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 电子 AI 大模型需要什么样的硬件？ 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc 生成 能力。部分最前沿的闭源大模型，例如 GPT-4o、谷歌 Gemini，支持的模态更加多元，能 够理解文本、图像、音频、视频（帧），并生成文本、图像、音频。2022 年 9 月，红杉资 本预计还需要近十年的时间，大模型才能实现实习生级别的代码生成、好莱坞质量的视频 和区别于机械声的人类质量语音，但是实际进展远超当时预期，Sora 已经能够生成 60s 的 高质量视频，GPT-4o 和谷歌 Gemini 是指大模型赋能的，具备规划、记忆、工具、行 动能力的智能体。我们认为 Chatbot 的演进方向是智能化和自动化程度逐渐提升，需要人 类参与的程度逐渐下降，逐渐过渡到人与 AI 协作的 Copilot，最终形态是 AI Agent，Agent 只需要人类的起始指令和结果的反馈，具有自主记忆、推理、规划和执行的全自动能力， 执行任务的过程中并不需要人的介入。 从 Chatbot 向 AI Agent 的演进过程中，手机应用生态或将发生改变。我们认为手机或是

（ Natural Language Generation, NLG ）两大部分。 - 属于认知智能 - 计算智能（能存会算） - 感知智能（能听会说，能看会认） - 认知智能（能理解会思考，需要抽象和推理能力） 总览 ChatGPT 业财融合 数字化转型 1 2 3 6 REA 模 型 WEB3.0 技术 ChatGPT 技 术 4 5 6 基于新技术结合的业财融合案例分享 目标和形象，价值观是企业行为和决 策的基本准则。在数字化转型过程中，企业需要以其使命、愿景和价值观为基础，确保转 型方向与企业发展战略相一致。 组织结构、人才和绩效管理是实现数字化转型的基础要素。组织结构需要适应数字化 转型的需求，优化业务流程和决策机制，提高效率和灵活性。人才是数字化转型的关 键推动力，企业需要培养具备数字化技能和素质的员工队伍。绩效管理则可以激励员 工积极参与数字化转型，为企业创造价值。 业务流程优化、数据驱动的决策、客户体验和服务创新是数字化转型的具体实践。企 业需要运用数字技术优化业务流程，提高运营效率和客户满意度。通过数据分析支持 决策制定，实现精细化管理。客户体验和服务创新是企业在数字化转型中赢得竞争优 势的关键，企业需不断创新产品和服务，满足客户需求。 在进行数字化转型的过程中，企业需要关注可能面临的风险和挑战，如技术风险、法律法规合规问题、组织变革阻 力和数据安

物体的运动状态。此时经典力学中的 F  ma 这个公式已经无法使用， 需要用薛定谔方程   H t i     来计算物体的波函数  。其实基于量 子力学的技术和产品早已被我们使用，比如电脑和手机中的半导体， 其中的原理就用到了量子力学能带理论。 1.1.2 量子态及其演化 上面说到了微观世界粒子的运动规律需要用量子力学所描述。而 在量子力学中，一个粒子的状态，也就是量子态，用波函数描述。在 更多关于量子通信内容可以参考书籍[4]和文献[6]。 （1）量子密钥分发 保密通信的思想是发送方先将信息加密成密文，然后将密文通过 信道发送给接收方，接收方再用密钥解密。由于密文是被加密过的信 息，即使窃听者将密文截获，也需要正确的密钥才可以得到准确的信 息内容，否则就难以获取信息。所以只要通信双方事先可以共享绝对 安全的密钥，那么就可以确保信息的传送是绝对安全的。经典通信中 的加密是基于数学计算复杂度来实现的。一些好的加密算法通常是经 典计算机无法在多项式时间内有效求解的，那么这类算法被认为是暂 时安全的。由于经典通信的信息安全是基于数学计算复杂度的，其算 法无法保证绝对的安全，所以有时候就会出现算法被破解造成信息不 安全而需要更换新的加密算法的情况。如果拥有新的高效破解算法或 者绝对计算优势的计算机，那么经典的信息安全就会受到严重威胁。 相比于经典保密通信，量子通信是利用物理原理的绝对安全性来实现 通信的绝对安全。

为成熟，但是当SQL语句较为复杂，尤其是嵌套层数较多 时，可能会出现“幻觉”问题，导致SQL生成错误或者无法执行。此外，一些场景下AI生成的SQL可 能仅满足正确性，而无法保证执行计划的最优性，需要结合专业知识进行调优。 RAG召回率不足：在构建数据库运维AI Agent时，单纯的向量嵌入可能导致召回率低以及召回信 息出现波动等问题，可以引入知识图谱或GraphRAG技术，提供多路召回方式提升召回准确率和 乏高质 量运维数据。此外，数据库可观测性数据不够全面、清晰，可能因为输入数据的粗粒度和不精确而 产生较高的错误率或“幻觉”现象。 人机对齐问题：随着AI技术广泛应用，人机对齐问题会越来越突出，需要确保AI输出结果符合人 类的伦理要求，与人类价值观相符。 构建高质量AI知识库：将积累的运维经验/知识进行数字化，持续完善数据库技术文档，此外，搜 集运维相关的内部与外部案例，打造案例知识库， 配层或中间件来解决。业务流程冲突也是常见问题，需要对现有业务流程进行优化和调整，确保 应急处理流程与正常业务流程的协同。 �.� 数据安全、合规挑战 随着数据泄露和隐私问题的增加，数据库安全和合规性成为企业关注的重点。在自动化建设中， 需采取包括加密、访问控制和审计在内的安全措施，保护数据的机密性和完整性。此外，数据安全 和权限管理也是需要重点关注的问题，要建立统一的数据安全管理体系，明确不同系统和人员的

