40%；最后，利用实时风险监测模型，将欺诈识别 准确率提升至 98%以上。 关键数据指标对比如下： 指标 传统模式 DeepSeek 方案目 标 核保时效 48 小时 2 ≤ 小时 理赔自动化率 35% 90% ≥ 产品转化率 12% 17%（+5%） 指标 传统模式 DeepSeek 方案目 标 欺诈识别准确 率 85% 98% ≥ 技术实施路径分为三个阶段： 1. 场景建模 95%以上。 1.1 保险行业现状与挑战 当前保险行业正处于数字化转型的关键阶段，传统业务模式面 临多重挑战。根据银保监会 2023 年数据，行业平均获客成本同比 上升 28%，代理人脱落率持续高于 35%，而客户满意度仅维持在 82 分（百分制）。在产品同质化严重的市场环境下，67%的客户 认为保险条款复杂难懂，理赔流程平均耗时达 5.7 个工作日。 行业主要痛点可归纳为： - 服务效率瓶颈：人工坐席日均处理咨询量约 当前保险行业正面临前所未有的数字化转型压力，传统业务模 式在效率、成本、客户体验等方面已难以满足市场需求。根据麦肯 锡 2023 年全球保险业报告，78%的保险公司将数字化转型列为战 略优先级，但实际完成核心系统改造的企业不足 35%。这种差距主 要源于三个维度的需求矛盾： 首先，客户行为变化催生服务模式重构。互联网原住民群体更 倾向于数字化交互，其保险产品线上咨询率已达 62%（中国银保监 会 2023 年数据），但行业平均线上转化率仅为传统渠道的

6 10 日本 32.9 9 1.2 20 1.9 13 4.5 7 7.1 9 2.5 15 1.5 7 5.9 3 6.9 11 0.3 19 0.7 17 0.4 35 西班牙 32.2 10 1.7 14 1.7 17 3.2 10 9.6 6 2.6 13 1.1 9 2.0 10 7.5 7 0.7 11 0.7 14 1.3 16 32 0.9 20 1.1 21 6.2 11 2.2 17 0.4 15 1.0 18 1.1 33 1.0 7 0.2 25 0.3 40 奥地利 13.9 17 0.5 35 1.8 16 1.7 20 1.2 28 1.6 22 0.2 24 1.7 11 2.7 20 0.9 10 0.3 23 1.4 13 以色列 12.9 18 1.5 个前沿中，美国研究前 沿热度指数排名前三的前沿数为 109 个，占全部 128 个前沿的 85.2%。中国研究前沿热度指数排名前三的 前沿数为 84 个，占比 65.6%。德国、英国和加拿大 分别有 38 个、35 个和 16 个前沿排名前三，分别占 29.7%，27.3% 和 12.5%（表 4）。 表 4 十一大学科领域整体层面的研究前沿热度指数 Top5 国家 / 地区 在分领域层面研究前沿热度指数排名前三的研究前沿数量和比例

来 源 : Wellcome Trust, TD Cowen, 相 关 企 业 访 谈 15-30 25-40 35-55 3-5 8-11 5-8 5 AI 在制药领域的应用 25-40 将现有分子重新利用于靶点 5-7 -35-40 % -25-30 % -40-50 % -40-50 % -30-40 % -30-50 % AI 能提高一系列生产关键绩效指标 (KPI) 20-40 % 例如： 基于机器视 觉的安全区域 安全性 & 工作时 长 20-40 % 20-40 % 10-35 % 例如：灵活的 自动化解决方案和 工厂布局 5-20 % 生产灵活性 高达 25 % 收入提升 多达 10 % 上市时间缩短 AI 的最新发展赋能新用例显著改善各种生产关键绩效指标，最多可提高 13 % 30 % 市场竞争情报 29 % 27 % 9 % 22 % 35 % 生物医学 文献综述 4 % 38 % 销售辅助工具 31 % 9 % 33 % 29 % 营销广告文案 29 % 3 % 22 %

