请务必阅读正文之后的免责条款部分 证券研究报告 DeepSeek-R1 加速 AI 进程，看好 AI 应用端潜力释放 2025 年 02 月 10 日 评级 领先大市 评级变动： 维持 行 业涨跌幅比较 % 1M 3M 12M 电子 9.54 年春节期间，中国移动、中国电信、中国联通三家基 础电信企业均全面接入 DeepSeek 开源大模型，实现在多场景、多产品 中应用，针对热门的 DeepSeek-R1 模型提供专属算力方案和配套环境， 助力国产大模型性能释放。  投资建议：我们维持电子行业“领先大市”评级。1）推理侧发展有望 -6% 14% 34% 54% 74% 2024/02 2024/05 2024/08 2024/11 电子 本与门槛，随着 DeepSeek-R1 等高性能 AI 模型的广泛应用，AIPC、 AI 手机、AI 眼镜、AI 玩具等端侧设备迎来因 AI 渗透加速带来的产业 链发展机会，看好端侧 AI 潜力释放，建议关注水晶光电、立讯精密、 歌尔股份等。3）零组件有望受益于端侧 AI 发展。端侧 AI 有望提高 对芯片、通讯模组等的要求，并丰富使用场景，推动量价齐升。建议 关注通信模组、SoC、能源管理、传感器等环节，例如广和通、移远

图 ● 4-7 东数西算-调度结果实施与数据迁移-数据调度 ④ 网络资源释放 在数据迁移传输完成后，系统立即执行网络通道资源释放流程， 确保网络带宽资源池的实时更新，避免因资源滞留导致的网络拥堵或 二次任务调度冲突，从而保障全链路传输资源的循环利用效率。 图 4-8 东数西算-调度结果实施与数据迁移-网络资源释放 步骤五：数据处理 28 在完成数据迁移后，数据处理应用开始对西部数据中心的待处理 东数西算-数据处理 步骤六：应用删除与数据清理 任务型应用在运行结束后，及时进行应用的删除工作。对于数据 清理，这是一项具有灵活性的操作。在实际执行中，清理应用生成的 临时数据为必选动作，以此释放存储空间，提升系统运行效率。而针 对应用所消费的数据，是否清理则为可选行为。若后续业务流程不再 需要该部分数据，或出于数据隐私、存储成本等方面考虑，可选择清 理相关数据集；若该数据仍具有潜在价值，如可能在未来相似任务中 保数据的完整性和准确性。 ● 图 4-14 数据快递-调度执行-数据调度 ③ 网络资源释放 在数据快递任务传输完成后，系统立即执行网络通道资源释放流 程，确保网络带宽资源池的实时更新，避免因资源滞留导致的网络拥 堵或二次任务调度冲突，从而保障全链路传输资源的循环利用效率。 35 图 4-15 数据快递-调度执行-网络资源释放 4.3 东数西存场景 4.3.1 场景描述 众多行业客户在日常运营中持续产生海量数据，随着时间的不断

PREFACE 构建可信数据空间与人工智能协同创新范式，开启人工智能新时代。 在数字文明加速迭代进化的时代洪流中，数据与人工智能共生发展正重塑全球经济的格 局。数据作为我国第五大生产要素，其价值释放的深度与广度，直接决定了人工智能产 “ ” “ ” 业从 感知智能 向 认知智能 跃迁的新高度。当前全球数据总量虽呈指数级增长（2023 年突破 175ZB）， 但高质量语料尤其是中文语料严重匮乏，实际流通率却不足 数据空间国内外发展趋势 国际 数 据空间（IDS, International Data Space） 的概念最早起源于欧洲，旨在解决数据孤岛、隐私 安全和权属不清等问题，推动数据的高效流通与价 值释放，促进数字经济的快速发展。 2016 年，德国工业 4.0 战略率先提出工业数据空间 的概念，随后欧盟推出《欧洲数据战略》，将数据空 间建设提升至战略高度。美国、日本等国纷纷跟进， 结合自身特点探索数据空间建设模式。截至 新型数据基础 设施系统布局，明确到 2028 年建成 100 个以上可信数据空间的目标。 建制度 立顶设 强行动 促发展 建制度框架 指引建设方向 规划蓝图 激发数据要素潜能 场景驱动价值 释放数据要素乘数效应 全面开展 可信数据空间试点规模建设 2022 2023.12 2024.1 1 2025.0 7 国务院《要素市场化配置综合改革 试点总体方案》、《数据二十条》 破除要素流动障碍

