64 76 长期投资 45 42 41 42 43 EBIT 39 47 60 130 262 固定资产 6 5 5 5 5 其他收益 4 2 3 5 5 在建工程 0 0 0 0 0 公允价值变动收益 0 0 0 0 0 无形资产及商誉 45 44 45 45 45 投资收益 1 -2 2 一年内到期的非流动负债 6 6 5 5 5 所得税 2 3 4 8 19 其他流动负债 298 308 373 430 495 净利润 29 31 45 111 233 流动负债合计 679 668 715 777 845 少数股东损益 0 0 0 0 1 长期借款 0 0 0 0 0 归属母公司净利润 投资活动现金流 -12 0 -1 -8 -6 EV/EBITDA 79.47 138.70 168.25 81.25 40.55 筹资活动现金流 -43 -72 -45 -22 -20 P/E(现价&最新股本摊薄) 392.40 359.31 253.92 102.06 48.57 汇率变动影响及其他 0 0 0 0 0 P/B(现价)

26.3 32.5 38.8 45 35.2℃ 35.8℃ 23℃ 34.7℃ 23℃ 34.6℃ 23℃ 23.1℃ 图8 距地板0.2 m处温度分布 图6 智算中心机房流线平面图 图7 智算中心机房流线剖面图 温度（℃） 20 26.3 32.5 38.8 45 温度（℃） 20 26.3 32.5 38.8 45 34.4℃ 温度（℃） 20 20 26.3 32.5 38.8 45 33.5 ℃ 23℃ 30.9℃ 23℃ 33.9℃ 23℃ 23.1℃ 何 健，景 淼，王 颖 智算中心机房气流组织设计及CFD模拟研究 综 合 General 图10 距地板2.0 m处温度分布 温度（℃） 20 26.3 32.5 38.8 45 34.3℃ 34.5℃ 23℃ 33.5℃ 23℃ 34

...................................................................................................45 4. 应用方案设计........................................................................................ 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 18% 6% 67% “ ” “ 通过技术赋能，保险理赔业务正从 被动响应 转向 主动服 ” 务 。本方案将围绕 DeepSeek 大模型在报案受理、资料审核、核 建立标准化智能审核流程，可减少 80%以上的人工复核环节。更关 键的是，模型持续学习机制能动态适应监管政策变化，例如 2024 年车险新规中新增的 12 类免责条款，模型可在两周内完成知识库 更新，而传统系统改造通常需要 45 个工作日。 技术落地层面，方案设计充分考虑了业务场景的复杂性。以下 为关键性能指标与现有方式的对比： 维度 传统模式 DeepSeek 方案 提升幅度 材料初审准确率 78% 95% +17%

1 Alice 基 矢选择 ＋ ＋ × ＋ × × × ＋ ＋ × 光子偏振 H V +45° H +45° -45° -45° H V +45° Bob 测量 基矢 × ＋ ＋ ＋ × ＋ × ＋ × × Bob 测量 结果 45° V V H +45° V -45° H -45° +45° Bob 比特 序列 1 1 1 0 1 1 0 0 0 1 匹配与否 否 是 否 是 子网络和纠缠网络。对于单光子网络，最直接的应用就是基于单光子 的 QKD 协议。如果考虑对单光子网络应用以上分组交换模式，发送 方可以直接将需要传输的单光子作为混合帧的量子负载传输到接收 45 方。对于纠缠网络，应用很广泛，除了基于纠缠的 QKD 协议，还有 分布式量子计算等。如果考虑对纠缠网络运行该分组交换模式，我们 一般考虑的都是端到端纠缠分发阶段。如图 18 所示，可以将纠缠分 secure communication network with decoy-state quantum cryptography, Opt. Express 17, 6540 (2009). [45] S. Wang, W. Chen, Z.-Q. Yin, et al., Field test of wavelength-saving quantum key distribution network

...................................... 45 4.4.1 ަஜ೴࡬ׂࢗ٫຺ᄥէߙಁ ......................................... 45 4.4.2 ٲߙտЊމԅ೴࡬ׂࢗ٫຺ંৃ඘ຂ ......................... 45 4.4.3 හྡྷࢗႺ೴࡬ׂࢗ٫຺׻๠ ................. ٲߙտЊމԅ೴࡬ׂࢗ٫຺ંৃ඘ຂ ࢗႺْྜ๠ক့ԅ٤٫೴࡬ಭι೘सۤדफדމēੜ௲೴࡬ࣿ ၗcׂࢗ೫໿c٫຺फ໸ēٲߙහྡྷڟֳcՎൟٗ໭ԅᆑ௶ᆇၗ೴ ࡬ׂࢗ٫຺ંৃூӦdߙो٤٫೴࡬ׂࢗ٫຺႓ఉூӦd — 45 — ¤ ¤ ¤¤¤¤¤ හྡྷࢗႺ೴࡬ׂࢗ٫຺׻๠ ੋ຿ᆑ௶ᆇၗຂහۤୣ൐ჿ؉Ϧਪහྡྷඔ٢ࣔ௕့cࣔ໻ྜc ࣔϦਪcࣔЊމԅА༸cד๥cིۢԉ٫຺׻๠dੋ຿ಀݖ٤ᄹē ඹڶտ଼൛෗ࠩ

