执业证书编号： S0740520060001 联系人：蒋丹 Email ： jiangdan@zts.com.cn | 证 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 中，可能包括： 1 ）降本增效：智能客服、信贷审批、合同质检； 2 ）价值创造： AI 编程、智能风控、智能营销等； 3 ） 决 策赋能： 深度分析和决策辅助。 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 DeepSeek 开源了从 15 亿 到 700 亿参数的 R1 蒸馏版本。这些模型基于 Qwen 和 Llama 等架构蒸馏， 表明复杂的推理能力可以被封装在更小、 更高效 的模型中。从论文结论看，蒸馏比单独依赖强化学习训练更为高效，且蒸馏与强化学习的结合可以进一步提升模型 性能。 n 2025 年 2 月，科学家李飞飞团队带领以不到 50 美元的费用训练了一个能力比肩 DeepSeek-R1

智能对话系统中的个性化 胡一川 来也联合创始人 &CTO . 2000-2007 ：清华大学本硕 . 2008-2011 ：宾夕法尼亚大学博 士 . 2011-2012 ：今晚看啥联合创 始人 . 2013-2015 ：百度资深架构 师 . 2015 至今：来也联合创始人 &CTO 个人简介 胡—川 让每个人拥有助理 六百万用户正在使用的对话式在线个人助理服务 • 理解 会员有特权吗 • 会员能干什么 • 会员有啥好处 怎么查询积分 • 我有多少积分 • 如何查看积分 • 哪里能查积分 问答机器人 机器人回答 命中知识点“如何查询积分” 用户问题 怎么看还剩多少积分 • 基本思路 • 每个知识点是一个分类 • 将整个知识库作为训练数据 • 传统机器学习模型 • TFIDF + LR • n-gram + Adaboost 基于检索和排序的问答系统 排序 知识库 检索 检 索结果 最终结果 用户问题 句向量 编码器 向量搜索 知识库 基于句向量的语义检索 检索结果 命中知识点“如何查询积分” 怎么看还剩多少积分 知识点 1 知识点 2 知识点 3 用户问题 • 通过标注数据训练句向量编码器 • 标注数据为句对：语义相同的句对、语义不同的句 对 • 句向量编码器的结构：

是加强细化场景适配，精准区分数据的温冷热属性，科学规划不同 类型算力中心在枢纽节点的布局与功能定位；鼓励业务场景按“时延 敏感度”分级施策：强实时、低延时任务需求就近部署，可离线、并 行型任务优先通过“运数据”部署在绿电富集区，推动“算随电走、数 随算流”的高效协同。三是畅通网络联接，大幅提升网络带宽和可靠 性，降低传输时延。四是政策激励协同，建立“发放-使用-评估-优化” 的闭环管理机制，保障政策精准有效落地；同步构建动态调整、分 管控，严格控制新建大型算 力中心 PUE，提升设备能效，推广应用高效 IT 设备、高效电源模块、 热回收技术等；推进老旧算力中心节能改造。二是优化能源结构， 加大算力中心使用绿电的比例，推动东、西部绿电资源与算力需求 匹配，鼓励算力中心参与绿电交易、碳交易机制，鼓励“源网荷储” 一体化数据中心园区建设。三是推广 AI 节能，利用人工智能技术优 化算力中心制冷、电力分配和负载调度，实现精细化管理节能。

模型处理非结构化文档，中间层构建审计知识图谱实 现条款关联，应用层则部署风险预警、抽样推荐等具体功能模块。 某试点项目数据显示，该方案使应收账款函证程序的耗时缩短 57%，同时将异常交易检出率提升 31%。这种提升不仅来自算法优 势，更源于对审计工作流的深度重构—— 例如将函证地址验证与工 商登记数据库实时对接，自动标记异常注册地。 值得注意的是，审计智能体的部署必须遵循严格的质控标准。 我们设计了双重校验机制：所有 200+ 典型管理建议书的模板结构 2. 实施上下文敏感的文本分类： - 合同条款风险等级预测（F1=0.89 ） - 管理层声明书的情感倾向分 析（准确率 91.2% ） - 函证回函的异常模式检测（AUC=0.93） 实际部署考量 1. 计算资源分配： - 实体识别模块部署在 CPU 环境（16 核/32GB 内存）实时响应 - 深度语义模型运行在 T4 GPU 据流能否完整跑通，重点检查异常数据（如缺失字段、特殊字符） 的容错处理 3. 性能调优：通过 JMeter 进行压力测试，针对高并发 场景优化数据库连接池配置（如 HikariCP 参数调整） 4. 安全验 证：执行渗透测试，包括 SQL 注入检测、模型 API 的 DDOS 防护 测试，确保符合 ISO 27001 标准 最后进行为期 2 周的灰度发布，先选择 5%的实际审计项目进 行平行运行，通过

