个交易日后的 3 个月内进行。 ➢ 大智慧：3 月 22 日消息，公司与湘财股份正在筹划由湘财股份通过向公司 全体 A 股换股股东发行 A 股股票的方式换股吸收合并大智慧并发行 A 股股票募 集配套资金，于 2025 年 3 月 17 日开市起停牌，预计停牌时间不超过 10 个交 易日。 ⚫ 本周观点 大国科技博弈持续加剧，AI 算力国产化势在必行，同时政策高度支持提升自主可 控算力 股（占公司总股本比例 0.1207%）。 凌志软件：3 月 27 日消息，因自身资金需求，公司股东周颖先生拟在 2025 年 4 月 21 日 至 2025 年 7 月 20 日期间，通过集中竞价方式减持合计不超过 1,089,900 股的公司股份，减 持股份占公司总股本的比例不超过 0.272%。因自身资金需求，公司股东、董事、副总经理梁启 华先生拟在 2025 年 4 月 21 日至 2025 股的公司股份，减持股份占公司总股本的比例不超过 0.204%。 概伦电子：3 月 27 日消息，公司正在筹划通过发行股份及支付现金的方式购买成都锐成 芯微科技股份有限公司控股权，同时拟募集配套资金，于 2025 年 3 月 28 日开市起停牌，预计 停牌时间不超过 5 个交易日。 盛视科技：3 月 28 日消息，公司于近日收到国家知识产权局下发的《授予发明专利权通知 书》，具体情况如

95%置信水平下将抽样量降低 40%； 底稿自动生成模块支持按证监会各板块要求一键生成差异化的审计 报告；风险可视化模块通过动态知识图谱展示企业关联交易网络， 节点大小反映交易金额，边权重体现资金流转频率。 系统安全方面实施四重防护：FIPS 140-2 标准的传输加密、基 于 RBAC 的细粒度权限控制、审计操作区块链存证、模型推理结果 可解释性分析。性能优化上采用列式存储加速数据检索，热点查询 4.2 风险预警与评估 在风险预警与评估模块中，DeepSeek 智能体通过实时监测审 计数据流，结合预设规则与机器学习模型，动态识别异常指标与潜 在风险点。系统内置行业风险特征库（如金融业的资金池异常波 动、制造业的成本畸高订单），通过多维度交叉验证（横向同业对 比、纵向历史趋势分析）降低误报率。典型场景包括： 1. 异常交易检测 o 自动标记单笔超过阈值（如 500 万元）的跨省转账，并 4. 智能报告生成流程 报告内容通过模块化模板自动组装，包含三个核心部分： o 风险溯源：通过知识图谱展示关联交易方、流程节点与 系统漏洞的拓扑关系 o 影响预测：使用蒙特卡洛模拟输出资金损失概率分布 （例：80%概率损失 50-200 万元） o 处置建议：从审计知识库匹配 3 条历史类似案例的应对 方案 5. 版本控制与审计追踪 每次报告生成自动留存数据快照与逻辑路径，支持通过差分比

通过对大量历史数据的深度分析，DeepSeek 可以更精准地评估客 户的信用风险，帮助银行制定更合理的贷款政策和利率。此 外，DeepSeek 还可以实时监控交易数据，识别异常行为，及时预 警潜在的欺诈风险，确保资金安全。 在投资管理领域，DeepSeek 可以通过机器学习算法分析市场 趋势，为投资者提供个性化的投资建议。例如，根据客户的风险偏 好和投资目标，系统可以推荐合适的投资组合，优化资产配置，提 客户：资产规模大、投资需求多样化，对高端理财服务和专属顾问 服务有较高需求。 - 年轻白领：收入稳定但资产积累较少，偏好便 捷的移动金融服务和短期理财产品。 - 小微企业主：现金流需求 大，对贷款和资金周转服务有较高依赖性。 - 老年客户：风险承受 能力较低，倾向于稳健的储蓄产品和退休规划服务。 为了更直观地展示客户细分结果，以下是一个示例表格： 客户类别 主要特征 金融服务需求 高净值客户 资产规模>1000 万，投资经验丰富 私人银行、定制化投资组合 年轻白领 年龄 25-35 岁，月收入 1-3 万 移动支付、短期理财、信用卡服 务 小微企业主 年营业额 100-500 万，资金周转需求 大 商业贷款、资金管理、供应链金 融 老年客户 年龄>60 岁，风险偏好低 储蓄产品、退休规划、医疗保障 通过 DeepSeek 的机器学习算法，银行可以实时更新客户画 像，动态调整服务策略。例如，当检测到年轻白领客户的收入提升

