请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2025年05月04日 AI 赋能资产配置（十二） DeepSeek 资产配置进阶实践的 20 个核心问答 核心观点 策略研究·策略专题 证券分析师：陈凯畅 证券分析师：王开 021-60375429 021-60933132 chenkaichang@guosen.com.cn wangkai8@guosen.com.cn 年的跨度基本覆盖了完整的宏观经 济周期，使数据具有较强的代表性，有助于模型充分学习宏观经济在不同时期的 变化规律和特征。 关于过拟合问题，本项目中过拟合相对可控。一方面，从数据维度来看，本项目 仅涵盖五大宏观框架及其核心指标，特征数量有限，远低于常见动辄 50+变量的 高维模型，降低了过拟合风险；另一方面，生成式大模型并非依赖传统意义上的 数据拟合，而是通过推理机制进行逻辑演绎与模式归纳，模拟人类认知过程，从 请 AI 幻象 问题，而非过拟合问题。 问题 3：从宏观信号到组合构建中，短周期模型得出的“打分指示”如何转化 为具体的战术配置权重（股债比例调整）？ 将短周期模型的“打分指示”转化为战术配置权重，核心是通过风险资产暴露系 数实现动态股债比例调整。综合打分区间（-1 至 1）被划分为若干风险等级，例 如得分小于或等于-0.5 时，定义为极端风险环境，此时股票仓位压缩至 20%以下， 债券及现金类资产占比提升至

手 段重构价值链的战略挤压；在运营层面则有待破解因规模体量带来的管理复 杂性与市场创新敏捷性之间的深层矛盾。 当前人工智能作为一项前沿技术，其核心在于如何激活海量数据要素的 潜在价值，并转化为前瞻性的决策力与创新性的业务模式。是构筑未来核心 竞争力的战略引擎。 白皮书一方面展现了我司对央企数智化转型的深入研究，另一方面希望 能为央企数智化领域服务商精准找到突破央企的机会与切入点，本报告会重 Intelligence 人工智能）在央企的应用现状、应用趋 势，竞争环境等，为行业进入者提供全景式的分析和洞察。 本报告以国资委下属 100 家央企为研究锚点，即能精准把握国内 AI 赋能 央企数智化转型的核心脉络，也可以为下游服务商提供清晰的破局路径。 AI 赋能央企数智化转型——迈向世界一流企业的智能引擎 4 第一章：AI 赋能央企数智化转型发展概况 一、AI 赋能央企数智化转型政策导向 力芯片为主。数据治理方面则关注生成式 AI 的数据标注、合规审核、质量评估等。 2023-2025 年央企 AI 相关政策构建起“顶层设计-深化部署-落地推进”的完整闭环， 且始终以“场景领航、算力筑基、数据赋能”为三维核心支撑，形成系统性推进框架。2023 年顶层设计阶段，政策明确 AI 发展战略定位，将三维支撑纳入央企中长期规划重点，划 定能源、制造等重点应用领域，提出算力基础设施建设与数据治理的总体方向。2024

新兴前沿概述 123 2.2 重点新兴前沿⸺“生成式人工智能在商业领域的应用实践与风险治理” 123 附录 研究前沿综述：寻找科学的结构 124 报告研究团队 134 2025 ① 引用核心论文的论文，也称引文。 1. 背景 科学研究的世界呈现出蔓延生长、不断演化的景 象。科研管理者和政策制定者需要掌握科研的进展和 动态，以有限的资源来支持和推进科学进步。对于他 们而言，洞察科研动向、尤其是跟踪新兴专业领域对 分析论文被引用的模式和聚类，特别是成簇的高被引 论文频繁地共同被引用的情况，可以发现研究前沿。 当一簇高被引论文共同被引用的情形达到一定的活跃 度和连贯性时，就形成一个研究前沿，而这一簇高被 引论文便是组成该研究前沿的“核心论文”。研究前 沿的分析数据揭示了不同研究者在探究相关的科学问 题时会产生一定的关联，尽管这些研究人员的背景不 同或来自不同的学科领域。 总之，研究前沿的分析提供了一个独特的视角来 揭示科 类人员判断的主观性），而是基于研究人员的相互引 用而形成的知识之间和人之间的联络。这些研究前沿 的数据连续记载了分散的研究领域的发生、汇聚、发 展（或者是萎缩、消散），以及分化和自组织成更新 的研究活动节点。在演进的过程中，每组核心论文的 基本情况，如主要的论文、作者、研究机构等，都可 以被查明和跟踪。同时，通过对该研究前沿的施引论 文 ①的分析，可以发现该领域的最新进展和发展方向。 2013 年科睿唯安发布了《2013

