你了解哪儿些大模型在电商行业供应链物流领域的应用，如果能举例阿里、淘宝、抖音、京东等涉及到电商的公司进行说明就更好了

如果您想制作电商主图，可以考虑以下几种 AI 工具和方法： 1. Midjourney：通过输入相关关键词，如“Guerlain Perfume,plant flowers,top light.cean natural backaround with water,saturation color scheme.The productis bright,Motled shading,studo lighfing,contrast high precision,Fine gloss,Centered composition,Photography,HD4Krealism–q 2–v 5–s 750–ar 9:16”，生成图片后再进行后期修改调整和文字排版。 2. Stable Diffusion：对于运营网店的女装店主，可采用局部重绘的方法。先真人穿衣服拍照，获取真实质感的照片，选好真人照片风格的底模，如 majicmixRealistic_v7，再根据不同平台需求换头，如面向海外市场换白女头，然后在图生图下的局部重绘选项卡下涂抹自己替换的部分，并设置相关的 prompts 和 parameters，如“breathtaking cinematic photo,masterpiece,best quality,,blonde hair,silver necklace,carrying a white bag,standing,full body,detailed face,big eyes,detailed hands”。

大模型在电商领域的应用主要体现在以下方面： 1. 生成电商服饰数据：以大元模型广场为例，可让大模型按要求生成电商服饰数据（含尺码、价格、描述等信息，输出为 Excel 结构），用于辅助运营小二回复问题沉淀；当缺少真实数据或担心数据安全时，还可用示例数据跑测试及做非结构化清洗。 2. 个性化营销：在广告营销行业，大模型从初期的市场分析、中期的客户转化以及后期的客户复购均可参与，为消费者提供更个性化、智能化和互动性强的营销体验，而对于广告图案的生成完全可以通过 AI+设计相关的 SOP 来提高效率。 在医疗行业，大模型的应用主要涵盖三个方向：疾病的诊断与预测、药物研发以及个性化医疗。例如，麻省理工学院利用 AI 发现了新型广谱抗生素 Halicin，研究者通过训练集让 AI 学习分子特点，最终成功识别出符合要求的分子。目前很多医疗研究机构都进行医疗大模型的开发研究。 在图像生成领域，如 Midjourney 发布了模型个性化 Personalization 或'p'的早期测试版本。其工作原理是学习用户的喜好，以便更可能用用户的口味来填补空白。使用时只需在提示后输入p，或使用提示栏中的设置按钮为所有提示启用个性化功能，还可以使用s 100 控制个性化效果的强度。但个性化目前不是一个稳定的功能，会随着更多的成对排名而变化，并且可能会推出算法更新。

AI 在电商领域有以下多方面的帮助： 1. 产品推荐：通过分析客户数据，为每个客户推荐他们可能感兴趣的产品。 2. 搜索和个性化：改善搜索结果，为客户提供个性化的购物体验。 3. 动态定价：根据市场需求动态调整产品价格。 4. 聊天机器人：提供服务，回答客户问题并解决他们的问题。 5. 生成产品照片：像这样的工具帮助品牌创建引人注目的产品照片，提升产品对在线购物者的吸引力。 6. 创作营销内容：可以编写经过 SEO 优化的产品描述。 7. 商品展示图制作：可以借助 Stable Diffusion 等 AI 作图工具，通过局部重绘等方法美化商品展示图，比如真人穿衣服拍照后进行处理和替换等操作。

