DeepSeek-VL2 等多模态 模 型具备高精度的文档解析能力，能够提取文档中的 关 键信息， 高效完成合同质检、条款比对等工作，大 幅 提升工作效率与准确性。 n 江苏银行已成功本地化部署微调 DeepSeek-VL2 多模态 模型、轻量 DeepSeek-R1 推理模型， 分别运用于智能 合同质检和自动化估值对账场景中。 资料来源：上海证券报，搜狐，中泰证券研究所 倍，实现个性化理财建议定制，满足不同客户的多样化需求。通过精准分析客户 需 求，推动服务从“标准化”向“精准化”跃升，显著提升金融服务质量 兴业银行 技术落地：完成 DeepSeek 初步测试，计划通过本地化部署方式，将 DeepSeek 集成到投研分析系统中 成效展示：主要应用于投研分析场景 技术落地：基于昇腾 Atlas 800T A2 算力集群，浦发银行完成 DeepSeek-R1 671B 大模型的部署

求极高， 确保用户身处任何国家都期望获得相同体验、相同水准的服务。但不同国家文化背景、使用 习惯和技术水平差异性，都会严重对上述目标产生严重影响。这需要企业投入资源，兼顾全 球标准的建立以及本地化适配问题。 2.4 安全、稳定与成本的多元保障要求 云计算的安全性与稳定性直接影响用户信任度，任何数据泄露或业务中断均可能导致灾难性后果。 数据安全性⸺信任与合规的双重考验：云计算的多租户架构和分布式存储特性增加了数据 咨询服务及会展活动提供商。IDC帮助IT专业人士、业务主管和投资机构制定以事实为基础的技术 采购决策和业务发展战略。IDC在全球拥有超过1100名分析师，他们针对110多个国家的技术和行 业发展机遇和趋势，提供全球化、区域性和本地化的专业意见。在IDC超过50年的发展历史中， 众多企业客户借助IDC的战略分析实现了其关键业务目标。IDC是IDG旗下子公司，IDG是全球领 先的媒体出版、会展服务及研究咨询公司。 IDC China com www.idc.com 版权声明 凡是在广告、新闻发布稿或促销材料中使用IDC信息或提及IDC都需要预先获得IDC的书面许可。如需获取许可，请致信 gms@idc.com。 翻译或本地化本文档需要IDC额外的许可。 获取更多信息请访问www.idc.com，更多有关IDC GMS信息，请访问https://www.idc.com/prodserv/custom-solutions。

........................................................................................94 6.1.1 本地化部署与云服务选择........................................................................................... 文件/分钟 2. 安全控制： - 数据传输采用国密 SM4 加密 - 实施 RBAC 权限模型，审计轨迹保留至区块链 3. 部署模式支持： - 公有云 SaaS 服务（适用于中小事务所） - 本地化部署容器包（满足金融客户合规要求） 持续学习机制 建立反馈闭环系统： - 人工复核结果自动生成模型增量训练样本 - 每季度更新行业风险特征库（如最新税收政策调整） - 异常检测阈值动态调整算法： 22 天。后续将通过模型蒸馏技术进一步降低部署成本，目标在 2024 年底前实现中小型事务所的轻量化部署。 6.1.1 本地化部署与云服务选择 在审计领域部署 DeepSeek 模型时，需根据数据敏感性、算力 需求及成本效益综合选择本地化部署或云服务方案。本地化部署适 用于数据合规要求严格的场景，例如涉及企业核心财务数据的审计 任务。典型配置需包含以下核心组件： - 硬件基础设施：推荐采用

