DeepSeek 银行部署加速， AI 金融应用迎来跃迁 分析师：闻学臣 执业证书编号： S0740519090007 分析师：王雪晴 执业证书编号： S0740524120003 分析师：苏仪 执业证书编号： S0740520060001 联系人：蒋丹 Email ： jiangdan@zts.com.cn | 证 券 研 究 报 告 | 中 云等。 n 风险提示 ： AI 技术落地不及预期、竞争加剧、信息更新不及时等。 2 n DeepSeek 开源使金融机构能够轻松获得前沿模型能力，且大幅降低部署成本。其通过对训练方式、算法架构和推理方 法的工程化优化大幅降低了部署成本。近期采用大规模 RL 训练方法的阿里 QwQ-32B 等模型也在缩小规模的同时达到 了 DeepSeek R1 671B 的应用效果，有望进一步催生银行落地应用。 80% 以上能 力，就足以压缩闭源的生存空间。 DeepSeek 能力能够比肩 OpenAIo1 ，开源使各行业机构能够轻松获取前沿模型能力， 且可直接进行私有化部署或商业化开发。 开源易获得： DeepSeek 使私有化部署模型也能够追平前沿闭源模型水 平 资料来源： Epoch AI ，中泰证券研究所 6 图表：闭源模型与开源模型的差距正在缩小 资料来源： AI 产品榜，中泰证券研究

乏上级监管 部门对下级监管场所的统一监管指导和信息资源的统筹利用，为进一步提升公安监管场所的 安防管理水平、适应新时期监管工作的要求，根据公安部全国监管工作会议精神，整合各地 方公安机关的具体部署举措，遵循《全国看守所信息化建设规划》、《看守所技术建设规 范》、《跨区域视频联网共享技术规范》、《安全防范视频监控联网系统信息传输、交换、 控制技术要求》等指导文件和技术标准，整合并深化各级监管业务指导部门和监管场所的技 禁控制、在押人员报告、民 警巡视管理等基础性技防系统，实现各技防应用子系统的协同联动和统一管理作为各监管场 所安全保障的警务实战应用平台。 同时，在现有人防、物防、技防的基础上，建立一套“人防部署严密、物防设施完善、 技防手段先进、联防协调统一、应急处置高效、警务管理实战”的集管理、防范、控制于一 体的警务实战应用管理体系，并从运行机制和技术手段上提升公安监管部门应对重大案 （事）件、 总体架构 各省、自治区、直辖市管辖范围内的监管场所普遍存在着监管场所数量众多、分布广、 规模异的特点，要实现公安监管警务实战“大联网”的目标，需要部署的平台众多，为此，我 们提出下级监所平台按照“一县一平台”的总体思路，即监所警务实战应用平台部署在看守所 第 15 页 公安监管场所警务实战联网系统基线解决方案 中心

..........................................................................................86 6. 硬件部署方案................................................................................................. ...................................................................................96 6.2.1 边缘计算节点部署................................................................................................... ......................................................................................161 12.2 分阶段部署路线图................................................................................................

....................................................................................... 10 2.5 多种部署方式 ................................................................................................ ....................................................................................... 13 3.2 组网部署 .................................................................................................. 终端无感知，切换丢包少等显著优点，非常适合于医疗这种对移动漫游的平滑性有较高要求的场景。 1.2 技术方案 1.2.1 零漫游 AP 架构 一台零漫游 AP 支持通过馈线拉远 8 个 AU，部署到多个房间。终端在 AU 间移动时始终关联在同一 台 AP 下，无须切换信道，不发生漫游，因此从根源上解决了漫游切换时间带来的丢包和业务中断问题。 华为园区网络 Wi-Fi 7 零漫游技术白皮书

关键应用系统，如校园一卡通业务系统、 OA 系统、云教学系统等，基于性能的考虑，通常以服 务器(小型机或刀片服务器)和 SAN 存储连接方式为基础， 一个应用系统部署在几台服 务器上 (应用服务器、数据库服务器),通过小型机或多组刀片来实现关键应用的部署。 3 教 务 业 办 公 业 决 策 业 后 勤 业 学 生 业 资 源 链路带宽为百兆接入，千兆骨干。其中，核心交换机为一台 Cisco C6509, 在图书馆、教学楼、实 训楼和 学生公寓均部署了 Cisco C4506 作接入交换机的区域汇聚；校园网出口拥有两条，分别为 200MB 中国电信 和 1000MB 教育科研网，通过千兆防火墙进行安全隔离；全校大部分场所部署了无线信号，实 现了校园无 线网络基本覆盖；服务器区目前拥有各种服务器 19 台，主要服役服务器 13 台，其中 台，其中 12 刀 IBM BCH 刀片服务 器，6 刀物理机运行数字化校园网服务数据库，另外 6 刀部署虚拟化 (Vmware), 共 配置 50 台虚拟机，在 运行的虚拟机有 30 台，高端应用 8CPU/ 每虚拟机，8G 内存/每虚拟机；数据存储 共 74T, 其中采用了 48T 的 HP 存储和 24T 的 IBM 存储，均为 FC SAN。 7 器 WEB服 务

