金融业 AI 大模型智算网络 研究报告 北京金融科技产业联盟 2025 年 5 月 I 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转 载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。 违反上述声明者，将被追究相关法律责任。 II 编制委员会 主任： 聂丽琴 编委会成员： 吴仲阳 张 勇 张志鹏 李建高 成晓强 编写组成员： 陈 鹏 余学山 融业务发展提 供更为精准、高效的算力支持。 AI大模型智算网络技术是算力集群的重要基础底座，是新型 算力中的网络运载力，是助力大模型实现跨节点分布式训练，提 升大规模训练效率的重要支撑。 本文深入分析 AI 大模型技术在模型能力、结构、算力、效 率等方面的技术发展趋势，提出作为底座的智算网络所面临的新 问题和新挑战。围绕 AI 大模型智算网络“高性能连接、高效率 传输、高可维网络、高安全保障”等关键技术进行研究，提供一 3 个阶段，并给出 了新技术发展及创新方向，为金融机构开展 AI 大模型智算网络 规划及建设提供参考。 关键词：大模型训练、智算网络、负载均衡、流控技术、拥 塞管理 IV 目 录 一、研究背景 ................................................. 1 （一）AI 大模型发展趋势及挑战 .........................

项目编号： 基于 DeepSeek AI 大模型 CRM 客户关 系管理系统 应 用 方 案 目 录 1. 引言.................................................................................................................................... ..........7 1.2 大模型在 CRM 中的潜力......................................................................................................................................10 1.3 DeepSeek 大模型的简介............. .........................................................................................15 2.2 引入大模型的必要性..............................................................................................

项目编号： 基于 DeepSeek AI 大模型人力资源应用 场景 设 计 方 案 目 录 1. 项目背景与目标.................................................................................................................................... 计。巡检内容将 涵盖数据库性能、服务器负载、网络安全等多个方面，巡检报告将 自动生成并发送至相关负责人。 在系统维护方面，我们将采用分阶段升级策略，每季度发布一 次小版本更新，每半年发布一次大版本更新。升级前，我们将提前 两周通知用户，并在非工作时间进行升级操作，确保不影响正常业 务。升级完成后，我们将提供详细的版本更新说明和操作指南。 为了提升用户自主解决问题的能力，我们将建立完善的知识库 随着技术的不断进步和市场需求的多样化，DeepSeek 人力资 源应用场景的扩展可能性日益显著。以下是几种切实可行的扩展方 向： 首先，在招聘和人才管理方面，DeepSeek 可以进一步整合大 数据分析和人工智能技术，实现更精准的人才匹配和智能招聘。通 过分析候选人的社交网络、在线行为和职业背景，系统可以自动筛 选出最合适的候选人，并推荐给招聘经理。此外，通过持续跟踪员 工的职业发展和绩效表现，DeepSeek

项目编号： 中医药健康产业基于 DeepSeek AI 大模 型应用 设 计 方 案 目 录 1. 引言........................................................................................................................................ 针对以上问题，引入 DeepSeek 应用方案可以有效提升数据管 理和分析能力。首先，DeepSeek 的智能数据整合技术能够跨越不 同数据格式和标准，实现多源数据的无缝对接和整合。其次，其强 大的非结构化数据处理能力能够适应中医药数据的特性，提升数据 分析和挖掘的精确度。此外，DeepSeek 的高性能计算平台能够应 对大规模数据的实时处理需求，为中医药健康产业提供高效的决策 支持。最后，DeepSeek 平衡点。通过对已有药物的化学结构进行微调，结合深度学习模 型，DeepSeek 可以预测结构修饰后的药物性能，从而指导药物分 子设计。 数据驱动的决策支持是 DeepSeek 在药物研发中的另一大优 势。通过整合实验数据、临床数据和市场反馈，DeepSeek 能够为 研发团队提供实时的数据分析报告，帮助团队及时调整研发策略。 例如，当某种药物在临床试验中出现不良反应时，DeepSeek 可以

项目编号： 保险公司行业场景 AI 大模型 应 用 方 案 目录 1. 前言........................................................................................................................................................... .........................................................................................6 1.2 AI 大模型的潜力与应用前景.......................................................................................... ....................................................................................10 2. 保险公司 AI 大模型应用概述..............................................................................................

项目编号： 人力资源管理引入基于 DeepSeek AI 大 模型筛选简历可行性 研 究 报 告 目 录 1. 引言.................................................................................................................................. 作为一种先进的 AI 技术，具备强大的文本 分析与语义理解能力，能够自动化地处理海量简历数据，并从中提 取关键信息，辅助 HR 人员进行决策。 DeepSeek 的核心优势在于其高效性与精准性。通过训练大规 模数据集，DeepSeek 可以识别简历中的技能、经验、教育背景等 关键要素，并基于预设的岗位需求进行匹配评分。其算法不仅能够 处理结构化数据，还能对非结构化文本（如自我评价、项目描述） 数据 驱动化的方向迈进，是现代企业提升竞争力的重要策略之一。 1.2 研究目的 在当前人力资源管理领域，简历筛选是招聘流程中的关键环节 之一，传统的人工筛选方式虽然灵活但效率较低，尤其在面对大规 模招聘时，容易出现遗漏和偏差。随着人工智能技术的快速发展， 尤其是深度学习（Deep Learning）和自然语言处理（NLP）技术 的进步，引入自动化简历筛选系统已成为提高招聘效率和质量的重

