述 金融机构数智化转型解决方案选登 中信建投证券：基于 AI 大模型的多智能体技术在投顾领域的应用案例 财信人寿：意健险智控平台——基于行业大数据的反欺诈与降损决策系统 潍坊银行：洞悉脉络·精准溯源——信息系统血缘关系管理平台 大家保险集团：消保管理数字化平台 数智领航，金融技术架构的革新与飞跃——基础设施优秀案例奖概述 构筑金融安全防线：数智时代的创新实践——信息安全优秀案例奖概述 能源消耗和设备空间，逐步培育一批有价值、可落地的 金融应用场景”。2024 年 11 月，人民银行等七部门联 合印发《推动数字金融高质量发展行动方案》也强调“探 索运用边缘计算和量子技术突破现有算力瓶颈，为金融 数字化转型提供精准高效的算力支持”。在此背景下， 以商业银行为代表的金融机构纷纷将“量子科技”引入 “金融科技”，“量子金融科技”应运而生。 格夫提出了一种新方案，将 Shor 算法的周期函数问题 从一维推广到多维形式，该算法通过减少所需步骤的数 营机构，甚至细化到一个小组层面的智能体。这些智能 体能够高效地完成一系列具有共性的工作任务，从而显 著提升工作效率和协同能力。通过这种针对性的开发， 不仅能够满足不同层级和单位的特定需求，还能确保各 项共性工作得以精准、高效地执行，为组织的整体运营 提供强有力的智能化支持。 每个智能体在发展和应用过程中，必须严格遵循一 套系统化的策略，即首先实现标准化，确保各项操作和 流程符合统一规范；其次推进自动化，通过技术手段减

力。真正的突破或将源于一种使数据 空间和物理空间深度融合的超越现有范式的新架构，这个新架构应能够将数理原理或知识内嵌到数 据空间中，使其能完整准确认知数据系统中的复杂性，这是我们研究和经常讲到的精准智能或 SCI for AI。这是一个复杂系统自组织、自适应、不断逼近真理的过程，其数学基础与实现路径是未来 十年我们面临的核心科学挑战。 《智能世界 2035》所描绘的十大技术趋势，并非孤立的技术罗列，而是构成了一个相互依存、 这将对我们的星球产生深远积极的影响。以道德框架为指导、以清洁能源为动力的智能体将在 农业、物流和电网中发挥积极作用，优化资源配置并大幅减少浪费和碳排放。在 AI 增强传感器和无 人机的支持下，精准农业不仅能提高产量，还能在保护生物多样性方面发挥作用。智能电网将通过 实时分析系统的安排，实现可再生能源发电与需求的平衡，开启零碳城市生态系统的时代。此外， 基于 AI 的气候建模将提供前所未有 制造：设计即制造，制造即智能，制造即服务 金融：AI 重构金融生产力，打开智慧金融服务新纪元 电力：新能源主导电源格局，成为主力力量，推动电力系统革命性重构 物流：AI 驱动全球物流供应链实现智慧化赋能与高品质精准交付 矿业：“智探矿脉，office mining”重塑矿区生产 城市：AI 让城市焕发自进化的生命力 37 47 53 57 59 61 67 71 81 87 93 35

Arterys、PathAI、 Proscia、鹰瞳科技、万 东医疗 B2C临床管理 • 定义：B2C临床管理主 要是AI赋能临床决策支 持，辅助疾病诊断、个 性化用药等 • 商业模式分类：AI精准 用药、基因测序、AI影 像识别、疾病模型判断 • 代表性公司：Tempus AI、Grail、华大基因、 华大智造 B端自我管理 • 定义：B端自我管理主 要是定位于医院端利用 AI技术提高内部运营管 平均订单价值AOV（美元，右轴） 3 B2C远程管理 总结 与上一轮Open AI相比，DeepSeek在远程医疗诊断与治疗带来的新影响： ➢ 多模态数据整合与精准诊疗：通过融合基因组学数据、医学影像及电子病历等多维度信息， 实现了更精准的疾 病预测和个性化治疗方案生成。 ➢ 可视化推理过程：传统的AI模型训练过程如同一个黑匣子，输入数据后直接输出结论，缺乏透明度。DS通过可视化推理过 程， 推动该领域发展 资料来源：国联民生证券研究所整理 AI远程医疗治疗与诊断常见商业模式 ◥核心技术服务模式：通过向医疗机构提供AI技术支持,提升诊疗效率和精准度,按需收费或订阅制盈利。 ◥数据驱动服务模式：利用医疗大数据资源,提供精准化决策支持,面向药企、保险等B端客户变现。 ◥平台化运营模式：搭建开放式平台连接多方资源,通过流量或服务分佣盈利。 ◥智能硬件产品模式：通过销售或租赁搭载AI的智能设备

