私有化部署 • 本地：个人设备或电脑、企业服务器 • 数据中心（IDC）：企业服务器、服务器集群（私有云） Ø 公有云服务：阿里云、火山云、腾讯云、金山云、华为云等；AWS、Azure等 Ø 开源模型：DeepSeek、Qwen、Llama、SD、微调模型等 • 向上提供：私有化部署，公有云服务（DeepSeek官网、硅基流动、火山引擎等） Ø 闭源模型：OpenAI、Claude、Gemini、Kimi、百度等 成本降低。 蒸馏模型 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第13页 DeepSeek V3/R1模型的优势 DeepSeek以“推理能力+第一梯队性 能”为核心基础，叠加：开源开放、 超低成本、国产自主研发三大优势， 不仅实现技术代际跨越，更推动AI技 术普惠化与国产化生态繁荣，成为全 球大模型赛道的重要领跑者。 多Token预测 MTP 混合精度训练 能力突破 开源、低成本、国产自主 n 基础能力：进入推理模型阶段，并跻身全球第一梯队 1. 推理能力跃升： DeepSeek大模型核心技术突破，实现复杂推理任务的精准处 理与高效执行，覆盖多模态场景应用。 2. 国际竞争力对标：模型综合性能跃居全球第一梯队，技术指标与国际顶尖水平 （如GPT系列、Claude等）直接对标，奠定国产大模型的行业标杆地位。 n 核心加分项：开源、低成本、国产自主

GROK3 等一样。 认识 deepseek 当前 ，各种生成式人工智能大模型很多 ，分为通用和行业垂直 2 大类；有专注文字的 ，还有能处理音视频 和图像的（即多模态）， DeepSeek 是一个开源通用大模型 ，主要处理文本。 看看 deepseek 的方 位 算力、 算法、 数据是人工智能三大基石 搭硬件（ GPU 服务器 ... ） 算力 算法 装软件（神经网络 ... ） 数据训练（网络信息、 ） ，大大降低了用户的经济负担。 3. 开源特性 DeepSeek 的开源特性是其一大亮点。用户可自行下载和部署 ，广大开发者共同优化。 4. 免费使用 DeepSeek 提供的服务是完全免费的 ，用户可以随时随地使用。 5. 支持联网搜索 DeepSeek 是首个支持联网搜索的推理模型 ，这使得它在信息获取方面独具优势。 6. 教育与培训资源丰富 开源模型为教育和培训提供了丰富的资源 ，有助于推动 互联网应用 优势 ：打开即用 ，方便快捷 劣势 ：缺乏本单位内部知识 ， 无法 回答本地化专业问题； 存在数据安 全风险。 借助 DeepSeek 开源和硬件成本低的特点 ，可本地部署 ，实现本地知识库的搭建和学习 将 DeepSeek 本地化部署 ， 并部署本地知识库 ， 可将本单位各类政策文件、 报告总结、 规划方案等 管理 资料 ， 以及教案、

采用这一伦理视角。 在AI能力的“创造”层级，教师展现出对AI 的社会影响及其公民责任的深刻理解。 他们被期望参与教育领域AI政策的规划或 共同创造AI工具使用的伦理标准。这些教 师应能够结合或修改开源或可定制的AI工 具包，以开发符合当地教育挑战需求的 定制解决方案。这还包括批判性评估AI在 教学和学习过程中的作用，并探索利用AI 增强的教学活动，以潜在地为学生提供 开放学习选项。此外，教师还应能够利 AI 工具 上下文。 收集适当的 AI 工具: 与其他人合作 教师和学校经理 评估适当性 正在使用的特定工具或 由 AI 提供商推荐 并讨论他们是否 应采用; 收集 经过验证的 AI 工具, 共享 开源工具 ， 并开始 策划一系列可信任的 AI 工具。 CG3.1. 1 适应的水平 基本概念的困难 关于 AI 的知识 对教师的责任 和先前的 AI 经验; 说明特定的 AI 工具 是基于数据开发的 用于本地上下文和 让教师参与审判 的方法。 CG3.1. 4 支持教师 建立自己的 AI 工具的集合 ， 开始 从推荐基本 示范工具和指导 他们策划可信赖的 AI 与他们的需求相关 具有特定的本地上下文 考虑开源 工具。 LO3.1. 1 演示 概念知识 适合他们的 能力和 责任如何 AI 系统开发 使用数据、算法和 计算架构; 获得相关理解 以及数据、算法方面的技能 和编程 ； 以及 举例说明关键步骤 ，

