张伟男 哈尔滨工业大学 计算机科学与技术学院 社会计算与信息检索研究中心 人机对话关键技术及挑战 本科生 对话理解与对话生成 对话主导 朱才海 冯梓娴 推荐主导 胡景雯 一致性 张家乐 张开颜 连贯性 个性化 多样性 朱庆福 马龙轩 宋皓宇 刘元兴 李凌志 多轮建模 朱泽圻 风格化 Conversational Intelligence (CI) 张伟男副教授 确认状态跟踪 澄清状态跟踪 词法、句法、语义分析 拒识回复 确认及澄清回复 多领域用户对话意图识别 多领域对话状态跟踪 上下文建模 情感回复 个性化回复 风格化回复 . . . 对话质量评估 情感分析 拒识、确认、澄清、隐式反 馈 ... TTS 领域内分析及处理 ASR 多领域对话状态分布 自然语言理解 文本或语音 文本或语音 (2018) ACL Li et al. (2018) NAACL Fu et al. (2018) AAAI 风格化回复： 一个初步的尝 试 • 首次利用迁移学习进行风格化回复生成 • 首次提出类图灵测试的回复风格人工评价方 法 42 VS 任务型对话（任务执行） （ Task-oriented Dialogue ） 典型应 能助手 人机对话主要技术方向 特定域内输入和输出的空间有限

执业证号：S1250524120002 电话：021-68416017 邮箱：chch@swsc.com.cn AI医疗专题系列二 从DEEPSEEK的崛起看AI医疗发展方向及投资机会 1 核 心 观 点  前言：本篇主旨在探讨Deepseek相关概念及技术在医药产业方向上的潜在应用。人工智能技术的突破性进展正以颠覆性姿态重塑医疗健康 产业。2025年2月， 渡科技、东软集团 、鹰瞳科技等头部企业加速布局，覆盖从辅助诊疗到药物研发的全链条智能化升级。政策端亦为AI医疗注入强劲动能：2024年11月，《卫 生健康行业人工智能应用场景参考指引》发布，明确84类应用方向，涵盖医学影像分析、智能药物研发等核心领域，为技术落地提供了顶层 设计支撑。而2025年2月18日即将发布的华为瑞金病理模型，则进一步凸显了AI在病理诊断这一传统高壁垒领域的潜力，有望缓解我国病理 制药：缩短药物研发周期，助力靶点发现及临床疗效预测。1）逐渐完善的行业拼图，行业玩家逐渐增加；2）AI在多疾病领域广泛应用 ，肿瘤（37%）、免疫学（21%）及神经病学（14%）领域占比最大；3）AI可参与药物开发过程多个阶段。其中涉及AI虚拟筛选、药物发 现、优化药物结构、临床试验优化、建立疾病风险模型、肿瘤精准治疗等。商业化落地中等，仍处于临床早期阶段，数据获取成本高，依赖 文献数据及实验室数据。相关标的：

1 “十五五”时期我国制造业发展形势研判及思路建议 “十五五”时期是深入贯彻习近平总书记关于新型工业化 的重要指示和重要论述精神，全面落实全国新型工业化推进 大会部署的关键时期，也是我国乘势而上开启全面建设社会 主义现代化国家新征程、向第二个百年奋斗目标进军的重要 五年。必须认清新形势，加快推进新型工业化，大力发展新 质生产力，推动制造强国建设取得新的更大成效，为中国式 现代化构筑强大物质技术基础。

