自主智能供应链正是价值创造的新高地。近三分 之二的受访企业计划在未来十年内大幅提升供应 链的自主化水平。 由此产生的财务效益十分可观。本次调研的 受访企业预计，息税及摊销前利润（EBITA）有望 增长5%，已动用资本回报率则有望提高7%。在运 营层面，企业有望将订单交付周期大幅缩短27%， 生产力提升25%，碳排放量降低16%，同时，从运 营中断事件中恢复所需的时间也能缩短约60%。 在打造自主智能供应链的进程中，领军企业 换”以及“计划与排程”等集群，将在智能系统 的赋能下，展现出更强的决策自主化能力。零售 商与物流服务提供商已开始部署自主仓库机器 人和智能调度系统，旨在更高效地管理库存流转， 并缩短订单履约时间。 最终，“生产制造”集群有望达到最高水平 的自主化成熟度，这得益于诸如“黑灯工厂”等 最新创新成果⸺这类工厂运用机器人技术与 先进的增材制造技术，快速生产定制化产品。紧 随其后的将是“质量与生产控制”和“客户与现 场 对整个行业具有深远的启示意义。 • 流程导向型行业（如石油天然气、化工） 目前相对滞后。然而，其未来可观的成 熟度增长（如油气行业，预计增长超过 21%）预示着这些行业的应用势头日益 增强，有望缩小与离散制造业的差距。 • 尽管取得了显著进展，但尚无行业预计 能在未来五年内实现完全自主化，这 反映了业界对技术成熟度、运营复杂性、 监管环境以及人工监督必要性的现实 考量。 来源：

推理方 法 的工程化优化大幅降低了部署成本。近期采用大规模 RL 训练方法的阿里 QwQ-32B 等模型也在缩小规模的同时达到了 DeepSeek R1 671B 的应用效果，有望进一步催生银行落地应用。 n 我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。在实际银行落地应用 中，可能包括： 1 ）降本增效：智能客服、信贷审批、合同质检； 图表： s1 表现出的 Test time Scaling n DeepSeek 可以通过 API 接口或者数据中台架构，实现与传统银行技术系统的数据交互，从而实现各类业务高效高质的无 缝对接，有望释放海量私域数据价值。 Post-Train 阶段大规模强化学习的训练方法使模型拥有了更强的自主推理能力， 不 再依赖传统提示工程。根据 DeepSeek 的官方使用指南， 在使用模型时不建议添加系统提示（ Multimodal Understanding and Generation with Data and Model Scaling ，中泰证券研究所 11 多模态： Janus-Pro 等开源多模态模型有望进一步提升应用能 力 理解金融应用的“降本增效 - 价值创 造 - 决策赋能”三个层次 2 n 我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。其中当下应用最广

身专业内容积累和大模型技术优势。此外，学而思表示还在探索DeepSeek在公司 内部业务场景的应用，如推动客服家教沟通、视频脚本制作等场景的降本提效。 通过引入DeepSeek进行“硬件+软件+内容+运营”的多维智能升级，学而思有望 加速迭代升级产品服务，推动K12教育业务的全面AI化，进一步巩固行业头部地 位。 学而思围绕DeekSeek的AI教育布局情况 三、网易有道：融合底层技术构建混合架构，升级全线 产品、创新AI原生学习硬件 与垂直数据，突破AI在部分学科/教育场景中的应用瓶颈，赋能降本增效。预计随行 业进入AI深度整合的新阶段，将有更多阶段性原生AI教育软硬件产品涌现，创新教 育模式、重构学习体验。其中，教育智能硬件赛道有望率先得到突破，值得重点关 注。 行业格局方面，在DeepSeek概念火热、用户普遍使用教育行业产品的背景下，对 此轮技术升级响应较快的教育企业产品将吸收更多流量，实现用户增长和获客转 化。中长期来

