我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。在实际银行落地应用 中，可能包括： 1 ）降本增效：智能客服、信贷审批、合同质检； 2 ）价值创造： AI 编程、智能风控、智能营销等； 3 ） 决 策赋能： 深度分析和决策辅助。 n 从实际落地应用情况看， 大行发力更早， 中小银行正在快速追赶。如工商银行、建设银行、招商银行等大行布局更早， 邮 储 编程为软件开发带来的影 响 45 40 35 30 25 20 15 10 5 0 n 风控管理是银行业务经营的的核心任务之一， DeepSeek 拥有卓越的推理能力，能够助力银行显著提升风险识 别 的效率与准确性，快速剖析风险因素并生成详尽的分析报告，全面增强银行的风险管控能力。 n 重庆农村商业银行借助腾讯云大模型知识引擎的能力，率先在企业微信上线基于 DeepSeek 构建“数据 + 算法 + 算力 + 场景”四位一体的智能决策体系， 该体系已成功应用于信贷风控、反欺诈监测等 20 余个业务场景，尽调报告生成效率提升 40% ，欺诈风险标签准 确率提升 35% ，构建起覆盖贷前、贷中、贷后的全生命周期智能风控网络。 18 价值创造场景之二：智能风控 n 智能营销助手：依托知识图谱与大模型的协同合作，银行能够精准捕捉客户信息， 量身定制个性化营销策略，精准触

召回率 语音生成 接口服务 摘要总结 诱导防护 覆盖率 · · · · · · · · · · · · · · · 营销服务应用 营销话术优化 客服话术推荐 综合规划配置 营销素材设计 合规风控应用 智能核保 智能理赔 实时质检 评分说明 大模型名称 公司名称 百度 GPT- 3.5 GPT- 4.0 Claude 1 Claude 2 阿里巴巴 智谱华章 奇 虎 规并尽量不流失客户 0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5 智能核保能力指数 智能理赔能力指数 应用能力评测：保险风控及合规应用 合规风控应用评测是对大模型基础能力的综合考验。 OpenAI 公司开发的 GPT- 4 表现实属亮眼，而国内头部大模型也展现 出 出了强劲的赶超之势 GPT- 4 ** ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 GPT- 4 GPT-4 清华智谱claude-2 通义千问 文心一言 应用能力评测：保险风控及合规应用案例 1.意外险： 根据您的条件，因疾病（脑梗）造成的意外，意外险不予理赔。所以这位男性的摔倒，虽然造成了外伤，但原因是由疾病导致的，所以意外险不 予赔付。 2.意外医疗险： 您没

识冲突，丰富知识图谱的内容和深度。 知识融合 动态更新 利用大模型技术从多源数据中自动抽 取实体、关系和属性，构建初始知识 图谱，涵盖银行的核心业务、客户、 产品等信息。 动态知识图谱可应用于智能客服、风 险预警、精准营销等多个场景，提升 银行的智能化水平和业务效率。 基于大模型的实时学习能力，知识图 谱能够动态更新，及时反映银行业务 和市场的变化，确保知识图谱的时效 性和准确性。 基于大模型的动态知识图谱生成 理等方式，确保只有授权人员才能访问和操作敏感 数据，降低数据泄露风险。 数据安全与隐私保护合规性设计 06 智能业务场景应用规划 智能风控建模与实时反欺诈系统 多维度数据整合 通过大模型整合银行内部及外部的 多源异构数据，包括交易记录、客 户行为、信用评分等，构建全面、 动态的风险评估模型，提升风控的 精准性和实时性。 实时反欺诈预警 利用大模型的深度学习能力，实时 监测异常交易行为，如高频交易、 异地登录等，结合历史欺诈案例进 异地登录等，结合历史欺诈案例进 行模式识别，及时发出预警并采取 干预措施，有效降低欺诈风险。 自适应模型优化 大模型具备自我学习和优化的能力， 能够根据不断变化的欺诈手段和风 险特征，动态调整风控策略和模型 参数，确保系统始终处于最优状态， 适应复杂的金融环境。 客户行为深度分析 大模型能够基于客户的实时行为和市场变化， 预测其未来的财务需求和投资倾向，为财富管 理顾问提供前瞻性建议，提升客户满意度和忠

