大模型增长挑战芯片算力和内存，无法实现完整端侧部署。大模型训练和推 理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度， GPT-3 训练至少需要 3.2T 内存，至少 44 张 A100，推理任务则主要受显存限 制，需要 4 至 8 张 A100，因此完整的模型无法在终端上离线运行。 优化后大模型可在旗舰机型芯片上运行，AI 落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 8 Gen2 部署 Stable Diffusion，实现本地运营 15 秒出图，证 迁移来自教师模型的监督信息的过程称之为蒸馏。 在子模型场景当中，子模型是完整模型的子集，每个子模型能够独立的训练，学 请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 14 习到某个特定的特征空间的知识。某个设备的数据仅仅占了完整数据集的一部分； 映射到特征空间也仅仅是一个区域；使用这个设备的数据集进行训练仅仅更新了 完整模型的一部分。因此可以将模型的子集提取出来单独训练，最后整合实现高

智能需求分析引擎实时解析客户资产数据，结合外部征信信息 生成 360°画像  动态推荐算法根据实时市场数据调整产品匹配策略，每日更新 利率/风险参数  合规检查器自动拦截不符合监管要求的操作，记录完整审计轨 迹 知识管理模块整合银行内部文档系统，包括： 1. 最新版产品说明书（每日自动同步） 2. 监管政策库（更新延迟<2 小时） 3. 典型服务案例库（累计 10 万+标注样本） 4 性能指标包括：业务差错率<0.05%，系统异常自动恢复率 >99.5%。 风险控制体系构建三层防护机制：实时交易监测（每秒分析 200+风险特征）、客户行为异常检测（基于 300+规则模型）、事 后审计分析（保留完整操作日志）。对疑似欺诈行为自动触发二级 验证流程，误报率需控制在 3%以下。 培训模拟模块包含虚拟沙箱环境，可模拟 200+种客户沟通场 景，智能体通过强化学习持续优化话术策略。每月更新培训案例  费用构成饼状图  风险维度雷达图 所有解释内容均通过 DeepSeek 的合规审核模块校验，确保符 合《金融产品营销管理办法》要求，同时保留完整的解释日志供后 续审计追踪。对比结果输出时自动生成客户版（简化语言）和监管 版（完整披露）双版本。 2.3 账户管理与操作 账户管理与操作是客户经理智能体的核心功能模块，旨在通过 AI 技术实现全流程自动化服务。该模块需与银行核心系统、CRM

平均故障间隔时间（MTBF）≥8000 小时； 3.平均修复时间 MTTR 2 ≤ 小时； 4.可用率≥99%。 （二）安全性指标 1. 系统的设计、应用与数据的要求 设计、应用与数据必须安全、可靠、准确、可信、可用、完整。 2. 系统安全访问功能要求 系统应具有严格的权限管理、身份认证、和访问控制功能。 3. 重要数据保密性功能要求 重要数据资料必须遵守国家有关保密制度的规定。系统应保证 个人的隐私在非授权条件下不受侵犯。 了分层， 优化数据库的性能。 （2）一致性原则 数据库设计中的一致性是指当事务完成时，必须使所有数据都 具有一致的状态。在关系型数据库中，所有的规则必须应用到事务 的修改上，以便维护数据的完整性，因此需要对信息进行系统、统 一的分析与设计，做到“一物一码”、“算法统一”、“度量一致”，保证 系统数据的一致性和有效性。 信息资源数据来源点较多，为信息资源的数据库设计增加了难 度，但 采用同一实体扩充属性描述的方式。 （3）完整性原则 数据库设计中的完整性是指数据的正确性和相容性。要防止合 法用户使用数据库时向数据库加入不合语义的数据，对输入到数据 库中的数据要有审核和约束机制。数据库完整性由各种各样的完整 性的约束来保证，因此可以说数据库完整性设计就是数据库完整性 的约束的设计。合理的数据库完整性设计，能够同时兼顾数据库的 完整性和系统的效能，在应用软件的功能测试中，完善的数据库完

