................ 35 5.4 工程项目智慧成本测算.................................................................................................................. 37 5.4.1 智慧成本测算概述............................... .................. 37 5.4.2 智慧成本测算实现................................................................................................................ 37 5.5 工程图纸测算工程量................................ ................................................................................... 38 5.5.1 工程量测算概述.................................................................................................

车之后满足高净值家庭需求的下一代 标志性产品。 2 高净值家庭：家庭净资产超过1,000万元人民币。 波士顿咨询公司 2025年9月 中国载人eVTOL行业白皮书 11 根据BCG多维度模型测算，中国个人飞行eVTOL市场规模预计在2040年达到230亿 美元，年销量达到约15万台。其中，个人购买场景预计贡献超过90%的市场份额，构成核 心增长引擎，其主要驱动力来自中国高净值家庭及富裕人群的消费升级；低空观光、租赁、 万元人 民币以上，即21万美元以上）豪华车的年销量，选取满足与eVTOL相同购买需求和心智的 豪华车年销量，作为eVTOL中长期的销量预测（参阅图9）。具体测算逻辑如下： 高端乘用车销量， 按车型划分 结合对相关需求和购买心智的分析，测算转化率和潜在销量 潜在市场规模 转化率 车型 专业运动 （赛车） 户外自驾 （公路/越野） 家庭用车 （日常出行） 商务用车 （日常出行） 社交场景 渗透率，如高端相机、机器狗、高端腕表、奢侈品包等高端科技和消费品，以及美国 运动飞行执照、国内高尔夫运动、奢侈品摩托车等高端运动产品及服务。对标结果显示， 该类产品及服务在目标人群中的渗透率通常在1%–1.7%左右，进一步验证了该测算区 间的合理性。 结合供给和需求趋势分析，我们预计中高端eVTOL销量将在未来三年快速增长。预计 到2040年，年销量将达到约2.4万台，市场规模约为50亿美元。 市场分化：豪华版与入门版出现

智算如何引领新型电力系统 扫码了解更多 1 前言 2 第一章：文献综述与方法论 4 ● 美国的算力增长预期，分歧重点在市场 5 ● 中国算力增长预期，不确定性主要在技术 5 第二章：测算方法与结果 7 ● 中国智能算力每年增长 70% 7 ● 乐观情景下国产芯片有望突破 8 ● 2030 年中国智算年用电最高 1.3 万亿度 9 ● 智算中心成为用电量增长主力 智算如何引领新型电力系统 扫码了解更多 7 3500 3000 2500 2000 1500 1000 500 0 2023 2024 2025 2026 2027 2028 2029 2030 测算方法与结果 从2023年到2030年，中国智能算力规模将以每年70%的复合增长率持续攀升。 国产芯片将成为智能算力的主要来源，技术保守情景下全部采用等效 A100，以 电力换算力，但更有可能以落后美国 础设施 算力进行规模测算时，统一折算为 FP32 精度。 按这个基准，参照英伟达各代 GPU 的性能参数，到 2030 年，技术保守情景约 需要 14700 万张等效 A100；技术乐观情景则需要累计部署等效的 1700 万张 A100，970 万张 H100，1125 万张 B200。为简化讨论，暂不考虑因折旧等因素， 存量算力改由更高能效芯片提供等情况。 测算方法与结果 中国智能算力用电量增长预测

改变能源 智算如何引领新型电力系统 1 前言 2 第一章：文献综述与方法论 4 ● 美国的算力增长预期，分歧重点在市场 5 ● 中国算力增长预期，不确定性主要在技术 5 第二章：测算方法与结果 7 ● 中国智能算力每年增长 70% 7 ● 乐观情景下国产芯片有望突破 8 ● 2030 年中国智算年用电最高 1.3 万亿度 9 ● 智算中心成为用电量增长主力 智算如何引领新型电力系统 7 3500 3000 2500 2000 1500 1000 500 0 2023 2024 2025 2026 2027 2028 2029 2030 测算方法与结果 从 2023 年到 2030 年，中国智能算力规模将以每年 70% 的复合增长率持续 攀升。国产芯片将成为智能算力的主要来源，技术保守情景下全部采用等效 A100，以电力换算力，但更有可能以落后美国 础设 施算力进行规模测算时，统一折算为 FP32 精度。 按这个基准，参照英伟达各代 GPU 的性能参数，到 2030 年，技术保守情景约 需要 14700 万张等效 A100；技术乐观情景则需要累计部署等效的 1700 万张 A100，970 万张 H100，1125 万张 B200。为简化讨论，暂不考虑因折旧等因 素，存量算力改由更高能效芯片提供等情况。 测算方法与结果 中国智能算力用电量增长预测

