1.2 提效主导下的 AI 购置动力 与政策主导下的 AI 需求不同，早期提效主导下的 AI 需求没有引导、没有给定的形态， 它需要企业自身从医院的临床、运营、管理等流程中发现真正痛点，且当 AI 解决这一 痛点时，能够为医院带来直观的收益。 众多场景之中，影像 AI 是最早出现也是最为直观的例子。作为 AI 领域应用最为广泛的 应用之一，此类 AI 能够帮助医生处理高强度重复的阅片工作，帮助影像科提质增效。 再看病种，心脑血管、骨关节、肺结节、肿瘤（放疗）2、眼底是当前最火热的病种， 市场上的同类产品超过 15 种；布局肠息肉、泌尿相关等疾病的企业较少，细分赛道相 对冷门。形势背后的原因可归纳为三点。 1. 伴随标准化医疗数据获取难度的降低，市场需求全面主导影像 AI 的研发方向。根据 《中国心血管健康与疾病报告 2020》，中国成年人的冠心病总体发病率约为 9.6%，这 一数字表明冠心病 组织的边界，并以此设计剂量处方和靶区范围，降低放疗治疗过程中射线对正常组织的 影响，尽可能完全地清除肿瘤组织。 肿瘤的解剖结构非常复杂，因而靶区工作和治疗方案设计这两项工作占据了大量医生的 时间和精力，其中放疗科医生有近 50%的工作时间花在了勾画八区。勾画过程中，医生 还需要根据解剖结构形成空间想象的能力、提前预判病灶的转移途径。 人工智能最初介入放疗时主要围绕提质增效的逻辑，帮助医生完成基于 AI 的靶区勾画。

潜望式为下一代升级方向，多倍光学变焦有望实现 数字变焦（digital zoom）和光学变焦（optical zoom）有着本质的不同，可以简单的认为数字变焦为“假变焦”。 光学变焦是目前用户对于手机拍照功能的主要诉求点之一，但是变焦镜头非常依赖于光学透镜的组合设计。 数字变焦效果差 潜望式+马达可实现无级光学变焦 潜望式与普通堆叠式镜头对比 堆叠式 潜望式 背盖面 突出 平面 光学变焦 2-3X ＞3X 镜片数 滑，LGD、BOE、AUO、INX四大面板厂在18Q3的毛利率已经降到15Q3的水平，18Q4进一步下滑，预计19年面板厂商盈利能力有 望见底。从产能来看，2018年大陆厂商TV面板出货量在全球占比达到41%，同比增加5个点，其中京东方（BOE）出货量超过LGD居 行业首位。我们认为19年行业出清后，面板行业有望孕育新一轮的景气周期，推荐标的京东方A，受益标的TCL集团。 资料来源：Wind，国泰君安证券研究 -10% G端订单有望回暖：18年国内财政支出和基建投资增速均出现明显放缓，全年基建投资增 速为3.8%，较17年同比下滑了15个百分点，从18年四季度开始，发改委项目审批加速，基建投资开始回暖，根据国泰君安证券宏观团队预 测，19年全年基建投资增速有望回升到10%左右，较18年提升7个点，安防行业景气度有望逐步回升。 0 5 10 15 20 25 30 2015-02 2015-04 2015-06

数据来源：*仅涵盖预训练成本，不包含研发、推理、后训练、员⼯等其他成本；2.(Sputnik(时刻，指1957年10⽉4⽇苏联抢先美国成功发射斯普特尼克1号⼈造卫星，是冷战中的其中⼀个重⼤事件及转捩点 DeepSeek的创新突破 • 每次推理仅激活相关专家，“术业有专攻” • “专事专办、要事要办 ⼩事不办 尽量不跨组解决” • 节省42.5%训练成本 MoEnSparsen(稀疏专家混合模型） MLA%建⽴⼀个智能分类系统，不记具体 信息，⽽是⼀个“简单”标签 • 模型的占⽤率降低⾄传统的MHA%5-13% MLAn（多头潜在注意⼒机制） • 像学霸⼀样把注意⼒消耗降到最低 • “⼀⽬⼗⾏ 跳记重⼼ 记住题点”“ NSAn(原⽣稀疏注意⼒)n • 传统模型需要⽤32位或者16位数记录数字 • “⼿机号码，记最后4位” • 提升训练速度同时保持精度，降低硬件门槛 FPBn混合精度训练 • 从海量数据中提炼⾼价值信息，提升模型 ⾮标数据”等困境能得到极⼤ 缓解，医院数据的应⽤价值可 以得到释放 医学数据结构化提取、标准化 24 新药研发：借助⼤模型，提升药品研发的效率和速度 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需RAG未公开数据） • 知识图谱可关联临床试验数据与RWE 试验，去观察有潜⼒的适应症 研发⽅向探索 • 患者分层：基于⼤模型的语义理解能⼒， 从历史数据中识别符合⼊组标准的“数 字孪⽣”患者群体，提⾼招募效率

