.................................................................. 18 4. 潜在标的：Agent 企业千帆竞发，垂类应用引人期待 ................................................ 19 4.1 LeewayHertz：提供多领域解决方案 .................. 和监控能力，提供个性化的投资建议，并 减少人工成本。 图22 中国前五大人工智能市场应用 资料来源：IDC，海通证券研究所 4. 潜在标的：Agent 企业千帆竞发，垂类应用引人期待 4.1 LeewayHertz：提供多领域解决方案 LeewayHertz 公司在人工智能 Agent 开发方面取得了长足进步，以创建定制化人工 智能解决方案的专长而闻名。目前已在医疗保健、金融和物流等多个领域成功实施了人

长期以来，能源领域人工智能止步于信息化阶段，发展范式陷入困境 15/80 口能源领域智能化目前大多停留在数据采集和信息展示阶段，尽管研究成果丰富，但 实际应用有限，尤其难以突破落地应用的瓶颈 期待发展趋势 — - 现有发展趋势 口主要解决数据采集和信息展示，停 留在“展示大屏”阶段 口学术发表算法成果很多，实际应用 极少，落地“最后一公里”很难 智个 能 化 程 度 → 时

2015 年便联合推出了相关产品；MRAM已实现产业化，主要应用于嵌入式存储领域，能大幅降低系统功耗，最高可达90%以上；而RRAM虽 尚未实现大规模商用，但其在存算一体及人工智能领域的潜力值得期待。在全球数据量激增和新型存储技术革新的背景下，智能软件研 发行业将迎来前所未有的发展机遇。 中 产业链中游环节分析 中游分析 智能软件研发企业显现出显著的地域集聚特征，呈现高度集中与区域集群态势。

克里斯·蒂默曼斯（Kris Timmermans） 埃森哲全球供应链与运营业务主管 传统的供应链模式如今正迅速过时。地缘政 治波动与多变的贸易环境正在重塑全球格局；与 此同时，气候压力日益加剧，消费者期待持续高 涨，传统增效策略所带来的回报却日渐式微。当 下，供应链重塑的关键在于两项关键议题。 其一，打破职能孤岛。自主决策需要在各职能 部门、流程及上下游协同关系中实现前所未有的 透明度。若缺乏端到端的可视性，即使是最先进

等相关法 规，保护患者隐私。 这些策略的实施不仅能够推动 AI 生成式大模型在医疗领域的 应用发展，还将为医务人员提供强大的技术支持，从而更好地服务 于患者。通过充分利用这一新兴技术，我们可以期待医疗领域的进 步，实现更高效、智能的医疗服务。 2.1 定义与特点 AI 生成式大模型是近年来人工智能领域的一项重要进展，其核 心在于通过大规模的数据训练，使得模型能够生成与输入相关联的 生成式大模型在医疗领域的应用前景将 更加广阔，潜在收益也可能进一步提升，改善经济可行性。 综上所述，通过对投资回报的详细评估，AI 生成式大模型在医 疗场景中的应用实现了较好的经济可行性，投资者可以期待在合理 的时间内收回投资并获取利润。 6. 实施方案 AI 生成式大模型在医疗场景中的实施方案需要系统性和可操作 性，以确保其有效融入现有医疗体系并发挥最大效益。以下是针对 该技术应用的一些具体实施方案。 生成式大模型在医疗领域的应用具有可行性与巨 大潜力，适当的策略与措施能够确保其顺利实施。因此，我们强烈 推荐医疗机构积极探索和推进 AI 生成式大模型的应用，将其作为 提升医疗服务质量的重要手段。通过合理利用这些技术，可以期待 未来的医疗服务将变得更加智能化和人性化。 10.2 对行业的建议 在人工智能生成式大模型的医疗场景应用中，行业应关注以下 几个关键建议，以确保技术的有效推广与应用，最大化其对医疗服 务的改善。

还能够优化银行的贷款审批流程。通过整 合多源数据（如征信记录、社交媒体数据等），DeepSeek 可以为 银行提供更全面的客户画像，从而更准确地评估贷款风险，减少不 良贷款率。 在风险管理领域，DeepSeek 的应用同样值得期待。通过对宏 观经济数据、市场波动和客户行为的深度分析，DeepSeek 可以为 银行提供实时的风险评估和预警，帮助其更好地应对市场不确定 性。例如，DeepSeek 可以预测不同经济情景下的贷款违约概率，

发生，还能够增 强公众对安全管理的信任感，有助于构建一个安全、和谐的社会环 境。 最后，未来公共安全领域将朝着智能化、系统化的方向发 展。AI 大模型的应用是提升公共安全管理效率的重要途径，期待这 一技术在实际运用中发挥更大的作用，助力城市安全管理的现代化 进程。 1.2 AI 大模型在公共安全中的潜力 在当今信息技术飞速发展的背景下，人工智能特别是大模型技 术，正在为公共安全领域带来深远的影响。AI

的收益，也改善了整体乘车体验，成功吸引了更多人选择公共交 通。 最后，结合以上成功实例，城市轨道交通行业的 AI 大模型应 用展现出了强大的潜力和灵活性，为各个领域提供了切实可行的解 决方案。在未来，我们可以期待更多基于 AI 的创新，助力轨道交 通向更高效、更智能的方向发展。这也为其他城市轨道交通系统的 数字化转型提供了有益的借鉴与启示。 6.1.1 案例一：智能调度系统 在城市轨道交通行业中，智能调度系统的应用已经取得了显著

平台可以通过强化行业合作、集中资源开发深 耕特定市场，从而拓展自身的市场份额。 在此背景下，SaaS 平台必须时刻关注市场变化和技术进步， 以灵活应对未来的挑战。在不断创新和迭代中，构建起符合行业需 求、用户期待的智能化服务体系，才能在竞争日益激烈的市场中保 持领先地位。 总的来说，未来的人工智能 SaaS 平台将向更加智能化、个性 化、安全化和生态化的方向发展。作为行业的参与者，紧跟这些发 展

好基础。随着技术的不断进步，我们可以预见未来在这一领域将会 有更多的创新应用，将三维 AI 模型与其他智能交通系统联动，实 现更广泛的自动化与智能化。 展望未来，铁路沿线实景三维 AI 大模型的应用前景广阔，值 得期待的方向包括： 1. 进一步提升模型的精度和实时性。 2. 扩展到更大范围的区域监控，形成全国范围内的铁路监测网 络。 3. 集成其他智能交通技术，如自轨道管理系统、智能故障诊断 等。 通