....................................................................................170 7.3.1 定期模型更新................................................................................................... 务。 核心痛点可归纳为以下四点： 1. 服务覆盖半径有限：单个客户经理最优服务上限为 50 名高净 值客户，但实际配置比例常超过 1:150，导致客户满意度下降 15%-20% 2. 专业知识更新滞后：新产品上线后需要平均 2 周的培训周期， 期间错失 28%的潜在销售机会 3. 合规风险管控压力：人工操作导致的合规疏漏占操作风险的 34%，主要集中在 KYC 流程和适当性管理环节 4 40%，传统服务模式已难以持续。 技术层面存在的关键瓶颈包括：自然语言理解准确率不足（现 有系统仅能达到 78%）、多轮对话记忆保持能力有限（超过 3 轮对 话后上下文丢失率 61%）、以及缺乏动态客户画像更新机制。这些 缺陷导致现有智能助手仅能处理 11%的客户需求，远未达到替代人 工的标准。 1.2 DeepSeek AI 大模型的优势与应用潜力 DeepSeek AI 大模型作为国内领先的生成式人工智能技术，在

在数据强基方面，人工智能大模型通过动态标签引擎与深度学习能力，可自主构建 多维度标签体系，通过自动化数据清洗工具，实现非结构化文本、图像等复杂数据的高 精度结构化处理，最终形成覆盖数据采集、处理、存储、更新全流程的标准化治理框架， 为信息资源的深度开发利用奠定坚实基础。 在数据增效方面，人工智能大模型通过精准需求匹配、智能分析挖掘、服务场景创 新等技术，精准识别公众关切问题和需求，从实际运用场景出发，加速赋能数据产品的 年 8 月—11 月底 中国软件评测中心依托第三方机构大数据监测系统对数字政府调查研究指标中部分 指标开展自动化数据采集。此外，依托我中心政府网站和政务新媒体云监测平台工具对 参评单位的栏目日常更新、网站严重错别字、信息噪音、数据不同源、办事指南不准确、 服务主题分类不准确、链接不可用、下载不可用、网页发布日期错误、个人隐私信息泄 露、安全漏洞等进行监测，采集监测数据。 二、人工采集数据 网站从“多层迷宫”到“搜问直达”的扁平化、简约化的方向转变。 三、国家级开发区网站调查指标设计思路 一是聚焦开发区网站的开设规范及运维保障情况，关注网站的域名、名称规范性， 网站标识合规性、网站页面布局、栏目设置、可访问性、更新运维等情况，有效落实网 站发展指引和检查监管等要求，确保网站内容维护工作落到实处。 二是聚焦开发区网站特色功能建设体现情况，关注开发区在产业发展、创新驱动、 开放合作、招商引资、绿色发展等方面

出免费 WIFI 和户外信息机两大智能服务。翻修了通往船政景区的东 江滨路、港口路和罗星塔公园门口道路，建成了以船政名人沈葆桢 和左宗棠命名的两条市政道路，即宗棠路和葆桢路。增加公交车 50 多辆，更新公交车 112 辆，新增及优化公交线路 5 条，大部分途经 32 或直达船政旅游景区。XX 市新开辟的“三坊七巷－XX 船政”旅游观 光线，串联三坊七巷和船政文化景区。跨境电子商务园区设立台湾 理空间数据的维护更新和共享交换机制，为旅游管理部门、企业、 公众提供空间地理信息服务，为旅游信息化建设过程中各种信息资 源的集成与整合提供空间基础定位。 建立统一的 GIS 标准规范，完成地理信息数据处理与建库工作， 实现地理信息数据的统一管理与维护。采用先进的外业数字化测量 技术、遥感技术、全球定位技术、地理信息系统技术和通讯技术， 实现地理信息数据的采集、更新与维护。实现对旅游所需地理信息 据建库标准、元数据标准、数据更新标准、数据共享与交换标准、 数据库操作规范等。  软硬件与网络环境建设： 建立地理信息系统相配套的软硬件与网络环境，包括主机系统、 备份系统、内部局域网等。  数据采集与更新维护： 数据采集与更新维护是在地理信息系统建成后，依据竣工测量 的成果数据或者每年选定区域进行修补测量，用以更新数据库中的 数据，在数据的更新中保证不同比例尺之间地理要素的联动更新。  地理数据库建设：

