分析案件的地域、时间、类型等趋势，为 法律机构制定业务策略、优化资源配置提 供依据，助力行业宏观规划。 案件趋势分析 案件预测与分析 AI 智能能够快速识别合同中的关键条款，检查是否存在风险 条款、遗漏条款等，确保合同的合法性和合理性，降低合同 纠纷风险。 合同条款审核 01 实现合同的自动化归档、到期提醒、履行跟踪等功能，提高 合同管理效率，保障企业或机构的合同权益。 合同生命周期管理 智能能够准确识别和适用相关法律法规， 避免因法律理解偏差或适用错误导致的法律 问题，确保法律服务的规范性。 法律适用准确性 在企业合规管理、金融监管等领域， AI 智能 实时监测和预警合规风险，确保企业和机构 的运营符合法律法规要求，维护市场秩序。 合规性保障 法律规范性增强 服务流程标准化 通过 AI 智能制定标准化的法律服务流程和规范， 确保不同法律服务提供者在服务过程中遵循统一标 准，提高法律服务的稳定性和一致性。 力的服务，如更高效、更精准、更低成本的法律服务，加剧 了法律服务市场的竞争。 新进入者挑战传统格局 02. 一些科技公司凭借其在 AI 智能技术方面的优势，跨界进入 法律服务领域，对传统法律机构构成挑战，改变法律行业的 竞争格局。 市场竞争加剧 法律机构合并与整合 为了应对 AI 智能带来的竞争压力，一些小型法律机 构选择合并或整合，实现资源共享、优势互补，提 升整体竞争力。 跨行业合作与协同 法律行业与科技、金融等行业加强合作与协同，共

近年来，AI 生成式大模型在自然语言处理和计算机视觉等领域 取得了显著的进展，这些技术的快速发展为医疗领域的应用创造了 广阔的前景。根据 OpenAI、Google DeepMind 等多家研究机构 的研究，当前生成式大模型在多项任务中展现出优异的性能，特别 是在文本生成、图像合成和多模态学习等方面。 当前，AI 生成式大模型的技术发展主要体现在以下几个方面： 1. 模型规模的扩大：从 95%以上，这一效果显著地提高了医务 人员的工作效率并减轻了负担。 其次，在临床决策支持系统中，AI 生成式大模型被应用于基于 患者历史数据和临床指南，辅助医生制定治疗方案。例如，某些大 型医疗机构结合患者的电子健康记录与 AI 模型，能够实时分析患 者的病历数据，为医生推荐个性化的治疗方案，并在一定程度上降 低了误诊率。 在药物研发过程中，AI 生成式大模型被用来预测化合物的药理 活 实时患者数据更新与分析  高效的患者沟通渠道  持续的健康监测与预警  病情变化的快速响应机制 此外，患者管理系统还需具备数据共享和隐私保护的能力。系 统需要能够在保证患者隐私的前提下，实现医疗机构之间的信息共 享，让患者的历史医疗记录、检查结果和治疗方案都能快速传递， 有效推动临床决策的形成。 为了全面评估患者管理需求的可行性，可以通过建立一个数据 化的工作流，整合相关的功能模块。如下图所示，工作流从患者信

.................................................................................50 4.2.1 紧急联系人与医疗机构联动.......................................................52 4.2.2 智能设备控制（如调节室内环境）................. 家庭健康管理..................................................................................105 10.2 养老机构与慢性病监测...................................................................107 10.3 企业员工健康保障........ 事件漏报率降低 67%，患者随访依从性提升 41%。未来将通过扩 展病理数据接口（如 CT 影像实时分析）进一步强化系统能力，为 区域性智慧医疗网络提供底层支持。这一方案的实施无需替换医疗 机构现有 IT 基础设施，而是通过 API 中间件实现异构系统兼容， 确保落地可行性。 1.1 背景与需求分析 随着人口老龄化加剧和慢性病患病率持续攀升，全球医疗系统 正面临前所未有的压力。世界卫生组织数据显示，75%的医疗资源

能决策支持 以及高效的业务流程自动化，为金融银行业提供了切实可行的应用 方案。 DeepSeek 的核心优势在于其深度学习和人工智能技术的深度 融合，能够迅速处理和分析海量金融数据，帮助银行机构在风险控 制、客户管理、产品创新等关键领域实现智能化转型。通过引入 DeepSeek，银行不仅能够提升业务处理效率，还能在复杂的市场 环境中做出更为精准的决策，从而显著降低运营成本，增强风险抵 根据银行的具体需求进行定制化开发。无论是大型商业银行还是中 小型金融机构，都可以通过部署 DeepSeek 技术实现业务的智能化 升级，提升运营效率并降低风险。 通过以上技术特点和应用场景的描述，可以看出 DeepSeek 在 金融银行领域具有广泛的应用潜力和实际价值。其先进的技术手段 和灵活的部署方式，能够为金融机构提供全方位的智能支持，推动 行业向更加高效、智能的方向发展。 1.2 2 金融银行业务挑战 在金融银行业务中，随着全球经济的快速发展和客户需求的日 益多样化，金融机构面临着前所未有的挑战。首先，市场竞争的加 剧迫使银行不断提升服务质量以吸引和保留客户。传统的业务模式 已无法满足现代消费者的期望，尤其是在数字化和个性化服务方 面。其次，监管环境的复杂性要求银行在合规性和风险管理上投入 更多的资源，以确保业务操作的合法性和透明性。此外，技术创新 的快速迭代