以下是为您制定的学习 SD AI 绘图的详细计划及相关学习资源： 学习计划： 1. 首先，深入学习 Stable Diffusion 的核心基础原理，包括模型工作流程、核心基础原理、训练全过程以及其他主流生成式模型介绍。 2. 接着，掌握 Stable Diffusion 的核心网络结构，如 SD 模型整体架构、VAE 模型、UNet 模型、CLIP Text Encoder 模型等。 3. 学习从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画的不同方式，如使用 ComfyUI、SD.Next、Stable Diffusion WebUI、diffusers 搭建推理流程，并查看生成示例。 4. 了解 Stable Diffusion 的经典应用场景，如文本生成图像、图片生成图片、图像 inpainting、使用 controlnet 辅助生成图片、超分辨率重建等。 5. 最后，尝试从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型，包括配置训练环境与训练文件，以及基于 Stable Diffusion 训练 LoRA 模型。 学习资源： 1. 教程：深入浅出完整解析 Stable Diffusion（SD）核心基础知识 知乎。 目录涵盖了 Stable Diffusion 系列的各个方面，包括核心基础知识、网络结构解析、搭建推理流程、应用场景和模型训练等。 2. SD 模型权重百度云网盘： 关注 Rocky 的公众号 WeThinkIn，后台回复：SD 模型，即可获得资源链接，包含多种模型权重。 3. SD 保姆级训练资源百度云网盘： 关注 Rocky 的公众号 WeThinkIn，后台回复：SDTrain，即可获得资源链接，包含数据处理、模型微调训练以及基于 SD 的 LoRA 模型训练代码全套资源。 4. Stable Diffusion 中 VAE，UNet 和 CLIP 三大模型的可视化网络结构图下载： 关注 Rocky 的公众号 WeThinkIn，后台回复：SD 网络结构，即可获得网络结构图资源链接。

以下是关于如何用 AI 做电商的一些方法和应用场景： 在商品展示方面，可以利用 AI 绘画工具如 Stable Diffusion 来制作商品展示图。对于女装商品，可先让真人穿衣服拍照，获取真实质感的照片。选好真人照片风格的底模，如 majicmixRealistic_v7，并根据不同平台需求进行换头操作，如面向海外市场换白女头。在图生图下的局部重绘选项卡下涂抹需要替换的部分，并设置合适的 prompts 和 parameters。 在电商运营中，AI 有多种应用场景： 1. 产品推荐：通过分析客户数据，为每个客户推荐可能感兴趣的产品。 2. 搜索和个性化：改善搜索结果，提供个性化的购物体验。 3. 动态定价：根据市场需求动态调整产品价格。 4. 聊天机器人：提供服务，回答客户问题并解决问题。 此外，还可以利用 AI 数字人带货本地生活电商： 1. 用 ChatGPT 生成短视频选题文案，明确身份、描述需求和回答要求。 2. 用 ChatGPT 生产短视频文案，结合需求与框架。 3. 生成虚拟数字人短视频：打开相关网站，输入内容，选择头像、国家和声音，等待生成后结合产品讲解并发布进行视频带货。

以下是关于在电商中使用 AI 结合拍摄的产品图片生成推广图片和视频的方法： 虚拟数字人结合产品做视频： 1. 添加产品/介绍背景：如果有自己的视频/图片素材可以使用，没有的话可以根据搜索添加。 2. 扣像结合背景：在剪映中把数字人扣下来，导入视频，点击画面选择抠像，点击智能抠像，调整到合适的大小和位置。 3. 添加字幕和音乐：智能识别字幕，可搜索添加音乐或手动添加自己喜欢的音乐。 使用数字人无需真人模特： 只需上传产品图片，数字人即可手持产品进行口播展示。支持语音和口型同步，动作、姿势定制，提供 1000 多种国家数字人模特，覆盖全球 28 种语言，能快速生成产品宣传视频，省去拍摄烦恼。在线体验： 。 此外，使用 AI 来完成阿里巴巴营销技巧和产品页面优化，可以采取以下步骤： 1. 市场分析：利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况，快速识别关键信息。 2. 关键词优化：AI 分析和推荐高流量、高转化的关键词，优化产品标题和描述。 3. 产品页面设计：AI 设计工具根据市场趋势和用户偏好生成吸引人的页面布局。 4. 内容生成：AI 文案工具撰写有说服力的产品描述和营销文案。 5. 图像识别和优化：AI 图像识别技术选择或生成高质量产品图片。 6. 价格策略：AI 分析不同价格点对销量的影响，制定有竞争力的价格策略。 7. 客户反馈分析：AI 分析客户评价和反馈，优化产品和服务。 8. 个性化推荐：AI 根据用户购买历史和偏好提供个性化产品推荐。 9. 聊天机器人：AI 驱动的聊天机器人提供 24/7 客户服务。 10. 营销活动分析：AI 分析不同营销活动效果，了解哪些活动更吸引顾客并产生销售。 11. 库存管理：AI 预测需求，优化库存管理。 12. 支付和交易优化：AI 分析不同支付方式对交易成功率的影响，优化支付流程。 13. 社交媒体营销：AI 帮助在社交媒体上找到目标客户群体，精准营销提高品牌知名度。 14. 直播和视频营销：AI 分析观众行为，优化直播和视频内容，提高观众参与度和转化率。

