中，审计团队平均需要耗费 42%的工作时间用于数据清洗和基础分 析，而高风险领域的识别准确率仅为 68%。这种现状迫切需要通过 智能化工具实现效率突破。 DeepSeek 等大语言模型技术的成熟为审计变革提供了新的可 能性。相较于通用 AI 模型，审计智能体需要具备三个核心能力维 度：首先是领域知识的深度适配，包括国际财务报告准则 （IFRS）、美国通用会计准则（GAAP）等超过 2000 项条款的准 确 40%的工作时间在数据清洗与基础核对上，而抽样检查覆 盖率不足 5%的现象普遍存在，隐藏了重大风险盲区。其次，复杂 交易场景（如跨境并购、金融衍生品）的审计依赖专家经验判断， 但资深审计师资源稀缺，全球四大会计师事务所的专家顾问供需缺 口达 37%。最后，实时审计需求与滞后分析能力的矛盾突出，特别 是在区块链、云计算等新技术应用场景中，传统审计方法难以实现 交易链路的全流程穿透。 以下数据直观反映了审计效能瓶颈的关键指标： 决传统审计中数据孤岛问题。某试点项目数据显示，采用智能体 后，数据准备周期从平均 72 小时缩短至 4 小时以内。其次是风险 识别与异常检测，基于深度学习模型分析历史审计案例和行业风险 特征，智能体可自动标记异常交易模式，其检测准确率在测试环境 中达到 92%，远超人工抽样检查的 65%水平。最后是智能分析辅 助，通过自然语言处理技术自动解析合同条款、监管文件，生成风 险提示和审计要点，使审计师能够聚焦于专业判断而非基础信息处

—— 以产业大脑为例 肖俊 浙江大学计算机学科与技术学院人工智能研究所 2025 03 杭州 • 大模型推理能力快速提 升 • 推理模型和思维链 (CoT) • 智能体是什么？ • 四链融合产业大脑案例 提纲 大模型推理能力快速提升 开始模仿人 脑进行大量 数据的标记 和训练 神经网络 CNN RNN GAN 1990 年开始； 2006 年获得突 破 快速回望历史——大模型的产生 是大模型 (Brain) 的眼 (Observation) 和手 (Tools) 2. 通过智能体 (AI Agent) 可以基于大模型实现各种较为复杂的 智 能应用系统 小结三： 四链融合产业大脑案例 如何精准科学地识别并批量形成具有战略意义的 " 卡脖子 " 问题清单 ， 是我国实 现关 键核心技术突破要解决的首要任务 ，直接影响国家产业安全战略决策与创新资 源配置 制高点 SupXmind 基础平台： 充分融合大模型 + 知识图谱的前沿技术 ， 贯穿从“大数据 ”到 “ 大知识”到“大模型”全流程 ，构建人机共生认知决策链路 ，帮助用户打造智能决 策 系统。 四链融合知识计算引擎 是以通用大模型为基座 ，面向产业创新咨询服务场景， 数百个产业链知识图谱 结合工具集 知识库和指令微调训练得到产业垂域大模型 提供 产业链图认知

.......... 6 （三）运力基建与调度机制双轨演进................................................................ 6 （四）模型技术与产业应用双轮驱动................................................................ 8 三、综合算力指数.......... ............................................................................................. 14 （四）存力分指数.............................................................................................. （七）环境分指数.............................................................................................. 31 四、城市算力 Top30.........................................................................................

中讯邮电咨询设计院有限公司、华为技术有限公司、科大讯飞股份有限公司、 中国信息通信研究院、中国电信集团有限公司、中国移动通信集团广东有限公司、 上海天数智芯半导体股份有限公司、河南昆仑技术有限公司、四川华鲲振宇智能 科技有限责任公司、中国质量认证中心有限公司 编写组成员（排名不分先后） 马季春 王曼 施晶峰 王月 张建峥 赵以爽 杨军刚 杨伊鸣 郭光鑫 吴茜 梁宇 栋 马凤鸣 党朝志 展联合办公，凭借专业实力有效支撑了集成交付全流程工作。项目交付流程分为四个关键环 节：一是需求确认，由联通明确建设内容与目标；二是方案编制，设计院完成整体建设方案 后，集成商据此制定集成实施方案，平台厂商同步提供技术支撑方案；三是集成实施，集成 商牵头组织设备上架、布线及系统部署，开展集群联调，确保各系统协同运行；四是交付验 收，组织全面联调测试，整理交付文档，推动项目验收并顺利移交运维，保障项目高质量落 与整体规划，输出涵盖计算、网络、存储等在内的全套技术方案，经过多轮评审与修订，持 续优化网络架构，有效提升系统性能与资源利用率；在线缆采购与布线施工支撑方面，牵头 开展 MPO 线缆采购分析，依据四大原则优选供应商，并制定统一的布线标准，规范线缆布放、 标签标识等关键环节，切实保障交付质量；在 AI 智算集成实施培训方面，编制系统化培训 计划，开设多门课程，面向交付团队开展技术赋能，提升整体实施能力；在测试方面，支撑

