统一联接管理 业户 访客 楼宇 设备房 摄像机 通行 停车场 消防 电梯 建 筑 / 园 区 的 智 能 化 改 造 不 仅 仅 是 硬 件 的 更 换 ， 同 时 软 件 服 务 系 统 也 是 在 同 步 跟 进 。 软硬一体化解决方案 全联接、数字化、安全、智慧、绿色 智能运营平台 合管理 平台，两者是形成建筑智慧的核心。 BMS 与 IBMS 的概念是相同的，但集成的程度、 数据采集与存储等有些差异 BMS ■ 建筑设备监控系统 、建筑设备一体 化 监控系统和建 筑设 备能效监管 系统等 实施智能 化和数字 化综合 管理的系统 BMS 与 iBMS 的 对比 ■ ■ 底层数据采集实时处理 ■ 通规要求 ■ 大量在线逻辑控制在 BMS 边 缘计算内完成可减少北向 扩展深度二次开发的 BMS 可 以替代 IBMS 70% 左右的 功能 BMS iBMS ■ 实时性不能满足要求 ■ 接入的非嵌入式系统越多风险 越大 ■ 对于复杂机电、大型综合体建 筑 ， IBMS 更不可能替代 BMS BMS 与 iBMS 空调机组管理 风机盘管管理 室内空气质量 业务实现层 送排风机管理 空调水循环泵 与考勤联动 照明管理 照明控制

浙江大学 DeepSeek 系列专题线上公开课（第二季） 从大模型、智能体到复杂 AI 应用系统的构 建 —— 以产业大脑为例 肖俊 浙江大学计算机学科与技术学院人工智能研究所 2025 03 杭州 • 大模型推理能力快速提 升 • 推理模型和思维链 (CoT) • 智能体是什么？ • 四链融合产业大脑案例 提纲 大模型推理能力快速提升 开始模仿人 脑进行大量 数据的标记 供应链韧性提升 产业链补链强链 产业安全保障体系 上下游协同创新 产业资源对接 创新要素匹配 产业生态融 入 产业链安全 转型升级需求 新兴产业培育 市场竞争需求 产业协同需求 创新体系建 设 各地各行业在布局新兴 / 未来产业的过程中，由于对前沿技术、技术路线、应 用场景、大规模产业化的时机等方面把握不准，难以做出有效选择。 如何精准感知产业技术态势，科学研判产业发展方向，及时布局产业化应用场景培育 入 了 “ 大 小 模 型 协同 ” 的智能体 框架 ， 面向产业 创新业务场景 ， 提供了包括产业知识问答 、 产业报告生成 、 产业技术分析 、 产业文档理解等能力 ， 向上为企业 、 园 区 、 政 府 等 产 业 认 知 决 策 需 求 机 构 提 供 专 业 产 业 知 识 服 务 。 客 户 可 私 有 化 部 署 ， 也 可 根 据 需 求 替 换 模 型 基 座

撰写和智能校验，提 升管理流程标准化和工作效率 DeepSeek 对行业带来的新技术思路 ( 部分 ) 11/80 DeepSeek 赋能 建 筑能源领域 11 报 告 提 纲 当下 Al 到了哪种程度 能源领域传统 AI 发展困境 … … … … DeepSeek 人 为 中 心 人工 开发 诊 断 软 件 升级 个 性 化 故 验证 障 检 测 诊 断算法 测试 以人工为核心串联开发范式 诊 断 推 理 链 条 人工 构 建 知识库 奔爱 报 告 提 纲 当下 Al 到了哪种程度 … … · 能源领域传统 Al 发展困境 … … 度处理信息，并 生成超出人类理解的新解决方案。 口有可能在短短的 10 年内，人工智能就会复杂和超级智能到我们甚至无法理解 它 是如何运作的地步。 口和届时的 AGI 相比，我们将会像幼儿园的孩子想努力拿到一个数学博士学位。 人们不仅容易高估未来 1-2 年的趋势， 而且更容易低估未来 10 年的趋势 ! AGI, 我们都没准备好

