请务必阅读正文最后的中国银河证券股份公司免责声明。 ⚫ 风险提示：宏观经济波动风险；技术研发进度不及预期风险；供应链 风险；政策推进不及预期风险；消费需求不及预期风险；行业竞争加 剧风险。 主要财务指标 [Table_MainFinance] 2022A 2023E 2024E 2025E 营业收入（百万元） 462.75 585.73 739.67 933.16 研究院 公司的主要产品或服务体系：1）应用软件开发：公司围绕人民法院信息化 4.0 版建设 目标，针对法院诉讼服务、审判、执行、审判管理、司法管理等工作研发了“智慧服务、智 慧审判、智慧执行、智慧管理、智慧政务”等系列产品；2）应用软件服务：包括运维服务、 技术服务和平台运营，根据客户的系统建设情况及日常运行需求，公司为客户提供技术支 持服务；3）司法辅助服务：主要系卷宗扫描、卷宗归档、文书送达等服务，属于信息化建 年一季报） 资料来源：公司官网，公司招股说明书，中国银河证券研究院 （二）业务视角：专注于为法院等客户提供电子政务领域的信 息化建设 从收入构成来看，根据公司 2022 年报数据，公司收入主要由应用软件开发、应用软件 公司深度研究报告/计算机行业 请务必阅读正文最后的中国银河证券股份公司免责声明。 3 服务与司法辅助服务三大部分构成。2022 年，公司应用软件开发业务占比

.........................................................................................24 2.2.1 主要竞争者概述.........................................................................26 2.2.2 竞争策略比较..... 支持。从国家层面上，政府出台了一系列政策来促进人工智能技术 的研发和应用，涉及资金投入、人才培养和技术创新等多个方面。 这使得人工智能行业的发展得到了良好的土壤。 根据《全球人工智能发展报告》的数据，目前全球主要国家在 人工智能技术上的投入占各国科技预算的比重普遍超过 10%；而中 国政府每年在此方面的投入也不断增加，预计未来将保持在 15%以 上。 总体来看，人工智能行业正迎来新的发展机遇。大模型技术的 。市 场上对基于大模型的 SaaS 平台的需求主要源自以下几个方面：企 业对效率提升的渴望、数据分析能力的增强、创新产品和服务的需 求等。根据统计数据，全球人工智能软件市场预计在未来五年内将 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

通过本系统的建设，预计可以实现以下具体效果： 1. 数据训 练效率提升 30% 以上 2. 模型质量合格率提高 25% 3. 训练资源利用 率优化 40% 4. 训练评估时间缩短 50% 系统的主要应用场景包括但不限于： - 机器学习模型的训练过 程评估 - 深度学习网络的性能优化 - 训练数据的质量控制 - 计算资 源的最佳分配 - 训练效果的持续跟踪与改进 项目将 训练考评系统，该系统将集成数据预处理、模型训练、效果评估等 关键环节，确保每一步操作的透明性和可追踪性。通过引入先进的 算法和评价体系，本项目不仅能够提升数据训练的效率，还能确保 训练结果的一致性和可靠性。 项目实施的必要性主要体现在以下几个方面：  数据质量控制的标准化：通过标准化的数据清洗和预处理流 程，减少噪声和异常值对模型训练的影响。  模型训练的优化：采用自动化工具和算法，优化模型训练参数 和过程，提高训练速度和准确性。 据处理活动在法律 框架内进行。 项目的技术约束主要源于当前的硬件资源与预算限制。系统需 要支持至少 100 个并发用户的访问，服务器响应时间不超过 2 秒。 此外，系统应具备良好的可扩展性，以适应用户数量和数据量的增 长。在开发过程中，将采用微服务架构，以确保系统模块的高度解 耦与独立部署能力。 在项目实施过程中，还将面临以下主要挑战： - 数据多样性： 处理来自不同源头和格式的数据，确保其兼容性与一致性。