从治理到运 营，从相对独立的局面到协同一体的为人民群众服务的平台。 10、智慧管网系统 智慧管网系统有效地将各类地下管线数据资源整合融入，全面实现 了地下管线数据信息的二三维一体化，以及动态更新与专业属性数 据的整体同步。系统可帮助用户高效、方便的对管网进行管理。建 设范围为园区所有管网，包含给水管线信息、排水管线信息、燃气 管线信息、热力管线信息、电力管线信息、电信管线信息、广电管 计 需 要 56.7*1000000/（0.5*0.5）*4/1024/1024/1024=0.052GB 视频数 据，地名地址及 POI 数据：条数未知，按照 100MB 来算；来可 2 年更新一次数据，预留 3T 空间。 2、业务应用数据:包含原始数据、应用数据、结果数据，按照 原始数据暂存、过程数据存储 1 天，应用数据保存 3 个月年，结果 数据 2 年保存考虑。按照 2T 数据考虑。 视频监控，分辨率一般为 1080p，所需速率大约 40Mbps。 综上所述考虑到线路安全，本项目所需互联网带宽估算为 100M。 四、系统功能和性能需求分析 （一）稳定性指标 稳定高效实用、数据更新及时方便、数据调用快捷准确、操作 维护简便、数据组织合理、可扩展性和兼容性好。主要性能指标如 下： 1.应用系统具有 7*24 小时稳定运行的能力；关键业务系统或数 据库系统支持集群系统，避免意外的系统宕机；

）双方优劣具有相对性。通用大模 型 优势：泛用性强、灵活性和利用率高、可迁移性强。劣势：特定领域深度较浅、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。 适应性限制 由于主要针对金融领域，因此在其他领域的适 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 活性、数据利用率、 迁移性上相比金融垂类更有优势，而在专业性、针对性、高精度和合规性上，金融垂类模型更胜一筹；在复杂度问题上，通用语言大模 型在结构上更加复杂，影响模型效率，而金融垂类模型则是在更新维护上具有复杂性。 数据来源：东吴证券研究所整理 1.1. 通用 + 金融 VS 金融垂类：优劣势 对比 图表：通用与金融垂类大模型优劣对比 5 使用金融数据对通用大模型进行训练，数据

映射到特征空间也仅仅是一个区域；使用这个设备的数据集进行训练仅仅更新了 完整模型的一部分。因此可以将模型的子集提取出来单独训练，最后整合实现高 效的模型更新。 图22：知识蒸馏基本框架 图23：单独训练子模型反哺主模型 资料来源：NVIDIA，国信证券经济研究所整理 资料来源：NVIDIA，国信证券经济研究所整理 基于知识蒸馏技术，边缘设备除了简单的请求，也可以实现模型更新，反哺集中 式数据中心的大模型。联邦学习最早是谷歌在 ChatGPT 是有可 能提供不准确的信息，并且建议用户不要提供敏感信息，因为匿名信息也可能会 被 OpenAI 的训练员用来改善系统。目前 ChatGPT App 仅支持 iPhone8 及更新的机 型，支持 iOS 16.1 及更新的系统，切仅支持文字交互模式，不支持多模态的图片 或视频输出，也不能调用摄像头，不支持联网、插件功能。ChatGPT 移动端的推 出也有望推动谷歌等其他大厂快速跟进，AI 模型全面进入移动端创新阶段。 信息、资料、建议及推测仅反映我公司于本报告公开发布当日的判断，在不同时期，我公司可能撰写并 发布与本报告所载资料、建议及推测不一致的报告。我公司不保证本报告所含信息及资料处于最新状态； 我公司可能随时补充、更新和修订有关信息及资料，投资者应当自行关注相关更新和修订内容。我公司 或关联机构可能会持有本报告中所提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取 提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务

GPTs，形成丰富的 GPTs 生态系统。GPT Store 定制版本可以针对特定任务或行业进行 优化，允许用户与外部数据（如数据库和电子邮件）进行简洁的交互。2024 年 5 月，随着 OpenAI 更新 GPT-4o 模型，ChatGPT 能够识别用户语音的感情，并输出语音，实现如同 与真人对话一般的沉浸式体验。 图表5： Chatbot、Copilot 及 AI Agent 对比 1Q24）业绩会，GitHub Copilot 付费用户数已达到 180 万，环比增速 35%以上，收入同 比增长超过 45%。2024 年 5 月微软 Build 大会进一步升级 GitHub Copilot，包括 1）更新 Extensions，提升开发者的效率。开发者在编写代码之外花费了 75%的时间用于追踪工作 流和撰写文档。Extensions 将所有流程整合在一起，可从 Neovim、JetBrains IDE、Visual 2023.03 推送FSD Beta V11.3版 本，统一了高速 /城市 NOA 的视觉堆栈 2023.12 在北美推送FSD Beta V12版本， 首个自动驾驶端到端大模型 2024.03 更新至V12.3版本，FSD Beta更 名为FSD Supervised；北美新 车用户免费试用1个月FSD 2020.10 2023.07 NOP+在上海、北京 上线测算 NOP+累计开通里程超31

