管理，患者的依从性得到大幅提高。  大模型下的数据平台智能化 在医疗健康行业迅猛发展的当下，单纯依靠医疗数据平台的升级已很难应对医院对于智 能化的需求。为此，医渡科技推出大模型 AI 中台解决方案，赋能医疗机构与监管机构 掌握安全可靠且专业定制的大模型，帮助医生自主模型训练和创建应用。 基于医渡科技搭建的一套完整的零代码工具链，一线工作者可以通过更简单的方式对训 练的能力、推理能力、模型优化的能力等进行调用。 局 AI，试图通过 创新技术找到研发药物的新途径。 为确保 AI 能在安全可控的前提下发挥作用，监管方面也在不断跟进，2024 年 8 月，美 国食品药品监督管理局特别成立了一个 AI 协调中心，全面管理和领导其在 AI 领域的相 关工作。预计 FDA 将在未来继续加强对 AI 技术的监管和整合力度，推动 AI 技术在药物 研发领域的健康发展。 多方利好背后，今年的制药 AI 企业仍然面临不少挑战。 的临床招募中计划收入同时出现高血压和蛋白尿的亚型，以便在这类 患者身上看到更明显的药物成效。 最终，埃格林医药有效提高了入组患者选择效率，减少了试验中的不确定性，并使新药 更具个性化特征。缩减入组人数的方案也获得了监管机构的认可。 晶泰科技则是通过产品多元化策略分散风险。其智能自动化解决方案，该业务分为“固 态研发”与“自动化研发试验室”两个部分，在近期 3 年内保持着强劲涨势。 传统固态研发方法无法根据过

动收入增长。 银行面临着独特的挑战 对许多银行而言，建立一个足够强大的风险管理环境，为 人工智能在更多领域的部署提供支持，特别是在信贷决策 或合规监控等受到高度监管的领域，仍面临着诸多的难 题。对数据治理、运营完整性和监管审查的担忧，使得进 展不顺。与此同时，技术的快速进步，再加上专有人工智 能平台与开源人工智能平台的不断竞争，使局面变得更为 复杂，银行也因此难以明晰应从何处着手加大投入。 30% 道德风险 28% 数据孤岛 27% 各部门之间缺乏沟通和协调 26% 预算限制或投资不足 24% 缺乏领导层的支持和理解 23% 员工抵制变革及不愿使用人工智能工具 23% 法律/监管限制 23% 数据质量较差 22% 缺乏与领导层的沟通和共识 22% 时间和资源限制 22% 数据格式不一致 21% 贵行在应用人工智能时面临哪些挑战？（最多选5项），n=183 资料来 信任风险，这意味着必须从一开始就实施 主动风险管理。银行必须应对数据隐私和 安全方面的挑战，以确保遵守金融法规， 同时保护敏感客户信息。消除算法偏见并 使用透明且可解释的人工智能技术，且这 些技术能够让监管机构、客户以及公司内 部人员充分信任，这对企业而言至关重 要。 为人工智能应用打造可持续的技术和 数据基础设施 数据是一项重要的战略资产，也是所有人 工智能举措的基础。银行应建立强大的数

人工智能（AI）策略所需以应对风险 风险规避与业务连续性 – 与人工智能努力的快速加速 利用机会之窗 OpenAI 发布 ChatGPT OpenAI 发布 生成式人工智能 GPT3 基底 情景 监管或成本阻碍 进一步 人工智能的进步 亚马逊推出 智能虚拟助手Alexa 该操作完成购物任务。 AI策略作为加速器 效率提升 – 与确保[潜在增长]的可能性相关 差异化与新的价值池 计算机深度 人工智能影响及公司在汽车转型领域中的实例 软件定义的 自动驾驶汽车 替代传动系统 并且可持续性 新服务和 商业模式 数字化运营 并且供应链 主要 挑战 升级软件开发 数字客户体验与网络安全 管理需求不确定性， 基础设施与监管 构建以客户为中心的组织机构 最大化客户终身价值。 提高效率而不 妥协质量与安全 AI解决方案 不同参与者 类型 影响 示例 影响 示例 影响 示例 影响 示例 供应商 端到端开发 平台 NVIDIA 研究与开发项目优先级排序 性能提升 供应链物流 优化与风险缓解 最后一公里交通 优化 智能导航和 停车服务 企业 函数 使用 病例 排放监测 应付账款自动化 目标公司估值： 非约束性报价 自动合规监管 监控 网络安全风险检测 并且缓解 人工智能在汽车领域的机遇 Strategy& 主要用例价值杠杆：效率增长 来源：Strategy&分析。缩写：R&D = 研究与开发，RPA = 机器人流程自动化

