GBZ 293-2026《资产管理 人工智能大模型技术应用指南》

GB/Z293—2026《资产管理人工智能大模型技术应用指南》1范围本文件给出了面向资产管理场景应用的人工智能大模型参考架构和技术能力、服务能力、场景应用和服务保障的指南。本文件适用于模型提供方、应用服务方开展面向设备资产管理各阶段场景的人工智能大模型能力研发和应用，全寿命周期跨阶段场景和组织的无形资产管理参考使用。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本(包括所有的修改单)适用于GB/T41867信息技术人工智能术语GB/T45225人工智能深度学习算法评估3术语和定义GB/T41867界定的以及下列术语和定义适用于本文件。组织从系统性角度出发，结合战略目标、技术需求、经济成本和环境约束型、建设路径及全寿命周期内潜在风险进行综合判断和决策的活动。建设采购constructionandprocurement组织为满足资产投资和运营需求而建造、购置、安装所需资产或资产组合的活动。运维检修operationandmaintenance组织为保障生产安全、供能质量和服务稳定性，对资产进行运行维护、检修保养以及故障处理等一系列活动的总称。处置变更disposalandchange退役报废、拍卖处置等过程的活动。4参考架构4.1资产管理人工智能大模型参考架构主要包括计算资源池、支持工具、数据资源、资产管理人工智能服务能力、资产管理人工智能场景应用等层次架构。资产管理人工智能大模型参考架构见图1。通用场景文档处理选型评估寿命周期费用评价理管理监理监理仓储与配验收及支付管理图表生成运维检修合成数据应用开发资产状态运维检修造管理安全与完整性管理费用管理护管理方案策划任务执行信息审查资产退役退役资产处置变更低效闲置资产管理资产变更与标准规范支撑捐赠管理标准规范支撑理解能力文本理解图像理解语音理解图文理解表格理解生成能力文本生成图文生成文音生成表格生成人工智能应用服务能力推理能力辅助决策工具调用能力工具使用任务规划运行性能图1资产管理人工智能大模型参考架构4.2资产管理人工智能大模型参考架构如下。a)计算资源池层为人工智能大模型提供算力支撑，包括计算、存储、网络、资源虚拟化及调度等能力。3程序接口)等。c)数据资源层为模型训练与推理提供高质量数据支撑，包括规划设计数据、建设采购数据、运维检修数据、处置变更数据等。d)资产管理人工智能服务能力层提供人工智能大模型能力的抽象封装，为上层场景应用提供可调用的服务接口，包括理解能力、生成能力、推理能力和工具调用能力等。服务保障方面包括e)资产管理人工智能场景应用层描述了人工智能大模型在资产管理中可以落地的具体场景，包含通用场景和按寿命周期阶段划分的规划设计、建设采购、运维检修和处置变更等四大类场景。4.3资产管理人工智能大模型的构建宜在明确资产管理业务需求与目标任务的基础上，选定适配的基座大模型，通过数据收集与处理筑牢训练基础，经模型训练和调优提升性能后，开展专业的测评与验证确保效果，随后完成模型部署与实际应用落地，并通过持续的模型监控与更新保障其长期适配业务5技术能力根据资产管理场景应用所需的模型能力和服务需求，对资产管理人工智能大模型服务能力、资产管理人工智能大模型场景应用、人工智能大模型服务保障方面宜按表1提出建议能力。表1资产管理人工智能大模型技术能力能力域能力子域能力项服务能力理解能力图像理解图文理解生成能力图文生成图文音生成推理能力工具调用能力工具使用4表1资产管理人工智能大模型技术能力(续)能力域能力子域能力项场景应用项目储备及投资计划资产状态数据监测资产更新改造管理资产退役鉴定资产变更与捐赠管理一6服务能力6.1能力概述资产管理人工智能大模型在场景应用中宜具备理解能力、生成能力、推理能力和工具调用能力四个维度的基础能力。56.2理解能力理解能力包括但不限于：a)文本理解：针对涉及的文本数据，提供文本识别、文本分类检测、动态图像分类等图像领域理解能力支持；语音领域理解能力支持；蕴含、视频检索、视频问答等图文跨模态理解能力支持；e)表格理解：针对涉及的表格数据，提供表格检索、表格问答、表模态理解能力支持。