郑小林 教授 浙江大学人工智能研究所 2025年03月24日 智能金融：AI 驱动的金融变革 浙江大学人工智能教育教学研究中心 中心 智能教育教学研究中心 大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研 浙江大学人工智能教 浙 新一代人工智能 金融智能研究 金融智能应用 新一代AI展望 提

郭宏伟、渠谨黛、陈有志、高源、朱光宇、金秀军、王超、刘洋、吴玺、贺松平、 谭鑫、李金原、马文书、范世区、倪高峰等专家在本报告编制过程中给与的指导和 支持！ Ⅰ 前 言 当今世界百年未有之大变局加速演进，数字化变革作为核心驱动力之一，正在全面 重塑全球政治、经济、科技和社会格局。人工智能、5G/6G、先进计算等颠覆性技术集 群式突破，大数据、云计算、物联网等新一代信息技术加速创新并与实体经济深度融合， 局的关键力量。汽车行业作为国民 经济的支柱产业，其数字化转型的深入推进不仅关乎产业自身的创新升级，更是有望成 为引领制造业其他行业数字化转型的标杆和样板。在数字技术与实体经济深度融合的历 史性变革进程中，服务商扮演的角色至关重要——他们是技术创新的实践者、产业生态 的构建者，也是产业链安全发展的守护者。 针对汽车行业数字化转型服务体系开展研究，具有深远的战略价值与现实意义： 其一，这是 新范式，正在重塑汽车产业的价值链与竞争力体系。 随着中国新能源汽车产销、出口的快速增长，汽车市场正在发生深刻的变革：产 品快速迭代、热点不断变换、个性化定制成为主流，汽车制造面临着大批量、多品种、 定制化的市场需求，以及制造技术与产品结构颠覆性变革所带来的挑战，催生了汽车 生产制造模式的深刻变革——传统的流水线生产将逐步被可重构的柔性单元制造系统 所取代。 “数智驱动”的本质，是通过工业大数据、人工智能与物联网技术的深度融合，

更专业、更合规、更轻量的金融行业大模型 4. 幻方量化DeepSeek LLM 67Bt：数学能力表现突出，指令跟随、编程能力遥遥领先 5. 金融大模型百花齐放，引领金融行业效率变革，开启数字金融新时代 目录 国内外金融机构都在积极主动拥抱大模型，未来将会有更多种类型的金融大模型落地开花。 AI 技术将金融行业发展，为金融垂直领域带来效率变革。各类金融大模型落地，对金融行业的影响是长期的，我们认为 AI 技术的出现， 将会在支付、投资、个人理财和保险等金融垂直领域，带来效率变革。 金融大模型加速落地，百花齐放开启数字金融新时代。 目前金融大模型已经在金融资讯、产品介绍内容的文本生成、构建虚拟客服在线 的场景和 应用，全面赋能金融行业已有业务，积极推动金融行业新业务产生，全面重塑金融业务生态，开启数字金融新时代，推动金融行业不断向 前发展。 5.2. 金融垂类大模型百花齐放，引领金融行业效率变革，开启数字金融新时 代 19 投资建议 在金融科技支持政策陆续出台、海外金融垂类模型加速落地的背景下，我们认为金融垂类模型将成为金融科技领域未来的发展重点。一方面， 资本市场偏宽松政策环

逐步渗透到视频前后端设备中，AI 技术能够 对视频数据进行实时的结构化处理与分析，呈现在人工面前的并不是实 时的大量视频数据，而是经过 AI 分析后的结果。传统安防产业在产品、 技术与应用等多维度实现了更深层次的进化与变革。2、人工智能亦将 更加广泛地应用到智能制造行业中，机器视觉检测是 AI 技术在智能制 造中最好的落脚点之一，AI 图像增强技术、AI 缺陷检测算法等技术的 发展有望提升机器检测效率，从而逐步代替人工目检。 端：AI+提升生产效率，应用场景发展潜力逐渐释放 ............................................................... 22 3.1. 安防：AI+安防智能化变革，推进创新业务发展 ................................................................ 22 3.1.1. AI 助力传统安防，智能化转型成必然趋势 45TB 499B 结合少样本学习和无监督学习 GPT-4 2023 年 3 月 待公布 基于规则的奖励模型 数据来源：OpenAI，Medium,东吴证券研究所 ChatGPT 提供变革性的用户体验，用户数量飙升。ChatGPT 发布后爆火，仅用 5 天 时间用户量便破百万，推出 2 个月后用户量破亿，访问量从 1830 万增长到 6.72 亿，成 为史上用户增长速度最快的消费级应用程序。最新版的