以及高效的业务流程自动化，为金融银行业提供了切实可行的应用 方案。 DeepSeek 的核心优势在于其深度学习和人工智能技术的深度 融合，能够迅速处理和分析海量金融数据，帮助银行机构在风险控 制、客户管理、产品创新等关键领域实现智能化转型。通过引入 DeepSeek，银行不仅能够提升业务处理效率，还能在复杂的市场 环境中做出更为精准的决策，从而显著降低运营成本，增强风险抵 御能力。 包括但不限于风险评估、客户行为分析、智能客服、欺诈检测和投 资策略优化等。例如，通过深度学习和 NLP 技术，DeepSeek 可以 从海量交易数据中识别潜在的风险因素，预测客户的信用违约概 率，从而帮助银行制定更加科学的风控策略。同时，在客户服务方 面，DeepSeek 的智能客服系统能够理解自然语言，提供 7*24 小 时的高效响应，显著提升客户满意度。 为了进一步提升 DeepSeek 技术在金融银行中的应用效果，以 监测异常交易行为，识别潜在的欺诈风险。通过对交易模式的分 析，系统可以自动生成风险评分，并根据评分结果触发相应的预警 机制。例如，当发现某笔交易与客户的常规行为模式存在较大偏差 时，系统会立即通知风控团队进行核查，从而有效降低金融欺诈的 发生率。 在信贷风险评估中，DeepSeek 通过整合多源数据（包括客户 的信用记录、收入水平、资产负债情况等），构建全面的信用评分 模型。与传统评分模型相比，DeepSeek

配置中心DB存储 查询/订阅 Nacos Server 回调 持久化 查询 本地缓存 变更推送 访 问 控 制 TLS • 开启TLS传输加密 • 敏感信息加密存储 • 替换默认密码 • 关闭匿名访问 • 最小权限原则 • 精细化权限管控 • 信息传输保密 • 防篡改 • 身份认证 • AccessKey/SecretKey • 数据库用户名/密码 独立域名https TLS TLS • 数据源配置统一托管 账号密码，数据库地址，连接池大小，超时 参数 • 密文存储 应用运行时内存解密 • 双层权限管控 Nacos加密配置及解密权限 • 帐密全托管 数据库账号全托管，无需人工介入 • 运行时无损轮转 存量连接优雅切换，异常保护 • 发现 1 MCP Server 控制面 动态调整MCP Server 中Tool 以及Tool参数描述，动态Tool 开关 2 MCP Server 安全管理中心 细 粒 度 权 限 管 控 和 动 态 3 credential轮转 Nacos MCP Registry VS Official MCP Registry 能力超集 Nacos MCP Registry 是对 官方

的关键信息，进行快速审核和赔付。这大幅缩短了理赔周期，提高了理赔效率。阳光财险深 化应用“一键赔”客户远程查勘工具，2023年通过“一键赔”在线视频、快速理赔的案件达到 95万次，接近车险总案件50%。 智能风控与反欺诈：建立智能风控系统，运用机器学习算法对交易数据进行实时监控 和异常检测，及时发现并阻止欺诈行为。同时，通过大数据分析提高风险评估的准确性，降 低赔付风险。 内部流程优化：通过数字化转型，保险公司对内部流程进行梳理和优化，实现业务流 优势互补：不同保险公司之间以及保险公司与其他行业之间在业务模式、技术能力、 客户资源等方面存在互补性。通过合作，各方能够充分发挥自身优势，共同拓展业务场景 和市场空间。例如，保险公司可以与科技公司合作开发智能风控系统，提高风险评估的准 确性和效率；也可以与医疗机构合作推出健康保险产品，满足客户对健康保障的需求。 ③ 协同创新：在保险科技生态圈中，各参与方通过协同创新推动整个行业的进步和发 展。例如，保 通过各个机器人产品的研发沉淀专业知识与阳光专有数据，构建“最懂阳光”的专家 能力，支持交叉复用。智能大脑能力包括：会讲产品，懂核保，懂理赔，懂风控，会销售产品， 能服务客户。随着各机器人项目的推进，目前已经初步建设了产品大脑、服务大脑、销售大 脑、理赔大脑，后续一方面在各业务领域继续建设核保大脑、风控大脑，另一方面要持续提 升各大脑的智能化程度。 （4）第四层：交互能力层 从看、说、听、形四个方面提升机器人产品的拟人化程度。具体包括：可以识别同业保

16 元 / 股 募集金额： 62.3 亿元 --- 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： 自定义观察对象、观察维度 观察对象 4 观察对象 3 ...... 观察对象 1 观察对象 2 人工智能 金融产品 用智慧发现信息价值 Discover information 互联网金 融 风控产品 上市公司 银行业 新产品 用智慧发现信息价值 Discover information 自由定义观察角度 关注对象配置：用户可以自由配置自己所关注 癿对象。 关注领域配置：用户可以自由配置自己所关注 长城影视、长城动漫、天目药业 袁志敏、熊 海涛夫妇 广东 袁志敏、熊 海涛夫妇 毅昌股份、高盟新材、东材科技、 金发科技 资本系 地区 掌舵人 旗下上市公司 海航系 海南 渤海金控、西安民生、海航投资、凯撒 旅游、海航基础、海航创新、天海投资 复星系 上海 郭广昌 上海钢铁、复星医药、南钢股份、豫园 商城、海南矿业 明天系 内蒙古 ST 明科、华资实业、西水股份 杉杉系

