免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI：大模型掘金金融行业数据富矿 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com 金融行业坐拥数据富矿，有望成为 AI 大模型率先落地的垂直领域之一 近期，多家金融机构、金融服务机构发布其 AI 大模型：彭博发布支持金融 领域的自然语言处理（NLP）任务的 BloombergGPT，中国农业银行推出类 ChatGPT 的大模型应用 ChatABC，中国工商银行发布了基于昇腾 AI 的金 融行业通用模型。我们认为垂直行业的高价值量数据对于 AI 大模型的训练 和垂直领域应用至关重要，金 和垂直领域应用至关重要，金融行业数字化程度领先，拥有数据富矿，有望 成为 AI 大模型率先落地的垂直领域之一。应用端，我们看到生成式和理解 式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有 潜在落地场景，帮助金融机构降本增效。 银行：大模型助力数据洞察能力提升，赋能高质量顾问式金融服务 在银行领域，理解式大模型可以用在信贷风险管理、智能获客和产品识别等 场景，通过提升银行的数据洞察理解能力，来更好地识别客户需求以及评估

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型+医疗:从问诊到新药开发 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com 也已经催生了 Nuance、IBM Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看 到 AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时 问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一 方面，目前尚未看到面向医疗影像的新 AI 大模型服务，大模型在医疗影像 领域主要作用是降本。国内关注讯飞医疗、云知声、晶泰、数坤等企业发展。 AI+医疗中最经典的应用场景之一。2021 年被微软以 197 亿 美金收购的 Nuance 和国内的科大讯飞、云知声等是主要企业。生成式 AI 的出现，使病例的录入过程从过去医生问诊后口述总结，向基于大模型的自 动实时问诊记录生成演进。今年 3 月，微软旗下的 Nuance 已经推出基于 GPT-4 的临床笔记软件 DAX Express，可以在几秒钟内生成准确的临床记 录，以及整合进微软 Teams

医疗" 的专题文章“AI for 医疗: AI大模型在药物 靶点识别中的应用”中，我们整体描述了药物研发的流程，并介绍了AI 大模型在药物研发的第一步: 靶点识别中的应用。这篇文章，我们将 延续这一路线，介绍AI在药物研发的第二步: 先导化合物发现中的应 用。 图1：药物研发生产流程，图片引自[1] 传统方法在先导化合物发现中的局限性 在AI大模型时代到来之前，先导化合物的发现以实验方法及计算机辅助药物 计算资源和时间很难避免。曾有研究统计过，若想要对100亿个小分子进行令人 满意的筛选，则需要长达3000年的时间。简而言之，利用CADD进行高精度的 药物虚拟筛选，所需的时间同样是难以接受的。 AI大模型辅助药物虚拟筛选 基于AI的算法，包括监督学习，无监督学习，自监督学习，强化学习以及基 于规则的算法，可能有助于解决传统方法中存在的问题。 AI方法通常基于对数据特征的学习。具体来说，就是从大量的已知药物化合 支撑高精度的AI模型，数量还是远远不够的。如常用的药物亲和力数据集 PDBbind，其包含的蛋白-复合物条目仅仅24万左右。这使得数据很难覆盖全部 的化合物空间。而大规模的虚拟筛选数据集DUD-E，虽然包含超过100万个蛋 白-复合物条目，但也因为数据自身的质量而饱受诟病。 随着transformer模型的出现，人们注意到了利用无标签数据对模型进行预 训练可以提高模型的性能，正如目前风头正热的GPT，GPT利用了大量无标签文

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

AI 为主角 、人为助手的协作模式 微众银行： 黄叶飞 02 大模型在研发效能上的初步探索 05 Multi-Agents 实现研发流程提效 03 大模型辅助研发遇到的困难 04 Agent 离不开的 RAG 让 AI 成为主角的人机交互方式 研发流程面临的主要问题 目 录 复杂 内部研发效率主要体现在其复杂性上： 人员 、产品 、监管事情应接不暇。 研发流程面临的主要问题？ 不同岗位工作内容的复杂性占用不少研发成本 大模型在研发效能上的初步探索 o o o 版本发布 接口测试 性能测试 Bugs 设计稿 线上运维 系统监控 测试环境 交互稿 产品文档 功能测试 测试 运维 产品 架构文档 接口文档 联调 单测 初试 在 ChatGPT 出来后， 大模型似乎能辅助研发效能的提升。 大模型在研发效能上的初步探 索 大模型在研发效能上的初步探索 ，在开发过程中便于模型能理解 公司内部的基本组件并知道如何使用； 同时将公共组件调用生成问答对更进 准的让模型理解 代码解释及关联代码 首先把所有代码把无注释的代码先生成一份代码注释 、然后将代码注释及代 码用于做微调 大模型在研发效能上的初步探索 o o o 单元测试案例及代码 提取代码中的单元测试案例 、以及单元测试的代码， 更精准的做代码微 调 微调模型的试验之路是否可行

