在极端天气多发、城市运行系统日益复杂、重点行业风险叠加的背景下，应急管理面临“风险来源更分散、数据形态更复杂、处置时效更苛刻”的新课题。
如何把分散在视频、图像、文本、传感器和终端设备中的信息快速汇聚，并形成可解释、可执行的处置方案，成为提升防灾减灾救灾和安全生产治理能力的关键环节。
12月21日，大数据与人工智能应用创新应急管理部重点实验室学术委员会2025年年度会议暨相关生态研讨活动在北京举行，会议集中发布应急管理“久安”大模型2.0等多项成果，释放出以数据要素与智能技术支撑应急治理体系现代化的明确信号。
问题：现实场景对“看得见”提出更高要求，更对“看得懂、做得快”形成刚性约束。
以基层执法、灾害预警处置、应急预案执行等工作为例，业务链条长、参与主体多、信息不对称普遍存在。
一旦出现险情，往往需要在短时间内完成识别研判、指挥调度、资源匹配与信息发布，任何环节的迟滞都可能放大损失。
同时，基层还面临人手紧、经验差异大、重复性事务多等矛盾，亟需能够覆盖流程、沉淀知识、提升一致性的工具型支撑。
原因：一方面，传统信息化系统多以单一数据类型或单一业务条线构建，跨部门、跨层级、跨场景协同存在壁垒；另一方面，通用能力难以直接解决行业“硬问题”，例如危化品风险识别、林火早期发现、矿山安全隐患排查等，既要求专业知识体系支撑，也要求对多模态数据的理解、对处置流程的自动化执行，以及对时效的极限压缩。
上述矛盾，决定了应急管理需要面向特定场景、能够把行业知识与业务流程一体化学习的专业模型与数据体系。
影响：据介绍，“久安”大模型面向应急管理领域联合研发，通过对基层应急执法、灾害险情预警处置、应急预案等流程的系统学习，形成对业务的深度理解。
在监测预警环节，可实现全天候智能巡检，能够在短时间内从海量视频中锁定内涝点并发出预警。
此次发布的2.0版本强调从“感知”向“认知”的能力跃升：依托包含510余万份专业语料的行业高质量数据集进行深度训练，围绕危化、林火、矿山等六大重点场景强化知识掌握，专业测评准确率提升至91%以上。
对一线工作而言，这意味着模型不仅能“发现异常”，还可以在一定程度上“解释异常、关联规则、给出处置建议”，从而提升决策效率与处置质量。
对策：围绕应急管理的特殊需求，相关技术支撑侧重从三条路径发力。
其一，强化多模态数据处理与全链路整合能力，把图像、文本、视频、智能终端等多源数据纳入统一治理与分析框架，形成更全面的风险感知底座，减少“信息孤岛”带来的盲区。
其二，提升模型与应用效能，通过模型优化与算力加速等手段压缩关键环节耗时，把“分钟级”调度压缩到“秒级”响应，更贴近突发事件“黄金窗口期”的要求。
其三，构建自主化流程编排体系，在典型场景内预制从识别、上报到救援处置的流程化能力，减少人工在重复环节上的消耗，让处置更标准、更可追溯，推动“人盯人、经验驱动”向“流程驱动、协同闭环”转变。
前景：从治理现代化角度看，专业模型的价值不仅在于提升单点效率，更在于推动风险治理从“事后处置”向“事前预防”延伸，从“经验判断”向“数据支撑”转化。
随着高质量数据集建设、标准规范完善和典型场景持续打磨，专业模型有望在城市安全管理、城管巡逻、隐患排查治理等公共管理领域形成更强的可复制能力，实现“聚焦痛点、端到端解决方案”的推广应用。
当然，模型应用仍需在数据安全、隐私保护、可解释性、责任边界与人机协同机制等方面同步完善制度与技术安排，确保工具有效可控、应用稳妥可靠。
"久安"大模型的升级迭代，不仅标志着我国应急管理从数字化向智能化的关键转型，更探索出垂直领域技术创新的有效路径。
该实践表明，面向行业痛点开展精准技术攻关，实现"平台+数据+场景"的深度融合，是突破公共服务领域智能化瓶颈的重要方向。
随着技术生态持续完善，这套方案有望为构建全域安全防护网提供核心支撑。