证券研究报告·行业深度报告·电子 东吴证券研究所 1 / 28 请务必阅读正文之后的免责声明部分 电子行业深度报告 AI 系列深度：AI+降本增效拓宽应用，硬件 端落地场景丰富 2023 年 07 月 12 日 证券分析师 张良卫 执业证书：S0600516070001 021-60199793 zhanglw@dwzq 端应用场景发展潜力逐渐释放。随着技术和应用 的发展，AI 的赋能将深刻改变很多 B 端的生产力及生产效率，其可以 帮助企业提高生产效率、提升客户体验和创造新的商业价值。举例来看， 1、安防行业作为 AI 技术落地应用较为领先的领域，率先受益于 AI 技术的成熟发展：随着 AI 逐步渗透到视频前后端设备中，AI 技术能够 对视频数据进行实时的结构化处理与分析，呈现在人工面前的并不是实 时的大量视频数据，而是经过 发展改革生产力，已具备多领域应用能力 ................................................................... 6 1.3. AI 向实际场景落地，边缘算力重要性加速凸显.................................................................... 7 2. C 端：AI+拓宽应用场景，推动创新需求

老教育场景的结合，总会 产生令人欣喜的化学反应。然而，商业实践的落地是受到现实和周期限制的。从落地逻辑而言，当 前产品基本是原有教学场景和产品的替代，原有技术功能的优化迭代，而少有新场景的迸发；就落 地速度而言，尚不成熟的教育大模型落地，仍需学生思考和辨别能力的加持、以及相对明确统一的 评估标准支撑，各领域、场景、学段落地情况各有差异。 同时需要警惕的是，AIGC技术具有显著的资源密集和 化。具体到教育行业，部分基础工作被替代，社会人力结构和人才需求被重塑。AIGC技术与现代 教育在教学内容、师资配置、交互方式等方面有着巧妙的吻合之处，彰显着技术落地的必要性。 AI技术也由教学辅助发展到自适应学习，推动大规模因材施教逐步落地。这些共同推高了时代对 AIGC+教育的瞩目，体现在资本投融资、各国政策监管、学术研究等多个方面。澳大利亚经历的 观望—禁止—反思—放开的挣扎历程，代表了全 练大模型，二者可 能存在着广义上教育资源的竞争。 AIGC技术在教师、学生、管理者多角色中，在学术科研、备课规划、作业生成和批改、自主学习、 辅助练习、测试评估的多场景中，都发挥着一定效力。从落地速度来看，表现为C端>B端>G端， 成人教育>高等教育>K12>幼教，教师>学生>管理者。具体到细分场景中，师生应用的全流程 闭环服务、兼具高难度与高天花板的AIGC学术科研都是潜在机会方向。从商业模式来看，当前，

梳理：①从不同赛道的竞争重点出发，挖掘 AI 智能化带来的优化和改善空间；②从实际可落地的角度，梳理可率先 形成赛道赋能的方向；③从未来的发展趋势看，化工行业国内外可能出现的格局变化；④落地到具体板块，AI 智能化 能够形成的行业赋能和重点关注的行业机会。 核心逻辑 从大致的路径看，AI 在化工行业应用更多向着拓品、降本两个维度发力。拓品可以通过缩短研发时间，落地工艺设 计、优化工程装置、提升产品差异度等或缩短时间， 或优化结果；而降本可以通过人工替代，精准对接，流程优化， 模拟改造等维度支撑成本改善。 化工行业智能化升级，顺势把握三重机遇。①影响越大的方向，落地速度越快，技术研发的变革或将是主“战场”； ②领军型企业有资金、有要求、有能力、有需求，有望成为 AI 智能化的先期参与者，尤其是大型央国企；③具有较 高的行业敏感度，对接难度相对较小或者改造优势比较明显的意愿型企业也将具有先期优势。 国内外化工行业的软实力差距有望逐步缩窄。经过 最开始获得切入，目 前对选定方向，重复性测试或者方向性改善的领域，AI 智能化将有望直接缩短研究周期，降低投入成本，建议关 注合成生物方向，农药创制药赛道等；  技术研发的优化或将是智能化落地的主“战场”：AI 智能化对接的基础相对较好，投入成本相对可控，产生的长 远影响相对较大。对应的赛道更多是精细化工材料领域，通过 AI 智能化加速研发管线的定制化、高端差异化和 配方产品集合等要