本报告的信息均来自已公开信息，关于信息的准确性与完整性，建议投资者谨慎判断，据此入市，风险自担。 请务必阅读末页声明。 电子行业 超配 （维持） 电子行业深度报告 DeepSeek 推动模型平权，关注 AI 终端及算力领域 2025 年 2 月 20 日 罗炜斌 SAC 执业证书编号： S0340521020001 电话：0769-22110619 邮箱： luoweibin@dgzq.com.cn 陈伟光 资料来源：东莞证券研究所，Wind 相关报告 投资要点：  DeepSeek推动模型平权，关注AI终端及算力领域。2024年12月，DeepSeek V3 首 个 版 本 上 线 ， 在 多 项 评 测 成 绩 超 越 了 Qwen2.5-72B 和 Llama-3.1-405B 等 开 源 模 型 ， 并 在 性 能 上 和 GPT-4o 以 及 Claude-3.5-Sonnet不分伯仲，训练成本约为558万美元。1月20日， 电商平台的AI耳机销量有望突破20万副，同比增长488.7%。AI眼镜： Ray-Ban Meta引起市场广泛关注，接入Llama3大模型后，能够实现智能 问答、通话及发送信息、实时翻译等一系列操作，并且能够通过摄像头 对现实场景进行分析并回答用户提出的问题，出货量已超过200万副， Meta及依视路陆逊梯卡在业绩发布会上对AI眼镜发展表态积极。而国产 终端如雷鸟、闪极等品牌亦积极推出相关产品，渗透率有望快速提升。 据Wellsenn

智启未来 · 险见新机 —— 人保寿险大模型探索及实践 中国人民人寿保险股份有限公司 呼群 01 公司简介 02 大模型 技术探索 大模型 实践应用 目 录 03 2 保险、年金保险、健康保险、意外伤害保险等保险业务及其再保险业务。公司总部设在北京 ，机构网点布局完善， 在全国 31 个省、 自治区、直辖市和 5 个计划单列市设立 36 个省级分公司。 下拥 下拥有人保财险、人保寿险、人保资产、人保健康、 中诚信托、人保养老、人保投控、人保资本、人保再保、人 保 科技、人保香港等 11 家子公司及成员公司 ，业务范围覆盖财产险、人身险、再保险、资产管理、保险科技等 领域。 简称“ 中国人保” ，成立于 1949 年 10 月 20 日 , 为综合性保险金融集团 ，连续 15 年入选《财富》世界 500 强 ，旗 简称“人保寿险” ，成立于 2005 年 客服场景：做话术理解与意图分类，以及简单问题的回答；且时效性要求高 • 信息打标：对每日新闻资讯中涉及到的实体（行业、公司、股票、基金等）识别，分析正负向情绪 及影响面 • 办公场景：会议助手、流程助手、公文撰写、知识问答等 • 信贷尽调报告助手：全网搜集企业多维度信息，结合审核规则、评价模型等进行推理决策，识 别风险点

华为混合云现代化运维体系 核心能力及最佳实践 政企而言，IT架构建设作为组织战略目标实现和业务创新发展的核心引擎，是一项战略 性、系统性工程，然而IT架构的建设往往不会一蹴而就，而是会随着技术革新逐渐引入 新的平台、新的产品和技术。因此，政企IT架构的发展演进进程中普遍存在不同架构、不同代 际、不同厂商平台并存的情况。运维人员需要全面了解不同平台的部署、升级、维护等操作，这 2.3 混合云现代化运维体系参考架构 运维体系建设目标和成熟度评估模型建立之后，需 要着手设计运维体系架构。传统的运维体系一般包 含组织、流程、工具等几个组成部分，华为混合云 结合自身实践及数千家客户服务经验，在传统运维 体系基础上，围绕“四效”目标，总结提炼了适配 政企客户现代化运维体系所包含的核心要素以及运 维体系建设的参考架构： 1、运维规范与流程 通过“因地制宜”制定运维规范，树立运维制度和 运维业务管理主要是针对服务内容进行定义，可以 分为服务请求、故障修复、业务变更及主动运维这 四大类。 4、运维知识库管理 运维知识库管理主要面向对运维资产积累有一定诉 求的中大型政企客户。基于云平台或业务运维过程 中产生的运维数据，如问题单、案例库、变更方案 等进行数据治理，生成运维知识库，对运维风险进 行AI预测等增值类工作。 5、运维平台治理 运维平台治理按照业务属性划分一般涵盖两部分能