的应用越来越受到重视。其核心在于通过多模态数据的整合与分 析，及时发现环境污染的源头和变化趋势，并为决策提供科学依 据。 智慧诊断的发展可以追溯到信息技术和环境科学的交叉融合阶 段。在早期，环境监测主要依赖于人工采样和实验室分析，这种方 法不仅效率低下，而且难以实现实时监控。随着信息技术的进步， 尤其是物联网(IoT)和大数据技术的快速发展，环境数据的采集和分 析变得越来越自动化和智能化。通过传感器和卫星监测，能够实时 在当前全球生态环境问题日益突出的背景下，提升生态环保的 智慧诊断能力显得尤为重要。本文旨在探讨通过多模态 AI 大模型 技术的应用方案，为生态环境保护提供创新的解决路径。具体而 言，本文的目的主要集中在以下几个方面。 首先，通过整合多种类型的数据源，如遥感数据、传感器数据 和环境监测数据，构建一个全面的环境数据集。这种数据集将为生 态环保提供全面的参考依据，使得相关决策更具科学性和针对性。 1 环境污染现状 当前，环境污染问题日益严重，成为制约可持续发展的重要瓶 颈。根据世界卫生组织的统计，全球每年因空气污染导致的死亡人 数高达 700 万。大气污染来源主要包括工业排放、汽车尾气、建筑 扬尘等，而水污染则主要源于农业面源污染和工业废水排放。此 外，固体废物的无序处置和塑料污染也在不断加剧环境负担。目 前，许多城市面临着重度的雾霾天气，河流湖泊的水质下降，生物 多样性遭受威胁。

周边环境的管理与维护显得尤为重要。优秀的铁路沿线管理不仅能 够提高运输效率，保障安全，还能够促进沿线经济的发展。因此， 本项目旨在通过构建一个实景三维 AI 大模型，提升铁路沿线的管 理能力与服务水平。 该项目的背景主要基于以下几点： 首先，铁路沿线环境复杂多变，涉及到的设施包括轨道、信 号、桥梁、隧道等多种结构，周围环境也包括居民区、商业区等， 这些因素对铁路的安全运营和服务品质有直接影响。传统的人工巡 精准的物流解决方案，最终达到推动铁路运输现代化、智能化的目 标。 1.2 现有铁路管理模式的不足 在当前的铁路管理模式中，尽管已经运用了多种信息技术手 段，但仍然存在一些显著的不足。这些不足主要体现在管理效率、 数据共享、应急响应以及实时监控等多个方面。 首先，现有的铁路管理模式往往依赖于传统的人工操作和各类 独立的信息系统，这使得数据处理的效率受到制约。在许多情况 下，各部门之间 实现智慧铁路生态系统 构建多层次的智慧铁路生态，整合各类数据，如气象、交通、 旅游等，通过语义分析和深度学习实现智能决策，使铁路系统 能够更好地适应外部变化。 以下是本项目在实施过程中将开展的主要工作内容：  数据采集与模型构建 o 收集铁路沿线的地理信息、交通流量、环境监测等相关 数据。 o 建立三维 AI 大模型，通过持续学习优化模型性能。  平台开发与数据分析 o 开发

4% ，同时生成式 AI 市场规模占到整体 AI 市场规模的比例将由 16% 上升到 29% 。对于企业来讲，对于生成式 AI 的支出亦将经历不同阶段的 重点，例如 2024- 2025 年，支出主要集中在生成式 AI 基础设施建设； 2025-2026 年，支出重点用于推进生成式 AI 平台与解决方案建设； 2027 年及以后，支出重 点着力于生成式 AI 服务。 图： 2023-2028 年中国生成式 ，国信证券经济研究所整 理 资料来源： Gartner ，国信证券经济研究所整 理 全球 IT 支出（亿美元） YoY l 大模型训练、 AI 应用需求兴起，推动全球算力需求快速增长。全球算力需求飙升主要基于以下原因： 1 ）模型能力提升依赖更大的训练数据量和参数量，对应更高的算 力需求； 2 ） AI 模型的发展方向转向多模态，训练模型的数据从单一文字数据发展到目前的图片、视频数据，均需要更强的算力处理； 分为通用算力、智能算力及超算算力： 1 ）通用算力：由基于 CPU 的服务器 提供算力，主要用于基础通用计算； 2 ）智能算力：由基于 GPU 、 FPGA 、 ASIC 等 AI 芯片的加速计算平台提供的算力，主要用于人工智能训练和推理计算； 3 ）超算算 力：由超级计算机等高性能计算集群提供算力，主要用于尖端科学领域的计算。早期通用算力占整体算力的比重达 90% 以上，随着人工智能技术的发展，智能算力规模迅