因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 大模型增长挑战芯片算力和内存，无法实现完整端侧部署。大模型训练和推 理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度， GPT-3 训练至少需要 3.2T 内存，至少 44 张 A100，推理任务则主要受显存限 8 表2： 大语言模型的计算 .................................................................... 9 表3： 大预言模型算力测算 ................................................................. 10 请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 图12：算力计算公式 图13：近年推出的大预言模型有效算力比率 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 表3：大预言模型算力测算 A100 PCle H100 PCle 训练阶段算力需求测算 Tensor Float 32(TF32) 156TFLOPS 756TFLOPS 有效算力 78TFLOPS 378TFLOPS GPT-3 训练所需运算次数

耗了团队 35%的工作 时长；其次，风险识别依赖人工经验导致覆盖不全，证监会披露数 据显示，传统抽样方法会遗漏约 15%-20%的高风险异常交易；最 后，跨系统数据协同成本高昂，某会计师事务所测算表明，数据清 洗和格式转换占用了整个审计项目 28%的有效工时。 在此背景下，行业对智能工具的诉求呈现三个关键特征：第 一，处理速度需要达到千万级数据/小时的吞吐量，某四大会计师 事务所的测试数据显示，当响应延迟超过 审计数据的处理流程如下表所示： 处理阶段 技术实现 输出标准 数据抽取 增量日志捕获技术(Capture Change Data) 时间戳标记的原始数据 数据清洗 基于审计规则的异常值检测算法 标准化凭证流水 特征工程 审计指标计算引擎(ROI、周转率等) 多维特征向量 模型层采用 DeepSeek-V3 作为基座模型，通过三阶段训练实 现领域适配。首先在千万级审计报告语料上进行继续预训练，使模 启动数据增强回灌流程 部署阶段采用模型蒸馏技术，将原始 175B 参数模型压缩至 7B 参数级别，推理速度提升 6 倍的同时保持 95%以上的任务精度。通 过审计机构实际测试，优化后的模型在应收账款坏账准备测算任务 中，人工复核工作量降低 82%，关键风险点检出率同比提升 41%。 3.1.3 智能审计决策模块 智能审计决策模块作为 DeepSeek 智能体的核心功能组件，采 用多模态数据分析与

、资金投入大 、产品更新换代快等特点 ，广泛应用于 集 成电路 、显示面板 、太阳能光伏领域 ，据中国电子材料行业协会 ， 2021 年应用于三大领域的比例为 33% 、 36% 、 31% 。据我们测算 ， 随着集成电 路国产化进程加快 、显示面板产能持续增长， 国内湿电子化学品需求量有望从 2022 年的 267 万吨增长至 2025 年的 489 万吨 ，市 场规模将从 272 亿元 、太阳能光伏三个应 用市场 使用的湿电子化学品总量达到 213.52 万吨 ，其中集成电路领域用量为 70.29 万吨 、显示面板领域用量为 77.8 万吨 、太阳能光伏领域用量为 65.43 万吨 。据我们测算 ，预计到 2025 年 ，我国集成电路领域需求量将增长至 138.50 万吨 ，显示面板领域需求量将增长至 149.09 万吨 ， 太阳 能光伏领域需求量将增长至 201.40 万吨 ，湿电子化学品需求总量将达到 21.28% 12.60% 22.38% 资料来源：润玛股份招股说明书、兴福电子公告、芯思想、明通集团公众号、中国电子材料行业协会、产业互联网公众号、国 海证券研究所 半导体行业湿电子化学品需求测算 随着晶圆制造产能的高速扩张 、晶圆制造工艺的不断提升以及先进封装技术应用的不断加强 ，我国集成电路用湿电子化学品的需求量也将不 断 增加 ，我们预计 2025 年我国集成电路用湿电子化学品市场需求将达到

