Checklist 总 结 EA EA EA EA EA SAP 实施架构检查 Checklist EA 初步建议 •EA 对 SAP 实施检查主要集中在设计阶段，通过 Checklist 从源头上控制架构设计的完整性 •SAP Checklist 初步建议： •设计未来流程设计检查 Checklist ，检查每个流程与功能，角色，信息等关系 •设计一体化平台设计检查 Checklist 目的陈述提供证明所有决策和相关活动的基础 影响 • 采用原则后给技术、信息系统流程、组织、管控模型、员 工等级 / 技术等带来的影响 • 影响陈述提供了对贯彻原则所需关键任务、资源和潜在成 本的概览 我们通常从四个方面定义架构原则，以增进对它们的理解和接受 应用架构原则 -- 规范性原则 名称 • 规范性 陈述 • 应用架构设计应遵守 xx 典设及企业规范要求 理由 • 应用架构设计应在 xx 架构典设指 Rational System Architect ( 以下简称为 SA) ARIS Platform ( 以下简称为 Aris) 演进计划 SA 拥有的多版本状态工作空间功能，可支持可视化企业架构 从当前” As-is” 到将来” To-be” 的演进过程，并进行高级的 动态路线规划和基于时间的演进分析。 Aris 只能提供最基本的分析能力来支持将来” To-be” 的状态模型。 由于数据建模的能力较弱，无法实现演进计划

华为，正以技术、经验、生态深耕千行万业 为制造与大企业数智化不断注入新动能 创新基础设施 从线下到线上，让封闭的资源，敏捷 流动，安全可靠 灵活适应每一种需求 赋能零售精益化运营 云 - 网 - 数 - 智 - 安串联全渠道 美好服务从此走向千家万户 零售赛道亦是智慧之道 数智融入建筑与地产 为挖掘空间新价值注入强大动能 钢筋铁骨下蕴藏着智慧空间 生活从畅想到畅享，智建美好，慧筑幸福 时代瞬息万变 所有的蓬勃发展，都源自向下扎根的力量 远眺未来的人，会把脚印先落下 加速场景数智化 从研发到生产，让数智技术与业务场景 深度融合 释放每一份数据的价值 激发产品智能化 从产品到服务，引领转型，让价格竞争 升级为价值创新 开辟每一处价值新域 构筑全球化能力 从企业全球销售到全球运营，统一架构， 经验赋能 助力每一次发展跃升 从某个人到每个人 从某一行到每一行 因智而兴，因智而强，因智而优 让那些从未想到的可能 让那些从未想到的可能 变成现实 落地生根 01 华为制造与大企业 全球案例精编 2025 目 录 深耕行业 让智能生根 02 03 华为制造与大企业 全球案例精编 2025 助跑 AI For Car 时代 深耕行业 让智能生根 04 05 华为制造与大企业 全球案例精编 2025 平均 60s 下线一辆新汽车 12000 台设备全联接 44 项先进技术 100% 关键工序自动化 ——长安汽车董事长

AI+ 金融：大模型引爆金融科技革命 “AI+ 应用”系列（二） 分析师：刘泽晶 SAC NO ： S1120520020002 邮箱： liuzj1@hx168.com.cn 仅供机构投资者使用 证券研究报告 | 行业深度研究报 告 联系人：刘波 邮箱： liubo1@hx168.com.cn 华西计算机团队 2023 年 7 月 28 日 请仔细阅读在本报告尾部的重要法律声明 CAGR 为 18.2% 。 u 金融行业数据、场景丰富，大模型走上金融大舞台 我们认为，金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业细分领域众多，且大量产品最终服务于 C 端用 户， 大模型应用场景丰富。随着大模型与金融业务的融合，创新应用将层出不穷。 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞台 ：根据艾瑞咨询的数据， 2022 年，以银行、保险、证券为主的金融机 Bloomberg GPT 、 Morgan Stanley 、 Lemonade 、苏黎世保险、度小满、瑞穗金融集团等。 u 新一轮金融科技革命，产品 & 商业模式均有望革新 我们认为，随着大模型技术与业务的深度融合，头部金融科技企业有望实现产品和商业模式的革新，实现从产品 + 服务收费向 SaaS 订阅 收 费、运营分润收费的转变。 我们认为，金融科技细分领域众多，各细分领域龙头具备技术、行业

将模型在下游各种自然语言处理任 务上的小规模有标注数据进行微调 得到适配模型 AI大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型 预训练语⾔模型“预训练 + 微调”技术范式 ⼤规模⽆标注 ⽂本数据 模型预训练 不同特定任务 有标注训练数据 模型微调 测试数据 最终模型 从海量数据中自动学习知识 Ø Big-data Driven，模型基于大规模语料训练而成； Ø Few-shot (Zero-shot)，在少甚至无标注样本的 条件下支持推理（自监督学习）。 产业研究 战略规划 技术咨询 3 大模型发展历程 众多预训练模型相继涌现，OpenAI 以 GPT2、GPT-3、ChatGPT 等系列模型为代表，持续引领大模型时代的浪潮 Ø 2017 年，Google提出Transformer 框架在机器翻译中取得显著进步，其分布式学习和强大编码能力受到广泛关注。 2022 2022 2023 跨模态模型 预训练模型 大模型 计 算 机 视 觉 自 然 语 言 处 理 认 知 感 知 来源：大模型驱动的群体智能行业白皮书 产业研究 战略规划 技术咨询 4 大模型参数规模不断增长，推动 AIGC技术升级。AIGC技术发展的背后是大模型（Foundation Models）技术的持续迭代。从 2017 年 Transformer 结构的提 出，