启行业量产元年、2027标杆企业商业化冲刺、2030步入商业化元年。 8 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 Progress(2025) 验证测试阶段 工程试制阶段 小批量产落地 ✓ 产品：研发验证机 ✓ 产线：手工组装线 ✓ 规模：<10台 ✓ 产品：工程试制机 ✓ 产线：小批量试制线 ✓ 规模：数十台 × 设计：SOP设计未冻结 ✓ 产品：商品机 ✓ 产线：量产线 实现突破。 ~10年 ~5年 Pre-03 M2 2025 Proprietary and Confidential All Rights Reserved. 人形机器人将在工业场景优先落地，未来5年，国内新能源汽车制造场景市场空间将破百亿。 10 Source: M2研究 & 分析；全球人形机器人企业专家访谈；取样基于威马、小米、小鹏、比亚迪、奇瑞等汽车品牌生产线环评报告、公开报道等；转载引用内容请标明来源 访谈所得，最新进展持续更新中；转载引用内容请标明来源 已公布 规划中 软件型企业 硬件型企业 全栈型企业 典型企业 企业/产品概况 形态 双足 双足 双足 双足 工业生产 商业服务 场景落地 特种应用 家庭服务 仓储物流 25年量产~2000台 25年~1000台 25年计划量产 商业化交付 量产 商业化交付 双足 25年量产~5000台 双足 25年小批量~百台 双足 双足

MOOC课程学习人数 • 师资培养 • 教学研讨会 • 教学网站访问量 • 在线讲座观看人数 • …… 目录 1. 大模型：人工智能的前沿 2. 大模型产品 3. 大模型的行业应用 4. 企业大模型落地方案 5. 智能体的企业应用 6. 厂商提供的企业级大模型服务 7. 大模型典型应用案例 8. AIGC与企业应用实践 9. 大模型未来发展趋势 厦门大学大数据教学团队作品 1.大模型：人工智能的前沿 数据分析与可视化技术 4. 企业大模型落地方案 4.1 企业大模型如何为企业赋能 4.2 企业大模型的七大落地场景 4.3 企业大模型的部署方式 4.4 为什么需要本地部署大模型 4.5 企业部署大模型规划路线 4.6 企业级应用集成AI大模型的关键步骤 4.7 企业级应用集成大模型的技术架构设计 4.8 大模型应用落地总体“四维认知”框架 4.9 大模型应用落地策略建议 4.10 大模型构建的技术方案选择 企业AI大模型可以帮助企业更好地理解客户需求， 从而提高产品质量。比如，它可以通过自然语言处 理技术来分析客户反馈意见，并针对性地改进产品 设计 提高产品质量 4.2 企业大模型的七大落地场景 来源：网络文章《大模型技术赋能企业：七大落地场景深度解析》 对话助手是大模型技术最基础也是最 广泛的应用形态。基于知识库数据源 和API查询，对话助手能够实时回答 用户问题，提供高效的信息传递。例 如，某一乘用车通过搭建基于AI大模

记忆、推理、规划和执行的 全自动能力的 AI Agent 发展。我们认为端侧智能是大模型发展的重要分支。 建议投资人沿着：1）大模型如何赋能终端，2）终端如何解决大模型普及难 点两条思路，寻找硬件的落地机会。我们看好 1）Apple Intelligence 推动苹 果用户换机，2）交互能力提升推动轻量级 AR 开始普及，3）隐私保护需求 推动办公用 PC AI 化等三大机会。 具备记忆、推理、规划、执行能力的 量级的大模型，在保护隐私的前提下，能够实现会议纪要、文档总结、PPT 智能创作、文生图等企业的基本办公需求，是大模型时代生产力工具的主要 支点。我们认为 2025 年 AI PC 渗透率有望大幅提升。 风险提示：AI 及技术落地不及预期；硬件产品销售不及预期，服务业务用 户增速放缓。本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观 公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 (29) .................................................................... 29 谷歌：闭源模型全球领先，自有业务生态及 AI 潜在落地空间广阔 ............................................................. 30 Meta：Llama 开源模型领先 .........

维平台和运维安全这六大维度进行核心能力的演进设计与持续构建，以不断提高云平台运维管理 水平。 本文将对如上六大核心能力领域的建设路径和方法进行详细阐述，并通过某集团客户的实际建设 案例向读者提供可落地的最佳实践参考，期望对广大混合云用户面向现代化的运维能力提升带来 一些启发和思考。 序 言 P R E A M B L E 对 目 录 C O N T E N T S 混合云现代化运维体系参考架构 混合云现代化运维体系核心能力 09-43 3.1 运维规范与流程设计 3.2 运维组织设计 3.3 运维业务设计 3.4 运维知识库设计 3.5 运维平台设计 3.6 运维安全设计 3 混合云现代化运维体系落地实践 09-43 4.1 建设背景 4.2 运维痛点分析 4.3 运维体系规划设计 4.4 建设成效 4 混合云现代化运维理念概述 04-061 混合云现代化运维理念概述 华为基于 向多云多数据中心的协同管理能力，包括组织、流程、工具、平台等，因此构建面向混合架构的统一运维管理 体系势在必行。 08 根据华为混合云过往几千家客户的运维服务经验， 政企客户在运维体系建设落地过程中，普遍面临如 下几个方面的挑战： 运维流程如何适配：业务运维和平台运维的流程 难以衔接 运维组织如何规划：缺乏运维岗位设置、职责分 工、人员配比等方面的经验 运维能力如何构建：需要什么样的人员，怎样快

