...........................................................................40 2.4.1 KYC（了解你的客户）流程自动化...................................................................................................43 .......................................................................................98 5. 业务流程自动化................................................................................................... .......................................................................................103 5.1.1 自动化表单填写...............................................................................................

AI 赋能互联网金融：在 C 端智能投顾自动化定制建议，赋能人工投顾提效，提升智能投顾的普惠性与个性化服务体验，在 B 端利用 AI 大模型 解析数据生成投研报告，助力分析师提炼关键结论。此外，打开 AI 驱动的金融产品创新、企业级 AI 解决方案服务等新生业务新局面，推动服务 效率和业务增长双重跃升。 AI 赋能保险行业：推动保险价值链实现自动化与个性化，在产品设计、承保理赔及中后台管 转 型。 AI 赋能银行： AI 大模型在 C 端实现智能个性化服务与交叉销售提升，在 B 端深化对企业客户的风险管理与解决方案输出。此外，开拓 AI 驱 动的金融产品创新、跨境结算与流程自动化等新生业务服务，推动银行业务全面智能化升级。 投资建议：在金融科技政策利好、海外垂类模型落地背景下，金融垂类模型成发展重点，我们推荐【同花顺】、【东方财富】、【恒生 电子】，建议关注【顶点 券商， DeepSeek 本地化部署浪 潮 技术底座层 核心功能层 应用场景层 赋能效果层 大模型集群 数据中台 智能分析 量化 流程自动化 算力支持 智能问答 投行 机构服务 效率提升 券 商 数据来源：中国互联网金融报告（ 2014 ） ，东吴证券研究

率；智能制造和智能工厂逐步普及。线上渠道（如直播 电商）快速发展，为国货品牌提供弯道超车的机会。 4)成熟供应链与产业基础 纺织业具备原材料优势和完整产业链。尽管劳动力成本上升，但技术升级与自动化缓解了部分压力。 5)品牌国际化与设计能力提升 中国品牌的全球影响力不断扩大，如周大福、波司登等品牌入选全球价值榜单，设计师走向国际舞台，推动“中国设计” 替代“中国制造”。政策与企业协同发展 4）人工操作和效率低下 在数据孤岛的环境下，企业通常需要通过人工操作将数据从一个系统转移到另一个系统，这种手动操作容易引发数据错误，并 且效率低下，不仅增加了时间和资源的消耗，也增加了数据处理的风险。企业需要采取自动化工具和流程优化措施，减少人工 操作，提高数据处理的效率和准确性。 5）数据准确性和完整性问题 由于数据孤岛和人工操作的影响，企业在数据的准确性和完整性方面面临着挑战。不准确或缺失的数据会直接影响到库存管 场和运 营动态。 以上这些痛点直接制约了服饰时尚企业数据管理的效率和准确性，增加了运营风险和成本。解决这些问题对于提高数据管理 水平、增强企业竞争力和创新能力至关重要。企业需要通过系统集成、自动化工具、流程优化和数据治理等措施，逐步突破这些 挑战，实现数据的高效管理和利用。 2.1.1 服饰行业数据管理痛点 2.1 主数据统一 为应对数据管理中的痛点，服饰时尚企业可以从以下五个维度展

有限公司（排名不分先后） 服务商： 深圳联友科技有限公司、启明信息技术股份有限公司、广州明珞装备股份有限公 司、博世工业4.0创新中心、谷斗科技（上海）有限公司、清研讯科（北京）科技有 限公司、北京机械工业自动化研究所有限公司、北京数码大方科技股份有限公司、中 科软科技股份有限公司、武汉工学智联科技有限公司、北京龙腾佳讯科技股份公司、 大圣科技股份有限公司、苏州汇川技术有限公司、武汉东研智慧设计研究院有限公司、 语言处理模型与 NPDS 研发体系及其 全链路场景数据库深度融合，实现造型设计、机械设计和质量控制等环节优化。 05 u 生产制造环节 通过引入工业互联网、机器人、自动化产线，构建智能制造系统，实现生产过程 的自动化、智能化和柔性化，提高生产效率、产品质量。如长安打造统一的生产数字 平台和“AI+数字孪生”运营系统，基于AI驱动产销协同，实现快速生产排产计划的 优化；小米基于AI大模 缩写 名称 产品功能 测试验证 19 TM&C 测试管理与协同平台 规划测试任务、管理测试用例与数据、跟踪缺陷闭环，并协调多 部门测试资源与进度。 20 TE&DA 测试执行与数据采集系统 自动化执行测试用例，并实时采集、存储与监控车辆性能及零部 件测试数据。 21 VP 性能集成与验证平台 用于集成多学科仿真模型，在虚拟环境中验证整车性能，提前发 现并解决设计问题。 22 LIMS

