693亿元人民币，期间年复合增长率13.30%。 中国在人工智能领域展现出强劲实力，促进智能软件研发行业持续发展。 截至2023年底，中国已有254家厂商及高校院所开发出超过10亿参数的大模型，共计发布了近80个大模型，其中部分已投入市场应用。人工智能 产业规模不断壮大，核心产业规模已接近5,800亿元。同时，中国已形成了京津冀、长三角、珠三角三大人工智能集聚发展区，拥有超过4400家 核心企 电子计算机软件、硬件及外部设备的技术开发、技术咨询、 技术转让、技术服务、技术培训；计算机系统集成；销售打 印纸和计算机耗材；物业管理；企业管理咨询；数据库服 务；销售电子计算机软硬件及外部设备；设计、制作、代 理、发布广告；自营和代理各类商品和技术的进出口，但国 家限定公司经营或禁止进出口的商品和技术除外；出租办公 用房；零售图书；互联网数据中心业务（机房所在地为北 京、南昌）、互联网接入服务业务（北京、南昌）、信息服 成；技术服务、技术咨询；批发计算机软、硬件及辅助设 备、通信产品；货物进出口、技术进出口；（不涉及国营贸 易管理商品；涉及配额许可证管理商品的按照国家有关规定 办理申请手续）；设计、制作、代理、发布广告；出版物批 发。（市场主体依法自主选择经营项目，开展经营活动；依 法须经批准的项目，经相关部门批准后依批准的内容开展经 营活动；不得从事国家和本市产业政策禁止和限制类项目的 经营活动。）

Character AI ：自研大模型，打造智能体社区 ................................................. 23 4.5 星火智能体：布局智能体平台，发布垂类智能体 ............................................. 24 4.6 SkyAgents：自研模型降低成本 ................... 亿用于支持本地的算力发展。广东省也将算力作为重 点发展方向，预测 2025 年的人工智能核心产业规模超过 3000 亿元。 表 2 国内政策推动人工智能发展 政府机构 文件名称 发布时间 具体内容 上海市经 济和信息化 委员会、上海 市发展和改 革委员会等 五部门 《上海市推动人工智能大模 型创新发展若干措施 （2023-2025 年）》 2023 美国相关政策落地较早，人工智能发展已成规模。在 2021 年 3 月，大模型还未进 入公众视野时，美国人工智能国家安全委员会已经发布了对该领域未来发展的规划。文 件中写到了美国坚定在人工智能领域的投入，且规定了研发投入资金的比重。另外，在 2023 年 5 月，美国白宫发布《国家人工智能研发战略计划》，对之前提出的 8 项重点战 略目标进行了优化和完善，同时强调了人工智能领域国际交流的重要性。另外，文件还

2025年开年，当中国AI初创企业发布的DeepSeek-R1模型以"1/10训练成本实现 OpenAI同级推理性能"的表现震动全球时，教育行业率先成为这场AI技术平权浪潮 的"风暴眼"。各大细分赛道头部企业如学而思、网易有道、中公教育、希沃等纷纷 抢滩接入DeepSeek-R1大模型，并围绕DeepSeek能力开启软件与硬件业务方向的 智能升级、创新，推动行业走向AI原生教育的新生态。 一、教 思维链、高性价 比优势掀起新一轮变革 DeepSeek-R1自2025年1月20日正式发布以来，热度快速且持续增长，C端流量爆 发的同时，网易有道、学而思、希沃、中公教育等头部企业先后宣布拥抱 DeepSeek，或将已有AI教育产品接入DeepSeek进行能力/功能升级、或以 DeepSeek为基座发布新AI教育应用和智能学习硬件，快速抢占DeepSeek模型带 来的AI创新机遇。 代表性教育企业围绕DeepSeek的布局总览 实现双协同、生态化布局 2月8日至今，学而思先后将AI学习机、学练机等硬件产品接入DeepSeek，以其深 度思考模式升级产品AI能力，已于旗舰机开启灰度测试并将陆续上线免费智能教育 功能；新发布AI学习应用“随时问”，由自研九章大模型与DeepSeek大模型联合 支持，主打一站式智能化教育。围绕DeepSeek，学而思的AI教育布局呈现出双协 同、生态化特点： 1、突破单一模型局限，将教

