究 报 告 | 2 0 2 5 . 03 . 1 3 专 业 ｜ 领 先 ｜ 深 度 ｜ 诚 信 中 泰 证 券 研 究 所 n DeepSeek 开源使金融机构能够轻松获得前沿模型能力，且大幅降低部署成本。其通过对训练方式、算法架构和推理方 法 的工程化优化大幅降低了部署成本。近期采用大规模 RL 训练方法的阿里 QwQ-32B 等模型也在缩小规模的同时达到了 源 80% 以上能 力，就足以压缩闭源的生存空间。 DeepSeek 能力能够比肩 OpenAIo1 ，开源使各行业机构能够轻松获取前沿模型能力， 且可直接进行私有化部署或商业化开发。 开源易获得： DeepSeek 使私有化部署模型也能够追平前沿闭源模型水 平 图表：闭源模型与开源模型的差距正在缩小 资料来源： Epoch AI ，中泰证券研究 所 资料来源： AI 产品榜，中泰证券研究

各地各行业在布局新兴 / 未来产业的过程中，由于对前沿技术、技术路线、应 用场景、大规模产业化的时机等方面把握不准，难以做出有效选择。 如何精准感知产业技术态势，科学研判产业发展方向，及时布局产业化应用场景培育 新产品，成为未来产业大变局中区域 / 企业实现竞争突围的关键。 产业发展决策：广阔的社会需求 产业技术监测跟踪 产业技术“弱信号”发现 技术演进路径分析 前沿技术遴选研判 产业发展趋势预测 国家工业互联网大数据中心 浙大 CCAI 产业链大数据中心 工信部采购中心 高管信息 法人社会组织 招标采购公告 招投标主体 每日招采公告 标的数据 l SupXmind 基础平台： 充分融合大模型 + 知识图谱的前沿技术 ， 贯穿从“大数据 ”到 “ 大知识”到“大模型”全流程 ，构建人机共生认知决策链路 ，帮助用户打造智能决 策 系统。 四链融合知识计算引擎 是以通用大模型为基座 ，面向产业创新咨询服务场景，

的方向发展。 新兴技术软件是指那些基于最新科技发展，旨在革新传统工作方式、提升效率和用户体验的软件解决方案。这类软件常常融合了人工智能 （AI）、机器学习、大数据分析、云计算、物联网（IoT）等前沿技术，为用户提供更加智能化、自动化以及互联的功能。它们不仅能够加 速数据处理和决策过程，还支持预测性分析、自然语言处理、增强现实/虚拟现实体验，并且可以通过持续的学习和适应来改进性能。 信息安全 多样化与跨领域应用 智能软件广泛应用于自然语言处理、计算机视觉、语音识别、自动驾驶及金融分析等多个领域，展现了其高度的多样化特性，精准对接各 行业需求。在跨领域融合方面，智能软件研发行业正积极与物联网、云计算等前沿技术深度融合，不断拓宽其应用场景与潜力边界。 智能软件研发行业可以分为四个阶段，萌芽期（1960-1969年），软硬件分离定价与软件工程概念的提出，为智能软件研发的独立发展和技 术创新奠定了基础 平台，积 极融入主流大型语言模型，通过统一认证、模型调试等措施，有效管理登录认证、计费、审查日志及监控等功能，并将其与核心产品线如 WPSOffice、金山文档、WPS365深度融合，为用户提供前沿的数智化办公解决方案。截至2023年12月31日，金山办公主要产品月度活跃设备数 达5.98亿，同比增长4.36%，年度付费个人用户数增至3,549万，同比增长18.43%。AI技术，尤其是大型语言模型的应用，通过减轻开发者的手

