计算机 2024 年 01 月 08 日 盛视科技(002990.SZ) 深耕智慧口岸，海外业务、多模态AI构筑第二增长曲线 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。 公 司 报 告 公 司 首 次 覆 盖 报 告 强烈推荐（首次） 股价：31.99 元 主要数据 季度末，公司完成了对云南河口口岸（1.66 亿元）、瑞丽（含 畹町）口岸（1.06 亿元）两个亿级合同的签署。据我们不完全统计，公司 2023 年以来中标项目金额合计已达 9.78 亿元。  公司携手华为出海，推进多模态 AI 赋能业务场景。“一带一路”极大推动 了我国边境地区口岸数字化的需求，同时也带动了沿线国家的海外口岸数 字化需求，公司目前已联手华为大力布局海外市场。“一带一路”沿线国 家是公司海外市场重点布局的区域，截至 年公司与华为签署协议将在全球海 关领域开展全面合作，包括海关、口岸和综保区/自贸区等产品和解决方案 开发、市场推广、项目拓展、生态构建等。同时，公司也在积极推进多模 态 AI 研究赋能业务场景，已规划多模态 M2-GPT 大模型。 2021A 2022A 2023E 2024E 2025E 营业收入(百万元) 1,127 989 1,849 2,547 3,400

合分析）导致计算性能延迟增加 50% 以上，难以支 撑高价值场景（金融、物流、交通）等低时延响应 要求。 08 · 挑战三、高质量语料稀缺 政府、金融、医疗、制造等行业大模型专业语料稀缺， 海量多模态数据（文本、图像、传感器）待标注数 据占比高，高质量语料转化率低（语义缺失、时效 滞后等），无法满足行业大模型训练推理阶段对行 业标注数据的诉求。 · 挑战四、安全能力参差不齐 数据流通涉及数据提供方、使用方、服务运营方等 薄弱环节，无法满足全链路数据安全防护要求。 2、人工智能大模型语料发展与挑战 2.1 人工智能大模型语料发展趋势 1. 从大语言模型到多模态 / 具身智能大模型的语料演进 当前大模型技术正经历从弱人工智能（机器学习、神经网络、大语言模型）向通用人工智能（Agent、多模态、 具身智能）的范式跃迁。这不仅对于模型架构的设计理念进行了重构，同时也对大模型各阶段的训练语料提出 全新要求。 1942 1956 大模型技术发展演进阶段 09 公开数 2c 现象级应 首先，对多模态关联的复杂语料需求日益迫切。针对 大模型语料质量，传统纯文本数据已经无法支撑多 模态与具身大模型联合建模的需求。业界实践表 明，在多模态场景下的语料供给，需要进行跨模态 语料数据精准对齐，实践通过融合图文信息，运动 轨迹，场景数据，使得复杂论文的解析准确率提升 37%。此类多模态场景在处理包含图表、公式的复杂 文档时，需要在语料标准中体现语义逻辑关联能

、深度学习等重要演进历程， 正进入以大模型为支撑 、智能生成为特征的通用人工智能时代 。 第三次浪潮 2000-2020 ：数据挖掘 深度神经网络 第四次浪潮 2020- 至今： 智能生成 NPL\CV\ 多模态 大模型 第二次浪潮 80-90 年代： 知识工 程 专家系统 第一次浪潮 50-70 年代： 定理证 明 符号逻辑推理 人工智能发展脉络 通用人工智能 深度学习 专家系统 逻辑推理 年 1956 年 1980 年 1990 年 分水岭 r5 大模型（ Foundation Model ） 是指具有超大规模参数的人工智能模型， 包含 NPL\CV\ 多模态等类型 。 其突出特点： 同质化 。大模型任何一点改进就可以迅速覆盖整个 AI 社区 。 “ 涌现 ”特性 。大模型有超大规模的参数， 产生未曾预先设想的新能力 。 泛化能力强 复旦大学超算中心 模型类型 多模态训练模型结合人类 参与强化学习 多模态预训练模型 NLP 大模型 NLP 大模型 NLP 大模型 计算机视觉模型 计算机视觉模型 图、文 、音三模态 对话式大型语言模型 数据量 超过万亿单词的人类语言 数据集 中文多模态数据集 M6- Corpus 1.9TB 图像 292GB 文本 五大跨模态视频检索数据 集 40TB

