DeepSeek 消费电子行业大模型新型应用最佳实践分享 陈树荣 腾讯云智能商业化 2025.03 LEVEL 1 研发模型结构 LEVEL 2 研发预训练模型 LEVEL 3 基于模型 SFT LEVEL 4 直接调用 大模型产业生态图 大模型产业链上的生态，根据大模型生态上不同企业的定位，分成了四个等级的企业： • 自研大模型结构的企 效果评 估 蒸馏模 型 任务式建模 数据构建 模型评测 数据构建 数据构建 无关数据过滤剔除 R1 问题清 洗 在线服务 - - ~ TI 平台的 DeepSeek 实践 全行业适用、让 DeepSeek 更好用 TI 平台 × DeepSeek 面向实战的精调部署平台 全周期均可切入使用 痛点 不知道怎么基于 R1 蒸馏模 型 开源框架繁多，不知道怎么选 使用指定的工作流来响应用户所 有对话。如果你对应用的执行流程， 有更加个性化的需求，可以通过工 作流，来拖拉拽各种原子能力，编 排你想要的流程。 标准模式 “RAG ：最强知识外挂 ” 平台内置最佳实践流程，只需导 入文档 / 问答对，即可达到更稳 定 和精确的知识问答效果。适用 于 企业知识服务、产品咨询等严 肃 问答场景。 Agent 模式 “AI 指挥官 ” Agent 模式由大模型进行任务

DeepSeek洞察与大模型应用 人工智能技术发展与应用实践 联通数据智能有限公司 史树明 2025年 -1- 目录 Contents 02 03 01 04 05 -2- • DeepSeek是私募量化巨头幻方量化旗下的一家大模型企业，成立于2023 年5月份。 • 幻方量化营收：作为中国头部量化对冲基金，曾管理资金规模超160亿美 元（2019年），年管理费收入超过3亿美元。

打造自适应 AI 运维智慧体： 大语言模型在软件日志运维的实践 刘逸伦 华为 2012 实验室 本科毕业于南开大学 ，硕士毕业于美国佐治亚理工学院。研究方向包括 AI 智能运维 ，大模型质量评估以及大模型提示策略 ，在相关领域以第一作者、 通讯作者身份在 ICDE 、 ICSE 、 IWQoS 等顶级国际会议 / 期刊发表 10 余篇 论文。 刘逸伦 华为 2012 文本机器翻译实验室工程 策略控制器 知识引擎 实践案例 - 算法实践： xx 云基于大模型 Prompt 引擎实 现本地 API 联通的定制化告警分析设备 现网设备日志 根据现网数据库分析告警事件， 结合离线知识库进行业务问答。 离线知识库 现网数据库 大模型盘古 任意大模型 开源大模型 前端效果信息 动态控件请求 参数缺失 / 有 误 实践案例 - 服务实践： Prompt 引擎服务设计

以计算加速迈进智能化未来 ⸺IDC新一代云基础设施实践报告 趋势：云服务能力持续跃升，加速企业数智化转型与创新 01 目录 1.1 技术全面升级，为复杂的企业在线业务提供保障 1.2 软硬一体协同优化，应对AI时代激增的数据冲击 1.3 持续的融合创新，助力企业的国际化布局 挑战：企业多元业务需求与海量AI数据的冲击 02 2.1 在线业务面临性能与效率的极限挑战 �.� AI数据处理与计算协同的复杂度激增 打造极致性能体验，为传统计算业务打开新空间 3.2 技术和架构创新，提升AI时代的向量数据处理和协同计算效率 3.3 强化硬件安全设计，持续增强安全保障能力 3.4 全球一致的云服务能力体系，全面助力企业国际化战略 优秀实践分析 04 4.1 小鹏汽车 4.2 微帧科技 4.3 嘎嘎射击 4.4 蚂蚁集团ZOLOZ 前言 IDC分析师认为：全球AI基础设施革新的浪潮中， 算力需求的爆发正在驱动云计算与边缘计算深 作为面向混合云、多集群、容灾等场景推出的企业级云原 生平台，可以连接和管理任何地域、任何基础设施上的 Kubernetes 集群，并提供一致的管理， 支持对应用、流量、安全、存储、可观测等进行统一管控。 �� 优秀实践分析 04 4.1小鹏汽车 在智能驾驶的竞速赛道上，数据是驱动进化的核心燃料。小鹏汽车，作为中国智能电动汽车的先锋， 其海量车机视频数据的实时处理与分析能力，直接决定了算法迭代与用户体验优化的速度。面对日

