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 % 2-3 10-15 5-7 15-20 维护 / 服务 内部 物流 广泛收益 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 AI 的生产解决方案收 益 例如：基于视觉的自动化质量控制、手动 工作流程自动化、基于视觉的装配自动化 例如：机器参数优化以提高设备综合 效率 (OEE) 并降低能源消耗 50 % 40 % 30 % 20 % 10 % 例如：搭载 AI 车辆、路线规 划优化 例如：通过机器参数优化减 少废弃物料 7 AI 在制药领域的应用 10-30 %

...................................................................................................40 2.3 智能体功能设计...................................................................................... 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 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 平。某中型财险公司测算显示，每单保费中约有 38 元消耗在人工 流程成本上。 这些痛点表明，保险行业亟需通过 AI 智能体实现：业务流程 自动化率提升至 80%以上、核保决策速度加快 5 倍、欺诈识别准确 率提高 40%等突破性改进。DeepSeek 的智能体技术可针对性解决 上述系统性问题，具体技术路径将在后续章节详细阐述。 1.1.2 数字化转型需求分析 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

...................................................................................................40 3.2.3 高精度预测与决策能力................................................................................. 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 DeepSeek 应用 后 提升幅度 案件处理时效（天） 7.2 4.3 40% 人工干预率 45% 12% 73% 争议案件占比 保险行业理赔业务的现状与挑战 当前保险行业理赔业务普遍面临效率瓶颈与服务质量的双重挑 战。传统理赔流程依赖人工核保、定损及审核，平均处理周期长达 5-7 个工作日，车险案件人工核损环节耗时占比超 40%。根据 2023 年行业白皮书数据，Top20 财险公司理赔纠纷投诉中，67% 源于时效延迟或核损偏差，直接推高运营成本—— 行业理赔管理费 用率中位数达 12.8%，较承保利润率高出 4.3

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 ​ 数据会说话：AI 时代汽车全域营销实战手册 “决赛圈了，到底该选哪个？”当一个想要买车的年轻人在评论 区打出这句话，代表他已经下定决心在四到五款车型中最终选 择一辆。在此之前，他可能已经在线上浏览、对比过 40 款车型。 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 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 意力争夺战。 其二，用户选择呈现能源类型分化。 新能源车用户平均浏览车系数量从 2023 年的 40 款增至 2024 年的 42 款，深入对比 5.9 款；而燃油车用户浏览车系数则由 40 款微降至 39 款，对比 5.7 款。这种分化与新能源车型迭代 提速、价格战白热化直接相关，进一步加剧了车企的精准营销 难度。 与此同时，用户通常不喜欢没有价值的重复推销，给潜客运营

60% ，而基于大模型的智能风控系统可将准确率提升至 85%以上。例如，某国有银行试点数据显示，通过大模型分析非结 构化数据（如客户行为日志、社交媒体信息），其反洗钱预警效率 提升了 40% ，误报率降低 25%。 客户服务方面，银行业平均单次人工客服成本高达 5-8 美元， 而智能客服可将成本压缩至 0.3 美元以下。但现有对话机器人仅能 处理 45% 的常规咨询，剩余 ： 需求维度 传统模式痛点 智能化转型目标 服务效率 人工处理耗时，响应延迟超过 30 分钟 实现 90%以上业务的实时自动化 处理 风险识别 依赖静态规则，新型风险漏报率超 40% 动态建模覆盖 95%以上的复杂风 险场景 个性化能力 标准化产品推荐转化率不足 15% 基于客户画像的精准推荐转化率 提升至 35% 从技术实现角度看，银行业务智能化需要突破以下关键能力： 的实时交易监测系统，异常交易识别效率提升 40%，误报率 控制在 0.5%以内；三是业务流程自动化改造，实现贷款申请、票 据处理等 15 类高频业务的智能审批，平均处理时效从 48 小时缩短至 4 小 时。 维度 基线指标 目标指标 提升幅度 服务效率 5 分钟/单 90 秒/单 70% 人力成本 100%人工 30%人工介入 70% 业务覆盖率 40%标准化业 务 85%标准化业

