2.1.4 预期传播 ........................................................................... 15 2.1.5 预期稳定 ........................................................................... 15 2.1.6 预期释放 ...... .........................37 4.1 预期传播主动性强，市场反馈偏弱 ..................................... 37 4.2 预期稳定保持了相对优势........................................................ 39 4.3 预期释放回报性增强，价值分层凸显 ......... 图1 2024 年专精特新上市公司行业分布 数据来源：Chocie，和恒整理 说明：以上行业信息剔除了银行、非银金融以及综合三大行业，下同 面对逆全球化的挑战，它们更成为产业链安全的“稳定器”。近 年来，全球分工体系重构与外部遏制压力加剧，中国制造业对产业链 供应链的“自主可控”需求日益迫切。专精特新企业凭借对细分领域 的深度渗透，承担起“填空白、补短板”的使命——无论是关键设备

首先，构建一个高性能、可扩展的 AI 大模型底座，支持多种 AI 应用场景，如智能客服、供应链优化、市场预测等。通过整合企 业内部数据和外部数据源，训练出适用于企业特定需求的大模型， 确保模型在精度、速度和稳定性方面达到行业领先水平。 其次，实现数据管理的智能化和自动化，提升数据采集、清 洗、标注和存储的效率。通过搭建统一的数据管理平台，确保数据 的质量与一致性，降低数据孤岛现象，为企业决策提供可靠的数据 TensorFlow、PyTorch、Hugging Face 等，保证技术的先进性和 社区支持。同时，架构设计中引入了持续集成和持续交付（CI/CD ）流程，自动化测试和部署，提升开发效率和系统稳定性。 为了进一步优化系统性能，架构设计中引入了模型压缩和加速 技术。例如，通过量化、剪枝和蒸馏等技术，减少模型的计算和存 储开销；结合硬件加速器（如 GPU、TPU）和边缘计算节点，提升 模型的推理速度和响应效率。 大模型底座能够为企业提 供强大的 AI 能力支持，助力其在智能化竞争中脱颖而出。 3.1 整体架构概述 企业数字化转型 AI 大模型底座项目的整体架构采用模块化设 计，确保系统的高扩展性、灵活性和稳定性。架构主要包括数据 层、模型层、服务层和应用层四个核心模块，通过统一的 API 网关 进行集成和管理。数据层负责海量数据的存储与处理，支持结构 化、非结构化和半结构化数据的多源异构整合，采用分布式数据库

金科创新社 金科创新社 金科创新社 金科创新 前言 在数字经济时代，数据作为新型生产要素、算力作为核心生产力，正深刻重塑金融业发展格局。数 据中心作为金融数字基础设施的核心载体，不仅是业务稳定运行的基石，更是驱动创新、赋能转型的重 要引擎。随着金融业务线上化、智能化、场景化程度的不断提升，数据中心的架构设计、运营模式与技 术能力也面临着前所未有的挑战与机遇。 近年来，金融数据中心呈 经过公司上下的仔细研讨，2022 年新数据中心建设项目被提上日程，项目旨在通过引入私有云方案建设新数据 中心，并基于新数据中心及老数据中心构建公司生产业务的灾备系统，实现 IT 基础架构的全面升级，提高系统运行 的安全性和稳定性，满足监管对业务连续性保障的合规要求，为公司数字化转型提供良好的技术平台，促进业务创新、 灵活性、效率和竞争力的提高。 云数据中心通过引入先进的云计算架构构建了强大的基础设施 IaaS 服务能力，兼容传统稳态环境下软硬件资源 金科创新社 金科创新社 金科创新社 金科创新社 金科创新 02 提高 IT 资源利用效率、管理水平、服务保障能力。 信息系统结合业务场景可灵活选择适合的技术架构和资源部署方式，以便更高效、稳定地实现业务目标，实现 IT 统一标准、服务、管理的要求。 基于云数据中心 IaaS 平台上，项目也同时构建了云 PaaS 平台服务能力，包括 Devops、微服务开发框架、应 用运维监控中心、

贷款管理暂行办法》关于风险模型可解释性、数据来源合法性的规 定。通过部署 DeepSeek 的联邦学习模块，在确保客户隐私数据 不出域的前提下，实现跨机构风险特征共享。初期将在消费信贷和 小微企业贷款场景先行试点，待验证模型稳定性后逐步推广至全业 务线。 1.1 银行授信审批风控现状与挑战 当前银行授信审批风控体系主要依赖传统规则引擎与人工审核 相结合的模式，面临效率、精度与适应性三重挑战。在业务实践 中，传 亿元。该平台同时支持风险决策的沙盒测试，允 许风控人员在虚拟环境中评估新策略对不良率、审批通过率等核心 指标的影响，大幅降低试错成本。通过与传统规则引擎的混合部 署，既能保持已有风控逻辑的稳定性，又可渐进式地引入 AI 模型 的预测能力，实现风险防控体系的平滑升级。 1.3 项目目标与预期成果 本项目旨在通过 DeepSeek 平台构建智能化授信审批风控助 手，实现银行信贷业务全流程的风险防控能力升级。核心目标是通 DeepSeek 搭建风控助手的核心目标是构建动态化、智能 化的审批决策支持系统，实现从经验驱动向数据驱动的转型。 需求分析聚焦三个维度：首先，风险识别需要覆盖申请人的信 用评分、资产负债率、现金流稳定性等 20+核心指标，同时整合工 商、司法、税务等外部数据源。某股份制银行案例显示，引入外部 数据可使违约预测准确率提升 12%。其次，流程效率要求将平均 审 批周期从 72 小时压缩至

