.......................................................................................... 15 图表 22 盛视科技同行业可比公司估值比较 ................................................................................. 21Q1 21Q2 21Q3 21Q4 22Q1 22Q2 22Q3 22Q4 23Q1 23Q2 23Q3 营业收入（单季，亿元） 营业收入YoY（右轴） 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 2016 2017 2018 2019 2020 2021 22H1 2022 23H1 其他业务 智能交通及其他 39 24.00 15.91 9.75 11.01 14.85 0 10 20 30 40 50 60 2016 2017 2018 2019 2020 2021 2022 22Q1-3 23Q1-3 毛利率（%） 归母净利率（%） 盛视科技·公司首次覆盖报告 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。

...................................................................................................22 1.3.2 优化风险管理能力................................................................................... 分钟以内，人工干预率降低至 5%以下。关键预期成果 包括： 指标 基线水平 目标水平 提升幅度 核保通过率 68% 85% +25% 理赔资料退回率 32% 8% -75% 客户等待时长 22 分钟 5 ≤ 分钟 -77% 风险控制方面，部署基于 DeepSeek 的智能风控引擎，建立动 态核保模型和反欺诈识别系统。通过整合 200+风险特征维度，预 期将高风险保单识别准确率提升至 建立三级异常拦截体系：  初级：数据完整性校验（18 类校验规则）  中级：逻辑矛盾检测（如治疗时间早于确诊时间）  高级：人工复核队列自动分级（按风险值排序） 该方案在某寿险公司试点中实现核保通过率提升 22%，理赔纠 纷率下降 41%，综合运营成本降低 35%。建议实施时优先部署高 频率标准化场景（如车险小额理赔），再逐步扩展至复杂业务线。 3. 应用场景与解决方案 在保险行业中，接入 DeepSeek

请务必阅读正文之后的免责声明及其项下所有内容 2025年02月22日 大鹏一日同风起，AI医疗启新篇 医疗AI专题报告（一）：制药篇 行业研究 · 专题报告 医药生物 证券研究报告 | 请务必阅读正文之后的免责声明及其项下所有内容 报告摘要 ◼ AI技术快速发展，医疗健康是AI技术最重要的应用领域。医疗健康产业正处于数字化转型与智能化升级的变革期，ARK Invest近期所发布的 其中45条管线处于临床I期研究， 19条管线处于临床II期研究，2条管线处于临床III期阶段。对AI制药开发的分子类型统计发现，2023年AI技术在小分子药物的发现中应用较 多，67项临床研究中22项为小分子药物发现、4项为抗体发现、6项为疫苗发现。 ◼ 投资建议：关注AI制药领域进展及具备潜力的海内外前沿公司。以“AI+CRO”、“AI+Biotech”为典型的商业模式，AI制药涌现出了一批优 段，其中45条管线处于临床I期研究，19条管线处于临床II期研究，2条 管线处于临床III期阶段。对AI制药开发的分子类型统计发现，2023年AI技术在小分子药物的发现中应用较多，67项临床研究中22项为 小分子药物发现、4项为抗体发现、6项为疫苗发现，市场上暂时没有利用AI制药技术研发的药物成功获批上市。 请务必阅读正文之后的免责声明及其项下所有内容 医疗健康是AI最大的应用领域 01

ਥुᄯڳߙಁճᆑ௶ᆇၗ೴ᆓܤᄭसඔѻ໭ྑௐ ..... 21 1.3.2 ᆑ௶ᆇၗغᄩ२֟Ⴚճ೴ᆓܤඔѻ໭༓ௐ ................. 22 1.3.3 ໭ྡྷӝ໰๯ޏ೬นᆑ௶ᆇၗ೴ᆓܤᄭसඔ٢໭ݯျ .......... 22 ԛ֝Ⴣ ᆙ඘ྑௐ ................................................................. ѻ଼۹޳ڕԉပॏᄆъٖԙͬܙՎൟ޳ڕdౖഃॿජܕЄౌྡྷ඘ܤ ͬܙ༉؏ԉ໰๯ܤߙಁ௜ԄࠩႺdߙюᄓ֥ᆘۦ޳ڕcᆑ௶ᆇၗ՜ Гcԙᄩၹڽפຢֽࣅᄦݐ׻๠ԉտّ࿫ဈdဈԙcဈ࣠cဈںc ဈӻԉϦ 22 ົ໻ჿ༘ࢶಹົ௦ੋಬຣฉ౨͗सēࠄద௦ڳྡྷ඘ܤ ჿ๠׻๠଼൛ē෗ՎϢՎСԈޚc࣠ྜ௣cڟܣᆇᄩԉԨᆐᄃზ௦ ڳܚ໰ܚఊdϦਪܜฉႿಀݖ࿵ູॏћ༣႙Щēںོcԙᄩԉࢳ༰ ೴࡬٫຺࿫ဈcಀݖܤ׻๠Ϣծಇܤdަஜᆑ௶ᆇၗক့ּԙСԸ Ӿ“ڕԄۚ”dලನē ޴ћูඕӽ຿ۤંγӽ຿ēᆂॏࠓࢅᆑ௶ᆇၗ“೴࡬ٻӻ”“໰๯ཕ Ҵ”ԉ෌ѻูඕēੋ຿รࣿ༓ඔӶಖމd ¤¤¤¤¤ ໭ྡྷӝ໰๯ޏ೬นᆑ௶ᆇၗ೴ᆓܤᄭसඔ٢໭ݯျ — 22 — ¤ ¤ ྻఆٝᄦટc२ᆐ໰๯cྭՎඹ໰c๞॓ฉc௕ࣖढ़นӝζԅ ໭ྡྷӝ໰๯ޏ೬ࣙമ֟Ⴚcకۦҗ໭ēҗ໭Խӝᄻ୙ަമൊիēน ᄦݐڳිߙಁඔ٢ॴஜӖᄆъēนᆑ௶ᆇၗ໰๯ܤߙಁᅟదॴ໭Վ

