请务必阅读正文之后的免责条款部分 证券研究报告 DeepSeek-R1 加速 AI 进程，看好 AI 应用端潜力释放 2025 年 02 月 10 日 评级 领先大市 评级变动： 维持 行 业涨跌幅比较 % 1M 3M 12M 电子 9.54 年春节期间，中国移动、中国电信、中国联通三家基 础电信企业均全面接入 DeepSeek 开源大模型，实现在多场景、多产品 中应用，针对热门的 DeepSeek-R1 模型提供专属算力方案和配套环境， 助力国产大模型性能释放。  投资建议：我们维持电子行业“领先大市”评级。1）推理侧发展有望 -6% 14% 34% 54% 74% 2024/02 2024/05 2024/08 2024/11 电子 本与门槛，随着 DeepSeek-R1 等高性能 AI 模型的广泛应用，AIPC、 AI 手机、AI 眼镜、AI 玩具等端侧设备迎来因 AI 渗透加速带来的产业 链发展机会，看好端侧 AI 潜力释放，建议关注水晶光电、立讯精密、 歌尔股份等。3）零组件有望受益于端侧 AI 发展。端侧 AI 有望提高 对芯片、通讯模组等的要求，并丰富使用场景，推动量价齐升。建议 关注通信模组、SoC、能源管理、传感器等环节，例如广和通、移远

图 ● 4-7 东数西算-调度结果实施与数据迁移-数据调度 ④ 网络资源释放 在数据迁移传输完成后，系统立即执行网络通道资源释放流程， 确保网络带宽资源池的实时更新，避免因资源滞留导致的网络拥堵或 二次任务调度冲突，从而保障全链路传输资源的循环利用效率。 图 4-8 东数西算-调度结果实施与数据迁移-网络资源释放 步骤五：数据处理 28 在完成数据迁移后，数据处理应用开始对西部数据中心的待处理 东数西算-数据处理 步骤六：应用删除与数据清理 任务型应用在运行结束后，及时进行应用的删除工作。对于数据 清理，这是一项具有灵活性的操作。在实际执行中，清理应用生成的 临时数据为必选动作，以此释放存储空间，提升系统运行效率。而针 对应用所消费的数据，是否清理则为可选行为。若后续业务流程不再 需要该部分数据，或出于数据隐私、存储成本等方面考虑，可选择清 理相关数据集；若该数据仍具有潜在价值，如可能在未来相似任务中 保数据的完整性和准确性。 ● 图 4-14 数据快递-调度执行-数据调度 ③ 网络资源释放 在数据快递任务传输完成后，系统立即执行网络通道资源释放流 程，确保网络带宽资源池的实时更新，避免因资源滞留导致的网络拥 堵或二次任务调度冲突，从而保障全链路传输资源的循环利用效率。 35 图 4-15 数据快递-调度执行-网络资源释放 4.3 东数西存场景 4.3.1 场景描述 众多行业客户在日常运营中持续产生海量数据，随着时间的不断

组网能力突破了单机扩展的硬件限制，为大规模算力聚合提供架构支撑；高可靠的运行特性化解了 网络、计算、存储等子系统的故障风险，保障集群作业的连续性；多场景的适配能力则能通过精细 化资源调度等机制，满足不同业务需求，最大化释放算力价值。 本文系统性地提出并论证了 “超节点将成为 AI 时代的核心计算单元” 这一重要观点，清晰地呈 现了超节点的基础定义与特征，包括技术层面的基础特征和扩展特征，以及系统层面的大规模、高 需考虑器件、网络、系统等层面的可靠特性，以化解系统故障风险。在此基础上，针对单用户专属、 多任务并行等差异化场景，超节点还需通过精细化资源调度、性能隔离与数据安全机制实现全场景 适配，在满足复杂业务需求的同时最大化释放算力价值。 4.2 系统特征 图 4.1 超节点集群组网架构（以昇腾 384 超节点为例） 为了更好地发挥超节点能力，超节点系统应具备以下特征： 超节点发展报告 17 Scale Up 组 与哈希不均导致的网络拥塞问题，超节点可通过包级负载均衡、乱序控制等技术动态平衡流量以提 升域内带宽利用率，有效规避阻塞，充分释放通信性能潜力，为大规模并行计算提供高效算力聚合 支撑。 伴随强化学习及 AI Agent 等训练技术的发展，训推一体的集群规模和节点间的流量持续提升， 需要更大规模的超节点，消除卡间的通信瓶颈，并释放算力。 Scale Out 组网：实现集群化扩展，突破单节点算力限制。 面临万亿参数规模的超大型模型训练需求，超节点可通过叠加

