应急管理智能化领域发展探索和市场展望

智慧应急是应急管理现代化的重要组成部分，是应急管理信息化的高级形式。《“十四五”国家信息化规划》强调智慧应急是提升应急管理能力的重要载体，提出要通过信息化建设和应用系统智能化升级改造，提高监测预警、监管执法、辅助指挥决策、救援实战和社会动员能力。《规划》明确提出：到 2035 年全面实现依法应急、科学应急、智慧应急，形成共建共治共享的应急管理新格局。应急管理部要求坚持以信息化推进应急管理现代化，强化实战导向和“智慧应急”牵引，推动形成体系完备、技术先进的应急管理信息化体系。同时，随着 2023年1万亿国债的增发，智慧应急产业活力不断释放，极大激发了企业的参与热情，行业及新技术、新产品、新模式应用市场前景广阔。

一、智慧应急发展现状和趋势

根据 IDC 2023 年智慧应急相关研究报告显示，应急管理部统一建设了应急资源管理平台、“互联网 + 执法”等应用系统，全国免费推广。全国先进省市应急管理部门充分利用5G、云计算、大数据、人工智能等技术，正加快信息化基础设施建设，如应急指挥信息网的四级贯通，及应急管理数据中心、智慧应急平台和智慧应急装备建设，有效提升了应急管理的科学化、专业化、智能化水平，提高了社会公众的防灾避险、自救互救能力。当前，随着应急能力体系建设逐步向基层单位渗透，市场重心下移的趋势也愈发显著，向下延伸、应用驱动、与新技术紧密结合将成为未来智慧应急的发展重点。

一是向下延伸。基层是防灾减灾救灾的第一道防线，面对乡村信息化基础相对薄弱的现状，扎实推进基层尤其是广大农村地区的应急管理信息化建设，做细应急管理“神经末梢”，是助力应急体系形成“横纵协调、内外联动”的关键环节。

二是应用驱动。随着智能化应用的不断深入，拓展多样化场景，将成为提升应急能力和水平的重要手段和发展方向。结合平台能力的强化，以应用需求为驱动构建全方位、立体化智慧应急网，形成灾前规划、灾中应急、灾后重建的闭环管理，实现高效精准的风险点监测预警、应急决策和应急资源协调及响应处置。

三是与新技术紧密结合。随着信息技术日新月异的发展，AI、云计算、物联网、大数据等新技术推动应急管理发生深刻变革。从数字技术应用上看，应急综合管理平台正从数据治理“向上”延展，强调转向更多为应用提供支持，说明技术之间融合以及技术与场景的融合应用正在成为智慧应急发展趋势，以科技创新最大限度地实现敏捷应急、科学应急、精准应急、动态应急。尤其是随着生成式 AI（AIGC）的横空出世，应急大模型已经成为推动应急管理手段方式全面重塑的一种重要技术驱动力，不仅有利于数据的互联互通，更促进了应急知识图谱的精准构建和应急大模型的全面优化。

二、应急大模型发展应用与限制

智慧应急被视为应急管理创新的希望所在，信息化、智能化、智慧化多层并进，展现出蓬勃发展的态势。随着人工智能技术的深度融合，应急大模型通过整合AI、云计算、物联网、大数据等技术，正在推动提升应急管理的效率和应对突发事件的能力，推动应急管理向更高效、更精准、更智能化的方向发展，为构建安全、韧性的社会提供了新的思路。

我国应急科技系统作为复杂适应系统，具有聚集性、非线性关系、要素流和多样性等特征。应急科技系统的发展遵循复杂适应系统的刺激反应机制、资源交互机制和受限生成机制，促进了应急产业的长效发展。腾讯等数字技术企业，围绕传统应急救灾领域的薄弱环节，通过技术创新、产品创新，探索解决方案。

一是面向应急决策的突发事件情景模型研究，通过结构化和量化的表达，在情景对象表达、灾情向量、情景环境和情景对策等方面，增强了灾情认知的有效性，有助于决策者进行科学合理的灾情严重度评估。

