à 适用的法律法规情况下， 本报告亦 ÿ 能由中信建投 ÿ 国际 Ā 证券 p 限公 ø 在香港提供 2 请务必阅读正文之后的免 责条款和声明 2 证券研究报告 行业深度 DeepSeek 如何加速金融业数字化转型 ? —— 数字金融系列深度之一 分析师：赵然 zhaoran@csc.com.cn 021-68801600 SAC 编 ÷ ： S1440518100009 SFC 。为金融机构基础设施信创改造提供了可落地的 AI 改造路径。 三、推动生态重构。通过技术普惠加速 AI 落地，将竞争焦点从技术壁垒转向金融数据价值挖掘，推动 AI 能力与金融场景深 度融合， 以数据闭环体系巩固金融领域的场景化优势。 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积 商、保险、 信贷、供应链金融及其他金融科技机构业务逻辑的痛点和数字化价值进行深入探讨，以期对金融行业的智能化和数字化转型 提供参考。 核心观点 : Deepseek 的出现将加速金融机构的数字化转型 Deepseek 的出现将加速金融机构的数字化转型，核心在于可以更高效地论证数字化转型的阶段性效果，继而批量复制。 传统金融机构的数字化转型面临三大核心矛盾 : —— 矛盾 1 : 顶层设计层面自上而下“以客户中心

DeepSeek 银行部署加速， AI 金融应用迎来跃迁 分析师：闻学臣 执业证书编号： S0740519090007 分析师：王雪晴 执业证书编号： S0740524120003 分析师：苏仪 执业证书编号： S0740520060001 联系人：蒋丹 Email ： jiangdan@zts.com.cn | 证 券 研 究 报 告 | 入， 探索智能客服、智慧办公等通 用场景下的更多应用，如探索智慧办公场景下的宣传文案、智能周报、文章翻译、会议纪要等细分场景。 n 我们认为，随着 DeepSeek 开源降本， 中小银行有望加速部署应用，快速追赶与大行之间差距。 资料来源：信通院、中泰证券研究所 21 落地进展：大行发力早，中小银行推进更快 50% 40% 30% 20% 10% 0% -10% -20%

GISTC 科技创新，助力低空经济加速腾飞 空向智能新质引擎 一空间智能软件技术大会 2024 GEOSPATIAL INTELLIGENCE SOFTWARE TECHNOLOGY CONFERENCE 行业背景 碳中和背景下的绿色交通战略 GISTC P2 低空立体交通 = 航空电动化 + 低空经济红利 -- 中美在内各大国大力推进 《中华人民共和国空域管理条例》、四部委 上海、辽宁、内蒙、陕西、山西、甘肃等 16 个 省市自治区将低空经济写入省级政府工作报 告 明确该领域是美国经济领域可持续增长关键因素 部长级小组制定国家战略，推进技术研发与应用落地 制定 2028 洛杉矶计划，推动加速美国技术商业应 用 中 国 美 国 ▶ 中央牵引 2023 年中央经济工作会议明确提出“打造生物 制造、商业航天、低空经济等若干战略性新 兴 产业 宏观政策环境 两院一致通过《先进空中交通 (eVTOL) 试运营的城市，最快将在今年夏天就能 见到这 一场景的落地。 Volocopter: 全球首个商业运营飞行汽 车 沃珑空泰将负责德国 Volocopter 产品在中国的生产和 市 场运营，并加速布局空中出租车及城市空中出行业务， 计 划在未来 3 到 5 年内将城市空中出行落地中国，推 动城市 空中交通领域发展。 2021 年 9 月，德国空中出行公司 VOLOCPOTER 与吉

现代 IT 应用架构演 进 多终端模式 中心云部署 单机模式 单点部署 集群部署 云边部署 CS 模式 BS 模式 5-40ms 超低时延，火山引擎边缘云助力极致体验 计算、网络 ( 加速 ) 、渲染、安全 更高清 更实时 更沉浸 需求驱动边缘革 新 VR 体验 实时交互 20ms 40ms 基于云原生的 边缘云基础设施底座 全球内容分发与加速网络 边缘应用服务 计算 网络 Q 体化服 务 终端用户 近场边缘 现场边缘 云中心 云边缘 “ CDN 与加速 内容分发网络 全站加速 全球加速 边缘容器 边缘函数 边缘安全容器 边缘函数工作流 新一代火山引擎边缘云解决方案