数字化转型之际。尽管人工智能技术仍处于发展阶段，但在现实世界中，它 已应用于不同行业。人工智能正被用来解决各种各样的挑战，它使机器和系 统之间的交互更智能、更简单。 保险公司也逐渐进入这一领域，新一代人工智能技术有望帮助保险公司重新 定义其工作方式，打造创新产品和服务，提升客户体验。与此同时，这一传 统行业接受新技术仍面临多方的挑战。 无论是用智能自动化取代重复性的手动操作，还是帮助员工增强判断能力， 万美元，并加快了索赔处理过程。 日本寿险公司富国生命保险(Fukoku Mutual)正在利用人工智能来解释医疗证 明，并将住院时间、病史和手术程序等因素考虑在内，以决定投保人的保险 费用。这一系统有望在两年内将生产率提高 30%，并取得可观的投资回报率。 但以上示例并不是说明机器人流程自动化已经过时了。传统的自动化形式在 增强以人工智能为中心的流程方面还是能发挥作用。比如，一旦做出了智能

为了应对这些挑战，各城市正在积极探索和应用新技术。其 中，人工智能（AI）作为现代科技的代表，对提高城市轨道交通的 管理效率和服务水平具有极大的潜力。AI 技术能够实现对客流预 测、设备监测、线路优化等多方面的智能化管理，有望在降低运营 成本、提升服务质量方面发挥重要作用。 以下是城市轨道交通行业现状的主要特点：  高成本： o 建设和运营费用高昂，需长期投入。  大客流： o 高峰期客流量剧增，部分线网超负荷运转。 高峰期客流量剧增，部分线网超负荷运转。  设施老化： o 部分老旧设施影响安全与服务质量。  技术滞后： o 老旧系统难以满足现代化需求。 通过信息技术与 AI 技术的深度融合，未来城市轨道交通行业 有望实现智能化转型，从而优化资源配置、提升乘客体验，并促进 可持续发展。 1.2 AI 大模型的定义与应用背景 在当今快速发展的科技背景下，人工智能（AI）大模型的定义 与应用日益受到重视。AI 大模型通常指的是训练时使用海量数据的 图表展示数据来源分析可以帮助更直观地理解各类数据的获取 方式及其关联。 综上所述，经过系统分析和整合，城市轨道交通行业 AI 大模 型的数据来源覆盖了多个方方面面。通过合理规划数据的获取渠道 和协作伙伴，有望为 AI 大模型的应用提供强有力的支持，从而提 升城市轨道交通的运营效率和乘客体验。加强数据整合与应用，能 够在更高层次上实现智能交通的目标。 3.1.1 站点与车辆历史数据 在城市轨道交通

应用领域扩展 在铁路沿线实景三维 AI 大模型的应用方案中，未来的发展与 扩展将不可避免地涉及多个领域的深度融合和创新。随着技术的不 断进步和市场需求的多样化，铁路沿线三维 AI 大模型的应用领域 有望得到显著扩展。 首先，在城市规划与管理方面，三维 AI 大模型可以有效支持 城市基础设施的规划和管理。通过对铁路沿线区域进行高精度建 模，决策者能够更好地评估土地使用效率、交通流量和环境影响， 环境监测与生态保护  智慧交通系统  运营维护  旅游与文化传播 这种扩展不仅将提升铁路沿线地区的管理效率，还将推动相关 行业的技术革新和业务模式转型。随着相关技术的成熟和广泛应 用，未来有望形成一个集城市管理、交通优化、环境保护和文化传 播于一体的智能生态系统，提高社会整体运行效率和生活品质。 10.2.1 城市轨道交通的应用 在城市轨道交通的发展过程中，结合铁路沿线实景三维 AI 进一步提升模型的精度和实时性。 2. 扩展到更大范围的区域监控，形成全国范围内的铁路监测网 络。 3. 集成其他智能交通技术，如自轨道管理系统、智能故障诊断 等。 通过这些努力，铁路沿线的管理和服务水平有望得到进一步提 升，对整个交通运输系统的安全与效率也能产生积极的影响。这将 为我们国家的交通基础设施建设和智慧城市发展提供强有力的支 撑。 11.1 项目总结 在本项目中，我们围绕铁路沿线的实景三维

