次，根据抛出的 第一个问题去思考相关的答案。比如，保险公司需要通过布局AI来提高其效率和精准度，个性化 产品和服务，专注创新和长期发展等。在这些可能的答案里，找到专注创新和长期发展是企业需 要布局AI能力的根本因素。然后，再进一步思考保险公司为何要专注于创新和长期发展？进一步 探究是因为目前复杂的经济环境和科技变化让企业的未来充满不确定性。当找到了“未来的不确 定性”是企业需要关注的重要 市场规模和增长：考察保险行业的总 体市场规模、增长率、市场饱和度等。 • 行业趋势：分析行业的长期趋势，如 保险产品的多样化、服务数字化等。 • 竞争格局：研究市场上的主要竞争者、 市场份额分布和竞争策略。 法规与政策环境 02 市场与行业动态 01 技术发展趋势 03 消费者行为与需求 04 风险管理与合规 05 长期视角 06 • 监管框架：了解影响保险行业的法规 和政策，如合规要求、消费者保护法 包括市场风险、信用风险、操作风险 等。 • 合规要求：确保对行业合规要求有深 入理解，以适应监管环境的变化。 • 可持续发展：考虑环境、社会和治理 （ESG）因素如何影响保险行业的长期 发展。 • 战略规划：基于各类参考系综合分析， 制定长期的业务发展战略和规划。 技术成熟、市场趋于饱和； 有闲阶级和资本的出现； 新的投资机会短缺；经济 大概率出现“滞胀”；自满 与失望并存，社会割裂 导入期 转 折 展开期

芯片。接下去的问题就是良率提升速度与 产能爬坡速度，根本上取决于中国建立起一个基本替代西方先进制程芯片的产 业链，解决各个环节卡脖子问题。这需要时间和耐心。 保守来看，如果鸿沟短期内无法逾越，中国的 AI 算力长期依靠较低能效的芯片， 且芯片能效无法持续提升，那么相同算力规模的用电量需求就会大增。电力换 算力成为一种选择，以保证在 AI 领域的竞争力。但就总量而言，中国电力的装 机总量约为美国 2.4 倍，发电总量约为美国的 PUE）降低到 1.3 以下，考虑到市场占比较高的领先云巨头的 PUE 已经做到比这更低，将其视 为一段时间内的全行业基准水平相对合理。此外，考虑到智能算力的供需情况， 国内智算中心使用率可以设定为长期以 100% 的满负载运行。 智算中心当年的用电规模的计算公式可以表示为：芯片数量 * 芯片热设计功率 *2*PUE* 使用率 *365 天 *24 小时。 因此，至2030年，智算中心的总 电功率、负荷能力的精准预测。中长期来看，能计算储 能的充放电计划、风光的削减计划以及整体的风光储聚 合出力曲线。 远景运用智能物联操作系统 EnOS，以高精度预测、多目 标及多时间尺度优化策略，打通微网协同调度系统全链 路，覆盖源网荷储，基于云边一体实现基础数据接入， 提供高阶应用产品套件。 乌兰察布市与远景共建的源荷互动平台，融合市级碳管 理、电力现货及中长期交易终端，结合园区可视化多场

芯片。接下去的问题就是良率提 升速度与产能爬坡速度，根本上取决于中国建立起一个基本替代西方先进制程 芯片的产业链，解决各个环节卡脖子问题。这需要时间和耐心。 保守来看，如果鸿沟短期内无法逾越，中国的 AI 算力长期依靠较低能效的芯片， 且芯片能效无法持续提升，那么相同算力规模的用电量需求就会大增。电力换 算力成为一种选择，以保证在 AI 领域的竞争力。但就总量而言，中国电力的装 机总量约为美国 2.4 倍，发电总量约为美国的 PUE）降低到 1.3 以下，考虑到市场占比较高的领先云巨头的 PUE 已经做到比这更低，将其 视为一段时间内的全行业基准水平相对合理。此外，考虑到智能算力的供需情况， 国内智算中心使用率可以设定为长期以 100% 的满负载运行。 智算中心当年的用电规模的计算公式可以表示为：芯片数量 * 芯片热设计功率 *2*PUE* 使用率 *365 天 *24 小时。 因此，至 2030 年，智算中心的总装机容量将达到 电功率、负荷能力的精准预测。中长期来看，能计算储 能的充放电计划、风光的削减计划以及整体的风光储聚 合出力曲线。 远景运用智能物联操作系统 EnOS，以高精度预测、多 目标及多时间尺度优化策略，打通微网协同调度系统全 链路，覆盖源网荷储，基于云边一体实现基础数据接入， 提供高阶应用产品套件。 乌兰察布市与远景共建的源荷互动平台，融合市级碳管 理、电力现货及中长期交易终端，结合园区可视化多场