FINANCE AI 大模型在金融行业的应用前景及 潜在影响分析 ◎姚泽宇 苏杭 作者简介 ：姚泽宇，中国国际金融股份有限公司研究部执行总经理 ；苏杭，中国国际金融股份有限公司研究部分析师。 摘要：当前，金融机构主要将大模型应用于业 务场景简单的非决策类环节。本文从展业流程角度 和业务场景角度系统梳理 AI 大模型在金融行业的 应用现状，并从应用趋势、赋能空间、产业格局三 个方面对大模型在金融行业应用趋势展开探讨，动 态、辩证分析大模型对金融体系的整体影响。本文 认为，监管机构、金融机构及技术服务商等各方可 通过加强合作、明确监管合规要求、完善风控制度 等降低大模型带来的相关风险；同时，针对未来大 模型广泛应用所带来的潜在风险也需提前讨论、积 极防范。 关键词：AI 大模型；金融行业；大数据；金融 风险 中图分类号：F832 文献标识码：A 一、大模型在金融行业的应用现状 大模型的出现给 传统判别式 AI，大模型具有更强的通用泛化能力， 能够处理复杂多样的信息理解、内容生成、多轮对 话等任务，在金融领域具有较大的价值创造空间。 例如，据麦肯锡测算，大模型有望给全球金融行业 带来每年 2500 亿 ~ 4100 亿美元的增量价值，对应 约 9% ~15% 的营业利润增厚空间；据清华经管联 合度小满等发布的《2024 年金融业生成式 AI 应用 报告》，大模型驱动的新商业模式有望为金融业带

项目编号： 企业数字化转型 AI 大模型数字底座项目 设 计 方 案 目录 1. 项目概述.................................................................................................................................................... .........................................................................................39 3.4.1 大模型选择与训练............................................................................................. ...........117 1. 项目概述 企业数字化转型 AI 大模型底座项目旨在通过构建一个高效、 灵活、可扩展的 AI 大模型基础设施，为企业提供智能化决策支 持、业务流程优化和客户体验提升的核心能力。该项目将基于先进 的人工智能技术，结合企业现有的 IT 架构和业务需求，设计并实 施一套全面的 AI 大模型底座解决方案。该底座不仅能够支持多种 AI 模型的训练和部署，还能实现模型的高效管理、监控和迭代，确

研究报告 2025 年全球感知技术十大趋势预测 2 前言 在当今时代，人工智能、大数据、物联网以及新型通信技术正以前所未有的速度蓬勃发展。 这些技术的不断进步，犹如一股强大的推动力，为感知技术的发展带来了前所未有的机遇。感知 技术，作为科技领域的关键一环，正站在变革的十字路口。 传统的单一传感模式，在智能化时代的浪潮下，逐渐暴露出其局限性。它已难以满足环境认 知、精确定 知、精确定位以及交互体验等多方面的严格要求。在智能化的大背景下，环境认知需要更加全面、 准确的信息获取，精确定位要求更高的精度和可靠性，而交互体验则追求更加自然、流畅的感受。 单一传感模式由于其自身的局限性，无法同时兼顾这些需求。 然而，2025 年的感知技术将迎来全新的发展格局。它将在多个前沿领域展现出令人瞩目的突 破。多模态融合技术，将多种传感器的数据进行深度整合，为环境认知提供更丰富、准确的信息； 方面的丰富实践，精心归纳出 2025 年感知技术的十大趋势。报告不仅将详细介绍每一趋势的技 术原理、关键算法和实现方式，还会结合国内外领先企业的实际应用案例，深入分析各趋势对未 来商业生态所产生的深远影响。这份报告旨在为技术研究者提供全面、深入的参考，同时也为决 策者、企业管理层和投资人指明未来技术发展的明确方向。 在全球数字化转型加速的大背景下，感知技术早已超越了单纯的技术进步范畴。它成为了实

项目编号： 财务数字化转型 基于 AI 大模型的流水分类系统 设 计 方 案 目 录 1. 引言...............................................................................................................6 1.1 背景介绍.................. 在信息处理和数据 分析领域。AI 大模型作为一种先进的技术手段，其在自然语言处 理、图像识别和复杂数据分类等方面展现了卓越的能力。本文旨在 设计一个 AI 大模型流水分类系统，以提高企业在数据分类和处理 上的效率，进而优化决策支持和资源配置。 随着业务规模的扩大，企业面临数据量激增的挑战，传统的分 类方法已难以满足高效的运营需求。因此，利用 AI 大模型进行自 动化的数据分类，能够显著降低人工成本，并提高分类的准确性和 数据处理模块 对接入的数据进行清洗、归约和特征提取，为模型输入 做准备。 模型推理模块 调用训练好的 AI 大模型进行实时分类。 结果反馈模块 收集用户反馈与分类结果，以用于模型的持续优化。 可视化展示模块 将分类结果以图表、报表的形式直观展示给用户。 综上所述，AI 大模型流水分类系统的设计方案将有效提升企业 数据处理的自动化水平和准确性，优化资源配置与决策支持，增强 企业在市场