质疑的场景。 “ 我们期待这本手册能成为审计人员在智能时代的 导航仪 ”——既提供工具 “ 使用的 操作杆 ” “ ，也树立风险防范的 警示灯 ” “ ，推动审计职能从 合规守卫 者 ” “ 向 价值发现者 ”跃迁。技术的未来属于善问者，而提问的艺术，终将定义 人类 的不可替代性。 五、编写团队：从金融审计理论到应用的闭环实践 南京审计大学是全国首家开设金融审计专业的高校，南京审计大学金融审 方法论，精准识别“基层权力末梢”的违规操作与小微腐败风险？（ “ 如构建 信贷 三查 ”智能分析模型，开发村级权力画像系统，建立涉农补贴异常支付特征库） （16）如何通过“审计成果共享平台”推动审计发现向董事会风险管理报 告、 内控缺陷库、员工培训案例库的即时转化？（如设计结构化数据清洗规 则，实现 审计问题自动分类映射至内控缺陷库、培训案例库及 ERM 报告模 块） （17）如何建立“审 个月内上线自动化反洗钱筛查模块”）） （35）整改效果评估是否滞后？（如一年后才复查问题是否解决，需要建 立 90 天闭环跟踪机制，通过系统日志自动验证措施执行情况） （36）审计报告是否缺乏风险预警？（如仅描述已发现问题未提示潜在风 险， 需要增加“风险前瞻”章节，基于历史数据预测未来 3 个月高风险领域） （37）知识库更新是否及时？（如未将典型案例纳入内部培训教材，需要 按 季度更新案例库，标注高频违规场景（如信用卡套现新手法）

技术蓬勃发展， AI+制药行业潜力巨大 [Table_Summary] 投资要点：  AI 技术蓬勃发展，AI+制药有望成为下一个黄金赛道。AI 技术通过机器学习和深 度学习等手段，已经在药物发现、临床前研究和临床试验等全流程中发挥重要 作用。从 2007 年的早期探索至今，AI 制药技术经历了技术积累、验证和快速发 展期，目前正处于一个技术创新活跃、政策扶持明显、市场前景广阔的阶段。 AI 制药行业得到国家层面的政策支持，如《“十四五”医药工业发展规划》和《“十 四五"生物经济发展规划》等，旨在推动云计算、大数据、人工智能等技术在新 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 研发领域的广阔前景和巨大潜力。  CRO 公司加速布局 AI+制药应用技术。CRO 药物研发外包公司的 AI 技术应用正 逐步深化，涵盖药物发现的各个环节，从靶点识别、化合物筛选、结构预测到 药物设计等。维亚生物建立纵向 AI 应用技术平台加速先导化合物发现；泓博医 药持续推进 PR-GPT 多模态大型语言模型的应用；成都先导依托 DNA 编码化合物 库技术与 AI 技术结合，优化苗头化合物的识别过程；药石科技利用其分子砌块

更为便捷的高级远程护理  特殊情况下，即使是经验丰富、受过专 业训练的医疗人员也难以识别罕见或异 常的疾病情况。  利用人工智能技术的医疗应用可以将患 者的病情与大量数据库进行比对，以便 发现类似情况。  有助于消除人为错误，并减少不必要的 重复测试和诊疗，提高医疗服务的效率 和准确性。  在需要将患者进行分类区分时，有些看似 无症状的患者或实际已经接近临界点，而 这些患者可能会被医生所忽略。 PACS EMR HRP EHR 基于 文献 文献 知识 结 构 化 数 据 文 字 文 档 影 像 非 结 构 化 数 据 数 据 预 处 理 实体发现 关系挖掘 属性提炼 词林构建 机器翻译 系统问答 信息抽取 知识过滤 实体连接 知识合并 本体构建 知识推理 质量评估 神经网络训练 NLP 网头部企业 超31家，AI制药初创型企业超过495家。 当前国内外AI制药行业的主要玩家主要有三类 AI制药行业主要玩家 资料来源：头豹研究院，西南证券整理 28  人工智能药物发现的领域投入逐年稳步增长。涌入由人工智能驱动的生物技术公司投资额从2020年的481.9亿美元大幅增长至 2022年的1264亿美元，2020-2022年复合增速高达61.96%。  大型药企：根据Deep

