两大核心数据体系，为大模型运行与智能化应用提供高质量基础支撑。水资源数据集：源自云南省生态环境数据资源中心，总量超1亿条，覆盖水、大气、生态、环评等9大业务类别，通过自动化汇聚与严格质量核查，保障数据规范、准确、可用；知识数据集：整合政策法规、学术文献、科研成果等权威■云南省生态环境科学研究院“智慧生态大脑”大模型支撑水环境智能问数大模型支撑科研文献助手大模型支撑水环智能境溯源大模型支撑案卷智能评查 大模型赋能全域智治·生态环境智慧中枢■云南省生态环境科学研究院“智慧生态大脑”资源，规模1万余条，经标准化处理后入库，支撑模型知识问答、逻辑推理与专业研判。两大体系协同支撑，为水环境分析、案卷评查、科研辅助等场景提供可靠的数据与知识保障。“智慧生态大脑”项目立足生态环境行业数字化转型痛点，结合云南省生态保护治理实际，在技术架构、业务融合、资源配置、场景落地、安全可控等方面实现多项创新突破，有效解决长期制约AI与生态环境业务深度融合的共性难题，具有较强的独创性、实用性与示范价值。(一)技术架构创新构建标准化项目突破传统生态环境信息化系统建设弊端，创新构建“1+1+1+N”大模型平台架构，即1个统一门户、1个数智融合底座、1个智能中枢平台、N个业务应用场景，形成标准化、组件化、可复用的AI技术中台。通过统一模型管理、统一接口服务、统一数据标准、统一安全管控，解决AI技术与业务融合碎片化、各部门重复开发、资源浪费等问题，实现一次建设、多方复用、全域赋能，大幅降低全省生态环境领域智能化建设成本与技术门槛。(二)业务融合创新项目将大模型技术与水环境管理、执法监管、科研服务、决策支撑等业务深度融合，打破技术与业务隔阂。针对水环境治理，打造智能问数、知识问答、污染溯源、趋势分析等应用，实现数据自动分析、问题快速定位、原因精准研判；针对执法案卷评查，构建基于规则库与案例库的智能评查模型，自动识别文书错误、程序瑕疵、法律适用不当等问题，实现全流程自动化、规范化评查；针对科研工作，开发文献智能检索、内容提炼、观点总结、报告辅助生成工具，大幅提升科研效率；形成覆盖“管理一执法一科研—决策”的全链条智能化应用体系，推动生态环境治理从经验驱动向数据+智能双轮驱动转变。(三)数据与模型适配创新模型适配化。通过RAG检索增强生成、数据向量化、文本结构化处理等技术，将零散数据转化为模型可理解、可计算、可推理的高质量知识，显著提升大模型在生态环境领域的准确性、可靠性与实用性，解决行业大模型“训练难、落地难、好用难”的关键问题，为同类行业大模型建设提供技术参考。(四)资源配置创新盘活存量资源项目充分盘活云南省生态环境科学研究院四十余年积累的科研数据、业务经验、人才成果、超算算力等存量资源，打通与生态环境厅、监测中心、基层管理部门的数据共享通道，实现跨部门、(五)安全可控项目严格遵循政务数据安全管理要求，采用内网本地化私有化部署，实现敏感数据不出域、不流转、不泄露；构建数据加密、访问控制、安全审计、链路监控、入侵防御五位一体安全体系，覆盖数据采集、传输、存储、使用、销毁全生命周期，保障系统与数据安全。同时全面推进信创改造，在安全合规前提下实现AI技术规模化应用。项目自2026年1月正式运行以来，服务覆盖省生态环境科学研究院及全省各级生态环境管理部门，已经取得初步成效，正在逐步成为云南省数字生态文明建设的标志性成果，为生态环境治理现代化提供有力支撑。(一)经济效益通过搭建统一AI支撑平台，实现模型、接口、数据、算力集中共享复用，彻底改变分散建设、重复开发的现状，避免信息化投资浪费；盘活院内超算算力、四十年科研数据与业务知识库等存量资源，将其转化为高效生产要素，提升资源利用效率；统一提供AI服务，大幅降低基层单位采购、开发与运维成本，实现“一次建设、全域赋能、长期受益”。