有序推进骨干网扩容，协同推进 千兆光纤网络和5G网络基础设施 建设 《加快发展数字家庭指导意见》 鼓励开展光纤到房间、光纤到桌面建 设，着力提升住宅户内网络质量 《通信业“十四五”规划》 全面部署千兆光纤网络，完善产业园 区、商务楼宇、学校、医疗卫生机构 等重点场所千兆光纤网络覆盖；推广 实施光纤到房间、到桌面、到机器 《云网融合中小城市信息基建建设》 加快建设光传送网络OTN，实现“千城 华为解决方案 • 整体网络由核心（县中心）、汇聚+OLT（中心学校）、接入 （各学校）三级网络组成，实现偏远乡镇100%覆盖，网络层 级清晰，业务可扩展性好； • 以镇中心学校作为汇聚点，汇聚点部署本地办公、监控等系统 &存储IT设施，教学资源集中管理，可管理、可控制的网络， 分支学校“0”运维，末端ONU即插即用、即换即通，运维成 本低； • 村办小学数量多，信息点少，通过分光器实现接入，极大减少 • 网络扁平化，简化网络结构，降低网络的运维难度。设备只在中心机房 和终端信息箱，管理OLT，就管理了所有的ONU； • 简化设计，网络设计工作量减少40%。提升效率，2个月时间内快速完成 网络部署，节省弱电空间20%以上； • 面向未来，光纤到房间，可以灵活调整不同区域功能布局，以及后续新 校园拓展。 ONA绿色全光网络专业委员会 甘肃兰州教育城域网 省份：甘肃 年份：2019年

......................................................................................20 2.3 计算资源与部署需求................................................................................................. 小时 | 15 ≤ 分钟 | -94.2% | | 客户特征维度 | 8 个 | 20+ 个 | +150% | 实施路径将分三个阶段推进： 1. 模型能力对接 - 部署 DeepSeek API 网关 - 构建 CRM 数据预处理管道 - 开发意图识别微 调模块 1. 系统功能增强 o 智能工单自动分类 o 实时对话质量监测 o 预测性客户分级 预测性客户分级 2. 业务场景落地 o 售前咨询智能导购 o 投诉预警主动干预 o 高价值客户识别模型 项目预算控制在现有 CRM 年维护费用的 120%范围内，确保 6 个月内完成生产环境部署。技术团队将重点关注模型冷启动阶段的 准确率优化，通过注入 2000 组历史工单数据进行监督微调，确保 上线初期即达到 85%以上的意图识别基准准确率。最终交付物将包 含完整的 API 对接文档、模型监控看板以及针对销售、客服团队的

、数 据本地化与智能决策的极致需求。与此同时，尽管 AI 技术发展迅速，但 其在边缘侧仍存在部署门槛高、资源协同难、业务适配弱等现实瓶颈。唯 有通过“算 - 网 - 智”深度融合，实现从“连接赋能”到“智能赋能”的 跨越，才能为实体经济注入强劲新动能。 在此背景下，中国移动积极响应国家战略部署，依托自身网络优势与技术 创新能力，提出“5G-A×AI 算网智一体化”解决方案。本白皮书系统阐 融合驱动发展的背景 1 03 04 2.1. 设计理念 2.2. 算网智一体化架构 2 03 5G-AxAI 算网智一体化技术体系 3.1. 赋能边缘智算核心网的算力平台 3.1.1. 轻量化与弹性部署 3.1.2. 跨异构适配 3.1.3. 云边模型与数据协同 3.1.4. 安全与高可靠运行 3.2. 赋能企业专网的边缘智能核心网 3.2.1 异构接入 3.2.2 意图化用网 3.2.3 一网多能 5G-A与AI融合驱动发展 的背景 面向 5G-A 与 AI 融合驱动的算网智一体化解决方案白皮书 5G-A 与 AI 融合驱动发展的背景 在推进 5G-A×AI 算网智一体化的过程中，5G 专网存在部署不灵活、自运维难度高等问题，以及传 统算力平台的负载适配不足与资源协同较差，以上问题均成为亟待突破的关键。 企业专网面临系统性挑战：网络接入“多而不融”，园区内 5G、Wi-Fi、有线等异构网络并存，形成