30%的客户投诉集中于流程繁琐 成本结构失衡 运营成本中人力占比高达 65%-70%（麦肯锡行业分析），而科技 投入仅占保费收入的 1.2%-1.8%，远低于国际 3%-5%的平均水 平。某中型财险公司测算显示，每单保费中约有 38 元消耗在人工 流程成本上。 这些痛点表明，保险行业亟需通过 AI 智能体实现：业务流程 自动化率提升至 80%以上、核保决策速度加快 5 倍、欺诈识别准确 率提高 提升、风险控制和服务创新，预期在 12 个月内完成全场景落地并 实现关键指标突破。 在运营效率层面，计划通过智能体实现 90%标准化流程的自动 化处理，包括保单录入、核保初审、理赔资料预审等高频场景。根 据试点数据测算，自动化处理可将单笔保单承保时效从平均 45 分 钟压缩至 8 分钟以内，人工干预率降低至 5%以下。关键预期成果 包括： 指标 基线水平 目标水平 提升幅度 核保通过率 68% 85% +25% 技术解析医疗报告、事故照片等非结构化数据，建 立欺诈特征关联网络。测试数据显示，系统可识别出人工审核 忽略的重复就诊编码矛盾、跨机构理赔时间重叠等隐蔽风险。 4. 资本金动态测算 基于风险暴露实时数据，自动调整责任准备金计算模型。某再 保公司测试案例显示，巨灾风险敞口测算误差从±15%降至 ±6%，资本使用效率提升 23%。系统将每季度自动生成 Solvency II 合规报告，减少人工审计成本。 实施后 12 个月内预计达成：高风险业务拒保率下降

数字化生产计划与管理的一部分，帮助提升制造的专业化水 平和运作效率。 通过设备数控 系统及传感器 采集实施数据 数据清洗及 特征剥离 机器状态监测 及诊断 数据采集 数据分析 搭建故障预测算法 并借由数据积累 持续提升算法精度 进行生产计划及 维修排程决策 故障预测及决策支持 自动化设 备数据 (PLC数据) 传感器 数据 1 通过传感器及PLC采集实施生产数据 资料来源：罗兰贝格 机器学习模型搭建：机器学习模型是预测性维护解决方 案的核心。针对预测性维护的引入标的，我们已开发出一 套完整且实证有效的模型搭建方法，能有效赋能故障预 测，以下案例以某品牌数控车床的刀具故障预测算法搭 建进行相关说明： a) 数据采集：通过目标设备的传感器布局及数控系统的 连接采集相关数据，如设备主轴位置、机床程序及管 理数据等。 b) 特征分析：通过算法融合主流的时域分析、频谱分析及

（6）普惠金融贷款数据报送是否存在虚构小微企业主体套取政策红利的行 为？（比对工商登记信息与授信客户清单，结合企业经营与纳税数据等综合判 断， 比对清单和建立识别机制等） （7）绿色信贷项目环境效益测算是否取得第三方认证，资金使用是否与环 评报告保持一致？（审查绿色债券发行文件，追踪专项资金划付凭证） （8）集团客户授信集中度是否穿透至实际控制人关联企业，隐性担保是否 纳入风险敞口计算？ 不匹配的金融产品？（可通过调取销售录音录像、抽查宣传材料、检查客 户风险 评估报告及回访记录进行验证，重点关注高风险产品（如结构性存款、 私募类产 品）的销售话术，确认是否存在隐瞒关键信息或过度营销行为。） （15）结构性产品收益测算模型是否包含压力情景，销售人员是否混淆预 期 收益与保底承诺？（复核产品说明书精算参数，暗访抽查销售话术合规性） （16）代销保险产品犹豫期电话回访是否由非销售团队执行，客户放弃声 明 是否强 准列 支或疑似虚假报销行为） 4 、如何基于历史数据和当前市场环境预测流动性风险缺口？（基于历史 现 金流数据训练机器学习模型，模拟未来 30 天存款流失、贷款提前还款等场 景， 动态测算流动性覆盖率（LCR）的临界触发点） 5 、如何识别资产负债期限错配的隐蔽风险？（利用时序分析技术，可视 化 资产端（如贷款）与负债端（如同业存单）的剩余期限分布，预警超过监管 19 阈值