2023 年 7 月 7 日收盘价 32.37 元， PE 分别为 128/74/44 倍，强烈推荐，维持公司“买入”评级。 风险提示 1）市场份额被竞争对手挤压；2）政策推进不及预期；3）大 模型技术发展不及预期；4）经济下滑导致的系统性风险。 盈利预测与估值 资料来源：Wind，华西证券研究所 [Table_profit] 财务摘要 2021A 2022A 7 日收盘价 32.37 元，PE 分别为 128/74/44 倍，强烈推荐，维持公司“买入”评级。 4.风险提示 1、市场份额被竞争对手挤压； 2、政策推进不及预期； 3、大模型技术发展不及预期； 4、经济下滑导致的系统性风险。 证券研究报告发送给东方财富信息股份有限公司。版权归华西证券所有，请勿转发。 p1 证券研究报告发送给东方财富信息股份有限公司。版权归华西证券所有，请勿转发。

南、 南威软件；2）政务云与一体机产业链：科大讯飞、软通动力、深信服、云从科 技、浪潮信息、麒麟信安、天玑科技等；3）AI+司法：华宇软件、金桥信息等。 ➢ 风险提示： AI 落地进度不及预期；行业竞争加剧；监管政策变化. 重点公司盈利预测、估值与评级 代码 简称 股价 （元） EPS（元） PE（倍） 评级 2024E 2025E 2026E 2024E 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 11 3 风险提示 1）AI 落地进度不及预期。AI 在政务侧的落地，与 AI 技术的发展息息相关，政 务办公涉及大量不同的场景，对于 AI 应用的准确性要求较高，若后续 AI 技术升 级迭代进度不及预期，会减缓 AI 应用在政务场景的落地，进而带来一定的不利影 响。 2）行业竞争加剧。我国政务信息化市场庞大，有大量上市公司、非上市公司参

数据集划分为训练集和测试集，确保模型评估的全面性和可靠性。 接下来，进行模型的基线测试，使用历史数据进行初步验证， 对比模型在相同数据集上的表现与传统算法的差异。通过这一步 骤，可以初步判断模型是否达到预期效果。同时，进行模型的压力 测试，模拟高并发、大数据量等极端情况，检验模型在处理海量数 据时的性能和稳定性。 在验证过程中，还需进行误差分析，识别模型在不同类别数据 上的表现差异，找出潜在的偏差和不足。针对发现的偏差，进行针 能耗管理与绿色计算：采用智能能耗管理系统，监控服务器和 数据中心的电力消耗，优化设备运行状态。引入虚拟化技术和 节能模式，减少不必要的能源浪费，符合绿色计算的发展趋 势。 资源类型 优化措施 预期效果 CPU 动态伸缩、多线程优化 提高计算效率，降低延迟 内存 缓存机制、内存压缩 减少内存占用，提升性能 存储 分布式存储、冷热数据分层 降低存储成本，提升访问速度 网络 负载均衡、CDN 用户操作，记录每次操作的响应时间、成功率和用户满意度，分析 界面设计的优劣并提出改进建议。 在测试过程中，需制定详细的测试用例，覆盖所有功能模块的 典型场景和边界条件。测试用例应包括输入数据、预期输出和实际 输出，并记录测试结果和发现的问题。对于发现的问题，需进行分 类和优先级排序，确保高优先级问题能够及时修复并重新测试。 测试完成后，需编写功能测试报告，详细记录测试过程、测试 结果