NVMe SSD 和大容量 HDD，以满足不同应用场景的需求。NVMe SSD 用于存储高频访 问的医疗数据和模型参数，提供极致的读写速度；HDD 则用于存 储历史数据和大规模数据集，确保数据的长期保存和低成本管理。 同时引入 RAID 技术，提供数据冗余和故障恢复能力，保障数据的 高可用性。 网络单元设计为高带宽、低延迟的架构，支持 10GbE 甚至 40GbE 以太网接口，确保医疗大数据的高速传输和多节点协同计算 deepseek 智算一体机的硬件架构中，存储系统的 设计至关重要，需兼顾高性能、高可靠性以及扩展性。考虑到医疗 数据的多样性和安全性要求，我们采用分层存储架构，结合多种存 储介质，确保数据的高效访问与长期保存。 首先，存储系统采用全闪存阵列（All-Flash Array, AFA）作为 高速存储层，满足实时数据处理和大规模并发访问的需求。闪存阵 列的 IOPS 峰值可达数百万级别，显著提升医疗影像分析、基因数 峰值可达数百万级别，显著提升医疗影像分析、基因数 据处理等高吞吐量场景的响应速度。同时，通过 NVMe（Non- Volatile Memory Express）协议优化数据读写效率，降低延迟。 其次，为满足大规模医疗数据的长期存储需求，采用分布式存 储系统作为核心存储层。分布式存储系统支持横向扩展，节点间通 过 RDMA（Remote Direct Memory Access）技术实现高效数据 传输，确保集群规模的灵活性与性能的线性增长。存储节点采用高

据的实时 监控与分析。  优化水资源调度与配置，基于历史数据和实时信息制定更科学 的调度方案。  增强对洪涝灾害、干旱等极端事件的预测与预警能力，降低灾 害风险。  支持水利工程的长期规划与设计，通过模拟与预测为决策提供 科学依据。 从意义来看，DeepSeek 应用方案的引入不仅能够提升水利工 程管理的现代化水平，还将推动水利行业的数字化转型，为实现水 资源的可持续利用 通过本文的详细阐述，读者能够全面了解 DeepSeek 技术在水 利工程中的具体应用场景和实施方案，为相关领域的技术人员和管 理者提供了切实可行的参考依据。 2. 水利工程现状分析 水利工程作为国家基础设施的重要组成部分，长期以来在防 洪、灌溉、发电、供水等方面发挥着不可替代的作用。然而，随着 气候变化、人口增长和城市化进程的加快，水利工程面临诸多挑 战。首先，极端天气事件频发，导致洪涝灾害和干旱问题日益严 重， 布点。此外，还需考 虑数据传输的便利性，尽量将传感器部署在靠近通信网络或数据传 输节点的区域，以降低数据传输的延迟和成本。对于偏远地区的水 利工程，可采用太阳能供电和无线传输技术，确保传感器的长期稳 定运行。 传感器部署完成后，需进行初步测试和校准，确保各传感器的 正常运行和数据准确性。测试过程中应记录传感器的初始化数据， 并与现场实际情况进行比对，必要时进行调整。最终形成的传感器

实时监控内外部变化（市场波动、风险事件等），快速分析决策并行动，超越传 可将高层目标分解为子任务并规划执行，调用外部工具完成；混合传统工作流及 MCP 协议能增强执行能力。 4. 从历史任务中学习，优化决策、规划及工具调用，长期提升性能与准确性。 5. 覆盖传统服务难触达的人群与地区，推动金融普惠，是其重要创新优势。 营 程 运 流 低 全 降 款 标准查 杂任务 % 复 客服解决 70 节协同完成 % 3S 模 型 被动参与 积极参与 需求预测 了解真实的用户需求 有感染力内容及互动体验 个性化广告精准投放 多渠道整合打造无缝体验 一对一有温度的长期服务 W W W W 中具备业务穿透力的 3-5 个核心场景作为首期试点，通过最小可行方案（ MVP ）在 6-8 周内完成价值验 证。 （如大模型的底层能力突破）和业务反馈优化整体 落地蓝图和路线图，实现战略灵活性与长期目标的 平衡。 从 0 到 1 ：聚焦场景落地 “ 快落地”实现应用优先：企业应制定“快赛道” 战略孵化 等待观望 数据来源：公开资料，专家访谈，甲子光年智库整理 可行性低 维度二（纵坐标）：场景的商业价值演进

