——Deepseek 冲击波系列报告 ⚫ ⚫ ⚫ ⚫ ⚫ 维持评级 程培   宋丽莹  孟熙  行业深度报告 · 医药生物行业 Catalog 行业深度报告 · 医药生物行业

发展 筑牢根基。 时间仓促，报告仍有诸多不足，恳请各界批评指正。后续我们 将不断更新完善，如有意见建议请联系中国信通院研究团队： dceco@caict.ac.cn。 综合算力指数 目 录 一、综合算力研究背景........................................................................................ .................................................................................. 43 综合算力指数 图 目 录 图 1 综合算力指数体系 4.0.................................................................................. 城市算力分指数 Top30................................................................................... 36 表 目 录 表 1 指标体系与计算口径.....................................................................................

工业总产值 ; 股市交易行情及成交量 ; 央行黄 金及外汇储备 ; 通胀指数 贵金属 国际 / 国内交易行情 , 交易量 ; 美元指数 ; 国际金银期货指 数 ;ETF 价 格 ; 能源价格波劢率 ; 实物价格 外汇 美元指数 ; 各币种央行基准利率 ;FED,ECB, 人行利汇率劢态信 息 ;CNY/CNH 价差 债券 债券指数 ; 人行利率政策发布 ; 银行间同业拆放利率

项目编号： 审计领域接入 DeepSeek AI 大模型构建 Agent 智能体提效 设 计 方 案 目 录 1. 引言................................................................................................................................ 据库直连、文件解析等方式对接 ERP 系统（如 SAP、Oracle）、财 务软件（如用友、金蝶）、OA 系统以及税务平台，实现审计相关 数据的自动化抽取。针对非结构化数据（如合同扫描件、邮件记 录），采用 OCR 识别与 NLP 文本解析技术提取关键字段，并标注 数据来源与时间戳以确保可追溯性。 典型审计数据源及处理方式如下表所示： 数据类型 数据来源示例 标准化方法 输出格式 结构化数据 关联键 凭证事实表 会计期间维度 fiscal_period_id 银行交易事实表 金融机构维度 bank_id 3. 实施元数据管理，通过 Apache Atlas 构建数据血缘图谱，记 录字段级转换历史。对于敏感数据，在标准化过程中同步完成 脱敏处理，采用保留格式加密（FPE）技术确保审计线索不丢 失。最终输出符合 XBRL GL 标准的清洁数据，供后续分析模 块调用。整个流程通过

项目编号： 铁路沿线实景三维 AI 大模型 应 用 方 案 目 录 1. 项目背景与目标............................................................................................6 1.1 铁路运输的重要性...................................... 换、去噪声和补全 缺失值等处理，以确保其适应后续分析的要求。常用的处理方法包 括：  数据归一化：将数据调整至同一尺度，以减小不同特征之间的 差异。  去噪声：使用滤波器如中值滤波、小波变换等方法，去除数据 中的随机噪声影响。  缺失值处理：采用均值填充、线性插值等方法对缺失数据进行 处理，避免对分析结果的干扰。 完成数据预处理后，接下来进行特征提取，旨在从大量原始数 据 以下几种方式进行：  图像特征提取：使用卷积神经网络（CNN）提取视频监控获 得的图像中的物体特征，识别出列车、车辆及障碍物。  时序特征分析：对传感器采集的时序数据进行傅里叶变换或小 波变换，提取出频域特征。  深度学习特征学习：利用深度学习模型自动从原始数据中学习 到高层次的特征表示，减少人工干预。 特征提取完成后，将数据输入至人工智能模型中。模型的选择 依赖于具体的任务

团队相关作者 49/80 鲁洁 章文恺 冯晨昕 张健 郑泽宇 章超波 荷兰埃因霍温理工大学 王嘉茜 贺佳宁 蒋睿勤 博士后 报 告 提 纲 大语言模型应用的科研案例 …