仅深刻改变了人机交互的方式，更预示着一个由大模型引领的智能新时代的到来。比尔· 盖茨的赞誉、马斯克的断言以及马化腾的深刻洞察，都从不同角度揭示了大模型技术对于 人类社会发展的深远影响。而国家网信办等七部门联合发布的《生成式人工智能服务管理 暂行办法》，则为中国大模型技术的健康发展提供了坚实的政策保障和合规框架。 在保险行业，这一技术革命同样引发了深刻的变革。国内外众多保险公司和保险科技 公司，如阳光、 加值的方向 发展。 在全球金融格局深刻调整、中国经济高质量发展的背景下，保险业作为国民经济的重 要支柱和风险管理的重要力量，必须紧跟时代步伐，把握科技革命的历史机遇。我们希望通 过本白皮书的发布，为保险业做好科技金融和数字金融两篇大文章提供有力支持，推动保 险行业从科技赋能向科技引领的转变。同时，我们也呼吁行业同仁和合作伙伴加强交流与 合作，共同推动科技保险和数字保险的发展，共创保险行业的美好未来！ 将在数年内被用尽。研 究机构Epoch估计，机器学习可能会在2026年前耗尽所有“高质量语言数据”。据Gartner 预测，2024年用于训练AI的数据中有60%将是合成数据。以Meta今年7月发布的 LLaMA3.1模型为例，监督微调环节的数据里有相当比例是合成数据，使用合成数据确实 带来了模型效果的提升。 （1）合成数据成有力补充 高质量的真实数据已逐渐无法满足大模型训练与精细微调的需要，这促使合成数据

鉴权开关绑定 • 应用侧数据源动态无损轮转 Nacos-Controller : k8s 配置及服务同步 价值 • 可视化管理界面 • 配置变更实时推送 • 配置历史&回滚 • 配置灰度发布 • 跨k8s集群互通 • 非k8s异构发现 快速接入 • helm install & crd deploy • 全量一键双向同步 • 按需部分双向同步 项目地址：https://github kms plugin ) 1.绑定凭据 8.凭据轮转 7.创建连接 12.优雅切换/异常保护 0.账号密码托管 6.初始化 11.刷新 4.查询配置 10.变更回调 2.发布加密配置 9.更新加密配置 基于Nacos内核安全零信任架构，结合KMS实现的数据库帐密轮转解决方案 Nacos3.0 应用安全：数据库账号密码轮转解决方案 Part 3 Nacos 3 署 MCP Server 开发困境 Prompt 在代码写死，调试不易 现在的MCP Server开发框架都是将 Tool相关的Prompt写死在代码中，频 繁的调试需要频繁的进行应用发布，十 分繁琐耗时。 Nacos 动态控制 MCP Server Prompt 动态变更 MCP Server 参数 通过Spring Ai Alibaba或者 Python SDK 注册的MCP服务支

响应格式和错误码。 在数据交互层，我们通过消息队列（如 Kafka 或 RabbitMQ） 实现了异步通信机制，以解耦各个微服务之间的依赖关系。例如， 当用户发起一笔交易时，交易服务会将交易信息发布到消息队列 中，然后由支付服务和账务服务分别进行相应的处理。这种设计不 仅提高了系统的吞吐量，还增强了系统的容错能力。 最后，在安全设计方面，我们采用了多层防护措施。除了 API 网关的鉴权机制外，所有接口都通过 此外，模型更新和版本管理也是优化的一部分。银行系统需要 频繁更新模型以适应业务需求变化，但频繁的模型更新可能导致系 统不稳定。可以通过模型版本控制，确保新模型在部署前经过充分 测试，避免直接替换导致系统崩溃。同时，采用灰度发布策略，逐 步将新模型推送到部分用户，观察效果后再全面部署，降低风险。 最后，监控和日志系统是优化的重要保障。通过实时监控模型 性能指标，如推理时间、内存占用、CPU/GPU 利用率等，可以及 进行一次增量更新，每月进行一次全量更新。同时，根据数据变化 情况和业务需求，每隔三个月对模型进行一次重训练，以确保其始 终能够反映最新的数据分布和业务逻辑。 在模型版本管理方面，采用严格的版本控制和发布流程。每次 模型更新或重训练后，需在新版本发布前进行全面的测试，包括功 能测试、性能测试和回归测试。测试通过后，新版本部署到沙箱环 境进行一段时间的试运行，确认无误后再逐步推广到生产环境。同 时，保留至少两个历史版本以便在紧急情况下快速回滚。