DeepSeek 提供了一种高效率训练的方法，同等 算力规模可以探索更强的模型能力 • 在竞争背景下，头部玩家仍将追逐 Scaling Law ，坚定 AI 算力的战略投资，加速探索下一代 AI 技术 DeepSeek 是 AI 发展史上的一个关键里程碑，但远未达到 AI 终点 AI 模型算法： GPT 、 LLaMA AI 框架： PY 、 TF 异构计算架构： GRPO ：群体进化的智慧筛选器 自我验证机制： AI 的 " 错题本系 统 " 混合专家模型的 " 智能路由器“ 多头潜在注意力 MLA ：空间压缩术 训练框架加速： 16 到 3 的量化压 缩， 通信降低 89% 推理加速：预加载，动态批处理等 模型、数据、工具链、部署全开源 蒸馏技术使能第三方模型性能 DeepSeek V3 ：实现极致性能，稀疏 MOE 提质 降本 技术创新 可参考投机采样改造 MTP 模块 ，加速推理效率 MTP ： Multi-Token Prediction 多 token 预测提升模 型效果 • MTP 模块仅在训练中使用，提升模型训练效果，推理阶段可以不使用 MTP 模块，基础模型能够独立完成正常推 理 • 参考投机采样， MTP 模块也可以被重新配置用于 speculative decoding ，加速解码过程，降低整体时延 7

API 行业大模型 客户专属模型 模型 API 兼容 OpenAI 接口规范 复刻 Deep seel 的推理加速能力 一键发起模型部署 推理加速 DeepSeek 模 型 客 户 数 据 训练加速 DeepSeek 联 网 助 手 文档问答 知识摘要 • 模型 + 训练平台 + 应用构建 平台 全链路能力。 • 提供从训练——推理——应 台 大模型模型训练和推理开发平台，灵活精调和部署私有 DeepSeek 训练 部署 应用 数据中心 分布式推理： 解决大参数量模型部署，提供超长上下文窗口 内置推理加速： 全新升级 Angel 推理加速能力，加速比可达 2 倍 大模型调用： 统一的大模型调用 API 及体验工具，大幅缩短业务 接入大模型能力周期 u 公有云自带容器底座 TKE u 私有化自带容器底座 分布式稳定训练：支持多机多卡大规模训练，故障自动重启续训 镜像制作：基于 jupyter 的高效自定义镜像制作工具 训练指标监控：丰富的指标监控及告警，覆盖网络及 GPU 算力 内置训练加速：全新升级 Angel 训练框架加速能力，性能提升 30% 精调数据配比训练： 内置 100+ 任务类型精调配比数据 AI 框架 u Pyspark ， pytorch, vllm ， megatron 等

接近觉传感器 听觉传感器 嗅觉传感器 温度传感器 视觉传感器 内部传感器 外部传感器 传感器 位置检测传感器 运动检测传感器 确定位置和角度 任意位置和角度 速度和加速度 速度和角加速度 姿态 立体 平面 工业机器人用于执行各种加工任务，不同的任务对工业机器人提出 不同的要求。例如，搬运任务和装配任务对传感器要求主要是力觉触觉 和视觉；焊接任务、喷涂任务和检测任务对传感器要求主要是接近觉和 3 、根据机器人控制的要求选择 机器人控制需要采用传感器检测机器人的运动位置、速度、加速 度等。除了较简单的开环控制机器人外，多数机器人都采用了位置传 感器作为闭环控制的反馈原件。 机器人根据位置传感器反馈的位置信息，对机器人的运动误差进 行补偿。不少机器人还装备有速度传感器和加速度传感器。 加速度传感器 可以检测机器人构件受到的惯性力，使控制能够补 偿惯性力引起的变形误差。 速度传感器 多为检测位置、角度的传感器。 本 节 导 入 内部传感器安装位置 以工业机器人本身的坐标轴来确定其位置，一般安装在机械手上 内部传感器组成 由位置传感器、位移传感器、角度传感器、速度传感器、加速度传感 器、力传感器、温度传感器及异常变化的传感器等组成 作用 用于感知机器人自身的状态，以调整和控制机器人的行动 工业机器人关节的位置控制是机器人最基本的控制要求，而对位置 和位移的

