平安观点：  口岸数字化需求复苏，公司前三季度业绩强势反转。2022 年海关出入境 人员、交通工具及货物等数量大幅下降，同时项目施工时间被延长，口岸 数字化及升级的需求被压制，放开后这部分智慧口岸的建设需求迎来大幅 反弹。2023 年受益于复苏，我们看到公司前三季度业绩强势反转，收入 端持续放量，2023 年前三季度实现营收 11.4 亿元，同比增长 52.1%，净 利润高增长，实现归母净利润 疆融入国内国际双循环的重要枢纽，作为国内首批设立时面积最大的自贸 区，我们预计新疆自贸区建设的体量与海南自贸港相当，公司在新疆本土 航空口岸建设领域优势显著，未来将迎来较大的需求增量机会。3）除此 之外，截至 3 季度末，公司完成了对云南河口口岸（1.66 亿元）、瑞丽（含 畹町）口岸（1.06 亿元）两个亿级合同的签署。据我们不完全统计，公司 2023 年以来中标项目金额合计已达 9.78 亿元。  赋能业务场景。“一带一路”极大推动 了我国边境地区口岸数字化的需求，同时也带动了沿线国家的海外口岸数 字化需求，公司目前已联手华为大力布局海外市场。“一带一路”沿线国 家是公司海外市场重点布局的区域，截至 3 季度末，公司已在阿联酋、沙 特等多个国家开展相关业务，沙特 NEOM、阿联酋口岸、柬埔寨机场项目 交付接近尾声。近年来公司积极开拓国外市场，2021 年设立智慧口岸海 外事业部，加快布局海外市场，2022

Lily（拽姐）对话，且对话内容会根据用户语言水平灵活调整，即使是初学 者也可以轻松地进行对话练习。借助 AI 功能推出，公司持续保持用户数和业绩 的强劲增长，截至 2024Q3 公司月活达到 1.13 亿人，而单季度收入达到 1.9 亿 美金创下新高。 ➢ 国产模型升级利好 AI 教育落地。DeepSeek 横空出世，一方面大幅提升了 国产模型的能力，另一方面通过开源和推理成本的优化，有望加速国内 AI 图9：Duolingo 发布语言对话 AI 人物 Lily 资料来源：腾讯新闻，民生证券研究院 业绩持续加速，单季度收入创新高。从收入端看，公司自 2023 年 Q1 至 2024 年 Q3 单季度收入持续增长，季度同比增速保持在 40%以上。而利润方面，公司 自 2023Q2 实现单季度扭亏为盈后，在归母净利润、经营净现金流均保持稳步增 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 图10：2023Q1-2024Q3 多邻国单季度营收及增速 图11：2023Q1-2024Q3 多邻国单季度利润、现金流 资料来源：wind，民生证券研究院 资料来源：wind，民生证券研究院 月活、付费用户数等经营指标持续向好，MAU 破亿。财务数据之外，Duolingo 的核心经营指标活跃用户数最近几个季度也持续增长，截至 2024 年 Q3 末多邻国

超级芯片，可以用于处理万亿参数模型，能够保证超大规模生成式 AI 训练和推理工 作负载的持续运行。 l 预计 B200 和 GB200 系列在 2024 年第四季度和 2025 年第一季度之间陆续出货， B300 系列将于 2025 年第二季度至第三季度之间陆续出货。据 TrendForce 数 据，英伟达 对 Blackwell 系列芯片的划分更为细致，以向大型云服务商提供符合其能效要求和服务器 OEM TrendForce 指出，英伟达近期将其所有 B lacwell Ultra 产品更名为 B300 系列，预 计 B200 和 GB200 系列在 2024 年第四季度和 2025 年第 一季度之间陆续出货， B300 系列将于 2025 年第二季度至第三季度之间陆续出货。 表：英伟达 GB200 芯片及性能提升示意图 表：英伟达 DGX SuperPOD 架构示意图 B100 B100 HGX HBM3e 军备竞赛 ”愈演愈烈 。 国外四大 CSP 厂商今年前三季度资本开支均已超过 200 亿美 元，亚马逊更是超过 500 亿美元。 中国头部云服 务商如腾讯、阿里巴巴等今年前三季度资本开支 增长均超过 100% 。 l 国外四大 CSP 厂商亚马逊、微软、谷歌、 Meta 在 2024 年第三季度资本开支分别达到 226.2 亿、 149.23 亿、 130