术研发、数据分析、架构设计等多个领域，确保人才梯队 的完整性和持续性。 定制化培训课程 02 根据银行数字化转型的具体需求，设计定制化的培训课程， 涵盖大模型技术、企业架构建模、敏捷开发等前沿知识， 提升员工的专业技能和创新能力。 实战项目经验积累 03 通过参与实际数字化转型项目，让员工在实践中积累经验， 提升解决复杂问题的能力，同时通过项目复盘和总结，持 续优化人才培养方案。 领域的研究和人才培养，为银行 输送高质量的专业人才。 与金融科技公司、技术供应商等 产业链上下游企业建立合作伙伴 关系，共同构建数字化转型生态， 实现资源共享、优势互补和协同 发展。 与科研机构合作，开展前沿技术 研究和创新项目，推动大模型技 术在金融领域的应用和发展，提 升银行的技术竞争力和创新能力。 建立开放的技术平台和创新孵化 机制，吸引外部创新资源和人才， 推动金融科技领域的创新和应用，

首先，中国保险业的数字化转型是行业发展的必然选择。随着保费增速放缓、产品利 润空间逐步压缩，保险机构迫切需要依托数字化手段升级创新、控制成本、增加收入，以实 现业绩优化。这一转型不仅涉及IT系统的升级和业务模式的创新，还包括对前沿科技如大 数据、人工智能、RPA/IPA技术的应用和探索。这些技术的融合赋能与契合场景需求的创新 开发，已成为保险机构核心竞争力的构建共识。 其次，保险行业的数字化转型得到了国家政策的大力支持。在“十四五”阶段，数字中 务。这种生态圈模式不 仅提升了保险产品的附加值，还增强了客户黏性，促进了保险与医疗行业的深度融合。 ②“保险+科技”生态圈：保险公司与科技企业、科研机构等合作，引入人工智能、大数 据、区块链等前沿技术，推动保险业务的数字化、智能化转型。通过技术创新，保险公司能 够提升业务处理效率、降低运营成本、优化客户体验，并开发出更加符合市场需求的新型 保险产品。 合作共赢机制建立：在保险科技生态圈 联合实验室等多种方式，开展 新技术研究和成果孵化；对于处于成熟期的技术，加快实现规模化应用。 2023年，随着AIGC大模型技术的火爆，国寿投资公司以业务场景的价值赋能为目标， 主动拥抱大模型前沿技术，进行相关试点研究和成果孵化，自主搭建公司大模型应用中 台，通过结合不同底层模型各自特点，低成本高效率的设计出匹配公司业务场景的大模型 应用，并基于真实业务场景快速验证，持续寻找场景与模型之间的最佳适配组合，不断探

析，提高银 行的安全性和客户信任度。 为了更好地推动技术创新，DeepSeek 还将加强与学术界和产 业界的合作。通过与高校和研究机构的合作，DeepSeek 能够获取 最新的科研成果和技术前沿，推动技术的快速落地和应用。同时， 与金融机构的合作将为 DeepSeek 提供丰富的应用场景和反馈，促 进技术的不断优化和升级。 DeepSeek 未来在技术创新的方向和目标：  提升 AI 7.2 行业趋势 随着金融科技的迅猛发展，DeepSeek 在金融银行领域的应用 将迎来更加广阔的前景。未来，金融行业将继续朝着数字化、智能 化和个性化的方向发展，DeepSeek 作为一项前沿技术，将在这一 进程中发挥重要作用。首先，人工智能与大数据分析将成为金融决 策的核心工具，DeepSeek 通过深度学习和自然语言处理技术，能 够实时解析海量的金融数据，为银行提供精准的市场预测和风险评 实现对复杂金融文本的精准信息抽取和语义分析。  算法优化： o 引入自适应学习机制，使模型能够根据市场变化自动调 整策略。 o 增强模型在处理高维数据和非线性关系时的性能。  数据加密技术研究： o 探索量子加密技术的前沿应用，提升数据传输的安全 性。 o 开发混合加密方案，结合对称和非对称加密优势，优化 数据处理效率。 最后，随着区块链技术的成熟，探索其在金融交易中的应用， 尤其是智能合约的自动化和去中心化特性，可为银行业务带来革命