多个领域的知识，进一步提升模型的应用效果和社会价值。 综上所述，DeepSeek-R1 大模型在工程造价领域的未来发展 将受益于技术进步、数据融合、算法创新、应用场景拓展和伦理法 规完善等多方面的推动，有望在未来的工程项目中发挥更加重要的 作用。 13.2 行业应用前景 随着 DeepSeek-R1 大模型在工程造价领域的深入应用，其行 业应用前景广阔且充满潜力。首先，该模型在数据分析和预测方面 综上所述，DeepSeek-R1 大模型在工程造价领域的应用前景 十分广泛，其强大的数据处理能力、自动化流程和与 BIM 系统的 深度集成将推动行业向更高层次发展。随着技术的不断进步和应用 场景的拓展，该模型有望成为工程造价领域的核心工具，为企业创 造更大的价值。 13.3 持续改进建议 在未来，应持续关注 DeepSeek-R1 大模型在工程造价领域中 的应用效果，并针对实际应用中的问题不断优化和改进。首先，建 综上所述，DeepSeek-R1 大模型在工程造价领域的应用不仅 能够提升成本控制的精准度，还能够优化资源配置，降低风险，提 高整体工程管理效率。其实际应用效果已经得到了多个项目的验证， 未来有望在更广泛的工程领域中发挥更大的作用。 14.1 项目总结 在本次 DeepSeek-R1 大模型应用于工程造价的项目中，我们 成功验证了该技术在实际工程成本估算、预算编制和风险管理中的 高效

开辟了更为丰富的市场机遇。未来，伴随人工智能的演进与 智能家居体系的优化，中国智能家居行业将持续发展。预计至2026年，中国智能家居市场的规模将攀升至453亿美元，同时，智能家居设备的年 出货量有望突破5.4亿台。同时，智能汽车及其相关技术在中国展现出强劲的增长态势，预计2025年中国智能汽车渗透率将达到82%，并计划在 2030年进一步提升至95%。鉴于智能汽车集成了自动驾驶辅助系统、智能

下，智 算需求更呈现出一种持续攀升的强劲态势。据国际数据公司（IDC） 预测，2024 年全球人工智能服务器市场规模为 1251 亿美元，2025 年预计将增至 1587 亿美元，2028 年有望达到 2227 亿美元。 在这一发展趋势下，全球各国愈发重视人工智能产业发展并加 快部署，力求在全球数字经济竞争中抢占先机。IDC 数据显示，目 前，全球超过 70%的组织开始对生成式人工智能技术进行投资或处

和应用生成式大模型的同时，建立相应的伦理规范和法律框架，以 确保患者的信息安全和隐私保护。 总体来看，生成式大模型在医疗场景的应用具有很高的可行 性。随着技术的不断进步和相应政策法规的完善，未来的医疗服务 有望越来越智能化和个性化，最终为患者提供更为优质的医疗体 验。 1.2 研究目的 在医疗领域，AI 生成式大模型的兴起不仅为诊断和治疗方案提 供了新的思路，也为患者管理、医学影像分析、个性化用药等一系 急救情况分析：在急诊场景中，AI 可以实时分析患者的病情 数据，并根据最新的急救指南，迅速推荐急救方案，如用药和 抢救措施。 通过不断的学习与优化，AI 生成式大模型在治疗方案推荐中的 准确性和有效性将不断提高，未来有望在全球各类医疗机构中大面 积推广应用，为患者提供更优质的医疗服务。 4.2 影像分析 在医疗领域，影像分析是 AI 生成式大模型应用的重要方向之 一。借助这些模型，医疗影像的解读和分析可以实现更高的准确率