免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 工业/能源 DeepSeek 冲击下，AI 产业对国内电 力行业的变与不变 华泰研究 工业 增持 (首评) 能源 增持 (维持) 研究员 刘俊 SAC No. S0570523110003 SFC No 来冗余造成的低效率。根据台达的数据，当前 UPS 系统效率为 95.1%，全链路效率 86.6%。 2） HVDC 高压直流系统：HVDC 方案逐渐被数据中心验证，在中国市场率先扩散。HVDC 系统能有效避免交流供电中的多次变流和变换进而减少能源转换损失，具有模块化、效 率高、可靠性高、成本更低等优势。HVDC 设备成本略低于传统 UPS，且相比传统 UPS 具备一定效率优势，并可降低数据中心 PUE，减少能源消耗。根据台达的数据，当前 市电切换对末端影响性 服务器电源不切换 服务器电源不切换 半数服务器电源切换 服务器电源不切换 电池放电效率 高，电池直挂输出母排 高，电池直挂输出母排 高，电池直挂输出母排 低，存在逆变转换过程 建设周期/月 6 10 8 10 安全性 高 高 较高 较高 注：占地面积中 S 为低压配电室面积 资料来源：叶新平（台达大功率电源产品技术专家 ），台达，华泰研究

智算中心赋能产业发展 康亚萍 | 南京中科逆熵科技有限公司 - 运营总监 智算中心 产业发展 运营实践 01 02 03 AiCD 智算中心 PART 01 软件栈 统一完善 云端 A 加速卡 终端智能处理器 P 乘院道连助说的，广五应用备美好指描 边缘 A 加速卡 云边端车 全面覆盖 生态运营 密切协同 智能计算服务、交叉研究和产业创新三位一体 · 立足南京、面向长三角、辐射全国 · 为南京建设国际科技创新中心贡献卓越力量 南京智能计算中心 AiC○ 智算中心 三 XTROTEC 中 科 逆 熵 南京智能计算中心 计划总投资 13 亿元，当前已建成算力 0.8Eops ( 约 700 台服务器 ) AI 算力规模 每秒 80 亿亿次 是长三角当前投运规模最大、算力最高的智能计算中心 医疗应用 AiCD 产业发展——产业机遇与行业机遇 · 传统产业智能化变革需求迫切 · 人工智能行业内企业对新型算力基础设施的需求迫切 三 XTROTEC 中 科 逆 熵 7.20% · 涉及范围广，包括汽车、医药、化学、电子、半导 15.3 0% 体、印刷、食品饮料、物流、烟草、医疗、电池等 电子及半导体设备 ■汽车制造 制药业 其他

一、“十五五”时期制造业发展面临的新形势 “十五五”时期，大国战略竞争和博弈加剧，人工智能的 冲击和影响扩大，我国制造业发展形势面临“三重”大调整。 （一）格局调整：保护主义、单边主义上升加剧“逆全球 化”进程，国际经贸规则重构推动区域化布局。近年来，以美 国为首的部分发达国家秉持零和博弈和保护主义思维，在高 新技术领域对我筑起“拦水坝”，强行切割基于市场规则建立 起来的全球供应链，谋划小圈子、组建小阵营、成立小同盟， CCID CCID CCID CCID CCID CCID CCID CCID CCID CCID CCID CCID C 4 协同推进降碳、减污、扩绿、增长，推动发展方式根本性变 革。 三是发展新质生产力并形成与之相适应的新型生产关 系。加快发展新质生产力的同时，必须进一步全面深化改革， 完善新发展阶段产业政策，推动各类先进优质生产要素向发 展新质生产力顺畅流动。推进高水平对外开放，深化产业国 气、更多举措破除深层次体制机制障碍，推进国家治理体系 和治理能力现代化。制造业高质量发展需要建立与之适应的 治理方式，建议：以人工智能、大数据为依托，推进产业治 理部门、支撑部门和企事业单位全方位、系统性、重塑性变 革，加快业务流程线上迁移和集成优化，构建协同高效的跨 部门协作机制。面向各部门治理场景，深度整合业务条线， 打通创新链、产业链、人才链、资金链，实现产业运行监测 和政策效果评估的联动共享，提升产业治理多部门协作水平。

预测型 决策型 透支余额 同比 -10% 户均额度 XXX 万 卡量增长 YY% DeepSeek 能做吗？注意力机制类似指标树结构，都是寻找变 量之间的关系 行业影响：缩小技术 鸿沟，推动生态变革 04 中小银行逆袭机会 低成本模型赋能 DeepSeek 的低成本特性，使中小银行无需巨 额算力投入即可享受先进 AI 技术，显著降低技 术门槛。 资源差距缩小 开源生态让中小银行能与大行站在同一起跑线，