......... 40 4.2.4 ෻౟ۤٗ໭ᆑ௶ᆇၗڕसफ೴࡬ ................................. 40 4.2.5 ٲߙᆑ௶ᆇၗࢳ༰೴࡬඘ຂ ......................................... 40 4.2.6 ٫຺࠼ޖಀݖcఆࣇc֥ఆԉෳϦ೴࡬ ..................... 40 4.3 ෗ࠩ೴࡬ݘࡪcᄭसူకۦ ݮᄩcьೇڳි ࣂ޷ԉᅥົԸА޳Љ೴࡬Ϣծמؖd෻ю௦ڳ“స௕సຬ”ܣՇރୣ ೴࡬࣏ߙಁd໹ю௦੖ൎပᆑ௶ᆇၗᆇСூА 600 ဥّລೋԤю ڴdћ༣ٗ໭௦ڳᆑ௶ᆇၗۤϢՎС௲௣Ԉޚ೴࡬ēఐ࢈40 ฃΓd ћ༣ٗ໭௦ڳဈԙcဈ࣠cဈںcဈӻۤЉݛcԙ࢞cڟܣ໻ྜڕ स೴࡬ēભ࢈200 ฃߑd ೴࡬ݘࡪѺϤಬຣēᆑ௶ᆇၗ“ྡྷ჆෍”ݮ·ߙोdඹڶၽຬ׻ ๠c஍ᄢݯcशຬࢪͽԉֺ಴ಬຣࠈխ໿೴࡬ݘࡪēݮ·໹юྻಬ सc໰ဈ඘ຂԉᅖඕ࣏dݮဟܚ॓ฉْۤफ๞॓ฉēϰނݘࡪ໶௟ ԤďPOIĐc್ݯ໰গcสᄢ೴࡬cܚ॓ฉဤெԉঠ಴೴࡬d̟༓٫ ຺ୣ൐Ϧਪԅ࠼ޖcఆࣇcᆑ௶ၹڽcි௻cෳࣿ๞ᄵԉອڑ୔Аc ԸАۤ޳Љ೴࡬d — 40 — ¤ ¤ 4.3 ෗ࠩ೴࡬ݘࡪcᄭसူకۦ ߙोߒ௦೴࡬ᆇၗંৃc႓ఉூӦᄥէē່҂೴࡬Σनۤ೴࡬ ཕҴē෗ࠩ೴࡬ᅖՎcഈЮcಬನݘࡪd௦ੋඔಖ೴࡬ᄭसટॏē ௲ͬ೴࡬ᄩ२ۤ೴࡬̝௦ēಇܤ೴࡬కۦēඔಖ೴࡬؎ટ໒ဈd

中国协作机器人主要投融资事件 46 图表 38 2023-2024 年协作机器人应用场景分布（以销量计，单位：%） 48 图表 39 协作机器人主要应用行业 49 图表 40 2023-2024 年中国协作机器人下游行业分布（以销量计，%） 50 图表 41 主要协作机器人厂商出海区域 51 第一章 协作机器人市场概述 第一节 ★ / ★★★ 5- 40kg 中科新松 ★★ ★★ ★★ ★★★ 3- 30kg 艾利特机器 人 ★★★ ★ ★★★★ ★★★ 3- 30kg 珞石机器人 ★★★ ★ ★★★ ★★★★ 3- 45kg 华沿机器人 ★★★ ★★ ★★ ★★★★ 3- 50kg 慧灵科技 ★★★★ ★ ★ ★ 1- 20kg 节卡机器人 ★★★★ ★ ★★★ ★★★ 1- 40kg 达明机器人 ★★★ 谐波减速器依旧占据主导地位。 图表 8 2016-2028 年中国协作机器人用减速器需求量及预测(单位:万台，%) 数据来源：高工机器人产业研究所（GGII） 二、无框力矩电机 80 70 60 50 40 30 20 10 0 . 34.69% 29.17% 27.86% 21.15%11.17 11.71 29.47% 4.92 5.96 1.70

..............37 3.1.2 模块划分与功能设计..................................................................40 3.2 数据集成与处理..................................................................................42 3 3 秒内完成百万级医学文献的 语义检索 2. 诊断辅助精度：对常见疾病的鉴别诊断建议与专家共识吻合度 达 88% 3. 资源调度优化：通过预测就诊流量实现医护人员动态配置，候 诊时间减少 40% 当前医疗信息化建设已进入深水区，单纯的数据电子化已无法 满足高质量发展要求。某省卫健委的评估报告指出，超过 60%的二 ” ” 级医院信息系统仍停留在 记录存储 阶段，缺乏智能分析能 力。DeepSeek 份，导致疲劳作业风险上升，而电子病历系统仅实现基础 结构化存储，无法主动辅助临床决策。 医疗数据利用存在显著瓶颈： - 非结构化数据占比超过 70%（如影像报告、医患对话记录） - 跨系统数据互通率不足 40% ” ” ，形成 信息孤岛 - 实时数据分析延迟普遍在 4 小时以上，影响急症处置 成本控制方面呈现两极化趋势：2023 年国内三甲医院单例诊 疗成本较 2019 年增长 23%，而社区医院设备更新率连续

52.1% -20% -10% 0% 10% 20% 30% 40% 50% 60% 70% 0 2 4 6 8 10 12 14 2016 2017 2018 2019 2020 2021 2022 23Q1-3 营业收入（亿元） 营业收入YoY（右轴） -60% -40% -20% 0% 20% 40% 60% 80% 100% 120% 0.0 0.5 1.0 1 21Q2 21Q3 21Q4 22Q1 22Q2 22Q3 22Q4 23Q1 23Q2 23Q3 营业收入（单季，亿元） 营业收入YoY（右轴） 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 2016 2017 2018 2019 2020 2021 22H1 2022 23H1 其他业务 智能交通及其他 智慧口岸查验系统解决方案 8 213.1 224.4 179.2 96.5 169.9 52.3% 98.5% 50.3% 5.3% -20.1% -46.2% 105.2% -60% -40% -20% 0% 20% 40% 60% 80% 100% 120% 0 50 100 150 200 250 2016 2017 2018 2019 2020 2021 2022 23Q1-3