(二)社会效益实现水环境数据智能分析、污染快速溯源与精准处置，有力保障九大高原湖泊等重点水体生态安全；执法案卷智能评查大幅提升效率、降低错误率，推动执法更加规范公正；科研与智能问数工具显著提高科研效率、支撑科学决策，推动环境管理向精准化、主动预判转型；AI全面融入生态环保全流程，提升数字化治理认可度。(三)行业示范效益作为生态环境领域大模型规模化落地的典型案例，项目突破数据治理、模型适配、场景转化、安全可控等壁垒，实现“AI+生态环境”全场景规模化应用，形成可复制、可推广的建设模式、技术路线与运营机制。不仅服务云南本地生态环境保护，也可为全国湖泊治理、环境执法、科研支撑与智能监管提供宝贵借鉴，助力生态环境数字化治理体系建设。(四)能力提升效益项目建设推动省生态环境科学研究院构建起完整的AI技术研发、应用落地与运营服务能力，打造一支兼具生态环境业务、人工智能技术与数据治理能力的复合型人才队伍，为长期数字化转型奠定坚实基础。同时提升技术应用与科学决策水平，推动管理理念、模式与流程全面优化。项目持续迭代升级，逐步构建全域感知、智能研判、精准处置、高效协同的现代化生态环境治理体系。 大模型赋能全域智治·生态环境智慧中枢河北省生态环境监管AI大模型河北省作为京津冀大气污染防治重点区域，肩负着重大政治责任和历史使命。经过多年持续攻坚，全省空气质量取得阶段性显著成效：空气质量综合指数达3.815,创有监测记录以来最优水平；PM₂.5浓度首次达到国家二级标准，污染治理质效显著提升；所有设区市空气质量排名连续三年退出全国重点城市后十位，区域空气质量持续改善。然而，空气质量改善空间逐步收窄，外部压力逐步增大。河北省产业结构偏重、能源结构偏煤、交通运输结构偏公路的现状尚未根本转变，加之“北倚燕山、西临太行”的地理位置造成区域污染扩散条件先天不利，大气污染防治仍面临严峻挑战，必须强化科技赋能。企业排放等多源异构数据难以整合盘活，各部门信息壁垒深厚，缺乏全局视图和全量数据的思考与推理能力，数据价值未能充分挖掘利用；二是过度依赖人工经验，进行污染成因分析时精准溯源难度大，响应效率低，高值事件排查效率不高；三是传统监管溯源精细度不足，粗放式管控模式经济成本高昂，缺乏实时数据驱动的科学决策支持，应急时间长、处置效率低，管控措施缺乏针对性。(一)总体架构本项目技术路线采用“多源异构数据+大小模型协同+智能体网络”的总体架构，自下而上分为智能体协同层和AI场景应用层四个层次。数据编织层整合气象、空气质量监测、企业污染源、扬尘、移动源及知识库六大类数据，构建实时监测数据流与三维排放矩阵(点源一线源一面源体系)。智能模型层以基础大模型为核心，配合专属小模型矩阵协同工作。智能体协同层基于BDI(信念一欲望一场景用智能体曾控达标趋势分析的区域膨响欣冒数据编织气象小时监测数据(温度，温度等)意图)架构构建溯源分析、预警预报、精准执法、减排方案、政策评估、公共服务六大智能体组。AI场景应用层覆盖大气污染分析研判看板、重点污染源监管决策、应急辅助决策、智能综合分析报 大模型赋能全域智治·生态环境智慧中枢(二)模型情况在基础大模型之上，项目通过RAG(检索增强生成)技术为模型提供专业知识检索能力，并构SET时空演化预测器基于时空图卷积网络，捕捉污染物传播与扩散的时空关联；AED排放行为监测模型基于异常检测算法，实时识别企业异常排放行为；PI科学评估管控措施的实际效果。大小模型之间通过联邦学习框架实现高效协同。