来源：高工机器人产业研究所(GGII)《2025年人形机器人产业发展蓝皮书》 来源：高盛《人形机器人专题报告》 世界互联网大会智库合作计划系列成果 3.各国科技巨头加速推进人形机器人落地实践 全球人形机器人产品已经处于产品发布和应用验证阶段，但到商 业落地和大规模量产仍有一段距离。 各国科技巨头已宣布推出多款人形机器人。特斯拉发布“擎天柱” (Optimus)二代的人形机器人。2024年6月，Optimus二代已经被 点解决人机协同问题；中期实现更高效智能的人机协作，但仍附属于人 类操作；远期能够独立完成任务，人类逐渐淡出生产一线，“无人工厂” 成为现实。 1. 典型场景及成效 工业制造场景是率先落地的主要领域，有望成为新型工业化的关键 核心，为工业制造业的智能化升级提供支持。目前，人形机器人已经在 智能巡检、柔性制造、精密装配等方面取得了良好的应用效果。在智能 巡检场景中，借助多机器人协同与分布式智能系统，机器人能够优化任 业应用场景，还需要一定的适配时间，工业制造场景的可靠性要求以及 企业对成本的管控是制约其规模应用的主要问题。人形机器人首先在工 业巡检、上下料、拖拽料车、质检、搬运等结构化程度高且节奏较慢的 场景落地，未来在工厂等实际环境中应用时，持续采集和利用真实场景 数据来优化自身的智能和性能，通过 “数据飞轮” 效应逐步实现工业场 景中对精度和柔性有一定要求的任务。 世界互联网大会智库合作计划系列成果

量子技术加固金融信息安全防线——量子通信在金融领域的应用研究 拥抱智能体，赢得好未来 中小城商行数字化转型实践中的若干思考 从探索到落地：福建海峡银行 AI 大模型的轻量化实践 证券公司数字化转型的系统性规划与实践：从战略设计到落地攻坚 资本市场数字化趋势相关思考：技术跃迁与场景裂变 零信任架构在证券公司数字化转型中的应用实践 证券公司集约化运营的几点思考——数字化浪潮下的服务效能革命 人民银行发布的《金融科技发展规划（2022-2025 年）》 指出要“探索运用量子技术突破现有算力约束、算法瓶 颈，提升金融服务并发处理能力和智能运算效率，节省 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， 内得到广泛应用。另一方面，量子通信有望与区块链、 隐私计算等新兴技术深度融合，赋能金融系统整体数字 化与安全性水平的跃升。 可以预见，随着量子科技战略的持续推进和各类 量子通信应用项目的持续落地，未来我国有望在全球 金融量子通信技术与应用体系中进一步抢占先机、引 领发展。我们应以前瞻视角看待量子科技的发展，加 快推进量子科技与金融业务场景的深度融合，为构建 更加安全、高效、可持续的金融体系提供坚实的技术

& 平台 TI-DataTruth 数据标注平台 TI-ONE 训练平台 TI-Matrix 应用平台 TI-ACC 加速组件 腾讯云 TI 平台，内置多个行业大模型和工具箱，配套标准化流程和落地服务， 支持客户进行行业大模型精调，生成符合需求的定制化模型，并在此 基础上构建智能应用 算力 算力平台（计算集群 CPU/GPU ） 自研星脉高性能计算网络架构 客户专属大模型 客户数据 传媒 - 媒资检索场景大模型 广告 - 文案生成场景大模型 金融 - 客服场景大模型 2 4 模型并非越大越好 现实域 数域 现实域 对落地的业务场景来说，模型并非越大越好，而是需要根据实际业务场景来选择适合的模型 2 5 多场景数据标注 小样本模型训练 零代码应用编排 全方位智能评测 图像干扰 勾选、手写、背景、印章、打印偏移等 发流程可快速复用。 AI 生产全环节覆盖 l 腾讯云 TI 平台 TI-ONE 定位于满足产业 AI 落地全环节需求，因 此 平台中包含从数据接入、数据处理、算法构建、模型训练、模 型评估、模型管理、模型服务的全过程功能，能够消除 AI 模 型 从实验室训练到产业环境落地的全环节问题。 多种数据接入与处理 l 腾讯云 TI 平台支持多种结构化 / 非结构化数据源及数据存储 的