过程进行重 点关注 Transformer 2017 年 ChatGPT 2022 年 Instruct GPT BigBird ALBERT ELECTRA 基于模板和 规则的前深 度学习阶段 基于规则 的少量数 据处理 1950 年开始 根据一定范 围的数据进 行参数分类 Machine Learning 1980 年开始 n ChatGPT 所 一些具有战略意义的新兴产业 和领域将得到重点扶持，从而加速其发展和壮大 AI 推动“科技创新”和“产业创新”的深度融 合 推 动 创 新 链 、 产 业 链 、 资 金 链 、 人 才 链 深 度 融 合 是 解 决 当 前 乃 至 未 来 较 长 时 间 内 加 强 产 业 创 新 发 展 、 加 快 锻 造 新 质 生 产 力 的 重 要 抓手 行业知识更深 业务流程更深 产业网链大模型

开展的新一 轮AI教育革新。 二、学而思：DeepSeek为基座，融合九章大模型能力， 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Deep

Email ： jiangdan@zts.com.cn | 证 券 研 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

DeepSeek 横空出世，各项指标逼近或超越 ChatGPT o1 9/80 口核心意义：打破 AI 垄断，带来 AI 平权，尤其是中文 Al 普惠，激发大众创造力 多 源 数 据 深 度 挖 掘 融合建筑领域各类数据，联动设备 运行指标 、能耗信息及环境监测， 实现精细用户画像，助力科学调度 与资源配置 智 能 故 障 识 别 与 诊 断 结合人工智能算法，自动提 取设备

和推理的能力[6]，能在艺术创作、代码编写、科学研 究等多个领域展现出类似人类水平的创造力。这些 能力的涌现，使得知识创新不再受限于个体的认知 和经验，能够打破学科和专业的壁垒，加速知识的 融合和创新，预示着知识生产方式正在经历一场深 刻的变革，将引领我们进入了一个人机协作的知识 生产新模式 [7-8]。 1.1 知识获取 1.1.1 联结主义学习 大语言模型的知识获取基于联结主义的学习观 点，该观点认为智能源于大脑神经元的物理结构和

包括但不限于智能制造、财务管理、供应链管理等领域的智能化解决方案，帮助企业实现业务在线、数据 驱动以及智能运营的能力进阶，成就数智企业，推动社会商业进步。用友还推出了企业服务大模型YonGPT，作为深懂企业服务的垂类大模型，为企业提供智 能助理、虚拟员工等百余项场景化的智能服务，助力企业在新质生产力时代下加速推进数智化进程。 用友网络科技股份有限公司 2015 2016 2017 2018 2019

与此同时，线上消费交易额急剧攀升，供应链 所承受的压力也与日俱增。过去三年间，全球消费 者线上支出增长了30%1，这不仅催生了众多新兴 渠道，也带来了产品个性化定制的新需求。气候变 化、公共卫生危机以及汽车行业等特定领域的深 刻变革，均对企业的敏捷性提出了前所未有的要 求。突发且不可预测的地缘政治变局以及持续变 化的贸易环境，正迫使首席供应链官们迅速调整 其运营网络。更为复杂的是，劳动力老龄化、员工 在职年限的缩短以及技能短缺，正导致宝贵的组

优秀实践分析 04 4.1 小鹏汽车 4.2 微帧科技 4.3 嘎嘎射击 4.4 蚂蚁集团ZOLOZ 前言 IDC分析师认为：全球AI基础设施革新的浪潮中， 算力需求的爆发正在驱动云计算与边缘计算深 度融合，行业定制化与智能化服务加速渗透，成本优化与绿色计算将成为竞争的关键。未来，基 础设施的核心矛盾将从“资源供给”转向“效率与价值平衡”，技术迭代将围绕“弹性算力调 度”“数据主权治理”“垂直场景深度适配”三大主线展开。

亿美元。与此同时，中国在人工智能领 域的投资也在持续加大，2022 年，中国人工智能产业的整体规模 已经超过 3500 亿元人民币，预计未来几年将保持强劲增长。 从技术层面来看，当前，大模型（如 GPT、BERT 等）作为深 度学习的重要突破，为各类应用提供了强大的支持。这些大模型以 其卓越的语言理解和生成能力，正逐渐成为 SaaS 平台的重要组成 部分。企业通过先进的大模型技术，可以实现更智能的客户服务、 数据分析和决策支持。 5. 客户支持系统：通过客户支持系统收集反馈，用户在寻求帮助 时，可以在咨询中提及他们的建议与意见，这可以通过工单的 形式记录下来。 6. 用户访谈和小组讨论：定期邀请用户参与访谈或小组讨论，深 入了解他们的需求和使用体验。这种定性研究可以使团队获得 更深刻的理解。 通过以上渠道的联合使用，可以建立一个全面的用户反馈收集 系统，确保捕捉到各类用户的声音。此外，为了提升反馈收集的有 景也将进 一步拓宽，SaaS 平台将迎来新的业务机会。特别是在医疗、金 融、制造、零售等领域，针对行业特定需求的解决方案将持续受到 关注。未来，SaaS 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

系统在处理效率、智能化水平和客户体验方 面已逐渐显现出瓶颈。尤其是在风险管理、客户服务、智能营销等 核心业务领域，银行迫切需要引入先进的人工智能技术来提升业务 效能。Deepseek 大模型作为一种具备强大自然语言处理能力和深 度学习能力的人工智能技术，能够为银行系统提供高效的智能解决 方案。当前，许多领先的银行已经在探索大模型的应用场景，例如 智能客服、自动化文档处理、风险预测和个性化推荐等。然而，大 模型在银行 通过以上设计策略，Deepseek 大模型在银行系统中的用户界 面将能够提供高效、安全、易用的操作体验，满足用户的多样化需 求。 9.1 用户需求 在设计 Deepseek 大模型银行系统用户界面时，首要任务是深 入理解用户需求，确保界面能够满足不同用户群体的操作习惯和功 能需求。银行系统的用户主要分为三大类：银行内部员工、企业客 户和个人客户。每类用户的具体需求如下： 对于银行内部员工，他们需要快速访问和处理大量的金融数 万元人民币。  硬件成本：高性能服务器 200 万元，GPU 集群 600 万元，存 储设备 150 万元，网络基础设施 50 万元。  软件成本：操作系统 50 万元，数据库管理系统 100 万元，深 度学习框架 200 万元，开发工具和许可证 150 万元。  人员成本：项目经理 100 万元，数据科学家 300 万元，软件 工程师 400 万元，系统管理员 100 万元，安全专家 100