DeepSeek对于医疗体系有那些影响？-医院 • 电⼦病历和数据管理⾰→构建专病知识库， 为药物研发和精准医学提供⽀持 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通→数据要素商业化变 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） DS推理思考能⼒以及医保控费压⼒（需求⾼，难度⼤） →药品定价策略 医院 • PR先⾏，但过去“纸⾯数据、 ⾮标数据”等困境能得到极⼤ 版权意识：避免直接商⽤模型⽣成 的代码、⽂案或设计 使⽤场景与内容风险 • 明确应⽤场景：不是所有场景需要AI • 混合部署策略:v“该省省，该花花” • 模型选择和微调：“满⾎”虽好，但所需推 理资源逆天 • ⾼并发处理 ROI优化 个⼈应⽤ 企业应⽤ • 避免透露公司敏感信息：⽐如内 部⽂件、政策草案、经济数据等 法律风险 虚假信息 32 ⼈⼯智能将如何改变医患互动？ 科技助医 互联为健

➢ 经过安全对齐的模型可以在经过最小化的微调后再次变得不安全； ➢ 在非恶意数据集上微调对齐的语言模型可能会削弱模型的安全机制； ➢ 不仅限于安全，这种“假象对齐”表明模型可能会内在执行对齐的逆操作。大模型存在会逆转或撤 销对齐过程的可能性，这一概念我们称之为逆向对齐（Inverse Alignment）。我们进一步探究了： 语言模型的参数是否表现出弹性，从而抗拒对齐？ Do the parameters 模型弹性的实验验证 ➢ 在帮助性、无害性和诚实性(3H) 标准下，逆向对齐 (Path A) 相较于正向对齐 (Path B) 均更加容易。 ➢ 正向对齐(Forward Alignment) vs. 逆 向对齐(Inverse Alignment) ➢ 模型弹性 (Elasticity) 的分析 ➢ 模型弹性随模型大小增大：随着模型参数规模的增加，因负面 数据微调导致的初始性能下降更快，而随后的下降变得更慢； 模型评估应该更关注模型内在表征的对齐； ◆ 表面的对齐训练很容易被撤销，对齐算法应当修改模型的内在表征，而非进行表面的对齐； ◆ 在对齐模型的评估中，我们应当增加额外评估维度，衡量对齐后的模型有多容易被逆对齐， 进一步衡量其对齐程度； ③ 从“表面”对齐到“深入”对齐，对齐范式需要改变； ◆ 如何设计算法避免简单的“表面”对齐、亦或者如何分析算法对模型内在表征的改变； Language Models

中处理复杂领域，地市团队聚焦属地风险，建立重大风险提级管理通道） 3 、审计模式创新 （10）在监管趋严与银行盈利压力并存环境下，如何通过审计功能创新 （如 压力测试审计、资本充足率动态模拟）提升资本管理的前瞻性？（如开发 逆周期 压力测试工具，构建资本充足率情景模拟系统，嵌入监管指标预警阈 值） （11）在新型腐败手段隐蔽化背景下，如何通过审计功能延伸（如员工行 为 建模、异常交易链追踪）强化对道德风险的预防性干预？（如运用社交网络 （一）基础审计场景应用问题 1 、审计工作管理问题 （1）审计计划动态调整机制是否缺失？（如：未根据金融市场波动或机构 战略转型实时更新审计重点；需建立季度滚动计划，结合金融科技风险权重变 化） （2）风险评估模型是否与业务复杂度脱节？（如：对跨境金融、数字资 产 等新兴业务仍采用传统风险评估框架，需要引入 AI 风险预测模型，调整风 险因 子量化标准） （3）审计资源 、资产负债管理审计问题 （11）流动性风险管理框架是否有效，压力测试是否覆盖极端情景并制定 应 急融资计划？（评估流动性覆盖率与净稳定资金比例） （12）利率风险敞口计量模型是否准确，是否定期校准以反映市场利率变 动 对净息差的影响？（验证模型输入数据与假设合理性） （13）资本充足率计算是否符合监管要求，是否存在未计入的风险加权资 产 导致资本虚高？（抽查风险资产分类与权重赋值） （14）资产负债期

请务必阅读正文之后的信息披露和法律声明 17 2.8 逆向合成分析可有效优化和创造合成路线 逆向合成是分析合成路线的重要手段。人工智能驱动的逆合成预测涵盖了单步逆合 成预测和多步逆合成预测的两个主要组成部分，以及分子表示和候选反应评估的两个算 法设计元素，这四个元素共同为人工智能驱动的逆转合成预测方法建立了一个设计空间。 图15 逆向合成流程概述