项目”、“研发中心建设项目”、 “营销网络建设项目”和“补充流动资金”，可以进一步加码公司形成的包括智慧审判、智慧 执行、智慧服务、智慧管理业务在内“智慧法院”业务体系，加强公司的技术储备，拓宽销 售渠道，提高公司整体竞争力，为公司未来业务的持续发展提供了坚实的保障。 表 4. 公司募投项目情况 项目名称 募集资金投资额（亿元） 项目具体情况 智能化司法办案平台升级建设项目 2.54 通过引进先进设备和优秀技术人才，搭建基础研发平台 营销网络建设项目 0.84 通过布局新的营销网点，引进销售人才，对现有营销网 络进行升级和扩充 补充流动资金 1.92 提升公司资金实力 资料来源：公司招股说明书，中国银河证券研究院 响应国家政策要求，建设“智慧法院”生态体系。“智能化司法办案平台升级建设项目” 通过电子卷随案同步生成与深度应用打造智能立案、智能送达、智能阅卷、智能裁判、数 1831.99 2023.02 2282.11 投资损失 -4.57 -5.78 -7.85 -9.44 主要财务比率 2022A 2023E 2024E 2025E 营运资金变动 -35.72 47.30 -6.28 7.76 营业收入 2.78% 26.58% 26.28% 26.16% 其它 -4.22 -4.23 0.00 0.00

平台的核心在于能够将复杂的人工智能模型转化 为易于使用的服务。这种服务不仅允许企业根据自身的需求定制化 模型功能，还能保证其在数据安全、隐私保护等方面的合规性。通 过云端计算资源，企业无需投入大量资金进行基础设施建设，即可 获得强大的 AI 能力，这极大地促进了中小企业的创新和发展。 此外，市场调研显示，大模型的应用前景非常广阔。根据 Precedence Research 的报告，全球人工智能市场在 成本，提高业务的灵活性。将大模型与 SaaS 结合，形 成大模型 SaaS 平台，不仅可以使企业快速构建和部署人工智能应 用，还可以借助云端计算的优势，实现大规模的数据处理和模型训 练。这种平台能够为不具备强大技术和资金实力的中小企业提供便 捷的 AI 解决方案，使其能够在竞争激烈的市场环境中立足。 从市场需求来看，以下几个因素进一步推动了大模型 SaaS 平 台的发展： 1. 企业数字化转型的迫切性：许多企业急需通过人工智能提升业 医疗影像辅助诊断准确率大幅提高  制造业智能生产线降低运营成本 此外，我国的人工智能政策环境也为行业发展提供了强有力的 支持。从国家层面上，政府出台了一系列政策来促进人工智能技术 的研发和应用，涉及资金投入、人才培养和技术创新等多个方面。 这使得人工智能行业的发展得到了良好的土壤。 根据《全球人工智能发展报告》的数据，目前全球主要国家在 人工智能技术上的投入占各国科技预算的比重普遍超过 10%；而中

吸引了大量独立开发者和小型投资机构。这 些公司通过提供低成本、高效率的交易工具，迅速占领了部分市场 份额。大型金融机构如高盛（Goldman Sachs）和摩根大通 （JPMorgan Chase）的自营交易部门，则凭借其庞大的资金实力 和丰富的市场资源，在量化交易领域展现出强大的竞争力。为了应 对这些竞争对手，DeepSeek 需要在以下几个方面进行优化：  技术创新：持续研发先进的量化模型和算法，提升交易策略的 准确性和稳定性。 财报、新闻资讯等多源信息，增强数据分析能力。  用户体验：优化交易平台界面，提供更加直观、易用的功能， 降低用户的使用门槛。  风控体系：建立健全的风险控制机制，实时监控交易风险，确 保资金安全。 通过以上措施，DeepSeek 可以在激烈的市场竞争中脱颖而 出，成为股票量化交易领域的领军企业。 3.3 客户需求分析 在股票量化交易领域，客户的需求主要集中在以下几个方面： 首 模型的透明性：采用可解释的机器学习模型，确保客户可以理 解模型的决策过程，提高客户对系统信任度。  风险控制机制：建立严格的风险控制体系，通过设置止损点和 动态调整交易策略，有效控制交易风险，保障客户的资金安 全。 为了进一步量化客户需求，我们进行了市场调研，收集了超过 1000 名潜在用户的反馈。调研结果如下表所示： 需求类别 重要性评分（1-5） 用户占比 （%） 稳定收益 4.8 95