应用的服务、配置和AI智能体管理平台 柳 遵 飞 （ 翼 严 ） CONTENT 目录 Nacos3.0 架构升级&核心能力 性能 & 可拓展性提升 01 Nacos3.0 安全零信任 Nacos内核&应用安全零信任实践 02 Nacos 3.0 AI Registry MCP Registry & MCP Router 03 Nacos 3.0 未来规划演进 一个易于构建 AI Agent 应用的服务、配置和AI智能体管理平台 Nacos 发 现 MCP Server 2. 支持动态prompts调试 Dify 1. 动态配置支持 2. 支持通过MCP Registry发现 MCP Server 选物比价场景实践 快速调试验证，提升开发效率 1. Dify通过Nacos MCP Regsitry 实现动态的 MCP Server发现，无 需逐个配置 2. 动态的Tool描述修 改，结合dify实现高效 市场 谢谢 Thank You Nacos MCP Router架构及部署最佳实践 Nacos Committer 2025/07/10 正己 CONTENT 目录 Nacos MCP Router产生的背景 01 Nacos MCP Router架构 02 Nacos MCP Router部署最佳实践 03 04 未来规划 Part 1 Nacos MCP Router产生的背景

应用场景需求提供组件能力封装和应用系统集成。 产业网链大模型构成及服务框架 产业网链 大模型 “ 大小模型协同”的智能体框架 任 务 规 划 工 具 模 块 记忆模块 典型应用场景 省级四链融合决策应用实践：浙江省产业一链通 浙江省产业一链通从“产业链治理现代化 ”重大改革出发 ，着眼解决标志性产业 链“优势不突出、链条不完整、循环不畅通、转移非正常”等问题 ，形成强链、补 链、 畅链、 iChainGPT 为产业智能化服务开辟新模式 服务模式创新： 通过线上线下相结合的 方 式，提供产学研精准合作一站式服务， 打 通了四链融合落地最后一公里 应用实例：市域四链融合决策应用实践 • 构建四链融合指数 • 构建企业成长模块 • 构建四链融合精准对接模 型 绍兴市创谱数字化应用平台 宁波市产业链智能创新平台 特色 创新 特色 创新 57 杭州市成果转移转化服务平台 • 创新主体评 价 应用实例：市域四链融合决策应用实践 特色 创新 特色 创新 术建设中国视谷产业大脑，驱动政府、园区、企业、人才等多元创新主体共谋产业发展 产业集群四链融合决策应用实践：中国视谷产业大脑 围绕“政府精准治理、产业生态培育、企业创新服务”的需求，运用知识计算、大数据等技 产业集群四链融合决策应用实践：萧山机器人产业大脑 以夯实基础、高效上线、打造亮点为任务，

经过一年的实践与沉淀，可以看到，2024年是大模型技术在各行各业的应用落地之 年。这一年，我们见证了大模型技术从理论探索走向实际应用，从概念验证进入规模化部 署的关键阶段。因此，本年度《大模型技术深度赋能保险行业白皮书》的编写，不仅是对过 去一年技术发展的总结与回顾，更是对未来应用前景的展望与规划，旨在为保险行业的智 能化转型提供技术参考和实践建议。 白皮书基于阳光保险的大模型落地实践经验，深入剖析了大模型技术在保险行业的落 · · · · · 25 � 2.战略视野与行业篇· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 27 3.保险业落地实践篇· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 43 1.1.4 应用：日益广泛深入，多领域齐头并举· · · · · 应用场景：由非决策类场景向决策类场景过渡· · · · · · · 135 6.1.3 多模态大模型：落地应用潜力巨大· · · · · · · · · · · · · · · · 136 6.2 行业实践建议· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 139 6.2.1 明确应用场景与目标· · · · · ·