司、 上海天数智芯半导体股份有限公司、河南昆仑技术有限公司、四川华鲲振宇智能 科技有限责任公司、中国质量认证中心有限公司 编写组成员（排名不分先后） 马季春 王曼 施晶峰 王月 张建峥 赵以爽 杨军刚 杨伊鸣 郭光鑫 吴茜 梁宇 栋 马凤鸣 党朝志 赵金辉 陈常水 颜万瑞 吴涛 顾剑波 谈儒猛 夏冬 胡铭珊 孙东旺、熊家振、许轶 版权声明 本研究报告版权属于全球计算联盟。 10%。 图 4 老旧机楼智算改造和节能焕新 3.1.4 广东电信韶关数据中心间接蒸发冷却技术应用 中国电信粤港澳大湾区一体化数据中心项目位于韶关市高新区浈江产业园，占地面积为 98 亩。该项目的一期项目总建筑面积约 9.5 万平方米，拟新建 4 栋数据中心、2 栋动力中 心、1 栋算力交易撮合中心、1 栋设备房共 8 栋楼房及相应的室外工程，将建成满足通信、 个半月时间，一期建设的算力资源平均使用率在 85% 以上，算力使用率创新高。 3.2.2.2 大模型全面助力科学教育 科大讯飞深入探索研究在教育领域的应用，一方面，积极探索“大模型+教育大数据” 的新型教育数字基座，提高已建应用、空间、资源、数据的使用效率，探索人工智能大模型 技术在网络学习空间中的综合利用，打造覆盖全平台的智能搜索引擎。为探索人工智能这把 “金钥匙”如何开辟教师发展新赛道、塑造教师发展新优势，助推数智时代教育的转型升级，

展情况，便于展示和监督。 党建大数据中心 特色功能模块建 设 - 红黄蓝预警机制 平台功能  系统采用红黄蓝分类预警功能，实现党务工作量化指 标考核过程的预警，从蓝色提醒到黄色预警，最后红 色告警等不同等级的预警功能有效的告知党务工作者 当下待办任务情况及紧急情况。有助于实现基础党建 标准化开展 红黄蓝预警 特色功能模块建 设 - 五维画像 平台功能  系统分别通过基本信息、日常行为、自我提升、重点 数字管理员，实现 AI 智能提醒、 AI 智能问 答、 AI 智能批单、会议语音智能转文字纪 要等功能。 特色功能模块建设 平台功能 可接入地方红色教育虚拟展厅，供受众参观学习，或通过全景实拍及三维建 模技术进行虚拟展厅建设，针对单位党建成果进行全面、直观、生动的展示。  可通过网页、微信、 VR 眼镜、 AR 党建沙盘等多渠道观看和体验  虚拟展厅程序后续可拓展延伸，打造元宇宙党建展厅 多种部署方案 灵活选用 权威专家合作及把关 方案价值 对党组织的价值 智慧党建标杆 01 集党员管理、党务公开、党员 教育等多种功能的综合服务平 台，应用创新技术打造智慧党 建标杆。 专属运营服务 06 提供专属运营服务，包括专题活 动、数据报告、课程更新、产品 培训、教育模块深度运营、以及 各类活动开展。 提升覆盖面 04 信息技术的应用，实现优质内容

智能化趋势下：多品牌多场景下的重复造车轮，导致模型算法和镜像等 AI 资产管理分散，无法沉淀复用和统一运用。 底层统一 上层统一 中层异构 AI 治理 集约敏捷的 AI 中台式建 设 业务系统 B 业务系统 C 业务系统 A AI 项目的烟囱式建 设 知识引擎 大模型 API （ DeepSeek/ 客户专属 模型 / 混元 / 行业模型等） 模型 API 行业大模型 客户专属模型

识别与分类，提升检测的及时性和准确性。 其次，基于深度学习的时序分析算法可以用于列车运行状态的 监控与预测。通过对列车运行数据的分析，利用长短期记忆网络 （LSTM）等算法，可以对列车的运行轨迹、速度变化等进行建 模，从而预测可能的故障和延误。这种算法的应用，能够在早期对 潜在问题发出预警，保证铁路的顺畅运行。 接着，强化学习算法在铁路调度和资源优化方面具有显著的应 用前景。通过结合历史数据和实时反馈，强化学习能够在复杂的调 在具体实施阶段，深度学习模型的选择和架构设计需根据实际 需求进行调整。常用的深度学习框架如 TensorFlow、PyTorch 等，可以有效支持模型的构建与训练。以下是关于深度学习模型构 建的基本流程：  数据收集：收集铁路沿线的图像、视频、传感器数据等，构建 多样化的数据集。  数据预处理：对收集的数据进行去噪、归一化、增强等处理， 提高模型训练的有效性。  模型选择： 通过集成的传感器实时获取列车运行状态、轨道状态等 数据，并在界面上高亮显示。 o 提供预警机制，当监测到异常时，系统能够实时推送通 知。 5. 互动反馈模块： o 用户可以对界面展示的内容进行点赞、评论或提出建 议。 o 收集用户反馈，持续优化系统的用户体验。 6. API 接口模块： o 为第三方应用提供开放 API，便于与其他系统（如调度 系统、维护管理系统等）集成。 o 支持数据查询、上传及更新等操作。