Deepseek 大模型在银行系统的部署 方案设计 目 录 1. 项目概述.......................................................................................................6 1.1 项目背景.......................................... 务逻辑，确保在对话中提供准确且专业的回答。 其次，模型需要支持多轮对话管理，能够在长时间的交互中保 持上下文的一致性，避免客户在多次询问同一问题时得到不一致的 答案。同时，模型应具备情感分析能力，能够识别客户的情绪波 动，并根据情绪调整响应策略，提升客户体验。 在银行业务中，模型还需具备高度可定制性，能够根据不同银 行的具体业务需求进行定制化训练。例如，针对不同银行的产品 线、业务流程、合规要求等，模型能够进行相应的调整和优化，以 过手机短信、硬件令牌或生物识别等方式进行二次验证。这一措施 将有效防止因密码泄露导致的未授权访问。 在会话管理方面，系统将实施会话超时和自动注销机制。用户 在一定时间内无操作后，系统将自动断开其会话，并要求重新登 录。此机制能够有效防止因用户忘记注销而导致的安全隐患。同 时，系统将记录所有用户的访问日志，包括登录时间、操作内容和 退出时间等，便于后续的审计和追踪。 为了应对潜在的跨站请求伪造（CSRF）攻击，系统将在所有

呈现当前业务状 态，识别潜在问题；预测性分析通过时间序列分析、回归模型等方 法，预测未来趋势和可能的结果；规范性分析则基于优化算法，提 出最优决策方案。例如，在供应链管理中，模块可以预测需求波 动，建议最优库存水平，从而减少库存成本和缺货风险。  实时监控与预警：模块能够实时监控关键业务指标（KPI）， 并通过可视化仪表盘展示。当指标偏离预期范围时，系统自动 触发预警，提醒决策者及时干预。 断或数据缺失等，检验系统的容错能力和恢复机制。 为提升测试效率，测试团队将采用自动化测试工具进行回归测 试，确保每次代码更新后核心功能不受影响。同时，人工测试将专 注于复杂场景和边缘案例，以确保系统的鲁棒性。测试过程中将记 录所有测试结果，包括成功案例和失败案例，并对失败案例进行详 细分析，定位问题根源并反馈至开发团队进行修复。 以下为功能测试的关键测试点： - 自然语言处理（NLP）：验证系统能否准确理解用户意图，支

深度学习在智能助理产品中的应用 胡一川 结束语 . 提升智能助理产品的可靠性 . 智能助理产品的特点 . 深度学习与智能助理 目 录 用户终端的变化和技术的进步，推动更自然的人机交 互方式及产品形态 通过理解文本或语音形式 的自然语言来协助用户完 成需求的软件应用或平台 2000s PC 键盘 & 鼠 标 网站 时间 设备 交互方式 产品形态 2020s 智能分组推送 个性化推荐 知识库 问答型对话机器人 领先的知识型交互机器人 最懂你的私人助理 结束语 . 提升智能助理产品的可靠性 . 深度学习与智能助理产品 . 智能助理产品的特点 目 录 • • 对一段文本对应的向量进行转换， 转换时使用上下文信息 通常使用 CNN 或 RNN 从编码后的向量中提取对预测有 价值的信息 输出为一个固定维度的向量 目标 核心 价值 [Wu 2017] 候 选 回 复 用 户 问 题 上下文 结束语 . 提升智能助理产品的可靠性 . 深度学习与智能助理产品 . 智能助理产品的特点 目 录 完全用机器来理解人类语言仍面临诸 多挑战 模糊的 语义内容 复杂的 知识处理 个性化的表 达方式 歧义 上下文 复杂背景 个性化 错误 同义

DeepSeek 在金融银行的应用方案 2025 年 02 月 21 日 目 录 1. 引言...............................................................................................................6 1.1 DeepSeek 技术概述................ 掘技术，DeepSeek 可以分析客户的交易行为、投资偏好、风险承受能力等多维度数 据，从而为客户提供量身定制的金融产品和服务推荐。 首先，系统会通过数据采集模块收集客户的基本信息、交易记 录、浏览历史等数据。这些数据经过清洗和预处理后，会被输入到 深度学习模型中进行特征提取和模式识别。通过对客户行为的深度 分析，系统能够识别出客户的潜在需求和偏好。 接下来，基于协同过滤和内容基推荐算法的混合推荐模型，系 机制，以监控预警后的客户行为变化，并对模型的预测效果进行评 估。通过不断的优化和调整，客户流失预警系统可以显著提高客户 保留率，从而对金融机构的长期发展产生积极影响。  数据收集：交易频率、账户余额变化、服务使用情况、投诉记 录等  数据处理：数据清洗和标准化  模型训练：逻辑回归、决策树、随机森林等多种算法  预警触发：高风险客户自动触发预警  挽留策略：个性化策略，如特别优惠、调整服务计划、增加互 动