措，推动经济成果落地。 2. 数据生成与数据应用双螺旋驱动价值增长 ：数 据生成与数据应用相互交织，形成“双螺旋” 结构，助力人工智能驱动增长。 3. 利用数据传输基础架构，释放算力潜能 ：解决 结构性挑战，实现数据流无缝传输，释放数据 计算基础设施潜力。 4. 移动产业规模增长 ：预计 2025 年至 2030 年间， 移动经济的复合年均增长率将达 9%。2030 年， 以 5G/5G-A 用能够将海量数据转化为实际的生产力和商业创 新，推动社会经济的转型升级。与之同等重要的 是，我们需要重视和培育高质量、多样化的数据。 只有当数据生成与数据应用之间形成双向赋能的通 道，实现良性互动与正向循环，才能真正释放数字 经济的全部潜力，为经济社会的高质量发展注入强 劲动力。 数字基础设施更完善，经济发展水平更高的国家，数 据生成与应用之间的差距更小 ：随着国家经济水平 的提升与数智基础设施的日益完善，数据生成与数 这揭示了高收入国家面临的一个关键制约因素 ：尽 管数据应用与数据生成呈协同发展趋势，但未来的 规模化应用将高度依赖数据处理和存储能力的提 升。如果没有持续对这些底层能力进行投资，将会 严重限制释放下一波数据驱动创新的能力。 35 全球数智化指数（GDII）2025 双螺旋结构的两极分化阶段 在数据生成与数据应用方面，与高收入国家呈现协 同发展的情况不同，中高收入国家之间的差异最为 明显（见图

( 传统投顾仅少部分精力用于客户沟通与服务 ); 服务普惠性难题 ( 人工成本 高昂而人效有限使传统投顾更聚焦高净值客户市场 ) TAMP 的本质是通过技术重构生产关系——将投顾从重复劳动中释放 ，转而聚焦于客户关系维护与信任构建。 图表 9: 顾问在使用 TAMP 平台前后的时间分配情况 图表 10: 投顾使用 TAMP 主要是为了有更多时间服务客户 拥有更多时间满足客户需求 现 7×24 小时不间断服务，客户回访时， AI 能依据预设话术与客户高效沟通，记录关 键信 息并进行初步分析。 l 中期 : 助力前中后台协同，释放人员生产力 • 中期视角， AI 对前中后台业务协同发挥关键赋能作用，全方位释放前中后台人员的生产力。 例如通过智能风控、内容生成等工具，提升中后台运营效率 ; 部 署大模型能够快速读取和初步分析数据，使客户经理等前台人员从繁 Deepseek 赋能保险科技场景的优先级逻辑与实施建议 : 短期聚焦核心价值链 : 优先落地核保、理赔、营销场景 ，直接提升业务效率与客户体验 ; 中期深化运营优化 : 通过 RPA 、智能客服释放中后台产能 ，支持规模化扩张 ; 长期构建生态壁垒 : 布局风险预防体系、数据共享带来跨界产品从而形成差异化竞争力 图表 38: 长期来看保险公司应将 AI 技术与其业务生态进行深度整合，实现数据闭环构建与技术

双组分控释：沙库巴曲 (Sacubitril, 前药 ) 需快速释放以转化为活性代谢物 (LBQ657), 而缬沙 坦 (Valsartan) 需缓释以维持长效作用，需解决两种成分释放动力学的兼容性。 o 制剂工艺：采用多层包衣、微丸压片或渗透泵技术 ( 如 OROSR) 实现差异化释放。 ● 临床阶段： o 临床前研究：已完成体外释放度、稳定性及动物药代动力学 (PK) 验证 (2021-2022 的苯并含氨杂环类衍生物化合物，作为口服小分子 GLP-1 受体激动剂，通过其 制备 方法和应用，实现对 GLP-1 受体的激活，模拟多肽类药物的生理作用。 本 技 术 达 到 的 有 益 效 果 ○ Al 释放创新潜力 1 研发情报 》 技术方案 》 新材料 》 技术保护 竞争格局 Beta 一健查找主要玩家、初创公司，潜在台作 业竞争态势 ! 回 技 术 探 查 关闭侧栏 命 首 页 Q 技术问答 同 技 术 监 控 工作空间 最近的工作 Al 技 术 摘 要 θ 【翻译】标题： 一种苯并含氮杂环类衍生物调节剂、其制备方法和应用 O Al 释放 Eureka 的创新潜 力 物质列表 智慧芽 智能附图 物 质 30 抱歉 https:// chemical.zhihuiya.com 药物相关

目 ，传统的手动编码方式已难以满足高效开发的需求 • 提升效率与质量：手动编写代码容易出现拼写错误、逻辑错误等问题 ，影响项目 的质量和交付时间。 自动化工具可以释放开发人员的时间和精力 ，让他们专注于 更具创造性和战略性的任务 项目背景 24 AI 保宝—智能 BI （七） 智能 BI ： 用户可通过文字输入、 语音输入的形式进行经营指标的提问 时延和功耗的问题；信任闭 环 方面 ，仍存在幻觉、 隐私和伦理的问题。 “ 三个打破” 旨在消除数据、服务和设备之间的孤岛效应。打破数据孤岛 ，要在确保数据隐私 安全的前提下 ，实现数据共享训练 ，释放数据的潜在价值。打破服务孤岛 ，需建立开放的 API 机制 ，促进服务生态的整合与协同。打破设备孤岛 ，则要构建开放的通信协议 ，实现设 备的互 联互通 ，让 AI 在多元设备间自由流动。 “ AGI 之路要经历多个阶段 ， 目前正处于从“思考” 向 “ 行动”跨越阶段。 当务之急是要“让 AI 能解决问题” ， 只 有让 AI 落地生根 ，让用户日常使用起来 ，才能真正释放 AI 的潜力。 • AI 围绕“落地”正在发生三个结构性转变 ：竞争焦点将从 “ 模型能力”转为“落地能力” ，价值定位从“工具效率” 转为“结 果闭环” ，产品形态