每台搭载4张AI加速卡(单卡显存不低于80GB),总显存640GB,总算力超2400TFLOPS,部署于省级智算中心，通过10Gbps专用光纤与政务云互联，与互联网物理隔离。推理采用显存优化、环境专属思维链数据关联逻辑推理环境专属思维链数据关联逻辑推理(水杉生态环境大模型(Retrieval-Augmented检索增强生成：给基础模型“小抄”,帮基础模型更好针对具体任务开发的高精度约700亿+tokens、7100万+向量=1,000,000本200页1token=1英文单词=0.5中文字(三)数据情况本项目数据来源于河北省生态环境数智中心及相关部门，通过“天空地海一体化”监测网络汇7100万余向量，涵盖六大核心数据库：16.5万篇顶级期刊论文(持续自动更新)、4200余份政府研究报告(持续人工更新)、50万项环境领域绿色技术专利(持续自动更新)、8续人工更新)、260余本权威教材和技术手册(持续人工更新),以及20余个大气机理模型。同时在实时监测数据方面，汇聚20余亿条数据记录，总量约14TB,具体包括：2582个空气质量监测站(含76个国控站、319个省控站、1957个乡镇站、225个省级以上开发区站和5个港口站)的六项污染物小时及日数据；2342家企业6272个排污口排放数据；142个气象站观测数据；6400个工地1.5万个扬尘监测点数据；以及行政区划、企业信息、地理要素等业务数据。日均生成2300万月等周期。存储采用湖仓一体架构，原始数据存于分布式文件系统，时序数据存于TimescaleDB,分析数据存于ApacheDoris,知识向量存于Milvus。数据质量方面建立格式、范围、逻辑、时序、空间、关联六级检查体系，准确性达94%,完整性达92%。(一)“深度耦合”的机理融合创新传统环境AI应用通常将机理模型与数据驱动模型简单串联，导致模型在极端工况下泛化能力不足。本项目创新性地将环境科学理论与机理模型直接参数化为神经网络组件，将大气扩散方程、圣维南方程等物理模型深度嵌入网络结构，使模型在训练过程中自动遵循物理定律，知识保真度达97.4%,远超传统RAG方案，有效解决了环境领域“小样本、高维度、强时空关联”的建模挑战。(二)领域专精的垂类大模型创新针对河北省特有环境特征实施迁移学习，从全局模型到区域专属模型精准适配，模型适应度提升63.7%。同时采用深度跨模态对齐技术，将监测、遥感、视频等多源数据进行异构融合，数据利用率提升82.5%。MetaSeq兼具自然语言理解与环境专业分析能力，在污染溯源、污染事件分析等任务上显著优于通用大模型。(三)“大小协同”的计算范式创新负责特定任务的高精度计算，通过联邦学习框架实现协同优低47.6%,计算延迟降低68.2%。(四)多智能体网络创新基于BDI架构构建气象分析、扬尘分析、工业污染、污染传输、管控措施等多领域AI专家协作复杂任务性能提升73.5%,决策响应速度提升89.3%。(五)时空动态图神经网络创新专为环境污染物时空演变特性设计，精准捕捉污染物传播与扩散的时空关联规律，结合神经一符号混合推理引擎，将深度学习与环境科学领域知识有机结合，推理准确率提升41.3%,预测精度提升56.8%。(六)安全自主可控创新全面采用国产化技术体系，系统部署于环保专网隔离安全架构内，所有数据本地化处理，搭建涵盖700亿Token的行业知识库，构建5万实体50万关系的环境知识图谱，不存在技术受制于人的风险。该模型为全国首个省级生态环境监管专业大模型，为省级层面深化AI与生态环保融合提供了实践蓝图与样本。