自主可控性弱，政策标准变化快导致场 景变化调整灵活度和响应性欠佳； 让 大模型成为资规部门的“ A 业务助手” , 实现经验数字化、决策智能化 1.2 工作基础 口 我 局 印 发 《 宁 波 市 自 然 资 源 规 划 数 字 化 治 理 能 力 提 升 实 施 方 案 》 , 明 确 Al 大 模 型 技 术 的 定 位 。 一张管理全图 空间数据治理引擎 数据治理、数据安全 政务内 网 政务外网 统一管理 数据中心 为资规大模型落地应用提供生长的“肥 料” 数 据 服 务 门 户 保密机房 ( 离线 ) 统 一 目 录 体 系 互联网 宁波市域空间治理数字化平台是我局信息化核心基础设施，融合了时空信 息云平台、国土基础平台、 实景三维平台，所有应用场景”长在平台” , 同时 也 是全市的空间 2024 年 6 月，在 《数 字化治理能 力提升 实施方案》 明确利 用 Al 大 模 型 技 术 赋 能 智能化。 12 月 3 日，赴自然 资 源部信息中心 调研 对接垂直大 模型建 设。对宁 波建设思 路高 度 认 可。 12 月 27 日，《关 于 自 然资源和规划垂直 大模 型有关情况报 告》报市 委，获主要领 导批示。 6 月 工作启动 2025● 2 月 Deepseek

的挑战，展望未来发展的趋势，并附上当前典型的应用案例和赋能场 景，为进一步推进人工智能和交通行业的深度融合提供参考。 本报告于 2020 年 9 月发布第一版。 目 录 目 录................................................................................................ 能交通行业， 提升交通安全、改善运行效率、实现节能减排。 人工智能技术在计算机视觉、智能语音语义等领域的技术产业突 破，极大拓宽了交通感知的维度和深度，不仅可以采集摄像头、激光 雷达、毫米波雷达、麦克风等多个维度的传感器信息，还可以精细化 人工智能在交通领域业务应用白皮书 4 感知目标要素，如视频数据结构化处理，提取人、车、运动轨迹等深 层关键信息。感知类的典型赋能场景包括身份核验（人脸识别）、人 系统的卡口功能通过对过往目标的数量进行统计，获取路口和路 段的车流量、饱和度、占有率等交通信息，为整体路况分析提供基础 数据。如果系统位于道路交叉口，可以向交通信号控制系统提供实时 交通数据，参与灯控路口的绿信比调整、绿波带参数调整，也可以向 交通智能诱导系统提供实时交通数据，参与区域交通诱导。 此外，系统可以及时识别道路拥堵及交通事故，并向相关部门推 送报警信息，快速实现路面警力的调度与指挥，提升交通疏导效率。

智能汽车头部公司 NOA 系统发展概况 AI 大模型将从根本上改变自动驾驶产业的发 展 资料来源：中信证券 硬件配置方面 ，需要车辆使用满足 L3 级自动驾驶功能的智能化传感器 ，如摄像头、激光雷达、毫米波雷达等， 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力 ，能在毫秒之内识别信息 ，并提出应 对策略。 应用智能传感器是实现 NOA 的基础 小鹏汽车： 2000 人年的 标注量， 可在 16.7 天完成， 效率提升 4.5 万倍。 大多数厂商选择多传感器融合路线， 以激光雷达为主传感器， 辅之以摄 像头、 毫米波雷达等。 图片来源：特斯拉、毫末智行 AI 大模型对自动驾驶成本的影响 车载感知硬件成本降低。 自动标注的效率提升， 带动成本大幅度下降。 特斯拉预期其算力规模 会在 2024 年 2 月进入 全 球前五。 AI 大模型可以大大降低自动驾驶成 本 特斯拉坚持走视觉路线， 其 Model 3 应用的是 8 个摄像头 +1 个毫米波 雷达的配置方案。 自动驾驶能力的提 升需要大量算法训 练， 除真实场景外， 需模拟出大量仿真 场景做补充。如果 仅凭借工程师的理 解设计仿真场景， 能模拟的场景数量

资料来源： Wind ，国信证券经济研究所整 理 请务必阅读正文之后的免责声明及其项下所有内容 长周期下的康波视角 资料来源： Wind ，国信证券经济研究所绘 制 资料来源： Wind ，国信证券经济研究所绘 制 图 13 ：康波周期的划分与宏观变 量 图 14 ：康波周期与技术创新周 期 现有资产配置框架及其改进空间 Deep Seek 优 化 资 配 模 型 的 嵌 入 用数据构建竞争矩阵。 • 3. 突发扰动分析：通过工商变更、环保处 罚等 事件捕捉行业洗牌信号。 • 4. 定价权变迁：量化市场份额变动与毛利 率波 动的非线性关系。 场景 2 ：行业轮动、动量策略优化、择时 场景 1 ：上市公司财务异常检测 场景 2 ：另类数据资产定价 “ 数据配电站” “ 模式温室” “ 压力实验室” “ 监控急诊室” 贷款余额增速）、产能库存嵌套框架（ PMI+ 产成 品存货 + 产能利用率） 中周期 - 聚焦资产比价：在中期维度（ 3-5 年）的资产配置，关注资产价格比价关系和均值回归规律 长周期下的康波视角：创新作为康波启动的原点，技术创新的扩散过程决定了康波的波动 Deep seek 赋能资配模型： 项目总体概述：接入 DeepSeek 后，投喂国信短周期资配语料与底稿并迭代训练，实现权重动态优化，显著提升阶段胜率