2023年是中国医疗大模型发展的元年，各种医疗大模型已广泛应用于临床辅助决策、 医学研究、健康管理等多个场景。未来，医疗大模型有望实现多模态AI与医疗实践全 流程的深入链接，应用于医疗教育和临床培训，提高药物研发和药物反应监测等方面 的能力。但在实际应用中，医疗大模型仍面临一些挑战，如准确度、透明度和可解释 性等问题，以及对数据隐私和安全问题的担忧。本文主要探讨医疗大模型在医疗领域 的应用及其面临的挑战。 的应用及其面临的挑战。 大模型技术在医疗领域的应用 （一）医疗大模型的逻辑框架 医疗大模型一般指在医疗健康领域应用的大规模预训练语言模型（LLM），其训练数 据集包含大规模的医疗科研文献、电子病历、医学图像等，参数量通常在百万级到亿 级，远超过普通深度学习模型，因而能够获取更强的特征提取和学习能力等。 医疗大模型的典型运作逻辑主要包含三个层面： 从数据层看，大模型可构建医疗数据集，收集包括电子病历、文献报告、医学知识图 构建规 模化的医疗语料库。 从模型层看，可使用Transformer、BERT等框架，输入大规模医疗语料，通过Masked LM、Next Sentence Prediction等方式进行无监督预训练。 从应用层看，预训练模型微调，结合医学知识图谱、规则库等知识源增强医学专业 性，使用知识蒸馏、参数剪枝等技术压缩模型并在真实临床环境中评估、调优。经验 证的模型可部署到医疗信息系统、移动设备等，提供智能服务。

某某银行大模型客服助手解决方案 01 客服领域场景概述 02 大模型技术概述 03 大模型在客服领域的应用场景 04 某某银行的大模型客服助手实践 05 未来的发展方向 目录 CONTENTS 客户服务 通过电话、手机 APP 等渠道接入 , 为客户提供业务咨询、业务办 理、产品营销等银行服务 ，以语 音服务、文本服务、视频服务为 02 大模型技术概述 03 大模型在客服领域的应用场景 04 某某银行的大模型客服助手实践 05 未来的发展方向 目录 CONTENTS 大模型的基本概念 本报告的大模型特指类似 ChatGPT 的大型语言 模 型（ Large Language Models ， LLM ） ，是 一种由包含百亿以上参数的深度神经网络构建的 自然语言模型。 简单来说 ，大模型就像是一个拥有巨大知识库的 02 、大模型技术概 述 对话式交互会成为下一个具有超级增长点的交互方式 随着技术的发展 ，人机交互正不可逆转地向人更习惯的方式靠近。可以预见的是 ，接下来是强人工智能时代 ，过去成百上 千个 App 会逐渐演化成未来的成百上千个 Chatbot 。就像 Android 和 iOS 系统为手机赋能一样 ， Chatbot 将会逐渐成为 新的操作系统 ，逐渐为各行业赋能。 02 、大模型技术概

�����0 ��� 大模型赋能智慧城市建设的路径与策略研究 魏天呈 郭真 杨云龙 (中国联合网络通信有限公司智能城市研究院,北京 100080) 摘要:近年来,人工智能技术特别是大模型(Large Language Models, LLMs)的突破性进展,正深刻重塑 全球产业格局和社会治理模式。 作为新一轮科技革命和产业变革的核心驱动力,大模型凭借其强大的 通用理解、生成、推理和交互能力 通用理解、生成、推理和交互能力,为智慧城市构建开辟了全新路径。 通过解析大模型与智慧城市的深 度融合机制,重点探讨大模型对城市治理体系现代化、公共服务智能化、产业经济高效化的赋能作用,分 析其关键驱动因素如算法创新、算力支撑、数据要素流通及政策环境,旨在为城市管理者和政策制定者 提供前瞻性参考和实践指引。 关键词:大模型;智慧城市;数据要素;城市治理 中图分类号:F49;F299. 2;TP18 引用格式:魏天呈, 郭真, 杨云龙 . 大模型赋能智慧城市建设的路径与策略研究[J]. 信息通信技术与 政策, 2025,51(8):91-96. DOI:10. 12267/ j. issn. 2096-5931. 2025. 08. 013 0 引言 在《国务院关于印发新一代人工智能发展规划的 通知》进一步明确将大模型列为重点发展方向后,大模 型在城市治理、产业升级、民生服务等领域的创新应用

项目编号： 可信数据空间 AI 大模型服务平台 建 设 方 案 目录 一、项目概述.............................................................................5 1.1 项目背景 ............................................................... ................41 五、AI 模型部署与管理............................................................44 5.1 大模型选择与部署.........................................................44 5.2 模型训练与优化.................... .........................................46 5.3 模型生命周期管理.........................................................49 六、可信管控与安全保障.........................................................51 6.1 可信计算与认证

苏文星，硕士，发表论文 4 篇。 人工智能大模型在医疗领域的应用现状与前景展望 郑琰莉 （天津泰达普华医院 天津 300203） 李舒玉 （先进操作系统创新中心 (天津) 有限公司 天津 300450） 苏文星 （1 中国科学院大学 应急管理科学与工程学院 北京 100049， 2 先进操作系统创新中心 (天津) 有限公司 天津 300450） [摘要] 目的/意义 梳理分析人工智能大模型在医疗领域的研究现状，旨在为人工智能大模型在 为人工智能大模型在 该领域的研究提供新思路。方法/过程 在相关文献分析基础上，梳理人工智能大模型在智慧医疗、 医疗元宇宙、医学研究等领域的应用场景及具体实例。结果/结论 虽然人工智能大模型目前面临 一定风险与挑战，但其在医疗领域仍具有广阔的发展空间。 [关键词] 人工智能大模型；智慧医疗；医疗元宇宙；医学研发 Application Status and Prospect of Artificial 等人工智能大模型 （下称“大模型”）的出现，也给该领域带来了前所未有的技术突破[1]。大模型又被称 为预训练模型、基础模型（Foundation models），它可以集中各种模态的数据信息，然 后基于海量数据、超大规模参数进行预训练（Pre-training）并通过微调（Fine-tuning） 以适配不同领域任务需要[2]。在医疗领域，医疗数据本身就具有多模态的特性，大模型 将进一步