领域综合应用夯实多维度数据基础，建立面向用户、面向场 景的大数据知识图谱和综合分析能力的业务要求。 2024 年，中共北京市委金融委员会办公室联合人民银行 北京市分行、国家金融监督管理总局北京监管局、北京证监 局、市科委中关村管委会、市经济和信息化局印发实施了《北 京市推动数字金融高质量发展的意见》 2，提出搭建数据开放 共享机制，通过数字孪生、联合建模、图计算等技术手段， 对数据资源进行价值挖掘和关联分析。 4588 家，中国证券公司共 131 家。 11 合规压力来源于监管环境的变化，新的监管法规和标准 要求金融机构不断更新和完善自身风险管理框架，甚至构建 新的合规体系，例如衍生自金融监管的监督审计和衍生自金 融风险领域的反洗钱。这增加了机构的合规成本，也加大了 金融机构平衡合规性和业务灵活性的难度，以及管理难度。 客户个性化及监管法规和标准的增多，使得数据结构趋 于复杂增大了数据的整合难度。不同机构、系统之间的数据 孪生技术可以模拟环境风险，评估绿色项目的环境影响，确 保投资的可持续性。另外，在合规性方面，通过模拟和预测 业务流程，数字孪生技术能够确保金融机构的业务操作符合 监管要求，减少合规风险。例如，在养老金融领域，养老金 的合规使用和合理的风险管理是重要的监管对象，也是数字 孪生技术的“用武之地”。 2.客户体验与服务个性化 随着消费者对金融服务个性化需求的增加，金融机构可 以通过数字孪生技术来提升客户体验。金融机构能够创建虚

资者请勿将本报告视为投资或其 他决定的唯一信赖依据。有关该方面的具体披露请参照本报告尾部。 本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布的机构或人员，也并非意图发送、发布 给因可得到、使用本报告的行为而使华泰违反或受制于当地法律或监管规则的机构或人员。 本报告版权仅为本公司所有。未经本公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人 (无 本报告由华泰证券股份有限公司制作,在香港由华泰金融控股（香港）有限公司向符合《证券及期货条例》及其附属法 律规定的机构投资者和专业投资者的客户进行分发。华泰金融控股（香港）有限公司受香港证券及期货事务监察委员 会监管，是华泰国际金融控股有限公司的全资子公司，后者为华泰证券股份有限公司的全资子公司。在香港获得本报 告的人员若有任何有关本报告的问题,请与华泰金融控股（香港）有限公司联系。 香港-重要监管披露 • 华泰金融控股（香港）有限公司的雇员或其关联人士没有担任本报告中提及的公司或发行人的高级人员。 • 有关重要的披露信息，请参华泰金融控股（香港）有限公司的网页 https://www.htsc.com.hk/stock_disclosure 其他信息请参见下方 “美国-重要监管披露”。 美国 在美国本报告由华泰证券（美国）有限公司向符合美国监管规定的机构投资者进行发表与分发。华泰证券（美国）有