大气监管环境大气监管环境AI技术路线图多源异构数据+大小模型协同+智能体网络数据融合框架实时监测数据流三维排放矩阵专属小模型矩阵溯源分析智能体预警预报智能体精准执法智能体直接参数化为神经网络组件知识保真度达97.4%,远超传统RAG方案保持高精度模型预测能力本项目于2025年7月正式上线，首批在石家庄、邢台等地市及县级生态环境部门试用，现已扩展至全省。截至目前，累计推送高值站点AI分析报告24176条，有力支撑基层大气污染防治工作，推动大气监管模式从“被动应对污染事件”转变为“主动提前预防联控”。精准溯源方面2025年8月以来，AI大模型持续依托国、省、市三级控空气监测站实时监测数据、重点污染源小时级排放数据与分表计电数据、网格风场数据及管控时段，实现了从月度常规监控到小时级精准溯源的多尺度并将排查清单实时推送移动端。典型案例包括：2025年9月衡水市枣强县经济开发区SO₂月度峰值达208μg/m³,精准锁定河北冀衡集团蓝天分公司为首位关联源；2026年1月15日迁安市阎家镇店SO₂浓度飙升至背景值13.5倍，精准锁定承德兆丰钢铁集团有限公司18—23时连续6小时排放为均值2.1倍的生产异常，同一时段遵化市小厂乡同步告警形成双站点交叉验证；同日秦皇岛市十里铺乡PM₁一度飙升至603μg/m³(背景值6.55倍),精准定位索坤玻璃容器有限公司异常排放；同日曲阳县路庄子乡NO₂高值经“排放一生产用电”双因子同步抬升(3.7倍与3.2倍),精准锁定保定市满城区鑫北方铝业加工厂违规工况；1月19日石家庄市井陉县北正乡PM₁高值(背景值3.24倍),精准锁定河北欧顺金科技有限公司(钙系列产品)违规排放。石家庄市累计处理高值告警上主动预警方面，通过融合142个气象站数据，大模型可提前3至5天预判不利气象影响，实现未来7至10天空气质量趋势预测和重污染过程识别，有效解决污染过程“后知后觉”问题。辅助基层工作人员第一时间实现对各空气监测站点乃至县、市以及重点区域未来空气质量的预测，及时提前采取管控措施，尽可能减轻污染程度、减少污染范围和影响时间。智能会商方面，项目建立多领域AI专家协作会商机制，由气象专家、扬尘专家、工业污染专家、污染传输专家、管控措施专家等AI智能体协同开展分析研判，可对空气监测站点、县、市提出短期、中期、长期的专业性管控建议。与应用前基层工作人员主要依赖第三方服务团队相比，有助于地方减少对聘请专家团队的依赖，助力大气污染防治决策部署。行业示范方面，2025年10月省政府调度人工智能应用工作时下一步，河北省生态环境厅将以人工智能为主线，在现有大气AI基础上拓展北戴河、环评、执法等重点工作的人工智能应用场景，建立跨部门协同治理机制，覆盖白洋淀、北戴河等重点领域，推动河北省生态环境质量整体提升，服务美丽河北建设。 大模型赋能全域智治·生态环境智慧中枢■生态环境“AI 大模型赋能全域智治·生态环境智慧中枢在数字中国战略和生态文明建设持续推进的背景下，生态环境治理正加快向数字化、智能化方向转型升级。近年来，各级生态环境部门围绕监测监管、污染防治和业务管理等领域建设了一批信息化系统，形成了较为丰富的数据资源体系，但在实际应用过程中仍面临一系列共性问题：一是数二是数据呈现形式以表格和报表为主，缺乏直观的空间分析能力，难以支撑综合研判；三是数据使用门槛较高，对业务人员的专业能力要求较强，普通用户难以高效获取所需信息。为解决上述问题，依托现有生态环境数据底座和国产昇腾910B算力平台，探索人工智能技术在生态环境数据服务领域的应用路径，建设生态环境“AI一张图”智能服务应用。项目整合监测站点信息、排污单位信息、排污许可信息、污染源在线监测数据等结构化数据，以及环评报告、政策法规等非结构化资料，构建统一的生态环境人工智能知识库，并在此基础上融合大模型语义理解、知识检索和空间分析能力，创新形成“自然语言问答+业务数据联动+地图空间分析”的一体化服务模式。