SaaS 平台的产品设计中，功能模块 的设计至关重要。根据行业需求和市场调研，平台可以分为以下几 个核心功能模块，以满足用户不同的使用场景与需求。 首先是模型管理模块。该模块提供用户上传、管理和发布大模 型的能力。用户可以方便地将自己训练的模型上传至平台并进行版 本控制。此模块应支持多种模型格式，并提供图形化界面，便于用 户进行模型信息的查看和编辑。 其次是数据处理模块。为了优化大模型的训练效果，用户需对 法律法规，如 GDPR，对用户数据处理给予必要的合规保障。 最后，对于模型训练结果的管理，模块应提供模型版本控制和 存储功能。用户能够对多个模型版本进行管理，便于未来对比和迭 代，支持模型的发布、rollback 及环境隔离。 此模块的设计对实现高效、大规模的模型训练提供了强大支 持，满足了不同用户的需求，并为其自主研发人工智能模型提供了 可靠的基础设施。 3.2.2 模型评测模块 Kibana）进行日志管理， 以便于问题定位和系统优化。 7. CI/CD 流程：为提高开发效率和代码质量，我们将采用 GitHub Actions 作为持续集成和持续部署工具，自动执行代 码测试、构建和发布的流程。 整体构架可以使用以下 Mermaid 图示进行展示： 在资源配置上，初期将根据访问预估量配置基础的 Kubernetes 集群，包含 3 个节点。每个节点配备 8 核 CPU 和 32GB

，反映了作者的研究观点，力求独立、客 观和公正，结论不受任何第三方的授意或影响。本公司力求但不保证这些信息的准确性和完整性，且本报告中 的资料、意见、预测均反映报告初次公开发布时的判断，可能会随时调整。本公司对本报告所含信息可在不发 出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本报告所载的资料、工具、意见、信息及 推测只提供给客户作 取提供投资银行、财务顾问和金融产品等各种金融服务。本公 司及其本公司的关联机构或个人可能在本报告公开发布之前已经使用或了解其中的信息。 n 本报告版权归“中泰证券股份有限公司”所有。事先未经本公司书面授权，任何机构和个人，不得对本报告进 行任 何形式的翻版、发布、复制、转载、刊登、篡改， 且不得对本报告进行有悖原意的删节或修改。 25 重要声明

党组织可以举办家庭、敬老、爱幼、环保、公益等活 动，充分发挥党建引领社区共治参与社会公益。  通过图文丰富的展示党员的志愿活动，并且提供志愿 活动发布、报名、心得等全流程管理。  通过图文展示困难党员和老党员的走访慰问记录，体 现党的温暖。  通过党员随手发布图片、音频等，打造党员生活圈， 打破层级，分享心得，提高互动。 志愿者活动管理 参与对象 党员志愿者 + 群众志愿者 + 社会组织企

系统部署采用容器化方案，基于 Kubernetes 实现计算资源弹 性调度，在年审高峰期可自动扩容至 500+Pod 实例。与现有审计 软件（如鼎信诺）的集成通过标准化中间件实现，数据交换接口通 过中国注册会计师协会发布的 CSI-025 数据规范认证，实施周期可 控制在 2 周内。 3.1.1 数据采集与预处理模块 数据采集与预处理模块是 DeepSeek 智能体与审计业务系统对 接的核心环节，需实现多源异构数据的标准化处理。该模块通过 85 ≥ 训练周期规划为 6 周，其中前 3 周完成数据准备与基线模型开 发，第 4 周进行专家验证调优，最后 2 周实施生产环境压力测试。 需特别注意审计准则更新时的模型热更新机制，确保财政部新发布 的审计规范能在 48 小时内通过增量训练融入模型。 5.3 系统开发与测试 系统开发与测试阶段是审计智能体落地的核心环节，需分模块 推进开发并确保全流程测试验证。开发团队需采用敏捷开发模式， HikariCP 参数调整） 4. 安全验 证：执行渗透测试，包括 SQL 注入检测、模型 API 的 DDOS 防护 测试，确保符合 ISO 27001 标准 最后进行为期 2 周的灰度发布，先选择 5%的实际审计项目进 行平行运行，通过 A/B 测试对比传统方法与智能体处理的差异。每 日生成集成健康度报告，重点关注数据一致性（CRC 校验）、服务 可用性（SLA ≥99.9% ）和审计轨迹完整性三大指标。任何关键异