s1 表现出的 Test time Scaling n DeepSeek 可以通过 API 接口或者数据中台架构，实现与传统银行技术系统的数据交互，从而实现各类业务高效高质的无 缝对接，有望释放海量私域数据价值。 Post-Train 阶段大规模强化学习的训练方法使模型拥有了更强的自主推理能力， 不 再依赖传统提示工程。根据 DeepSeek 的官方使用指南， 在使用模型时不建议添加系统提示（ 有指令都应当包含在用户提示（ user prompt ）中。这也显示出了模型通用推理能力在应用中的扩展。 图表：大模型数据类型 Post-Train 阶段 数据：大规模 RL 提升非结构化数据分析能力，释放私域数据价 值 资料来源：中泰证券研究所 10 n Janus-Pro 结合了优化的训练策略，扩展了训练数据集和模型规模。通过这些改进， Janus-Pro 在多模态理解和文本到 图像的 合同质检和自动化估值对账场景中。 资料来源：上海证券报，搜狐，中泰证券研究所 16 降本增效场景之三：智能合同质检 图表：江苏银行 AI 布 局 n AI Coding 能够替代低效工作 ，充分释放开发者的价值。未来可能会由 AI 承担部分基础工作， 而开发者则转向更高层次的 架构设计和业务规划，专注于更复杂、更创造性的任务， 如架构设计、算法优化或用户体验创新。 n AI 编程在银行业可有效赋能内部研发。从具体用例看，

线下分散、不透明的交易迁移至线上，解 决了信息不对称痛点，平台营销广告价值凸显。 • 供应链金融促进交易。模式相对轻，撬动GMV大幅增长，平台凸显供应链金融价值，交易价值初现。 • 阶段局限：仅释放营销、金融等有限价值空间 资本闭环效应驱动供应链数字化 初创期（2019年~ 2024） • 资本闭环效应驱动。风险资本大规模涌入，二级市场交易活跃。平台超越纯交易，通过数字化工具在上下游特定环节或客 川在人才计划中单列AI名额，对入选团队最高支持500万元 AI政策：从“上云”转向“AI+”，高质量数据集价值凸显 - 17 - 数据政策：产业电商及数字化蕴藏数据资产富矿 2025年，数据资产作为新型生产要素的价值加速释放。国家数据局密集召开座谈会，推动数据要素市场化配置，构建全国一体化数据 市场，通过制定标准合同、推动交易机构互认互通等举措，旨在打破数据孤岛，降低交易成本。商贸流通领域尤其是产业电商，作为 数据密集 提升企业估值与定位：被资本市场视为“拥有核心数 据资产与AI能力的科技公司”，有望获得更高的估值。 青岛特钢将工业生产数据视为“富矿石”，通过构建“采、存、 治、用”一体化数据基座，实现铁水成本全流程闭环智能管控， 释放数据要素价值。 • 构建数据基座：将数据视为工业生产的“富矿石”，通过构建“采、 存、治、用”一体化的数据基座，推动业务数据化、数据模型化、模 型智能化。 • 智能配矿系统：打通采购、烧结、高炉间的数据壁垒，融合智能算

