服 务 运 行 服 务 交 付 服 务 能 力 服 务 心 品 仓 備 配 逃 设 备 管 理 质 量 管 控 牛 产 作 业 计 划 调 度 数 字 化 供 应 链 数 字 化 节 销 知 识 资 金 基 州 设 旋 数 期 业 务 化 数 斯 资 产 数 期 管 理 业 务 数 斯 化 技 术 创 新 研 发 管 理 变 革 管 理 43439—2023 表 3 技术的成熟度要求 一 ] 成熟度等级要求 能力子域 一级 二级 三级 四级 五级 研发管理 应确保研发管理体系能够响 应数字化需求 a) 应部署专门的团队和资 源响应数字化需求； b) 应在研发绩效管理中鼓 励数字化价值创造 a) 应建立数字化研发治理 与管理体系； b) 应建立研发管理绩效指 标体系，并将其纳入组织 绩效考核； c) 动态、敏捷、安全扩展 能力： b) 应基于资源服务进行资 源量化管理，建立资源 应用和管理模型，并持 续优化 ； c) 应建立应用支撑资源的 上下游生态协同，引领 应用支撑资源平台和服 务发展 资金 应安排专项资金计划支持数 字化转型需求的实现 应在局部业务中落实资金计 划并设立数字化转型专项资 金的管理措施 a) 应建立与行业特点、数字 化水平等相匹配的数字

（1）审计计划动态调整机制是否缺失？（如：未根据金融市场波动或机构 战略转型实时更新审计重点；需建立季度滚动计划，结合金融科技风险权重变 化） （2）风险评估模型是否与业务复杂度脱节？（如：对跨境金融、数字资 产 等新兴业务仍采用传统风险评估框架，需要引入 AI 风险预测模型，调整风 险因 子量化标准） （3）审计资源配置是否存在不合理？（如：过度集中财务领域，金融科 6 技、 数据安全 （5）数据治理体系是否不完善？（如：非结构化数据未纳入审计数据 池； 需要搭建统一数据中台，强化非结构化数据清洗能力） （6）审计目标与机构战略是否协同不足？（如：绿色金融战略推进中未 匹 配 ESG 专项审计规划；需要将战略分解为可审计的 KPI 指标，嵌入年度计 划） （7）第三方机构合作管理是否松散？（如：外包 IT 审计未明确数据保密 协 议和技术标准；需要建立供应商准入清单，签订穿透式责任条款） Excel 表格、数据库）的数据能合并分析） 2 、 如何根据风险变化调整人力投入？（比如用风险热力图工具（类似天 气 预报图），根据交易量、客户投诉等数据自动标记高风险业务，优先安排审 计资 源） 3 、 使用外部数据时如何避免违规？（比如与合作方签订数据使用协议， 明 “ 确数据用途；建立隔离区（类似 数据保险箱 ”）存储敏感信息，并用区块链 记 录数据使用痕迹，方便事后检查）

键。国家 发改委等部门推动的“东数西算”工程，核心目标并非简单的“数据 西迁”，而是构建全国一体化的算力网络体系。推动该技术发展，能 将地理上广域分布、架构上高度异构、权责上分属多域的海量算力资 源，通过智能化感知与调度，整合成逻辑统一、弹性敏捷、安全可控 的国家级“算力资源池”。这不仅从根本上解决我国东西部算力供需 不平衡的结构性矛盾，更能通过统一调度形成规模效应，为国家重大 科研 算，同时严格满足医疗数据的隐私安全要求。例如，通过巧妙运用边 缘计算与云计算的协同技术，将部分数据处理任务前置至边缘节点， 既有效减少了数据传输延迟，又切实保障了数据安全。 分布式算力感知与调度系统的技术演进，需构建智能、安全、资 14 源高效协同的体系，以适配数字经济多元需求。智能调度作为核心引 擎，依托机器学习，深挖计算节点的性能参数、负载趋势、业务适配 性等多维数据，动态构建节点画像。同时，安全防护贯穿调度全流程， 秒级采集与上报，为调度决策提供数据基础。同时，系统应支持对网 络资源（带宽、时延、丢包率）的动态监测，通过带内网络遥测（INT）、 主动探测（IPP/IFIT）与被动分析（sFlow/IPFIX）等技术，构建“资 17 源-网络”协同视图，保障任务执行的网络质量。 算力路由功能：在大规模分布式算力资源的寻址过程中，为避免 传统网络路由机制对计算节点实时负载、任务处理能力等关键算力状 态参数考量的忽视