政府牵头成立运营主体-引 领应用落地”的模式。近期地方试点工作稳步推进：1）首批 9 个进入智能网联汽车准入和 上路通行试点联合体已确定；2）京杭武等重点城市陆续发标，完整 20 个首批试点城市名 录已发布。我国希望通过试点打造可全国推广的解决方案，产业即将进入集中建设期，未 来车路云建设将聚焦于提升智能路侧基础设施覆盖率和车载终端装配率“两率”。根据中国 汽车工程学会等预测，到 2030 年我国车路云一体化产业将突破 面，车辆驾驶人与网联车可接 收来自路侧和云控基础平台提供的感知、决策和控制服务； 2）路侧基础设施：该部分包括感知、通信、计算类基础设施及交通附属设施，具体来讲包 括路侧感知设备（摄像头、毫米波雷达、激光雷达、气象传感器等）、路侧单元（RSU）、 交通信息化设备（信号灯、情报板等）和路侧计算单元（MEC 边缘计算单元）等，将为云 控基础平台采集来自车辆、道路以及其他交通相关系统的动态交通数据，并向车辆及其他 、关键路口路段，特别是事故易发生、交通易 拥堵点位或复杂区域部署。其中，感知设备应能够保障路侧与云控基础平台为行驶车辆提 供可靠的赋能服务，可根据不同应用场景需求、选择不同配置，选项包括摄像头、毫米波 雷达、雷视一体机、激光雷达等；计算设备主要指边缘计算系统，将对所连接或管理的路 侧感知设备的感知信息进行融合计算，在实现与云控基础平台交互的同时，还应该满足云 控基础平台边缘云服务对融合感知的算力、准确性、安全性、可靠性与时延要求。

些技术将引领人工智能技术的新发展方向，助力企业和个人实现更高效、智能的创新应用。随着 平台的发展，新的AI Agents各种涌现，它们各具特色，并提供着专业化、高端化、个性化、规 模化、持续化的服务。人工智能的这一波革新，不仅涵盖了生成内容（AIGC），更拓展到了生成 服务（AIGS）的领域。这正是目前追求的目标：用AI生成服务，改变世界。 目前，保险行业面临着多方面的挑战和困境，包括全球自然灾害风险的增加、风险保障仍然存在 展开期 泡沫之路 新一轮康波 狂热阶段 协同阶段 成熟阶段（动能衰竭） 产能过剩 爆发阶段 新范式与旧经济的分裂； 旧产业的衰落和失业问题 的加剧 金融资本向新范式的代表 性产业集中；脱实向虚， 金融泡沫膨胀镀金时代的 贫富分化 经济发展黄金时期；内 生性增长、市场扩张； 金融资本与产业资本再 度融合，实体经济吸收 技术的外部性；新产业 创新的就业 下一次康波 资料来源：《技术革命与金融资本：泡沫与黄金时代的动力学》 Intelligence）中，杰 夫·霍金斯（Jeff Hawkins）基于人类大脑如何工作的最新研究，提出了一个重要概念：参考系。 6 在图示这个参考系中，企业需要通过衡量当前自己处在哪个大周期中，以及这个大周期中的一波 科技潮流处在什么阶段。同时，企业需要考虑自己所处的文化与科技之间是冲突还是相融。这样 才能判断这样的科技在环境世界中能否顺利开展，并且开展的深度是怎样的。这个大周期需要通 过规模化去定义，因为

项目编号： 基于 DeepSeek AI 大模型资产配置规划应 用 设 计 方 案 目 录 1. 引言......................................................................................................................................... 中，以实现风险 与收益的优化平衡。资产类别的多样性包括股票、债券、现金、房 地产、商品等，每种资产类别具有不同的风险收益特征。通过合理 配置，投资者可以在不确定的市场环境中，降低单一资产带来的波 动风险，同时抓住不同资产类别的增长机会。 资产配置的核心在于分散投资，这不仅体现在不同资产类别的 选择上，还包括同一资产类别内不同子类别的分散。例如，在股票 资产中，可以通过投资不同行业、不同地区的股票来进一步分散风 在实际操作中，资产配置需要根据投资者的具体情况进行动态 调整。例如，年轻投资者可能更倾向于高风险的股票资产，以追求 更高的长期收益；而临近退休的投资者则可能更注重资产的保值， 增加债券和现金的比例。此外，市场环境的变化、经济周期的波 动、政策法规的调整等因素，都可能影响资产配置的合理性，因此 定期进行资产配置的再平衡是必要的。 总之，资产配置是一项系统工程，需要综合考虑多种因素，通 过科学的方法和工具，制定并执行切实可行的投资策略，以实现投

潮汐现象自动识别、绿波特性单双兼顾、区域通行全面掌 控 16 条具备潮汐特性的道路 39 个潮汐特性比较明显的路 口 24 个路口设置可变车道 76/58 条 76 条单向、双向绿波特性的道 路 58 个路段实施了双向绿波带 4 类 区域内单行线、 禁左、 行人二次过街、 限行限牌 高效出警 提升警情处置效率，快速疏解拥堵 全路网扫描 定点打击 状态监测 扫描路网状况，监测警务资源 态势研判 路网时空特征，指挥调度

边缘应用从云端按需下发和升级 ，完全摆脱了传统“现场实施 、成本高 、周期长 、 风险大 ”低效模式，轻松支持行业应用迭代更新 AI oT 云边协同客户价 值 行业边缘智能实践： 智能交 通 融合感知 毫米波雷达 摄像机 气象监测 智慧高速 V2X 车路协 同 蜂巢边缘系统 OBU OBU OBU 路侧边缘 MEC “ 雷视 ”融合分析 行人闯入预警 交通事故预警 超视距路况感知 紧急制动预警