最后，提升系统的可扩展性和灵活性。DeepSeek 技术能够根 据银行的实际需求进行模块化扩展，支持未来业务规模的扩大和新 业务的快速接入。通过引入微服务架构，系统能够灵活应对不同业 务场景的需求，确保系统的高可用性和稳定性。  自动化核算流程：实现从数据采集到报表生成的全流程自动 化。  智能化分析：利用机器学习算法进行深度数据分析，提供决策 支持。  安全保障：确保数据在传输和存储过程中的安全，自动生成合 能调度和资源管理功能。通过对核算任务的分析，系统能够自动分 配资源，确保高优先级任务能够及时完成，同时避免资源浪费。例 如，系统可以根据任务量的大小和紧急程度，动态调整计算资源和 人力配置。 此外，系统的安全性和稳定性也是不可忽视的需求。金融银行 核算流程涉及大量敏感数据，因此 DeepSeek 的应用方案必须具备 严格的数据加密和访问控制机制，确保数据在传输和存储过程中的 安全性。同时，系统应具备高可用性和容错能力，能够在出现故障 要时进行审计和核查。这不仅有助于内部控制，还能满足外部监管 要求。 在性能方面，DeepSeek 方案需要具备高并发处理能力，能够 在高峰时段快速响应大量核算请求。通过分布式架构和负载均衡技 术，可以确保系统在高负载下依然保持稳定运行，避免因系统性能 瓶颈导致的核算延迟。 最后，为满足不同金融机构的个性化需求，DeepSeek 方案应 支持定制化开发。通过模块化设计和开放的 API 接口，金融机构可 以根据自身业务特

这样有利于引入新模型或算法，不影响系统的整体运行。 此外，为保证系统的稳定性与性能，建议在服务层引入监控系 统，对各模块的性能指标进行跟踪与分析，如响应时间、吞吐量 等，以便及时发现并解决潜在问题。 最后，安全性也是架构设计不可忽视的一环，数据传输需要加 密，用户访问需进行身份验证，确保系统的安全性和用户数据的隐 私保护。通过这些核心设计理念，AI 大模型流水分类系统能够高 效、稳定地运行，满足实际业务需求。 3.1 种机器学习算法。  模型推理层：执行分类模型的实时推理，返回结果供后续处 理。  用户交互层：提供友好的用户界面，让用户方便地进行操作和 获取信息。  监控与管理层：保证系统的安全与稳定运行，对异常进行实时 响应。 通过这种精细化的模块划分和清晰的层次结构，AI 大模型流水 分类系统能够高效响应用户需求，同时便于后续的系统升级与优 化。 3.2 各模块功能描述 在 AI 等）收集相关数据。这部分需要支持多种数据格式的输入，包括但 不限于文本、图像和视频数据。同时，数据采集模块需要具备实时 数据流处理能力，以便在数据产生的瞬间将其抓取并传输至后续模 块。此模块的健壮性和稳定性直接影响到整个系统的数据质量和及 时性。 数据预处理模块的功能是对原始数据进行清洗和转换，以提高 后续模型处理的效率和准确性。主要任务包括数据去重、缺失值处 理、标准化、归一化、分词（针对文本数据）、特征提取等。这一

......................................................................................115 5.2.1 系统稳定性保障................................................................................................ 提升服务的精细化水平。 其次，DeepSeek 可以应用于厨房管理，优化食材采购和库存 管理。通过分析历史销售数据和季节性趋势，模型可以预测未来一 段时间内的食材需求，从而减少浪费并确保供应链的稳定性。此 外，模型还可以实时监控厨房设备的运行状态，预测潜在故障并提 前通知维护，减少停机时间和维修成本。 在客户关系管理方面，DeepSeek 可以通过自然语言处理技术 分析顾客的反馈和评论，自动生成有针对性的改进建议。例如，模 意度和忠诚度。 综上所述，DeepSeek 大模型在客户忠诚度管理中的应用，不 仅能够帮助餐饮企业精准识别客户需求，还能够通过智能化的分析 和管理手段，持续提升客户的忠诚度，最终实现业务的长期稳定增 长。 3. 实施步骤 在实施餐饮服务引入 DeepSeek 大模型应用方案的过程中，首 先需要进行需求分析与场景定义。与餐饮企业管理层、厨师团队、 服务员及客户代表进行深入沟通，明确各角色的痛点和期望，确定

