金融业 AI 大模型智算网络 研究报告 北京金融科技产业联盟 2025 年 5 月 I 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转 载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。 违反上述声明者，将被追究相关法律责任。 II 编制委员会 主任： 聂丽琴 编委会成员： 吴仲阳 张 勇 张志鹏 李建高 成晓强 编写组成员： 陈 鹏 余学山 融业务发展提 供更为精准、高效的算力支持。 AI大模型智算网络技术是算力集群的重要基础底座，是新型 算力中的网络运载力，是助力大模型实现跨节点分布式训练，提 升大规模训练效率的重要支撑。 本文深入分析 AI 大模型技术在模型能力、结构、算力、效 率等方面的技术发展趋势，提出作为底座的智算网络所面临的新 问题和新挑战。围绕 AI 大模型智算网络“高性能连接、高效率 传输、高可维网络、高安全保障”等关键技术进行研究，提供一 3 个阶段，并给出 了新技术发展及创新方向，为金融机构开展 AI 大模型智算网络 规划及建设提供参考。 关键词：大模型训练、智算网络、负载均衡、流控技术、拥 塞管理 IV 目 录 一、研究背景 ................................................. 1 （一）AI 大模型发展趋势及挑战 .........................

项目编号： 基于 DeepSeek AI 大模型 CRM 客户关 系管理系统 应 用 方 案 目 录 1. 引言.................................................................................................................................... ..........7 1.2 大模型在 CRM 中的潜力......................................................................................................................................10 1.3 DeepSeek 大模型的简介............. .........................................................................................15 2.2 引入大模型的必要性..............................................................................................

项目编号： 基于 DeepSeek AI 大模型人力资源应用 场景 设 计 方 案 目 录 1. 项目背景与目标.................................................................................................................................... 计。巡检内容将 涵盖数据库性能、服务器负载、网络安全等多个方面，巡检报告将 自动生成并发送至相关负责人。 在系统维护方面，我们将采用分阶段升级策略，每季度发布一 次小版本更新，每半年发布一次大版本更新。升级前，我们将提前 两周通知用户，并在非工作时间进行升级操作，确保不影响正常业 务。升级完成后，我们将提供详细的版本更新说明和操作指南。 为了提升用户自主解决问题的能力，我们将建立完善的知识库 随着技术的不断进步和市场需求的多样化，DeepSeek 人力资 源应用场景的扩展可能性日益显著。以下是几种切实可行的扩展方 向： 首先，在招聘和人才管理方面，DeepSeek 可以进一步整合大 数据分析和人工智能技术，实现更精准的人才匹配和智能招聘。通 过分析候选人的社交网络、在线行为和职业背景，系统可以自动筛 选出最合适的候选人，并推荐给招聘经理。此外，通过持续跟踪员 工的职业发展和绩效表现，DeepSeek

项目编号： 中医药健康产业基于 DeepSeek AI 大模 型应用 设 计 方 案 目 录 1. 引言........................................................................................................................................ 针对以上问题，引入 DeepSeek 应用方案可以有效提升数据管 理和分析能力。首先，DeepSeek 的智能数据整合技术能够跨越不 同数据格式和标准，实现多源数据的无缝对接和整合。其次，其强 大的非结构化数据处理能力能够适应中医药数据的特性，提升数据 分析和挖掘的精确度。此外，DeepSeek 的高性能计算平台能够应 对大规模数据的实时处理需求，为中医药健康产业提供高效的决策 支持。最后，DeepSeek 平衡点。通过对已有药物的化学结构进行微调，结合深度学习模 型，DeepSeek 可以预测结构修饰后的药物性能，从而指导药物分 子设计。 数据驱动的决策支持是 DeepSeek 在药物研发中的另一大优 势。通过整合实验数据、临床数据和市场反馈，DeepSeek 能够为 研发团队提供实时的数据分析报告，帮助团队及时调整研发策略。 例如，当某种药物在临床试验中出现不良反应时，DeepSeek 可以

项目编号： 保险公司行业场景 AI 大模型 应 用 方 案 目录 1. 前言........................................................................................................................................................... .........................................................................................6 1.2 AI 大模型的潜力与应用前景.......................................................................................... ....................................................................................10 2. 保险公司 AI 大模型应用概述..............................................................................................

项目编号： 人力资源管理引入基于 DeepSeek AI 大 模型筛选简历可行性 研 究 报 告 目 录 1. 引言.................................................................................................................................. 作为一种先进的 AI 技术，具备强大的文本 分析与语义理解能力，能够自动化地处理海量简历数据，并从中提 取关键信息，辅助 HR 人员进行决策。 DeepSeek 的核心优势在于其高效性与精准性。通过训练大规 模数据集，DeepSeek 可以识别简历中的技能、经验、教育背景等 关键要素，并基于预设的岗位需求进行匹配评分。其算法不仅能够 处理结构化数据，还能对非结构化文本（如自我评价、项目描述） 数据 驱动化的方向迈进，是现代企业提升竞争力的重要策略之一。 1.2 研究目的 在当前人力资源管理领域，简历筛选是招聘流程中的关键环节 之一，传统的人工筛选方式虽然灵活但效率较低，尤其在面对大规 模招聘时，容易出现遗漏和偏差。随着人工智能技术的快速发展， 尤其是深度学习（Deep Learning）和自然语言处理（NLP）技术 的进步，引入自动化简历筛选系统已成为提高招聘效率和质量的重

