公 告 个股 研报 行业 研报 利用人工智能语义分析技术，对投研报告进行自劢分析，提取其中结构化结果。 20 分钟 降为 2 秒 全篇公告： 389 页 收购： 1. 分析师：华魏 是否实施：计划 支付方式：发行股份、支付现金 被收购公司：背景久安建设投资集团有限公司 收购比例： 49.85% --- 研报名称：拟全资控股北京久安，增强公司市政工程实力 业链上下游关系。 --- 研报名称：拟全资控股北京久安，增强公司市政工程实力 政策： 1. 分析师：庞琳琳 政策名称：水十条 ---- 研报名称：尘埃落地，水处理巨头再起航 2. 分析师：庞琳琳 政策名称：国家推广 PPP 的政策 ---- 研报名称：尘埃落地，水处理巨头再起航 新技术： 1. 分析师：庞琳琳 技术名称： MBR+DF 技术 --- 研报名称：尘埃落地，水处理巨头再起航 --- 研报名称：尘埃落地，水处理巨头再起航 2. 分析师：邵琳琳 定增对象：国开金融 ---- 研报名称：定增入股漳州发展，再度演绎武 控模式 3. 分析师：邵建军 定增时间： 8 月 15 日 募集金额： 61.87 亿元 ---- 研报名称：巨额定增完成 静待业绩释放 4. 分析师：邵建军 发行股数： 1.48 亿股 募集金额： 62 亿元 ---- 研报名称：巨额定增完成

S0740520060001 联系人：蒋丹 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 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 16 降本增效场景之三：智能合同质检 图表：江苏银行 AI 布 局 n AI Coding 能够替代低效工作 ，充分释放开发者的价值。未来可能会由 AI 承担部分基础工作， 网点运营、远程银行、运营管理、人力资源、智慧办公、智能研发等 农业银行 智能问答、智能客服、辅助编程、智能办公、智能风控等 中国银行 内部知识服务、辅助编码等 建设银行 智能客服、市场营销、投研报告、智慧办公、智能运营、智能风控等 交通银行 办公助手、客服问答等 邮储银行 研发测试、运营管理、客户营销、智能风控、消费者权益保护等 中信银行 落地代码生成、智能操作等 平安银行 零售风控

从 DeepSeek 探讨大语言模型 在建筑及能源行业的应用趋势和技术方法 汇报人：赵阳 浙江大学能源学院制冷与低温研究所 2025.2.14 报 告 提 纲 临近奇点： AGI 将带来颠 覆 结论和展望 DeepSeek 等带来的新范 式 大语言模型应用的科研案例 能源领域传统 Al 发展困 境 当下 Al 到了哪种程 度 John J.Hopfield 馈的迅捷与精准，员工能够自动检索和 获取相关业务知识 自 动 化 报 告 编 制 实现巡检报告 、能耗 评估及故障追 踪报告 的自动 撰写和智能校验，提 升管理流程标准化和工作效率 DeepSeek 对行业带来的新技术思路 ( 部分 ) 11/80 DeepSeek 赋能 建 筑能源领域 11 报 告 提 纲 当下 Al 到了哪种程度 能源领域传统 人工 开发 诊 断 软 件 升级 个 性 化 故 验证 障 检 测 诊 断算法 测试 以人工为核心串联开发范式 诊 断 推 理 链 条 人工 构 建 知识库 奔爱 报 告 提 纲 当下 Al 到了哪种程度 … … · 能源领域传统 Al 发展困境 … … DeepSeek

研 究 报 告 ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓

排名不分先后 图1 大模型产业图谱 �� 大模型训练数据通常来自网络获取数据、外部付费/开源数据集、企业自有数据以及AI 合成数据。大模型训练和微调所需数据量快速增长，真实世界数据将在数年内被用尽。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 业带来 了天然的应用优势。尽管医疗数据的互不连通和近乎为零的容错率给医疗大模型的商业 化带来了挑战，但仍有不少企业和研究机构推出了自己的医疗大模型产品，如医联的 MedGPT、腾讯和百度基于自研通用大模型打造的医疗大模型等。这些模型在提升医疗服 务效率、扩大普惠金融覆盖范围等方面发挥了重要作用。 （3）教育行业 教育行业也是大模型应用的重要领域之一。多家科技公司如网易、百度、知乎等相继 型进行评测，优选市场上综合效果 表现出色的大模型，直接实现云服务接入。同时搭建智能路由体系，支持根据能力和性价 比自由切换调用。对于有数据安全的应用场景，采用采购商业大模型或基于开源大模型自 研两种方式，需综合平衡应用场景特点、大模型的智能性、成本、实现时间，并行从两种方 案进行择优选择。 （2）第二层：保险通用能力层 沉淀通用保险知识，构建“最懂保险”的领域能力。通用保险知识包括：涵盖保险学科、

20278/j.jc2.2096-0204.2024.0158 指 挥 与 控 制 学 报 JOURNAL OF COMMAND AND CONTROL 第11卷 第2期 2025年4月 Vol. 11，No. 2 April，2025 www.jc2.org.cn 11卷 指 挥 与 控 制 学 报 径，使其适应人工智能大模型时代的治理要求。 本文在分析大语言模型的知识获取原理与知识 参数 足 够 多 ，模 型 开 始 涌 现 某 些 能 力（emergent abili⁃ ties）[5]，不仅能够理解和生成自然语言，还具有抽象 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 of emergency management system 龚晶等：基于大语言模型技术的智慧应急应用：知识管理与应急大脑 219 www.jc2.org.cn 11卷 指 挥 与 控 制 学 报 机 决 策（improvisational decision-making） [19]，需 要 随 事件不断发生、发展的态势，针对具体问题情境作 出决策时，系统通常以数据统计分析、智能计算模 型算