据补全和去重等。 智能决策模块是 DeepSeek 智能体的核心，主要利用机器学 习、深度学习等技术进行模式识别和预测分析。开发时需要根据业 务需求选择合适的算法模型，结合强化学习、迁移学习等前沿技 术，实现动态优化。模型训练和推理过程应支持分布式计算，以提 高处理效率。响应执行模块则负责将智能决策结果转化为实际操 作，如自动化控制、通知发送等。此模块需具备高可靠性和实时 性，确保系统能够及时响应外部变化。 在项目管理方面，我们采用了敏捷开发方法，结合定期的项目 评审和反馈机制，确保了项目按计划推进。团队成员之间的高效协 作和知识共享也是项目成功的关键因素之一。通过定期的培训和技 能提升，我们确保了团队在技术前沿的持续创新和竞争力。  多模态数据处理  自适应学习机制  高效的决策支持系统  模块化设计  持续学习机制  跨平台兼容性  敏捷开发方法 总结来说，DeepSeek 每篇文献均包含详细的实验数据和案例分析，为智能体开发提 供了坚实的理论和实践基础。  文献中的模型和算法已经在多个领域得到验证，具有较高的可 行性和实用性。 通过上述参考文献，开发者可以深入了解智能体开发的前沿技 术，掌握最新的算法和应用方法，从而在项目中实现高效的智能体 解决方案。 15.3 相关法律法规 在开发 DeepSeek 智能体时，必须严格遵守相关的法律法规， 以确保项目的合法性和合规性。以下是开发过程中需要特别关注的

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。 - 技术 集成：整合前沿的机器学习算法与现有的企业 IT 基础设施。 - 用户 培训：为确保系统的有效使用，需要对用户进行系统的培训与支 持。 为应对这些挑战，项目团队将采取分阶段实施的策略，以确保 每个阶段的 升系统的易用性与稳定性。 为确保用户在使用过程中能够不断提升技能与知识储备，需定 期组织进阶培训与研讨会。进阶培训内容可涵盖系统新功能的介 绍、数据处理技术的更新及行业最佳实践分享，帮助用户保持技术 前沿的敏锐度。研讨会则通过邀请行业专家与用户共同探讨系统应 用中的实际问题与解决方案，促进系统功能的优化与创新。 为评估培训与支持的效果，需建立用户满意度调查与追踪机 制。通过定期收集用户反馈，分析培训内容、技术支持及系统使用 最后，项目成功的关键还在于与业务部门的紧密合作。通过与 业务部门的深入沟通，我们准确理解了需求，确保了系统的功能设 计能够切实解决业务痛点。 展望未来，我们将继续优化系统的性能，扩展其应用场景，并 探索更多前沿技术，以保持系统在行业内的领先地位。同时，我们 将加强与外部合作伙伴的协作，共同推动人工智能技术在数据训练 和考评领域的创新与发展。 13.2 未来发展方向 在人工智能数据训练考评系统的未来发展中，首先需要重点关

实施多层级、可扩展的智能体式架构， 强化决策能力，驱动更优的业务成果。 提升员工技能：通过持续学习和技能提升，借鉴最新的AI赋能实践，我们将帮助您强化团队能力， 确保组织和员工都能走在行业发展前沿。 • • • • 实现自主智能供应链 27 参考资料 其他撰稿人员 鸣谢 Adheer Bahulkar Pascal Brosset Patricia Cornet

练及 推理芯片、先进计算架构、高速互连芯片技术等领域，强化国产芯 片在现有系统中的规模化应用验证和生态适配。三是加强算力与行 业结合，推动更紧密对接工业仿真、材料研发、生物医药、气象预 报等前沿领域和实体经济需求。四是发展多元化算力形态，支持边 缘计算、量子计算、光子计算等新型计算模式的研发、试点和应用 部署，探索未来算力增长点。 综合算力指数 38 （三）夯实存力运力底座，促进“算存网”协同演进