通 过程中，系统能自动提取客户需求中的隐含意图，准确率达 92% （基于内部测试数据），同时支持中英日韩等 12 种语言的实时互 译，满足跨国企业客户服务需求。模型特有的多轮对话记忆功能， 可完整跟踪长达 3 个月的连续客户交互记录，避免传统 CRM 因会 话断层导致的响应偏差。 知识管理与决策支持方面，DeepSeek 的行业知识库覆盖金 融、制造、零售等 8 大垂直领域，包含超过 商机预测建模：基于历史成交数据构建 的预测准确率提升 37% - 风险预警系统：对异常订单的识别速度较 传统规则引擎快 8 倍 在流程自动化领域，模型展现出独特的复杂任务分解能力。测 试数据显示，其可同时处理包含 5 个嵌套条件的工单路由逻辑，执 行准确率达到 99.2%。通过与 CRM 现有 API 的深度集成，能够自 动完成从客户咨询识别→需求分类→服务匹配→结果反馈的全闭环 处理。特别 分析显示，项目投资回收期约为 14 个月，第三年起可产生年均 300 万以上的净收益。风险控制方面，已规划数据隔离方案确保敏 感信息不进入训练集，模型输出均经过合规性校验层处理。 该实施方案特别强调与传统 CRM 工作流的无缝融合，所有 AI 功能均以插件形式存在，支持企业根据实际需求分阶段启用。通过 建立效果监测看板，管理层可实时追踪 ROI 转化情况，确保技术投 入产生实际业务价值。最终将形成包含

现，正式拉开了“百模大战”的序幕。这一年标志着大模型技术的飞跃式发展，行业格局与 趋势瞬息万变，整个领域经历了前所未有的百花齐放与创新浪潮。 大模型技术在数据积累、算力支撑、模型精进及应用拓展四大维度上，均实现了显著 突破。合成数据的应用，有效克服了现实世界数据在获取难度、规模限制及多样性不足等 方面的挑战；图形处理单元（GPU）和张量处理单元（TPU）等高性能计算硬件的飞速发展， 为 得准确的医疗建议。这有助于缓解医疗资源紧张问题，提高医疗服务的可及性和效率。 （2）医院管理 大模型在医院管理方面的应用，包括病历管理、药物管理、医疗质量控制等。通过训练 大模型，可以实现医疗数据的智能化分析和管理，提高医院的管理水平和运营效率。 1.1.4.4 医疗健康进入新时代 �� （3）医学影像 在医学影像领域，大模型被用于辅助医生进行疾病诊断和治疗。通过训练大模型，可 以实现对医学影像的自动分析和诊 AI带来的前所未 有的变革与重塑。作为传统金融行业的重要组成部分，保险业也面临着前所未有的挑战 与机遇。 （1）行业发展转变 随着信息技术的快速发展，保险行业正从传统的“评估与服务模式”向“可预测、个性 化和生态化模式”转变。这种转变要求保险公司能够利用大数据、人工智能等技术，更精 准地评估风险，提供个性化产品和服务。 （2）客户需求的多样化与个性化 随着消费者需求的不断升级，保险

加速对玩家行为进行实时分析并提供个性化推荐。 存算分离架构带来网络、存储性能压力：在大数据、数据库场景中，存算分离架构使计算节 点和存储节点之间的数据传输量大幅增加。大数据平台运行时，CPU负载普遍在60%以上， 内存带宽利用率可高达80%以上。高负载情况下，保持算力的平稳输出非常重要，包括性能 的线性度指标以及资源隔离的力度等。特别在是高密度计算环境下，单服务器下的租户更 多，相关租户之间的故障隔离以及缓存、存储等资源的共享访问问题会更加突出，既要确保 I/O 升级和AI 深度优化，以及多场景性能上， 至强® 6性能核处理器均有全面突破。 图3. 英特尔®至强®代际演进 来源: Intel 代际规格 第二代英特尔®至强®可 扩展处理器 第四代英特尔®至强®可 扩展处理器 英特尔®至强®6900 性能核处理器 128 核 60 核 28 核 最高单路 内核数 内存 PCIe AI加速器 AVX-512(VNNI) AMX/TMUL(INT8& 核心数量与时钟频率，以满足特定计算需求 , 例如可以从 120 核改配 到 96 核，以提高单核性能。在线主频变配 + 芯粒化架构缓解资源紧张问题，一台服务器可实现 灵活多档配置，无需重新调度到其他机器或可用区，用户无需担心可用区内新实例资源不足的 问题 。对于运行 7x�� 的云原生业务和关键服务系统，可持续提供 SLA，业务连续性更强，无需 “停机换车”。 QoS 保障：ECS g�i 通过硬件虚拟化、CPU 的资源调度管理等多种优化手段，实现了对存储、

