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)

...................................................................................................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

..........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

可构建端到端的智能辅 助系统：在计划阶段自动生成风险矩阵，基于被审计单位行业特征 （如制造业存货周转率异常阈值设定为±30%）；在执行阶段实现 凭证抽查的智能分层抽样，某试点项目证明可使抽样量减少 45%同 时保持 95%的置信水平；在报告阶段支持自动生成管理层建议书初 稿，包含可操作建议点数量平均提升 3 倍。该技术特别适用于年审 期间的高强度作业，实测显示审计团队在连续工作时长超过 8 小时 17%；第二，分析维度必须覆盖 100+风险指标实时 交叉验证，如下表所示的风险指标覆盖率对比： 指标类型 传统工具覆盖率 行业要求标准 财务异常 68% 95% ≥ 合规性条款 52% 90% ≥ 关联交易 45% 85% ≥ 操作风险 37% 80% ≥ 第三，系统需要支持 7×24 小时持续监控能力，某跨国企业的 实践表明，实时监控可使重大风险发现时效从平均 14 天缩短至 2.8 小时。这些需 算等创新 业务时，标准审计程序覆盖率不足 55%。下表展示了典型新兴业务 领域的传统审计盲区： 业务类型 传统程序覆盖率 主要盲点 加密货币交易 38% 链上交易追溯缺失 跨境云服务收入 45% 服务器地理位置验证困难 ESG 衍生品 29% 碳足迹数据链校验空白 审计资源分配存在结构性低效。约 70%的审计时间消耗在基础 数据核对等低价值工作（Deloitte 2023 年审计效率报告），导致

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

• 通过英特尔® PLL 锁相环技术，可锁单 P 核或者 4 个一 组 E 核作为实时任务，而其他核按需动态调整频率 工业特性 • IBECC 内存 • 处理器基本功率范围为 15W 至 45W，低功耗 SKU 支持 无风扇设计 • 工业级 SKU 支持宽温运行 AI 加速 • 英特尔® 锐炬 X 显卡拥有多达 96 个执行单元 (EU)，便 于视觉识别、测量以及视觉引导等应用中高度并行的 15 02 英特尔 ® 技术方案 第 12 代英特尔® 酷睿™ 移动处理器示意图 第 12 代英特尔® 酷睿™ 移动处理器产品线 第 12 代英特尔® 酷睿™ 处理器（高性能移动版 45W） 处理器 编号 处理器 内核数 P-core 数 E-core 数 线程数 英特尔® 智能 高速 缓存 (L3) 最大睿频频率 (GHz) A 处理器基础频率 (GHz) 高达 4.6 高达 3.5 2.4 (@45W) 1.6 (@35W) 1.8 1.35 是 企业 消费者 英特尔 锐炬® X e 显卡 D 96 2 16 (CPU) 12 (PCH) DDR5- 4800 LPDDR5- 5200 DDR4- 3200 LPDDR4x- 4267 64 GB 45W （基础 功率） 35W （最小 保证 功率）