策赋能： 深度分析和决策辅助。 n 从实际落地应用情况看， 大行发力更早， 中小银行正在快速追赶。如工商银行、建设银行、招商银行等大行布局更早， 邮 储银行、浦发银行、江苏银行等也有较为领先布局应用。 AI 一体机的出现为机构提供了全新的解决方案，凭借其开箱 即 用、软硬件一体化设计等优势， 正在成为很多中小银行智能化转型的重要选择。 n 建议关注：宇信科技、京北方、天阳科技、长亮科技、百融云等。 实现客服、办公、研发、运营等多个业务领域的应用创新。中小银行则多以单场景切入， 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%

为易于使用的服务。这种服务不仅允许企业根据自身的需求定制化 模型功能，还能保证其在数据安全、隐私保护等方面的合规性。通 过云端计算资源，企业无需投入大量资金进行基础设施建设，即可 获得强大的 AI 能力，这极大地促进了中小企业的创新和发展。 此外，市场调研显示，大模型的应用前景非常广阔。根据 Precedence Research 的报告，全球人工智能市场在 2022 年达到 了 387 亿美元，预计到 2030 成本，提高业务的灵活性。将大模型与 SaaS 结合，形 成大模型 SaaS 平台，不仅可以使企业快速构建和部署人工智能应 用，还可以借助云端计算的优势，实现大规模的数据处理和模型训 练。这种平台能够为不具备强大技术和资金实力的中小企业提供便 捷的 AI 解决方案，使其能够在竞争激烈的市场环境中立足。 从市场需求来看，以下几个因素进一步推动了大模型 SaaS 平 台的发展： 1. 企业数字化转型的迫切性：许多企业急需通过人工智能提升业 将 以超过 25%的年复合增长率增长，这为大模型 SaaS 平台的开发提 供了广阔的市场空间。 在 AI 行业中，大模型 SaaS 平台的目标客户主要包括但不限于 中小企业、金融机构、医疗健康、教育和电商等各类行业。中小企 业希望通过成本相对较低的 SaaS 服务，降低技术门槛，实现智能 化转型；金融机构和医疗健康行业则需要依赖大模型提升风控、数 据分析与决策支持能力；而教育和电商行业则借助人工智能优化用

��Gbps）、高速临时存储等。 1.2 软硬一体协同优化，应对AI时代激增的数据冲击 AI预训练和推理过程需要存储和预处理海量的多模态数据，数据向量化趋势也非常显著，为保障 AI应用特别是中小模型推理和传统AI搜推场景的实时响应，云基础设施也在架构层面做出了持续 的优化创新。 图2 全球企业认为未来2年对业务成果最重要的IT事项 应用可用性 整体安全 风险管理 应用性能 、视频处理、数据库模糊检查询等任 务，云实例基于新一代处理器的向量指令集、矩阵加速指令集等，能够直接支持相关AI算子 执行，简化系统架构，提升响应性能与可靠性，持续改善搜推广、语音/视频处理以及中小模 型的推理体验。 云原生方案形成整体保障：除了算力层面的降本措施，云服务商还通过持续增强弹性伸缩、 Serverless以及统一运维等云原生解决方案的效能，实现硬件、算法、平台、服务的协同进 参数以下的模型推理速度快，微调也更加方便，在很多中小企业或特定垂直 行业部署广泛。针对此类需求，英特尔 ® AMX 对矩阵计算、卷积、注意力机制等 LLM 核心算子进行 性能优化，结合英特尔 ® oneDNN 和高效的算子融合、缓存分块等软件优化技术，大幅提升 LLM 推 理性能。内部测试数据显示，至强 ® 6 性能核处理器针对不同 LLM 的推理性能相比上一代处理器均 有革命性提升。 图4 英特尔处理器在中小规模LLM推理性能的表现

利用商务 AI 智能体进行供应链优化、库存管理以及个性化推荐， 从而提升运营效率和客户满意度。 其次，中小型企业（SMEs）也是商务 AI 智能体的重要目标客 户。虽然中小企业的数据规模相对较小，但它们在市场竞争中同样 面临效率提升和成本控制的需求。商务 AI 智能体可以为中小企业 提供定制化的 CRM（客户关系管理）系统、自动化营销工具以及 智能客服解决方案，帮助其在有限的资源下实现高效运营。 同客户群体的主要需求和对应的商务 AI 智能体解决方案： 客户群体 主要需求 商务 AI 智能体解决方案 大型跨国企业 供应链优化、库存管理、个性化 推荐 智能供应链管理系统、AI 推荐引 擎 中小型企业 （SMEs） CRM、自动化营销、智能客服 定制化 CRM 系统、自动化营销工 具、智能客服 初创企业和高科技 公司 项目管理、市场分析 智能化项目管理工具、市场分析 AI 政府机构和公共服 对自动化、智能化的需求增加，尤其是在客服、营销、供应链管理 等领域的广泛应用。 其次，市场结构将逐步优化，中小企业的渗透率将显著提升。 目前，大型企业是商务 AI 智能体的主要用户，但随着技术成本的 下降和解决方案的成熟，中小企业将越来越多地采用这些技术。这 将推动市场从以大型企业为主导向更加多元化的结构转变。预计到 2025 年，中小企业市场的占比将从目前的 30%提升至 50%。 第三，技术融合将成为未来发展的重要趋势。商务