启迪科技城（杭州） 项目方案 2.1 总体规划 2.2 规划指标 2.3 科技核心区 2.4 创新加速区 2.5 创业孵化区 2.6 配套服务区 & 中央景观带 启迪科技城空间规划——“四区一带” 项目规划 总体规划 科技核心区 创新加速区 创业孵化区 配套服务区 中央景观带 项目规划 规划指标 规划区域 规划面积 （公顷） 建设用地面积 建设用地面积 （亩） 地上建筑面积 （平米） 项目投资 （亿元） 科技核心区 9.74 146.10 243622 19.97 创新加速区 9.27 139.05 234707 11.33 创业孵化区 7.17 107.50 158079 7.28 配套服务区 11.73 176.00 212480 18.09 中央景观带 20.09 301.30 0 4.02 合计 58.00 869 科技核心区——规划指标 创新加速区 创新加速区借助启迪控股的金融、技术和产业化优势等各类资源的高度聚焦， 携手国际性创新企业在中国建设创新生态系统，实现院企资源、科研资源、国 际资源的深度融合和上下游产业链的零距离接触。致力于惠及本土优秀初创企 业的合作项目， 帮助成长中的本土企业打造核心 竞争力，结合“海聚工程”和“钻石 计划”给创业者更直接的支撑和 服务，更聚焦、更专业、更深度 的加速转换科技创新带来的社会

应用爆发，推理侧算力需求快速增长：各厂商基于 A I 大模型开发各类 A I 应用，随着 A I 应用用户数量爆发， 对应推 理侧算力需求快速增长。 • 智算中心从集群走向超级池化。智算中心是以 GPU 、 A I 加速卡等智能算力为核心，集约化建设的新型数据中心；随着大模型普遍进入万亿规模， 算 力、显存、互联需求再次升级，高速互联的百卡“超级服务器”可能成为新的设备形态，智算中心将走向超 级池化阶段，对设备形态、互联方案、 图 3 ：全球智能算力快速增 长 1117.4 414.3 497.1 812.5 616.6 259.9 155.2 0.23 75 • 智算中心是以 GPU 、 A I 加速卡等智能算力为核心，集约化建设的新型数据中心。智算中心为 A I 大模型训练、推理提供算力支撑， 同时为 A I 应用提供算力服务、数据服务和算法服务；以中国移动推出了 N ICC 新型智算中心为例，可分为“三层两域”： 易等界面，对内根据上层任务进行资源编排调度。 图 5 ： 中国移动 N ICC 新型智算中心的“三层两域”架构 请务必阅读正文之后的免责声明及其项下所有内容 智算中心：以 GPU 、 A I 加速卡为核心的新型数据 中心 资料来源：《中国移动 NICC 新型智算中心技术体系白皮书》，国信证券经济研究所整 理 • 智算中心逐步从“集群时期”走向“超级池化时期” 。随着 A I 大模型参

在训练负载中具有绝对优势。以 GPT-3 为例，在 32 位的单精度浮点数数据下，训练 阶段所需 GPU 数量为 1558 个，谷歌级应用推理阶段所 需 GPU 数量为 706315 个。 l 英伟达开辟 GPGPU 加速计算格局， GPU 架构演进及产品布局赋能 AI 时代。 英伟达 (NVIDIA) 成立于 1993 年，总部位于美国加利福尼亚州圣克拉拉，是一家人工智能计算公司。据 JPR 数据， 4Q22 英伟达独立 速计算平台，并且完善针对 AI 加速计算及数据中心的 GPU 、 CPU 、 DPU 三种芯片产品结构。 AI 布局方面，早在生成式 AI 变革初期就已参与并与 OpenAI 、微 软合作。 2023 年 3 月，英伟达在 GTC 大会上推出 4 个针对各种生成式 AI 应用程序进行优化的推理平台，其中发布带有双 GPU NVLink 的 H100 NVL 加速计算卡， 以支持 ChatGPT 胜宏科技、东山精密、鹏鼎控股； AI 终端： 晶晨股份、瑞芯微；先进封装： 长电科技、通富微电、芯原股份；存储：深科技、江波龙、佰维存储、 兆易创新。 请务必阅读正文之后的免责声明及其项下所有内容 l 构建加速计算平台、完善“三芯片”产品布局，重点发力 AI 及数据中心领域。 复盘英伟达的 AI 发展之 路 目录 01 GPU 与人工智能 02 英伟达 的 A I 发展之 路