..................................... 35 图 27. ZA Tech 科技输出可持续性收入占比提升 ...................................................................................... 35 表 1. 近年来政策大力鼓励金融科技发展 ............ 促成客户所需办理业务的一次性解决。 智能客服中 台 构建 3 级 6 类问法、62 个语义模型、937 个节点、58 万个知识点，覆盖 1063 款产品条 款及全流程多项子领域服务，为 APP、总分公司官微等 35 个服务端提供智能/智能+人工 在线咨询服务。 新华保险 智多新 交互型人工智能机器人，依托人工智能技术，通过自然语言的处理、语音识别、多意图 理解、自主学习等深度 AI，拥有 32 万个智能服务场景、100 限、利率等方面 的差异化设置，提高客户满意度和忠诚度。二是，金融壹账通在 AIGC 技术上已 0 5,000 10,000 15,000 20,000 25,000 30,000 35,000 40,000 45,000 50,000 2017 2018 2019 2020 2021 2022 专利申请累计数 新增专利数 谨请参阅尾页重要声明及财通证券股票和行业评级标准

提升 30% AI-Driven Digital Transformation in Automotive Marketing 08 1 1 20 2 2 2 4 2 9 3 2 35 3 7 39 4 2 仲海鳗｜腾势销售事业部总经理助理 汽车越来越像一个快消品。过去 20 年，我们与用户的互动一直是比较传统的。这就造成 很多痛点，销售路径长、销售系统复杂、数据庞大。新能源时代，客户更加务实一些， 2023 年 12 月 2024 年 12 月 2024 年 12 月 2024 年 12 月 2024 年 12 月 单车零售价格：万元 -5.0% -1.1% -6.4% -12.7% 40 35 30 25 25 20 10 5 0 2023-2024 年不同能源类型单车平均零售价格走势 22 20 18 16 14 12 10 1 ​ 2 ​ 3 ​ 4 ​ 5 ​ 6 相比以前，车企更难获取高成功率的购车线索。整体营销效率 下降成为行业普遍问题。这主要是由于两大结构性变化： 其一，消费者购车决策窗口正在前移。 汽车之家研究院调研数据显示，用户从选车到下订，平均要经 历两个月的时间：在 35 天的海选后确定意向；随后进行线下 看车，在 2 周内订购——当消费者走进 4S 店时，他们可能早 在线上就已经完成了车型的对比、研究、咨询等一系列流程。 而在更具备运营价值的线上选购黄金期，车企正面临激烈的注

年中国六轴及以上协作机器人内外资市场份额（以销量计，%） 33 图表 33 不同负载协作机器人应用场景对比 34 图表 34 协作机器人主要代表厂商及最大负载产品 34 图表 35 2016-2024 年中国协作机器人相关专利申请情况（单位：件，%） 36 图表 36 2015-2025H1 中国协作机器人市场融资增长情况 46 图表 37 2024-2025H1 （7≤L＜ 12kg） 大负载 （12≤L＜ 20kg） 超大负载 （L≥20kg） 负载 范围 法奥机器人 ★★ ★ ★ ★★ 3- 30kg 遨博智能 ★★ ★★ ★★ ★★★ 3- 35kg 华盛控 / / ★ ★★★★★★ 16- 60kg 里工实业 ★ ★ / ★★★ 5- 40kg 中科新松 ★★ ★★ ★★ ★★★ 3- 30kg 艾利特机器 人 ★★★ ★ ★★★★ 非夕科技 ★ ★ / / 4kg、 10kg 思灵机器人 ★ ★ ★ ★ 3- 20kg 睿尔曼 ★★★ / / / 2- 5kg 埃斯顿酷卓 ★★ ★ / ★★ 3- 35kg UR ★ ★ ★★★ ★★ 3- 35kg ABB ★★ ★ ★ / 0.5- 12kg FANUC ★★ ★★ ★★ ★★★★ 4- 50kg YASKAWA / ★ ★ ★ 10- 30kg KUKA ★★