品类细分、需求、财务独立，质量、技术参与采购业务程度较深 1.4 分类别的采购管理系统，生产、物流、快速消耗通用物料。 二、工程基建项目型（部分我司 X 客户）： 中建三局／中建钢构／北京城建／华侨城／恒大／铁汉生态 1.1 集中采购（物资公司或采购部），统一规则（流程、授权） 1.2 统一目录、统一招采、统一合同、统一配送、统一支付。 1.3 辅材、服务和现场类采购，遵循统一的采购规则，采购部门 控预算为主。 1.4 通用非直接物料：管控关键节点审批（单价）和过程合规性为主。 2. 业界（友商）可供借鉴的采购运作和管控模式 （ 1 ） 三、产品制造型公司： 联想 / 大疆 /DELL/ 小米 1. 大疆：内部采购 pk 机制，向集中采购模式转型（ 2019 年 1 季度）。按物料进行 sourcing ，组织集中在总部，供应商寻源，选 择，评估，商务等。集中认证，发挥量的优势。采 应弹性 • 由于采用项目式定价，（非工程类）成本在项目启动前或项目初期被集中确定。 • 我司由于业务类型，导致采购品类极多，涉及专业极广，复杂度极高。多品类采购及公司内部要求、 • 我司本身及大的商业环境对绿色采购，和廉洁要求增高。内控管理水平需要增强和确保。 • 用流程制度确保采购活动符合社会责任是商业趋势，也是公司提升盈利的必然要求。 • 工程服务类：劳动力成本全线上涨。广州地区劳工类和技术工作类人力近几年平均上涨

环 节 数 字 化 成 果 的 全 过 程 应 用 ， 建 立 起 较 为 完 善 的 标 准 机 制 、 建 造 工 法 与 平 台 软 件 ， 经 工 程 实 践 验 证 ， 取 得 较 大 的 经 济 效 益 ， 并 在 工 程 建 设 质 量 、 多 方 沟 通 协 调 、 绿 色 节 能 建 造 等 方 面 都 有 所 提 升 。 ２ 数 字 化 设 计 体 系 随 着 建 筑 计 行 业 信 息 化 中 后 段 的 着 力 点 。 本 文 针 对 现 代 产 业 化 的 建 筑 设 计 相 关 方 法 理 论 及 实 践 ， 提 出 目 前 设 计 体 系 中 的 四 大 主 要 环 节 并 针 对 各 环 节 形 成 相 应 的 技 术 集 成 实 现 。 （ １） 现 代 产 业 化 建 筑 设 计 原 则 、 设 计 标 准 ， 解 决 了 满 足 现 代 点 、 板 材 穿 管 节 点 、 板 材 固 定 连 接 节 点 、 吊 顶 灯 具 节 点 等 各 种 交 接 节 点 进 行 深 化 ， 实 现 工 厂 的 准 确 预 制 加 工 ， 最 大 程 度 发 挥 总 承 包 单 位 对 资 源 整 合 能 力 ， 有 效 发 挥 集 成 建 造 的 优 势 。 （ ３） 数 字 化 设 计 的 设 计 方 法 、 成 果 三 维 表 达

一流的芯片企业 HYGON 03 04 HYGON 海光DCU行业实战手册 先进微处理器技术国家工程研究中心是专门面向C86架构芯片核心关键技术研究与工程设计的国家级工程实验室。 实验室三大优势 架构 设计 安全 设计 前端 设计 后端 设计 定制IP 设计 封装 设计 领先的“芯”研发体系 北京 芯片前后端设计 苏州 芯片封装测试 成都 芯片验证系统测试 上海 CONTENTS DTK DAS DAP 09 10 11 PRODUCT INTRODUCTION 产品介绍 01 SOLUTIONS & CASES 海光DCU应用场景 02 实战场景一:AI大模型一体机 实战场景二:行业智能化 实战场景三:科学计算 实战场景四:工程计算 13 17 35 39 ECOLOGICAL ACHIEVEMENTS 生态成果 03 光合开发者社区 容CUDA、ROCm软件生态，迁移成本低 开源生态 支持主流AI框架和工具链，覆盖全部开源大模型，支持主 流AI、AI for Science和科学计算等各类应用软件 全面精度 支FP64、FP32、TF32、BF16、FP16、INT8等多精度 计算，精度完备，全面支持科学计算和AI加速计算 全面兼容 面向主流AI生态 DCU迁移平滑无忧 全程护航 支持大模型 多元场景应用落地 DAP（DCU AI Platform

VIMA, > 2023 年，李飞飞等提出 VoxPoser 系统，将大语言模型 (LLM) 接入机器人。 > 2023 年，英国 EngineeΓed Arts 为 Ameca 接入 GPT:3/4 增强了其语言的灵活性并增强了其面部表情 , > 2023 年，中国傅利叶推出 GR-1 通用人形机器人，多模态大模型、高度仿生的躯干构型、拟人的运动控制；宇树科 技 UnitΓee H1 年，挪威公司 1X Technologies 发布仿人体骨骼结构 Neo Gamma 机器人。 > ■ 具身智能的发展演进 □ 具身智能的爆发背景 > 一方面， Al 浪潮爆发 ，出现了功能强大的大模型和智能体，能够对大量的感知数据进行高效学习和处理。 Al 越来越强， 但想要将 Al 能力真正用起来，就必须让它在物理世界落地。这肯定需要一个物理载体。 另一方面，传统的自动化机械，只能完成死 超级智能阶段：理论上将具备超越人类的智能水平，能够进行创新和自我意识的决策。 ■ 具身智能的核心技术 □ 具身智能的三大核心要素 > 本体：智能体的物理载体，具备感知、运动和操作能力。本体的形态和功能直接影响智能体的任务执行能力。 > 智能：负责感知、理解、决策和控制的核心模块，通常由多模态大模型 ( 如 LLM 、 VLM) 驱动。通过整 合视 觉、语言、触觉等多种模态数据，生成适应环境的行动策略。