确保在数据分析过程中无法追溯到具体个人。 针对 AI 模型的隐私保护，我们采用了联邦学习框架，允许数 据在本地设备或边缘节点上进行处理，而无需将原始数据传输到中 央服务器。这不仅减少了数据泄露的风险，还确保了数据的本地化 合规。此外，我们定期进行隐私影响评估（PIA），识别潜在的隐 私风险，并采取相应的缓解措施。 为确保隐私保护措施的有效性，我们建立了隐私保护团队，负 责日常的隐私监控、合规检查以及员工隐私培训。员工培训内容包 安全性要求极高或网络条件有限的场景，但其扩展性和维护成本较 高。云原生部署则提供了弹性扩展和高效运维的优势，尤其适合需 要快速迭代和全球化服务的业务。混合云部署结合了两者的优点， 既能满足数据本地化的需求，又能利用云计算资源实现灵活扩展。 在具体架构设计中，推荐采用微服务架构，将系统拆分为多个 独立的服务模块，便于开发、测试和部署。每个服务模块可以通过 容器化技术（如 Docker）进行封装，结合容器编排工具（如 首先，建立全面的合规性检查清单，涵盖所有相关法律法规， 例如《中华人民共和国网络安全法》、《个人信息保护法》、《数 据安全法》等。清单应详细列出每项法规的具体要求，并将其映射 到系统的功能模块中。例如，数据存储模块需要符合数据本地化要 求，用户数据处理模块需要满足知情同意原则。 其次，设计自动化合规性检查工具。该工具能够实时监测系统 运行过程中的合规性问题，并在发现问题时自动触发警报或采取纠 正措施。例如，当检测到未经用户同意的数据采集行为时，系统应

带宽和可靠 性，降低传输时延。四是政策激励协同，建立“发放-使用-评估-优化” 的闭环管理机制，保障政策精准有效落地；同步构建动态调整、分 级分类的差异化政策框架，鼓励各地立足资源禀赋，培育本地化、 特色化的算力产业路径，激发内生动力。 （二）提升算力供给质效，推动结构迭代升级 聚焦算力供给的质量与效率提升，加快结构迭代升级步伐。一 是支持建设和升级大型 AI 集群、智算中心，支持大模型训练推理、

直接使用大模型服务适用于不涉及数据安全的场景，可通过引入开源大模型或租赁 商业化的大模型服务，在非敏感场景下进行低成本的场景探索和应用。如营销文案生成、 编程辅助等。 工程化适配这种路线涉及对大模型进行本地化部署和训练，结合自主研发，优化算法 以适应特定的业务需求。当前，保险的销售、理赔、服务等核心场景都适用此路线，如销售 辅助、复杂风险评估、智能客服等。 深度研发大模型这种路线适合于那些拥有较多财务资源和技术资源的大型保险公 目前，小财大模型员工工作平台已覆盖国寿财险全国36家省分机构。小财大模型的累 计使用次数已经突破了40万次，为超过15个团队或分公司提供API接口服务。 （D）落地经验 使用开源大模型和RAG框架，可以低成本地快速本地化部署大模型能力，并输出给分 公司各个场景进行探索验证。通过直接对接企业微信工作台，可以直接触达内部员工日常 办公场景。 ② 已决赔款计算书信息抽取 （A）案例概述 2023年，国寿财险广东 框架，确保了集成的流畅性与高效性。此 外，中台内置的流量管理与监控功能，能够实时追踪大模型应用过程中的token调用状况 及资源消耗情况，为公司提供了对不同大模型应用成本的精准把控。 （4）本地化微调训练 大模型技术在提升办公效率方面的潜力已得到广泛认可，然而其具体的应用价值，尤 其是资源投产比方面的量化评估，仍然是保险行业在大模型落地应用过程中面临的一大 难题。相关数据显示，我国保险业在2023年总保费收入超过5

，推广 DeepSeek-R1 大模型的应用，帮助中国企业更好地参与国际工程 建设，并提升项目的成本控制与管理效率。为此，我们将开发多语 言版本的系统，并针对不同国家的工程造价标准和规范进行本地化 适配，确保模型的适用性和准确性。 为了加速技术的落地，我们还将与高校和研究机构合作，共同 开展基于 DeepSeek-R1 的工程造价智能化研究，推动技术创新与 应用场景的拓展。例如，我们将联合清华大学、同济大学等高校，