+”治理能力，开创社会治理新图景； “人工智能 +”全球合作，推动普惠共享和全球治理。为确保行 动实施，文件从八个方面强化基础支撑：提升模型基础能力、加 强数据供给创新、强化智能算力统筹、优化应用环境、促进开源 生态、加强人才建设、强化政策法规保障、提升安全能力。 分析这些政策，可以发现国家层面的相关政策旨在进行顶层设计与战略引领。 一是注重人才培养体系的构建与优化。面对人工智能时代对高素质人才的迫切需求，构建和完善相应的人才培 工智能技术在教育评价中的应用提供了政策 基础，促使教育机构探索利用人工智能进行过程性评价、个性化学习分析等创新场景。《关于深入实施“人工 智能 +”行动的意见》积极鼓励高校将学生和教师在人工智能开源项目中的贡献纳入学分认证与成果认定，推 动科教融汇。 五是强调标准化、伦理规范与安全保障。随着人工智能在教育领域的深入应用，标准化建设、伦理规范和安全 保障问题日益凸显，成为政策关注的新焦点。国家标准化管理委员会等多部门于 提供决策咨询服务，助力行业数 字化转型，促进人工智能技术在经济社会发展中的广泛应用，为社会进步和产业升级注入了动力。《关于深入 实施“人工智能 +”行动的意见》则鼓励高校与企业、科研机构合作探索开源生态建设服务新模式，推动技术 普惠共享。 1.2.4 国际交流合作导向：加强国际合作，共同应对人工智能的挑战与机遇 当前国际、国内人工智能相关政策普遍强调，要加强各国及组织在人工智能方面的交流合作，制定人工智能应

多种 Vector DB 验证 • 开展以基于学习科学的职业教育人工智能大模型建 设 • 结合大模型工程化实践的系列论文规划与发表 • AI 领域顶级会议论文发表 • 开源高质量的 Python 中文数据集，提高贡献度 03 我们的 AI 教育实 践 • 用于录制课程、短视频等 • 可以参照真人快速生成数字 人形象， 智能 匹配 口型和手 势 • Prompt 进阶 Prompt 优化技巧 Prompt 综合实战 AIGC 课程导论 自然语言处理 跨模态生成技术 主流 AIGC 工具与开源框架 AIGC 的伦理与社会影响 计算机视觉 AIGC 未来的发展趋势 课程 实训平台 AIGC 实训系统 新媒体图文生成 公众号图文排版

组件安全，提供组件间的资源隔离控制或协调机制，避免因资源耗尽无法进 行数据处理、分析和计算。 13.4.大数据平台和组件 D a t a En g i ne HDP 对 A p a che 开源组件进行了封装和 增强，对外提供稳定的数据分布式存储和分析能力，包括数据的访问、存储、处 第 1 1 1 页 理和保护功能。各自组件提供功能如下： 第 1 1 1 页 服务名称 简介 YARN Tableau、SAS、Apache Zeppelin 等。 PostgreSQ L PostgreSQL 是一种关系型数据库，特点是开源、内置很丰富的数据类 型、 SQL 兼容性好，在关系型数据库中市场占有率排名第 4。 Redis Redis 是一个开源的、基于内存的日志型、Key-Value 数据库，常用作高速缓存和消息 队 列代理。 ElasticSea rch ElasticSearch tail)、syslog、HTTP 等。 第 1 1 4 页 多种数据目的地：HDFS、HBase、Logger 等。 当节点出现故障时，日志能够被传送到其他节点上而不会丢失。 Kettle Kettle 是一个开源的 ETL 工具，支持文件、关系型数据库、Hadoop 等多种数据， 功能 强大、高效稳定。 Kafka 一种高吞吐量的分布式发布订阅消息系统，有如下特点： 通过磁盘数据结构提供消息的持久化，这种结构对于即使数以