用户可通过自然语言方式发起查询，系统自动完成问题理解、知识检索、数据调用和结果生成，并联动展示文本答案、业务组件和地图分析结果，形成“用户提问—模型推理一结果呈现”的完整服务链路，推动生态环境数据服务由传统“系统化查询”向“智能化交互”转变。通过该应用场景建设，陕西省在生态环境数据服务领域初步构建了以人工智能为支撑的智能化应用模式，实现了生态环境数据“可查询、可理解、可分析”的能力升级，有效提升了数据资源的利用效率，为生态环境管理提供了更加高效、便捷的数据服务路径。本应用面向生态环境数据智能服务需求，以现有生态环境数据底座为基础，以人工智能知识库建设为关键，以“AI一张图”应用为最终服务形态，形成了“国产算力平台支撑、模型服务能力驱动、知识数据统一组织、应用系统智能联动”的总体技术路线，打通了从底层算力资源到上层业务服务的完整链路，实现了模型、数据、知识与应用之间的协同贯通。建统一的模型推理运行环境。通过在国产算力平台上部署各类人工智能模型，实现大规模模型计算能力的集中支撑，为上层智能应用提供稳定、高效的算力保障。在部署方式上，平台采用容器化技术对模型服务进行统一管理，实现模型运行环境的标准化与资源调度的灵活化。各类模型通过统一接口对外提供服务能力，应用系统通过服务调用方式接入模型能力，从而实现算力资源与业务应用的解耦。该技术路径不仅满足当前应用需求，同时为后续模型扩展和能力升级提供基础支撑。模型服务：多模型协同构建智能能力体系。围绕生态环境智能问答与数据分析需求，构建由多类模型组成的协同服务体系，形成“语义理解—知识检索—结果生成”的完整能力链条。一是在语义理解与生成方面，系统以Qwen3-32B模型作为核心应用模型，承担自然语言理解、问题分类、实体识别及答案生成等任务。该模型能够对用户输入的自然语言问题进行语义解析，并生成符合业务需求的文本结果。二是在知识检索方面，系统采bge-m3-embedding模型对知识文本进行向量化表示，使文本内容能够以语义向量形式进行存储与匹配，从而提升检索效率与准确性。同时，采用bge-reranker-large模型对初步检索结果进行语义排序优化，进一步提升检索结果的相关性。各模型通过统一接口进行调用，由应用系统根据业务需求进行编排，实现模型能力的组合使用。知识数据：构建生态环境人工智能知识库。在数据层面，项目依托陕西省生态环境数据底座，对生态环境相关数据资源进行统一整合与处理，并构建人工智能知识库。知识库数据来源主要包括两类：一类为结构化数据，如监测站点信息、排污单位基础信息、排污许可信息以及污染源在线监测数据等；另一类为非结构化数据，如环评报告、政策法规及相关业务文档等。通过对结构化数据进行汇聚整理，对非结构化文本进行解析处理，并结合向量化建模技术，实现数据资源与知识资源的统一组织管理。目前系统已整合生态环境数据类型15类，累计数据规模超过13亿条，形成较为完整的数据与知识支撑体系。该知识库不仅为智能问答提供基础数据支撑，同时也为后续数据分析和应用拓展提供统一的数据基础。 大模型赋能全域智治·生态环境智慧中枢应用系统：“AI一张图”智能服务实现。在应用层面，系统建设“AI一张图”智能服务应用，作为生态环境数据服务的统一入口。用户通过界面输入自然语言问题后，系统首先对问题进行语义解析，并将请求发送至模型服务层；模型服务结合知识库内容完成检索与推理后生成结果，并返回应用系统。应用系统在展示文本答案的同时，联动调用相关业务接口，获取对应数据，并通过业务组件及地图进行可视化展示。