提高模型训练的有效性。  模型选择：根据任务需求，选择合适的深度学习算法，如 CNN、RNN 或 Transformer 架构，并进行模型的优化。  训练与验证：使用大规模数据对模型进行训练，并通过交叉验 证等方法评估模型性能。  部署与监测：将训练好的模型部署到系统中，进行实时监测与 反馈，适时调整模型策略。 表格 1 展示了各种深度学习模型在铁路沿线应用中的适用性对 比： 模型类型 适用任务 杂数据以形象化的方式展示出来，让用户一目了然。 o 可视化内容包括但不限于：铁路沿线的三维环境展示、 实时列车运行状况、事故发生的热点区域分析等。 3. 交互功能 o 提供可交互的界面，用户可以通过点击、拖动等操作查 看具体数据和进行分析。 o 允许用户自定义展示内容，例如通过筛选条件选择特定 时间段、区域或事件进行分析和观察。 4. 角色权限管理 o 根据不同用户角色设置相应的访问权限和展示内容，确 保信息安全和符合业务需求。 软件进行数据的预处理和分析，例如清洗数据、处 理缺失值、标准化等。 3. 使用 GIS 模型构建工具，依据需求进行三维场景的建模，并 进行参数设置。 4. 通过 GIS 的可视化功能，展示模型结果并进行对比分析，验 证模型的准确性。 5. 定期更新 GIS 数据库，确保模型反映最新的现状和变化，为 后续分析提供持续支持。 通过以上方法，GIS 在铁路沿线实景三维 AI 大模型的应用能有 效提升模型的准确性和实用性，为铁路项目的规划和决策提供重要

Proxy Token限流 Cache / RAG Tools/MCP Server OTel API Gateway OTel API 管理 流量防护 WAF防护 服务发现 绿网/敏感信息过滤 MCP Server 工具集 Higress AI 网关架构 AI开发插件集 AI安全防护 多模型适配 LLM缓存 提示词模板 提示词装饰器 请求/响应转换 向量检索

个性化推荐系统：利用数据分析为用户提供个性化产品推荐。 提供此类服务的 SaaS 平台可以结合行业特点，开发特定功 能，以满足不同市场客户的独特需求。具体的功能需求可能包括数 据安全保障、多语言支持、可视化界面设计等。 整体看，大模型 SaaS 平台的市场机会巨大，而实现盈利的关 键在于如何深入了解客户需求、掌握行业趋势，以提供更具竞争力 及个性化的解决方案。同时，持续的技术创新与良好的用户体验也 将在塑造市场地位和赢得客户信任中发挥重要作用。 Cassandra）。此外，对于大规模的模型训练数据， 可以利用分布式文件系统（如 Hadoop HDFS 或 Amazon S3）进 行存储和管理，提升数据访问的效率。 数据的安全性也需要特别重视。后端设计中应实现用户身份验 证和授权机制，确保只有合适的用户能够访问相应的数据和功 能。OAuth 2.0 或 JWT（JSON Web Token）可以作为标准的身份 授权协议。此外，所有敏感数据在存储和传输过程中应采用加密措 SSL 证书，并强制使用最新的 TLS 版 本，以抵御已知的安全漏洞。 在数据存储阶段，为了保护敏感数据的安全，平台应该对用户 数据进行加密存储。具体措施可包括： 1. 对敏感字段（如用户身份证号、信用卡信息等）进行对称加 密，使用 AES（高级加密标准）算法。AES 算法以其高效率和 强安全性成为广泛采用的标准，加密密钥长度建议使用 256 位，确保抵御现代破解技术。 2. 对数据

