证券研究报告·行业深度报告·电子 东吴证券研究所 1 / 28 请务必阅读正文之后的免责声明部分 电子行业深度报告 AI 系列深度：AI+降本增效拓宽应用，硬件 端落地场景丰富 2023 年 07 月 12 日 证券分析师 张良卫 执业证书：S0600516070001 021-60199793 zhanglw@dwzq.com 可以实现图像切割 图24：SAM 的应用场景 数据来源：远瞻智库，东吴证券研究所 数据来源：远瞻智库，东吴证券研究所 从应用场景丰富和生态完善角度看，AI 与 VR/AR 技术的融合，将进一步丰富虚拟 40.5% 20.1% 8.9% 8.6% 7.7% 14.2% 游戏 视频 直播 医疗 教育 其他 请务必阅读正文之后的免责声明部分 技术 图32：ChatGPT 可在苹果应用商店下载安装 数据来源：谷歌，东吴证券研究所 数据来源：Apple，东吴证券研究所 AIGC 领域目前呈现内容类型不断丰富、内容质量不断提升、技术的通用性和工业 化水平越来越强等趋势，涌现了写作助手、AI 绘画、对话机器人、数字人等应用，支撑 着传媒、电商、娱乐、影视等领域的内容需求。未来随着智能手机硬件算力提升，相关

《五年期存款将进入 2.5%时代，储蓄 险竞争力愈显》 2023-06-09 3. 《专属商业养老保险迎常态化经营， 个人养老金有望快速增长》 2023-05- 27 看好丰富数据积累及应用场景驱动下，保险 +AI 大模型的受益机会 核心观点 ❖ 垂直领域大模型或成细分领域公司 AIGC 发力方向，金融领域已率先 落地。垂直 AI 大模型专注于特定的行业、领域或场景，且能够依托行业数据 BloombergGPT 在执行金融任务上的表现远超同等参数量级的通用大语言模型，为国内金融 行业大模型的落地与使用提供了借鉴路径。我们认为，保险行业作为数字化、 智能化的先行者，在 B 端及 C 端掌握丰富的一手金融数据，且具备政策支持、 业务需求、财力支撑等核心现实基础，或可复制 BloombergGPT 路径，打造保 险领域的专业大模型，赋能保险业务全流程。 ❖ 海外保险机构 AI 大模型布局正加速推进，国内也有望实现 提供更准确、专业的解决方案，更好满足用户在特定领域的需求，当前网络安全、 金融、医疗、教育等领域均有垂直领域大模型布局或落地。此外，垂直领域的大 模型具备算力不够大、算法难度相对低等优势，又对特定领域数据要求高，更适 合数据积累丰富的保险行业探索。 谨请参阅尾页重要声明及财通证券股票和行业评级标准 7 行业专题报告/证券研究报告 图3.中国大语言模型产业参与厂商类型与定位逻辑 数据来源：艾瑞咨询《ChatGPT

党员纪律处分 换届选举 党务公开 机关党员大会 题库管理 积分管理 主题党日 组织生活会 谈心谈话 民主评议 临时会议 资源中心 示范创建 支部风采 联建共建 指数分析 特色功能 丰富的激励机制、大数据中心、红黄蓝预警、党员五维画像、应用单位品牌特色等定制 2 平台功能 管理员操作面板示例  分级分权管理权限：平台可以设置多级 管理权限，便于层级管理。超级管理员 导文件、流程图、范文、常见问答。 工作指引 党组织生活管理 平台功能 工作流程指引 党务工作问答 会议流程  党组织可以举办家庭、敬老、爱幼、环保、公益等活 动，充分发挥党建引领社区共治参与社会公益。  通过图文丰富的展示党员的志愿活动，并且提供志愿 活动发布、报名、心得等全流程管理。  通过图文展示困难党员和老党员的走访慰问记录，体 现党的温暖。  通过党员随手发布图片、音频等，打造党员生活圈， 学而致用：每个课时学习完成都有匹配课时内 容的考试，时刻了解党员学习成果。  寓益于学：信息展示、交流互动，帮助党员收 获更高价值，多维度的排行榜机制，促进创新 争优。 平台功能 党校及教育学习  权威、专业、丰富、生动的教育资源  支持课程定制和学习，满足专项培训需求  定制任务式学习与自由选修相结合，因材施教  支持栏目、标签定制，满足个性需求  提倡学习过程中互动，激发学习热情 学考评一体化管理

