项目编号： AI 大模型智慧工厂 MDC 项目 设 计 方 案 目 录 1. 项目背景.......................................................................................................6 1.1 智慧工厂的定义与发展.......................... ...............................................7 1.2 AI 大模型的崛起....................................................................................9 1.3 MDC 项目的必要性与目标................................. ........................................................................................60 5.1 AI 大模型技术.....................................................................................63 5.1.1 机器学习算法

过剩的光伏发电 50℃ 大焓差热 能充放单 元 35℃ 跨季节储热水体 50℃ 现状系统 35℃ 冬季 ■ 功能 1 一供热调峰： ■ 利用跨季节储热水体存储非采暖季余热，承担尖峰热负荷，提供约 10MW 供热能力 60000 跨季节储热供热 约 10MW 30000 20000 10000 0 时间 (h) ■ 原系统供热 ■跨季节储热体 + 大焓差机组供热 1121 一边供热一边制冰 ■ 水相变成冰浆，存储在储热体中，用于夏季供冷 60000 50000 40000 30000 20000 10000 0 只 时间 (h) 原系统供热 ■跨季节储热体 + 大焓差机组供热 全采暖季供热量 0.56 万 GJ 方案设计 制冰、同时供热 热负荷 94 1 08 1 221 336 1 350 1 168 1 182 1 112 280 1 42 1 84 1 1401 54 1 81 1 3 196 1 方案设计 ■ 春 季 ■ 消耗过剩的光伏发电制冰，存冰，用于夏季供冷 过剩的光伏发电 大焓差热能 充放单元 冷却塔 消纳原本要弃掉的 光伏发电，制冰 储 电 00:00 10:0012:00 ■ 实时光伏满足刚性负荷用电 ■ 春季制冰 一光伏发电 1600 18:00

夯实半导体电子产业根基 创新基础设施保障研发与生产安全可演进 AI 融入产品，让企业率先入局 用创新开启一个新时代 昂首向前路，共赢新价值 华为，正以技术、经验、生态深耕千行万业 为制造与大企业数智化不断注入新动能 创新基础设施 从线下到线上，让封闭的资源，敏捷 流动，安全可靠 灵活适应每一种需求 赋能零售精益化运营 云 - 网 - 数 - 智 - 安串联全渠道 美好服务从此走向千家万户 从某一行到每一行 因智而兴，因智而强，因智而优 让那些从未想到的可能 变成现实 落地生根 01 华为制造与大企业 全球案例精编 2025 目 录 深耕行业 让智能生根 02 03 华为制造与大企业 全球案例精编 2025 助跑 AI For Car 时代 深耕行业 让智能生根 04 05 华为制造与大企业 全球案例精编 2025 平均 60s 下线一辆新汽车 12000 台设备全联接 44 长安汽车数智工厂以“全制造流程数字化”为目标，广泛 应用 40 余项领先 “黑科技”。工厂的制造效率综合提升 20%、成本降低 20%、能耗降低 19%。 揭秘长安汽车 数智工厂背后的 黑科技 未来已来 07 华为制造与大企业 全球案例精编 2025 深耕行业 让智能生根 06 在全球数字化的浪潮下，新能源汽车进入竞争 更加激烈的下半场，以用户为中心的科技化与 智能化突破逐渐成为了品牌的必争之地。作为 数智化汽车领域的先行者，重庆长安汽车股份