取得了显著的成功，这种成功间接促进了多模态大模型的研究和发展，如通用领域的多模 态大模型 MiniGPT-4 、 mPLUG-Owl 、 Multimodal-GPT 、 LLaVA 以及国产大模型豆 包等。 多模态（ Multimodal ）指的是在信息处理和交流中同时使用多种不同的模式或媒介，如 文本、图像、音频和视频等。其核心在于通过结合不同的表达方式，增强信息的传递效果 和理解深度。多模态的意义体现在多个方 次，不同的人对信息的接收 方式各异，多模态能够满足不同学习风格或交流偏好的需求，从而提高理解和记忆效果。 此外，在人工智能和人机交互领域，多模态技术使计算机能够更自然地理解和响应人类的 交流方式，例如智能助手可以同时处理语音命令和视觉输入。多模态还能够增强表达能力， 在艺术和传播中通过多样化的表达方式提升创作的表现力和感染力。在数据科学和机器学 习中，多模态数据融合有助于提高模型的性能，例如在情感分析中结合文本和语音数据可 分析中结合文本和语音数据可 以更准确地判断情感状态。多模态通过整合不同的信息形式，帮助我们更有效地交流和理 解复杂的信息，广泛应用于教育、医疗、社交媒体和人工智能等领域。 10.5.1 CT 影像分析智能体 多模态大模型可以结合医学影像（如 X 光片、 CT 扫描、 MRI ）和患者的临床数据（如病史、实验室结 果）进行综合分析，从而提高疾病诊断的准确性。例如，通过分析胸部 X 光片和患者的症状，模型可以

能运用我市既有技术力量，构建各领域 AI 大模型。 以空间对象为核心、以空间治理支撑为目标的“跨模态”大模型 “ 后土”名称取自中国上古神话里掌管山岳土地变化的中央之神，寓意助力国土空间治理和自然资源管理 自然资源部信息中心与阿里云联合研发自然资源行业大模型一 —“后土”大模型。一个“跨模态大模型” , 在通用大模型基础 上， 通过海量自然资源行业数据训练，在自然资源知识问答、 影像视频 文本问答对 546 30 97 182 Sal 问答对 285 46 总计 731 76 97 182 1.1 工作背景 —— 自然资源部“后土”大模型 后土大模型 以 空间对象为核心的“跨模态”大模型 助力自然资源什业缩力提升 开始对话 智能体创理 《 山 将 位 , 泽 内 占 臣 《 ; 共 工 生 覆 土 ' 夜 土 生 下 空 喘 ， 空 喘 生 (LO) 2.2 总体架构 “1+N ” 大模型架构 权益维护 智能办公 智能审批 数据管理 智能体应用 (L2) 大语言模型 视觉大模型 多模态大模型 …… 一 个 构 建 平 台 格局优化 绿色低碳 底线守护 N 个 智 能 体 应

........................................................................................39 3.2.2 多模态数据处理能力............................................................................................. 服务的需求持续攀升，超过 65% “ ” 的投保人将 理赔效率 作为选择保 险公司的关键指标之一。 在此背景下，人工智能技术为理赔业务优化提供了新的可能 性。DeepSeek 大模型凭借其多模态理解、自然语言处理和复杂决 策能力，能够从以下维度重构理赔流程：首先，通过自动化单证识 别与核验，将材料初审时间从小时级缩短至分钟级；其次，基于历 史数据与规则引擎的深度学习模型，可实现对理赔案件的智能分级 觉技术 融合，实现理赔材料自动分类、关键信息结构化提取以及欺诈风险 实时预警，将单案件处理时效从传统人工的 48 小时压缩至 30 分钟 以内，同时降低 15%-20%的运营成本。其次，基于多模态交互能 力构建智能客服系统，可同时处理理赔咨询、进度查询、材料补传 等高频需求，客户等待时间由平均 8 分钟缩短至即时响 应，NPS（净推荐值）预计提升 25 个百分点。 从行业意义来看，该方案能有效破解保险机构面临的共性难

..........................................................................................54 4.3 多模态输出集成............................................................................................... 数据安全与合规风险 语音交互涉及身份证号、住址等敏感信息，但部分系统缺乏端到端 加密，存在数据泄露隐患。2023 年第三方测试显示，40%的政务 语音应用未通过 ISO/IEC 27001 安全认证。 多模态协同能力缺失 服务流程常需跨平台跳转（如从语音导航切换至在线填表），但当 前系统多采用孤立架构。测试表明，用户需平均重复 3 次指令才能 完成跨系统操作，任务完成率下降 62%。 痛点维度 典型表现 在公共服务场景的语义解析准确率达到 92.3%（第三方测试机构数 据），支持 47 种方言的实时转译。在故宫博物院试点中，实现讲 解文本的自动生成效率较传统方案提升 6 倍，同时保持专业文献的 术语准确率。 多模态处理能力 模型集成语音-文本-图像联合分析模块，在景 区导览场景中实现： - 3 秒内完成游客拍摄文物的图像识别与讲解 生成 - 背景噪声抑制能力使语音识别 WER 降至 1.8%（信噪比

