一、Deepseek

产品深度解析

1. Deepseek 是什么？

2. Deepseek可以做什么？

3. Deepseek R1的三大特点

4. 使用Deepseek的五种方式对比

5. R1与OpenAI o1的三大区别

6. R1的四大进化方向

7. 附录：DeepSeek产品家族全梳理

8. Deepseek在国内外产生的连锁效应

(1) 算力价格战

(2) 开源 vs 闭源

(3) 认知误区

(4) 创新&人才&Vision

Deepseek行业未来展望

二、证券行业落地案例分析

1. DeepSeek四大核心差异化能力分析

2. DeepSeek助力各行各业构筑专属AI大脑

3. AI在证券行业的应用实践

4. AI在证券的十大业务应用场景

5. 证券行业AI大模型应用案例

6. 大模型在证券行业落地实例分析

(1) 案例1：XX财富管理数字化营销实践

① 数据中台构建思路

② 数字化营销体系设计

③ 工段时自动执行营销策略

1) 促开户工段

2) 促交易工段

3) 促理财工段

4) 防流失工段

(2) 案例2：XX财富管理数字化能力建设实践

① 数字化能力建设

1) 客户数字化、产品数字化、

2) 渠道数字化、营销数字化、管理数字化、

② 对客渠道侧重：

1) 线上渠道（APP）落地思路

2) 远程渠道（含客服）落地思路

3) 网点渠道落地思路

(3) 案例3：XX可信大模型建设实践

① 自研妙想大模型打造智能金融终端

② 实现能力：AI搜索、AI问答、AI研报总结、

1) AI文档助手、AI资讯摘要、AI债券资讯、

2) AI债券交易助手等七大场景的智能化解决方案。

(4) 案例4：XX零售业务交易风险管理能力建设

① 数字化风险管理发展方向分析

(5) 案例5：XX大模型应用实践

① 中台的建设包括：

② 训练层、开发层、部署层、应用层

③ 单一应用可以缩短25%+的项目建设周期

④ 投顾AI创作平台帮助投资顾问从大量资讯中筛选出有价值的内容，

⑤ 合规智能问答系统则为员工提供了便捷的合规咨询服务。

(6) 案例6：XX大模型业务场景尝试

① 支持财富管理、机构交易、投资银行

② 企业运营等应用场景落地分析

7. Q&A

三、券商工作场景分析及实践

1. 客户服务-投研-风控-运营 等证券行业垂直场景分析

(1) 个性化投资建议生成

① 场景：根据客户的风险偏好、资产规模、投资目标等数据，自动生成定制化资产配置方案。

(2) 智能问答与客户咨询响应

① 场景：处理客户关于交易规则、产品细节、账户操作等高频咨询。

(3) 客户情绪分析与服务优化

① 场景：识别客户投诉或咨询中的情绪波动，提供应对策略。

(4) 自动化研报生成与数据挖掘

① 场景：从海量财报、新闻、行业报告中提取关键信息，生成分析框架。

(5) 产业链分析与趋势预测

① 场景：构建动态产业链图谱，预测技术路径和供应链风险。

(6) 实时市场监控与风险预警

① 场景：监测市场波动对投资组合的影响，及时发出预警。

(7) 智能知识检索与员工赋能

① 场景：员工查询业务流程、合规制度、软件操作指南等内部知识。

(8) 自动化文档处理与合规审核

① 场景：生成会议纪要、格式化公文、检查合同合规性。

(9) 代码辅助开发与测试

① 场景：投行业务中财务数据提取、量化模型开发等编程任务。

② 效能提升：

(10) 舆情监控与风险识别

① 场景：实时扫描新闻、社交平台信息，识别潜在业务风险。

(11) 私募尽调自动化支持

① 场景：调查私募机构的策略、风控体系及历史业绩。

(12) 员工培训与知识库建设

① 场景：新员工快速掌握业务知识，投顾人员更新市场动态。

② 场景演练：基于部分场景，老师现场带领学员实操，梳出业务成果