软 件 著 作 权 证 书 目前国内为数众多的视频平台使用盗版的FMS 流媒体服务或基于RED5 等 开源流媒体服务平台进 行开发，使系统的扩展性、稳定性和开发支持都得不到 足够的保证。Reach 流媒体服务平台软件相对同类产品具有以下特点和优势： ReachMediaServer 开源方案或 无商业授权 FMS 提供完整的原厂技术支 持服务 无官方技术支持服务 提供有限支持，价格昂

品牌焕新，全面升级 Data Al 的业务定位： Al 驱动， 数据赋能。在此基础上推出 全新产品 AnyFabric ， AnyDATA Framework 2 正式开源；与微软建立战略 合作，与 M365 、 D365 、 Azure 进行全方位集成创新。 升级到 数据管理能力 2011 年 正式推出 AnyShare 、 AnyRobot

划院校和双一流建设高校应用的比例更是达到了 79.4%和 68.4%，趋近于普及； 同时，几乎所有参与调研的高校都认为，2025 年高校数字化发展的最大趋势是 人工智能在高校的落地。DeepSeek 于 2025 年 1 月开源发布了多款生成式人工智 能模型，部署和接入 DeepSeek 如同潮水般迅速成为各类型高校数字化发展的第 17 一要务，人工智能技术赋能高等教育变革正在成为现实。 2. 新技术场景应用稳步增长 处理与语义理解技术，提供校园导航、制度查询、事务办理等全场景智能问答服 务。特别面向新生入学季的信息获取难题，提供权威、个性化服务支持。 2. 科研 GPT：智能科研助手 依托北京大学科研知识库及本地开源大模型技术方案，构建学者画像与科研 图谱，实现科研项目申请人与合作者的精准推荐。支持科研项目管理、合作关系 挖掘与跨学科联动，提升科研管理智能化水平，促进学术资源高效流动与协同创 新。 （三）应用效果分析 2024 年 12 月，SCOW 已在国内 22 个省市 62 个算力中心落地，覆盖高 校、科研机构及企业用户。开源下载量超过 31000 次，覆盖国内 27 个省市及阿 尔及利亚、日本、新加坡、美国等国家。 293 图 5 SCOW 项目部署地图 图 6 SCOW 项目开源下载地图 2023 年 11 月，北京大学采用基于 SCOW 的算力融合解决方案，支撑了教育 部高校智算融合共享平台建设。该平台已接入

制，成为前端开发的主流选择。它能够提升开发效率， 同时保证应用的高性能，适合构建教育场景中的复杂用 户界面。 3. 数据库技术： o 关系型数据库：PostgreSQL PostgreSQL 作为开源的关系型数据库，支持复杂查询、 事务处理和高并发访问，适合存储教育场景中的结构化 数据，如学生信息、课程数据等。 o 非关系型数据库：MongoDB MongoDB 作为文档型数据库，适合存储教育场景中的 要使用多种开发工具、项目管理软件、设计工具和测试工具。例 如，Jira 项目管理工具的年费约为 10 万元，Adobe XD 设计工具的 年费约为 5 万元，Jenkins 持续集成工具的年费约为 3 万元。此 外，还需要购买一些开源软件的商业许可，如 MySQL 数据库许可 的年费约为 8 万元。这些工具的总成本预计为 30-50 万元。 硬件设备的投入主要包括开发服务器、测试设备、办公设备 等。开发服务器的采购成本约为