3GPP 全球统一 标准定义的短距离直接通信接口（PC5）完成实时信息交互，用于停车场和网联车辆、 AVP 车辆的实时通信。 C-V2X RSU 可以部署在智慧停车场出入口、停车场内部，提供完整的 PC5 信号覆 盖。RSU 负责向区域内目标车辆发送停车辅助信息包括：本车实时定位，障碍物，异 常事件等车辆状况和停车场状况信息，以及车辆行驶到停车位的路径规划信息，进行 路径指引，辅助网联车辆或自动驾驶车辆完成停车。 车辆，进行自动驾驶引导。 车牌识别：车牌识别是利用采集车辆的动态视频或静态图像进行车牌号码、车牌 颜色的自动模式识别技术。技术的核心包括车牌定位算法、车牌字符分割算法和光学 字符识别算法等。一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等 几部分。当车辆检测部分检测到车辆到达时，触发图像采集单元采集当前的视频图像。 车牌识别单元对图像进行处理，定位出车牌位置，再将车牌中的字符分割出来进行识 3.6 系统安全需求 智慧停车场系统安全包括应用安全、网络安全和数据安全三个方面。 1) 应用安全 在信息系统应用安全方面，要考虑：身份鉴别、访问控制、安全审计、剩余信息 保护、通信完整性、通信保密性、抗抵赖、软件容错、资源控制方面的应用安全问题。 在通信双方建立连接之前，利用密码技术进行会话初始化验证，对通信过程中的 敏感信息字段进行加密，实现全网的可控性、可管理性和可监督性，从而提高应用系

信息化制高点而做出的重要战略决策，是以 XX 省为对象的数字化、 网络化、可视化和智能化的信息集成及应用系统。它将全省各部门、 各行业、各领域的信息通过数字化和计算机处理，最大程度地集成 和利用各类信息源，快速、完整、便捷地提供各种信息服务，最终 实现 XX 省国民经济和社会信息化。 经过多年“数字福建”建设，XX 市初步建成国内领先的信息化基 础设施，提高信息资源开发利用效率，初步实现基于城市大数据的 信息化建设水平和景区公共服务能力，为游客提供无线 WIFI、自助 语音讲解、导游导览等服务，优化游客游览体验，为未来升级 5A 级 景区打下坚实基础。 6.2.2 二期目标 1、完成旅游综合管理平台二期建设，形成完整的智慧旅游管理 体系，全面强化 XX 市 XX 区旅游局旅游投诉处理、执法管理、游客 统计分析、旅游应急处置、涉旅企业诚信管理、涉旅人员管理和协 同办公能力，提升 XX 区旅游局旅游行业综合管理能力。 旅游资源、产品、管理与营销等切实需要 出发，整合旅游行业的发展资源，从旅游产业管理和服务的业务环 节入手，以智慧旅游用户的需求为导向，设计 XX 智慧旅游建设路 线和方案。 XX 市 XX 区“智慧旅游”是一个完整开放的、具有结构化和层次 化又相对独立的有机生态系统。该系统的总体框架是：以 3DGIS 引 擎为基础，以云数据中心、指挥调度中心为支撑，利用互联网、移 动互联网等信息门户，以组织保障、标准规范、运维管理及安全保

，开始参与产品设计环节，但仍以出口导向为主。 第二阶段：高速发展阶段（2001年-2010年代） ·加入WTO的推动：2001年中国加入WTO后，服装出口规模快速扩张，外贸需求拉动产业升级，形成完整的纺织服装产业链。 ·国内市场萌芽：伴随居民收入增长，国内消费市场逐渐起步，但国际品牌仍占据中高端市场主导地位。 1.1.3 中国服饰时尚行业发展历程 图：中国服饰时尚行业发展历程 （资料来源 大数据、AR/VR等技术应用于设计、生产和零售环节，提升产业链效率；智能制造和智能工厂逐步普及。线上渠道（如直播 电商）快速发展，为国货品牌提供弯道超车的机会。 4)成熟供应链与产业基础 纺织业具备原材料优势和完整产业链。尽管劳动力成本上升，但技术升级与自动化缓解了部分压力。 5)品牌国际化与设计能力提升 中国品牌的全球影响力不断扩大，如周大福、波司登等品牌入选全球价值榜单，设计师走向国际舞台，推动“中国设计” 饰时尚品 牌带来了柔性供应、全渠道经营等多重挑战。同时，这对经营提出了更高要求，品牌不仅需要具备有线上线下的分销渠道 和用户触点，还需要在小红书、抖音等平台构建起用户种草-购买-分享-私域运营的完整用户运营链路。同时，通过ID-Map- ping等大数据技术，品牌要识别穿梭于不同场景和平台的同一用户，为用户提供趋于一致的购物体验。 1.3 服饰时尚市场竞争与趋势 图：服装产业链价值分布图