健康管理数据来源和应用范围，难以形成全面的健康管理方案。且目前消费者付费 意愿较低，尚处于早期阶段。相关标的：美年健康、鱼跃医疗、智云健康、九安医疗、乐心医疗、三诺生物。  AI 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 智能诊断、 科研管理、 设备互联互通 综合性解决方案 AI 基因测序 收集样本基因测序、 罕见病遗传病分析解读 多组学风险预测和评估 AI 制药 分子虚拟筛选、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 AI 医学影像 图像处理、 勾勒病灶大小、 特征识别、诊断建议 AI 健康管理 可穿戴设备 定制化干预方案 大模型等核心应用。  αLabStudio 智能实验室管理平台：采用先进的机器学 习和深度学习算法，能够处理大规模的实验数据，提供 实时分析与可视化功能，帮助科研人员更高效地设计实 验、分析结果，并在发现异常时快速调整实验条件  升级版时空转录组 FF 产品方案  Stereo-seq v1.3：华大智造推出的升级版时空转录组 FF 产品方案，适用于 fresh frozen 冷冻样本。该产品

AI 有望颠覆诊断、药物研发和治疗流程。近期，Tempus.AI、Doximity 等美股 AI 医疗公司涨幅显著，木头姐近期发布的《Big Ideas 2025》中 指出，人工智能将颠覆诊断、药物发现和治疗，到 2030 年，整个行业 的表现将提升几个数量级。世界经济论坛发布报告认为，预计 2024 年 —2032 年，AI 医疗市场将以每年 43% 的速度增长，市场规模有望达 到 4910 亿美元（约合人民币 13 请务必阅读正文之后的免责声明部分 行业点评报告 东吴证券研究所 3 / 14 图表目录 图 1： 2030 年 AI 将促进诊断、药物发现、治疗环节等环节表现提升几个数量级 ....................... 4 图 2： AI 病理诊断流程 ....................................... AI 全面赋能医疗，降本增效 近期，Tempus.AI、Doximity 等美股 AI 医疗公司涨幅显著，木头姐近期发布的《Big Ideas 2025》中指出，人工智能将颠覆诊断、药物发现和治疗，到 2030 年，整个行业的 表现将提升几个数量级。如：AI 将使 DNA 等生物信息的读取和写入成本分别降低 100 倍和 1000 倍；AI 将使药物开发成本降低 4 倍，并将研发投入的回报提高

BI 核心技术： NL2DSL （规则模型 + 大 模型） 技术优势：数据可信、生成可控、可 干预、模糊语义理解 BI 分析可分为统计型、归因型、预测型、决策型四个层次 展现数据，了解现状，发现问题 统计型 利用体系，以小见大，见微知著 预测型 拆解指标，建立体系，找到根因 归因型 直面问题，督办改进，完成闭环 决策型 4 BI 分析 层次 ChatBI—— 统计型分析 近年来上海的坏账情况 可信 归因型分析：维度归因 统计型 归因型 预测型 决策型 统计分析 数据解释 下钻分析 归因型分析：指标归因 统计型 归因型 预测型 决策型 通过归因分析，发现线上申请总量过低、笔均交易额降低，需要分析具体线上各渠道申请变化情况， 是否有渠道终止合作等；以及笔均交易额的变化情况，是否有渠道或产品设置了交易限额 归因分析结果 KPI 第一维度：直接影响 第二维度：间接影响 户均交易笔数 -1% XXX 笔 归因 预测型分析：典型场景是投诉预测 统计型 归因型 预测型 决策型 投诉倾向 背景 银行希望更好地预测客户行为，了 解引起客户投诉的服务因素 发现 确认常见的投诉路径，在早期预警 指导下采取纠正行动 影响 银行确认了投诉倾向排名前 X% 的 流程，客户投诉数减少 Y% 高 高 低 演亦文化 3 月 3 月 30 日 • 页面访问量

｜ 3 数字化为何难以创造价值？因为企业掉入 了一些常见的陷阱。比如，很多企业对于投资 技术的热情只增不减，许多人依然认为只要买 硬件、上系统就会有立竿见影的经济回报。然而， 它们很快就会发现无法见到经营上的提升。 再比如，企业能够认识到数据是有价值的， 数据正日益成为企业的核心资产。但并不是将 数据抓在自己手里，就能抢占市场竞争的制高 点。数据的终极价值，在于借助有效的治理机 等多个层面的升级。只有这样，数字化才能为 企业带来实实在在的价值。 当数字经济发展到新的阶段， 众多企业基本完成数字化基 建的布局，来到数字化的中局 战场，企业就要更加意识到思 维转变的重要性。 同时，我们也发现，仅凭企业自身的力量 无法有效覆盖数字化转型的方方面面，很多企 业数字化转型面临最大挑战之一是没有专业的 技术和知识提供有力支撑。选择合适的合作伙 伴至关重要。在这个连接与共生成为主流趋势 业纷纷加强自身的数字化转型以适应新 的发展潮流，并期望以此开启新的增长。 但认知上的共识并不意味着实践中的成 功。在投入大量人力、物力、财力进行数字化 相关的平台与系统建设后，越来越多来到数字 化中局的企业才发现，光靠大规模的数字化建 设而没有精细化的内部运营管理做支撑，无法 持续响应业务迭代发展的要求，大刀阔斧的数 字化变革也就很难带来理想的价值产出。 这是勤达睿（Kyndryl）在三十多年的实战