规则可信，通过政策法规、行业标准、自律机制与争议解决框架， 明确数据使用边界与责任，形成可执行的信任约束。这些维度有机 融合，共同构建“数据可靠、主体可信、过程可查、技术可控、规则 可依”的生态，保障数据空间内的交互安全与价值释放。 可信数据空间的关键技术组件有哪些？ 4. 2 可信数据空间的关键技术组件围绕“数据可信流通”核心，整合基础 标识、安全保护、交换协议、治理合规、计算环境及信任机制六大 模块：首先是数据 可信数据空间对数据要素市场建设的核心价值是什么？ 6. 可信数据空间对数据要素市场建设的核心价值，在于通过构建“可 信、安全、可控”的数字环境，系统性解决数据流通中的“不敢流、 不能流、不愿流”痛点，成为数据要素价值释放的关键基础设施。它 以隐私计算、区块链、身份认证等技术为核心，实现数据来源可 溯、权属可辨、使用可控、隐私可保，从底层建立数据主体间的信 任纽带——数据提供方无需担心原始数据泄露，需求方能够确认数 溯，这些都让隐私计算的结果更具可信度与合规性。简言之，可信 数据空间是承载数据可信流通的“容器”，隐私计算是驱动容器运转 的“动力”，二者共同围绕“数据可用不可见”的目标，推动数据要素在 安全底线之上释放价值，支撑数据要素市场的健康发展。 可信数据空间与区块链技术的结合点有哪些？ 8. 可信数据空间与区块链技术的结合，核心是通过区块链的分布式架 构、不可篡改特性与密码学工具，强化数据全生命周期的可信性与

基 础 设 施 等 。 一是信息基础设施 三是创新基础设施 二是融合基础设施 有效激活数据要素潜能和红利价值已成为数字经济深化发展的核心引擎 我国数字经济发展转向深化应用、 规范发展、 红利释放的新阶段 发展新动能 数 字 经 济 发 展 处 于 " 四 期 叠 加 " 矛盾凸显期 数 字 经 济 新 形 态 与 现 有 管 理 体 制 对 撞 ， 规 范 健 康 可 持 智能计算中心 （简称智算中心） 是基于最新人工智能理论，采用领先的人工智能计算架构， 提供 人工智能应用所需算力服务、数据服务和算法服务的公共算力新型基础设施， 通过算力的生产、 聚合、调度和释放，高效支撑数据开放共享、智能生态建设、产业创新聚集，有力促进 AI 产业化、 产业 AI 化及政府治理智能化 智能计算 中心 B A • 面向政府、企业等输出包括 AI 数据库、 平台 • 汇聚并赋能行业 AI 应用，助力行业智慧应用高效化开发， 加速行业和产业 AI 化 • 基于深度学习、强化学习等创新 AI 技术 • 重点围绕生产算力、聚合算力、调度算力、释放算力四大关键环节提升 AI 算 力 A 核心技术 AI 化 c 服务应用 AI 化 B 输出产品 AI 化 智能生态 建设平台 数据开放 共享平台 以产业创新 升级为目标 智能计算中心主要内涵及功能定位

组网能力突破了单机扩展的硬件限制，为大规模算力聚合提供架构支撑；高可靠的运行特性化解了 网络、计算、存储等子系统的故障风险，保障集群作业的连续性；多场景的适配能力则能通过精细 化资源调度等机制，满足不同业务需求，最大化释放算力价值。 本文系统性地提出并论证了 “超节点将成为 AI 时代的核心计算单元” 这一重要观点，清晰地呈 现了超节点的基础定义与特征，包括技术层面的基础特征和扩展特征，以及系统层面的大规模、高 需考虑器件、网络、系统等层面的可靠特性，以化解系统故障风险。在此基础上，针对单用户专属、 多任务并行等差异化场景，超节点还需通过精细化资源调度、性能隔离与数据安全机制实现全场景 适配，在满足复杂业务需求的同时最大化释放算力价值。 4.2 系统特征 图 4.1 超节点集群组网架构（以昇腾 384 超节点为例） 为了更好地发挥超节点能力，超节点系统应具备以下特征： 超节点发展报告 17 Scale Up 组 与哈希不均导致的网络拥塞问题，超节点可通过包级负载均衡、乱序控制等技术动态平衡流量以提 升域内带宽利用率，有效规避阻塞，充分释放通信性能潜力，为大规模并行计算提供高效算力聚合 支撑。 伴随强化学习及 AI Agent 等训练技术的发展，训推一体的集群规模和节点间的流量持续提升， 需要更大规模的超节点，消除卡间的通信瓶颈，并释放算力。 Scale Out 组网：实现集群化扩展，突破单节点算力限制。 面临万亿参数规模的超大型模型训练需求，超节点可通过叠加