转型， 部分集群未来将迈向高度自主化 自主化成熟度 [全球专家组观点] 预警、风险、改进 5 运营采购 8 设置、维修与切换 9 25 50 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 未来状态描述 主要由 人工驱动 主要为 自动化 增强型 人工决策 自主化 质量与生产控制 1 生产制造 2 客户与现场支持 3 6 运输 高度自动化的仓库运营，采用先进的自动导引车（AGV）进行拣选、存储、包装和装载。中央控制中心 管理流程、检测问题并提供行动建议。 • 14 28 19 38 19 38 19 36 20 40 22 45 24 48 24 45 当前 未来五年内 实现自主智能供应链 13 图5 大多数供应链活动将通过AI赋能与自动化的强力结合，逐步迈向完全自主化 完全 决策自主化 监督下的 决策自主化 增强型人工活动 4 行业 0 5 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 自主化 增强型人工决策 主要为自动化 主要由人工驱动 16 27 42 24 46 16 12 20 25 25 12 20 27 18 33 27 27 27 10 19 28 54 44 44 45 10 19 43 43 10 42 17 10

002Cx,Cy 之内； 19、高亮(2000cd/㎡)模式峰值功耗：≤120W/单元，≤570W/㎡ 2 LED 控制系统 输入电源：24V DC 控制像素数量：1920*1080 控制接口：RJ45 标准接口，10/100M 网络接口， 3D 同步输入接口：Mini-DIN 3Pin，3D SYNC 视频输入接口：主备双 HDMI1.4a 接口 序号 设备名称 技术指标及相关要求 1．2D 12、支持走马灯显示，显示滚动字幕，字体大小、颜色、位置和速度 自定义设置； 13、支持云录播和云推送（授权许可）； 14、支持双网/双链路热备份（授权许可）； 15、串口通讯：RS232，凤凰端子； 16、网络接口：2*RJ45，千兆以太网； 17、供电：DC12V，POE 选配； 18、功耗：≤10 瓦； 19、散热：无风扇设计，静态散热； 20、噪音：≤20dB； 2 分布式坐席管理输入节点 1、类型：输入/KVM 有外部触发机 制，可以是定时触发或事件触发。 12、构建的全域分布式音视频处理系统，支持双网备份机制，可以实 现双链路冗余，可以自动侦测并且切换。 13、坐席管理输入节点具有 1 路 RJ-45（支持 POE）和 1 路 SPF 千 兆以太网接口，支持 DHCP、UDP 和 TCP/IP 网络协议。 14、供电：DC12V，POE 选配。 15、功耗：10 瓦。 16、散热：无风扇设计，静态散热。

..........21 图44： 鸟鸟和类 ChatGPT 模型分身对话 ...................................................... 21 图45： 全球 AR/VR 出货量预测 .............................................................. 22 图46： 全球智能家居啊出货量预测 话数据来自公共论坛；12.5% C4 数据；12.5%的代码文档来自与编程相关的网站； 12.5%维基百科；6.25%英文网页文档；6.25%的非英语网络文档，数据集中的单词 总数为 1.56T，而 OpenAI 使用了 45T 数据。未来如何获得高质量的训练集始终是 各家大厂的首要竞争领域。 图8：LaMDA 模型训练数据来源 资料来源：谷歌，国信证券经济研究所整理 请务必阅读正文之后的免责声明及其项下所有内容 小：0.6 亿 基础：2.2 亿 大：7.7 亿 TB-3B：30 亿 T5-11B：110 亿 50G 340 亿 GPT3 2020.6 1750 亿 45TB 1750 亿 ChatGPT 2020.6 1750 亿 >45TB 7740 亿 资料来源：ChatGPT，Google，国信证券经济研究所整理 大模型训练对硬件的挑战：算力、内存和通信 内存方面，大模型训练的内存可以

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% 理赔资料退回率 32% 8% -75% 核心策略 1. 智能问答系统升级 集成 DeepSeek NLP 引擎的对话系统可处理 85%以上标准化咨 询，包括保单查询、条款解读、理赔进度跟踪等高频场景。测试数 据显示，响应速度从人工平均 45 秒缩短至 1.2 秒，准确率提升至 92%（传统 IVR 系统为 68%）。 2. 多模态工单处理 通过 OCR+自然语言理解技术，系统可自动解析客户上传的医 疗票据、事故照片等非结构化数据，与传统人工录入相比： 特征维度 | 计算资源消耗 （GPU 小时） | |———-|—————-|———-|————————–| | Q1 基线 | 120 | 256 | 48 | | Q2 增量 | 45 | 268 | 22 | | Q3 增量 | 52 | 275 | 25 | 对新增数据采用动态加权采样，近期数据权重提升 30%，历 史数据保留比例控制在 60%。 3. A/B