二是面向重大突发灾害事故的应急疏散研究，研究者们从疏散行为分析、模拟仿真、策略优化、预案实施等多个角度进行探索，以应对疏散过程中的复杂性和动态变化。

三是开展基座构建、人类偏好对齐、推理与评价、多模态融合以及安全可控等关键技术研究，并探讨未来的发展方向。

四是探索应急管理体系的数字化转型，通过数字孪生技术和体系，解耦和封装专业应急知识技能，构建行业应用模型，支持应急救援仿真、分析、方案优化等。

应急大模型作为应急管理领域的一项前沿技术，虽然展现出巨大的潜力和应用价值，但在实际发展和应用过程中也存在一些问题与不足。

一是技术成熟度有待提高。应急大模型涉及到的人工智能、大数据分析等技术还处于不断发展和完善阶段，其在实际应用中的稳定性、准确性和可靠性仍需进一步提升。

二是数据质量和共享问题。高质量的数据是大模型发挥作用的前提，当前数据孤岛现象、数据时效性、可信性、安全性及共享性不足等问题仍然存在， 影响了应急大模型的效果。

三是专业知识融合需求。应急领域具有较强的专业性，需要大模型不仅要有通用的智能处理能力， 还要融入应急专业知识，目前这一融合仍处于探索阶段。

四是场景适应性和灵活性不足。应急事件具有高度不确定性和复杂性，应急大模型需要能够适应不同的应急场景并提供灵活的解决方案，目前在这方面还存在一定的局限性。

五是用户接受度和使用门槛。应急大模型的操作可能需要一定的技术背景，对于基层应急人员来说，使用门槛相对较高，影响了普及和应用。

六是配套法规和标准建设滞后。与应急大模型相关的法规、标准和伦理指导尚不完善，需要加快建设以规范其健康发展。

七是隐私和安全问题。人工智能在处理大量可能涉及敏感信息的数据，输出符合社会法律、人类伦理等答案时，如何确保数据安全和个人隐私保护是应急大模型需要面对的挑战。

八是产品落地和应用实效。应急大模型从理论研究到实际应用的转化过程中，如何确保产品能够满足用户的实际需求，并在真实的应急场景中发挥效果，仍是一个需要解决的问题。

要解决这些问题，需要多学科合作、技术创新、政策支持和实践探索，随着行业技术和应用场景拓展，应急大模型的未来应用发展空间巨大。

三、国投智能应急大模型创新探索

国投智能（厦门）信息股份有限公司（以下简称国投智能）是国家投资开发集团有限公司的重要企业，是集团参与国家数字化发展的平台。其参与了国家、多省市智慧应急能力体系建设，并提出“大数据 + 大模型 +AI 助手”的智慧应急解决方案，重点围绕数据治理、通用基础能力、执法规范、指挥调度等，聚焦应急业务属性，积极探索大模型在应急领域的刚需场景（如图 1 所示）。

国投智能以“应急大数据+ 应急大模型”为根基， 聚焦应急行业需求，打造智慧应急AI 助手“小安”，全面赋能应急管理领域的智能化指挥调度、智慧化信息交互、数智化监测预警等实战化应用场景。这一思路不仅基于人工智能技术能力的强大支撑，更是对业务系统的深刻重塑和对智能装备的全面赋能， 从而使得应急管理方式能够从传统的经验式、粗放化，真正向科学化、精准化和智能化转变。

应急大数据是应急大模型的基础，大模型的训练和优化需要大量的高质量数据。应急大模型通过深度学习等技术手段，能够提取出应急大数据中的复杂特征和规律，实现更高级别的数据处理和分析。

在应急数据和知识构建方面，国投智能重点开展如下工作：

一是构建应急行业知识库。构建公域知识库、私域知识库、策略规则库等高质量行业知识库，不仅增强了应急行业大模型对业务深度和专业性的理解，还提升了其在各种应用场景下的适应能力。

二是进行多源模态数据治理。为强化应急行业大模型的性能和效果，在数据治理过程中，注重从多个来源和多种模态中收集数据，确保数据的全面性和多样性。通过精细化的数据分析和处理，能够更准确地识别出数据中的显性知识和隐性知识，为构建高质量的行业知识库提供了有力支撑。

三是利用大模型支撑数据融合与清洗。通过大模型的智能分析，能够快速发现并修复数据中可能存在的错误，如数据不一致、缺失值等，从而提升数据的整体质量。此外，我们还探索将更多、更好的数据用于大模型的训练，以进一步提升大模型的能力，实现应急行业大数据的高效利用。

四是构建分级分类数据集。为了确保应急行业大数据的合法合规使用，遵循国家数据分类分级保护要求，按照“科学实用、边界清晰、就高从严、点面结合、动态更新”五大原则，构建了分类分级数据集。这一举措不仅规范了训练数据的使用，还加强了数据的安全保护，确保各主流大模型能够合法、合规地利用应急行业大数据。

在智慧应急场景赋能构建方面，国投智能自主研发“天擎”公共安全大模型，它具备强大的业务理解和推理能力，能够从海量数据中持续自我进化，通过生成式预训练语言模型、人类反馈强化学习、上下文学习、人机自然语言交互、OCR 识别等技术，实现行业知识、业务问题、解决反馈的全流程闭环进化。

一是 AI+ 数字预案。整合各类应急数据，通过大数据分析和机器学习算法，进行各类应急事件预案的生成与优化，快速生成风险评估报告和预警信息，为应急响应提供科学依据。传统的应急预案编制需要耗费大量的人力和时间，而 AI 技术可以通过对大量历史案例的学习和分析，自动生成符合规范要求的数字化预案。未来还可以基于生成的预案快速构建数字化的应急模拟演练平台，实现对应急预案的全流程、全要素模拟演练，大大提高应急响应的能力和水平。