是美国信息化教学 发展的纲领性文件，它以国家名义推出涵盖整个教育系统的教育发展 计划，至今已发布七次。NETP 反映了美国对于教育技术的不断探索 和适应，自 1996 年首次发布以来，经历了多次更新和演变，以适应 不断变化的教育和技术环境。NETP 1996 强调为教育信息化创造基础 设施条件；NETP 2000 强调数字化学习的重要性；NETP 2010 强调利 用技术促进教育创新。NETP 推进 教育数字化的具体落实，为欧盟公民提供更全面高效的数字技能。 日本教育数字化致力于推动“人”的全面均衡发展。一方面，日 本加强教育基础设施建设，日本文部科学省在体系建设、规格统一、 硬件更新等多个层面采取了多项举措：建立教育数据标准化体系，统 普惠算力赋能教育行业研究报告（2025 年） 3 一内容与技术的规格，确保数据流通无阻；向中小学开放了高速学术 通信网络 SINET；积 强化学生的网络安全意识，已成为 K12 教育领域亟待解决的关键课 题。 教师算力应用能力的挑战，多数教师长期扎根传统教育体系，当 前算力应用推动教育技术与教学方法不断更新，算力应用与教师技能 储备形成断层。为了紧跟快速迭代的教育环境，教师们需要持续学习 新知识、更新教学技能，熟练驾驭智能化工具与创新教学法，着力提 升自身算力应用水平，以便精准甄别数据信息，完成从知识传授者到 学习引导者的角色蜕变。 （三）高等教育算力使用现状

V2.5 模型实现了 3 倍的提 升，能够 为用户带来更加迅速流畅的使用体验。 l DeepSeek-V3 模型具有更优的模型性能 / 价格比例。随着性能更强、速度更快的 DeepSeek-V3 更新上线，模型 API 服务定价调整为每百万输入 tokens 0.5 元 ( 缓存命 中 )/2 元 ( 缓存未命中 ) ，每百万输出 tokens8 元。相比于其他模型性能和定价，该模型具有更优的模型性能 正式版。 l DeepSeek-R1 遵循 MIT License ，允许用户通过蒸馏技术借助 R1 训练其他模型；同时上线 API ，对用户开放思维链输出； DeepSeek 官网与 App 同步更新上线， 用户打 开“深度思考”模式，即可调用最新版 DeepSeek-R1 完成各类推理任务。 l DeepSeek 蒸馏小模型超越 OpenAIo1-mini 。在开源 DeepSeek-R1-Zero GPT-3.5 1750 70.0 OpenAI 2022.11.30 未开源 GPT-3 1750 53.9 OpenAI 2020.5.28 未开源 l 海内外科技公司纷纷发布 AI 大模型，模型的更新迭代和竞争加剧。据中国信通院数据， 截至 2024 年 7 月，全球 AI 大模型数量约 1328 个（包含同一企业、同一模型的不同参数版 本）， 其中美国 AI 大模型数量位居第一位，占比

对于已建对象，应进一步判断其是否能够满足当前和未来的应用 需求： 一是对能够持续满足需求的，实行常态化的运维管理与功能升级。 对稳定运行、功能适配且未来仍具价值的系统，应加强安全管理、性 能维护与功能更新，确保系统长期稳定服务，同时保持与新技术、新 数字政府建设发展研究报告（2025 年） 27 业务需求的适配能力，提升服务可靠性与用户体验。 二是对不能满足现有需求但具备整合潜力的，通过整合联通实现 数字政府集约化建设的综合性法规或指导纲要，明确资源、平台、数 据、项目等领域的集约化要求，形成全国统一遵循的制度框架，为各 级政府制定本地化集约化方案提供规范依据。同时，应明确制度修订 和更新机制，确保制度能够随着技术发展、业务需求和管理实践不断 优化，实现制度的持续适应性和可操作性。 2. 完善法律法规体系，强化法律刚性约束 在数字政府相关法律法规修订或制定过程中，应适度补充政务信 行的全周期管理与动态优化。通过技术支撑下沉和标准服务输出，提 升基层单位的接入便利性和使用体验，推动共性能力“能用、好用、 常用”。同时，建立需求反馈与版本迭代机制，形成“建设—运行— 优化—再建设”的良性循环，确保共性能力持续更新、动态演进。 4. 强化统筹协同推进，构建上下贯通、协同共建的推 进机制 以省级统筹为主线，强化各级政务信息化主管部门的统筹协调作 用，建立跨部门、跨层级的共性能力协同建设与管理机制。完善资源