月，中共中央、国务院印发《教育强国建 设规划纲要（2024－2035 年）》重点从教育数字化以及人工智能助力 教育变革两方面提出了具体的任务要求：开发新型数字教育资源，建 好国家教育大数据中心，搭建教育专网和算力共享网络。推进智慧校 园建设，探索数字赋能大规模因材施教、创新性教学的有效途径，主 动适应学习方式变革。面向数字经济和未来产业发展，加强课程体系 改革，优化学科专业设置。打造人工智能教育大模型。建设云端学校 转型之后的发展方向和发展重要性。2025 年 4 月教育部等九部门出 台《加快推进教育数字化的意见》，明确提出加强人工智能等前瞻布 局，加快建设教育行业人工智能大模型，推动课程、教材、教学数字 化变革。探索建设云端学校、智造空间、未来学习中心，建设“人工 智能+X”国家级实验教学中心，构建新型教学组织形态等方向。 地方层面积极响应算力赋能教育发展方向，各地区出台政策鼓励 算力赋能教育行业发展。2024 散化及功能重复等问题。算力赋能高等教育转型亟需一体化智能服务 信息系统，期望以此打通数据壁垒，推动教学环境革新、学习模式转 普惠算力赋能教育行业研究报告（2025 年） 15 变、科研范式创新、组织架构优化及治理体系升级等全方位变革。但 信息系统数量众多且分散、开发标准不统一、数据共享困难、与师生 教学活动融合不足等困境，在一定程度上阻碍了算力赋能高等教育转 型整体效能的释放与质量的提升。 从价值创造维度审视，“人机融合”的实践深度有待提升，理念

Digital Age �� �.� 亚洲零售行业的痛点分析 行业竞争激烈，经营挑战加剧。在当前市场环境加速演变、消费需求持续升级以及 新兴竞争对手不断涌入的背景下，传统实体零售商正通过主动推进数字化变革以 维持市场地位。然而，企业自建数字化平台面临资金投入大、技术复杂度高的双重 挑战，尤其对缺乏专业技术储备的实体企业而言，系统研发过程中需要克服技术 架构搭建、数据资源整合与智能化应用开发等多重行业性难题。 规模扩张的增量市场转向精细化的存量运营。这种结构性变革需要企业突破传统 经营思维，通过构建全流程数字化能力实现对前端消费场景的智能感知、中台数 据的深度挖掘应用以及后端供应链的敏捷响应协同。对于实体零售商而言，其需 更有效地进行数字化转型，将数字技术深度融入会员服务、商品管理、营销决策等 核心环节才能提升客户黏性与运营效率。 技术驱动行业发展。当前零售行业的变革升级主要源于新一代信息技术的融合渗 商，市场份额约 为�.�%。作为亚洲领先的零售数字化方案服务商，多点数智聚焦于零售核心服务 云解决方案，专注于Dmall OS操作系统和智能物联（AIoT）解决方案两大核心业 务板块。随着技术变革浪潮汹涌，生成式人工智能（GenAI）迅速崛起，持续影响着 零售行业得运营效率和经营模式。多点凭借持续的技术攻坚和自主创新，从多维 度深挖GenAI及与机器人合作在零售场景得应用潜力，打造多款零售场景专属AI

