夯实半导体电子产业根基 创新基础设施保障研发与生产安全可演进 AI 融入产品，让企业率先入局 用创新开启一个新时代 昂首向前路，共赢新价值 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 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 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 长安汽车数智工厂以“全制造流程数字化”为目标，广泛 应用 40 余项领先 “黑科技”。工厂的制造效率综合提升 20%、成本降低 20%、能耗降低 19%。 揭秘长安汽车 数智工厂背后的 黑科技 未来已来 07 华为制造与大企业 全球案例精编 2025 深耕行业 让智能生根 06 在全球数字化的浪潮下，新能源汽车进入竞争 更加激烈的下半场，以用户为中心的科技化与 智能化突破逐渐成为了品牌的必争之地。作为 数智化汽车领域的先行者，重庆长安汽车股份

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

技术咨询 2 预训练语言模型 预 训 练 微 调 将模型在大规模无标注数据上进 行自监督训练得到预训练模型 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 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。 GLM(洁华) 2012 2013 2014 2015 2016 2017 2018 2019 2020 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

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

项目编号： 人力资源管理基于 DeepSeek AI 大模型 岗位推荐可行性分析 研 究 报 告 目 录 1. 引言.................................................................................................................................. 影响团队的合作效率，还可能导致员工流失。因此，企业需要建立 有效的沟通机制和冲突解决机制，促进员工之间的相互理解与信 任。 最后，技术应用也是当前人力资源管理面临的一大挑战。随着 数字化转型的推进，人力资源管理软件和工具层出不穷，但如何选 择和应用适合企业的技术解决方案成为一大难题。企业需要评估不 同技术的适用性和成本效益，确保技术应用能够真正提升人力资源 管理的效率和效果。 综上所述，人力资源管理的主要挑战包括人才招聘与保留、绩 试，最后是全公司的推广和培训。 预期效果方面，Deepseek 系统能够大幅提升招聘效率和质 量。通过自动化的简历筛选和智能匹配，招聘团队可以更专注于面 试和评估环节，而不是繁琐的简历筛选工作。此外，系统还具备强 大的数据分析功能，能够生成招聘过程中的关键指标（如候选人转 化率、职位填充时间等），帮助人力资源部门优化招聘策略。 以下是一些关键的性能指标（KPI）预期：  简历筛选时间缩短 50%-70%