措，推动经济成果落地。 2. 数据生成与数据应用双螺旋驱动价值增长 ：数 据生成与数据应用相互交织，形成“双螺旋” 结构，助力人工智能驱动增长。 3. 利用数据传输基础架构，释放算力潜能 ：解决 结构性挑战，实现数据流无缝传输，释放数据 计算基础设施潜力。 4. 移动产业规模增长 ：预计 2025 年至 2030 年间， 移动经济的复合年均增长率将达 9%。2030 年， 以 5G/5G-A 用能够将海量数据转化为实际的生产力和商业创 新，推动社会经济的转型升级。与之同等重要的 是，我们需要重视和培育高质量、多样化的数据。 只有当数据生成与数据应用之间形成双向赋能的通 道，实现良性互动与正向循环，才能真正释放数字 经济的全部潜力，为经济社会的高质量发展注入强 劲动力。 数字基础设施更完善，经济发展水平更高的国家，数 据生成与应用之间的差距更小 ：随着国家经济水平 的提升与数智基础设施的日益完善，数据生成与数 这揭示了高收入国家面临的一个关键制约因素 ：尽 管数据应用与数据生成呈协同发展趋势，但未来的 规模化应用将高度依赖数据处理和存储能力的提 升。如果没有持续对这些底层能力进行投资，将会 严重限制释放下一波数据驱动创新的能力。 35 全球数智化指数（GDII）2025 双螺旋结构的两极分化阶段 在数据生成与数据应用方面，与高收入国家呈现协 同发展的情况不同，中高收入国家之间的差异最为 明显（见图

( 传统投顾仅少部分精力用于客户沟通与服务 ); 服务普惠性难题 ( 人工成本 高昂而人效有限使传统投顾更聚焦高净值客户市场 ) TAMP 的本质是通过技术重构生产关系——将投顾从重复劳动中释放 ，转而聚焦于客户关系维护与信任构建。 图表 9: 顾问在使用 TAMP 平台前后的时间分配情况 图表 10: 投顾使用 TAMP 主要是为了有更多时间服务客户 拥有更多时间满足客户需求 现 7×24 小时不间断服务，客户回访时， AI 能依据预设话术与客户高效沟通，记录关 键信 息并进行初步分析。 l 中期 : 助力前中后台协同，释放人员生产力 • 中期视角， AI 对前中后台业务协同发挥关键赋能作用，全方位释放前中后台人员的生产力。 例如通过智能风控、内容生成等工具，提升中后台运营效率 ; 部 署大模型能够快速读取和初步分析数据，使客户经理等前台人员从繁 Deepseek 赋能保险科技场景的优先级逻辑与实施建议 : 短期聚焦核心价值链 : 优先落地核保、理赔、营销场景 ，直接提升业务效率与客户体验 ; 中期深化运营优化 : 通过 RPA 、智能客服释放中后台产能 ，支持规模化扩张 ; 长期构建生态壁垒 : 布局风险预防体系、数据共享带来跨界产品从而形成差异化竞争力 图表 38: 长期来看保险公司应将 AI 技术与其业务生态进行深度整合，实现数据闭环构建与技术