本报告的风险等级为中高风险。 本报告的信息均来自已公开信息，关于信息的准确性与完整性，建议投资者谨慎判断，据此入市，风险自担。 请务必阅读末页声明。 电子行业 超配 （维持） 电子行业深度报告 DeepSeek 推动模型平权，关注 AI 终端及算力领域 2025 年 2 月 20 日 罗炜斌 SAC 执业证书编号： S0340521020001 电话：0769-22110619 邮箱： luoweibin@dgzq 因无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，导 致无法给出明确的投资评级；股票不在常规研究覆盖范围之内 行业投资评级 超配 预计未来 6 个月内，行业指数表现强于市场指数 10%以上 标配 预计未来 6 个月内，行业指数表现介于市场指数±10%之间 低配 预计未来 6 个月内，行业指数表现弱于市场指数 10%以上 说明：本评级体系的“市场指数”，A 股参照标的为沪深 300 指数；新三板参照标的为三板成指。 方面的研究报告，港股股票、基金研究报告以及非上市公司的研究报告 高风险 期货、期权等衍生品方面的研究报告 投资者与证券研究报告的适当性匹配关系：“保守型”投资者仅适合使用“低风险”级别的研报，“谨慎型”投 资者仅适合使用风险级别不高于“中低风险”的研报，“稳健型”投资者仅适合使用风险级别不高于“中风险”的研 报，“积极型”投资者仅适合使用风险级别不高于“中高风险”的研报，“激进型”投资者适合使用我司各类风险级

扫 码 通 过 手 机 端 小 程 序 访 问 Hello 持 续 进 化 的 生 物 医 药 大 脑 ， 为 生 命 科 学 探 索 创 造 无 限 机 会 学 提 取 实 体 支持药物、配点、适应症。公司四类实体的识别 上传文档》 田 提 取 表 格 支持 PDF 表格中的文本控取和 Exo 下鞋 上传文档》 商洁深 度 探 索 您可以问我这些： 药物见争格局 siRNA Arg3.28(TM3) 、 GIn7.39(TM7) 和 Tyr5.38 (TM5) 1 芽仔与 Deepseek-R1 对接：分子设计场景，问阳性药与靶蛋白的结 合 资 料 来 源 ： httos://hiro-ls.zhihuiva.com/share/NTiG7D?campaign promotion=LS360 对接：分子设计场景，问阳性药与靶蛋白的结 合 揭示其采用”快速建库 - 标准品掺入 " 技术优化结合动力 2 研究 (NCT04308681), 在 IPF 患者中使 FVC 年 下降 资 料 来 源 ： httos://hiro-Is.zhihuiva.com/share/NTiG7D?campaign promotion=LS360

个以上的次级顾 问 提供支持 统一管理帐户， 为顾问提供框架 性的投资策略 提供完全多样化 的共同基金和 ETF 模型，由第三方以 及利普乐金融的投 资组合策略师指导 最低投 资金额 25,000 美元 50,000 美元 5,000 美元 10,000 美元 25,000 美元 250,000 美元 每年账 户费用 最低 :0.50% 标 的 资 产 B 端参与者 : 企业 / 金融机构 资金 资金 保险公司 基金公司 信托 招行私行、工行私 行、中国银行…… 诺亚财富、海银财 富、恒天财富…… TAMP 平 Ā / 投资顾问 投 资组 合 管理 Bloomberg … … W ind 、 同 花 顺 、 东 方 财富 Choice… … Riskalyze 、 TOLERISK 、 finmason …… 私募基金 高毅资产、景林资 产、淡水泉投 资…… 华润信托、五矿信 托、光大信托 …… 基础设施 供应商 鉴证中介 交易所 评级机构 Nasdaq 、 London Stock Exchange … … 上交所、深交所、港交所

and Archive Storage 留存周期增加 生命周期 数据即智能，Agentic AI 驱动存储范式改变 随着大模型训练与推理对数据访问需求 的爆发式增长，大量曾被视为“冷数据”的资 源正被重新激活。这些数据因频繁参与模型迭 代与实时推理，逐渐转变为“温数据”，甚至 因持续调用而成为“热数据”。我们预测，到 2035 年，温数据的占比有望超过 70%，传统 的数据三层结构将逐渐演变为“热温 之间复杂的语义关系。在训练、推理时，智能 体需要快速检索到与当前对话最相关的历史片 段。传统的文件系统将这些数据分别存储在孤 立的文件和文件夹中，它们之间的语义关联是 隐含的、未被记录的，需要耗费大量计算资 源在每次调用时重新建立关联。而未来的存 储范式会直接存储已经计算好的“关联”（如 KVCache、知识图谱三元组），使数据天生就 带有“上下文”。 第二，数据的状态性。智能体具有连续性 驱力，帮助学生制定学习计划达成学习目标。 在自主学习场景中，系统基于多维数据建模与 认知科学原理，构建“精准推送 - 内在驱动 - 效 率跃升”的闭环生态，实时采集学习数据，通 过智能模型解析潜在需求，自动推送适配的资 源、练习及挑战任务，持续激发主动学习动机。 AI 通过深度挖掘学习者的兴趣图谱与认知 偏好，能精准定位需求知识要点，并将其转化 为触发内在学习热情的切入点，让学生主动参 以 AI 为梯，从被动学习到主动探索

