型具备高精度的文档解析能力，能够提取文档中的关 键信息， 高效完成合同质检、条款比对等工作，大幅 提升工作效率与准确性。 n 江苏银行已成功本地化部署微调 DeepSeek-VL2 多模态 模型、轻量 DeepSeek-R1 推理模型， 分别运用于智能 合同质检和自动化估值对账场景中。 资料来源：上海证券报，搜狐，中泰证券研究所 16 降本增效场景之三：智能合同质检 图表：江苏银行 AI 布 局 n AI Coding 将“抵押率”“偿债覆盖率”等术语转化为业务逻辑，应用于合同 解析与风险建模 邮储银行 技术落地：依托自有大模型“邮智”，本地部署并集成 DeepSeek-V3 模型和 DeepSeek-R1 推理模型 应用场景：应用于智能客服“小邮助手”后，新增逻辑推理功能，可精准识别用户需求，提供个性化和场景化的服务方案，加快响应速度和任务处理效率 技术落地：“ AI 理财顾问”引入 DeepSeek 应用场景：融合“五横六纵”企业级知识库，嵌入数字员工助手应用，赋能智能问答、指标问答、财务分析、报告写作等多个应用场景 江苏银行 技术落地：部署 DeepSeek-VL2 多模态模型和 R1 推理模型 成效展示：合同质检准确率达 96% ，自动化估值对账场景日均节省 9.68 小时人工工作量，风险预警响应速度提升 20% DeepSeek 应用进展 数据来源：中电金信研究院公众号，中泰证券研究所

10 AI 赋能银行业深度转型，推动行业创新升级 科技创新加速推进，生成式 AI 的兴起尤为值得关注。大型语言模型（LLMs）商业化落地， AI 的应用门槛大幅降低，触达更广泛的用户群体。大型推理模型（LRMs）将通过更强 的文本理解、生成和分析能力，推动 AI 技术进一步升级。结合代理型人工智能（agentic AI），AI 应用正从任务自动化向自主决策演进，推动银行业在最关键的领域：复杂金融 推理环节引入逻辑分析，银行业高管可借助大型推理模型提升 业务运营效率，并通过智能资源分配提高灵活响应能力。在 2023 年关于技能和人才的 优先级调研中，与 2016 年相比，STEM 和 IT 技能的重要性有所下降，而高效的时间管 理和优先级排序能力则变得更加重要。 15 2024 年见证了生成式 AI 的试点应用，而 2025 年将成 为大型语言模型（LLMs）和大型推理模型（LRMs）突 破局限、拓展应用边界的关键时期。 2025 年将使用生成式 AI 来分析客户洞察。 18 实现个性化咨询服务。银行需提供精准匹配客户目标和风险偏好的投资方案，以优化用 户体验。银行可以分析市场数据和个人客户行为，同时使用预训练的逻辑推理模型（LRMs） 模拟投资场景。IBM IBV 调研显示，若银行能提供个性化财务咨询服务，零售客户选择 该银行进行投资的可能性将提高 27%，若能够看到这些建议背后的逻辑和如何应对不同 风险的模

技术、能源技术、人工智能），人工智能本质是及其对人的思维信息 过程的模拟，让它能像人一样思考。 人工智能定义 3.2 AI 的定义 中国科学院院士张钹将人工智能划分为如下 三个时代 :  第一代：以知识和经验为基础的推理模型，经实践并没有取得成功。  第二代：利用基于大数据的深度学习， 获得了意想不到的成就，但因为算法的不可解释性导致很多安全隐患。  第三代：在目前第二代人工智能的基础上，加进人 类的常识、知

。 图 12 智医随行大模型 3.2.4 金融行业 3.2.4.1 证券信创项目 AI 计算使能优化服务实践 Z 证券公司基于构建国产化算力需求，计划将部分大规模使用的推理模型进行迁移。此 项目目标为构建全栈 AI 信创能力，为该证券公司扩大行业影响力打下坚实基础。 Z 证券计划实现在华为昇腾服务器上运行推理服务，适配大模型如 Llama2/3、Deepseek

SDK Webhook Agent 接入配置 数据洞察报告 柱状图 折线图 饼状图 推理模型 结构化数据 图 14 Data Agent 功能架构 数据源发现：首先，对用户问题进行理解，明确所 需数据源，其次，根据用户权限访问数据源，确保 系统可获取的数据及数据结构符合合规要求，再根

对于AI这个新触点，每个品牌都站在同样的起跑线上。挑 战在于，当下AI并非付费高就能直接获得排名提升或改变 推荐，AI最终给消费者程度的结果，是基于训练语料的知 识积累，联网搜索的信息引用，对消费者问题的意图判断， 和推理模型的底层逻辑多方作用而来，传统模式的SEO经 验并不能简单复制，如何做AI认知的营销，每个品牌都需 要重新探索。 对AI进行营销，GEO需要研究的问题包括：AI如何与 人类互动？AI的认知风格是什么（它喜欢什么样的内容）？

在复杂暖通场景中，仅依赖本地控制或集中云计算都存在不足。未来系统将以云‒边‒端一体化架构为核心，实现 低延迟响应与全局优化的兼顾。 （�）边缘计算：实时响应与高可靠性 边缘节点下沉至机房或楼宇现场，部署轻量化AI推理模型，能够在毫秒级延迟内完成温度调节、风阀控制等动作； 在网络中断或云端不可用时，边缘节点可保障控制闭环，确保系统安全稳定。 （�）云端平台：建模、优化与跨域协同 云平台具备强大的计算与存储能力