底稿和数据库日志；最后是可追溯的推理链 条，每个审计结论都必须具备可验证的逻辑路径。以下为审计智能 体与传统工具的对比差异： 能力维度 传统审计软件 DeepSeek 智能体方案 准则更新响应速度 季度级人工更新 实时在线同步 能力维度 传统审计软件 DeepSeek 智能体方案 异常检测覆盖率 预设规则覆盖 65%场 景 机器学习识别 92%场景 工作底稿生成效率 4 小时/份 20 分钟/份（自动校验） 5%发生频率的舞弊行为识别率不足 12%，而 全量数据分析能将该指标提升至 89%。 审计证据的时效性存在显著短板。传统手工处理流程平均需要 3-5 个工作日完成单个会计科目的核查，而上市公司季度报告涉及 的科目数量通常超过 200 个。这种延迟导致审计结论往往基于过时 数据，某证券监管机构统计显示，采用滞后数据的审计报告对财务 风险预警的误判率高达 34%。 人工判断的主观性引入系统性偏差。不同审计团队对相同会计 数据字段映射至统一审计标准模板，例如将客户自定义科目 “ （如 其他应收款- ” 关联方 ）映射至 CAS 21 标准科目。 - 异常检 测：基于孤立森林算法自动识别金额异常波动（如单笔交易超过上 季度均值 3σ ）或分录模式异常（如频繁午夜过账）。 - 上下文增 强：注入审计知识图谱数据，包括企业股权结构、行业风险指标 （如制造业存货周转率阈值）等特征。 训练阶段采用混合训练策略提升模型鲁棒性：

现行流程中标注的痛点环节平均消耗 72%的处理时长。更严峻 的是，欺诈风险持续升级，互助型骗保团伙导致的财产险异常赔付 金额年增长率达 34%。这要求核赔系统必须具备动态学习新型欺诈 模式的能力，而传统规则库每季度更新的机制已明显滞后。与此同 时，监管层对理赔时效的考核标准逐年提升，《保险服务质量指 数》将车险 72 小时结案率纳入核心指标，2024 年达标线已上调至 92%。行业亟需通过 AI 技术重构作业流程，在合规前提下实现精 实时解答客户理赔进度查询，减少 80% 的重复人工咨询； 2. 动态 流程编排：根据案件复杂度自动分配至人工或自动化通道，降低 30% 的无效人力投入； 3. 数据闭环反馈：通过持续学习历史理赔 案例，每季度迭代更新风险判定规则。 该技术路径已在健康险和财产险场景完成 POC 验证，关键指 标显示人工干预率下降 50%的同时，客户满意度评分上升 12 个百 分点。未来通过集成区块链存证和物联网数据，模型还可进一步实 ，每个判定结论均可 追溯至具体的证据片段和计算路径。 为保持预测性能的持续优化，模型建立了双闭环学习机制：在 线学习系统实时吸收理赔员对 AI 建议的修正反馈，每周更新特征 权重；离线版本每季度通过新增案例库进行全参数微调。这种机制 使模型在应对新型诈骗手段时，能在 20 个工作日内达到稳定识别 能力，比传统系统升级周期缩短 80%。 3.3 与其他 AI 技术的对比分析 在理赔业务场景中，DeepSeek

动术语校正与标准化输出；最后，风险控制模块可实现多维度交叉 验证，在信用卡欺诈检测中实现误报率低于 0.3% 的同时保持 98.6% 的召回率。 模型的知识更新机制采用双通道设计：静态知识通过季度更新 的金融知识库（ 涵盖巴塞尔协议 III 等 128 个监管框架）进行批量注 入，动态知识则通过实时流数据处理平台接入市场行情与监管通 告。测试数据显示，该机制使模型在利率政策变更后的知识更新时 部署阶段采用动态热更新机制，通过以下方式保证模型持续优 化： 1. 建立客户反馈自动标注流水线，将人工坐席修正记录转化 为训练样本 2. 每周增量训练时引入最新监管政策文档（PDF/PPT 格式自动解析） 3. 季度性全量微调时同步更新金融知识图谱（含 约20 万实体关系对） 该模块通过金融专用 tokenizer 扩展（ 新增 1,200+金融词汇） 和注意力头掩码技术，确保模型在处理利率计算、风险评估等任务 线测试模型性能，监控关键指标包括监管合规率（需≥99.8%）、 金 融 实 体 识 别 F1 值（需≥ 0.92）、客户意图准确率（需≥ 0.95）。对 bad case 实行人工标注-模型再训练闭环，每季度更新 领域词库与监管规则变更内容。在 GPU 集群部署时，采用模型并 行策略将风险定价模块与常规服务模块分离，确保关键业务链路的 计算资源隔离。 6.1.1 金融术语与业务规则注入 在金融

等隐蔽风险。 4. 资本金动态测算 基于风险暴露实时数据，自动调整责任准备金计算模型。某再 保公司测试案例显示，巨灾风险敞口测算误差从±15%降至 ±6%，资本使用效率提升 23%。系统将每季度自动生成 Solvency II 合规报告，减少人工审计成本。 实施后 12 个月内预计达成：高风险业务拒保率下降 40%，理 赔调查成本降低 35%，监管处罚事件归零。最终形成可量化的风险 PCI DSS 合规脱敏 - 对话日志保留周期不得少于监管要 求的 7 年。 该方案已在某头部寿险公司生产环境验证，实现核心业务场景 响应效率提升 40%，人工审核成本降低 62%。建议每季度进行接 口兼容性测试，确保在保险系统版本升级时的稳定性。 2.2 数据集成与处理 在数据集成与处理环节，需构建多源异构数据的统一治理框 架，实现保险业务场景下的高质量数据供给。核心流程分为数据接 系统自动抓取并结构化以下数据源： - 投保历史（同一投保人短期高频投保记录） - 理赔材料（医疗票据 OCR 识别后的重复使用检测） - 第三方数据（医院诊疗记录与报案时间的交叉验证） 欺诈特征库采用动态权重算法，每季度更新以下关键指标： 风险维度 检测指标示例 权重系数 时间关联性 出险时间距投保日≤7 天 0.35 医疗合理性 治疗方案与诊断结果偏离度 0.28 地理位置 同一区域多人相似索赔 0.22