通过该方式，系统实现了文本问答、业务数据展示与空间分析的有机结合，使用户在获取答案的同时，能够直观查看相关数据及其空间分布情况，提升数据服务的直观性与实用性。■生态环境“AI一张图”智能服务应用本项目聚焦生态环境数据服务与人工智能融合应用中的关键问题，立足陕西省生态环境厅既有数据基础和国产算力条件，在服务模式、技术体系、数据组织、应用形态等方面形成了具有实践价值的创新探索。服务模式创新：构建智能交互式数据服务方式。针对传统生态环境数据服务依赖系统查询、操作复杂的问题，本项目引入自然语言交互方式，构建“AI一张图”智能服务模式。用户无需掌握复户需求驱动”的转变。技术体系创新：多模型协同的智能服务架构。通过引入大语言模型、向量模型及排序模型，构建多模型协同的技术体系，实现语义理解、知识检索与结果生成的深度融合。该技术路径有效解决了生态环境领域数据语义复杂、检索难度高的问题，提高了智能问答的准确性与可用性。数据组织创新：数据与知识融合管理。在数据整合的基础上，引入知识化处理方式，将结构化数据与非结构化文本统一纳入知识库管理，实现数据资源向知识资源的转化。该方式不仅提升了数据的可利用性，也为人工智能应用提供了更高质量的数据支撑。应用形态创新：问答、组件与地图联动展示。将文本问答结果与业务数据组件及地图分析结果进行联动展示，使用户在获取答案的同时能够直观查看相关数据及空间信息，提升数据展示效果和应用体验。该模式突破了传统单一展示方式，实现多维度信息的融合呈现。项目实施后，陕西省生态环境“AI一张图”应用在数据整合、智能服务和空间展示等方面取得了阶段性成果，初步形成了生态环境人工智能应用的基础能力体系，为生态环境数据智能化应用提供了实践基础。■人工智能赋能“皖美生态”的典型应用场景大模型赋能全域智治·生态环境智慧中枢■人工智能赋能“皖美生态”的典型应用场景在数据资源整合方面，依托陕西省生态环境厅现有数据底座，对生态环境领域相关数据资源进行了统一处理和组织，目前已整合生态环境数据类型15类，汇聚监测站点、排污单位等相关业务数据13亿条以上，形成了覆盖结构化数据和非结构化资料的基础资源体系。通过对这些数据资源进行统一组织管理，为智能问答、知识检索和地图联动分析提供了稳定的数据基础，也为后续生态环境人工智能应用场景的持续拓展打下了较好的资源基础。在智能应用建设方面，开发完成了“AI一张图”应用系统，实现了自然语言问答、业务数据组件联动展示以及地图空间分析等核心功能。用户能够通过自然语言方式快速查询监测站点信息、排污单位信息及相关监管数据，系统自动完成问题理解、知识检索和结果生成，并同步展示相关业务数据内容。相较于传统方式需要在多个系统之间切换、逐项查阅等，本项目通过统一服务入口和智能交互方式，显著简化了数据获取路径，提高了生态环境数据查询和使用效率。特别是对于需快速了解某一站点、某一企业或某一区域相关情况的业务人员而言，这种服务模式能够有效降低操作复杂度和信息查找成本，提升数据服务的便利性和实用性。在空间数据应用方面，实现了监测站点和排污单位等空间实体的地图展示与空间分析功能，支持基于行政区域或地图范围进行实体筛选和统计分析。相比传统表格化查询方式，地图联动展示能够更加直观地呈现空间位置关系、区域分布情况和范围筛选结果，使生态环境数据不再只是静态呈现，而是具备了一定的空间化分析能力。这一能力对于生态环境数据服务具有重要意义，因为监测站点、排污单位及其周边关系本身就具有明显的空间属性，通过地图方式呈现，能够帮助业务人员更直观地理解数据、更高效地完成分析。