云平台安全建设拓扑图 法院等级保护 高校等级保护 广播电视等级保护 监狱等级保护 医院等级保护解决方案 医院整体拓扑图 内网终端接入域 核心业务域（三级系统域） 乡镇、社区卫生中心 外联域 财务 系统 FTP 内网核心域 HIS 系统 EMR 系统 LIS 系统 HIP 系统 PACS 系统 OA 系统 手麻 检测 探针 负载 均衡 内网运维管理域 内网前置 网闸 外网前置 机（下一代防火墙）机 业务内网 外网运维管理域 日志审计系统 运维堡垒主机 补丁分发系统 漏洞扫描系统 防病毒服务器 外网核心域 对外服务器域 下一代防火墙 （增强级） 负载均衡 门户网站 于安全服务 于防御 + 安全与家职守 对外业务安全于监测、于防护 对外服务器域 亏联网域 办公外网 终端接入域 预约挂号系 通信网络——网络架构及通信传输 区域边界——访问控制及检测防护 计算环境——入侵防范及数据安全 管理中心——集中管控及安全审计 “ 云安全服务平台（等保场景）”创新方案 出口网络 / 安全设备 于安全服务平台 核心交换 安全运营服务 安全运营服务 安全运营服务 下一代防火墙 上网行为管理 数据库审计 下一代防火墙 日志审计系统 杀毒软件 下一代防火墙 上网行为管理 广域网优化 负载均衡 日志审计系统

目录 一、基础概念类 1 1.可信数据空间的核心定义及本质特征是什么？ 1 2.可信数据空间与传统数据平台的核心区别体现在哪些方面？ 1 3.可信数据空间中“可信”的具体内涵包括哪些维度？ 2 4.可信数据空间的关键技术组件有哪些？ 2 5.可信数据空间的主要参与主体及其角色定位是什么？ 3 6.可信数据空间对数据要素市场建设的核心价值是什么？ 4 7.可信数据空间与隐私计算技术的关系是什么？ 可信数据空间的主要国家标准（如GB/T系列）有哪些？ 23 32.不同行业（如金融/工业）的可信数据空间行业标准？ 23 33.可信数据空间的国际标准（如ISO/IEC系列）有哪些？ 24 34.可信数据空间的互操作性标准核心内容是什么？ 24 35.可信数据空间的可信认证机构与流程有哪些？ 25 36.可信数据空间中数据格式的合规标准要求？ 26 37.可信数据空间中接口标准的安全性设计要点？ 27 38.隐私保护技术（如差分隐私）的标准应用要求？ 新技术应用的风险评估（如隐私计算、AI）？ 71 99.跨域数据风险的协同防控机制？ 72 100.风险事件的复盘流程与改进要求？ 72 一、基础概念类 可信数据空间的核心定义及本质特征是什么？ 1. 可信数据空间是数字经济时代以数据可信流通与价值转化为核心目 标，通过隐私计算、区块链等技术手段，融合法律规范、行业标准 及多元主体协议，由政府、企业、个人等共同构建的新型数字生态 载体。其本质特征体现为“可信筑基、主权保障、协同创值、动态演