生成式大模型还能够在公共卫生领域进行流行病学监 测和数据分析。通过分析大规模的医疗数据，模型可以实时预测疾 病的传播趋势，为公共卫生决策提供数据支持。这类应用在应对突 发公共卫生事件时尤为重要，可以为卫生部门制定防控策略提供依 据。 总之，AI 生成式大模型在医疗场景的应用前景广阔，能够在多 个领域有效提升医疗服务的质量和效率。随着技术的不断发展，我 们有理由相信，这些模型将成为未来医疗行业的重要助力。 自动提取关键信息：从历史病例中提取出患者的关键症状、诊 断和治疗方法，大大节省了医疗人员的工作时间。 2. 风险评估：利用大数据技术分析患者的相关指标，生成风险评 分，帮助医生评估患者在接受特定治疗方案时可能的并发症风 险。 3. 预测模型：通过分析病历和临床数据，AI 模型可以预测疾病 的进展和治疗效果，支持医生制定个性化的治疗计划。 4. 多角度比较：AI 模型可以将当前患者的病历与大量相似患者 的数 为确保项目顺利推进，需建立专门的项目管理团队，负责整体 协调与监控。此外，项目还需要合理配置资源，包括人力、技术和 财务资源。项目资源配置与关键人员角色如下： 角色 职责 项目经理 全面负责项目实施与进度把控 数据科学家 开展模型开发及数据分析工作 医疗专家 提供临床知识支持，确保模型临床适用性 IT 工程师 负责系统集成和基础设施建设 用户体验设计师 确保系统界面的友好性与实用性 在风险管理方

务、 数据分析和决策支持。 在行业应用方面，AI 技术正逐步渗透至金融、医疗、制造等多 个领域。在金融行业，通过智能风控、智能投顾等应用，提升了风 险管理和投资决策能力。在医疗行业，AI 辅助诊断和个性化治疗取 得了显著成效，大幅提升了患者的就医体验。  智能风控提升信贷审批效率  医疗影像辅助诊断准确率大幅提高  制造业智能生产线降低运营成本 此外，我国的人工智能政策环境也为行业发展提供了强有力的 平台的目标客户主要包括但不限于 中小企业、金融机构、医疗健康、教育和电商等各类行业。中小企 业希望通过成本相对较低的 SaaS 服务，降低技术门槛，实现智能 化转型；金融机构和医疗健康行业则需要依赖大模型提升风控、数 据分析与决策支持能力；而教育和电商行业则借助人工智能优化用 户体验及个性化推荐。 市场竞争态势同样值得关注。目前，市场上已经出现了一批成 熟的竞争者，提供多种基于大模型的应用服务。例如，OpenAI 数据分析与可视化模块 应用层则是具体实现业务逻辑的核心部分，主要包含 AI 模型 的调用与管理、用户权限控制和报表生成功能。其设计要点包括：  模型管理：支持多种 AI 大模型的上传、下载、更新和版本控 制。  任务调度：提供任务管理机制，能对用户请求进行调度和执 行。  权限管理：确保不同用户在系统中具备不同的操作权限。 服务层则是承载业务逻辑和 AI 模型的运行环境，核心是微服 务架构。此层主要组件包括：

首先，选择适合的模型类型至关重要。针对城市轨道交通的不 同应用场景，如客流预测、设备故障诊断、调度优化和智能运营 等，可考虑以下几种主流模型： 1. 时序预测模型：使用 LSTM（长短期记忆网络）或 GRU（门 控循环单位）等模型进行客流量预测。由于客流数据往往具有 时序特征，这类模型能够有效捕捉数据中的时间依赖性。 2. 图神经网络（GNN）：在调度优化和网络分析中，图神经网 络可以有效建模轨道交通网络中的节点及其边的关系，帮助提 吐 量等是否满足轨道交通行业的高标准要求。  系统整合性：检查新设计是否与现有的轨道交通系统架构兼 容，包括硬件和软件的适配问题。  数据安全性：评估数据采集与处理过程中的隐私保护与安全风 险，确保设计方案符合相关法律法规。  成本效益分析：对项目实施成本进行详细评估，预估投资回报 率，确保经济性可行。 在评审过程中，建议通过一定形式的表格来组织评估信息和采 用打分制度，便于各方面对比和决策。如下所示： 型 风险描述 发生 概率 影响 程度 应对策略 技术风 险 模型准确性不足、数据质量 不高 中 高 建立模型评估体系，进行数 据预处理 管理风 险 项目进度延误、资源配置不 当 中 中 制定详细项目计划，定期召 开进展会议 合规风 险 违反法律法规 低 高 定期合规审查，建立预警机 制 人员风 险 关键人员流动，知识流失 中 中 建立知识文档库，开展团队