多时敁、 多类型数据癿获取和收集工具和 手段，实现数据癿全面融合。 数据采集 数据采集范围可定制 用智慧发现信息价值 Discover information 数据范围 数据范围 Discove r 用智慧发现信息价值 information 大数据 自由选择观察角度： 配置观察对象、配置观察领 域、选择观察时间段 内容结果分析：提供多种简报模板，用户可根据 配置癿观察角度自由分析，生成相应癿简报。分 析结果采用图表列表癿展示斱式。 添加对比：分析结果可添加对比，添加其他癿观 察角度即可 订阅推送：对搜索癿分析结果进行订阅推送，通 过邮件癿形式把分析结果发送给用户。 资讯简报 用智慧发现信息价值 Discover information 案例：某国有银行企业风险预警 关系图谱风险预警：通过互联网采集平台，整合行内外客户关联不交易信息，通过 OEC 平台进行深度挖掘不加工，识别 4 类客户关联关系，如：投资关系、担保关系、 管理关系、股权关系四维度图谱。 混合算法引擎 KNN 决策树 SVM 层次分析 聚类 业务规则 OEC 平台模型处 理 • 业务建模 • 中文分词 / 词性标注 • 实体识别 / 时间短语识别

交易策略进行动态调整和优化。传统的策略优化方法通常依赖于静 态参数设置，而 DeepSeek 则能够根据市场环境的实时变化，自动 调整策略参数。例如，在波动率较高的市场环境下，DeepSeek 可 以自适应地降低仓位风险，而在趋势明确的市场中，则会增加持仓 比例。这种动态优化机制显著提升了策略的适应性和鲁棒性。 此外，DeepSeek 在风险管理中的应用也不容忽视。通过对历 史数据和实时市场数据的分析，DeepSeek 技术在股票量化交易中的 应用具有明显的优势，能够为市场参与者带来更高的收益和更好的 风险控制。 5. 系统架构设计 在股票量化交易系统中引入 DeepSeek 应用方案的核心在于构 建一个高效、稳定且可扩展的系统架构。该架构需要涵盖数据采 集、特征工程、模型训练、策略回测、实盘交易和风险控制等多个 模块，各模块之间通过统一的接口和协议实现无缝衔接。 首先，数据采集模块负责从多个数据源（如交易所、第三方数 。 通过这一架构，股票量化交易系统能够在保证高效率和鲁棒性的同 时，实现智能化的交易决策。 5.1 整体架构设计 在股票量化交易系统中引入 DeepSeek 的应用，整体架构设计 主要分为四个核心模块：数据采集与预处理、策略开发与优化、实 时交易执行以及监控与反馈。数据采集与预处理模块负责从多个数 据源（如交易所、第三方数据提供商等）实时获取市场数据，并进 行清洗、去重和标准化处理，以确保数据的质量和一致

2024/4 信息服务 海通综指 资料来源：海通证券研究所 相关研究 [Table_ReportInfo] 《计算机行业跟踪周报 350 期：信创操作 系统持续发展，人形机器人落地前景可 期》2024.08.11 《医疗 IT 订单月度数据跟踪系列：7 月中 标订单表现平淡，政策有望加速医疗 IT 需求释放》2024.08.08 《计算机行业 2024 年 8 月研究观点：各 地政府积极布局，低空经济进入加速落地 图1 人类与 AI 的交互模式 资料来源：腾讯研究院，海通证券研究所 以 LLM 为核心，四模块铸造 AI Agent。从 OpenAI 的定义来看，智能体以大语言模 型为核心，其拥有长期和短期记忆、自主规划能力、能自动化执行复杂任务、能够使用 工具等四个特点。1）记忆模块：智能体像人类一样，能留存学到的知识以及交互习惯 等，这样的机制能让智能体在处理重复工作时调用以前的经验，从而避免用户进行大量 Agent 智能体工作原理 资料来源：腾讯研究院，海通证券研究所 1.2 单智能体 vs 多智能体 单智能体与多智能体各具优势，适配于不同垂直领域。单智能体的强化学习原理是 基于马尔可夫决策来完成的，简单来说可以分为状态集 S、行动集 A、奖励 R，下一时 刻的状态和奖励只与上一时刻的行动有关，与更早之前的状态无关。其模型原理就是让 智能体用试错的方式来学习，若某个策略能得到奖赏，则智能体产生该行为的策略就会