国产算力适配 高性能计算网络架构 客户业务系统 知识引擎应用 数智人 智能客服 多轮改写 文档解析 向量检索 文档拆 分 意图识别 RAG 知识文档 知识问答 开放 对接 知识引擎 配置项 工作流 联网搜索 模型部署 服务管理 应用场景 服务：面向资深开发者 & 企业开发者 （满血版） 目标客户和场景 : • 面向具有一定开发能力的企业 / 资深开发者，期 望通过多款原子能力组建专属服务。 • 可结合文档解析、拆分、 embedding 、多轮改写 等服务进行组装，定制企业专属 AI 业务。 主要优势 : • API 服务更稳定、安全、易用；满足大批量使用， 可以弹性扩容满足客户需求；支持购买专属并 国内率先支持「 DeepSeek 满血版 + 私 域知识管理 + 实时搜索」于一体 • 分钟级搭建大模型应用 • 集成私域知识库，让 AI 更专业，支持 复杂图文混排文档解析 > 目标客户和场景 : • 面向具备简单开发能力的初级开发者、企 业运营人员。 • 可通过模型选择、提示词模版、 RAG 配 置能 力等加速大模型应用构建，实现与自

能性。相较于通用 AI 模型，审计智能体需要具备三个核心能力维 度：首先是领域知识的深度适配，包括国际财务报告准则 （IFRS）、美国通用会计准则（GAAP）等超过 2000 项条款的准 确解析；其次是多模态数据处理能力，既能解析 PDF 财报和扫描 凭证，又能处理 Excel 底稿和数据库日志；最后是可追溯的推理链 条，每个审计结论都必须具备可验证的逻辑路径。以下为审计智能 体与传统工具的对比差异： 识别与异常检测，基于深度学习模型分析历史审计案例和行业风险 特征，智能体可自动标记异常交易模式，其检测准确率在测试环境 中达到 92%，远超人工抽样检查的 65%水平。最后是智能分析辅 助，通过自然语言处理技术自动解析合同条款、监管文件，生成风 险提示和审计要点，使审计师能够聚焦于专业判断而非基础信息处 理。 关键技术指标对比表： | 维度 | 传统审计方式 | 人工智能辅助 审计 | 政策时效性方面的可靠性，例如能够准确识别 2022 年财政部新修 订的收入确认准则（财会〔2022〕25 号）的具体变化条款。 在审计工作流中的技术适配性主要体现在三个维度：首先，非 结构化数据处理能力可解析 PDF 版银行对账单、扫描件合同等传 统 OCR 难以处理的文件，实测显示对模糊文档的字段提取准确率 达到 92%，较传统技术提升 40%；其次，风险预测模块通过分析 历史审计案例库，可自动生成高风险科目预警清单，在试点项目中

Transformer 架构，通过行业知识增强训练和垂直场景微调，能够 显著提升客户关系管理的效率与精准度。 在自然语言处理层面，模型具备高达 128K tokens 的超长上下 文窗口，可无缝解析客户沟通中的复杂语义场景。例如在邮件沟通 过程中，系统能自动提取客户需求中的隐含意图，准确率达 92% （基于内部测试数据），同时支持中英日韩等 12 种语言的实时互 译，满足跨国企业客户服务需求。模型特有的多轮对话记忆功能， 在销售流程优化环节，DeepSeek 大模型可通过智能分析客户 交互数据、预测需求及自动化任务处理，显著提升销售团队效率与 转化率。具体实施分为以下核心模块： 客户需求精准识别 通过自然语言处理技术解析历史沟通记录（包括邮件、通话转录、 在线聊天），自动生成客户画像标签库。例如，模型可识别以下关 键特征并实时推送至 CRM 界面： - 高频提及的产品功能需求 - “ ”“ ” 预算敏感度（如对话中出现 沟通日志（邮件、通话、在线咨询中的关键词提取） o 行为轨迹（官网浏览时长、高频访问页面） o 外部数据（行业报告、竞品动态） 2. 需求优先级建模 通过 DeepSeek 的 NLP 能力解析非结构化数据，结合预置的 行业规则库，输出需求权重评分。例如： 需求特征 权重系数 触发条件示例 高频提及技术参 数 0.35 沟通中出现≥3 次专业术语 预算范围明确 0.28 直接询问价格或折扣政策

为银行信贷审批注入新动力， 助力审批流程实现智能化与自动化。 n 苏商银行应用 DeepSeek-VL2 多模态模型，通过构建“多模态技术 + 混合专家框架”的创新体系，实现对嵌套表格、影 像资料等复杂场景材料的精准解析，将信贷材料综合识别准确率提升至 97% 以上，信贷审核全流程效率提升了 20% 。 图表：苏商银行 AI 布局 资料来源：苏商银行公众号，中泰证券研究所 n 在银行的日常运营中，处理海量的合同、报表等文档 是一项繁琐且易出错的任务，传统人工审核方式效率 低下，难以满足业务需求。 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 体系化应用。子公司通过总行平台按需调用模型，严禁自行接入外部模型，保障技术 可 控性 应用场景：建信理财率先探索资产配置优化、风险预警等理财场景，同时通过金融语义框架将“抵押率”“偿债覆盖率”等术语转化为业务逻辑，应用于 合同 解析与风险建模 邮储银行 技术落地：依托自有大模型“邮智”，本地部署并集成 DeepSeek-V3 模型和 DeepSeek-R1 推理模型 应用场景：应用于智能客服“小邮助手”后，新增逻辑推理功

