......................................................................................37 2.4 风险评估与合规................................................................................................... .........................................................................................70 3.3.2 合规性检查................................................................................................ ..........................................................................................186 8.2 合规风险.................................................................................................

供应链变革、技术迭代与消费需求升级的多重作用下，2025 年步入深度洗牌与价值重构的关键阶段。 电商税落地重塑行业合规竞争底层逻辑，供应链全链条涨价抬升行业成本门槛，白牌厂商加速退场推 动品牌化转型，而云边端协同的竞争升级与 AI 大模型的技术赋能，更让行业彻底告别单一硬件比拼 的粗放式发展阶段。 从市场格局来看，国内市场在合规与转型中呈现新的内卷特征，量跌价升成为核心趋势，线上 渠道分化加剧，硬件微利背景下增值服务 中，功能创新与本地化运营成为中国厂商突围的核心要素。产业链各环节也迎来结构性调整，上游核 心元器件面临产能紧缺与技术迭代的双重挑战，中游设备制造端向云边端一体化、AI 深度融合演进， 下游渠道则在国内品牌化、海外合规化的导向下持续优化。 与此同时，产品形态从纯安防单品向视觉融合终端延伸，智能套装、NAS 盘、窗贴相机等场景 化产品快速崛起，AI 宠物、AI 玩具等新兴应用场景成为市场新增长点，AI 大模型的端云协同落地更 前 言 01 行业现状分析 Industry Status Analysis 2025 年，视觉消费市场步入深度洗牌期，行业内卷、政策调整与供应链波动形成三重冲击，推动行业从低价混战向合规化、价 值化转型。宏观政策肃清低价竞争土壤，供应链涨价抬升成本门槛，下游市场呈现“量跌价升”的结构性调整，竞争模式升级为全栈能 力比拼，白牌厂商加速退场，行业资源向头部集中的趋势愈发明确。 2025

③投资者数量增长、用户基数提升，投融资需求提升，市场交投活跃促进存量业务边际增长率提高。增 量： AI 赋能下新兴产品及应用应运而生。 AI 赋能券商： AI 终端加速金融后台智能化转型，在风控、合规、人力等基础岗位中提升效率。 AI 智能客服嵌入 APP 助力客户交互率提升， AI 支撑画像分析助力精准营销，帮助券商实现各业务条线收入提升，推动行业稳健发展。 AI 赋能互联网金融：在 C 投资效率提升，投融资需求提升， 市场交易活跃度提高。 AI 赋能券商业务的三种形式 与现有模型合作 本地化部署开源模型与自研模型结 合 纯自研模型 投研、投顾 资管业务 自营业务 新生业务 2.1. AI 赋能券商行业逻辑链条梳 理 风控合规 战略支持 市场研究、人力资源等后台部门 赋能 经纪业务 两融业务 投行业务 AI 大模型 ，覆盖头部及中型机构 ，包括华泰证券、 国泰海通、广发证券、财达证券等。 技术优势： DeepSeek-R1 凭借“性能倍增、成本递减”特性 ，在数据处理、逻辑推理及多模态分析方面表现突出。 安全合规：本地化部署满足金融行业数据安全要求，结合 RAG （检索增强生成）和 AI Agent 技术，构建智能中台。 场景渗透：应用已从内部效率工具（如智能问答、流程指引）延伸至核心业务。 行业展望：

角色示例2:科技金融合规官Al助理 生成式Al通过定义好的提示词模版，帮助特定角色提效 确立合规性 创建一份全面的清单，列出适用于[行业]初创公司的所有合规法规。 合规最佳实践 识别并解释每个金融科技公司应实施的反洗钱 (AML)和了解你的客户 (KYC)的最佳实践。 合规检查 对照相关的合规法规交叉检查[特定企业操作],并指出任何潜在的法律风险。 制定审计清单 为金融科技初创公司创建一个详细的合规审计清单，特别关注AML和KYC。 清单，特别关注AML和KYC。 探索合规软件 列出适合金融科技初创公司的五个最佳合规软件选择，并为每个软件提供简短评论。 ⽣成式AI通过定义好的提⽰词模版，帮助特定⻆⾊提效 检测欺骗技术 描述[数量]种保险⾏业中出现的新的欺诈⼿段，重点是它们如何利⽤[⾏业漏洞/技术⼯具]，以及 如何检测这些欺诈⾏为。 利⽤数据分析 提出⼀种挖掘和分析保险索赔数据以揭⽰隐藏欺诈模式的⽅法，包括[统计模型/算法参数]，适⽤ ，适⽤ 于⼤型数据集。 推进数字画像 概述使⽤[公共数据/社交媒体分析]创建潜在保险欺诈者数字画像的⽅法，同时遵守隐私法。 预测监管变动 预测即将到来的监管变动对保险欺诈调查的潜在影响，集中在[合规要求/数据隐私问题]。 揭⽰欺诈模式 分析[数量]最近的保险欺诈案件，识别[作案⼿法/技术]中的共性，并提出[数量]个可能表明欺诈 索赔的具体迹象。 ⻆⾊⽰例3：保险欺诈调查员AI助理 组织利⽤⽣成式AI的⼏个级别