得企业能够进行更 高级的数据分析和 趋势预测 ， 支持更 精准的战略规划和 决策制定。 最初的阶段主要集 中在内部信息的基 本传递上 ，通过办 公自动化（ OA 系 统） 解决企业内 部 沟通的问题 数字移动办公 （ BI ） 、数字业 务 流程管理 （ BPM ） 系统引 入 ，实现业 务流 程的自动传递 处理。 随着企业资源规划 （ ERP ） 系统的引 入 ，数据开始被 高 效存储和管理 ， 使 企业能够处理 更多 的数字化信 息。 数据处理阶段 流程自动化阶段 算法引入极端 信息化阶段 智能决策阶段 万物互联阶段 数字服务发展历程 成长阶段（ 智能运营 ， 随着物联 网技术的深入发展 ，催收更多 智 能家居、 智能物流、 智能医 疗等 数字服务场景。 企业不断深化服务转型 ，利用数字技术优势， 实现数据看板 ， 自动化流程 ， 以降低成本， 提升客户体验。 同时数字服务规模会继续扩 大 ， 随着 AI 带来的便捷性和财富的增值 ， 人 们生活水平不断提高 ，对于在线教育、 医疗、 养老、生活便利、金融科技等方面的

示词模版开始，让员工理解AI可以使用的场 景。 3. 提供上下文：为了让AI实现更好的结果，需 要提供特定的上下文。数据越多，AI给出的 结果可能越好。 4. 持续迭代：持续采用更好的AI工具、模版、 更多的上下文数据，更自动化的执行方式 （Agent）。 5. 总体原则 1. 启动AI思维 培养领导层和关键员⼯对 ⽣成式AI的认知，了解其 在提升⽣产⼒⽅⾯的潜⼒ 4. 将AI融⼊到⽇常 ⼯作流程中 在每个部⻔培养1-2名AI专 ⽬标： 识别各部门工作流程中最耗时、最重复、最低效的环节，特别 是与沟通相关的任务。 确定首批应用AI的领域，并设定明确的自动化目标。 实施步骤： 梳理⼯作流程：找出最需要优化的环节，尤其是那些涉及大量 文本生成、编辑或沟通的任务。 优先排序任务：根据任务的价值和自动化潜力进行排序，设定 具体目标。 客⼾类型 服务类别 具体服务 个⼈客⼾ 储蓄与投资 储蓄账⼾、定期存款、投资基⾦、股票交易账⼾

工智能技术已深度融入工业质检、智慧诊疗、智能交通等国民经济重点领域，展 现出巨大的赋能潜力。 （三）技术应用深入核心环节 以智能体为代表的人工智能技术应用持续赋能城市全域数字化转型。在城市 治理方面，智能体通过自动化处理高频政务事务，实现跨部门数据共享与业务协 同，利用物联网感知设备实时采集城市运行数据，结合大模型分析历史规律，预 测潜在问题。推动城市治理模式从“被动响应”向“主动预判”的转变。杭州市 着力打造城管 识与决策增强，提供知识库全流程管理能力，支持多格式文档、网页等多源异构 知识的统一接入、结构化解析与向量化存储，依托精准检索与知识外挂提升决策 专业性与准确性。三是可视化流程自动化，提供零代码拖拽式工作流编排工具， 可直观设计并自动化执行跨系统的复杂业务流程，实现任务智能调度、审批自动 流转与系统间数据联动。四是开放能力集成中枢，原生集成联网检索与标准化 MCP 服务协议，可以无缝接入第三方业务系统与物联网数据，降低外部能力调用 类账目、一个体系”架构实现全域数智资源统一纳管、精准调度与效能优化，打 造城市级资源调度枢纽。依托资源编目智能体实现自动普查上架，借助资源供需 大模型完成精准检索申请，通过基层填报智能体支持多模态信息自动化填报，构 建“资源可见、可管、可用、可评”全链条机制。通过算力调度网关实现核心资 源联动，一方面对接大模型平台，整合通用模型、智能体接口、AI 工具集等， 依托训练场集中调度算力，另一方面将十大类资源纳入统一管理框架，形成“需