年，中 国省级电网碳排因子将大幅下降，即使不包括核电，绿电年发电量规模将达到 5.5 万亿度。中国丰富的绿电供给潜力，可以满足中国智算的电力需求，并帮助 中国缓解算力“卡脖子”问题。 全国智算中心用电量，同时也等于各省智算中心用电总量，包括因为时延等要 求下必须在当地完成的推理需求，也包括由绿电丰富地区额外承担跨省训练与 非本地推理的需求。因此，当前面临的突出问题是如何解决东部地区本地推理 由于数字经济相对欠发达、资金、人才与技术缺乏等，绿电资源丰富的西部， 智算中心的发展相对迟缓。 根据中国生态环境部和生态环境部环境规划院发布的数据，中国省级电力碳排 因子将在十五五、十六五时期大幅下降。绿电比例的上升与电力碳排因子（生 产单位电力过程中平均排放的二氧化碳量）的大幅下降，是中国建立绿色算力 网络的基本前提。 从区域碳排因子的分布上看，中国西部地区水电、光伏及风力发电等资源丰富， 具备发展绿色智算中心 算力的任务，而不是算力，可以在不同的数据中心和算力集群之间进行调度， 通常以分布式计算和云计算技术实现。这种调度实际上是数据、应用与业务的 传输，由于其成本低于能源运输和电力输送的成本，数据可以高通量传输到绿 色电力资源丰富的地区进行多点处理，在中国主要就是把东部的算力需求调到 西部来计算。东数西算将主要对智能算力进行任务调度和统筹。 中国净零碳电力算力地图 来源：未尽研究，环球零碳 说明：在技术保守情景下，智算

中国省级电网碳排因子将大幅下降，即使不包括核电，绿电年发电量规模将达 到 5.5 万亿度。中国丰富的绿电供给潜力，可以满足中国智算的电力需求，并 帮助中国缓解算力“卡脖子”问题。 全国智算中心用电量，同时也等于各省智算中心用电总量，包括因为时延等要 求下必须在当地完成的推理需求，也包括由绿电丰富地区额外承担跨省训练与 非本地推理的需求。因此，当前面临的突出问题是如何解决东部地区本地推理 放。由于数字经济相对欠发达、资金、人才与技术缺乏等，绿电资源丰富的西部， 智算中心的发展相对迟缓。 根据中国生态环境部和生态环境部环境规划院发布的数据，中国省级电力碳排 因子将在十五五、十六五时期大幅下降。绿电比例的上升与电力碳排因子（生 产单位电力过程中平均排放的二氧化碳量）的大幅下降，是中国建立绿色算力 网络的基本前提。 从区域碳排因子的分布上看，中国西部地区水电、光伏及风力发电等资源丰富， 具备发展绿色智算中心 算力的任务，而不是算力，可以在不同的数据中心和算力集群之间进行调度， 通常以分布式计算和云计算技术实现。这种调度实际上是数据、应用与业务的 传输，由于其成本低于能源运输和电力输送的成本，数据可以高通量传输到绿 色电力资源丰富的地区进行多点处理，在中国主要就是把东部的算力需求调到 西部来计算。东数西算将主要对智能算力进行任务调度和统筹。 中国净零碳电力算力地图 来源：未尽研究，环球零碳 说明：在技术保守情景下，智算