在《践行可持续发展之路—����上海ESG发展报 告》首次系统呈现上海ESG生态全貌的基础上，本年 度报告进一步以实践案例为核心，聚焦不同类别主体 在应对共性挑战中的探索与经验。通过数据与案例结 合，本报告提炼可复制的实践模式，并对存在的瓶颈 问题提出跨主体的系统化行动建议，以为未来发展提 供清晰蓝图。 政府与监管机构在制度供给和治理创新方面发挥 了核心作用。在过去一年里，国家和地方密集出台政 系，涵盖劳工权益保障、职业健康与安全、性别平等、 供应链责任以及社区发展等，展现企业社会责任的具 体实践；治理（G）维度强调企业内部治理结构的规 范性与透明度，包括董事会的独立性与多元化、股东 权益的保护、反腐败与合规机制的健全等，以确保企 业经营的合法合规和长期稳健。 图�.� ESG多方协同机制图：共建可持续市场与社会 资料来源：根据《Who Cares Wins》翻译整理 分析师/券商 排放（温室气体、有毒物等）、废弃物管理、环境合规、供应 链中的环境筛查 雇佣与劳工实践、劳动关系管理、职业健康与安全、培训与教育、多样性与机会平等、歧视与反歧视、结社自由与集体谈 判、童工与强迫劳动风险、安全实践、土著社区权利、人权评估、供应链中的社会影响筛查、公共政策与社区参与、客户健 康安全与隐私 反腐败与商业道德、反垄断行为、公司治理结构与合规、风险管理与内部控制机制、董事会结构与多样性、高管薪酬与决

资产向业务价值的有效转化。 4. AI 指标助手 运营商业务指标数量多、口径复杂，一线人员查找指标耗时费力，深度分析更需要 较高的技术门槛，这给数据供给一线带来困难。AI 指标助手将数据治理成果与大模型融 合，让业务人员通过口语化提问，即可秒级获取目标数据。同时结合小模型进行拓展分 析预测和可视化展示，实现 AI 赋能一线人员。 行业数智应用专项 021 PAGE 022 PAGE 案例 4 企业级量测数据中心及新型电力系统 三、项目背景 2023 年，中央提出“深化电力体制改革，加快构建清洁低碳、安全充裕、经济高效、 供需协同、灵活智能的新型电力系统”。 当前新型电力系统动态行为更加复杂、新能源接入方式多样、新型电力系统节点规 模显著增长等现实问题，对数字电网建设在应对海量设备接入、实时信息汇聚、智能仿 真计算和高效应用建设等方面提出了更大的挑战。 广东电网聚焦“源、网、荷、储、碳、数”六大环节关键问题，以“小切口”解决“大 深度集成：开发专用插件实现文档实时解析，支持修改建议生成与一键应用。 2.4 实施流程： 2.4.1 规则提炼：联合办公室梳理 80+ 项公文常见问题，转化为可量化算法规则 ; 2.4.2 模型训练：以 10 万 + 份历史合规公文为训练数据微调模型，优化公文领域语义 理解 ; 2.4.3 场景融合：与 WPS 合作开发插件，实现 " 打开文档 - 自动核稿 - 显示建议 - 一键 修改 " 的简洁流程 . 3. AI

PC端、手机端双边发力，打造多场景应用AI功能集合 2.东方财富妙想：致力于搭载“懂金融、懂用户、强数据”的金融生态基因 3 . 恒生电子LightGPT+WarrenQ：打造更专业、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 妙想金融能力评测行业领先。一方面 ，使用开源金融评测数据集 OpenFinData 对妙想金融大模型的金融场景能力进行 360 度诊断。 在横跨金融知识、金融计算、金融解读、金融判别、金融分析、金融合规等六大金融模块共十九项金融任务维度的多元金融场景能力的 测试中 ，妙想金融大模型评测综合评分整体较高。 金融场景评测比较优势凸显。另一方面 ，研发团队针对常见金融应用场景 ，对妙想大模型和通用大模型的输出结果进行了人工标注盲 LihgtGPT 金融行业大模型，较通用大模型更专业、更合规、更轻量。 LightGPT 拥有更专业的金融语料积累处理和更高效稳定的 大模型训练方式。在金融专业问答、逻辑推理、超长文本处理能力、多模态交互能力、代码能力等在内的金融大模型能力评测中均有不错表 现，并保证内容和指令的合规安全，处于业内领先水平，可以为投顾、客服、投研、运营、风控、合规、研发等金融业务场景提供底层 AI 能 力支持。