信息，⽽是⼀个“简单”标签 • 模型的占⽤率降低⾄传统的 MHA 5-13% NSA ( 原⽣稀疏注意⼒ ) • 像学霸⼀样把注意⼒消耗降到最低 • “ ⼀⽬⼗⾏ 跳记重⼼ 记住题点”“ MoE Sparse ( 稀疏专家混合模型） • 每次推理仅激活相关专家，“术业有专攻” • “ 专事专办、要事要办 ⼩事不办 尽量不跨组解决” • 节省 42.5% 训练成本 以得到释放 医学数据结构化提取、标准化 DeepSeek 对于医疗体系有那些影响？ - 医 院 医院 24 研发⽅向探索 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需 RAG 未公开数据） • 知识图谱可关联临床试验数据与 RWE 试验， 去观察有潜⼒的适应症 试验设计优化 • 患者分层：基于⼤模型的语义理解能⼒， 从历史数据中识别符合⼊组标准的“数

DeepSeek 大模型之后，都在积极探索企业内部的流程 重构与效率提升场景。 企业探索流程智能化，一方面是为了在疲弱的宏观经济形势下取得成本优势，另一方面也是为了在 存量市场竞争中寻求创新点。技术与商业的共振，昭示着流程智能化已从成为企业重塑竞争壁垒的 核心引擎。 1. 技术拐点爆发，AI 大模型开启流程智能化新时代 AI 大模型在认知层级的突破，使得传统流程自动化执行场景范畴得以扩充。 象挖掘，映射绘制出端到端业务流程图。其次，再结合历史数据挖掘关键瓶颈。比如，制造企业可 以通过绘制端到端采购流程，评估各个流程节点耗时在全流程中占比，从而找到关键场景。 具体的场景选择，企业应遵循“痛点优先、价值可测”原则。比如，场景价值度高低的评判应当交 由业务专家定夺。业务专家组成评审团，定量打分与定性讨论相结合，评定场景价值度。 实践方法论 2，技术选择与整合 技术路径的选择需兼顾适 架构与流 程架构的贯通，将战略目标拆解为可执行的流程组件，确保 AI 与价值创造路径精准对齐。第三，企 业需要建立数据治理底层规则。通过明确数据采集点、流转路径及质量标准，形成"数据-流程-决策 "闭环治理框架。第四，识别流程熵增的优化靶点。企业通过拓扑关系分析揭示跨系统断点与冗余环 节，为 AI 提供明确的优化约束与决策依据。第五，沉淀持续改进的机制框架。企业构建包含流程责 任制、绩效评估体系及

Medicine，一家制药公司，利用生成式人工智 能在不到30个月的时间内，完成了从药物发现到一期临 床试验的进程，这大约是通常所需时间的一半。 11 他 们使用了一个基于组学和临床数据的模型进行微调，以 识别药物治疗的潜在靶点。为了开发可能的药物组成， 他们使用了一个由500个预测和预训练模型组成的生成 化学引擎。对于Insilico来说，人工智能是他们工作的核 心——塑造围绕它的业务和行业。 首先的想法可能是，这仅仅是使用AI从自动化过渡到数 他们在技术系统中的自主性日益增长，他们需要以不同 的方式思考他们对这些系统的信任程度，以及他们可能 需要施加哪些约束。Sakana AI，一家AI研究公司，通过 测试他们名为“AI科学家”的新系统，完美地展示了这一点 。 14 该系统自主使用大型语言模型进行科学研究，在实 验设定的时限内，它遇到了一个问题无法完成，于是调 整了自己的代码，为自己争取更多时间。Sakana AI认为 这种行为是创新的，但也表明了这样一个事实：具有绕 ，我们可以更快地完成更多任务，先行者将能确保持续 数十年的优势。未能及时行动或等待过久，将让竞争对 手，无论是新的还是旧的，都有机会颠覆行业规范，正 如我们在数字化时代所看到的那样。再考虑一下这一点 ：今天全球互联网市值不到1%是在Netscape Navigato r将互联网推广给世界的前两年成立的。 13 现在，自ChatGPT发布以来已经超过两年。我们进入这 一代人工智能的探索才刚刚开始，鉴于如此高的风险，