法，开启了人 们对量子计算 的兴趣。 通用量子计算机 的概念提出：戴 维·多伊奇提出 “通用量子计算 机”概念，能够 模拟任何物理过 程，是量子计算 理论的进一步深 化。 量子电路复杂性 模型及量子通信 复杂性理论：姚 期智首次系统地 建立了类似于经 典布尔电路的量 子电路复杂性模 型，并开创性地 发展了量子通信 复杂性理论。 肖尔算法正式提 出：彼得·肖尔提 出了“肖尔算 法”，其核心依 IBM推出云端量子计 算服务：IBM推出了 云端量子计算服务 “Quantum Experience”。这 一服务允许用户通过 互联网访问IBM的量 子计算系统，并在上 面运行算法、操纵量 子比特、开发教学及 模拟实验等。 谷歌宣称实现量 子霸权：谷歌利 用53个量子比特 在200秒内完成 了传统超级计算 机需一万年才能 完成的计算，标 志着量子霸权的 首次实现。 量子计算机模拟 化学反应：谷歌 量子计算团队利

主要的商业模式，各厂商根据模型 及算力、教育业务理解、教育数据等竞争要素的差异，在行业中分据而立。展望未来竞争态势， AIGC技术具有显著的资源密集和依赖特点，大力出奇迹的暴力美学路径已被行业所验证，未来格 局仍会以有着多类型资源积累的大厂占据主要份额，创新企业可以依据特定场景深入理解而切入， 但若没有自主大模型仍然会受制于人。同时，通用大模型与教育垂类大模型的关系，正向着各司 其职、融 突破了人类能力的边界；而AIGC的问答式交互、无需下载和配置等特性，使得AI技术的使用门槛大大降低，AI技术走向平权化；同 时，联网后的实时海量数据支持，模型开源及插件生态的开放，结合用户无限的创造力，AIGC的影响力渗透进各行各业的每个角落， 影响力无限泛化和扩大。 来源：公开资料，艾瑞咨询研究院自主研究及绘制。 智 能 的 延 伸 门 槛 的 降 低 影 响 力 扩 大 人脑智能的延伸 AIGC 人脑智能的延伸，AI具备了计算、思考、 问 答 式 交 互 工具可得性提高 工具易用性提高 • 需环境和软件配置 • 人工智能专家使用 • 使用费用高昂 • 无需下载和配置 • 普通用户可使用 • 模型开源及降价 数据来源多样 模型开源及插件应用生态 用户无限创造力 连接互联网，弥补时效性短板 专有数据变为大数据，可能性无限 接受个人或企业私有数据投喂 OpenAI托管插件 第三方海量插件 不同参数、厂商的模型逐渐开源

来看，机器学习对于数据和算力的需求较小，训练时间也相对较短， 而深度学习、强化学习则需要高性能的 GPU、TPU 等算力支撑，数据 需求也增长至百万量级。从应用场景来看，机器学习能够广泛用于各 类分类、回归、聚类、关联规则任务，帮助机器人实现物品分类、平 面移动和故障诊断等功能，但不具备决策能力；而深度学习则聚焦图 像、文本和语音等复杂任务的处理，能够帮助机器人实现缺陷检测、 知识问答、人机对话等功能，具有一定的决策能力。 个环节。在运动控制方面，优化类模型能够加强机器人的控制精度， 比如在拾取操作中，当传感器检测到力量过大的时候，机器人可以利 用贝叶斯优化算法及时纠正；又如在平面移动中，快速探索随机树 （RRT）算法能够先构建一条复杂但可行的路径，然后对其进行优化 来避免碰撞。另外，蚁群算法、粒子群算法等群体算法能够通过模拟 自然界生物群体的行为，实现群体优化协调。在感知交互方面，基于 机器视觉技术的识别类模型应用比较成熟，在机器人的操作取物、移 交互技术的语言类模型虽然较为成熟，但是主要用于陪伴对话、教育 辅导、智能家居等服务型场景，而由于可靠性要求高、工业知识积累 6 不足等限制，尚未在工业中大规模应用。在推理决策方面，基于深度 学习、强化学习的方法，机器人可以通过训练学习数据以模仿人类， 甚至通过与操作对象或环境进行交互实现非结构性的复杂操作和自 主导航。 2、三种应用模型及其组合催生出多种功能的机器人 运动控制类模型推动传统工业机器人升级为“能精细化控制”的