至 边缘、核心云或两者协同，例如“云-边-端”分层推理。 分布式算力感知与调度的核心在于“感知”与“调度”两个相互 依存、紧密结合的环节。“感知”是基础和前提，它指的是系统具备 全面、实时、精准地获取分布式网络中各个计算节点资源状态的能力。 具体而言，感知过程涵盖多维度：首先，系统需自动发现并注册新计 算节点，识别其 CPU、GPU、FPGA 等类型，以及内存、存储容量等基 础属性。 到结果返回的最佳路径。 分布式算力感知与调度具有如下几个显著的特征：  异构性：算力节点的硬件类型、操作系统、网络协议存在显 著差异，系统必须能够充分识别并利用这种异构性，将不同 类型的计算任务精准匹配到最适合的硬件上执行，从而实现 4 整体计算效能的最大化。感知系统需通过统一的“算力单位” 实现异构资源的归一化描述；调度系统则需针对不同类型任 务设计适应性的分配策略。  动态性： 新药研发、宇宙模拟等，分布式调度能汇聚全球顶级计算资源，为复 杂科学问题求解提供前所未有的算力规模与效率。对于人工智能产业， 尤其是大模型的训练与推理，异构算力调度可将计算任务精细化拆解， 精准匹配到最高效的处理单元，最大化计算效率，加速 AI 在各行业 的研发与应用。在工业互联网、智慧城市、自动驾驶等实体经济领域， 实时感知能力与低延迟调度决策是支撑高级应用落地的关键。而开放 共享

标志着AI医疗迈入技术融合与行业重构的新阶段。DeepSeek通过 强化学习技术与混合专家架构（MoE），在极低标注数据需求下实现推理能力跃升，其复杂任务处理与中文语料优化的特性，为医疗场景提 供了精准、低成本且本土化的解决方案。这一技术突破不仅推动了算法与行业工作流的深度结合，更吸引了恒瑞医药、医渡科技、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 望缓解我国病理 医生短缺困境，提升诊断效率与准确性。从技术融合视角看：DeepSeek的多模型协同能力正成为行业新范式。例如，医渡科技将其整合至 “AI医疗大脑”YiduCore，实现疾病洞察报告的精准生成；智云健康则通过DeepSeek-R1优化慢病管理的数字化流程；而恒瑞医药更将模 型应用纳入内部考核体系，推动AI渗透至研发、生产与管理的全环节。这种“模型即服务”的生态闭环，不仅重构了医疗工作流，更催生了 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：晶泰科技、丽珠集团、药明康德、信立泰、成都先导、川宁生物、药石科技、健康元、美迪西、东阳光 长江药业

效评估、智能技术赋能和生态构建成为必答题，数字化转型将真正成为制 造业高质量发展的核心引擎，助力我国从制造大国向制造强国稳步迈进。 一、对2026年形势的基本判断 （一）场景驱动精准深化：从“大水漫灌”到“精准滴灌” 2025年，我国制造业数字化转型工作不再追求全面铺开，而是聚 焦于能直接满足业务需求、创造显著价值的特定场景。工信部印发《场 032 中国工业和信息化 发展形势展望系列 转型门槛。 展望2026年，制造业数字化转型将进一步向纵深发展，更加注重 基于行业特性与企业实际痛点的场景挖掘与培育。行业知识图谱与转型 路径图谱将深度融合，推动形成“一业一策”“一企一策”的精准赋能 机制。未来将重点围绕智能制造、工业智能、服务型制造等核心应用场 景，系统构建场景化解决方案库与评估体系，实现从单点突破到体系化 推进的升级，推动制造业迈向更智能、更高效的新发展阶段。 033 空间、数据交易所等为工业数据共享提供流通渠道，将涌现出更多标准 化、模块化的封装工业数据产品，数据资产相关的金融创新工作起步探 索。在数据驱动决策层面，多维数据融合分析成熟，时空与语义上下文 理解驱动决策精准化，工业数据将赋能产品设计、生产工艺优化、设备 运维全流程，推动虚拟调试、实时优化、预测维护智能化。 （四）人工智能加速赋能：从实验场景到规模化落地 2025年，人工智能在制造业研发设计、中试验证、生产制造、营销