d）持续迭代原则：数据清洗策略应随业务场景、模型反馈与安 全环境的变化而动态调整。 4 风险识别维度 4.1 数据质量风险 训练数据本身存在质量问题，影响模型的训练效果，并可能放大 其他的安全风险，主要风险包括： a）完整性不足：训练数据中存在大量缺失数据，导致信息不完 整。 b）准确性不足：训练数据中包含内容错误、不精确或不真实的 数据。 c）时效性不足：训练数据过于陈旧，且未标明时间局限性，已 可能导致模型 过拟合或资源浪费。 4.2 违反社会主义核心价值观的内容风险 训练数据中包含违反社会主义核心价值观的内容，可能导致人工 智能模型生成或传播对个人、群体或社会造成负面影响的内容。主要 风险包括： a）煽动颠覆国家政权、推翻社会主义制度； b）危害国家安全和利益、损害国家形象； c）煽动分裂国家、破坏国家统一和社会稳定； d）宣扬恐怖主义、极端主义； e）宣扬民族仇恨； h）其他法律、行政法规禁止的内容。 4.3 歧视性内容风险 训练数据中因样本代表性不足或历史性原因而存在歧视性内容， 导致人工智能模型对特定群体或类别产生不公平、不准确或歧视性判 断或行为的系统性倾向。主要风险包括： a）民族歧视内容； b）信仰歧视内容； c）国别歧视内容； 5 d）地域歧视内容； e）性别歧视内容； f）年龄歧视内容； g）职业歧视内容； h）健康歧视内容； i）其他方面歧视内容。

...........................................................................................14 2.2 主要功能................................................................................................. .........................................................................................133 17.1 主要发现总结............................................................................................... 自动化的手段，提升整体运营效率和竞争力。因此，制定一套切实 可行的商务 AI 智能体应用服务方案，对于企业在数字化时代的发 展至关重要。 以下是 AI 智能体在商务场景中的主要应用领域及其潜在效益 的对比： 应用领域 主要功能 潜在效益 供应链管理 预测分析、库存优化 减少库存成本，提升供应链效率 客户服务 智能客服、实时响应 提升客户满意度，降低人力成本 内部协作 智能任务分配、流程自动化

管理效率和服务水平具有极大的潜力。AI 技术能够实现对客流预 测、设备监测、线路优化等多方面的智能化管理，有望在降低运营 成本、提升服务质量方面发挥重要作用。 以下是城市轨道交通行业现状的主要特点：  高成本： o 建设和运营费用高昂，需长期投入。  大客流： o 高峰期客流量剧增，部分线网超负荷运转。  设施老化： o 部分老旧设施影响安全与服务质量。  技术滞后： 务 中展现出高效的学习和预测能力。近年来，随着计算能力的增强和 数据资源的丰富，AI 大模型在众多行业中得到广泛应用，尤其是在 城市轨道交通领域。 在城市轨道交通行业，AI 大模型的应用背景主要体现在以下几 个方面： 1. 客运需求的激增：随着城市人口的增加和城市化进程的加快， 轨道交通的客运需求日益增长。需要通过 AI 大模型来分析和 预测乘客的出行需求，以优化运力调度资源。 2 效、安全和友好的服务。 2. AI 大模型在城市轨道交通的应用场景 在城市轨道交通行业中，人工智能大模型的应用场景广泛且切 实可行，能够有效提升运营效率、增强乘客体验以及优化资源配 置。这些应用主要集中在以下几个方面： 首先，智能调度系统的应用是一个关键场景。利用 AI 大模型 分析实时数据，包括列车运行状态、乘客流量、天气变化等，可以 动态调整列车发车频率和线路配置，以应对不同的需求波动，减少

策。此外，其内置的算法库支持多种机器学习方法，包括卷积神经 网络（CNN）、循环神经网络（RNN）以及最新的 Transformer 架构，能够灵活应对不同的市场场景和需求。 在股票量化交易中，DeepSeek 技术的应用主要体现在以下几 个方面：  数据预处理：DeepSeek 提供了一套完整的数据清洗和特征工 程工具，能够自动识别并处理缺失值、异常值，同时生成丰富 的技术指标和市场信号。例如，通过计算移动平均线、相对强 作，降低交易风险。 通过以上模块的协同工作，项目将构建一套高效、智能的股票 量化交易系统，为投资者提供更精准的交易决策支持，并有效降低 市场风险，最终实现更高的投资回报率。 2.1 项目目标定义 本项目的主要目标是通过引入 DeepSeek 技术，优化和提升股 票量化交易系统的智能化水平，以实现更高效的交易决策和风险管 理。首先，DeepSeek 将通过机器学习算法对海量历史数据进行深 度挖掘，识 应。最终，通过持续优化和迭代，项目将实现智能化的股票量化交 易系统，提升交易效率和收益稳定性。 为实现上述目标，项目将遵循以下关键指标： - 数据覆盖率： 确保历史数据的完整性和实时数据的准确性，覆盖主要市场和行 业。 - 模型精度：通过交叉验证和回测，确保模型预测的准确性和 稳定性，回测年化收益率需达到 15% 以上。 - 响应速度：系统响应 时间不超过 100 毫秒，确保交易决策的及时性。