人工智能赋能“皖美生态”的典型应用场景为深入贯彻落实国家关于人工智能赋能生态环境保护的决策部署，充分发挥“国家智能社会治理实验基地(环境治理)特色基地”创新引领作用，加快推进生态环境治理体系和治理能力现代化，安徽省生态环境厅提出人工智能赋能“皖美生态”典型应用场景建设。场景以人工智能为核心引擎，充分利用数据治理成果，融合各类业务规则知识库，重点打造融合问数、非现场智能监管、空间准全面赋能省、市、县三级环境管理与公众服务提质增效。本案例按照“数据底座+AI中枢+业务应用”的总体技术架构开展建设。·大气、水智能问数(语音问答)·异常行为检测预警·生态环境准入规则库数据贯通统一认证数据贯通人工智能+大模型+逻辑规则(含空间研判)统一认证统一认证数据贯通非现场监管“AI模型+逻辑模型“星火大模型+deepseek/向量知识库/语义理解、意图识母序特征都构行业和罗职取学习.搜宽影无特环境监测污染源分区管控空间智能研判模型固废管理公共基础数据√考核结果数据 大模型赋能全域智治· 大模型赋能全域智治·生态环境智慧中枢(一)数据底座复用省生态环境厅数据治理成果，调取生态环境公共资源池中的公共基础数据、环境监测、污染源、分区管控成果数据等，为模型应用提供数据支撑。用于大模型/知识图谱驱动的智能问答与指标解释；空气质量、地表水等自动监测数据、历史监测数据、污染源自动监控数据以及气象、水文等时序与空间数据，大气环境、水生态环境等主题库，以及统一、可溯源的指标口径和元数据，支撑自然语言查询自动映射到数据库表/指标/字段；4.执法全流程数据执法计划、现场检查记录、案卷、处罚决定、整改督办等，用于闭环管理、线索成案率评估与模型迭代；5.分区管控数据面/负面清单)、环境功能区划等，用于项目“能不能建、在哪建”的合规性自动研判。集成基于大模型的自然语言处理、基于“AI模型+逻辑模型”双引擎的智能预警分析、基于知识图谱的空间智能研判、智能语音技术等核心技术，打造AI智能中枢，向上层应用提供智能化应用服务。(1)DeepSeek-R1,参数32b,本地化部署；(3)星火大模型4.0,参数175b,一体机部署后政务云托管；(4)星火大模型X1,参数70b,一体机部署后政务云托管。2.非现场智能监管模型本场景中包含“AI模型”与“逻辑模型”双引擎，统一部署在政务云进行管理。模型主要通过时序特征解构、行业知识图谱学习、视觉感知特征提取等智能分析，实现对企业涉嫌自动监测数据虚假标记、谎报停产停运、篡改伪造监测数据等40余种违法违规行为的智能识别。同时，基于“数视固证”技术，自动关联异常数据与视频，形成完整的电子证据链，并配套线索分级分类闭环处置3.空间准入智能研判模型形成结构化规则库，结合GIS空间分析与知识图谱技术，实现建设项目选址与管控规则的自动比对(三)业务应用面向不同用户群体，将应用统一发布三端(皖政通、皖企通、皖事通),分别提供PC端、移动端及大屏端的智能问数、非现场智能监管执法、生态环境分区智能管控等智能化应用服务。(一)应用详情1.融合问数基于安徽省生态环境厅数据治理成果，融合问数应用实现了自然语言交互与知识库问答的深度融合，重点服务于大气、水环境等核心领域的数据查询与智能分析。目前，该系统已接入全省大气和水环境相关基础数据，业务人员无需掌握复杂的技术操作，直接通过自然语言提问(如“上个月合肥市PM₂5浓度变化趋势”“巢湖流域总磷超标的站点有哪些”),系统即可自动理解时间、区域、指标及分析意图，快速完成数据查询、统计分析，并自动生成可视化图表、摘要及分析结论。图2融合问数 大模型赋能全域智治·生态环境智慧中枢这一转变极大提升了数据获取效率：过去需要经历“找系统—筛条件—导表格—做统计一写结论”的繁琐流程，现在仅需一次提问即可获