态加密。 建立实时威胁检测系统，基于规则引擎和 AI 模型双轨运行， 具备以下特征： - 毫秒级响应异常访问模式 - 自动触发账户冻结流 程 - 每日生成安全态势报告 - 季度性红蓝对抗演练 数据销毁严格遵循 HIPAA 标准，物理存储介质采用 DoD 5220.22-M 消磁标准，云存储资源删除后自动执行 7 次覆写。所有 流程通过 ISO 27001 认证，并每月进行第三方合规审计。 所有决策支持输出均保留完整的证据溯源链条，点击任何建议 均可查看原始数据来源及计算逻辑，确保临床医生始终掌握决策主 导权。系统通过持续记录用户反馈（如建议采纳率、手动修改记 录）实现闭环优化，每季度更新决策模型参数。 4.3.1 治疗方案推荐 治疗方案推荐功能基于 DeepSeek 的多模态医疗知识库与实时 数据分析能力，通过以下流程实现临床决策支持：首先，系统通过 结构化电子病历接口获取患者基础信息（年龄、性别、过敏史 情感值: -0.87(强烈负面) → 关联环节: 分诊调度 → 改进建议: 1. 优化号源分配算法 2. 增加候诊区提示屏 2. 主题聚类分析通过 LDA 模型识别高频议题分布，最近季度数 据显示 TOP3 关注点为：  药品价格透明度（28.6%）  检查结果等待时长（22.3%）  医患沟通充分性（19.1%） 3. 结构化数据与文本数据的交叉分析揭示深层关联。下表示例显

二、审计工作管理与审计质量控制 （一）基础审计场景应用问题 1 、审计工作管理问题 （1）审计计划动态调整机制是否缺失？（如：未根据金融市场波动或机构 战略转型实时更新审计重点；需建立季度滚动计划，结合金融科技风险权重变 化） （2）风险评估模型是否与业务复杂度脱节？（如：对跨境金融、数字资 产 等新兴业务仍采用传统风险评估框架，需要引入 AI 风险预测模型，调整风 险因 （36）审计报告是否缺乏风险预警？（如仅描述已发现问题未提示潜在风 险， 需要增加“风险前瞻”章节，基于历史数据预测未来 3 个月高风险领域） （37）知识库更新是否及时？（如未将典型案例纳入内部培训教材，需要 按 季度更新案例库，标注高频违规场景（如信用卡套现新手法） （38）质量控制标准是否模糊？（如未定义“重大缺陷”的量化标准，需要 制 定缺陷分级规则（如损失金额超 100 万元或影响客户超 1 万人为重大缺陷） 论（如删除敏感问题描述）；实施审计人员轮岗制度，定期更换高风险领域（如 信贷审批、资金管理）的审计负责人。 2、动态调整审计计划：结合监管政策变化（如央行反洗钱新规）修订年度 审计重点，每季度更新风险热力图。对突发风险事件（如区域性经济下行）启动 专项审计，嵌入实时数据监测模块。 3、推行三级复核制度：审计底稿需经主审、部门经理、质量控制专员逐级 复核，重点检查逻辑漏洞与证据链

C端自我管理 B2C远程管理 B2C临床管理 B端自我管理 投资建议 1 “医疗+AI”复盘及全景图 AI&医疗复盘 本轮AI行情的中美差异： ➢ 起点一致：本轮AI行情的起步都是从2023年一季度开始的，标志性事件是以OpenAI的GPT-4为代表的大型语言模型（LLM）首次亮相，展 现出强大的自然语言处理能力，能够进行创意写作、编码和复杂问题解决，因此2023年被认为是生成式AI的元年，随后又有多模态大模 2023年1月-5月 生成式AI的崛起，市场 开始强调“算力” TMT算力相关公司表现较好，寒武纪、中际旭创、 沪电股份、新易盛等。 医药契合度并不高，仅有零星公司股价有表现（润达医疗等）。 2023年一季度的市场环境较好，主线比较多，包括中药、国企改 革等，市场风险偏好较高。医疗AI概念更多是TMT外溢和整体市 场大环境。 2023年6月到10月 英伟达前期涨幅过大，之 后横盘震荡，但逻辑依旧 是算力 和15%。平台通过频繁医患互动、AI支 持的个性化剂量调整和副作用管理提升了治疗效果。 资料来源：Hims官网，Bloomberg，国联民生证券研究所 HIMS用户数量和客单快速增长 HIMS季度销售收入情况 0% 20% 40% 60% 80% 100% 120% 0 50 100 150 200 250 300 350 400 450 线上销售（百万美元）