AI 赋能资产配置 DeepSeek 对国信多元资配框架的优化 证券研究报告 | 2025 年 2 月 19 日 请务必阅读正文之后的免责声明及其项下所有内容 证券分析师：邵兴宇 010-88005483 shaoxingyu@guosen.com .cn S0980523070001 证券分析师：王开 021-60933132 wangkai8@guosen.co m.cn S0980521030001 债强弱”指数的智能迭代优化，提升资产配置的前瞻性与决策有效性 优化过程：一是让 DeepSeek 进行静态学习，投喂短期模型逻辑以及底稿等核心信息，训练 DeepSeek ； 二是让 DeepSeek 进行动态纠偏，挖掘历史数据中“先验权重”与“真实走势”的差异，迭代优化； 三是让 DeepSeek 进行推理应用，基于宏观指标预测值完成 2025 年全年的指数外推 优化结果：等权重平均组合五个短期模型结果，降维后胜率 优化结果：等权重平均组合五个短期模型结果，降维后胜率 38.52% ； AI 赋能权重优化（ DeepSeek-V3 ） ，胜 率提升至 60.61% ，实现显著优化 风险提示：模型过拟合风险；数据口径调整风险； AI 推理的不稳健性 图 1 ：打分指示的股债强弱（ DeepSeek-V3 接入前）

4.2.2 数据集扩充策略.........................................................................47 5. 模型训练与优化..........................................................................................48 5.1 预训练模型选择 2.2 多任务学习.................................................................................60 5.3 模型优化.............................................................................................62 5.3 方案生成..................................................................................102 8.1.2 方案优化..................................................................................104 8.2 施工图智能生成.

2 乘客流量预测.............................................................................29 2.2.3 运营调度优化.............................................................................31 2.3 技术需求.......... ...................................58 3.3 运营优化.............................................................................................60 3.3.1 调度优化算法............................................ .................................61 3.3.2 资源分配优化.............................................................................64 3.3.3 应急响应策略..........................................................

预测模型.....................................................................................56 4.4.2 优化算法.....................................................................................57 4.4.3 决策建议 实时监测与预警：通过部署传感器网络，DeepSeek 能够实时采 集水文、气象等数据，并结合历史数据进行智能分析，实现对洪 水、干旱等灾害的精准预警。 - 优化水资源调度：DeepSeek 可以 根据多源数据（如降雨量、水库水位、用水需求等）构建动态模 型，优化水资源的分配和调度，确保水资源的合理利用。 - 基础设 施健康诊断：通过对大坝、渠道等水利基础设施的结构数据进行深 度学习，DeepSeek 此外，DeepSeek 的应用还可以通过可视化工具（如 mermaid 图表）展示数据分析的全过程，为决策者提供更直观的 支持。例如，以下 mermaid 流程图展示了一个典型的水资源调度 优化过程： 通过上述应用，DeepSeek 不仅提升了水利工程的智能化水 平，还为水资源的可持续利用提供了强有力的技术支持。这种技术 的引入，不仅是水利工程领域的一次重大突破，也为全球水资源的 科学管理指明了方向。

.....................................................................................45 3.4 实现生产过程优化..............................................................................47 4. 数据收集与管理....... 5.3.2 模型评估指标.............................................................................94 5.4 模型优化.............................................................................................98 5.4 AI 在钢铁生产中的具体应用....................................................................105 6.1 生产过程监控与优化........................................................................106 6.1.1 过程控制模型..........

.37 4.3 资产组合优化............................................................................................................................................................39 4.3.1 多目标优化算法............ .....................................................................................70 5.4.2 操作流程优化................................................................................................... .........................................................................................85 6.5 持续优化与维护................................................................................................