AI+ 金融：大模型引爆金融科技革命 “AI+ 应用”系列（二） 分析师：刘泽晶 SAC NO ： S1120520020002 邮箱： liuzj1@hx168.com.cn 仅供机构投资者使用 证券研究报告 | 行业深度研究报 告 联系人：刘波 邮箱： liubo1@hx168.com.cn 华西计算机团队 2023 年 7 月 28 日 请仔细阅读在本报告尾部的重要法律声明 CAGR 为 18.2% 。 u 金融行业数据、场景丰富，大模型走上金融大舞台 我们认为，金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业细分领域众多，且大量产品最终服务于 C 端用 户， 大模型应用场景丰富。随着大模型与金融业务的融合，创新应用将层出不穷。 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞台 ：根据艾瑞咨询的数据， 2022 年，以银行、保险、证券为主的金融机 Bloomberg GPT 、 Morgan Stanley 、 Lemonade 、苏黎世保险、度小满、瑞穗金融集团等。 u 新一轮金融科技革命，产品 & 商业模式均有望革新 我们认为，随着大模型技术与业务的深度融合，头部金融科技企业有望实现产品和商业模式的革新，实现从产品 + 服务收费向 SaaS 订阅 收 费、运营分润收费的转变。 我们认为，金融科技细分领域众多，各细分领域龙头具备技术、行业

项目编号： 餐饮服务基于 DeepSeek AI 大模型 应 用 方 案 目 录 1. 引言............................................................................................................................................... ...................................................................................9 1.3 DeepSeek 大模型简介................................................................................................ ...................................................................................13 2. DeepSeek 大模型在餐饮服务中的潜在应用.......................................................................................

FINANCE AI 大模型在金融行业的应用前景及 潜在影响分析 ◎姚泽宇 苏杭 作者简介 ：姚泽宇，中国国际金融股份有限公司研究部执行总经理 ；苏杭，中国国际金融股份有限公司研究部分析师。 摘要：当前，金融机构主要将大模型应用于业 务场景简单的非决策类环节。本文从展业流程角度 和业务场景角度系统梳理 AI 大模型在金融行业的 应用现状，并从应用趋势、赋能空间、产业格局三 个方面对大模型在金融行业应用趋势展开探讨，动 态、辩证分析大模型对金融体系的整体影响。本文 认为，监管机构、金融机构及技术服务商等各方可 通过加强合作、明确监管合规要求、完善风控制度 等降低大模型带来的相关风险；同时，针对未来大 模型广泛应用所带来的潜在风险也需提前讨论、积 极防范。 关键词：AI 大模型；金融行业；大数据；金融 风险 中图分类号：F832 文献标识码：A 一、大模型在金融行业的应用现状 大模型的出现给 传统判别式 AI，大模型具有更强的通用泛化能力， 能够处理复杂多样的信息理解、内容生成、多轮对 话等任务，在金融领域具有较大的价值创造空间。 例如，据麦肯锡测算，大模型有望给全球金融行业 带来每年 2500 亿 ~ 4100 亿美元的增量价值，对应 约 9% ~15% 的营业利润增厚空间；据清华经管联 合度小满等发布的《2024 年金融业生成式 AI 应用 报告》，大模型驱动的新商业模式有望为金融业带

技术咨询 2 预训练语言模型 预 训 练 微 调 将模型在大规模无标注数据上进 行自监督训练得到预训练模型 将模型在下游各种自然语言处理任 务上的小规模有标注数据进行微调 得到适配模型 AI大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型 预训练语⾔模型“预训练 + 微调”技术范式 ⼤规模⽆标注 ⽂本数据 模型预训练 不同特定任务 有标注训练数据 Ø Few-shot (Zero-shot)，在少甚至无标注样本的 条件下支持推理（自监督学习）。 产业研究 战略规划 技术咨询 3 大模型发展历程 众多预训练模型相继涌现，OpenAI 以 GPT2、GPT-3、ChatGPT 等系列模型为代表，持续引领大模型时代的浪潮 Ø 2017 年，Google提出Transformer 框架在机器翻译中取得显著进步，其分布式学习和强大编码能力受到广泛关注。 GLM(洁华) 2012 2013 2014 2015 2016 2017 2018 2019 2020 2022 2022 2023 跨模态模型 预训练模型 大模型 计 算 机 视 觉 自 然 语 言 处 理 认 知 感 知 来源：大模型驱动的群体智能行业白皮书 产业研究 战略规划 技术咨询 4 大模型参数规模不断增长，推动 AIGC技术升级。AIGC技术发展的背后是大模型（Foundation