能发生的城市治理问题，并向相关管理部门发送预警信息。  建立一个多部门共用的智能平台，该平台不仅能够集成各部门 的数据资源，还能通过 DeepSeek 模型提供的数据分析结 果，支持决策制定。 通过这些措施的实施，本项目预期能够在城市治理的各个关键 领域实现显著的效率提升和成本节约，从而为市民提供更加安全、 便捷和高效的公共服务。 1.3 文章结构概述 本文旨在探讨将 DeepSeek 模型应用于政务城市治理中的可行 模型在实际政务场景中的 部署方案与技术路径。包括数据采集与预处理、模型训练与优化、 系统集成与运维等关键环节。为确保方案的可行性，将提供详细的 技术实施步骤与风险评估，并结合实际数据支持的效率提升预期：  数据采集：通过多源数据融合技术，确保数据的全面性与时效 性。  模型训练：采用分布式计算框架，提升训练效率与模型精度。  系统集成：与现有政务系统无缝对接，降低实施成本与复杂 度。 由政府主导，市民的参与渠道有限，导致治理决策往往忽视了民众 的真实需求。这种缺乏公众参与的模式不仅降低了治理的透明度， 也影响了治理的公正性和效率。 最后，政策执行力度不一，部分地区存在政策执行不到位的情 况，导致政策的预期效果难以实现。例如，一些环保政策由于地方 执行力度不足，未能有效改善环境质量。 综上所述，当前政务城市治理面临的挑战主要集中在信息孤 岛、治理模式落后、技术应用不足、公众参与度低以及政策执行力

2006 2007 15 年的厚积薄 发 数据 交换 平台 共享 库 预期效果 数据整合平台 高 提升体现在： 清晰数据关系 数据可以管理 提高数据的利用率 数据的一致性得到提 低 升 税费评估 报表管理 建设基础平台，整合基本数据 提升体现在： 实现税收与社保费之间 的 基本数据共享与交换 建立整合数据平台 基本消除信息孤岛 系统建设里程碑（一） 15 年的厚积薄 发 提升体现在 ： 预期效果 数据整合平台 高 提升体现在： 提升社保与征管系统之间的 全面数据共享与交换 数据交换与共享部门全面实 施 实现宏观经济数据共享 提供公共数据服务 提供数据的利用率 提高数据质量 数据的一致性得到提 升 整合管理员系统 加入宏观决策支持系统 整合部分地税现有的应 用 系统 15 年的厚积薄 发 低 预期效果 数据整合平台 提升体现在： ODS 覆盖完整的税费应 用 高 数据仓库系统全面应用 完善税费的主题 提升体现在： 提升体现在 ：

............................................................................................4 2.2 预期效益................................................................................................. 基层情况和问题，提出意见和建议。各党委组织通过智慧党建管理服务平台系 统及时掌握基层党员情况，倾听百姓呼声，密切干群关系，让广大党员干部更 好服务人民、服务社会，积极构建和谐社会。 2.2 预期效益  将传统的党员管理信息模式与移动通信网络连接起来，形成高效率、低 成本的移动办公新模式；  进行有效的信息统计和管理；  通过信息化加强广大党员基层干部 教育管理；  提高各级党组织的工作效率和服务

............................................................................................4 2.2 预期效益................................................................................................. 基层情况和问题，提出意见和建议。各党委组织通过智慧党建管理服务平台系 统及时掌握基层党员情况，倾听百姓呼声，密切干群关系，让广大党员干部更 好服务人民、服务社会，积极构建和谐社会。 2.2 预期效益  将传统的党员管理信息模式与移动通信网络连接起来，形成高效率、低 成本的移动办公新模式；  进行有效的信息统计和管理；  通过信息化加强广大党员基层干部 教育管理；  提高各级党组织的工作效率和服务

