大模型应用的目标..................................................................................39 3.1 提高生产效率......................................................................................41 3.2 降低生产成本 ..........................184 1. 引言 在全球经济一体化与数字化转型的背景下，钢铁行业的发展面 临着前所未有的机遇与挑战。智能制造的新时代促使钢铁企业在生 产效率、资源利用和环境保护等多个方面寻求创新解决方案。随着 人工智能（AI）技术的不断成熟，尤其是大型模型（如 GPT、BERT 等）的应用逐渐扩展，钢铁行业也开始考虑这些先进 技术带来的潜在转型机会。 的决策与 优化，提升运营效率，降低成本并提高产品质量。具体而言，AI 大 模型可以在以下几个方面发挥关键作用： 1. 原材料智能采购：利用机器学习算法分析市场供需关系及价格 波动，帮助企业找到最佳的采购时机和供应商，降低采购成 本。 2. 生产流程优化：构建基于大数据分析的智能调度系统，实时监 控生产线的运行状态，调整生产计划以提高设备利用率和生产 效率。 3. 设备预测性维护：通过物联网技术收集设备运行数据，并应用

已经无法满足现代税务管理的需求。税务稽查人员需要处理大量的 涉税数据，包括纳税人申报信息、财务报表、银行交易记录等，这 些数据的多样性和复杂性给稽查工作带来了巨大的挑战。为了提高 税务稽查的效率和准确性，引入先进的技术手段成为必然选 择。DeepSeek 作为一款强大的数据分析工具，具备高效的数据处 理和智能分析能力，能够帮助税务稽查人员快速识别异常交易、发 现潜在风险点，并生成精准的稽查报告。 保数据的安全性和隐私性，满足税务部门的合规要求。通过引入 DeepSeek，税务稽查工作不仅能够大幅提升效率，还能在防范偷 税漏税、打击税收违法行为方面发挥重要作用，为税收收入的安全 性和稳定性提供有力保障。 1.1 背景介绍 随着全球经济环境的变化和数字化进程的加速，税务稽查工作 面临着前所未有的挑战。传统稽查方法依赖于人工审核和经验判 断，不仅效率低下，而且在面对大规模、复杂的企业数据时，往往 难以做到全面覆盖和精准分析。特别是在大数据、人工智能等新兴 难以做到全面覆盖和精准分析。特别是在大数据、人工智能等新兴 技术的驱动下，企业财务数据的规模和复杂度呈指数级增长，税务 稽查部门急需一种能够高效、准确处理海量数据的解决方案，以提 升稽查工作的效率和准确性。 在这一背景下，DeepSeek 技术的引入为税务稽查提供了新的 可能性。DeepSeek 作为一款先进的人工智能工具，具备强大的数 据处理能力和深度学习算法，能够在短时间内对大量财务数据进行 深度分

.39 4.2 清单项的智能分类与编码...................................................................41 4.3 清单编制效率提升..............................................................................42 4.4 错误检测与修正.... ..........................................................................................93 10.1 效率提升指标...................................................................................95 10.2 成本控制效果 算和经验判断，不仅耗时费力，还存在一定的主观性和误差率。随 着建筑项目的复杂性和规模不断增加，传统方法已难以满足高效、 精准的造价需求。因此，引入先进的人工智能技术，特别是大模型 技术，成为提升工程造价效率和精度的关键路径。 DeepSeek-R1 大模型作为一种前沿的人工智能技术，凭借其 强大的数据处理能力和深度学习算法，能够在工程造价领域发挥重 要作用。该模型能够快速处理和分析海量的历史项目数据、市场行

16 2.1 当前公共交通运营问题.......................................................................18 2.1.1 效率低下.....................................................................................19 2.1.2 乘客体验差 ........................................................................................155 7.2.1 效率提升..................................................................................157 7.2.2 乘客满意度提升 压力，如何在有限资源下提升运营效率、优化乘客体验成为亟待解 决的问题。为此，我们提出将 DeepSeek 技术应用于城市公共交通 运营中，以智能化手段实现系统优化。DeepSeek 是一种基于大数 据和人工智能的深度分析工具，能够实时处理海量交通数据，并通 过机器学习算法提供精准的决策支持。本项目旨在通过 DeepSeek 技术，实现以下目标：提升公共交通系统的运营效率、减少乘客出 行时间、