月 ACTA AUTOMATICA SINICA January, 2025 数更新或微调的情况下, 仅通过文本交互来指定任 务和少样本示例就能很好地完成各类任务. 在此之 后, 具有优秀泛化能力与丰富常识的基础模型在计 算机视觉、自然语言处理等领域都展现出令人瞩目 的效果. GPT-4[5]、LLaMA[6]、LLaMA2[7]、Gemini[8]、 Gemini1.5[9] 等大语言模型能与人类进行流畅的对 模型用来自互联网的大量文本、图片数据进行预训 练, 往往包含各种主题与应用场景, 能学习到丰富 的表示与知识, 具有解决各类任务的潜能, 其作为 具身智能的“大脑”能显著弥补机器人领域训练数据 少且专门化的缺点, 为系统提供强大的感知、理解、 决策和行动的能力. 此外, 基础模型的零样本能力 使得系统无需调整即能适应各种未见过的任务, 基 础模型训练数据的丰富模态也可以满足具身智能对 各类传感器信息的处理需求. 无论是视觉信息、听 级这四个控制层级上为具身智能提供的规划; 第 3 节对各类实现大模型结合具身智能的系统架构进行 分类与介绍; 第 4 节从模拟器、模仿学习和视频学 习等方面介绍具身智能训练的数据来源, 探讨大模 型如何为机器人训练带来丰富的数据; 最后在第 5 节对全文进行总结并提出研究方向. 1 感知与理解 在与环境的交互中, 具身智能通过摄像头、麦 克风等传感器接受原始数据, 并解析数据信息, 形 成对环境的认知.

美创数据备份与恢复系统是美创科技集备份、容灾于一体的软件产品，运行于国际 / 国内 主流操作系统平台。 采用自定义代理，无代理，应用代理多种模式，全方位无缝支持用户现有的机房环境。用 户通过简明易用的 WEB 管理控制台，利用丰富的备份级别以及周详的备份计划，实现数据备份 恢复系统无人值守，全自动化备份。可视化大屏，概况主页，数据报表，邮件告警帮助用户更 好的了解系统的运行状况。 在数据备份上，使用永久增量、极速秒传技 ★强大的平台兼容性 ★高效的去重压缩技术 ★永久增量备份、极速秒传 ★自定义备份代理模式 ★虚拟平台智能化保护 ★多种类型恢复方式 ★多节点集群部署架构 ★独特的客户端代理选项 ★丰富的备份级别 ★灵活的备份计划策略 ★简明易用的操作界面 ★可视化大屏展示 网络安全专用产品安全认证或安全检测结果证明 网络安全专用产品安全检测证书 ★安全检测机构名称：公安部安全与警用电子产品质量检测中心 据库 安全防护系统，实现了对数据库访问行为的控制，高危操作的拦截，可疑行为的监控，风险威 胁的拦截，提供可靠的数据库安全保护服务。 DPS 提供加密通讯解析、SQL 语句解析等核心技术，并提供丰富的数据库安全策略，如阻 断、拦截等控制类策略，记录、告警等审计类操作。DPS 主动地、实时地、全方面地保障数据 库安全，使其免受数据库漏洞、高危、恶意操作的威胁。 功能特点 ◎访问安全，禁止恶意非法访问

团队成员的选拔严格遵循行业标准与项目需求，确保每位成员 都具备相关领域至少 3 年以上的工作经验。技术研发组成员均拥有 计算机科学或相关专业的硕士及以上学位，其中 60%曾参与过类似 规模的人工智能项目开发。产品设计组成员具备丰富的互联网产品 设计经验，曾主导多项获得市场认可的产品设计。 为确保团队协作效率，采用 Scrum 敏捷开发模式，每两周为 一个迭代周期。团队设置有明确的职责分工和绩效考核体系，具体 如下： 类方法也为后续的迭代开发和功能扩展提供了明确的方向。 3. 技术选型 在技术选型部分，我们需要综合考虑系统性能、开发效率、可 维护性以及未来的扩展性。首先，选择编程语言时，Python 由于 其丰富的生态系统和高效的科学计算库（如 NumPy、Pandas、Scikit-learn）成为首选。对于需要高性能计算 的部分，可以考虑使用 C++或 Rust 进行优化。在框架选择 上，TensorFlow 智能体的开发过程中，选择合适的开发语言至关 重要。开发语言的选择直接影响项目的开发效率、维护成本以及最 终的运行性能。首先，考虑到智能体通常需要处理大量的数据和复 杂的逻辑，Python 因其丰富的库生态系统（如 TensorFlow、PyTorch 等）和易于上手的特性，成为机器学习领 域的首选语言。Python 不仅支持快速原型开发，还能够通过 Cython 等工具进行性能优化，满足高效计算的需求。