管理规 范与处置原则，确保应急响应的协同性与规范性，避免因数据库类型差异导致的应急流程碎片化 问题。 此外，可能遇到技术兼容性问题，如不同系统之间的数据格式、通信协议不一致等，可通过开发适 配层或中间件来解决。业务流程冲突也是常见问题，需要对现有业务流程进行优化和调整，确保 应急处理流程与正常业务流程的协同。 �.� 数据安全、合规挑战 随着数据泄露和隐私问题的增加，数据库安全和合规性成为企业关注的重点。在自动化建设中， 页面，即可新建IDC。 通过资源池统一管理实现计算、存储、网络资源的集中化分配，结合节点模板标准化配置（如计算 节点组、分析节点资源的统一模板）与动态调度能力，支撑业务高峰期的弹性扩容与低谷期的资 源回收。 �� 新建资源池，可以选择所属集群，但Oracle 模式和 MySQL 模式略有不同，说明如下： 进入节点模板管理页面，展示项说明如下： �� 进入计算节点列表，可创建计算节点： 加了计算节点端口；迁移 端口功能，主要用于将网关组中的部分端口迁移到新的网关组中。 �� 关系映射与协同 基于资源关系的全局视角，如节点组间的依赖关系、资源关联拓扑，可以实现跨组件、跨集群的资 源协同调度与故障隔离，避免资源冲突与单点故障扩散。 为便于管理，MySQL模式集群将客户的数据库集群放置到相同物理资源设备中，当实例不断增 加导致资源不够用时，可追加和替换相关物理资源。 以下为资源关系操作说明：

年）》（国数资源〔2024〕119 号）， 提出分类施策推进企业、行业、城市、个人、跨境可信数据空 间建设和应用，到 2028 年，建成 100 个以上可信数据空间，形 成一批数据空间解决方案和最佳实践，基本建成广泛互联、资 源集聚、生态繁荣、价值共创、治理有序的可信数据空间网络。 国家信息中心信息化和产业发展部主任单志广研究员认为， 按照架构模式分类，可信数据空间可分为集中式、分布式、递 阶式三类。区块链是构建分布式可信数据空间的基础技术底座， 丰富了可信数据空间的数据资源，为数据的深度挖掘与创新应 用提供了广阔的空间。 “空间”凸显了可信数据空间的载体功能，作为数据资源流通 的载体，可信数据空间具备“数据不出域”的能力；作为创新资 源集聚的载体，可信数据空间具备“多主体共创”的特性。 在当今数据安全形势严峻的背景下，各个数据持有主体对 数据安全高度重视，数据不出域是保障数据安全与隐私的关键 原则。在可信数据空间中，不同主体的数据无需离开本地存储 二是推动城市经济高质量发展。建设城市可信数据空间可 以为数字经济发展提供丰富的数据资源和创新应用场景，促进 数字技术与实体经济的深度融合，推动数字产业化和产业数字 化进程，培育新的经济增长点和竞争优势。例如，通过数据匹 配供需双方，可以提高资源利用效率和经济运行效率，培育数 字经济新业态、新模式。 4．个人可信数据空间 一是掌握个人数据自主权。当前，个人数据分散存储在政 府部门、电商企业、电信运营商和互联网平台等单位，个体在

的基本特点，介绍其安装和使用方法，并展示其应用 方法及步骤。 2 第 2 章 DeepSeek 概述 DeepSeek “ 中文名 深度求索 ”，是一家专注实现通用人工智能（以大模型为 “ 代表）的科技公司。它由量化资管巨头 幻方量化 ”创立于 2023 年 7 月。 DeepSeek 大模型是指由 DeepSeek 公司开发的人 工智能大模型。目前， 该 大 模型在网页端和移动端均已上线。目前 DeepSeek 工程审计数据处理方面，DeepSeek 能够处理各类工程项目数据，包括预算 表格、结算报表、工程进度文件等。它可以进行数据清洗， 识别并剔除异常工程 量数据、纠正错误的计价信息； 也可以进行统计分析，计算项目成本偏差率、资 金使用效率、工期延误情况等关键指标； 还能对工程合同、变更、索赔数据进行 分类和排序，帮助审计人员快速识别高风险区域和异常交易。DeepSeek 与可视 化工具结合使用，能够生成工 AnythingLLM 是一款全栈应用程序，能将各类文档、资源转化为大语言模 型 （LLM）可利用的背景信息，支持多用户管理、多模态以及多种文档格式。 用 户 可 在 AnythingLLM 中 配 置 使 用 DeepSeek 模 型 ， 在 实 际 应 用 中，AnythingLLM 则 将这些知识与 DeepSeek 大语言模型能力结合，实现如智 能问答、构建知识图谱 等功能，为企业、科研等场景提供高效知识利用与智能