项目编号： AI 大模型人工智能数据训练考评系统 建 设 方 案 目 录 1. 项目背景与目标............................................................................................6 1.1 项目背景....................................... 出，并提供自动化 的数据清洗和标注工具，确保训练数据的质量和一致性。同时，数 据管理模块还提供数据版本控制功能，便于追踪数据变更历史。 训练管理模块提供模型训练的全流程支持，包括训练任务创 建、资源配置、训练过程监控和模型评估。该模块支持分布式训 练，能够充分利用计算资源，提高训练效率。训练管理模块还提供 自动调参功能，帮助用户优化模型性能。 考评管理模块用于对训练模型进行多维度的评估和测试。该模 HTTP 方法进行操作。例如， 用户管理模块的接口设计为：/api/users 用于获取用户列表，/ api/users/{id}用于获取特定用户信息，/api/users/create 用于创 建新用户。 为提高接口的可用性与安全性，系统引入 JWT（JSON Web Token）作为身份验证机制，所有请求必须在 Header 中携带有效 的 Token。同时，接口支持 OAuth2.0

能够根据国际或行业标准， 为每个清单项生成唯一的编码。这些编码不仅包括项目类别信息， 还可以包含地理位置、时间戳等其他相关信息，以便于后续的数据 检索和管理。例如，采用统一的编码规则，如 GB50500-2013《建 设工程工程量清单计价规范》中的编码体系，确保编码的规范性和 一致性。 为了提高分类与编码的准确性，DeepSeek-R1 还引入了自学 习机制。模型能够根据用户的反馈和对新数据的分析，不断优化其 的核心环节。DeepSeek-R1 大模型通过其强大的数据处理与分析 能力，能够为企业提供精准、实时的成本控制与分析解决方案。 首先，DeepSeek-R1 可以基于历史项目数据和市场动态，构 建多维度的成本预测模型。通过对材料价格、人工成本、机械设备 使用率等关键因素的实时监控与分析，模型能够动态调整成本预算， 减少因市场波动带来的不确定性。例如，通过对过去五年内某地区 建筑材料价格的 ERP、BIM 等）实时获取项目各项成本数据，包括材料采购、人工费用、设备 租赁等。系统对这些数据进行清洗和分类，确保数据的准确性和一 致性。随后，模型利用机器学习算法对历史成本数据进行分析，建 立成本预测模型，并结合实时数据进行动态调整，从而提高预测的 准确性。 在实际操作中，DeepSeek-R1 可以实时生成成本监控报告， 并以可视化的形式展示关键指标，如成本偏差率、成本超支预警等。

力，提升风险预测的准确性和实时性； 3. 结合自动化工具，优化 业务流程，降低运营成本。 未来，随着大模型技术的不断成熟，其在银行系统中的应用前 景将更加广阔。本项目不仅着眼于当前的业务需求，还将为银行构 建一个可扩展、可持续发展的智能化平台，助力其在激烈的市场竞 争中保持领先地位。 1.2 项目目标 本项目的主要目标是将 Deepseek 大模型高效、稳定地部署到 银行系统中，以提升其在金融服务领域的智能化水平。具体目标包 资源配置、 软件环境搭建以及模型参数优化，确保模型能够稳定、高效地运 行；第三，完成与银行现有系统的无缝集成，确保数据流的顺畅和 安全性，同时开发相应的 API 接口，便于其他系统调用；第四，建 立完善的监控和维护机制，及时发现并解决模型运行中的问题，确 保系统的长期稳定运行。 项目的技术范围主要包括：使用业界领先的深度学习框架进行 模型训练和优化；采用分布式计算技术，确保模型在大规模数据处 Deepseek 模型与现有银行系统之间的接口协议和数据交换标 准。通常情况下，建议采用 RESTful API 或 gRPC 作为通信协议， 确保系统之间能够高效、安全地进行数据交互。对于数据格式，建 议使用 JSON 或 Protobuf，以满足不同系统的兼容性需求。 在集成过程中，需重点考虑以下几个步骤： 1. 数据预处理模块的集成：银行系统中的数据通常包含大量敏感 信息，因此需要在数据进入模型前进行脱敏处理。建议部署一