架构在模型训练和推理时的并行处理能力更强，效率更高。 2. 参数规模大。大模型通常包含数千万、数亿甚至更多参数；巨大的参数规模使大模型能够处理更加复杂和多样的任务。 3. 强大的泛化能力。大模型通过在大规模数据集上进行训练，学习到了丰富的知识和特征表示，从而具有强大的泛化能力， 能够有效处理多种从未见过的数据或新任务，甚至能处理一些与训练数据截然不同的任务。这使得大模型能应用于多种任 务和场景，具有广泛的适用性。 4. 灵活 总体处于小规模商业应用落地阶段。 工业大模型凭借其卓越的理解、生成和泛化能力，通过与工业领域的深度融合，有望为工业领域带来 “基础模型 + 各类应用” 的新范式。因此，工业大模型的成功落地，离不开针对特定行业的丰富现场经验和深厚的行业 know-how 能力。 第四，多模态分析能力，由传统单一格式的工业数据 处理，转化为多格式数据综合转换分析。 大模型不仅能够处理单一类型的工业数据，还能够综 合分析多种格式的数据，实现跨格式的信息转换与分 策能力的基础。而往往很多时候来 自工业现场的数据量非常有限甚至极少。其次是数据质量问题，即数据的清洁性，并非所有来自工业现场的数据都是 有用的，需要对数据进行清洁。如何从实际应用场景中采集或生成丰富且有价值的可用数据，是 AI 及工业大模型成功 落地应用的挑战之一。再次是数据的标注和处理，即便有了足够的数据，对这些数据进行标注和处理也在难度和工作 量方面面临极大挑战。最后是数据安全和隐私问题，数据是

同时，随着时代的发展和技术演进，安全的内涵由早期面向数据的信息安全， 过度到面向信息系统的信息保障(信息系统安全)，并进一步演进为面向网络空间的 网络安全。网络安全(cybersecurity)以其更丰富的内涵逐步取待信息安全成为安全领 域共识，2017 年 6 月 1 日正式实施的《中华人民共和国网络安全法》明确规定“国 家实行网络安全等级保护制度“，相关法律条文和标准也需保持一致性，正在修订 分以上基本符合，提高了符合要求。同时微调测评时间间隔， 将第三级系统、第四级系统合并为“第三级以上系统每年一次”。 2.3.2.3 标准控制项变化分析 从控制项的变化来看，等保 2.0 更加精简，但实质上内涵更加丰富完善。 等保二级控制项 等保三级控制项 等保 1.0 175 290 等保 2.0 135 211 11 精 简 智安网络等级保护安全防御体系方案 等保 2.0 第三级安全要求结构： 数据库运维审计 对 Oracle、SQLServer、Mysql、DB2 等主流数据库的运 维操作进行运维访问控制和审计，用户运维体验、审计完 整性和细粒度有较为明显的技术优势。 运维统计报表 系统内置丰富的报表统计，包含操作重要性、异常用户、 行为告警、会话数量、法律法规符合性等维度统计的多种 报表，报表形式包含柱状图、饼图、曲线图等多种形式， 提供可关联、可回放、可追溯等深度分析的报表。 灵活的部署模式