6.3生成能力生成能力包括但不限于：生成等能力支持；b)图文生成：针对涉及的图像和文本数据，提供文本生成图片(图纸)、图片生成文本描述、文本生成视频、视频生成文本描述等能力支持；d)图文音生成：针对涉及的图像、文本和音频数据，提供文本生成有声视频、视频生成文本描述等能力支持；6.4推理能力推理能力包括但不限于：将分析结果及时提供给相关方；6.5工具调用能力工具调用能力包括但不限于：a)工具使用：针对涉及的各个业务系统API,提供调用API、检索API、规划API等工具调用能力7场景应用7.1概述资产管理人工智能大模型与智能体(Agent)、检索增强生成(RAG)、知识图谱、本体等技术结合，支67.2通用场景应用能力宜根据规划设计、建设采购、运维检修、处置变更的需求设计通用场景于以下应用能力。a)文档处理：支持处理各种格式的工程文档，实现文档的解析生成及工具调用能力，实现标准规范、管理规章、案例报告等文档版本编等功能。b)知识检索：支持提供快速准确的行业各领域知识检索功能。运用语言理解及生成能力，实现标c)智能问答：支持智能问答功能。运用语言处理能力及图片分析能力，实现相关问题的智能问d)报告生成：支持根据用户需求和数据输入，自动生成相关报告，如项目招投标文件、项目策划方案、项目进展报告、技术报告等。运用理解生成能力及图片分析处理能力，实现报告大纲自动e)图表生成：支持根据用户需求和数据输入，自动生成行业相关图表，如工程进度图、监测报表等。运用语言处理能力、图表生成能力及数据处理分析能力，实现图表自动生成、数据自动汇编。f)合成数据：支持各领域的仿真测试与算法模型训练提供无限的合成数据和场景，支持数据增强和变换功能，以增加数据的多样性和复杂性。g)应用开发：支持根据用户的需求和输入，自动生成各领域相关应用所需的代码。运用理解及推理能力，实现基于多种编程语言和开发框架的应用开发、测试修复等。h)方案策划：理解用户提出的需求、目标和约束条件，结合相关领域的专业知识、最佳实践、法规标准等，运用语言理解和生成能力，生成满足要求的方案，不限于事前预与应急措施方案、事后改进措施方案等。可提供多种可行方案，并进行方案评估与比选、方案优化与改进。i)任务执行：理解用户提出的需求和任务描述，将复杂的用户需求分解为一系列可执行的具体任务，并为每个任务分配合适的执行顺序和依赖关系。利用语言理解、推理能力及工具调用能计软件等)来执行任务。监控任务的执行进度，收集执行结果，并将结果整合后呈现给用户，确保用户需求的准确实现。7.3规划设计应用能力规划设计场景宜提供包括但不限于以下应用能力。a)规划及选型：具备多模态数据融合处理能力，整合数据信息、人口密度、经济指标等多源数据，通过时空预测模型分析发展潜力与需求。支持动态路径优化算法，结合数据流量模拟，智能推荐方案。b)项目储备及投资计划：构建项目优先级评估模型，基于历史案例库与投资回报率预测算法，自动筛选高价值项目纳入储备库。开发资源优化配置工具，结合财政预算约束条件，动态生成投资分配方案。c)选型评估及论证：利用知识图谱整合设备技术参数、供应商信誉、全周期成本等数据。开发数字孪生仿真平台，对备选方案进行虚拟环境下的性能测试。7d)安全环境评价：通过自然语言处理解析历史事故报告，建立风险特征库。基于数据敏感区智能识别系统，结合数据自动标注基底红线。需构建合规性检查模型，实时比对设计方案与安全规e)寿命周期费用评价：集成建设成本、运维费用、残值估算等时序数据链。支持敏感性分析功能，量化关键变量对总成本的影响幅度。f)供应方管理：构建供应商系统，通过人工智能大模型技术解析资质文件与履约记录，自动生成信用评分。开发供应链风险预警模型，实时监控原材料价格波动与物流异常。集成智能合约平台，基于区块链技术实现招标—履约—验收全流程自动化。7.4建设采购应用能力建设采购场景宜提供包括但不限于以下应用能力。a)采购计划管理：分析历史采购数据和市场趋势生成精准的采购计划，避免资源浪费或短缺。支持供应商资质智能评估，整合信用、履约能力等多维度数据，动态筛选优质供应商。b)招评标管理：对招标文件自动生成与合规审查，结合法条库校验条款合法性并推送类案参考。在评标阶段，支持多维度智能评分，通过自然语言处理解析投标文件，自动提取技术方案关键参数进行横向对比。实时关联工商、司法等外部数据源验证资质真实性。c)监造及监理：集成物联网设备数据，通过计算机视觉实时监控施工进度与工艺合规性，自动识别违规操作。