5 电子 回顾 2024 年至今股价表现，受益于 AI 对云计算、软件、广告等业务的拉动，大模型/云服 务板块公司（微软、谷歌、Meta、腾讯、商汤）普涨，其中 Meta 涨幅超过 40%，腾讯涨 幅超过 30%，谷歌涨幅超过 20%。智能硬件中，各品牌竞逐 AI 手机，2023 年底至今，多 款搭载 AI 功能的安卓新机面世，小米年初至今涨幅达到 18.7%，苹果涨 11.6%。自 共赢的商业合作模式 生态治理机制和行业联盟 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2023 2024E （亿部） 0 10 20 30 40 50 60 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 2023 2024E 2025E 2026E 2027E 中国AI手机出货量（亿部） 渗透率（右轴 资料来源：各公司官网及发布会，华泰研究 <华泰研究> 2020-2021 2022-2023 2024 智能驾驶：城市NOA上量元年，利好激光雷达等核心传感器上量 发布FSD Beta测试版 2023.01 向 北 美约 40万 用 户 推 出 FSD Beta V11版本 2023.03 推送FSD Beta V11.3版 本，统一了高速 /城市 NOA 的视觉堆栈 2023.12 在北美推送FSD Beta V12版本，

024财年公司SaaS收入5.84亿美元，收入占比12.5%。 瑞思迈收入构成（财年，百万美元） 瑞思迈数字管理平台 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 0 500 1,000 1,500 2,000 2,500 3,000 2019 2020 2021 2022 2023 2024 设备 面罩和其他 SaaS SaaS 差<10% 硬件销售+数据订阅服务 Teladoc Health TDOC.N 17 Livongo AI糖尿病管理平台 （实时血糖分析+个性化干预） 结合用户行为数据生成动态建议，用 户依从性提升40% B2B企业健康服务订阅 ResMed RMD.N 343 AirSense 11 智能睡眠呼吸机 （AI动态调节压力+睡眠呼吸事件分析） 每秒自动调整500次压力，减少30% 夜间觉醒 所 HIMS用户数量和客单快速增长 HIMS季度销售收入情况 0% 20% 40% 60% 80% 100% 120% 0 50 100 150 200 250 300 350 400 450 线上销售（百万美元） 批发（百万美元） 线上销售同比（右轴） 0 20 40 60 80 100 120 140 160 0 50 100 150

升关键。 版本 GPT 1 GPT 2 GPT 3 时间 2018 年 6 月 2019 年 2 月 2020 年 5 月 参数量 1.17 亿 15.4 亿 1750 亿 预训练数据量 5GB 40GB 45TB 训练方式 Pre-training+Fine-tuning Pre-training Pre-training 序列长度 512 1024 2048 # of Decoder Layers 2023E 2024E 60% 50% 40% 30% 20% 10% 0% 800 700 600 500 400 300 200 100 0 2018 2019 2020E 2021E 2022E 2023E 2024E 2025E 140% 120% 100% 80% 60% 40% 20% 0% 全球及中国 AI 芯片市场规模不断扩展， 万美元 对应 GPU 价值 2337 万美元 1175.3 万美元 AI 服务器相关 DGX A100 DGX H100 单个服务器对应 GPU 数量 8 8 所需服务器数量 195 台 40 台 请务必阅读正文之后的免责声明及其项下所有内容 AI 大语言模型对于 GPU 算力需求测算（以 GPT-3 为 例） 表：推理阶段算力需求测算过程及结论 资料来源：英伟达官网，国信证券经济研究所整理及预测

TD Cowen, 相 关 企 业 访 谈 15-30 25-40 35-55 3-5 8-11 5-8 5 AI 在制药领域的应用 25-40 将现有分子重新利用于靶点 5-7 -35-40 % -25-30 % -40-50 % -40-50 % -30-40 % -30-50 % 2-3 10-15 5-7 15-20 维护 / 服务 内部 物流 广泛收益 AI 能提高一系列生产关键绩效指标 (KPI) 20-40 % 例如： 基于机器视 觉的安全区域 安全性 & 工作时 长 20-40 % 20-40 % 10-35 % 例如：灵活的 自动化解决方案和 工厂布局 5-20 % 生产灵活性 高达 25 % 收入提升 AI 的生产解决方案收 益 例如：基于视觉的自动化质量控制、手动 工作流程自动化、基于视觉的装配自动化 例如：机器参数优化以提高设备综合 效率 (OEE) 并降低能源消耗 50 % 40 % 30 % 20 % 10 % 例如：搭载 AI 车辆、路线规 划优化 例如：通过机器参数优化减 少废弃物料 7 AI 在制药领域的应用 10-30 %