二是 AI+ 应急智搜。融合多元海量数据资源，通过 AI 智能算法和大数据技术，构建应急数据资源目录和知识图谱，提供高效综合查询，实现集查企业、查专家、查预案、查物资、查知识等功能一体化的搜索平台。未来可能通过理解用户的搜索意图，驱动数据价值发现，提供更精准、更个性化的搜索结果， 为应急管理日常工作提供业务支撑。

三是AI+ 指挥调度。探索利用极简的人机交互， 服务于应急事前事中事后全流程的业务环节，实现在简化操作环节、降低用户的使用门槛的同时，迅速检索并调配应急资源，同时借助先进的音视频通信技术，支持多渠道的实时通信调度，使得指挥调度更加灵活、便捷。

四是 AI+ 工作助手。基于“天擎”公共安全大模型研发出的应急 AI 助手“小安”，具备写作、问答和执行三大能力域，拥有强大的 AI 能力插件式部署、极简人机信交互模式、动态更新知识资源池三大特点，通过“喊一嗓子”即可获得相应区域内物资、人员、避难点等精准信息，快速生成应急预案，真正实现所见即所得的“一图统览”。“小安”深入洞察应急行业的核心需求，凭借其在“AI+ 数字预案”“AI+ 应急智搜”和“AI+ 指挥调度”等应用场景下的显著优势，为各类应急信息化的软件平台和硬件装备提供了坚实的业务和技术支撑。数字应急综合应用平台——危险化学品监测预警示意图如图 2 所示。

四、智慧应急规模扩维，应急大模型市场前景广阔

根据工信部公布的数据，中国应急产业市场规模近年来持续增长。2021年我国应急产业市场规模约为 2.06 万亿元，同比 2020 年增长 15.08%。尤其值得注意的是，2023 年底中央财政增发 1 万亿国债， 整体提升我国抵御自然灾害的能力。其中自然灾害应急能力提升工程是资金投入的重点，各省市纷纷公开招标“智慧应急”工程，建设内容包括智慧应用、数字基础设施、数字平台、应急通信、感知等。

据《2023-2029 年中国应急解决方案市场深度调查与投资战略研究报告》预测，2023 年应急解决方案行业规模已突破 480 亿元，预计未来还将持续增长。

预计未来几年，随着政府、企业和社会组织对公共安全和应急管理的重视度不断提高，智慧应急市场需求将持续增长，应急大模型作为应急管理领域的重要组成部分，其市场规模也将随着应急产业的增长而不断扩大。

在智慧应急规模不断扩维前提下，应急大模型的市场空间也十分广阔。

首先是市场影响因素。一是政策支持有力。我国政府高度重视应急管理工作，出台了一系列政策措施支持应急行业的发展，这些政策为应急大模型的发展提供了良好的政策环境和资金支持。二是技术发展快速。人工智能、大数据、物联网等技术的不断进步为应急大模型的发展提供了强大的技术支撑，使应急大模型在数据分析、预测预警、决策支持等方面实现更大的突破。三是社会需求强烈。随着社会对公共安全和应急管理的重视度不断提高，对应急产品和服务的需求不断增长。特别是在自然灾害、公共卫生等突发事件频发的背景下，应急大模型的需求将更加迫切。四是应用场景多样。应急大模型的应用场景从传统的自然灾害应对扩展到更广泛的领域，包括公共卫生事件、网络安全事件、社会安全事件等。

其次是市场需求主体多元化。一是政府部门。政府部门是应急大模型的主要需求方之一，需要在应急管理、灾害预防、应急救援等领域应用应急大模型来提高应急响应速度和决策科学性。二是企业用户。一些大型企业，特别是跨地域、多领域经营的企业，也需要应急大模型来保障其运营安全。三是社会组织。社会组织也是应急大模型的重要需求方之一，在志愿服务、灾害救援等方面需要应用应急大模型来提高效率和效果。

同时，技术应用层面应急大模型将不断进行优化和迭代，以适应不断变化的应急需求、技术环境和政策要求。

一是加强技术创新。应急大模型将不断吸收和应用最新的技术成果，如深度学习、强化学习等， 以提升模型的准确性和泛化能力，在数据分析、预测预警、决策支持等方面实现更大的突破。

二是深化应用领域扩展。将从传统的自然灾害应对扩展到更广泛的领域，如公共卫生事件、网络安全事件、社会安全事件等，将推动智慧应急技术的不断创新和发展，使应急大模型更加多元化和精细化。

三是加快业务智能化和自动化。应急大模型将更加注重智能化和自动化水平的提升，通过深度学习和大数据分析等技术手段，实现对应急事件的快速响应和精准预测。

四是推动协同化和多元化发展。应急大模型将呈现协同化和多元化的发展趋势，政府、企业、社会组织等各方将加强合作，共同推动智慧应急市场的发展。

五是深化数据安全和隐私保护。加强标准规范和立法建设，加强数据安全和隐私保护技术的研发和应用，确保用户数据的安全和隐私。

责任编辑：石旭