建立质量预测模型，基于检测数据预测隐患，提前触发预警，生成智能监理报d)工程质量管理：利用图像识别分析相关质量指标，关联规范库自动判定合规性。建立质量知识图谱，整合历史事故案例等数据，为质量改进提供决策支持。e)仓储与配送管理：智能仓位规划，基于货物属性、出入库频率等间利用率。具有实时路径优化算法，综合交通状况、车辆载重等因素生成最优配送方案，支持动态重路由。f)验收及支付管理：支持智能验收核查，通过识别验收单据关键字段，自动匹配合同条款完成合规性校验。分析供应商历史履约数据、财务健康度等指标，评估付款优先级。7.5运维检修应用能力运维管理场景宜提供包括但不限于以下应用能力。a)资产状态数据监测：整合物联网传感器与设备运行日志，实时采集相关资产核心参数，通过时序数据分析引擎检测异常波动并生成健康度评分。b)运维检修管理：开发智能工单分发系统，基于设备故障类型、地理位置及人员技能标签自动匹配最优维修团队，同步推送历史维修案例库辅助决策。建立故障知识图谱，关联设备型号、环境参数与维修记录，通过强化学习动态优化检修路径规划与备件调度策略。c)资产更新改造管理：构建资产性能迭代模型发改造需求评估报告并生成优先级排序。集成相关数据，模拟改造方案对系统可靠性的影响，通过数字孪生技术验证技术经济可行性。d)安全与完整性管理：部署异常行为检测算法，实时分析设备操作日志与网络流量，识别未经授权访问、配置篡改等安全威胁，联动防火墙实施自动阻断。建立数字指纹系统，通过区块链技术实现资产身份、维护记录的不可篡改存证，确保全寿命周期数据可追溯。e)技改维修费用管理：利用成本预测模型，关联设备故障率、态生成预算弹性区间并预警超支风险。f)预防性维护管理：建立维护策略自优化机制，根据实际故障发生数据动态调整模型阈值，结合8维护资源库存状态智能推荐最佳干预时机。7.6处置变更应用能力处置变更场景宜提供包括但不限于以下应用能力。a)资产退役鉴定：整合激光扫描点云、运行日志及维修记录，通过数字孪生技术量化设备磨损度、腐蚀率等本体状态指标，并关联系统运行参数评估设备适配性。开发经济价值预测算法，结合市场数据及模型算法、生成技术可用性与经济性双维度评估矩阵，支撑科学决策。b)退役资产处置：基于设备类型、退役原因及合规要求自动生成处置计划，通过区块链记录拆解、运输、存储环节的实时数据确保流程可追溯，同步优化再利用设备的检测指标库与维护方案推荐引擎。c)事故故障管理：通过时序模式挖掘提前预警设备失效风险，构建事故根因分析知识图谱，关联历史故障案例、操作日志与应急预案库，自动生成处置优先级清单并模拟不同干预方案的系统d)低效闲置资产管理：开发闲置资产动态识别算法，结合设备使用频率、能耗效率及维护成本构建综合效益评估模型，自动触发闲置预警并推荐共享调剂或改造方案。e)资产变更与捐赠管理：校验资产责任主体变更涉及的相关规则，分析变更后或受捐赠机构业务类型、运维能力，规划低成本的拆卸运输方式，评估变更后或受捐赠机构资产运维能力。8服务保障8.1安全性安全性宜包括以下内容：a)数据来源：建立数据来源评估机制，确保数据来源符合具备法律效力的授权文件、许可协议等b)数据采集：建立数据采集记录机制，不宜采集他人已明确不可采集的数据；c)数据分类分级：建立数据分类分级管理机制，针对业务特性和技术需求，按照数据的类型和级别，对采集的数据进行管理和使用；d)数据标注：建立数据标注安全管理机制，组织数据标注人员安全培训，明确数据标注规则，确保数据标注结果符合数据安全相关法律法规和标准要求；e)数据加密：建立数据加密机制，根据数据分类分级情况，针对数据传输、加密等数据处理活动采用不同强度的加密措施，例如在数据传输过程中采用加密通信协议、对敏感数据进行加密存f)对抗性攻击防御：建立对抗性攻击防御机制，包括提示注入攻击、对抗性样本攻击和模型窃取攻击等。8.2合规性合规性宜包括以下内容。和国个人信息保护法》等相关法律法规的要求开展数据内容合规检查。依据《生成式人工智能服务管理暂行办法》要求，对生成式人工智能大模型开展安全评估，并依据法推荐管理规定》的要求利用生成合成类、个性化推送类、排序精选类、类等算法技术向用户提供信息。b)内容幻觉：通过技术优化和内容审核机制，降低大模型幻觉的发生概率，确保生成内容的准确9性和可靠性，避免对用户和社会造成误导。c)隐私泄露：确保用户数据在收集、的隐私政策，告知数据的使用范围和保护措施，并采取加密、匿名化