鹏，鲲鹏生态进入快速发展期。当前阶段，鲲鹏和 x86 多平台版本并行迭代成为主 要需求，由于两个架构开发生态的差异，如果采用两套流水线分别开发两套代码，则 会带来很多重复开发验证的工作，并且两个版本分别开发、构建和维护效率低。因 此，鲲鹏创新性的提出鲲鹏原生开发：基于鲲鹏硬件 +openEuler+ 鲲鹏 DevKit+ 鲲鹏 BoostKit，实现 1 套代码 +1 条流水线 + 多平台版本，助力伙伴持续且首发性能领先 鲲鹏流水线搭建及版本发布效率。 » 鲲鹏亲和 & 极致性能：鲲鹏流水线使能鲲鹏亲和分析工具、编译器、性能工具等，实现应用性能提升。 » 多架构兼容：1 套流水线同时支持多样性算力版本构建及测试。 鲲鹏原生开发的核心技术理念： 基于鲲鹏硬件 +openEuler+ 鲲鹏开发套件 DevKit+ 鲲鹏应用使能套件 BoostKit， 实现 1 套代码 +1 条流水线构建多平台版本，效率更高、性能更优。 病毒扫描 鲲鹏兼容 & 亲和， 性能 5%↑ CFGO/LTO/ 自动向量化 / 指 令流水优化，性能 10% ↑ 应用编译调试， 性能 5%~10% ↑ 多样性算力测试套件， 效率 20% ↑ 病毒扫描， 效率 5% ↑ 05 / 鲲鹏原生开发技术白皮书 鲲鹏原生开发能力介绍 03 鲲鹏原生开发 能力介绍 鲲鹏原生开发技术白皮书 / 06 鲲鹏原生开发能力介绍 3.1 代码开发阶段

2.1 数据管理问题.............................................................................19 2.2.2 运行效率问题.............................................................................21 2.3 技术需求........ 发，水利 工程在保障水资源安全、防洪减灾以及生态平衡中的作用愈发重 要。传统的水利工程管理方法虽然在历史进程中发挥了重要作用， 但在面对复杂多变的自然环境和日益增长的社会需求时，逐渐显露 出效率低下、数据利用不充分等问题。特别是在水资源调度、洪水 预报、工程安全监测等方面，决策的科学性和时效性亟待提升。 在此背景下，人工智能技术的快速发展为水利工程管理提供了 新的解决方案。DeepSeek 作为一种先进的人工智能平台，凭借其 强大的数据处理能力和智能分析功能，能够在水利工程中发挥重要 作用。通过引入 DeepSeek，可以实现对海量水利数据的实时分析 与处理，提供精确的预测和决策支持，从而提高工程管理效率和应 对突发事件的反应能力。 当前，水利工程领域面临的主要挑战包括：  数据来源多样且复杂：水利工程涉及气象、水文、地质等多源 数据，传统方法难以高效整合和分析这些数据。  预测精度不

多样化， 制造业正面临着成本上升、效率低下和创新能力不足等多重挑战。 近年来，人工智能技术的兴起为制造业转型升级提供了强大的动力， 其在制造业全流程的落地有助于提升我国制造业的整体竞争力，使 其在全球市场中占据更加有利的地位。 自党的十八大以来，我国高度重视制造业与人工智能的融合， 正加速制造业与人工智能的融合进程， 旨在提升制造业效率、质量 和创新能力，促进产业链协同优化，构建开放共享的制造业生态， 机遇。 1.人工智能促进制造业提高生产效率 人工智能能够显著提升制造业生产效率。首先，人工智能替代 大量人工工作帮助制造业提效。人工智能技术的引入使得制造业能 够实现高度自动化，减少对人力的依赖，从而提升效率。例如，在 无人矿卡的应用中， 自动驾驶技术替代了传统的人工驾驶，无人矿 卡能够实现 24 小时不间断作业，显著提高了作业效率。此外，通过 人工智能技术赋能质量控制，能够以远超人工质检的速度和分辨率， 人工智能技术赋能质量控制，能够以远超人工质检的速度和分辨率， 显著提高生产效率。其次，人工智能能够通过优化已有生产流程， 帮助制造业提效。人工智能技术能够优化制造业研发设计、生产调 6 度、运营管理等流程，大幅缩短原有流程的时长。例如，人工智能 技术可以帮助企业实时监控和评估生产流程的效率，分析生产流程 6 中的瓶颈，从而调整资源配置，优化生产线布局，提高整体生产效 率。 同时，人工智能技术能够通过分析设备的运行数据，预测设备