场景，并探讨了服务生成算力网络的挑战机遇和发展趋势，旨在为服 务生成算力网络研究创新、技术发展和应用落地提供参考。然而，服 务生成算力网络的实现是个长远目标，相关理念和技术仍在研究发展 中，本白皮书还存在需要不断完善的地方，真诚地期盼读者批评指正。 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 III 来了新的挑战。 场景需求多样化：算力网络既要将异构泛在的算力资源进行融合 纳管，也要考虑不同行业、不同领域、不同场景、不同企业对算力的 差异化需求。为此，算力网络不仅需要加强自身可用性、敏捷性等能 力的建设，还需要改变传统的服务范式，按需按量为客户提供计算、 应用、调优、运营、运维等一站式服务。 规模复杂度增高：算力网络规模和复杂度的日益增加，势必会引 入大规模系统的规划、管控、调整、运维、优化等问题，当前“人在 面难以为继， 亟需自动化、智能化的管控机制实现对算网的规划设计、建设部署、 维护运营、优化调整、运维管理等全生命流程管理。 以用户体验为主：算力网络的目标是为用户提供极致的服务体验， 而这需要其具备高度的自动化、智能化水平，能够根据用户意图自动 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 4 化地提供最优资源服务，然而现有算力网络的系统架构、流程机制、 使能技术、服务模式等无法支撑上述目标的实现。

当前市场上，智能体开发的主要痛点包括： - 技术栈复杂：智 能体开发涉及机器学习、自然语言处理、物联网等多个技术领域， 开发者需要具备跨学科知识。 - 可扩展性差：现有解决方案往往针 对特定场景设计，难以适应不同业务需求的变化。 - 维护成本高： 智能体系统在部署后需要持续优化和更新，缺乏统一的开发框架会 增加维护难度。 基于上述背景，DeepSeek 智能体开发通用方案通过整合先进 智能体开发之前，首先需要明确项目的核心 需求和目标。需求分析是确保智能体开发符合实际业务场景的关键 步骤。通过与相关利益方的深入沟通，明确智能体的功能范围、性 能要求、用户体验目标以及技术限制。具体而言，需求分析应从以 下几个方面展开： 首先，功能性需求是智能体开发的基础。需要明确智能体的核 心功能模块，例如自然语言处理、对话管理、数据检索、决策支持 等。每个功能模块都需要详细定义其输入、输出、处理逻辑以及与 系统应具备良好的水平扩展能力，以应对用户数量的增长。 此外，用户体验需求是智能体能否成功落地的关键因素。需要 明确用户界面的设计原则、交互方式以及反馈机制。例如，在对话 式智能体中，需确保对话流自然流畅，用户输入的容错性较高，同 时提供清晰的反馈以引导用户完成任务。用户体验的优化不仅依赖 于技术实现，还需要通过用户测试和反馈不断迭代改进。 最后，技术约束和资源限制也是需求分析的重要内容。开发团

以此促进业务提升。 归结起来，这些都是数字化初期阶段的基 建思维。企业数字化转型的本质在于实现价值 增值，但工具、数据等数字基建只是赋能者， 本身并不能帮助企业实现这一点，而是需要和 各项业务工作很好地融合在一起，需要以精细 化的运营管理做支撑，才能最终实现数字化的 价值变现。 当数字经济发展到新的阶段，众多企业基 本完成数字化基建的布局，来到数字化的中局 战场，企业就要更加意识到思维转变的重要性。 通过扎实系统的数字化运营设计，让技术创新 与具体的业务场景融合，从而将技术转化为真 正的数字生产力，驱动企业实现高质量发展。 那么，如何进行体系化的运营管理设计？ 如何提升数字化运营能力？需要掌握哪些新的 思路和方法？ 近期，《哈佛商业评论》中文版走访了来自 保险业、制造业、互联网电商等多个行业的典型 企业，它们是数字化转型的深度参与者和实践 者，在数字化价值变现方面积累了丰富的行业经 性，而且通过不断的压力测试和迭代创新，也 充分优化了数字系统的整体能力。 运营能力欠缺是数字化变现的一大障碍 纵然数字化运营对企业来说如此重要，但 现实情况是，很多企业并不具备扎实完整的数 字化运营能力，需要更多的时间来培养。 在数字化时代环境下，企业的业务模式并 不是过往那种稳态的存在，它会跟着顾客的需 求、市场的要求迭代向前发展，而组织一定是 为业务发展服务的，这实际上对组织的数字化 运营能力提出了明确的要求。