目前已知以下智能客服算法： 天猫小蜜智能客服算法：由浙江天猫网络有限公司提供，应用于手机天猫（APP）的在线智能客服场景，能识别文字或语音问题，结合智能客服知识库生成回答。 钉钉智能客服算法：由钉钉科技有限公司提供，应用于钉钉（APP）的在线智能客服场景，能根据用户咨询内容结合知识库生成多种形式的回答。 淘票票小蜜智能客服算法：由上海淘票票影视文化有限公司提供，应用于淘票票（APP）的在线智能客服场景，能根据用户咨询生成文本或语音智能回答。 1688 阿牛智能客服算法：由杭州阿里巴巴广告有限公司提供，应用于 1688 工业品（APP）、阿里巴巴（APP、网站）的在线智能客服场景，能结合知识库生成多种形式的回答。 但尚未有一款明确表明能同时接入抖音、天猫、淘宝、京东、拼多多、得物等主流平台售前售后咨询问题，并根据客户关键字自动回复的智能客服软件。

生成式 AI 是一种能够生成新内容的人工智能技术，生成的内容可以是多模式的，包括文本、图像、音频和视频。当给出提示或请求时，它可以帮助完成各种任务，例如文档摘要、信息提取、代码生成、营销活动创建、虚拟协助和呼叫中心机器人等。它从大量现有内容中学习，学习的过程称为训练，其结果是创造的“基础模型”，如为 Bard 等聊天机器人提供支持的 LLM 或大型语言模型。基础模型可用于生成内容并解决一般问题，还可以使用所在领域的新数据集进一步训练以解决特定问题。 Google Cloud 提供了多种易于使用的工具，如 Vertex AI，这是一个端到端机器学习开发平台，可帮助构建、部署和管理机器学习模型。 此外，生成式 AI Studio 具有一些特性，如定义场景和响应格式、提供 API 和 SDK 帮助构建应用程序、调整语言模型等。在使用中，提示的设计很重要，但可能存在一定的复杂性和不确定性。 Gen AI/Generative AI 是“生成式人工智能”的正式称呼，而 AIGC 指的是由人工智能生成的内容的创作方式，实际上是 Generative AI 的应用结果。 ChatGPT 从 OpenAI 的官网来看，在 2022 年宣发时被称为一种模型，但在官网的帮助页面中又被称为一种服务，目前我们所熟知的 ChatGPT 逐渐演变成了一种可以兼容多种 GPT 模型的聊天应用（服务）。

目前要实现您描述的这个需求具有一定的复杂性。首先，让 AI 直接给出准确的计算机硬件配置并从京东商城上检索价格存在一些技术挑战。因为这需要 AI 具备对计算机硬件的深入了解、与京东商城数据接口的对接以及价格实时更新的处理能力。 从技术实现的角度来看，可能需要以下步骤： 1. 训练一个专门针对计算机硬件配置的 AI 模型，使其能够根据用户的需求和预算生成合理的硬件配置清单。 2. 开发与京东商城的接口程序，以获取实时的商品价格信息。 3. 将生成的配置清单与获取的价格信息进行整合，生成最终的配置单。 但需要注意的是，京东商城的数据接口可能不对外开放，获取价格信息可能存在法律和合规方面的限制。同时，这样的系统开发需要较高的技术水平和资源投入。

在制造业中，AI 在供应链管理方面有以下应用： 1. 根据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，提高供应链管理效率。 2. 模拟不同的市场条件和供应链动态，优化库存管理和物流配送。 在 B 端，供应链管理可能是大模型服务的辐射范围之一，但在面对复杂的巨头/独角兽公司业务时，不太可能仅用 GPT 解决。目前可能还未达到解决相关能力问题的时候，可通过将私有领域知识训练在私有模型或训练小模型、构建请求链等方式来解决。 总的来说，AI 技术正在为供应链管理带来诸多优化和改进。