链协同创新。然而，随着企业数字化系统复杂度激增，多源异 构数据、跨平台服务交互等问题导致运维风险攀升，传统监 控手段难以精准定位故障与性能瓶颈。在此背景下，构建端 到端可观测性能力，实现全链路洞察成为制造企业保障系统 稳定性、提升生产效率的必由之路。 可观测性技术为制造业注入新动能。博睿数据凭借一体化智 能可观测平台领先的全栈数据采集与智能分析能力，可真正 实现全栈、全链路、全场景的可观测性，精准定位故障根因、 10 豪鹏科技通过引入博睿数据Bonree ONE智能运维平台，构建了覆盖基础设施、网络性能、业务系统的全景式监控体系，实现从被动运 维到主动预防、从人工干预到智能决策的数字化转型，有效提升系统稳定性与运维效率。 ｜ 让IT运营更智能 Bonree ONE 赋能豪鹏科技 打造智能化 IT 运维体系 11 监控范围不足 此前，豪鹏科技使用开源zabbix、promet 趋势分析，实现基础资源、网络、业务系统的统一监控。 豪鹏科技在信息化建设中持续投入大量核心基础设施，涵盖服务器集群、网络设备、数据库系统、中间件平台 及 K8S 容器云等关键信息 系统，当前保障核心业务持续稳定运行工作仍以传统人工方式为主，缺乏统一的智能化监控体系与自动化处理机制，运维效率与资源利 用率难以进一步提升。 应用场景 1 智能告警与事件管理 通过Bonree ONE AI

智算中心的安 全稳定运行，降低对外部技术的依赖。在资源协同性方面，央国企资 金实力雄厚，行业数据丰富，智算建设过程中，不仅只关注企业自身 盈利能力，同时关注行业发展，会积极整合内外部资源，推动产业链 央国企智算创新实践报告（2025 年） 12 上下游企业的协同发展，提高行业整体算力应用和服务水平。在安全 性方面，央国企在智算中心的建设和运营中，更加注重安全稳定和合 规运营，会 规运营，会严格遵守国家相关法律法规和政策要求，加强网络安全和 数据安全管理，确保智算中心的安全稳定运行。在可持续发展方面， 央国企会更加注重环境保护和节能减排，采用绿色节能的技术和设备， 降低智算中心的能耗和排放。同时，央国企还会关注社会事业服务能 力建设，利用智算中心的技术优势为社会提供优质的公共服务和产品， 推动社会进步和发展。 （四）智算中心建设模式 央国企智算中心建设总体上遵循方式选择、选址布局、建设规划、 适用于对算力有较高定制 化需求、需要长期稳定运 行，且对数据安全有严格 要求的场景，如一些大型 金融机构、科研机构 租赁 根据业务需要，从专 业服务商处租赁智算 资源和服务 优点：控制建设成本，可根 据业务变化灵活调整租赁、 自建资源比例和使用方式， 兼顾灵活性和自主性 缺点：管理复杂性增加，面 临技术整合挑战 适用于业务多元化的大中 型企业，既有相对稳定的核 心智算业务需求，又有弹性

在全球经济格局深度重塑、新一轮科技革命方兴未艾的时代背景下，专精 特新企业的战略地位愈发凸显。它们不仅是市场经济的活力单元，更是承载国 家战略意图、确保经济安全与推动高质量发展的“战略支点”。 （1）产业链的“稳定器”与“强链者”：专精特新企业往往扼守着产业链的关 键节点，掌握着若干“独门绝技”或核心零部件的生产能力。它们的存在，极大地 提升了我国产业链的韧性与自主可控性，是解决关键核心技术“卡脖子”难题、实 术路径 和市场前景存在不确定性，导致金融机构难以准确评估其风险与未来价值。 8 （3）长周期：从技术研发到产品商业化，再到实现规模化盈利，往往需要 漫长的培育周期。这与传统信贷产品追求短期、稳定现金流的逻辑相悖。 为技术创新的先锋力量，专精特新"小巨人"企业展现出强劲的创新动能—— 工信部数据显示，截至2024年，这些企业平均授权发明专利22项，远超同规模 企业；更有347家企业荣膺 贡献了10.9%的利润。 （3）现金流特征：投入期与回报期的错配高额的研发支出导致企业在成长期 可能面临持续的经营性现金流为负或微利状态。资金的大量投入与盈利回报之间 存在显著的时间差，对资金链的稳定性和长期性提出了极高要求。 3.2 融资需求图谱与渠道偏好 基于上述特征，专精特新企业的融资需求呈现出全生命周期、多元化和战略 性的特点。 （1）融资渠道偏好分析：专精特新企业对单一的融资渠道存在天然的警惕，