和智能体集成到日常工作流程中。 这是一个大问题，因为智能体 AI 正在迅速转变个人贡献者的角色。随着具有更高级功能的 AI 智能体对简单 AI 助手进行补充，员工将需要管理可自主完成任务的智能体团队，并学习如何与 对话式监管 AI 智能体合作，从而简化这一流程。 这轮 AI “第三浪潮”带来的是工作流程的大规模变革。 7 事实上，现在有 90% 的受访高管表 示，到 2026 年，其组织的工作流程将通过智能自动化和 年五大趋势：人智共创未来 点燃创新纪元 15 与此同时，AI 监管的分散化也让企业领导者从不同的视角审视企业的某些方面。例如，37% 的受访高管表示 2025 年将更多地在地区层面管理数据战略和治理，而 26% 的受访高管则表 示将采取更全球化的方法。尽管如此，69% 的受访高管预计其组织会因采用 AI 而受到监管罚 款。 19 随着相关法规得到更广泛的确立和采用，高管们预计这种风险将会降低。例如，57% 最大战略优势的位置。 2025 年五大趋势：人智共创未来 点燃创新纪元 16 对战略进行压力测试。 开发专用于监测全球不稳定局势的 AI 模型， 利用预测分析技术，及时掌控动荡地区不断 变化的监管、供应链挑战和劳动力市场动 态。将最关键且最具差异化优势的供应链工 作流与早期预测性生成式 AI 用例进行协同整 合。利用数字孪生和模拟识别潜在的弱点和 瓶颈。 行动方案 在波动中创新。

2023年11月17日，工业和信息化部等四部门发布《关于开展智能网联汽车准入和上路通行试点工作的 通知》，在道路测试与示范应用基础上，开展L3和L4级别智能网联汽车试点工作。  短期内受安全事件舆论影响，政策似乎有从严监管趋势。但从长期来看，有助于行业积累实际运营经验， 从而逐步完善政策法规，划定安全边界与产业规范。 产品准入 遴选具备量产条件的搭载自动驾驶功能 的智能网联汽车产品，开展准入试点 上路通行 对取得准入的智能网联汽车产品在限定 4月16 日 禁用“自动驾 驶”表述，统 一为“辅助驾 驶”；车企对 L2级功能缺陷 承担连带责任。 《关于进一步加 强智能网联汽车 产品准入、召回 及软件在线升级 管理的通知》 （工信部、市场 监管总局） 2025年 2月25 日发布 要求企业健全 安全管理制度， 建立事件监测、 事故报告流程， 确保数据真实 性和完整性。 小米安全事件后补充政策 B 市场分析 版权声 的环境要素（如道路结构、限速、 交通规则等）需高度准确，以支持 FSD系统的环境理解和合规行驶。 数据安全与合规的挑战 敏感性： 自动驾驶数据（包含精 确地理位置、环境图像等）的采集 和使用在中国受到严格监管。 合作影响： 与本土图商的合作是 特斯拉在中国合规运营FSD功能。 如：百度工程师入驻，协助特斯拉 将车道标记、交通信号灯等数据嵌 入FSD V13系统，并实现数据本地 化处理，符合中国《数据安全法》。

和应⽤的重要⽀撑 数据资源 04 医疗信息化⼚家数千家，为⼤模型应⽤提供 良好的⽣态基础 ⽣态资源 05 医疗⾏业⼈均学历⾼，具备开展⼤模型研究 和应⽤的⼈才优势 ⼈才资源 06 医院、企业、监管、患者痛点多，场景丰富， 市场潜⼒巨⼤ 市场前景 DeepSeek创新技术引发新变化 医疗⾏业独特优势 10 DeepSeek虽好，但也不是“六边形战⼠” 在落地过程中，仍需结合⼀定的应 Ds推理思考能⼒以及医保控费压⼒ 医院 • 学习/培训模式发⽣改变 • 医⽣临床决策影响模式发⽣改变 • 科研与学术⽅式和效率 医⽣ • 数据驱动的精细化监管：⽐如药占⽐/集采 vs&药品经济学 • 数据安全和合规重构 • 多元⽀付体系（商业参与度更强） 监管 15 DeepSeek对于医疗体系有那些影响？-患者 • 患者⾏为“消费者化”：医疗信息透明化，患者有更多 主动权→⼤模型成为患者信息来源