AI 在供应链中的应用主要包括以下几个方面： 1. 预测性维护：AI 可以用于预测供应链中机器设备的故障，帮助避免停机，保障供应链的稳定运行。 2. 质量控制：通过检测产品缺陷，提高供应链中产品的质量。 3. 优化供应链：利用 AI 分析历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，从而提高供应链的效率和降低成本。 4. 风险管理：诸如保障技术和技术标准等可信 AI 工具能够支持供应链风险管理。这些工具还能通过在这些系统中建立合理的信任，推动 AI 的采用和应用，使用户相信整个供应链中的关键 AI 相关风险已被识别、解决和减轻。例如，通过描述制造商应采取的确保 AI 系统安全的措施，技术标准可以向 AI 系统的购买者和用户提供保证，即已采取了适当的以安全为重点的措施，最终鼓励采用 AI。 5. 责任评估与分配：对 AI 框架的评估将评估法律责任在不同的 AI 应用和系统中是否得到有效和公平的分配。在实施框架时，将持续广泛地收集来自监管机构、行业、学术界和民间社会关于其对 AI 生命周期中不同参与者的影响的证据，以持续监测框架对 AI 供应链中参与者的影响。特别关注基础模型，因为它们可能对生命周期问责制构成潜在挑战，尤其是作为开源模型时。通过集中评估是否有足够的 AI 问责措施，可以评估是否需要对整个经济和 AI 生命周期中的 AI 责任进行进一步干预。

AI 在供应链领域有以下应用： 1. 预测性维护：可预测机器故障，帮助工厂避免停机，保障供应链的稳定运行。 2. 质量控制：检测产品缺陷，提高产品质量，减少因质量问题导致的供应链中断。 3. 优化供应链：通过分析数据来优化供应链流程，提高效率和降低成本。 4. 风险管理：利用工具如保证技术和技术标准来支持供应链风险管理，增强对系统的信任，让用户确信关键的 AI 相关风险已被识别、处理和减轻。 5. 物流和配送：优化物流路线和配送计划，降低运输成本，提高货物送达的及时性和准确性。 需要注意的是，以上内容由 AI 大模型生成，请仔细甄别。

在制造业领域，AIGC 技术在供应链管理方面有以下应用： AI 可以根据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，提高供应链管理效率。 在中小企业转型中，关于供应链风险的管理： 首先，使用 AI 工具进行风险评估。利用数据分析软件、预测模型等工具，收集财务报表、市场数据、供应链信息等相关数据进行分析，预测潜在的风险，如财务风险、供应链风险等，并识别风险的来源和可能的影响。 其次，基于 AI 分析结果，制定相应的风险应对策略。根据风险类型和程度，制定具体的应对措施，如制定应急计划、调整业务策略等，并持续监控效果，根据变化调整策略，定期复审风险评估模型和管理策略。 在扣子模板分享中，关于供应链的部分： 供应链与营销联动：结合供应链数据，预测市场需求，调整生产和库存，避免缺货或积压。

AI 在供应链管理方面有以下应用： 1. 预测性维护：通过分析设备运行数据预测机器故障，帮助工厂避免停机，提高供应链的稳定性。 2. 质量控制：检测产品缺陷，提高产品质量，减少因质量问题导致的供应链中断。 3. 优化供应链：根据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，提高供应链管理效率，降低成本。 4. 工具支持：如利用保证技术和技术标准等工具，支持供应链风险管理，建立对系统的合理信任，使用户相信关键的 AI 相关风险已在整个供应链中得到识别、解决和缓解。 5. 责任评估：持续评估法律责任在 AI 中的分布是否有效和公平，特别是对于基础模型，关注其在生命周期问责方面可能带来的潜在挑战。通过集中评估 AI 问责是否有足够的措施，评估是否需要对整个经济和 AI 生命周期中的 AI 责任进行进一步干预。

AI 在供应链工作中的应用主要包括以下几个方面： 1. 预测性维护：通过分析设备运行数据，预测机器故障，帮助避免供应链中的生产停机。 2. 质量控制：检测产品缺陷，提高供应链中产品的质量。 3. 采购计划和库存预测：根据历史数据和市场变化，自动生成采购计划和库存预测，优化供应链的资源配置。 4. 物流优化：对物流环节进行优化，提高运输效率，降低成本。 5. 风险管理：利用工具如保证技术和技术标准，支持供应链风险管理，建立对系统的信任，让用户相信关键的 AI 相关风险已被识别、解决和减轻。 6. 责任评估与分配：评估法律责任在 AI 供应链中的有效和公平分配，持续收集各方证据，监测框架对不同参与者的影响，关注基础模型带来的潜在挑战，评估是否需要进一步干预 AI 责任。