Salvatore Lombardo 表示：“Coupa 正在利用多 智能体 AI 功能动态、自主地匹配买家和供应商的需求，从而改变全球贸易。” “Agentic AI 将重新定义我们的用户体验，释放洞察力并带来令人惊叹的客户 成果。” 2 Blue Yonder（美国） Blue Yonder 刚刚推出了五个人工智能代理作为其新认知解决方案的一部分，具 体如下：  库存操作代理  处于代理 AI 进步的前沿，将其嵌入整个采购到付款生命周期并彻底改 变采购团队的运作方式。 Zycus 创始人兼首席执行官 Aatish Dedhia 称代理 AI 是“改变游戏规则的因素，将采购转变为释放真正价值的战略推动因素”。 从构建最早的人工智能驱动的采购解决方案之一到创建完全集成的 Merlin agentic 人工智能 S2P 套件，Zycus 的历程始终保持领先地位并满足客户的动 态需求。 德勤（英国） Zora AI 是德勤的数字化劳动力，基于 NVIDIA 的 AI 构建。 借助不断增长的专 业人工智能代理组合，它可以帮助组织简化企业运营、提高生产力和效率，并 推动更自信的决策，从而释放商业价值。 这些代理通过广泛的领域特定智能、灵活的技术架构和内置透明度来增强人力 资源，以自主执行和分析复杂的业务流程。 2.2.2 自主数据收集（Autonomous Data Collection）

网络中的相邻节点 之间会保持一定数量的纠缠信道资源可供使用。当经典帧从上游节点 到达下游节点时，控制单元会根据一定的调度算法分配一条纠缠信道 给该帧（只考虑一条纠缠信道情况）。在该量子比特没有释放前，不 允许将该信道及其量子比特用于其他用途。当多个经典帧从同一个上 游节点到达同一个下游节点时，会有相应的排队机制给帧分配纠缠信 道。比如按照时间先后顺序来排队，可以简单分为四种情况。第一种 上的纠 缠信道。未分到的帧则需要等待新的纠缠信道的产生。第四种是图 21（a）中的（IV），所有量子比特都有纠缠信道，到达的经典帧数量 多于比特数量。没有被分配到的帧需要等待被占据的量子比特被释放， 然后新的空闲纠缠信道产生以后才可以被分配。 第二种场景为图 21（b）中经典帧导向的纠缠产生，即帧被分配 到量子比特后，控制单元启动纠缠产生程序来建立纠缠信道。相比无 导向方案，这里纠缠 中的（III），所有量子比特均为空闲状态，到达的帧数量多于比特数。 此时按照时间顺序分配完量子比特，未被分配到的帧则需要等待再次 释放的量子比特对。第四种为图 21（b）中的（IV），有部分量子比 特被占用，到达的帧数量多于空闲比特数。此时帧只能从空闲量子比 特中分配，未被分配到帧需要等待新的被释放的量子比特。 49 3.2.2 纠缠交换和信道延长 当经典帧被分配纠缠信道以后，就需要进一步延长纠缠信道到更

智能体开发是为员工赋能，让每位员工插上智能的 翅膀。当前，智能体已成为全球领先企业的战略重点， 包括世界一流的 IT 企业。其核心优势在于开发成本低、 技术门槛低、应用效率高——经过持续的数据训练和算 法优化，智能体将释放巨大的商业价值。对银行业而言 更是一次脱胎换骨的数字化转型机遇，能够构建起具有 高度竞争力的护城河。最直观的效益是解放生产力：传 统需要耗费大量时间撰写的各类研究报告和分析文档， 现在通过智能体只需几分钟即可生成多篇，这不仅大幅 变革，又是发展战略与业务模式的重构过程。正如党的 二十届三中全会强调，“健全促进数字经济和实体经济 深度融合制度”、“加快构建促进数字经济发展体制机 制”，既要通过技术赋能提升效率，更要通过业务模式 创新释放新质生产力。作为数字化转型实践者和金融科 技从业者，我们要进一步理顺数字化转型中涉及的核心 要素和关键关系，解决好面临的共性和核心问题，螺旋 式推进数字化转型行稳致远，不断推动金融高质量可持 50% 以上，释放合规人力资源，提升风险防控的及时 性与准确性。 积极与生态伙伴合作，借鉴大型银行经验，加速技 术消化吸收与本地化适配，降低创新风险。 “AI+Python”自动化处理高频报表，数据处理速 度提升 50% 以上。 对公业务管理系统嵌入智能助手，实时响应客户经 理政策、产品、流程咨询，服务响应进入“秒级”时代。 反洗钱报告自动化成效显著（耗时减半），释放人 力资源，投入更高价值分析。