将具备超越人类的智能水平，能够进行创新和自我意识的决策。 在工业领域，机器人的规模化应用正在从中度智能向高度智能过 渡。随着深度学习算法的优化以及多模态感知技术的融合，工业机器 人将具备更强大的感知、认知和决策能力，能够更加精准地识别复杂 环境中的物体、声音和图像，理解人类的语言和意图。同时，工业机 器人将具备更强的自主学习能力，能够根据环境变化和任务需求进行 自我调整和优化。从模型架构来看，结构相对简单、参数较少的机器 。一是 操作学习类，通过学习数据、并在虚拟环境中开展训练，机器人可以 7 实现传统机器人无法实现的焊接、喷涂和装配等操作，如喷涂机器人 通过学习大量的喷涂数据和工件表面特征，实现对复杂工件的精准轨 迹规划；焊接机器人能够根据焊接过程中遇到的不同情况进行自我调 整，以达到最佳的焊接效果；装配机器人利用强化学习算法，在装配 过程中自主学习轴孔装配技能，通过在线辨识控制器的最优参数，提 机器人在整车领域的新突破。 “移动机器人+协同优化模型”在汽车行业仓储物流环节应用广 泛，占比约 23%。汽车总装车间生产节奏快，零部件种类繁多，精细 化操作要求高。为保障生产连续性，对物流配送的高效性与精准性要 16 求极高，零部件需按时、按量、准确送达工位，任何延误或错误都可 能造成生产线停滞，影响整体生产进度，对机器人的需求较大。如海 康机器人在长安汽车工厂中投入了 400 余台各类机器人，包括潜伏

.............. 20 第 4 章 面向工程审计行业的 DEEPSEEK 提示词工程...................................24 4.1 APE 模型：精准定位工程审计任务 .......................................................................................... ................... 27 4.6 ROSES 模型：角色定位精准审计 ............................................................................................... 28 4.7 RTF 模型：精准输出格式控制 .................................. 图 2-6 文本生成的部分结果： 6 图 2-6 文本生成的部分结果 2.2.3 数据分析 在工程审计领域，数据分析是发现问题和提供建议的关键环节。高效的数 据 处理工具能够帮助审计人员更精准地完成工作。 工程审计数据处理方面，DeepSeek 能够处理各类工程项目数据，包括预算 表格、结算报表、工程进度文件等。它可以进行数据清洗， 识别并剔除异常工程 量数据、纠正错误的计价信息；

POP 灵活架构以及城域 Spine-Leaf 的 Full-Mesh 组网优势，实现了云边/边边高效协同和算网快速对接。面 向算力业务的长期演进，中国电信通过引入算力灵活调度、算力无损 传输、精准流级调度、网络智能运维等能力，打造以算力为中心、算 网一体的城域网新业态——算力城域网2。当前，中国电信在上海、 浙江、广东等地围绕海量数据弹性高效入算、存算分离百公里拉远训 练、百公里分布式 提出了更高的要求，以确保用户体验推理业务的流畅。 为了满足推理下发对低时延、高带宽及确定性的需求，网络需要 实现泛在覆盖与便捷接入，确保用户能够享受一致的服务体验。同时， 网络还需具备确定性服务能力，能够精准识别并优化数据传输路径， 算力城域网白皮书（2025 版） 12 提高数据传输的确定性和可靠性，从而满足用户的实时交互需求。 综上，推理场景对算力城域网的需求是：泛在接入各种算力用户， 满 域内异构算力的整合和协同调度，支撑算力分布式训练或推理场景。 构建用户到 AIDC 以及 AIDC 之间的高吞吐、无损互联网络是算 力城域网解决方案的设计重点。算力城域网通过引入弹性带宽、高吞 吐调度、高收敛比组网、广域无损、精准流控、智能运维等网络技术 和能力，实现用户到 AIDC 入算业务以及 AIDC 之间联算业务的高效 承载。同时,算力城域网提供租户级网络切片等软/硬隔离技术，为用 户提供安全隔离、确定性保障、高可靠的入算新服务。

将使药物开发成本降低 4 倍，并将研发投入的回报提高 5 倍；AI 将使 癌症筛查的效率提高 20 倍，并且将市场规模扩大 10 倍；AI 药物的商业价值将比标准 药物高 20 倍，比同类最佳的精准药物高 2.4 倍，“从长远来看，医疗保健将成为 AI 最 为深远的应用领域。” 世界经济论坛发布的《人工智能驱动健康的未来：引领潮流》报 告认为，人工智能是医疗保健的主要变革力量，预计 2024 实现 了国内病理人工智能领域从“单模专病”到“一模多病”的突破。 2025 年 2 月 18 日，瑞金病理大模型 RuiPath 暨华为 DCS AI 解决方案在 2025 医疗 人工智能与精准诊疗发展论坛上正式发布，过去一张组织切片的显微镜下诊断需要耗时 5 至 10 分钟，现在单切片 AI 计算时间仅为秒级，一名医生 40 分钟的阅片时间和在显 微镜下逐个切片诊断的工作流转变为人机互动审核的 数据来源：论文《大型语言模型在医学推理任务中的超人表现》，东吴证券研究所 AI+基因检测：AI 可以快速准确地读取 DNA 序列，甚至能够识别出传统方法难以 检测的基因变异，为疾病诊断和个性化治疗提供更精准的依据。借助 AI，对人类基因组 的计算时间已经从 2001 年的 180 天缩短到现在的 10 分钟，当时分析单个基因组所花费 的成本如今可以分析 14 亿个基因组。 2024 年 9 月，华大基因