以下是一份关于如何用 AI 软件将古诗词内容以视频形式表现出来的教学文档： 一、简单入门 如果是简单的图，找原图直接写提示词即可。 二、复杂图片处理 1. 图片分模块 对于复杂部分的图，把长图分多个模块。例如，将一张图分成 4 个模块。 2. 抠出背景图 智能抠图。用工具把要动的内容去除掉，用 AI 生成图片部分。如果有水印，可以把图片向下拓展一部分，然后截掉。 3. 绿幕处理前景图 将要拿来动起来的部分抠出，放在绿幕背景里或者画的背景颜色，导出图片。 4. 前景图动态生成视频 用 AI 视频生成工具写入提示词让图片动起来。有很多工具可供选择，如即梦、海螺、混元等。不停尝试抽卡即可。 5. 生成视频去掉背景 用剪映把抽卡合格的视频放在去掉内容的背景图片上，视频的背景用色度抠图调整去掉。多个视频放在背景图片，一起动即可。 三、提示词相关 1. 文案生成 工具：DeepSeek 操作：打开 DeepSeek 网站（https://chat.deepseek.com/ ），输入提示词。例如：“让 XX 用现代口语化的表达、生气骂人的口吻吐槽 XXXX（例如：吐槽现代人），XXX 目的（例如：推广 XXX 吸引游客来旅游），输出 3 条 60 字左右的毒舌文案，每条里面都要有‘回答我！Look in my eyes！Tell me！why？baby！why？’”可以根据自己的内容自行调整文案和字数要求。点击生成，等待 DeepSeek 输出 3 条文案。从中挑选最满意的一条（或多条）保存备用。 2. 准备人物形象图 工具：即梦 AI 操作：打开即梦 AI 网站（https://jimeng.jianying.com/aitool/image/generate ），输入提示词，即梦已经接入了 DeepSeek，可以直接用它来生成绘图提示词。调整生成参数（如风格、细节等），点击生成。预览生成的人物图，不满意可调整提示词重新生成，直到满意为止。下载最终的人物形象图。 四、其他注意事项 1. 指定视觉细节 包括颜色、照明、相机角度和风格等任何视觉元素的描述。提供的细节越多，输出就越接近您的愿景。 2. 提及所需长度和格式 如果您对特定的长度（以秒或分钟为单位）或格式（宽高比、分辨率）有想法，请提及。这对于 AI 生成符合您要求的内容至关重要。 3. 概述音频偏好 如果您的视频需要特定的音频元素，如背景音乐、旁白或音效，请详细描述。指定您是希望 AI 生成这些元素还是您自己提供。 4. 考虑道德和版权准则 确保您的提示符合道德标准和版权法。避免请求侵犯版权或涉及没有适当背景的敏感主题的内容。 请根据您的具体需求和所使用的视频 AI 工具的能力调整模板和示例。记住，输出的质量在很大程度上取决于您通过提示传达愿景的效果。

DeepSeek 的使用对于小白来说可能有点复杂，但我尽量用大白话给您解释清楚。 比如说，您想让 DeepSeek 帮您生成“玄武门之变结束的当天，李世民在深夜写下一段独白，你觉得他会写什么？”这样的内容。 DeepSeek 会这样来处理： 1. 先回顾玄武门之变的历史背景，比如这场政变发生在 626 年，李世民杀了兄弟，逼父亲退位等。 2. 思考李世民当晚的心理，可能有释然、愧疚、恐惧、自责等多种复杂情绪，还要考虑他是被迫还是早有预谋。 3. 要让生成的独白不仅符合历史事实，还要有文学性，体现人性的复杂。比如要平衡他的野心与自责，对未来的抱负与对过去的悔恨。 4. 考虑当时的文化背景，像儒家思想对孝悌的重视，李世民的行为违背了这些伦理，他可能会内心挣扎，还可能为自己的行为找正当理由。 5. 按照您的需求，给独白加上一些文学修辞，像比喻、对仗、意象等，增强画面感。 另外，DeepSeek 还有个很厉害的地方，就是它能在独白文本中“自作主张”地加入括号里的场景描述，让整个输出更有画面感。比如“（夜风掀动案头《韩非子》，停在‘夫妻者，非有骨肉之恩也’那页）”、“（墨迹在‘弑’字上晕开一团）”、“（忽然扔笔，抓起铜镜）”这些句子，很难相信是 AI 写的。 总之，使用 DeepSeek 时要考虑很多方面的因素，它能根据您的提示词和需求，生成很精彩的内容。