智慧高地，打造“更美丽、更富裕、更文明”的幸福新黄山。 背景 核心亮点 客 户价值  基础设施领域：基础设施资源利用率提升 40% 。  数据资源领域：构建数据治理体系，资源目录增加 35% 。  全域旅游领域：看清全市 20 多类旅游资源家底、文旅营销精准度提升 10% ，旅游投诉事件降低 15%  环境保护领域：天、空、地一体化监测、追踪效率提升 150% ，打造新安江生态文明名片。 700+ 万  导入运营能力，强化无形平台，实现可持续运营  助力客 户 构筑数字生态，提升数字经济 业务需求 • 现有 131 个垂直系统， 30+ APP 入口， 50+ 公众号， 35% 左右的重复投资 • 体验割裂，平均 1 个用户， 8 个 ID • 缺少运营， 16% 的系统用户 <20 人 • 新业务上线越来越困难，平均上线周 期 >6 个月 城市案例 区级案例 台底座，为“善政”“惠民”“兴业”三类应用提供服务 • 整合原有系统，环保，安监等上数字平台，支撑应用发展 • 通过智慧旅游、智慧农业的建设，推进灵石产业变革 客 户价值  节省投资：统筹建设降低 35% 软硬件投资成本， 45% 的平台运维成本  城市治理：通过使能平台统一调度视频融合、 GIS 、指挥调度、使能平台的能力，实现在城管、环 保、交通等城市治理过程中协调各个部门序解决问题，效率提升

......................................35 D.11 其他安全要求......................................................................................................... 35 附录 E 漏洞扫描结果记录........................ .................................... 35 附录 F 渗透测试结果记录......................................................................................................... 35 F.1 XX 安全问题 1....................... 重大风险隐患触发项参照表.........................................................................................35 附录 H 重大风险隐患及整改情况.................................................................................

340B 稀疏激活参数（实 际激活约 12B/query） 实现高精度语义解析的同时，满足公共服务实 时响应要求（<800ms/query） 训练数据 4.6TB 中文语料（含专 业领域语料 35%） 覆盖法律、医疗、政务等公共服务高频领域术 语 上下文窗 口 128K tokens 支持长文档解析与多轮对话场景记忆 API 延迟 平均 720ms（标准云服 务器部署） 符合语音交互系统对端到端延迟的严苛要求 本、游客问答记录、多语言对照资料 数据类别 清洗标准 增强方法 最终占 比 专业术语 实体识别准确率≥98% 领域词典扩充 22% 长文本解说 段落连贯性评分≥4.5/5 上下文语义插值 35% 多轮对话 意图识别准确率≥90% 对话状态追踪增强 18% 多语言对照 翻译 BLEU 值≥40 反向翻译数据增广 25% 训练策略层 采用混合式微调方法，结合 Adapter 模块与 LoRA 智能语音讲解系统的核心架构采用模块化设计，确保可扩展性 和高可用性。系统由语音采集模块、语义理解引擎、语音合成模块 及服务接口层组成，通过微服务架构实现各组件解耦。音频采集端 支持 16kHz/48kHz 双采样率，信噪比≥35dB，采用自适应降噪算 法确保在 60dB 环境噪声下仍能保持 90%的语音识别准确率。 语音处理流程采用三级缓存机制： 1. 边缘节点处理 200ms 内 的实时音频流 2. 区域中心节点完成

92%以上；最后，通过动态生成个性化沟 通话术，显著提升客户服务体验。 为验证方案的可行性，某头部财险公司已在车险理赔场景完成 试点测试。结果显示，DeepSeek 大模型的应用使案件平均处理时 效提升 40%，人力成本降低 35%，同时将客户满意度从 78%提升 至 91%。这一成果表明，大模型技术不仅能够解决传统理赔业务的 痛点，还能为保险公司创造显著的商业价值。 以下为试点项目的关键数据对比： 指标 传统流程 数据显示理赔时效每延长 24 小时，客户满意度下降 11%。 欺诈风险持续攀升 全球保险业每年因欺诈导致的损失约 800 亿美元，占总赔付额的 5- 10%。传统反欺诈手段依赖规则引擎，仅能识别 35%的欺诈模式。 车险领域拼接事故、伪造医疗票据等新型欺诈手段每年增长 17%， 但调查人员平均需要核查 12 项跨系统数据才能完成风险判定。 人力成本刚性增长 大型保险公司理赔团队规模通常超过 。以 车险理赔为例，单笔案件平均需消耗 40-60 分钟人工处理时间，其 中涉及医疗票据核验、事故责任判定等复杂场景时，耗时可能延长 至 2 小时以上。人力成本占比常年维持在理赔运营总成本的 35%- 45%，成为制约企业盈利能力的核心因素之一。 人力成本高的深层原因主要体现在三个维度：首先，专业核赔 人员培养周期长，通常需要 6-12 个月的专项培训才能独立处理复 杂案件，导致人力