DeepSeek是一款基于AI技术的智能搜索引擎，结合深度学习与自然语言处理，提供精准、高效的搜索体验。探索DeepSeek，感受未来智能搜索的无限可能！
“现在的人工智能真是越来越强大了，没想到短短几个月，AI警务助手又升级了！”派出所办公室里，民警小李盯着电脑屏幕上新生成的警情分析报告，忍不住感叹道，“这分析结果，简直让人震撼！”
他回忆道：“去年拓尔思300229）推出的AI警务助手就让我们眼前一亮，它能自动汇总案件数据、提取关键特征、辅助出警执行等，效果已经很惊艳了。虽然当时版本的警情研判主要以数据罗列和统计分析为主，辅以简单总结，但已经帮我们基层民警提升了20%-30%的工作效率，让我们从繁琐的文书工作中解脱出来。”
“而这次升级后的AI警务助手，分析能力更加专业了！”小李兴奋地指着屏幕，“你看，它不仅分析得更有深度，还结合业务场景给出了具体的预防建议。现在我们只需要对分析结果中的数据进行人工核查，基本可以直接拿来用了。以往以小时计的警情研判材料撰写工作，现在2-3分钟即可完成，极大地提升了警情研判工作效率。”
在人工智能技术的推动下，这样的场景正在发生翻天覆地的变化。拓天·公安大模型接入DeepSeek后，结合实战应用场景进行了参数精准蒸馏和专业知识高质量再治理，并将推理能力与非推理能力整合到同一个模型中，这种创新不仅显著提升了文书工作的质量与效率，还为警务决策提供了更加全面、深入的支持。
DeepSeek蒸馏优化技术在公安实战应用场景中具有深远的意义和重要性，能够显著提升警务工作的智能化水平和执行效率。公安领域涉及海量数据603138）处理和复杂决策任务，传统方法往往面临计算资源消耗大、响应速度慢等挑战。DeepSeek蒸馏优化技术的核心在于通过模型压缩与知识迁移，将复杂的大模型转化为高效、轻量化的版本，在保证高精度的同时大幅降低计算成本，且保持其高性能，使其更适合部署在边缘设备或移动终端上，满足公安实战中对实时性和高效性的需求。在公安实战应用场景落地中，以下技术环节尤为关键。
首先，问题分类与意图识别的优化是基础。通过对输入数据的精准分类和意图理解，模型能够快速定位核心问题，为后续处理提供明确方向。拓尔思借助DeepSeek强大的预训练能力和多模态理解技术，构建了更精准的问题分类器和意图识别模块，使模型能够在专业场景中更好地捕捉用户意图，区分简单查询（如事实性问题）和复杂问题（如需要逻辑推理或行业专业知识的问题）。例如，在公安场景中，准确区分警情类型（如盗窃、交通违规、突发事件）是高效响应的前提。通过优化后的模型，系统能够快速识别报警信息中的关键要素，自动分类并分派至相应部门，大幅缩短响应时间。
其次，复杂度评估与推理决策是技术落地的核心。DeepSeek模型架构支持对问题复杂度的动态评估。拓尔思利用其内置的复杂度评估模块，结合基层民警警情研判业务场景的特点，定义了更细粒度的复杂度指标（如技术术语密度、逻辑链条长度等），使DeepSeek的推理引擎能够与复杂度评估模块无缝整合，实现从问题识别到推理决策的自动化流程。同时，通过蒸馏技术优化模型的计算复杂度，使其能够在资源受限的设备上高效运行，同时保持推理的准确性和实时性。
最后，专业知识的注入与优化是提升模型实战能力的关键。在复杂的公安场景中，问题的解决往往依赖于专业的分析逻辑和领域知识。公安应用场景的专业知识治理是一个系统性工程，涉及知识获取、标准化、注入、更新、融合和共享等多个环节，具体包括：
构建公安专属知识图谱：从法律法规、警情、案件、情报信息、专家经验等多源数据中提取关键信息，构建结构化的知识图谱。知识图谱包括实体（如嫌疑人、案件类型、地点）、关系（如“涉及”“发生在”）和属性（如时间、频率）。示例：在犯罪预测场景中，知识图谱可以帮助模型识别犯罪高发区域与时间，结合历史数据预测未来可能发生的犯罪类型。