度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针 对 性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。 2 ）通用大模型通过金融语料训练超越金融垂类模 型 可能性较小。通用大模型在行业数据量 ，性价比 ，精确性、适用性、实时性、推理速度 ，合规性和风险控制等方面表现欠佳。 通用大模型“ 百模大战 ” ， 头部模型国外领先较大 ， 平均水平国内外差距较小 大量数据训练提高了模型的准确率，并可以应 用于多种任务中 针对性的解决方案 更适合解决金融行业的具体问题，与行业需求 和合规性要求相匹配 可迁移性强 在数据量较少的特定任务上，通用模型也可以 通过微调进行有效的迁移学习，大大减少模型 的训练时间和计算资源 高精度和合规性 提供更精确、可信赖的金融信息和建议，同时 符合行业规定 劣势 特定领域深度较浅 可能不具备特定领域（如金融）的深入理解和 用性可能有限 模型复杂 通用大模型的结构非常复杂，使得模型的解释 性变得困难，导致模型的计算量增加，影响模 型的效率 更新和维护复杂度 金融政策和法规的变化可能要求模型频繁更新 以保持准确性和合规性 训练时间长 通用大模型的训练需要大量的计算资源和时 间，这对于一些小型企业来说是一个挑战 数据利用率低 垂直领域模型的训练数据相对较少，模型的准 确率可能会受影响 当前 AI 与金融的结合主要有两条技术路径：①通用模型

省级：江苏省 地市：南京市、无锡市、徐州市、常州市、苏州市、南通市、连云港市 淮安市、盐城市、扬州市、镇江市、泰州市、宿迁市 区县：玄武区、秦淮区、建邺区、鼓楼区、栖霞区、雨花台区、江宁区 浦口区、六合区、溧水区、高淳区 浙江省 （35 个） 省级：浙江省 地市：杭州市、宁波市、温州市、湖州市、嘉兴市、绍兴市、金华市 衢州市、舟山市、台州市、丽水市 区县：上城区、拱墅区、西湖区、滨江区、萧山区、余杭区、临安区 月，工业和信息化部与国家发展改革委联合印发了《工业 园区高质量发展指引》明确要求，园区需“提高园区数字化服务能力”，基于数字化智 能化技术建设综合管理服务平台，以提升“招商引资、资产管理、物业管控等全方位综 合服务能力”，并“优化企业服务体系”，推进“一窗办理”“一网通办”，强化精准 服务。10 月，《深化智慧城市发展推进全域数字化转型行动计划》强调，要通过“全领 域推进城市数字化转型”，提升“高效办成一件事”的能力，“推进数据赋能城市经济 的多重功能。其功能定位主要体现在： 一是政务信息公开的核心平台，参照《中华人民共和国政府信息公开条例》的要求，遵 循“以公开为常态，不公开为例外”的原则，依法发布开发区概况、机构设置、政策法 规、财政信息、工作动态等主动公开内容，保障公众知情权并提升政府透明度；二是便 捷高效的线上服务渠道，通过整合跨部门行政资源，提供企业注册、项目审批、政策兑 现等“一站式”在线办理服务，并依托惠企政策平台、云创新服务系统等实现精准化供

治理框架与物联网安全规范是如何共同构成智能经济的 合规底座.......................................................................................................................................42 1、合规底座：数据要素制度、AI 治理框架与物联网安全规范的三维咬合 一个高保真、低延迟、可验证的现实镜像。 2026 年政府工作报告首次明确提出“建设高质量数据集”，正是对这一趋势的制度 性确认：数据不再只是企业内部资产，而是需通过隐私计算、多方安全计算（MPC）等 技术，在合规前提下实现跨主体流通与联合建模的新型生产要素。华润集团与央企数字化 研究院已在实践中验证，利用数据定价算法，在银行与产业板块间按数据贡献度进行经济 2026 中国智能经济专题报告 济南远翔神思咨询·产业研究中心 节收益、运营商运维成本优化等多方价值通过区块链智能合约自动分账。这种共创已超越 传统供应链协作，形成“数据要素服务+物理世界安全服务”的双重价值轴心——物联网 企业不再售卖硬件，而是提供经认证的高质量工业数据流与设备行为合规性担保，2026 年政府工作报告强调的“健全数据要素基础制度”正是为此类新型生产关系提供制度保 障。 （数据日期：2025-04-09） 4、物理基座：物联网在智能经济中的隐性支柱作用 值