l 路径二 教育企业直接合作基座大模型发展AI教育产品/服务 教育企业直接引入优质大模型，以API云端调用发展AI教育的路径愈发清晰、可 行。通过合作头部大模型，教育企业可节省技术、算力等方面的资金与人员投入， 更专注于应用场景，发挥自身学情数据、教育业务、行业认知层面的优势，深度挖 掘AI教育模式及产品服务创新。 截至目前，DeepSeek能力主要落地于智能教育硬件产品、AI教育应用、教育内容

用性人工智能平台。由于 ASIC 根据产品的需求进行特定设计和制造的集成电路，能够更有针对性地进行硬件层次的优化，因此具有更高的处理速度和更低的能耗； 相比于其他 AI 芯片， ASIC 设计和制造需要大量的资金、较长的研发周期和工程周期。据 TrendForce 数据，预计 2024 年搭载 GPU 的 AI 服务器占比约为 71% ， 仍占据主导地位。而随着北美云服务商如亚马逊、 Meta 等，以及国 技术需要更多的时间来研发和调试，而且 在应用过程中可能会受到数据质量、资源限制和技术能力等因素的制约；（ 2 ） AI 技术的实施需要更多的资源和资金支持；（ 3 ）市场竞 争可能 也会影响企业在 AI 应用推广方面的表现。因此，投资者应审慎评估相关企业的技术实力、资金实力以及管理能力，相关企业的 AI 应用存在 推广进度不及预期的风险。 2 、 AI 投资规模低于预期。尽管 AI 技术在过去几年中受到广泛关注，但

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 决策，就可以利用机器人流程自动化来执行操作。此外，它还可以节省成本， 为智能自动化的进一步发展提供资金。 案例研究——智能的“第一时间损失通知”(i-FNOL)：想象一下，在早上的通勤 途中，你调收音机的时候与另一辆车相撞，你可以拨打保险公司的索赔热线， 寻求相关人员的帮助，并完成基本的

量的 提升。如图所示，收益上升趋势与成本变化的差异将形成一个正向 循环，有助于企业实现可持续的经济效益。 综合上述分析，AI 生成式大模型在医疗场景的应用具备较强的 成本效益基础，通过合理的资金投入与科学的管理，可以实现可观 的经济利益，促进医疗行业的发展和完善。 5.3.2 投资回报评估 在 AI 生成式大模型的医疗场景应用中，投资回报评估是确保 项目经济可行性的关键环节。通过对投资与收益的系统分析，可以 评估反馈和监测效益，通过设置相应的 KPI（关键绩效指标） 来衡量 AI 系统的效益，比如降低误诊率、提高工作效率等， 定期更新实施效果报告，持续优化 AI 模型和应用。 最后，资金和资源的筹措是成功实施的关键，可以考虑引入政 府资金、科研补助或行业投资，确保实现方案的可持续性。 通过以上的步骤，AI 生成式大模型在医疗场景的实施能够得到 有效保障，实现提升医疗效率与质量的目标。 6.1 项目规划 ，最大化其对医疗服 务的改善。 首先，医疗机构应加大对 AI 技术的投资与教育。通过不断引 入先进的 AI 生成式大模型，医疗机构能够提升诊断的准确性和效 率。然而，技术的成功实施不仅依赖于资金投入，更依赖于医疗人 员的理解与接受。因此，医疗机构应定期举办有关 AI 技术的培训 和研讨会，提高医务人员的技能与认知水平。 其次，行业内应建立标准化的 AI 应用流程。由于 AI 生成式大