乏伦理监督和透明度，其扩散可能会加剧现有的不平等。报告分析了在 从开发到采用的所有阶段所需的必要要求和政策，以促进可持续发展的 包容性技术进步。 这需要一种多维和基于证据的方法。为此，确定了三个关键杠杆点—— 基础设施、数据和技能，提供了一个广泛的社会经济视角，并突出了构 建有弹性的基础设施和促进包容性和可持续工业化和创新的需求。 v Rebeca Grynspan 联合国贸易和发展会议秘书长 实现可持续发展目标。然而，它也带来了各种风险和伦理问题。决策者需要更多地了解 人工智能，以便在可持续和包容性发展的承诺和风险中找到方向。 近几十年的经验表明，由人工智能驱动的转型涉及三个关键杠杆点——基础设施、数 据和技能（图4）。 人工智能在发展中 具有巨大潜力但也 存在风险——了解 的领导力是利用人 工智能实现可持续 和包容性发展的关 键。 （a） 基础设施 需求范围超出了基本的电力和互联网接入，包括计算能力和服务器功 输入数据是算法培训、验证和测试的主要输入，使人工智能系统能够对输入 进行分类、生成输出和做出预测。高质量、多样化和无偏见的语料对于构建有效且值 得信赖的人工智能系统至关重要。 在少数国家显著集中研发。 5 三个关键杠杆点的协同效应可以加速人工智能进步。 图4 基础设施 算法以优化使用 关于计算能力 数据以优化使用 基础设施的 基础设施以实现 人工智能模型的运行与 应用 基础设施以支持 处理和存储 复杂数据集

....................4 二、 金融应用发展 .................................................. 9 （一） 金融业业务场景痛点 .......................................9 （二） 金融业数字孪生需求方向 ..................................12 （三） 学模型或计算机模型，为数字孪生提供一个虚拟的“骨架”。 几何建模是最基础的一环，通过 CAD 计算机辅助设计软件创 建物体的几何形状及物体间行为框架，通过一系列可变参数 控制模型。针对复杂场景，可基于点云的建模技术通过 LiDAR （光检测和测距）或其他 3D 扫描设备获取大量空间坐标点， 然后使用表面重建算法如 Delaunay 三角剖分或泊松重建。 此外，动态建模技术，专注于捕捉和表示系统的动态行为， 于全世界服务于各行各业。国外的知名厂商有亚马逊、微软 等云计算厂商，国内的主要厂商包括电信天翼云、移动云、 华为云、阿里云、腾讯云等云计算服务提供商。 9 二、金融应用发展 （一）金融业业务场景痛点 金融业务涵盖银行、投资、保险、外汇交易、信托等多 个领域。随着数字化转型的深入，金融科技逐渐成为重塑传 统金融业服务模式的重要力量 3。《2024中国金融科技企业首 席洞察报告》指出，当前金融科技主要集中于平台赋能科技、

........................................................................................ 29 （三）转型痛点与优化方向.................................................................................. 30 五、业内典型实践 术，透过政务热线直达基层，从而实现对民生民意的实时理解和准确把握。二是 时空穿越，数智化转型使得政府能够基于热线数据，实现对任一时点、任一区域 进行分析和比较，探究群众诉求的时空分布规律。三是颗粒缩放，政府在数智化 技术的支撑下可以实现对特定区域的“放大”和“缩微”（譬如点位、小区、社 区、街道、市辖区、全市，甚至是跨区域），从而更加精细和精准地理解社会治 理问题的集聚和离散状态。 第二，政 此前会议的相关报道可见于网络。 10 第三，政务热线是决策施政的“信息港”。政务热线在感知、收集群众诉求 的基础上，对诉求数据的价值、关联和反映问题进行深刻“解读”，挖掘出社会 治理过程中的热点、难点、堵点问题，为政府掌握社会运行状况、民生问题分布 和政府治理绩效提供信息依据，从而有针对性地实施政策措施，高效解决社会治 理过程中出现的各类问题。 政务热线的数智化转型进一步强化了其“信息港”功能，通过实现“科学决

........................................................................................ 29 （三）转型痛点与优化方向.................................................................................. 30 五、业内典型实践 术，透过政务热线直达基层，从而实现对民生民意的实时理解和准确把握。二是 时空穿越，数智化转型使得政府能够基于热线数据，实现对任一时点、任一区域 进行分析和比较，探究群众诉求的时空分布规律。三是颗粒缩放，政府在数智化 技术的支撑下可以实现对特定区域的“放大”和“缩微”（譬如点位、小区、社 区、街道、市辖区、全市，甚至是跨区域），从而更加精细和精准地理解社会治 理问题的集聚和离散状态。 第二，政 此前会议的相关报道可见于网络。 10 第三，政务热线是决策施政的“信息港”。政务热线在感知、收集群众诉求 的基础上，对诉求数据的价值、关联和反映问题进行深刻“解读”，挖掘出社会 治理过程中的热点、难点、堵点问题，为政府掌握社会运行状况、民生问题分布 和政府治理绩效提供信息依据，从而有针对性地实施政策措施，高效解决社会治 理过程中出现的各类问题。 政务热线的数智化转型进一步强化了其“信息港”功能，通过实现“科学决