创新方向：供应链安全 推荐落地方案： 安全玻璃盒-供应链安全AI检测智能体与威胁情报 长亭科技- ”慧鉴”智能静态应用程序安全测试系统 创新方向：深度伪造检测 推荐落地方案： 中科睿鉴-端云协同多模态伪造检测方案 创新方向：大模型安全评估 推荐落地方案： 君同未来-大模型安全评估 奇安信-AI大模型安全技术评估服务 360-大模型安全评测平台 长亭科技-AIGC安全风险评估 创新方向：合规管理&安全运营深度融合 据安全和数字安全。公司与多个国际组织、监管机构、高等学府、科研院所建立了良好、紧密的合作关系。 观安信息-基于大模型的数据分类分级引擎 方案概况 方案优势和用户价值 方案优势与特点： （1）多模态数据构建体系：首创“人工+模型”双引擎数据生成范式。 （2）轻量化专家模型架构：领域适配微调使训练速度明显提升；轻量化参数压缩 显存占用显著降低；适配CPU，GPU，国产NPU等不同计算资源。 （3 （1）供应链数据采集与标准化建模：运用智能采集助手整合多维度数据，形成高 质量供应链数据资源池。 （2）供应链资产图谱构建与风险传播分析：动态可视化的供应链资产图谱，实现 风险的可视化分析与预测。 （3）多模态AI驱动的供应链安全智能检测：实现从代码层到交付层的全栈风险感 知与闭环管理，推动供应链安全从单点工具堆砌向智能化协同防御转型。 （4）供应链安全态势感知与威胁情报协同：整合多维度威胁情报源，构建实时动

...................................................................................55 5.1 深睿医疗：自研多模态 AI 引擎，数智化助力医院数据资产管理........................ 56 5.2 医渡科技：“双中台”助力全线产品升级，盈利能力大幅提升................... 年新发布医疗大模型应用场景分析.......................................................... 52 图表 42 深睿医疗 DeepwiseTrioData 多模态医疗大数据平台架构.........................56 图表 43 医渡科技“大数据+大模型”双中台解决方案................................... 年）》提出的“2022 年农村适龄妇 女两癌筛查覆盖率要达到 80%，到 2030 年达到 90%”的防治目标，并将 AI 技术带到基 层百姓身边，同时完成自身的商业化落地。 此外，医准智能还基于多模态数据打造的超声医学大模型，推出 YiZhun UltraGPT。以 医疗 AI 大模型在超声影像中的应用，赋能超声影像智能化升级，更快速、更多维度地 拓展动态实时超声 AI 应用场景，提升诊断和治疗效率，助力多病种研究，助力超声设

基层医疗机构因专业人才短缺导致的误诊率高达 15%-20%。这种 现状迫切需要通过智能化技术重构医疗服务流程，实现从被动治疗 到主动健康管理的转型。 人工智能技术为医疗系统优化提供了新的突破口。以自然语言 处理和多模态学习为核心的 DeepSeek 平台，具备医疗知识图谱构 建、临床决策支持和非结构化数据处理三大核心能力。某三甲医院 的试点数据显示，接入智能体后的门诊流程平均耗时从 120 分钟缩 短至 75 在智能分诊、辅助决策、流程自动化等环节，预计可释放 20%- 30%的现有医疗资源潜力。 1.2 DeepSeek 智能体的技术优势 DeepSeek 智能体在医疗系统中的应用具备显著的技术优势， 其核心能力建立在多模态大模型、垂直领域微调和高效计算架构三 大技术支柱之上。该智能体采用混合专家模型（MoE）架构，通过 动态激活稀疏参数模块，在保证推理速度的同时将医疗文本理解准 确率提升至 93.2%，远超通用型大模型 在医疗场景的关键性能指标上，DeepSeek 智能体展现出以下 差异化能力： - 术语理解深度：通过双向注意力机制和领域词典增 强，对 ICD-11 疾病编码的识别 F1 值达 0.91 - 多模态处理：支持 DICOM 影像与电子病历的跨模态关联分析，CT 报告生成符合率较 传统方法提升 40% - 实时响应：在 4 核 CPU 环境下实现 500TPS 的 并发查询处理，满足门诊高峰时段需求 针对医疗数据