迭代 ; 结论 3 : 金融从业者借力 AI AGENT 的目标是努力从“信息处理”中解放出来，更多参与“价值判断”与“价值分发” ; 结论 4 : 人机协同的本质是认知能力再分配，并非效率叠加，人类与 AI 认为的“困难”各不相同 ; 结论 5 :“ 电力 + 算力 + 数据”是大模型本身的关键，但对于金融应用不断动态沉淀下来的数据和模式创新才是核心胜负手 ; 结论 6 : 媒介 洞察能力，包括消费者需求、市场环境、行业趋势、竞争态势数据和信息的采集与分析，以及最终 获得分析 结果的能力和效率 ; 创意能力，包括创造和生成文字、图片、视频、音频、设计网站甚至新产品的创新能力和生产效率 ; 媒介沟通能力，使用媒介渠道进行营销的能力和效率，渠道包括移动设备、电视、社交媒体、搜索 引擎、电 商、线下等各种用于营销传播的媒体平台。 而金融行业金融产品收益前置而风险后置 的间接销售活动，新增客户触点，同时提升客户满意 度。 图表 3: AI 助理提高销售效率 资料来源 :BCG ，中信建 投 2.2 分析框架 : 营销生产关系转型 据《生成式营销产业研究蓝皮书》， 生成式营销应用前沿的生成式 AI 能力赋能生产工具 ，在营销 领域的业务 流程中，实现营销生产力效率的全面提升 ，影响并重构营销组织的生产关系 ，进而形成的新型市 场营销产业运 行模式。

患在高密度运营下也日益增多。因此，引入 AI 大模型以实现智能 化、高效化的运营管理显得尤为重要。基于 AI 的大数据分析能 力，能够帮助运营方获取更为精准的客流预测，优化车辆调度方 案，提高整体运营效率。 在这一背景下，AI 大模型在城市轨道交通行业的应用方案应围 绕以下几个核心方面展开： 1. 客流预测与分析：利用 AI 算法对历史客流数据进行深度分 析，可以准确预测不同时间段、不同线路的客流变化趋势，进 日益增长的城市出行需求，将是我们努力的方向。 1.1 城市轨道交通行业现状 城市轨道交通行业是现代城市公共交通系统的重要组成部分， 随着城市化进程的加快，城市轨道交通在解决城市交通拥堵、改善 公共运输效率、促进城市可持续发展等方面的重要性日益凸显。目 前，许多城市已构建了较为复杂的轨道交通网络，包括地铁、轻 轨、有轨电车等多种形式。然而，尽管行业发展迅速，仍面临着诸 多挑战。 首先，轨道交通 首先，轨道交通的建设和运营成本高昂。根据行业统计，地铁 线路建设的平均投资额在每公里数亿元人民币不等，且运营维护费 用也相对较高，要求城市在财政支出方面做出长期的投入。同时， 随着客流量的增加，如何提高运输效率以满足乘客需求也成为一大 难题。 其次，随着乘客数量的日渐增加，轨道交通系统的运力需求不 断上升。据统计，在一些大城市高峰时段，客流量甚至造成了线路 超负荷运转，影响了服务质量和乘客满意度。例如，在北京和上海

1%，其中数据中心贡献 0.5pct。 AI 数据中心高功率趋势不变，供配电解决方案技术迭代有望加速 根据各厂的芯片和服务器参数，虽然单瓦浮点算力以每代约 1 倍速率提升， 但是同时我们也看到随着效率的提升，服务器和机柜的功率参数以每代 40-60%的比例提升。而 DeepSeek 实现 GPU 白卡互联的能力，为国产芯 片的大规模应用打开了大门，在经济上必然存在较强的优势，但是短期内在 能耗上 数据中心中智算中心的比 例提升，单个数据中心的 MW 数将持续上升，甚至相同算力下可能提升更 快。这将带来供配电解决方案的技术迭代加速从传统 UPS 向 HVDC，以及 未来巴拿马电源和 SST 的效率更高模式发展。我们预计国内 AI 配套电力设 备市场空间 2026 年将达到 437 亿元，对应 2024-26 年复合增速 27%，其 中 HVDC，锂电池和服务器电源将实现更快增长，分别达到 77%/58%/36%。 ............................................................... 12 图表 14： 相比 AC UPS 系统，HVDC 在低负载下效率优势更加明显 ...................................................................... 12 图表 15： HVDC 可减少配套设施（冷却+供电系统）和机组电能消耗