涌现，为算力设 备性能提升奠定坚实基础。计算架构方面，异构计算架构成为主流 模式，多样化、跨体系处理器协同成为提升计算并行度和能效的重 要手段。绿色节能方面，一是我国积极推进绿色节能技术创新，研 发节能技术与设备，如高效能服务器、液冷系统等；二是优化算力 中心布局，充分利用自然冷源与可再生能源，降低算力中心能耗。 人工智能技术方面，算力技术创新与人工智能技术深度融合，在自 然语言处理 心间 数据传输的效率和可靠性。算间直达链路带宽、时延不断优化，为 全国一体化算力网建设提供重要支撑。 算内网络无损、稳定、高扩展。行业积极推进机间和卡间互联 技术的发展。机间互联方面，探索自研交换机、端网协同协议、集 合通信库等技术以优化网络性能，通过智能调优和负载均衡算法提 升网络吞吐和训练效率，并结合低时延、高带宽的通信技术增强算 网协同能力。卡间互联层面，基于开放数据中心委员会 产业结构、市场需求等因素密切相关。 模力分指数 Top5 均为东部地区，我国东部地区优势突出。这主 要是由于东部地区具备技术与产业优势，且数据资源与应用场景丰 富。技术与产业方面，东部地区，如北京、广东等，拥有雄厚的科 研实力和丰富的技术资源。北京模力分指数位居全国首位，是人工 智能技术的重要发源地和创新中心，聚集大量的高校、科研机构和 综合算力指数 29 高科技企业，具备强大的科研实力和技术创新能力。数据资源与应

Computer Science and Technology, Tsinghua University, Beijing 100084 第 51 卷 第 1 期 自 动 化 学 报 Vol. 51, No. 1 2025 年 1 月 ACTA AUTOMATICA SINICA January, 2025 数更新或微调的情况下, 仅通过文本交互来指定任 务和少样本示例就能很好地完成各类任务 随着大模型的发展, 近年基于大模型的具身智 能工作已经成为研究热点, 各类试图将二者结合的 工作层出不穷. 尽管目前有一些以具身智能为主题 的综述[21−23], 但并未聚焦于大模型. 目前也有综述研 究大模型在机器人上的应用[24−28], 但不同的是, 本文 的内容更倾向于从具身智能的角度介绍二者如何有 机结合, 并加入对模型规划层级的分类探讨. 此外, 由于该领域发展迅速, 在上述论文发布后又涌现出 以及多语言、多模态理解的强大能力[29], 可 以直接用于具身智能对环境的理解, 并通过提示词 使之输出结构化内容如控制代码、任务分解等指令. 2 自 动 化 学 报 51 卷 Wang 等[25] 探索了使用 GPT-4V 赋能的具身 智能任务规划的可能性, 作者提出一个基于 GPT- 4V 的框架, 用于通过结合自然语言指令和机器人 视觉感知来增强具身任务规划

l 开源与低成本：DeepSeek作为开源大模型，开放模型架构、模型参数、技 术报告等，企业以其为基座可直接进行二次开发。此外，DeepSeek API调用 成本显著低于其他主流商业大模型及自研教育大模型成本，降低教育企业发展 AI业务的门槛。 在以上能力优势之下，DeepSeek为AI教育的突破发展带来了核心推动力。月狐分 析选取学而思、网易有道为代表，进一步分析教育企业基于DeepSeek开展的新一 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，将教育垂类大模型与DeepSeek深度融合，结合DeepSeek 推理并显化思维路径、理解并输出 多模型内容，从而形成启发式引导思考的能力。 2、布局硬件+软件，以DeepSeek深度思考模式弥补传统教育硬件“重答案轻思 维”的短板，并开发新AI学习应用，集成自研讲解视频与高频AI学习工具，放大自 身专业内容积累和大模型技术优势。此外，学而思表示还在探索DeepSeek在公司 内部业务场景的应用，如推动客服家教沟通、视频脚本制作等场景的降本提效。 通过引入D

项目编号： AIGC 生成式大模型医疗场景应用可行性 研 究 报 告 目 录 1. 引言...............................................................................................................6 1.1 背景介绍....................... 万元。 投资回报周期可以通过以下公式计算： 投资回收期 = 初始投资 / 年收益 代入数值计算得出： 投资回收期 = 1,100 万元 / 550 万元 = 2 年 这一回报期较短，表明项目具有良好的投资回报潜力。 进一步，我们可以使用投资回报率（ROI）来评估该项目的经 济可行性，以便与其他投资项目进行比较。ROI 的计算公式为： ROI = ( 年收益 - 年成本) 数据标注是下一个关键步骤，它确保训练数据能够反映真实的 医疗场景。标注的准确性直接影响模型的性能，因此需要严格的标 注标准和流程。具体实施方案如下：  标注工具选择：选择适合医疗数据特点的标注工具，如使用开 源工具或自研平台，提供良好的用户界面和协作功能。  标注规范制定：制定详尽的标注指南，明确标注规则，包括以 下几个方面： o 病例分类标准：根据国际疾病分类（ICD）和医学文献， 明确病例的不同类别。