券 研 究 报 告 | 2 0 2 5 . 03 . 1 3 专 业 ｜ 领 先 ｜ 深 度 ｜ 诚 信 中 泰 证 券 研 究 所 n DeepSeek 开源使金融机构能够轻松获得前沿模型能力，且大幅降低部署成本。其通过对训练方式、算法架构和推理方 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 n 从实际落地应用情况看， 大行发力更早， 中小银行正在快速追赶。如工商银行、建设银行、招商银行等大行布局更早， 邮 储银行、浦发银行、江苏银行等也有较为领先布局应用。 AI 一体机的出现为机构提供了全新的解决方案，凭借其开箱 即 用、软硬件一体化设计等优势， 正在成为很多中小银行智能化转型的重要选择。 n 建议关注：宇信科技、京北方、天阳科技、长亮科技、百融云等。 n 风险提示 为代表的优秀开源模型的能力离闭源模型越来越近。行业普遍认为如果开源软件达到闭源 80% 以上能 力，就足以压缩闭源的生存空间。 DeepSeek 能力能够比肩 OpenAIo1 ，开源使各行业机构能够轻松获取前沿模型能力， 且可直接进行私有化部署或商业化开发。 开源易获得： DeepSeek 使私有化部署模型也能够追平前沿闭源模型水 平 图表：闭源模型与开源模型的差距正在缩小 资料来源：

大国科技博弈大趋势下，国产 AI 算力发展势在必行 美国再发“实体清单”，国产 AI 算力发展势在必行。3 月 26 日美国商务部工 业与安全局在联邦公报上刊发两份文件，将 50 余个中国科技企业和机构纳入 “实 体清单”。“实体清单” 是美国制定的贸易黑名单，上榜企业购买美国受管制技术或 货物需单独许可。其中一份文件把 12 家与中国 AI 大模型开发、服务器及超级计 算机产业相关公司列入 建设开源社区，支持开源模型及案例，对接国际开源组织，参与智算云产业标准制订 完善智算云服务安全 体系 强化数据安全保障，研发应用安全技术，规范平台运行安全管理 构建智算云产学研合 作机制 鼓励企业与高校、科研机构等合作，打造产学研融合创新生态，推动技术成果转化 行业定期报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 5 延伸智算云产业链条 实验室走向 实际应用的进程，进而使得前期投入的大量研发资金难以获得预期回报，阻碍整个 行业的发展。 2）行业竞争加剧：随着量子计算领域的热度不断攀升，越来越多的科技巨头、 初创企业以及科研机构纷纷涌入该赛道，行业竞争日益激烈。如大型科技公司凭借 雄厚的资金实力、丰富的人才储备和广泛的资源渠道，在研发投入、技术创新和市 场拓展方面具有明显优势，可能会对初创企业形成挤压之势，导致部分资源有限的

预测未来易感人群提前重点防疫 重点区域进行 视频体温监控 价值 重点区域重点监控，及时有效 治愈患者有效监控 提前重点预防 重点区域环境监控 时尚 创造 云 物资管 理机构 时尚 创造 云 监管机构 为物资统筹管理机构和监 管机构实时展示相关信息 通过整合卫星遥感、物联网传感器、社交媒体等多维度数据， 构建动态风险评估模型，实现对自然灾害、公共卫生事件等 风险的实时监测与精准预警。 多源数据融合分析 跨部门协同作战平台 04 从医院采 集相关信息 医疗物资消耗情况及库存情况 每日病患入院情况及病床剩余情 况 医疗物资到货情况 调拨物资 时尚 创造 云 物资管 理机构 时尚 创造 云 监管机构 视图模块 1 、展示采集数据情况并形成报表和趋势图 2 、 AI 智能分析辅助决策数据展示，包括物资未来 空缺时间点报警、物资匮乏医院排名、具体物资缺 乏排名、预计需求物资数量（一定之间周期内）等 智能 中台 为物资统筹管理机构和监 管机构实时展示相关信息 1 、及时了解物 资及病患情况 2 、通过 AI 智 能分析提前获取 物资缺口情况， 降低 3 、实时了解物 资分配情况 4 、实时了解社 会舆情进行综合 治理 价值 人工智能保证物资分配有的放矢 多机构数据共享机制 标准化数据接口 建立统一的数据交换协议和接口规范，确保公安、消防、医 疗等不同机构的数据格式兼容，实现跨系统无缝对接，避免