...................................................................................................40 2.3 智能体功能设计...................................................................................... 保、理赔、客服等核心场景的 AI 解决方案。目标包括三方面：首 先，提升运营效率，将核保流程从平均 48 小时压缩至 2 小时，理 赔自动化率提升至 90%；其次，通过动态用户画像分析，实现产品 推荐精准度提高 40%；最后，利用实时风险监测模型，将欺诈识别 准确率提升至 98%以上。 关键数据指标对比如下： 指标 传统模式 DeepSeek 方案目 标 核保时效 48 小时 2 ≤ 小时 理赔自动化率 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 40%等突破性改进。DeepSeek 的智能体技术可针对性解决 上述系统性问题，具体技术路径将在后续章节详细阐述。 1.1.2 数字化转型需求分析 当前保险行业正面临前所未有的数字化转型压力，传统业务模

0% 2023 2024 2025 2026 2027 2028 40,000 35,000 30,000 25,000 20,000 15,000 10,000 5,000 0 中国 IT 支出（亿元） YoY 2020 2021 46,000 44,000 42,000 40,000 38,000 全球 IT 支出（亿美元） YoY 2020 2021 2022 2023 2024 10% 9% 8% 7% 6% 5% 4% 3% 2% 1% 0% 160 140 120 100 80 60 40 20 0 2023 2024 2008 年， Tesla 架构推出，成为第一代真正开始用于并行运算的 GPU 架构。 • 2010 年， Fermi 架构推出，是第一个支持 DirectX 11 的 GPU 计算架构，采用台积电 40nm 制程。 • 2012 年的 Kepler 架构是 Fermi 的升级版，整体架构保持一致性，采用台积电 28nm 制程。 • 2014 年的 Maxwell 架构通过优化架构，提供了可观的能耗比提升。

...................................................................................................40 3.2.3 高精度预测与决策能力................................................................................. 试点测试。结果显示，DeepSeek 大模型的应用使案件平均处理时 效提升 40%，人力成本降低 35%，同时将客户满意度从 78%提升 至 91%。这一成果表明，大模型技术不仅能够解决传统理赔业务的 痛点，还能为保险公司创造显著的商业价值。 以下为试点项目的关键数据对比： 指标 传统流程 DeepSeek 应用 后 提升幅度 案件处理时效（天） 7.2 4.3 40% 人工干预率 45% 12% 73% 争议案件占比 保险行业理赔业务的现状与挑战 当前保险行业理赔业务普遍面临效率瓶颈与服务质量的双重挑 战。传统理赔流程依赖人工核保、定损及审核，平均处理周期长达 5-7 个工作日，车险案件人工核损环节耗时占比超 40%。根据 2023 年行业白皮书数据，Top20 财险公司理赔纠纷投诉中，67% 源于时效延迟或核损偏差，直接推高运营成本—— 行业理赔管理费 用率中位数达 12.8%，较承保利润率高出 4.3

委员会（PCAOB）将重大错报风险检测窗口期缩短了 30%。 审计行业当前的核心痛点集中在三个维度：首先，数据处理的 低效性导致人工成本居高不下。以财务报表审计为例，审计师平均 需要耗费 40%的工作时间在数据清洗与基础核对上，而抽样检查覆 盖率不足 5%的现象普遍存在，隐藏了重大风险盲区。其次，复杂 交易场景（如跨境并购、金融衍生品）的审计依赖专家经验判断， 但资深审计师资源稀缺，全球四大会计师事务所的专家顾问供需缺 指标维度 行业平均值 监管期望值 差距率 异常交易识别时效 72 小时 ≤24 小时 200% 全量数据分析覆盖率 12% ≥90% 650% 审计调整事项回溯准确 率 68% ≥95% 40% 为突破这些限制，领先机构已开始探索智能审计路径。德勤 2024 年技术展望显示，采用机器学习模型的审计项目将关键风险 识别速度提升 3 倍，但模型可解释性不足导致 35%的审计结论难以 通过监管复核。这揭示出当前 的潜力。以应收账款审计为例，智能体可实现： - 自动匹配销售订 单、出库单与收款记录的三单一致性校验 - 动态计算账龄分析并可 视化逾期风险分布 - 智能抽样替代随机抽样，使高风险样本覆盖率 提升 40% - 自动生成符合审计准则的询证函和工作底稿 通过流程图的业务逻辑建模可以清晰展现智能体的工作机理： 这种技术路径不仅解决了审计作业中的效率瓶颈，更重要的是 通过数据驱动的分析方式，将审计重点从事后检查转向事中监控。

2.2 AI 2.3 AI AI 3.1 AI 3.2 AI 3.3 AI AI 27 28 29 30 31 33 35 38 39 40 42 43 45 47 25 AI AI AI AI Generative Artificial Intelligence Transformer terprise/ 2024-11-20 IT AI AI AI AI 9% 10% 13% 20% 21% 25% 27% 28% 31% 51% 0% 20% 40% 60% [1] • • • • • AI AI • AI NLP ERP MES PLM Transformer • AI AI 5%~10% [1] AI AI ABeam LLM Partner System 34 AI • AI • AI ◼ AI [1]. AI _ _ -The Paper 2024-04-21 AI AI 30 40 1300 5.6 [1] 5000 A B D , , ,<5000 1 LLM 2 • • AI AI AI 35 1.4.3 AI AI AI AI AI