委员会（PCAOB）将重大错报风险检测窗口期缩短了 30%。 审计行业当前的核心痛点集中在三个维度：首先，数据处理的 低效性导致人工成本居高不下。以财务报表审计为例，审计师平均 需要耗费 40%的工作时间在数据清洗与基础核对上，而抽样检查覆 盖率不足 5%的现象普遍存在，隐藏了重大风险盲区。其次，复杂 交易场景（如跨境并购、金融衍生品）的审计依赖专家经验判断， 但资深审计师资源稀缺，全球四大会计师事务所的专家顾问供需缺 指标维度 行业平均值 监管期望值 差距率 异常交易识别时效 72 小时 ≤24 小时 200% 全量数据分析覆盖率 12% ≥90% 650% 审计调整事项回溯准确 率 68% ≥95% 40% 为突破这些限制，领先机构已开始探索智能审计路径。德勤 2024 年技术展望显示，采用机器学习模型的审计项目将关键风险 识别速度提升 3 倍，但模型可解释性不足导致 35%的审计结论难以 通过监管复核。这揭示出当前 的潜力。以应收账款审计为例，智能体可实现： - 自动匹配销售订 单、出库单与收款记录的三单一致性校验 - 动态计算账龄分析并可 视化逾期风险分布 - 智能抽样替代随机抽样，使高风险样本覆盖率 提升 40% - 自动生成符合审计准则的询证函和工作底稿 通过流程图的业务逻辑建模可以清晰展现智能体的工作机理： 这种技术路径不仅解决了审计作业中的效率瓶颈，更重要的是 通过数据驱动的分析方式，将审计重点从事后检查转向事中监控。

组平均用时（分钟） 生产力提 升 60% 50% 40% 30% 20% 10% 0% Beginner Intermediate Advanced 图表：澳新银行 AI 编程对生产力的提 升 图表： AI 编程为软件开发带来的影 响 45 40 35 30 25 20 15 10 苏商银行通过深度融合 DeepSeek 系列模型技术， 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， n 我们认为，随着 DeepSeek 开源降本， 中小银行有望加速部署应用，快速追赶与大行之间差距。 资料来源：信通院、中泰证券研究所 21 落地进展：大行发力早，中小银行推进更快 50% 40% 30% 20% 10% 0% -10% -20% 2022 金融科技投入（亿元） 2023 金融科技投入（亿元） 同比增幅 300 250 200

术能够以前所未有的速度和效率协调复杂的决 策，众多供应链与技术领域的领导者对此深表 认同。 我们对1000名来自10个行业的首席级高管的 调研显示，未来十年内，近66%的企业将致力于全 面提升其供应链的自主化水平。其中更有约40%的 企业期望达到高级自主化，即由系统处理绝大多 数运营决策。 那么，这对企业员工而言意味着什么？我们 的研究表明，在自主智能供应链的生态系统中， 人力依然是核心要素。事实上，最高效的自主智� 大多数活动集群将在智能系统的驱动下经历重大转型， 部分集群未来将迈向高度自主化 自主化成熟度 [全球专家组观点] 预警、风险、改进 5 运营采购 8 设置、维修与切换 9 25 50 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 未来状态描述 主要由 人工驱动 主要为 自动化 增强型 人工决策 自主化 质量与生产控制 1 生产制造 2 客户与现场支持 3 6 高度自动化的仓库运营，采用先进的自动导引车（AGV）进行拣选、存储、包装和装载。中央控制中心 管理流程、检测问题并提供行动建议。 • 14 28 19 38 19 38 19 36 20 40 22 45 24 48 24 45 当前 未来五年内 实现自主智能供应链 13 图5 大多数供应链活动将通过AI赋能与自动化的强力结合，逐步迈向完全自主化 完全 决策自主化 监督下的

持续集成/持续部署 （CI/CD）工具等。这些专业工具显著提升了开发效率与代码品质，为项目管理提供了强有力的支持。同时，高效的智能模型构建离不开先 进的算法与框架。至2024年4月，中国已推出近40款智能化软件开发工具，彰显了该领域的技术活力与创新力。 产品迭代周期短 智能软件研发行业面临着快速变化的市场需求和技术更新。为了满足用户需求和保持市场竞争力，智能软件产品需要不断迭代和升级。较 广东与浙江紧随其后，分别有14家与12家企业上榜。从城市分布来看，这些企业广泛遍布全国25个省会及经济繁荣的城市。尤为值得关注的是， 百强企业主要植根于京津冀、长三角、珠三角这三大经济高地，其占比分别为40%、31%、20%。 生产制造端 硬件与基础软件 上游厂商 七十年代初，独立数据库公司的崛起推动全球数据库市场快速崛起。 1981年，IBM推出了面向大众市场的IBM PC及其配套软件，该 数据存储需求的增长正驱动存储技术的革新。 预计到2030年，全球每年数据增量将达到惊人的1YB，其中约50ZB的数据具备存储价值。与2020年相比，数据量将激增23倍，预计未 来十年的年复合增长率将逼近40%。面对如此庞大的数据存储需求，存储技术的革新显得尤为关键。当前，相变存储器（PCM）、磁 阻随机存取存储器（MRAM）和阻变存储器（RRAM）是较为成熟的新型存储技术。PCM的产业化进程最快，英特尔与美光早在2015