能服务客户。随着各机器人项目的推进，目前已经初步建设了产品大脑、服务大脑、销售大 脑、理赔大脑，后续一方面在各业务领域继续建设核保大脑、风控大脑，另一方面要持续提 升各大脑的智能化程度。 （4）第四层：交互能力层 从看、说、听、形四个方面提升机器人产品的拟人化程度。具体包括：可以识别同业保 单、能够听懂方言、说话自然、友好的数字人和硬件机器人形象等。 3.2.1.1 多层次大模型构建 �� 不同尺寸的大模 2秒，线上一次性审核通 过率97%。 图25 中科万国大模型平台体系 ��� 5.1.11.2 大模型应用案例 大模型数据建设主要集中垂直领域知识库的建设，增强大模型智能推理能力，通过验 证利用大模型访问高质量和高度相关的数据，显著提高推理的效率和效果。 图26 中科万国大模型数据建设 图27 中科万国大模型应用案例 ��� 中科万国在应用大模型方面采用轻量级的技术方案，以私有化预训练的大模型为基 以帮 助企业客户更好地识别气候风险敞口。”布鲁赫补充道，AI可以扮演“冷静的问题解决者” 的角色。 “通过采用更具预测性、预防性和主动性的方法，AI可以将我们的视角从后视镜中 向后看、支付索赔，转变为向前看、更敏锐地观察前方道路的情况，支持客户预防和减轻风 险，避免损失。GenAI的洞察力可以帮助企业和社会变得更具韧性。” 安联商业险部门与微软合作，设立了一个GenAI探索项目，以探索并研究全球范围内

地为北 京、南昌）、互联网接入服务业务（北京、南昌）、信息服 务业务（不含互联网信息服务）（全国）（增值电信业务经 营许可证有效期至2025年06月18日）；信息服务业务（仅限 互联网信息服务）（不含信息搜索查询服务、信息即时交互 服务）（增值电信业务经营许可证有效期至2025年09月09 日）。（市场主体依法自主选择经营项目，开展经营活动； 互联网数据中心业务（机房所在地为北京、南昌）、互联网 经营范围 开发办公软件；销售自行研发的软件产品；计算机系统集 成；技术服务、技术咨询；批发计算机软、硬件及辅助设 备、通信产品；货物进出口、技术进出口；（不涉及国营贸 易管理商品；涉及配额许可证管理商品的按照国家有关规定 办理申请手续）；设计、制作、代理、发布广告；出版物批 发。（市场主体依法自主选择经营项目，开展经营活动；依 法须经批准的项目，经相关部门批准后依批准的内容开展经 营

过拟合。我们将数据集划分为训练集、验证集和测试集，比例为 7:2:1。通过交叉验证，我们能够更准确地评估模型在不同数据子 集上的表现。此外，我们使用早停法（Early Stopping）来监控验 证集上的性能，当验证集上的损失函数不再下降时，提前终止训 练，以防止模型过拟合。 在优化算法选择上，我们采用 Adam 优化器，并结合学习率衰 减策略，以加速收敛并提高模型精度。具体来说，初始学习率设置 觉变化、操作成功或失败的系统提示等，确保用户能够及时了解操 作结果。此外，系统应提供详细的帮助文档和在线支持，帮助用户 解决使用过程中遇到的问题。 考虑到银行系统的安全性要求，界面设计还应包含多层身份验 证机制，如密码输入、图形验证码、指纹识别等，确保用户账户的 安全。同时，系统应记录用户操作日志，便于事后审计和问题追 踪。 以下是一些关键的界面设计要素：  导航栏：提供清晰的主菜单和子菜单，方便用户快速切换不同 管要求。测试内容包括数据加密、访问控制、隐私保护等方面，以 防范潜在的安全风险和数据泄露。 最后，评估模型与现有银行系统的集成效果，确保其能够无缝 对接并支持业务流程的自动化。通过接口测试和系统集成测试，验 证模型与核心银行系统、CRM 系统、风险管理系统等的兼容性和 协同工作能力。 为确保测试结果的可靠性和可重复性，测试过程中将采用以下 方法： - 单元测试：对模型的各个模块进行独立测试，确保基本功