沿本身是由一 簇共高被引的核心论文和后续引用核心论文的施引论文共同组成的，因此，在研究前沿热度 指数的设计中，分别从核心论文和施引论文的数量份额和被引频次份额的角度，设计贡献度 和影响度两个指标，二者加和构成研究前沿热度指数，逻辑模型如图 1 所示。 图 1 研究前沿热度指数逻辑模型 研究前沿 热度指数 贡献度 影响度 核心论文份额 施引论文份额 核心论文被引频次份额 施引论文被引频次份额 贡献的论文数量的相对份额，包括该国参与发表的核 心论文占前沿中所有核心论文的份额，以及施引论文 占前沿中所有施引论文的份额，具体计算方法如下： 国家 / 地区贡献度 = 国家 / 地区核心论文份额 + 国家 / 地区施引论文份额 国家 / 地区影响度是一个国家 / 地区对研究前沿 贡献的论文被引频次的相对份额，包括国家 / 地区参 与发表的核心论文的被引频次占前沿中所有核心论文 的被引频次的份额，以及施引论文的被引频次占前沿 国家 / 地区核心论文被引频 次份额 + 国家 / 地区施引论文被引频次份额 ③ 国家 / 地区核心论文份额、施引论文份额、核 心论文被引频次份额和施引论文被引频次份额的具体 计算方法分别为： 国家 / 地区核心论文份额 = 国家 / 地区核心论文 数 / 前沿核心论文总数 国家 / 地区施引论文份额 = 国家 / 地区施引论文 数 / 前沿施引论文总数 国家 / 地区核心论文被引频次份额

Agent 的核心能力——自主规划、记忆、使用工具 （网页、软件、 API ）使其天生就擅长处理需要与 外部环境交互的复杂、多步骤流程，完美解决了传 统 AI 在“流程自动化”上的短板。 以“执行力”响应“落地”要求： Agent 的设计理念区别于停留在“对话”或“理解” 的 L1/L2 级 AI ，其 L3 级别的核心是“采取行动，完 化的、更复杂、更耗时的工作流，能够为企业带来 指数级的效率提升和生产力解放，这直接回应了市 场对于“显著价值回报”的终极期待。 企业应用市场需求的质变：三大核心期望的全面升级 03 企业级 AI Agent 的精准响应：新一代 AI 范式满足市场期待 过去的状态： 满足于 10% 或 20% 的渐进式效率提升，这属于“量变”； 现在的要求： 期待的 AI Agent 风口已至：企业级 AI 过去的状态：局限于简单的问答、内容续写等“答案生成式”的单一任务； 现在的要求：渴望自主规划、调用不同工具、横跨多个系统、涉及复杂步骤的端到端工作流。 核心挑战： 这些正是传统 AI 应用难以企及的、高价值的“流程自动化”领域。 数据来源：公开资料、甲子光年智库总结整理

.........................................................................................29 2.1.1 核心模块组成............................................................................................... 小时内完成。同时，个性化产品需求增长，70%的客户倾向 于通过智能渠道获取定制化方案，但现有系统缺乏动态场景分析能 力，难以满足市场需求。 本项目旨在通过接入 DeepSeek 的智能体技术，构建覆盖核 保、理赔、客服等核心场景的 AI 解决方案。目标包括三方面：首 先，提升运营效率，将核保流程从平均 48 小时压缩至 2 小时，理 赔自动化率提升至 90%；其次，通过动态用户画像分析，实现产品 推荐精准度提高 98% ≥ 技术实施路径分为三个阶段： 1. 场景建模：基于历史数据训练核保、理赔等场景的决策树，集成 多模态数据输入（如医疗报告 OCR、语音通话记录） 2. 智能体部署：通过 API 对接核心业务系统，支持自然语言交互和 实时规则引擎更新 3. 闭环优化：利用强化学习机制，每周更新用户行为数据模型，确 保预测偏差率低于 3% 该方案已在试点机构完成 POC 验证，结果显示客服人力成本

..............................................................................10 1.3 DeepSeek 大模型的核心优势................................................................................................. ......................................................................................20 2.2 技术路线与核心模块................................................................................................. 62%， 其中 43%的投诉集中在语义误解和交互延迟上。 为突破这一瓶颈，本项目基于 DeepSeek 大模型构建智能语音 讲解系统，旨在通过先进的自然语言处理技术提升公共服务的智能 化水平。核心目标包括三方面：首先，实现语音交互准确率 ≥95%，支持中英等 20 种语言的实时翻译，覆盖 90%以上的常见 咨询场景；其次，将平均响应时间压缩至 0.8 秒以内，显著改善用 户体验；最后，

....................................................................................14 2.1 保险理赔业务的核心痛点................................................................................................. .................................................................................34 3.2 DeepSeek 的核心技术特点............................................................................................... ...........................................................................................54 4.2 核心功能模块...............................................................................................