❖ 海外保险机构 AI 大模型布局正加速推进，国内也有望实现 AI 技术的 迭代升级。海外方面，GPT 技术已从销售助理、智能客户、核保核赔等多场 景赋能保险业务，预计随着数据与训练的积累，未来长期 AI 大模型有望向个 性化产品定价、核保核赔、风控减损等场景延伸，深度赋能全产业链。国内方 面，近年来，我国大型保险机构持续关注科技投入，AI 技术已广泛应用于前 端销售、定损理赔、风控减损等领域，但主要仍以理解式 数据来源：Bloomberg《BloombergGPT：A Large Language Model for Finance》，财通证券研究所 BloombergGPT 在金融领域的强大竞争力主要源于其长期积累的数量庞大的金融 领域数据。为训练 BloombergGPT，研究人员首先构建了一个由一系列英文金融文 件组成的综合数据集“FinPile”，同时用广泛用于训练 LLM 的公共数据对其进行 中保协 《保险科技“十四五” 发展规划》 推动先进技术应用，赋能保险行业高质量发展，推动数字化转型， 增强保险价值链创新的科技支撑，夯实信息科技建设基础，提升科 技应用风险管控，建立适应保险科技中长期发展的组织架构、激励 机制、运营模式，引导行业企业做好相关技术、数据储备和人才培 养。 2022-01 央行 《金融科技发展规划 （2022-2025 年）》 提出“十四五”时期金融科技发展愿景，明确金融科技发展的指导

济”连续两年被写入政府工作 报告中，被视为“新质生产力”的重要发展方向。 2024年年底，国家发改委正式设立低空经济发展司（简称“低空司”），作为专职机构 负责拟订并组织实施低空经济发展战略、中长期发展规划，提出有关政策建议，协调有关 重大问题等。低空司的设立标志着低空经济产业已被纳入中央政府的常态化治理范畴，其 管理层级与战略定位进一步明确。这不仅体现了国家层面的高度重视，也为跨部门政策资 eVTOL的产品创新路径。通过在产品中引入“汽车+ eVTOL”的分体式设计，利用车辆架 构实现eVTOL的转场和充电，并尝试通过可折叠方案实现eVTOL停场，进一步降低对相 关基础设施的需求，针对长期困扰通航领域的“痛点”提供了中国式解决方案。 深圳作为中国低空基础设施建设的先行城市，正积极探索低空运行解决方案。当地政 府提出了“低空四张网”构想，覆盖导航、监视、通信、服务四大体系。试点系统如无人 为估算未来在个人购买场景下的eVTOL销量，BCG对标了同一价格区间（150万元人 民币以上，即21万美元以上）豪华车的年销量，选取满足与eVTOL相同购买需求和心智的 豪华车年销量，作为eVTOL中长期的销量预测（参阅图9）。具体测算逻辑如下： 高端乘用车销量， 按车型划分 结合对相关需求和购买心智的分析，测算转化率和潜在销量 潜在市场规模 转化率 车型 专业运动 （赛车） 户外自驾 （公路/越野）

度和用户体验。 - 通过知识图谱技术，实现政务知识的关联分析和 可视化展示，为政策制定和决策提供数据支持。 - 建立一套完整的 知识库管理和维护机制，确保知识的时效性和安全性，为电子政务 的长期发展提供可靠的知识保障。 为实现上述目标，项目将分阶段推进，首先进行政务数据的收 集和预处理，然后利用 DeepSeek 模型进行知识抽取和整合，最终 构建一个可扩展、可维护的电子政务知识库。通过本项目，预期能 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 捕捉文本中的长期依赖关系，从而提升模型的语义理解和生成能力。 在电子政务领域的应用中，DeepSeek 模型能够有效处理海量 的政策文件、法律法规、公共服务信息等文本数据，实现自动化分 类、关键词提取、问答生成等功能。通过预训练和微调，模型能够 测试与部署：进行系统测试，包括功能测试、性能测试和安全 测试，确保系统达到预期目标后，进行部署和上线。 5. 用户培训与维护：为政府部门的工作人员提供系统使用培训， 建立系统维护机制，确保系统的长期稳定运行。 通过本项目的实施，预期将显著提升电子政务的服务水平和效 率，为政府部门提供更加智能、便捷的支持工具，同时也为公众提 供更加优质、高效的政务服务。 2. 需求分析与规划 在构建电子政务接入

0.60 0.59 0.62 0.60 流动资产合计 42,309 44,642 55,256 60,484 现金比率 0.26 0.14 0.27 0.15 长期股权投资 1,778 2,152 2,528 2,903 资产负债率 80.8% 79.0% 79.5% 77.3% 固定资产 4,385 4,462 4,509 4 00 流动负债合计 35,140 36,614 45,838 48,937 估值分析 长期借款 5,716 5,716 5,716 5,716 PE -227.16 127.75 74.48 44.09 其他长期负债 1,859 1,859 1,859 1,859 PB 4.12 6.39 5.88 5.19