实际的使用过程当中，还需要面对一个选择的问题。两个方面需要考虑：  解释方法的适用范围：在实际场景中，其实我们能希望某一种解释 方法与模型无关，或者说至少适用于实际的我们使用的模型算法。  解释方法的运行效率：在实际场景中，需要根据场景对运行效率的 要求做出适当的选择。对于那种实时服务的响应要求的服务，或者 多长时间之内必须要反馈结果，那么这个时候我们就需要考虑这个 方法的解释方法的一个运行效率。 DataFunTalk 成就百万数据科学家！ 22 卖等严重的犯罪行为。当前工业界与学术界的许多组织推出了基于图像文字等内 容方面的 API 以及解决方案。而本次主题则是介绍基于账号层面上的解决方法， 为什么需要在账号层面对网络黑产的账号进行挖掘呢？ 原因主要有三： ① 恶意账号是网络黑产的源头，在账号层面对网络黑产的账号进行挖掘可以对黑 产的源头进行精准地打击； ② 账号行为对抗门槛高，用户的行为习惯以及关系网络是很难在短期内作出改变 应用场景有 Facebook look like、Google similar audiences。 在黑产场景中与推荐场景中的应用类似，主要分为两个任务场景： ① 找出目标恶意类别用户。比如需要找出散播招嫖信息的用户，则给定该类用户 招嫖的标签，类似于一个用户定性的问题； ② 黑产种子用户扩散，即利用历史的黑产用户进行用户扩散以及用户召回，可以 通过染色扩散以及相似用户检索等方式完成。

高增值服务的结合。此外，所有 的创新都需要采用ROI模型评估回报，AI的突破发展将使得创新更加容易。 • 善用生态圈力量：保险公司需要更加善于利用生态伙伴的力量，技术发展使得险企与科技公司、 另类资本提供方、消费品供应商、零售商、汽车制造商等的深度合作变得容易，充分结合生态 伙伴力量可以更加突显保险的价值。 • 加强网络信息与数据安全：保险公司需要通过提高对网络攻击的认知、分享风险管理专业知识 在AI技术的驱动下，保险行业站在了充满机遇与挑战的十字路口。关键问题接踵而至，这些问题 不仅深刻影响着行业的运营模式，还在决定着未来的发展方向。面对这些问题，进行深入思考， 探讨有效的应对策略。 • 采取必要的精简：保险公司需要简化销售和运营流程，并消除不必要的步骤。险企可通过 Assistants API，将第4代人工智能模型引入服务流程。其在自然语言处理领域具有强大的能 力，可以帮助更快速、更准确地处理大量的文本数据，提高效率并减少人工错误。 保险公司该如何培养和布局AI能力？ …… 类似的问题层出不穷，而线性地回答问题似乎总是无法满足需求，甚至会让答案更加迷茫。在这 种情况下，读者可能会开始质疑自己的常规思维方式是否合理。然而，问题的核心往往隐藏在表 面之下，需要大家进行更深入的思考和探索才能发现。那么，为解决问题应该如何采取行动呢？ 三 洞察问题，探寻本源 面对复杂问题，建议参考《U型思考》方法论，从初始问题出发，洞察其背后的本质，进而精准 地解决问题。

归根结底，它是一场基础性的技术变革，涵盖产业互联 网、芯片、人工智能、云计算、区块链、大数据、密码技术、 虚拟现实、生物工程等各类前沿技术，被称为“寒武纪创新爆 炸”。有人认为这种根本性的转变可能需要25~30年时间，但也 有人认为，转变已经开始。 许多高科技公司正加快Web 3.0布局。“+ Web 3.0”俨然 成为继移动互联网之后又一个风口。“社交+ Web 3.0”“娱乐 + Web 互联网平台上创 建账户，才能获得参与相应线上活动的数字身份，一旦销户则会失 去权限。每创建一次账户，用户都要填写一次个人信息。不同互联 网平台企业建立不同的账户体系，各账户体系规则不尽相同，用户 需要管理诸多账号和密码。不同账户体系间相互独立，容易形成 “孤岛”，不利于互联网生态发展，还会衍生出垄断、不正当竞争 等 问 题 。 近 年 来 ， 联 邦 身 份 管 理 [1] （ Federated 展价值的 登记、流转、清算与结算。分布式账本的出现则提供了一种高度安 全可信的价值传递技术。它以密码学技术为基础，通过分布式共识 机制，完整、不可篡改地记录价值传递（交易）的全过程。其核心 优势是不需要依赖特定中介机构即可实现价值的点对点传递，使互 联网由Web 1.0和Web 2.0的信息互联网向更高阶的安全可信的价值 互联网Web 3.0转变。 在Web 3.0上登记和传递的价值可以是数字货币，也可以是数字