DeepSeek 与 ChatGPT 的区别主要体现在以下方面： 1. 在 App Store 排名上，DeepSeek R1 冲到了美国区 App Store 第一名，超越了 ChatGPT。 2. 口碑与技术实力方面，DeepSeek 没有市场部和市场投放，完全依靠技术实力和口碑获得用户认可。 3. 性能与成本方面，DeepSeek R1 的效果比肩顶尖闭源模型 o1，但价格仅为 o1 的 27 分之一。 4. 开源与创新方面，DeepSeek R1 开源让行业认知整体拉齐，得到全世界尊重和喜爱。 5. 训练方式上，DeepSeek R1 的创新模型 R1 Zero 跳过了监督微调（SFT）阶段，直接采用强化学习（RL）进行训练。 6. 在回答用户问题时，DeepSeek R1 会先进行“自问自答”式的推理思考，模拟人类的深度思考，以提升最终回答的质量，而 ChatGPT 可能没有这种特定的机制。 原理方面：DeepSeek R1 与 ChatGPT 同属于基于强化学习 RL 的推理模型，但在具体的训练和推理过程中可能存在差异。例如，DeepSeek R1 在训练时可能有独特的方法和策略，使其在性能和表现上与 ChatGPT 有所不同。

以下是一些与 AI 相关的公司举例： 百度：在人工智能领域有一定的投入和发展。 大型科技消费公司：擅长通过策略性数据采集，并利用免费产品采集数据在别处盈利。 Steamship 等初创公司：为 LLM 应用程序提供端到端托管，包括编排、多租户数据上下文、异步任务、向量存储和密钥管理。 Anyscale 和 Modal 等公司：允许开发人员在一个地方托管模型和 Python 代码。

意图和 FAQ 训练是两种不同的概念。 意图训练主要侧重于理解用户的核心意图或目的。例如，在一个客服场景中，用户的意图可能是查询产品信息、寻求技术支持或进行投诉等。通过对大量的用户交互数据进行分析和学习，模型能够识别出这些不同的意图类别。 FAQ 训练则侧重于常见问题及其对应的标准答案。比如常见的“产品如何退换货”“售后服务的联系方式是什么”等问题，以及相应的准确回答。 总的来说，意图训练更注重对用户目的的分类和理解，而 FAQ 训练更侧重于对特定常见问题的准确回答。

医疗人工智能应用存在以下风险： 1. 可能对受欧盟法律保护的公共利益和基本权利造成损害，包括身体、心理、社会或经济方面的损害。 2. 在决定是否给予、拒绝、减少、取消或收回医疗保健服务等福利时，可能对人们的生计产生重大影响，并侵犯基本权利，如社会保护权、不受歧视权、人的尊严权或有效补救权。 3. 用于评估自然人信用分数或信用度的人工智能系统可能导致对个人或群体的歧视，并延续历史上的歧视模式或造成新形式的歧视性影响。 法理防范措施包括： 1. 为所有高风险人工智能系统制定统一的规则，这些规则应与《宪章》保持一致，是非歧视性的，并符合欧盟的国际贸易承诺，同时考虑相关的伦理准则。 2. 明确价值链上相关经营者的作用和具体义务，促进对法规的遵从，确保法律的确定性。 3. 在特定条件下，明确高风险人工智能系统提供者的责任和义务。 需要注意的是，欧盟法律规定的用于检测提供金融服务过程中的欺诈行为以及用于计算信贷机构和保险企业资本要求的尽职审慎目的的人工智能系统，以及用于自然人健康和人寿保险风险评估和定价的人工智能系统，在符合一定条件时不视为高风险系统。