从 DeepSeek 探讨大语言模型 在建筑及能源行业的应用趋势和技术方法 汇报人：赵阳 浙江大学能源学院制冷与低温研究所 2025.2.14 报 告 提 纲 临近奇点： AGI 将带来颠 覆 结论和展望 DeepSeek 等带来的新范 式 大语言模型应用的科研案例 能源领域传统 Al 发展困 境 当下 Al 到了哪种程 度 John J.Hopfield 横空出世，各项指标逼近或超越 ChatGPT o1 9/80 口核心意义：打破 AI 垄断，带来 AI 平权，尤其是中文 Al 普惠，激发大众创造力 多 源 数 据 深 度 挖 掘 融合建筑领域各类数据，联动设备 运行指标 、能耗信息及环境监测， 实现精细用户画像，助力科学调度 与资源配置 智 能 故 障 识 别 与 诊 断 结合人工智能算法，自动提 取设备 特 征 ，识别潜在异常，构建以专家 燃煤电厂 区域供冷站 公共建筑空调 城市 / 区域集中供冷 / 热 建筑供热 工厂能动系统 太阳能供热 污水废水余热 余热驱动制冷

率。随 着建筑项目的复杂性和规模不断增加，传统方法已难以满足高效、 精准的造价需求。因此，引入先进的人工智能技术，特别是大模型 技术，成为提升工程造价效率和精度的关键路径。 DeepSeek-R1 大模型作为一种前沿的人工智能技术，凭借其 强大的数据处理能力和深度学习算法，能够在工程造价领域发挥重 要作用。该模型能够快速处理和分析海量的历史项目数据、市场行 情信息以及建筑材料价格波动，从而为造价工程师提供更为精准的 情信息以及建筑材料价格波动，从而为造价工程师提供更为精准的 成本估算和预测。此外，DeepSeek-R1 还能够通过自然语言处理 技术，自动解读建筑图纸、合同文本等技术文档，进一步减少人为 干预，提高工作效率。 在具体应用中，DeepSeek-R1 大模型可以广泛应用于以下几 个关键环节：  成本预测：通过分析历史项目数据和当前市场行情，进行精准 的成本预测，减少预算偏差。  风险评估：利用大数据分析技术，识别潜在的风险因素，提供 工程造价方法相结合， 我们有信心推动工程造价行业迈向更加智能化、精细化的未来。 1.1 项目背景 随着建筑行业的快速发展，工程造价管理在项目全生命周期中 的重要性日益凸显。传统的造价管理方法主要依赖于人工经验和历 史数据，存在效率低下、误差率高、适应性差等问题。尤其是在当 前建筑项目规模日益扩大、复杂度不断提升的背景下，传统方法已 难以满足精细化、智能化的管理需求。近年来，人工智能技术的迅

 高精度：通过激光雷达技术，模型的精度可达到厘米级。  高效性：结合无人机的使用，可以在较短时间内完成大规模区 域的建模，显著提高工作效率。  真实感：融合高清影像与三维模型，使得生成的建筑物、自然 景观等在视觉上更加真实。 该技术方案还支持后续的数据更新与维护。随着铁路沿线环境 的变化，可以定期重新进行数据采集并更新三维模型，以保持模型 的时效性和准确性。 数据模型建立后，需要考虑如何将其应用于铁路沿线的资产管 数据层的架构分为几个主要部分：数据采集模块、数据存储模 块、数据处理模块和数据接口模块。 首先，数据采集模块通过多种方式获取铁路沿线的相关数据， 包括静态数据和动态数据。静态数据主要包括地形、地籍、建筑 物、道路等信息，可以通过高精度的地理信息系统（GIS）数据和 遥感影像获取。动态数据则通过传感器、监控摄像头、无人机以及 物联网（IoT）设备实时采集，涉及列车运行状态、气象变化、施 工进 集的具体步骤等。 首先，选用合适的采集工具和设备是成功实施数据采集的关 键。针对铁路沿线的特定需求，我们将使用如下设备：  激光扫描仪：用于高精度三维点云数据的收集，能够捕捉到铁 路沿线及周边建筑物的细节。  高分辨率相机：以收集高质量的图像数据，辅助点云信息，支 持后期的图像分析和处理。  多光谱成像仪：用于获取大型区域内的多光谱数据，能有效分 析植被、水体等信息。  固定

系统装置销售；电子元器件与机电组件设备制造；电子元器 件与机电组件设备销售；软件外包服务；网络技术服务；物 业管理。（除依法须经批准的项目外，凭营业执照依法自主 开展经营活动）许可项目：计算机信息系统安全专用产品销 售；建筑智能化系统设计；建设工程施工；铁路运输基础设 备制造；互联网信息服务；互联网新闻信息服务。（依法须 经批准的项目，经相关部门批准后方可开展经营活动，具体 经营项目以相关部门批准文件或许可证件为准）（不得从事