该数据集包含大 量人 类编写的任务示例 ，例如“请解释相对论的基本概念”及其标准答案 通过这种方式 ， 模型能够理解不同类型的任务并提供符合预期的回答 。 指令 - 响应 （ Instruction - Response ） 数据集用于训练模型理解任务指令并生成符合预期的响应 时效性问题 对知识更新频繁的领域 ，微调后的模型可能很快会过时 ， 需要不断重新训练 在微调完成后 ， 时缺乏统一的规划和标准 ，导致重复建设和资源浪费。例如 ， 一 些地方政府在未充分评估实际需求的情况下 ，投入大量资金引入 DeepSeek 及算力设备 ，但由于技术适配性不足或使用 场景有限， 最终未能实现预期效果 ，造成投入产出比失衡 5.2 DeepSeek 在政务服务应用中的问题 过度依赖技术导致的系统脆弱性与应急能力不足风险：如果政府部门过度依赖 DeepSeek 等人工智能技术 ，可能导致系统在面对 增强交互性 提高准确性 8.1.5 AI GC 大模型的提示 词 使用提示词需要注意一些技巧 ， 这样可以从大模型获得更加符合我们预期要求的结 果 使用肯定性指令 分解复杂任务 自然语言回答 简洁明确 考虑受众 遵守规则 明确角色 示例驱动 通用模型 n 需显式引导推理步骤（如通过“思 维链” 提示）

行前瞻性预测及分析，为集团各层次用户提供统一的决策分析支持，提升数据共享与流转能力 采购管理系统 查看职能部门的 业务经营情况 查看职能部门的 业务经营情况 Page 9 大数据分析平台建设预期收益 2. 加强业务协作 实现分散在供应链金融、人人贷、保理等各个业务系统中的数据在数据平台中的集 中和整合，建立单一的产品、客户等数据的企业级视图，有效促进业务的集成和协 作，并为企业级分析、交叉销售提供基础 控体系 应 技 管 一期 2013.10 当前位置 未来 持续优化提升阶段 第一阶段 第二阶段 第三阶段 Page 43 大数据分析平台演进说明——基础数据平台 阶段划分 建设内容 预期效果 第一阶段 搭建数据交换平台，部署 NAS 存储集群，设计并实施数据库交换 组件和数据区交换组件 搭建基础计算平台，设计并实施贴源数据区，以 T+1 频率整合集 团和金融业务数据 为封装、销售数据类产品提供了平 台 基础计算平台持续增强和优化 引入更多的数据源 优化模型和 数据平台纳入尽可能多的企业内外 Page 44 大数据分析平台演进说明——数据管控 阶段划分 建设内容 预期效果 第一阶段 分析和梳理当前数据管理方面的成果和现状，数据管控蓝图和路线图设计， 数据管控工作的组织、技术和流程高阶设计 梳理智慧税务大数据大数据平台 ETL 流程各环节的数据质量要求，指定数

用户友好性：系统需具备易于使用的界面和操作流程，以便于 不同层级的政务工作人员和公众用户进行高效的交互。 3. 技术可实施性：评估和选择合适的技术框架和大模型，提供可 行的技术路线图，确保系统性能达到预期。 4. 持续优化：建立反馈机制，根据实际应用情况不断迭代与优化 模型，提升服务质量与响应速度。 通过以上策略的落实，政务 AI 法制员大模型的建设将在改善 政务效率、提升服务质量的同时，为法律服务与政务透明化的发展 的是去除重复、 错误及不相关的记录。清洗过程中应关注以下几点： 1. 删除重复数据：通过唯一标识符或特定规则识别和去除数据集 中重复的记录。 2. 修正错误数据：应用验证规则检查并纠正不符合预期的数据， 例如格式错误或逻辑不一致。 3. 去除缺失值：分析缺失值的分布情况，视情况选择删除缺失值 较多的记录或用合适的补全策略进行填充。 4. 标准化数据格式：确保所有数据在格式上保持一致，例如日期 必须确保所生成文本符合法律规范和专业要求。 5. 交互功能：检查模型的用户交互逻辑，确保其能流畅、自然地 与用户进行对话，并有效识别用户意图。 针对以上功能，我们制定了具体的测试计划，内容如下： 测试项目 测试内容 测试方法 预期结果 文本理解能力 法律法规条款解析 用例测试、对比分析 正确理解率 > 90% 信息检索能力 知识库检索响应时间 性能测试、压力测试 平均响应时间 < 2s 问答功能 对常见法律问题的回答