类行业的应用场景进行赋能。通过 将先进的技术与行业实际需求相结合，推动行业智能化变革，最终形成从技术研发、算 力供应到行业应用的产业闭环。 全球重点区域算力竞争态势分析报告（2025年） 10 二、战略和经济价值 纵观人类生产力跃迁的历程，每一次工业革命的实质，皆是核心生产要素与通用目 的技术的范式变革。从机械化时代的蒸汽与钢铁，到电气化时代的电力与石油，再到信 息化时代的计算机与 形态，更定义了国家竞 争力的内涵。当前，全球正处于第四次工业革命——智能化革命的关键阶段。以物联 网、云计算、大数据和人工智能为核心的融合技术集群，正推动社会生产与生活方式发 生全方位、深层次变革。在此进程中，算力已演进为智能时代的“新电能”，成为激活 数据潜能、驱动科技突破与经济增长的最基础、最核心的战略性资源。 图表 2：四次工业革命发展历程 在全球数字经济规模突破55万亿美元的背景下，算力的战略价值日益凸显，其如同 罗尔 地区已集聚超过500家芯片设计企业。东南亚地区则借力数字经济的快速增长红利，吸 引了众多头部科技企业布局。 3、未来发展趋势与展望 （1）算力产业规模高速扩张 全球算力产业将在多维度变革中突破万亿美元规模。智能计算浪潮带来的算力结构 性转变，推动需求呈现出阶梯式、爆发式的跃升态势。算力需求实现指数级增长，多模 态模型的每次迭代不断刷新算力需求的峰值。为满足爆发式增长的智能算力需求，传统

应用四层，公司结合芯片、系统和软件的全栈创新能力构建加 速计算平台，并且完善针对 AI 加速计算及数据中心的 GPU 、 CPU 、 DPU 三种芯片产品结构。 AI 布局方面，早在生成式 AI 变革初期就已参与并与 OpenAI 、微 软合作。 2023 年 3 月，英伟达在 GTC 大会上推出 4 个针对各种生成式 AI 应用程序进行优化的推理平台，其中发布带有双 GPU NVLink 的 的优化，能够进一步满足深度学 习大量计算的 需求。公司通过对 GPU 架构升级而推出的相关产品，其运算性能得到显著提升，广泛用于数据中心等计算密集领域。 数据中心 GPU 算力不断提升，生成式 AI 变革初期就与 OpenAI 、微 软合作 请务必阅读正文之后的免责声明及其项下所有内容 图：微软超级计算机 图：英伟达赠送 OpenAI 第一台 DGX-1 资料来源：微软官网，国信证券经济研究所整理

年 代） 互联网技术、 电子商务、 在线支付、 标志数字化服务模式初步形成、 企 业主要利用互联网技术提高内部效 率 ，如 OA 、 ERP 等系统的应用。 2010 年代 --- 至今 变革发展阶段 云计算、 大数据、 大模型、 人工智能技术 引入、 企业通过数字化手段提升客户体验、 优化运营流程、 实现数据驱动智能决策， 如字节跳动利用数字技术精准定位短视频 和直播目标客群。

术路线与管理模式。面对集约化改革可能引发的业务流程重塑、职责 边界重构及组织架构调整，普遍存在畏难心理与观望态度。这种惰性 不仅体现在对变革成本的过度顾虑，更反映在对创新风险的规避倾向。 特别是在当前数字化转型任务叠加的背景下，许多部门更愿意延续传 统工作范式，缺乏打破固有模式、主动推进系统性变革的决心与勇气。 数字政府建设发展研究报告（2025 年） 54 三是部门利益固化转为结构性体制障碍。数字政府建设中的信息 55 “标准碎片化”情况加大了集约化建设改造的技术复杂度，也提高了 系统迁移与数据治理的综合成本。 三是实施路径与方法支撑需进一步完善。数字政府集约化涉及技 术整合、业务重组、组织变革等多维度系统工程，各地区各部门体系 化的实施指南、成熟度评估模型和可复制的实践范式尚未成熟，仍处 于探索试验阶段。导致相关工作在推进过程中面临方法论工具缺失、 操作流程不规范、风险评估机制不健全等现实困难，在业务架构梳理、 通互操作，加速政务数据的融合、共享和利用，充分发挥数据作为关 键生产要素的放大、叠加、倍增效应，推进“一网通办”“一网统管” “一网协同”建设，持续推动一体化建设，推动政府治理全方位、系 统性、重塑性变革。 二、拟解决问题及实施方案 （一）问题短板 1.制度机制有待完善。制度覆盖不全面。围绕数据要素市场化配 置，在数据确权、数据资产、授权运营、收益分配等方面仍然缺乏相 应的制度规范，