走向智能体：AI应用赋能投研.pdf

走向智能体：AI应用赋能投研

➢本报告聚焦AI在投研领域的应用，全面探讨其对证券研究的变革与赋能。从AI集成工

具和本地部署入手，以Ollama和火山引擎为例，介绍DeepSeek模型本地及云端部署

方法、所需硬件和操作流程。在AI信息检索与知识库方面，分析主流大模型文件处理

能力，阐述CherryStudio本地知识库搭建及多种工具在信息检索、年报总结、新闻主

体识别等场景的应用。通过对比秘塔AI、ChatGPT、Gemini2.0生成英伟达投资价值

报告的案例，展示AI深度研究功能。

➢在AI编程开发板块，评估Cursor、Trae等编程智能体的特性，介绍其在因子分析、

量化选股模型代码生成等方面的应用及网页前端开发等功能。智能体与工作流部分，阐

释智能体和工作流概念、MCP协议及其在跨平台集成等方面的优势与局限，介绍多种

工作流模式及其适用场景，并以扣子、Openmanus为例说明智能体项目搭建。

➢投资建议：关注AI智能体相关产业。

➢风险提示：AI大模型生成结论可能错误，其分析仅供参考，不构成投资决策；AI大模型

迭代和参数设置导致同一提示词下生成结果不一致的风险；报告中结论均基于对历史客

观数据的统计和分析，但过往数据并不代表未来表现。

2

◼AI集成工具和本地部署

目◼AI信息检索与知识库

◼AI深度研究

◼AI编程开发

录

◼工作流与智能体

◼风险提示

3

➢以Ollama为例介绍DeepSeek模型的本地部署

•Step1：首先访问https：//，并下载适合自己操作系统的终端。

数据来源：Ollama，华福证券研究所4

➢各版本DeepSeek模型与部署所需硬件对应关系

•显存计算公式

显存需求=(参数量×精度)/(16bits/byte)/1024³(换算为GB)+系统开销（约

20%）

注：参数量：以B（Billion）为单位（如1B=10亿参数）

精度bit：FP32=32bit，FP16=16bit，Int8=8bit，Int4=4bit

5

➢各版本DeepSeek模型与部署所需硬件对应关系

模型参数所需显存对应显卡

1.5B-可CPU运行

7B15.6GNVIDIA3060

8B17.9GNVIDIA3070

14B31.3GNVIDIA4090

32B71.5GNVIDIAA100/A800

70B156.5G8*NVIDIAA100/A800

数据来源：华福证券研究所绘制