操作系统加速 规模化应用，开源鸿蒙装机量超 10 亿台，量子信息、脑机 接口、数字孪生等前沿技术创新成果不断涌现。生成式人工 智能大模型技术能力持续跃升，截至 2024 年底，共 302 款 生成式人工智能服务完成备案，注册用户总数超过 6 亿，多 款大模型产品性能位于全球前列。区块链创新应用提质增 效，加速融入货物运输、贸易、制造、能源、政务等重点领 域，赋能实体经济发展。二是数字产业创新生态不断完善。 物联网、数据等重点领域标准体系建设指南。三是信息化创 新人才队伍持续壮大。信息化人才培养体系更加健全，全国 数字经济本科专业达 227 个，教育科研模式变革加速演进， 文献情报、化工、海洋、气象等重点领域大模型有效提升科 研效率。国家教育数字化战略行动深入实施，建成世界最大 的国家智慧教育公共服务平台。全民数字素养与技能持续提 3 升，我国 60.61%的成年人和 64.69%的未成年人（12-17 强化企业科技创新主体地位，推动建立健全投融资支持服务 体系。推进数字产业创新发展，促进平台经济健康发展，打 造具有国际竞争力的数字产业集群。培育量子科技、具身智 能、6G等未来产业，积极推动“人工智能+”行动，深化人工 智能大模型垂直领域应用，培育数智化新服务新产品。建强 信息化创新人才队伍，加强信息化基础学科、新兴学科、交 叉学科建设，培养多层次复合型人才队伍。 二是坚持驱动引领，加快推动信息化赋能新质生产力发

强国领先地位 《中国制造 2025 》 +“14X” 实施方案和规划体系 + 高端领域技术线路图绿皮书 30 年，三步 走 目标 第一步 突出特点 核心关键 五大工程 十大重点领域 效益 国家政策驱动 - 国家智能制造总体规划 国家效益： 20 年 3 万亿美金 GDP 。企业效益：效率个 20%, 成本↓ 20%, 节能减 排↓ 10% 为什么建设智能工厂一政策的推动 能源监管粗放、无法精准识 别节能因素 √ 缺少降本增效的数据支撑 安 全与环 保 供应链 传统设备管理模式效率低下 √ 设备管理成本居高不下 设备 能源 三大功能：信息深度自感知、智慧优化自决策、精 准控制自执行 四个特征：智能制造、关键制造环 节智能 化、端到 端数据流、网络互连 一条主线：新一代信息技术与产品全生命周期各环 节及先进制造技术的深度融合 基 础 、 以网络互连为支撑的四大特征，可有效缩短产品研制周期、提高生 产效率、提升产品质量、降低资源能源消耗，对推动制造业转型升级具有重 要意义。 《国家智能制造标准体系建设指南 (2018 年版》 客户定制 MES MES 智能制造的 定义 计划 段量 BIGDATA 设 备 函大融来 人员 物料 可 视 大账据 白 动 概块 个性 互联 聚性

展规划》确立“三阶段发展目标”的宏伟蓝图，到《数字中国建设 整体布局规划》构筑“2522”整体实施框架，央地协同的政策体系 持续强化，为技术自主创新与产业智能化升级注入了强劲的驱动力。 智能化时代，以大语言模型驱动的智能代码生成、生成式人工 智能赋能的辅助设计以及智能化测试与智能运维工具链为代表的前 沿技术变革，正以前所未有的深度和广度，系统性地重构软件工程 的方法论、工具链与实践范式。软件工程已超越其传统边界，跃升 国务院 2023.02 《 数 字 中 国 建 设 整 体 布 局 规 划》 明确“2522”框架，通过夯实数字基础设 施和数据资源体系“两大基础”，推进数 字技术与经济、政治、文化等“五位一体” 深度融合，强化数字技术创新体系和数字 安全屏障“两大能力”，优化数字化发展 国内国际环境“两个环境”形成从战略规 划到落地执行的完整闭环。 国务院 2021.12 《“十四五”数 字 经 济 发 准确把握信息软件产业发展趋势，秉持全 面系统观念，以全球争先为导向，全面拥 抱大模型、保障产业链安全、抢抓新业态 发展机遇、构建数据驱动新机制、加强国 际化拓展、促进区域协同联动，打造开放 包容的信息软件业高质量发展新局面，有 力支撑全球数字经济标杆城市建设。 软件工程智能化标准体系建设指南（2025 年） 3 上海市 2023.07 《 上 海 市 推 动 人 工 智 能 大 模 型 创 新 发 展 若 干措施（2023—

是中国经济的一种特殊产业 形态和经济建设的重要支柱， 虽是高投入、高产出行业， 但也是高能耗、高污染产业， 园区“安全、环保、节能”形势 尤为突出。 以现代通信技术为基础，有 效融合物联网、云计算、大 数据等新兴技术研发而成的 具有专业化、集成化特征的 信息系统。以满足园区运营 需求为中心，通过感知、传 输、整合、分析化工园区的 各类关键信息，对安全、环 保、公共服务以及工商活动 等作出准确、高效的智能响 聚等方面取得了显著的成绩。 优势：注重环保及绿色化工技术，节能减排、循环经济发展。 不足：缺少一体化应急响应联动体制。 惠州大 亚湾石 化区 遵循“油化”结合、上中下游一体化、公用工程一体化发展的道 路，初步建成一体化的安全生产应急救援体系。 优势：建成三套大气特征因子自动监测站，企业四级监控监测体系三 个区域大尺度预警监测系统，设施建设推动能力强。 不足：应急保障分散，资源整合力度低，缺少一体化管理能力 。 国外化工园区 变化， 1:10000 比例尺 12 城镇地籍数据 保密级别高 13 国土规划数据 2015 年，基本农田数据、生 态红线数据、空间管制数据、 土地利用规划数据 14 农村宅基地数据 因港区变迁大，所以没有系统 的数据库 （二）园区建设现状 2 、园区信息化现状（ 1 ） 序号 大类 小类 现状 1 园区 基础 设施 数据资源现状 园区已有数据资源主要包括安防、环境、能源、地理信息、物流等领域。