策略的理解执行能力 BGL HPC Window s … Linux Mac Apache Domain Adaptio n SuperLog: 初步实验结 果 • 任务：日志解析 • 实验设置： 10% 训练， 90% 推理 • Baseline: LLaMA-7B 直接下游任务微调 • 指标： F1-Score HDFS Hadoop Zookeeper 面使用数量，单位为 个，总 体趋势在 9 月份有高 峰。 从应用角度来看，从文本、图片、 语音视频等全模态支 撑 LLMOps 运维系统。 语音 模型： Whisper GPT-4o 日志解析 异常检测 根因分析 报告生成 图片 模型： StableDiffusion CogVLM/LLaVA 文本 模型： GPT3.5/4 LLaMA/Qwen Prompt ：帮我打开控制台目

据支持。其次，DeepSeek 将实时监控市场动态，结合宏观经济指 标、行业新闻和公司公告等多维度信息，辅助交易系统做出更加精 准的买卖决策。此外，DeepSeek 还将引入自然语言处理技术，自 动解析和分析市场情绪，帮助交易者更好地把握市场情绪波动对股 价的影响。 在技术实现方面，项目将分阶段推进。第一阶段，重点在于搭 建基础数据平台，整合各类数据源，包括但不限于历史交易数据、 财务报表 eek 可以识别出潜在 的市场趋势和交易机会。 其次，DeepSeek 技术能够实时监控市场动态，并根据预设的 策略自动执行交易。通过集成自然语言处理（NLP）技 术，DeepSeek 能够解析金融新闻、社交媒体和公告等信息，快速 响应市场变化。这种实时性对于高频交易尤为重要，能够帮助交易 者在极短的时间内捕捉到市场波动带来的利润。 此外，DeepSeek 技术还支持多因子模型的构建与优化。交易 在市场数据预处理中展现出显著优势。量化 交易依赖于海量的市场数据，包括历史价格、交易量、新闻事件 等。DeepSeek 通过自然语言处理（NLP）技术，能够快速解析并 抽取非结构化数据中的关键信息，如新闻情绪分析、财报数据的语 义解析等，从而为模型提供高质量的输入数据。例如，DeepSeek 能够自动从新闻头条中提取市场情绪指标，并将其与价格数据相结 合，生成更具预测性的特征。 其次，DeepSeek

运 营。 应用架构 描述企业应用的组成、交互和部署，确保应用系统 能够高效支持业务流程，提升业务敏捷性和响应速 度。 企业架构（ EA ）理论与分层模型解析 自动化建模 大模型通过自然语言处理和机器学 习技术，自动解析业务需求，生成 业务模型，减少人工干预，提升建 模效率。 大模型能够根据不同业务场景，动 态调整业务模型，支持个性化业务 需求，提升业务灵活性和适应性。

大模型的应用，可以实现招投标流程的智 能化与高效化。首先，DeepSeek-R1 可以基于历史数据和市场趋 势，自动生成准确的工程量清单和报价建议，帮助投标方快速制定 合理的投标方案。同时，模型还能够对招标文件进行智能解析，提 取关键条款和技术要求，辅助投标方精准响应招标需求。 在评标阶段，DeepSeek-R1 通过自然语言处理和机器学习技 术，能够对投标文件进行自动化评审，识别其中的合规性、技术性 和经济 在工程量清单编制中的应用 在工程量清单编制过程中，DeepSeek-R1 大模型通过其强大 的数据处理能力和智能分析功能，显著提升了编制的效率和准确性。 首先，DeepSeek-R1 能够自动解析工程图纸和相关技术文件，提 取关键工程量信息，如结构尺寸、材料规格、施工工艺等，并通过 其内置的算法进行标准化处理，生成初步的工程量清单。这一过程 大幅减少了人工读取和输入的工作量，避免了传统方法中常见的遗 DeepSeek-R1 在预算编制与审核中的应用 在预算编制与审核阶段，DeepSeek-R1 大模型通过其强大的 数据处理能力和智能化算法，能够显著提高工作效率和准确性。首 先，DeepSeek-R1 能够自动解析项目设计图纸和工程量清单，快 速生成初步的预算方案。通过与历史项目数据的对比分析，模型能 够识别出潜在的异常数据，并提出合理的修正建议。例如，在某一 工程项目中，DeepSeek-R1 成功识别出某项材料的单价异常偏高，

计算使能方案和价值 华为提供了 ModelMate RAG 工具链及 AI 计算使能-RAG 知识库构建服务，使能行业用户 构建财务制度、属地查检、蓝盾知库等知识库，通过对 1 万+多格式的文档进行分析、解析、 切片及入库等语料处理，采用了语料标准化、检索调优、切片调优等多种调优手段，最终保 障知识库答准率达到 90%+； 华为提供 ModelMate Agent 工具链及 AI AI 分析报告》精准诊断课堂问 题并提供改进建议，驱动课堂质量提升。 图 11 AI 教育课堂评价系统 目前，系统已应用于学校 43 个院系，分析课程超 2.6 万节，学校“以 AI 解析课堂、驱 动教学变革”的创新实践，为全国高校提供了可复制的“北航方案”。值得一提的是，学校 在人工智能赋能高等教育教学各环节的卓越实践，已成功入选教育部第二批“人工智能+高 等教育”应用场景典型案例。