标准化数据治理：对公安业务中的多源异构数据（如报警记录、监控视频、社交媒体信息、人口数据）进行清洗、标注和标准化处理，确保数据的一致性和可用性。示例：在警情分析场景中，标准化后的报警记录可以帮助模型快速分类警情（如盗窃、交通违规、突发事件），并自动分派至相应部门。在视频监控分析中，标准化的人脸、车牌、行为数据能够提高模型识别异常行为的准确率。在这个环节主要采用了本体与标签技术，与知识图谱结合用于构建、管理和优化领域特定的知识表示框架，与Palantir Foundry的能力类似。
领域知识的注入与微调：将公安领域的专业知识（如法律法规、犯罪心理学、侦查技巧等）融入模型训练过程，通过领域特定的数据对模型进行微调，使其掌握行业术语、分析逻辑和决策规则。示例：在专刊生成场景中，模型能够自动从海量警情数据中提取关键信息，结合专业知识生成符合警务规范的高质量报告，为领导决策提供支持。
动态更新与迭代优化：建立知识更新的机制，定期从最新的案件、法规、专家经验中提取新知识，动态更新知识库和模型，确保其与时俱进。示例：在法律法规更新后，模型能够及时调整判断逻辑，确保执法过程的合规性。
多模态知识融合：将文本、图像、视频、音频等多模态数据融合，构建更全面的知识体系，提升模型的综合判断能力。示例：在重大活动安保中，多模态知识融合可以帮助模型快速识别可疑人员、车辆和物品，确保活动安全。
专家经验与AI结合：将公安专家的经验转化为规则或案例库，与AI模型结合，形成“专家+AI”的协同模式。示例：在案件侦破中，模型可以根据专家经验推荐的侦查方向，快速筛选出关键线索。在应急预案制定中，模型可以结合历史案例和专家经验，生成最优的应急响应方案。
AI赋能是一项系统化工程，并非单一大模型就能实现，而是需要构建完整的智能底座，助力组织将人工智能和机器学习技术深度融入业务流程与决策系统。其核心在于通过AI驱动的洞察和自动化，提升组织的运营效率、决策质量和创新能力。
拓尔思以拓天大模型一体化平台为核心，在原有大模型底座的基础上，新增接入DeepSeek V3与R1作为其新基模，进一步丰富了模型生态，提升了平台的灵活性与能力覆盖范围。拓天大模型一体化平台支持多模型集成与动态优化，能够根据实时数据和业务需求自动调整模型调用策略，确保系统始终以最优状态运行。这种多模型协同的能力不仅提升了系统的灵活性和适应性，还能够充分发挥各模型的优势，实现更精准的分析与决策。通过动态调用，降低单一模型的资源消耗，提升整体效率。这种多模型协同的能力与Palantir AIP的理念高度契合，旨在通过灵活的模型组合满足复杂业务需求。
拓天大模型一体化平台还与拓尔思的“一中心五中台”（能力中心、数据中台、知识中台、业务中台、技术中台、AI中台）无缝集成，形成了系统化的智能底座。这一底座实现了多模块协同，整合了DeepSeek、数据治理工具、行业知识库、推理引擎、AI Agent构建等模块，实现了从数据输入到智能体输出的全流程自动化。
智能底座整体升级后，可实现零编码高效与其他系统无缝集成，降低了开发难度。拓尔思由此能够对复杂行业问题进行端到端处理，显著提升了系统整体性能。通过多模型接入与多模块协同，拓尔思的智能底座不仅实现了从数据到知识的转化，还进一步推动了从知识到智能决策的跃迁，为行业智能化升级提供了强有力的技术支撑。
在上一版本的AI警务助手中，拓天大模型通过数据连接器，实时调取辖区内的警情、案情、舆情等数据，主要运用大模型的意图识别与上下文理解能力，分析能力较为浅显，停留在表层总结阶段，分析结果以数据罗列为主，缺乏深入的洞察与推理。