注。 行业格局方面，在DeepSeek概念火热、用户普遍使用教育行业产品的背景下，对 此轮技术升级响应较快的教育企业产品将吸收更多流量，实现用户增长和获客转 化。中长期来看，DeepSeek赋予中小教育机构以更低门槛部署高阶AI的能力，加 速行业从头部垄断向多极竞争演化；同时，AI教育的发展关键转向理解教育场景、 以模型适配业务，未来将呈现硬件入口普及化、教育内容/服务智适应化的特征，产 业创新节奏与竞争格局得到重塑。

AI的GPT-4和 百度的文心一言等。这些模型在特定任务上表现出色，但由于其不公开的特性，限制了更 广泛的研究和应用。闭源模型通常具有更好的性能和更少的公开数据泄露风险，但这也限 制了学术界和中小企业的参与。例如，OpenAI的GPT-4模型在自然语言处理任务中表现出 色，但其模型细节和训练数据并未完全公开，限制了其他研究人员对其进行进一步的研究 和优化。 开源模型：开源模型如Meta 化发展不均衡和所需成本 高等挑战。数字技术应用面临着合规要求下的法律和监管挑战，以及各种信息安全风险。 发展不均衡的数字化技术进一步加剧数字鸿沟问题；同时，需要大量成本投入的数字化技 术制约着中小企业发展， “保险+科技”这一复合型需求也带来人才培养的新挑战。 保险行业作为金融领域的重要组成部分，正经历着前所未有的数字化转型变革。这不 仅涉及技术层面的革新，还包括业务模式的创新和市场策略的调整。 为了在AIGC时代提升企业的核心竞争力，让大模型技术成为助力企业数智化转型的新质 生产力之一。 2023年初，公司经过深入的研究和分析，对大模型技术的优点以及其潜在的局限性有 了较为深刻地理解，在充分考虑自身作为中小型金融机构在实施大模型技术应用时可能 遭遇的挑战之后，公司结合自身的实际情况和业务需求，制定了体系化的实施策略和落地 路径：首先，建立覆盖公司大多数员工日常办公场景的大模型应用，为全员的日常办公提

秒。 所有模块均配备审计轨迹记录功能，任何系统自动执行的操作 都会生成带时间戳的日志，符合 ISO 27001 安全标准。模块间采用 微服务架构，可根据会计师事务所具体需求进行灵活组合，例如对 中小型项目可仅启用基础风险扫描，而对上市公司年审则加载全套 分析功能。 4.1 自动化审计流程 在审计领域，DeepSeek 智能体的自动化审计流程通过模块化 设计实现全周期效率提升。其核心是通过规则引擎与机器学习协同 批量任务吞吐量≥500 文件/分钟 2. 安全控制： - 数据传输采用国密 SM4 加密 - 实施 RBAC 权限模型，审计轨迹保留至区块链 3. 部署模式支持： - 公有云 SaaS 服务（适用于中小事务所） - 本地化部署容器包（满足金融客户合规要求） 持续学习机制 建立反馈闭环系统： - 人工复核结果自动生成模型增量训练样本 - 每季度更新行业风险特征库（如最新税收政策调整） - 该方案已在某四大会计师事务所试点运行 6 个月，实现审计效 率提升 37%，风险识别覆盖率提高 29%，平均项目周期缩短 22 天。后续将通过模型蒸馏技术进一步降低部署成本，目标在 2024 年底前实现中小型事务所的轻量化部署。 6.1.1 本地化部署与云服务选择 在审计领域部署 DeepSeek 模型时，需根据数据敏感性、算力 需求及成本效益综合选择本地化部署或云服务方案。本地化部署适 用于

ROI 分析 • 组织能力与人才建设 • 未来演进与持续创新 01 数字化转型背景与必要性 银行业面临的竞争压力与市场挑战 国有大行服务下沉 国有大型银行通过下沉服务覆盖更多区域，加剧了中小银行的获客难度，迫使后者加快数 字化转型步伐。 新金融业态冲击 客户需求升级 互联网金融、金融科技公司等新兴业态迅速崛起，凭借灵活的数字化服务模式抢占传统银 行市场份额。 客户对数字化服

综合算力指数 39 强化综合算力与各行业应用的深度融合创新，拓展算力应用场 景，推动产业数字化转型加速。一是推动算力普惠，鼓励中国算力 平台等公共算力服务平台建设，提供便捷、经济的算力服务，降低 中小企业和科研机构的算力获取成本。二是健全标准体系，推动边 缘智能、算力网络、绿色低碳等关键领域的标准研究与制定，促进 产业健康发展和技术收敛。三是促进算力赋能千行百业，鼓励企业 开展基于算力的新

为了更直观地比较这三个框架，以下是它们的主要特性对比 表： 特性 React Vue.js Angular 学习曲线 较陡 平缓 较陡 性能 高效 高效 中等 社区支持 强大 中等 强大 适合项目规模 中大型 中小型 大型 状态管理 需配合 Redux 内置 Vuex 内置 RxJS 在选择框架时，还需考虑团队的技术熟悉度和项目的长期维护 需求。如果团队已经熟悉某个框架，选择该框架可以降低开发成本 低开发成本 和学习曲线。此外，对于需要长期维护的项目，选择一个有持续支 持和活跃社区的框架尤为重要。 综上所述，React 适合需要高性能和组件化开发的中大型项 目，Vue.js 适合中小型项目或初学者，而 Angular 则适合需要全 套解决方案的大型企业级应用。根据项目具体需求，灵活选择合适 的框架，将有助于提升开发效率和项目质量。 7.3 前端功能实现 在实现前端功能时，首先需要明确功能需求和用户交互流程。