......................... 22 千方科技（002373 CH） ............................................................................................................................ 22 万集科技（300552 CH） ....... .................................................................................................. 22 金溢科技（002869 CH） ................................................................................ .......................................................................................... 20 图表 22： 车路云一体化产业链全景 .....................................................................................

能、大数据、云计算等前 沿技术，围绕三大标准化科技产品系列——业务增长系列、业务生产系列、业 务基建系列，以及战略轻咨询、全域数字化运营、技术共建等定制化服务，打 -22% -13% -4% 4% 13% 22% 保险Ⅱ 沪深300 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业专题报告/证券研究报告 造“科技+服务”的 ........................................................................................... 29 图 22. 众安在线科技输出收入及增速 ................................................................................... 景。我们认为，主要源于当前我国较为标准化的海量医疗行为数据主要掌握在医 保局、卫健委手中，保险公司数据仍较为匮乏，创新型产品开发动力不足，因此 延缓了 AI 技术在产品开发领域的应用。 但自 22 年以来，我国医保局已开始积极探索数据要素放开，预计放开后将为保险 公司多样化产品设计提供数据支撑，从而带动 AI 技术在产品开发领域的应用。一 方面，AI 数据处理与分析能力相较于人工优势显著，可更好识别和利用隐藏在数

...................................................................................................22 2.1.3 欺诈风险难以识别................................................................................... 户需求升级的双重压力下，暴露出以下核心痛点： 效率瓶颈突出 理赔案件处理平均耗时达到 48-72 小时，车险小额案件需 6-8 个处 理环节，健康险复杂案件甚至涉及 12 个以上审批节点。人工审核 单笔理赔平均消耗 22 分钟，其中 60%时间用于重复性资料核验。 高峰期案件积压率可达日常水平的 3 —— 倍，直接影响客户续保率 数据显示理赔时效每延长 24 小时，客户满意度下降 11%。 欺诈风险持续攀升 第三，跨系统协作产生的数据孤岛问题显著拉长处理周期。核 赔人员通常需要同时登录核心业务系统、医院数据平台、再保系统 等 4-6 个独立平台进行信息比对，仅系统切换操作就消耗日均工作 时间的 22%。某寿险公司流程审计发现，重大疾病理赔中仅病理报 告与保险条款的匹配环节，就因系统间数据标准不统一导致平均 1.8 个工作日的额外延迟。 这种低效处理模式直接带来两方面负面影响：一方面导致客户

行业研究|行业深度研究 图表 21： GNoME 利用图形网络进行材料探索 .............................. 22 图表 22： GNoME 使材料发现实现数量级突破 .............................. 22 图表 23： 材料设计筛选方法和生成方法示意图 ............................ 23 图表 24： MatterGen 的方法。研究团队使用已建立的密度 泛函理论计算对这两个管道的输出进行评估，并将这些结果添加到 GNoME 数据库中， 为下一轮主动学习提供信息。 请务必阅读报告末页的重要声明 22 / 29 行业研究|行业深度研究 图表21：GNoME 利用图形网络进行材料探索 资料来源：谷歌 DeepMind，国联民生证券研究所 过去几十年来，科学家通过实验方法在无机晶体结构数据库（ICSD）中记录了 代，已发现超过 220 万种新型结构，通过稳定性竞争筛选后新增 380,000 个条目，使 总稳定晶体数达到 421,000 个，这标志着材料发现规模较历史研究成果实现了数量 级突破。 图表22：GNoME 使材料发现实现数量级突破 资料来源：谷歌 DeepMind，国联民生证券研究所 请务必阅读报告末页的重要声明 23 / 29 行业研究|行业深度研究