政策应当关注三个杠杆点： 整体政府方法——国家战略应针对各个领域（包括STI、工业 、教育、基础设施和贸易）之间的更好协调。此外，AI政策应 超越激励措施，如税收减免，还应包括监管，例如与消费者保 护、数字平台和数据保护相关的监管，以及治理和执法，以引 导技术变革的方向。 重新思考产业政策——加速的数字化和人工智能的兴起呼唤新 的产业政策。随着全球经济中的价值向知识密集型服务转移， 决策者需要考虑他们在支持新技术采用和发展、以及在经济中 、工程、数学以 及AI相关课程来实现。学术界与私营部门之间的合作可以帮助 培养满足特定行业需求的人工智能人才，并推动人工智能的发 展。 人工智能需要一种 全面的政府方法， 包括跨部门的协调 行动、监管和治理 ，以引导技术变革 。 政策焦点 22 23 5 全球inclusive合作 并且公平的人工智能 24 2/7 1/7 0/7 7/7 6/7 5/7 4/7 3/7 。这需要国际间的合作。确保人工智能作为一种公共产品，需要多方利益相关者的合 作，以使其可获取、公平且对每个人都有益，促进包容性创新以应对全球挑战。 人工智能目前主要受跨国科技巨头控制。在没有外部监管的情况下，企业不太可能优先 考虑社会利益而非利润激励。因此，政府也需要在公众利益的基础上影响和引导人工智 能的发展。 图12 国际人工智能治理倡议主要是由G7成员国推动。 国家参与度，从0到7个倡议（方框大小按每个类别中的国家

作。本报告第1章介绍了其中9项技术进步。第2-8章讨论了AI机器⼈的不同⽤例和发展。 可以说，最复杂的领域之⼀是⾃动驾驶⻋辆（AVs），因为AV以每⼩时70英⾥的 速度⾏驶⽽⽆需监督存在很⾼⻛险，导致监管批准进展缓慢是可以理解的。现在这 ⼀情况正在改变。Waymo每周进⾏10万次AV乘⻋。其他试验和批准也正在进⾏中 ，有机会减少死亡⼈数（每年有140万⼈死于⻋祸），增加⽆法驾驶的⼈的出⾏机 会，以及 、中等教育或点播⾳乐。正如我们在去年的AI助⼿报告中讨论的那样，⼈⼯智能可 以为许多⼈带来个⼈助理、教练、⽆限耐⼼的教育导师和健康教练。正如本报告中 所提到的，AI机器⼈也可以为⼈们提供清洁⼯、男仆、司机和照顾者。在适当的成 本、能⼒和监管条件下，对这些服务的需求可能会⾮常⼤。 最近⽣成式⼈⼯智能的进展正指向认知任务或按需创作艺术。许多⼈真正想要的是 在⽇常任务，如清洁⽅⾯获得帮助，以便能够更多地思考、创作艺术和休闲。⼈⼯ 智能机器⼈可以帮助实现这种乌托邦⻆度。 就是阿⻢拉定律。福特的道格·菲尔德指出，全⾯⽆⼈驾驶的⾃主性⽐将⼈类送上⽉球更困难，创造⼀款能够在拥挤的城市环境 中运⾏的L4级⽆⼈出租⻋。考虑到为获得监管批准⽽进⾏的安全测试，进展缓慢并不令⼈意外。 “⽐将⼀个⼈送上⽉球更难，是在密集城市环境中创建⼀个能够运⾏的L4级Robota xi。加⼊安全测试以获得监管批准，因此进展缓慢并不令⼈意外25” 然⽽，许多⼯作正进⾏中。⾼级驾驶辅助系统（ADAS）的渗透率正在提⾼，从紧 急刹