医疗资源分配不均衡进一步加剧了管理难度。三甲医院承担了 超过 60%的慢性病诊疗需求，而基层医疗机构则因技术和服务能力 不足未能有效分流患者。同时，传统管理模式依赖周期性门诊随 访，导致患者在不同医疗机构间的健康数据（如用药记录、检查结 “ ” 果）无法互通，形成 信息孤岛 。一项针对高血压患者的调查显 示，仅有 35%的医疗机构实现了电子健康档案的跨机构共享。 技术应用不足也是关键挑战之一。尽管远程监测设备和移动健 的规则库，2023 年 版本已整合 ADA、ESC 等 8 个权威机构的治疗标准 在实际部署中，平台采用渐进式介入策略：第一阶段通过物联 网设备（如智能血糖仪）建立数据基线，第二阶段引入 AI 预警系 统（对酮症酸中毒等急症的预测准确率达 92%），最终阶段实现完 全个性化的管理方案生成。这种分阶段实施方式确保医疗机构能在 6-8 周内完成系统磨合，而患者端 APP 的日均使用时长达到 括：（1）分析慢性病管理的核心痛点，如数据碎片化、医患沟通 低效及个性化干预缺失；（2）阐述 DeepSeek 平台的功能设计如 何针对性解决这些问题；（3）提供实际应用案例与效果评估，为 医疗机构和患者提供参考依据。 为实现上述目标，文章结构分为四个核心部分：  技术架构：说明平台如何通过物联网设备整合生命体征数据 （如血糖、血压），并采用联邦学习技术确保隐私安全。示例 数据表明，该方案可将数据采集效率提升

1 1 范围 本文件规定了广播电视和网络视听领域人工智能应用的基本安 全要求，以及策划创作、制作播出、传输覆盖、集成分发等环节人工 智能应用的安全要求。 本文件适用于各级广播电视和网络视听机构开展人工智能应用 时的安全风险防范与管理。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可 少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本 文件； 指南——人工智能应用 安全指引 总则》附录 B 中界定的以及下列术语和定义适用于本文件。 3.1 广播电视和网络视听机构 radio, TV and network audiovisual institution 经广播电视主管部门许可，从事广播电视和网络视听业务的机构。 3.2 广播电视和网络视听人工智能应用 artificial intelligence application in 广播电视和网络视听机构在开展人工智能应用时，应符合国家相 关法律法规和政策文件的要求，满足行业发展需求，在遵循 TC260-PG-2026XX《网络安全标准实践指南——人工智能应用安全 指引 总则》基础上，按照本文件第6章至第8章提出的安全指引开展 研发集成和应用，防范人工智能应用安全风险，保障人工智能应用安 全可控。 6 基本安全指引 广播电视和网络视听机构在开展人工智能应用活动过程中：

图1 大模型产业图谱 �� 大模型训练数据通常来自网络获取数据、外部付费/开源数据集、企业自有数据以及AI 合成数据。大模型训练和微调所需数据量快速增长，真实世界数据将在数年内被用尽。研 究机构Epoch估计，机器学习可能会在2026年前耗尽所有“高质量语言数据”。据Gartner 预测，2024年用于训练AI的数据中有60%将是合成数据。以Meta今年7月发布的 LLaMA3.1模型 一（主要集中于HTML文档）等显著局限，这些问题制约了开源多模态大模型的发展步伐， 拉大了其与闭源多模态大模型之间的性能差距。为填补这一空白，今年7月，由华盛顿大学、 Salesforce Research、斯坦福大学等机构组成的联合研究团队成功构建了MINT-1T⸺一 个规模空前的万亿级交织多模态开源数据集。MINT-1T不仅包含了万亿级别的文本token 与三十亿张图像，还实现了HTML、PDF、ArXiv等多种来源数据的综合集成，极大地丰富了 ，极大地丰富了 数据的广度与多样性，为开源多模态大模型的突破性发展注入了新活力。 今年9月，由商汤科技携手清华大学、上海AI实验室、哈尔滨工业大学、香港中文大学、 复旦大学及南京大学等多家科研机构共同推出的OmniCorpus项目，再次将开源多模态 数据集的发展推向了新的高度。OmniCorpus包含86亿张图像与16,960亿个文本标记的 �� 算力是推动大模型技术发展的基础。随着硬件技术的进步，算力的不断提升，为大模