AI 提供终端、服务、流量、位置、环境等多维数据，支撑其实现人员识别、 终端感知、智能调度、楼宇感知节能（如联动楼控系统自动调节空调和照 明）等多场景智能决策；另一方面，引入大模型能力，实现网络自动化巡 检与维护，支持从网络到设备再到应用的全栈实时可视，以及用户级与应 用级的旅程回放，并通过专家经验和故障分析模型，达成分钟级故障定界 21 与根因定位，实现 90%园区网络典型故障的自动检测和闭环。 （3）可视可管的网络接入 各种类型的终端是园区网络的主要服务目标，也是安全威胁的关键来 源。因此，对接入终端实现可视可管是园区网络的关键挑战。万兆园区网 络借助 AI 技术可以实现终端类型和行为识别，实现自动化配置和生成保 护策略等功能。此外，通过空间感知技术，万兆园区网络可以进一步实现 从连接到空间的全面安全保障。 高品质万兆以太网和万兆光网园区网是两种典型的网络建设方案，高 标准数字园区可按需选择。 定运行，满足严苛的 SLA 要求，其专业性和投入远超普通企业自建能力。 并且在安全性和合规性方面，比如数据主权和隐私要求严格的场景，也能 满足法规遵从。最后，智能运维与管理简化，云平台提供丰富的自动化运 维工具、监控告警和智能分析（如 AIOps），极大简化了 IT 运维复杂度。 总体而言，云部署已成为企业数字化转型的核心引擎，通过提供灵活、可 靠、智能且安全的数字化底座，帮助客户聚焦核心业务发展，实现降本增

侧重实现金融场景，例如信贷风控、投资 决策、保险销售等。 更注重推理过程，核心是如何更好地实现 金融业务场景。 用户理解+金融领域知识库（资源消耗小） 更适用于需要执行金融特定领域场景的 应用，如金融知识图谱构建、自动化决 策等。 目标 侧重点 技术 适用任务 行业知 识小白 行业人员，如信 贷经理、理财专 家、保险销售等 拥有众多技 能的金融行 业专家 浙江大学人工智能教育教学研究中心 中心 私安全问题、多方协作的模型产权纠纷等挑战。 解决思路 联邦大模型（FedLLM）旨在保障隐私的同 时整合多源数据，突破数据壁垒。 通信效率问题：通过低秩适配器LoRA压缩通信 参数，提高效率。 隐私安全问题：通过自动化敏感数据检测机 制，识别隐私片段。 模型产权问题：通过动态水印技术，将水印嵌 入模型权重，减少产权纠纷。 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 场景分析：在信贷领域，以评分卡模型为主的量化模型已逐渐取代人工审批，提升审批效率。然而， 量化模型依然高度依赖专家先验知识进行特征建模和标签发现，无法提升认知效率。该项目拟通过决 策大模型，实现认知挖掘的自动化。 项目支持：浙江大学-**银行小微金融智能 80% 人工审批 20% 认知发现 研究实践5：**银行新决策模型赋能信贷决策 量化模型 专家认知 浙江大学人工智能教育教学研究中心 中心

则实现了具备情感的互动。用户数方面，根据 Similarweb，24 年 5 月 ChatGPT 的 PC+移动端独立访客数达到 3 亿，在全球所有网站中排名第 22。 我们认为大模型的演进方向是智能化和自动化程度逐渐提升，最终形态是 AI Agent，具有自主记忆、推理、规划和执行的全自动能力。 观点#1：Apple Intelligence 推动苹果用户换机，利好产业链业绩增长 6/11, 苹果 .................................................................... 23 广告：AI 算法优化推送机制，生成式 AI 实现自动化广告制作 ........................................................................... 23 搜索：引入大模型后，Bing 落地机 会。 文本生成 代码生成 图像生成 视频生成 语音生成 蛋白质生成 搜索 电商零售 办公 金融法律 医药 教育 汽车 增效 降本 营销文案、客服 营销图片 自动化广告 营销音频、客服 文档撰写 代码生成 研报、文书生成 新药发现 电子病历、医疗咨询 课件生成 陪伴机器人 课件生成 AI作图 AI总结提炼 课件生成 金融客服 影视游戏 剧本生成