面向云上业务的规范、流程、度量指标的建设是政 企客户的迫切诉求。 3.1.1 运维规范 表3.1 故障等级定义 故障等级 定义 1 出现严重故障，对客户网络和业务运营造成严重影响。涵盖最终用户在使用过程中发现的所有服务中断或网络 功能损坏类事件 2 对业务运营造成显著影响。故障有可能导致业务中断。产品部分操作不可用，但是仍能使用，对用户相关的领 域没有影响，或影响可以设法规避 3 对业务运营造成有限 事件申请单 问题管理流程 变更管理流程 更新的事件 记录知识库 事件解决方案 2 1、服务台接收事件信息进行记录，包括事件时间、位置、影响等关键事件信 息；事件来源包括服务请求监控告警、主动运维发现故障等。 2、根据事件等级定义，对发生事件进行分级确认：一般事件进行事件分派操 作，重大事件进行重大事件处理流程处理； 3、根据业务类型进行事件分类，根据事件类型进行事件派单，不同的事件类型 评审记录 是否通过 漏洞管理：漏洞管理主要是通过漏洞发现、漏洞处置和结果验证三个活动，在不影响业务的情况下，尽可能 快速地修复漏洞。 版本演进：通过定期版本升级演进，解决云平台版本问题，整改风险，并及时获得云服务新特性。 主动运维线 深度巡检：在运维流程设计时应制定完善的风险防控机制，对云平台日常维护期内各云服务关键配置、健康 度进行巡检，发现潜在风险，减少异常情况对业务带来负面影响。 16

过程监控：利用天仪能力自动化监控项目过程数据，发现项目进度和质量风 险，并随时预警。 需求维度甘特图-早会-关注项目进度 人员维度甘特图-晚会-关注每人每天进度 www.top100summit.com 工时燃尽图-预测项目健康度趋势 11月2日发现剩余工时开始出现提升的趋势，经过核实时存在有变更任务存在，导致工时增加，因此重新评估任务计划。 11月4日调整完毕后发现剩余工时超过了基准线（日序时）， com 缺陷趋势图-关注缺陷修复速度 创建速度（红线斜度）明显高于修复速度（蓝线斜度）,说明目前修复速度缓慢。 蓝线修复bug数连续几周变化比较小，结合缺陷中投入工时，说明在缺陷投入时间较少。核实发现原因是优先保证开发进度导致，后续需要进 行集中BUG处理，提升修复速度。 www.top100summit.com 当前整体进度 承保 534个，解决情况较好，能保持和测试 提问题速度一致。

例如，通过数据清洗、数据标注等技术，可去除数据中的噪声 和错误，提高数据准确性和可靠性。 二是提升数据资源流通效率。数据要素“无流通、不价值”， 流通是数据要素价值实现的关键。可信数据空间采用数据标识、 语义发现、元数据智能识别、数据跨域管理、数据互操作等技 术，增强数据跨领域、跨层级、跨平台的流动性和交互性，不 仅能够提升数据资源的流通效率，还能促进数据的共享和协同 创新。例如，通过数据标识和元数据智能识别技术，可以快速 规范的范围，并公开合规要求和监管规则。 19 四、技术框架 （一）能力要求 根据可信数据空间的主要特征和功能定位，应该具备用户 和数据的可信管控能力、数据资源发现流通交互能力，以及多 主体协同开发价值共创能力。 1．可信管控能力 一是接入认证。可信数据空间应构建接入认证体系，提供 用户注册、身份审核和身份认证服务，开展数据资源、数据产 品、数据 （1）数据标识能力：为数据资源分配唯一标识符，实现快 速准确的数据检索和定位，实现数据全生命周期的可追溯性和 可访问性。推动可信数据空间参与各方通过数据资源智能封装、 元数据智能识别、语义发现、数据资源目录、全域标识解析等 技术能力，实现数据产品和服务的统一发布、高效查询、跨主 体互认。 28 ⚫ 数据智能封装技术：将原始数据利用动态元数据封装、 质量证明嵌入、安全可信容器等技术手段，转化为可信、