此次基于推理与非推理能力整合，充分运用DeepSeek强大的数据分析、逻辑推理能力，对警情进行多维度、精细化地研判，不仅能够快速、自动地生成警情分析报告，还能通过推理能力识别出潜在的犯罪模式和趋势。此外，DeepSeek还系统学习了不同警情异动情形下的工作指令要求，形成了工作指令库，在生成警情分析报告的同时，还能自动化、智能化地生成工作指令参考，为情指中心和各派出所指挥室提供科学的决策依据。
例如，在分析某区域在某期间的警情数据时，AI警务助手不仅能够统计案件的数量和分布，还能结合时间、地点、作案手法等多维度信息，预测出该类案件的案发特征、高发原因及社会影响。这不仅体现了鲜明的业务特色，还在最后提出了具体的预防建议。如再追问针对“深入分析入室盗窃案特点”的提问中，新版本AI警务助手展现了全方位的专业分析能力，涵盖了时间特点、作案对象、被盗物品特征、作案手法及潜在原因等多个维度，并基于分析结果给出了切实可行的建议措施。
新版AI警务助手已上线试运行，警情研判的自动生成能力实现了从数据罗列到深度分析，再到预防建议的多维智能跃升，帮助基层警员从“写报告”转向了“做决策”，效率和质量提升了一大截。新增接入DeepSeek后的拓天大模型能够通过对历史数据的分析，帮助警方预测未来的犯罪趋势，并优化警力部署。
时间节约：通过自动化的数据处理和报告生成，民警的文书处理时间节省了80%，已基本达到实战水平，大幅提高了工作效率。
质量提升：DeepSeek生成的警情报告和案件分析不仅更加全面和准确，还具备深度洞察能力，为警务决策提供了有力支持。
战略价值：通过对历史数据的深度挖掘和推理分析，DeepSeek能够帮助警方预测犯罪趋势，优化警力部署，实现从被动应对到主动预防的转变。
拓天·公安大模型新增接入DeepSeekV3与R1，不仅丰富了底座基模生态，实现了推理与非推理能力的“双剑合璧”，推出了拓天14b-DeepSeek版本，还通过智能底座的整体升级，推动了警务工作从效率提升到战略支持的全面飞跃。这一升级使得平台能够更精准地处理复杂警情、生成高质量报告，并在警情分析、犯罪预测、重大安保活动保障等场景中展现出显著优势，为警务工作提供了强有力的智能化支持。
- 小尺寸与成本优先：在保障效果的前提下，做小尺寸是未来的趋势，这有助于降低成本并优先考虑用户预算。这种趋势表明，AI技术正逐渐接近生产系统的刚需，能够替代人类在高频场景中的工作。
- AI普惠趋势：此次拓天-14b-DeepSeek在公安实战应用场景的实践展示了 AI技术普惠化的可能性，即让更多用户能够以较低的成本享受到AI带来的便利和效率提升。
- 工程化经验沉淀：工程化的经验最终会沉淀到产品中，这也是拓天14b-DeepSeek版本被采用的原因之一。这意味着，通过不断的实践和优化，AI产品能够更好地满足用户需求，并在实际应用中展现出更高的价值。
总的来说，AI技术的发展趋势是朝着更小、更经济、更普惠的方向发展，同时工程经验的积累将直接提升产品的竞争力。
然而，在垂直领域的深度应用中，拓尔思也面临一些技术难题。例如，针对DeepSeek的溯源问题（即模型输出结果的来源可解释性）、幻觉问题（即模型生成不准确或虚构信息）以及ToSQL准确度（即将自然语言查询转换为数据库查询的精度）等挑战，拓尔思正在不断优化算法和提升数据处理能力。通过引入动态本体治理、多模型协同优化以及领域知识注入等技术手段，拓尔思致力于解决这些问题，进一步提升模型的可靠性和实用性。
展望未来，随着人工智能技术的进一步发展，拓尔思将继续深耕垂直领域，针对公安场景的特殊需求，持续优化模型性能，拓展更多应用场景，帮助警方更好地应对复杂的社会治安挑战。通过与Palantir等国际领先企业的技术对标，拓尔思不仅展现了当前的技术突破，也明确了未来的发展方向，为公安领域的智能化升级提供了清晰的技术路径和广阔的应用前景。