25 2.2.2 数据中心管理软件......................................................................27 2.2.3 算法优化与集成.........................................................................29 3. 核心功能模块.......... 46 4.3 隐私保护技术与合规性.......................................................................47 5. 系统性能优化..............................................................................................50 5 硬件性能调优......................................................................................51 5.2 软件算法优化......................................................................................53 5.3 能源效率与散热管理

现有产品和技术，也存在类似问题，因此需要制定新的技术规范来 更好地指导此场景下的能效调优。 通过数字化技术，可大量收集数据中心现场环境和能耗数据， 运用基于 AI 和云计算的能效优化技术，提高制冷系统整体效率，持 续优化数据中心 PUE。本技术在预制模块化场景下，以冷却调优内 容为主，建立系统层面的全局智能调优方法，从而更大程度上起到 节约系统能耗、降低运行成本之的作用。 目 录 一、 概述 参数之间协同，才能保证系统能效最高；随着政策与用户需求变化， 降低 PUE 不再是唯一目标，WUE、CUE 的关注度持续上升，但各个 目标之间的变化趋势并不协同一致，甚至相互矛盾，因此如果进行系 统全面的能效优化分析降低数据中心运行成本具有重要意义。 基于预制模块化数据中心场景的冷却系统智能调优技术（下面简 称：冷却系统智能调优技术）可以结合预制模块化数据中心的特点， 充分考虑冷却系统的运行原理，利用融入物理机理的 的 AI 算法，实现 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 2 节能降碳的目标，通过冷却系统智能调优技术，能够对冷却系统进行 运行节能优化控制，优化后的冷却系统节能率可达 15%以上。 二、术语、定义、缩略词 预制模块化数据中心 Prefabricated Modular Data Center 预制模块化数据中心是指将机架、制冷系统、配电柜、灭火系统、

以先进人工智能技术助力语言教学，打造更优口 语测评方法 英特尔与合作伙伴共同探索基于人工智能的智能口语 测评方法 • 基于人工智能的智能口语测评 • 面向英特尔® 架构优化的人工智能口语测评解决方案 基于英特尔优化方案的应用案例 • 一起教育科技：基于英特尔的产品与技术，打造先进人工 智能口语测评平台 借力人工智能语音识别，打造高效教学辅助能力 英特尔携手合作伙伴探索基于语音识别的智能教学辅 效率 基于英特尔优化方案的应用案例 • 思必驰：与英特尔携手打造精准、高效的语音识别应用， 加速智慧教育前行步伐 打造高效人工智能教学与实训解决方案 英特尔携手合作伙伴持续探索人工智能教学场景建设 • 人工智能教育市场现状与趋势 • 人工智能教育面临的挑战及对策 • 基于英特尔产品与技术，打造 “云 - 边 - 端” 架构人工智能 教育实训环境 基于英特尔优化方案的应用案例 • 打造高效人工智能教学实训平台 • 五舟科技：高性能硬件助力打造高校人工智能教学平台 优化方案设计、提升推理性能，助力智能课堂行 为分析 英特尔与合作伙伴共同探索课堂行为分析在智慧教育 场景中的应用 • 人工智能行为分析解决方案开发及挑战 • 面向教育场景的行为分析方案设计 • 针对行为分析的英特尔产品优化方案 基于英特尔优化方案的应用案例 • 阅面科技：借力人脸识别与课堂行为分析提升教学互动效果

..................................................162 1. 项目背景与目标 随着信息技术的飞速发展，电子政务已成为政府提升公共服务 效率、优化行政管理模式的重要手段。然而，随着政务数据资源的 日益丰富和复杂化，如何在海量信息中快速、准确地获取所需知识， 成为当前电子政务系统面临的一大挑战。传统的政务知识库建设往 往受限于信息处理能力和资源整合效率，难以满足日益增长的知识 亿。尽管电子政务取得了显著成效，但仍面临诸多 挑战，如数据孤岛问题、跨部门协同效率低、智能化水平不足等。 为进一步提升电子政务的智能化水平，需引入先进的人工智能技术， 构建高效的知识库系统，以支持政务决策和服务优化。以下是当前 电子政务发展中存在的主要问题和需求： 1. 数据孤岛现象严重：各级政府部门、不同的业务系统之间数据 共享不足，导致信息重复录入、资源浪费和服务效率低下。 2. 智能化支持不足：现有电子政务系统多依赖规则引擎和简单算 化管理和应用， 助力电子政务向更高效、更智能的方向发展。 1.2 deepseek 模型概述 DeepSeek 模型是一种基于深度学习的自然语言处理（NLP） 技术，旨在通过大规模数据训练和优化，实现对复杂文本的高效理 解和生成。该模型结合了最新的深度学习算法和大规模数据集，能 够在多领域、多任务场景下表现出色。DeepSeek 模型的核心架构 基于 Transformer，通过多头自注意力机制和位置编码技术，能够