....................................... 40 附件二 计算方法........................................................................................................ 40 附件三 计算口径............................... （二）存储规模与性能结构不断突破 近年来，中国数据存储总量呈现高速增长态势，存力基础设施 建设成效显著。中国算力平台监测数据显示，截至 2025 年 6 月底， 全国存力规模达 1680 EB，相比于 2023 年增长约 40%，存力规模持 续扩大。《全国数据资源调查报告（2024 年）》显示，我国数据存 储总量持续增长，2024 年已达 2.09ZB，同比增长 20.81%。大数据、 人工智能等技术的广泛应用，以及智能制造、智慧交通等场景对海 极搭建企业交流平台，充分利用“算力产业发展方阵”、中国算力 平台、“华彩杯”算力创新应用大赛、“智算生态圈”等多元化渠道， 广泛汇聚产学研用各方力量，加强产业链上下游企业间的深度对接 与合作。 综合算力指数 40 附件一 数据来源 本报告选取我国 31 个省级行政区（省、自治区、直辖市），对 其综合算力发展水平进行量化评估；同时，对我国拥有算力中心的 302 个地级行政区（包含 274 个地级市、28

天工大模型能力展示 ......................................................................................... 26 图 40 天工 Agent 计费模式.................................................................................... 所供给的智能算力。 广 东 省 人 民 政府办公厅 《广东省关于人工智能赋能 千行百业的若干措施》 2024 年 6 月 到 2025 年，全省算力规模超过 40EFLOPS，人工智能核心产业规模超过 3000 亿元。到 2027 年，全省人工智能产业底座进一步夯实，算力规模超过 60EFLOPS，全国领先的算法体系和算力网络体系基本形成；智能终端产品供 给丰富，在手机、计算机、家居、机器人等 Replika：情感类智能体热度不减 Replika 是一款陪伴类智能体，她的创始人将自己与朋友大约 8000 条聊天记录输 入谷歌的神经网络，创建了一个 AI 智能体，让用户获得更加拟人的交流体验。创始人 表示约有 40% 的用户用这款智能体创造恋人角色。2017 年 3 月 Replika 首次公测， 吸引了 10 万名用户参与，同年 9 月正式面向大众，在不到一年的时间里，积累了 250 万用户。 截止到 2023

DrEureka[45], Omnigrasp[46], Meta-World[47], BEHAVIOR-1K[48] ALOHA[37], UMI[38], HumanPlus[39], GELLO[40], GC-DA[41] MineDojo[31], VRB[32], Baker 等[33], RoboCLIP[34], Seo 等[35], Han 等[36] 图 1 基于大模型的具身智能工作概览 2309.13037, 2023. 40 Kim H, Ohmura Y, Kuniyoshi Y. Goal-conditioned dual-action imitation learning for dexterous dual-arm robot manipulation. IEEE Transactions on Robotics, 2024, 40: 2287−2305 41 Wang A, Ichter B, et al. PaLM-E: An embodied multimodal language model. In: Proceedings of the 40th International Conference on Machine Learning. Honolulu, USA: JMLR.org, 2023. 73 Ichter B, Brohan

应用效果： 交易类型 正常交易数量 异常交易数量 欺诈识别准确率 误报率 大额转账 10,000 50 98% 2% 跨境交易 5,000 30 97% 3% 非正常时间交易 8,000 40 96% 4% 通过上述技术手段，DeepSeek 在交易欺诈识别中展现出了极 高的准确性和效率，能够有效地帮助银行防范和减少欺诈行为的发 生，保障客户的资金安全。 3.4.2 身份盗用检测 够精确预测客户的信用风险等级。这一应用不仅提高了贷款审批的 准确性，还显著降低了坏账率。具体数据显示，使用 DeepSeek 后，该银行的信用风险评估误差率降低了 25%，贷款审批时间缩短 了 40%。 在另一案例中，一家区域性银行利用 DeepSeek 技术优化其投 资组合管理。通过对大量市场数据的实时分析，DeepSeek 能够识 别出潜在的投资机会并及时调整投资策略。这一应用使该银行的投 虑了传统的财务指标，还引入了社交网络数据、交易行为模式等非 传统数据源。通过这一模型，银行能够更准确地评估客户的信用状 况，并动态调整信贷政策。以下是一个信用评分模型的简化示例： 指标类别 权重 得分范围 财务健康状况 40% 1-10 交易行为分析 30% 1-10 社交网络影响 20% 1-10 历史信用记录 10% 1-10 其次，在市场风险管理方面，DeepSeek 的实时监控系统能够 跟踪市场波动、

为更直观地展示性能基准的设定，以下是一个示例表格，对比 了不同负载条件下的性能指标： 负载条件 响应时间(ms) 吞吐量(req/s) CPU 利用率(%) 内存利用率(%) 低负载 50 1000 30 40 中负载 100 5000 60 65 高负载 300 10000 85 80 此外，为深入分析系统性能变化趋势，可以使用 mermaid 绘 制性能曲线图，如下所示： 通过上述性能基准的设定与测试，可以为 200 CPU：20%，内 存：30% 复杂查询 长文本（>200 字） 50 500 CPU：40%，内 存：50% 测试场景 输入规模 并发用户 数 平均响应时间 （ms） 资源使用情况 多轮对话 中长文本（100 字） 200 300 CPU：30%，内 存：40% 异常输入处理 错误语法 100 250 CPU：25%，内 存：35% 最后，我们将通过以下流程确保测试用例的全面性和可执行 NVMe SSD 存储。对于 GPU 加速，推荐使用 NVIDIA A100 Tensor Core GPU，每台服务器配置 4 至 8 块，以 支持大规模并行计算需求。网络方面，服务器之间应采用 40GbE 或更高带宽的 InfiniBand 网络，确保数据传输的低延迟和高吞吐 量。 软件环境的配置同样关键。操作系统应选用 Ubuntu 20.04 LTS 或 CentOS 8，以确保稳定性和长期支持。深度学习框架建议

基金理财 贵金属 数据总量： 16334 去除杂质： 5182 15 13 24 14 27 0 20 40 60 80 100% 31.7% 74 75 11 用智慧发现信息价值 Discover information 解决客户问题