由于受经济状况影响，合作商去库存压力较大。 l 汽车（ Automotive ）领域中，公司涉及自动驾驶、人工智能座舱、电动汽车计算平台和信息娱乐平台解决方案，旗下 DRIVE Hyperion 品 牌为 自动驾驶汽车市场提供完整的端到端解决方案。 FY23 ，汽车领域收入为 9.03 亿美元，同比增长 59.5% ，主要由于针对自动驾驶解决 方案、电动 汽车制造商计算解决方案的销售增长，包括 AI 驾驶舱解决方案及汽车开发协议带来的增长；公司开始生产 不会因接收人收到本报告而视其为客户。未经书面许可，任何机构和个人不得以任何形式使用、复制或传播。任何有关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以我公司向客 户发布的本报告完整版本为准。 本报告基于已公开的资料或信息撰写，但我公司不保证该资料及信息的完整性、准确性。本报告所载的信息、资料、建议及推测仅反映我公司于本报告公开发布当日的判断，在不同时期，我公司 可能撰写并发布与本报告所载

研究院融合传统与新型的研究方法，采用自主研发的算法，结合行业交叉的大数 据，以多元化的调研方法，挖掘定量数据背后的逻辑，分析定性内容背后的观点， 客观和真实地阐述行业的现状，前瞻性地预测行业未来的发展趋势，在研究院的 每一份研究报告中，完整地呈现行业的过去，现在和未来。  研究院密切关注行业发展最新动向，报告内容及数据会随着行业发展、技术革新、 竞争格局变化、政策法规颁布、市场调研深入，保持不断更新与优化。  研究院秉承匠心研 信息而发放，概不构成任何广告或 证券研究报告。在法律许可的情况下，头豹可能会为报告中提及的企业提供或争 取提供投融资或咨询等相关服务。  本报告的部分信息来源于公开资料，头豹对该等信息的准确性、完整性或可靠性 不做任何保证。本报告所载的资料、意见及推测仅反映头豹于发布本报告当日的 判断，过往报告中的描述不应作为日后的表现依据。在不同时期，头豹可发出与 本报告所载资料、意见及推测不一致的报告或文章。头豹均不保证本报告所含信

链 Alpha 挖掘引擎：融合另类数据（卫星图像、供应链物流） ，实时识别产业趋势与标的关联。 机构服务的深度赋能。①投行智能保荐平台： AI 自动生成招股书初稿 ，合规性自检（如关联交易披露完整性） ，动态优化发行定价。例如 ， 中信证券 Bond Copilot 赋能债券承销全流程。②机构定制化 AI 工具链：开放大模型 API 供机构客户按需调用 ，支持策略回测、风险建模等 有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。 市场有风险，投资需谨慎。本报告是基于本公司分析师认为可靠且已公开的信息，本公司力求但不保证这些信息的准确性和完整性，也不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、意 见及推测不一致的报告。 本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和 我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议。投资者买入或者卖出证券的决定应当充分考虑自身特定状况，如具体投资目的、财务状况以及特定需 求等，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。 东吴证券研究所 苏州工业园区星阳街 5 号 邮政编码： 215021 传真： （ 0512 ） 62938527 公司网址： http://www

行服 务 或其 他 服务 。 市 场有 风 险， 投资需 谨 慎。 本 报告 是 基于本 公司 分 析师认 为可 靠 且已 公 开的信 息， 本 公司 力求但 不 保证 这 些信 息的准 确 性和 完整性 ， 也不 保 证文 中观点 或 陈述 不 会发 生任何变更， 在不同时期， 本公司可发出与本报告所载资料、意见及推测不一致的报告。 本 报告 的版权 归 本公 司 所有 ， 未经 书 面许 可，任 示 投 资 的 相 对 比 重 建 议 。 投资 者 买入 或 者卖 出 证券 的决定 应 当充 分 考虑 自 身特 定 状况 ， 如 具体 投资目 的 、财 务状况 以 及特定 需求 等 ，并 完整理 解 和使 用 本报 告 内容 ， 不应视 本报 告 为做 出 投资决策的唯一因素。 东 吴证 券 研究 所 苏 州工 业 园区 星 阳街 5 号 邮政编码： 215021 传真：（