技术架构设计与模型融合方案 • 数据治理与知识图谱构建 • 智能业务场景应用规划 • 大模型训练与优化策略 目录 CONTENTS • 风险控制与合规管理 • 实施路径与阶段目标 • 标杆案例与同业实践 • 预期效益与 ROI 分析 • 组织能力与人才建设 • 未来演进与持续创新 01 数字化转型背景与必要性 银行业面临的竞争压力与市场挑战 国有大行服务下沉 国有大型银行通过下沉服 面评估大模型技术在银行数字化转型 中的应用效果。 持续优化机制 建立持续优化机制，根据评估结果和业 务需求，不断优化大模型技术和实施方 案，确保银行数字化转型的持续推进和 业务价值的最大化。 10 标杆案例与同业实践 花旗银行通过引入大模型技术，优化了其企业架构中的业务流程和决策支持系统，显著提升了 客户服务效率和风险管理能力。该银行利用 AI 模型进行实时数据分析，实现了智能化的贷款 审批和风险评估。 浙江银行利用大模型技术重构了其客户服务系统，通过智能化的客户行为分析，提供个性化的金融产品推荐。 该银行还利用 AI 模型进行市场预测，优化了资产配置策略，提升了投资回报率。 浙江银行 AI 架构实践 广东银行在企业架构中集成了大模型技术，用于自动化交易和风险管理。通过 AI 模型的预测分析，该银行能 够更准确地预测市场趋势，优化资产配置，提升投资回报率。 广东银行 AI 架构创新 跨行业成功经验借鉴（如保险、证券）

持续优化与更新..............................................................................108 12. 案例分析与实践......................................................................................110 12.1 实际项目应用案例 案例分析总结.................................................................................115 12.3 最佳实践分享.................................................................................117 13. 未来展望与建议 猛发展为工程造价领域带来了新的解决方案。DeepSeek-R1 大模 型作为一种先进的深度学习模型，具有强大的数据处理能力和智能 化分析能力，能够有效提升造价管理的精确度和效率。 在当前的工程造价实践中，项目管理者面临着以下主要挑战： - 数据量大且复杂：建筑项目涉及的数据类型繁多，包括设计图纸、 材料价格、人工成本、施工进度等，传统方法难以高效处理。 - 动 态变化快：市场材料价格、人工成本等因素波动频繁，传统的静态

生成式大模型在医疗场景中的实际应用可行性，具体可 以概括为以下几个方面： 首先，通过系统调研和分析，以确定 AI 生成式大模型在不同 医疗场景中的应用潜力。这包括对现有技术的评估以及对各类医疗 实践需求的深刻理解，以确保所选应用方向具有实用性和必要性。 其次，旨在搭建一个可供临床验证的 AI 生成式大模型框架， 实现医疗数据与模型输出之间的有效整合。通过与医疗工作者和技 术团队的合作，将 生成式大模型在医疗场景的应用前景广阔，能够在多 个领域有效提升医疗服务的质量和效率。随着技术的不断发展，我 们有理由相信，这些模型将成为未来医疗行业的重要助力。 4.1 临床决策支持 在现代医疗实践中，临床决策支持系统（CDSS）扮演着至关 重要的角色，AI 生成式大模型的引入为这一领域带来了全新的机 遇。通过对大量临床病例、指南和研究数据的学习，AI 生成式大模 型能够辅助医务人员进行更为精准的诊断和个性化治疗方案的制 症，模型能够评 估患者在特定治疗方案下可能面临的风险，帮助医生在方案选 择时考虑患者的整体健康状况。 4. 实时文献检索：模型能够接入最新的医学文献及指南，在医生 需要时提供最新的研究成果和实践建议，确保临床决策基于当 前最佳证据。 此外，AI 生成式大模型在临床决策支持中的应用还伴随着一系 列潜在的挑战和注意事项，例如：  数据隐私与安全：在使用患者数据进行模型训练时，必须遵循