-R1模型以"1/10训练成本实现 OpenAI同级推理性能"的表现震动全球时，教育行业率先成为这场AI技术平权浪潮 的"风暴眼"。各大细分赛道头部企业如学而思、网易有道、中公教育、希沃等纷纷 抢滩接入DeepSeek-R1大模型，并围绕DeepSeek能力开启软件与硬件业务方向的 智能升级、创新，推动行业走向AI原生教育的新生态。 一、教育企业快速拥抱DeepSeek，以其思维链、高性价 比优势掀起新一轮变革 比优势掀起新一轮变革 DeepSeek-R1自2025年1月20日正式发布以来，热度快速且持续增长，C端流量爆 发的同时，网易有道、学而思、希沃、中公教育等头部企业先后宣布拥抱 DeepSeek，或将已有AI教育产品接入DeepSeek进行能力/功能升级、或以 DeepSeek为基座发布新AI教育应用和智能学习硬件，快速抢占DeepSeek模型带 来的AI创新机遇。 代表性教育企业围绕DeepSeek的布局总览 育企业基于DeepSeek开展的新一 轮AI教育革新。 二、学而思：DeepSeek为基座，融合九章大模型能力， 实现双协同、生态化布局 2月8日至今，学而思先后将AI学习机、学练机等硬件产品接入DeepSeek，以其深 度思考模式升级产品AI能力，已于旗舰机开启灰度测试并将陆续上线免费智能教育 功能；新发布AI学习应用“随时问”，由自研九章大模型与DeepSeek大模型联合 支持，主打一站

项目编号： 审计领域接入 DeepSeek AI 大模型构建 Agent 智能体提效 设 计 方 案 目 录 1. 引言................................................................................................................................ .....................................................................................38 3.2.1 多源数据接入方案................................................................................................. ..................................................................................195 10.2.2 物联网数据接入...................................................................................................

14。东部沿海地区，如浙江、江苏、广东等， 在入算网络方面表现突出。这些地区经济发达，数字化转型需求旺 盛，网络基础设施建设投入大，拥有先进的通信网络和大量算力中 心，能够为本地及周边地区提供高效便捷的算力接入服务。中西部 地区部分省份，如四川、重庆、安徽等，近年来数字经济产业发展 迅速，积极推进网络基础设施建设，提升了网络运力，满足了当地 产业对算力的需求，在入算网络方面同样表现较优。 综合算力指数 先进存储占比 外部全闪存容量/外部存储总体容量 运力 入算网络 1ms 城市算网 建设情况 已经开展建设并有案例 互联网带宽接 入端口数 区域内互联网带宽接入端口数量 综合接入节点 OTN 覆盖率 区域城域接入层 OTN 站点数与综合接入节点数 之比 互联网专线用 户数 区域内 OTN 专线的用户数量 固定带宽平均 下载速率 区域内固定带宽平均下载速率 移动带宽平均 下载速率 区域内移动带宽平均下载速率 算内网络 算力中心网络 出口带宽 区域内数据中心网络出口带宽之和 算力中心单机 架带宽 区域数据中心网络出口带宽与区域内标准机架数 之比 算力中心省级 骨干网接入 数据中心接入省级骨干网数量 算力中心城域 网接入 数据中心接入城域网数量 算内高性能、 智能化网络技 术应用 区域内采用超融合以太等高速网络技术的数据中 心占区域内数据中心总数的比值 模力 模型资源 大模型备案数

DeepSeek 联 网 助 手 文档问答 知识摘要 • 模型 + 训练平台 + 应用构建 平台 全链路能力。 • 提供从训练——推理——应 用的一站式丝滑服务体验 • 全面接入 deepseek 模型 大模型工具链支持大模型研发至应用全栈技术 算力 计算集群（ H20/A10 等） 国产算力适配 解决大参数量模型部署，提供超长上下文窗口 内置推理加速： 全新升级 Angel 推理加速能力，加速比可达 2 倍 大模型调用： 统一的大模型调用 API 及体验工具，大幅缩短业务 接入大模型能力周期 u 公有云自带容器底座 TKE u 私有化自带容器底座 TCS 腾讯云 TI 平台产品核心能力 面向实战的一站式大模型精调部署解决方案 AI 建模部署 大模型精调 u 快速试一试： • 面向具备简单开发能力的初级开发者、企 业运营人员。 • 可通过模型选择、提示词模版、 RAG 配 置能 力等加速大模型应用构建，实现与自 身业 务系统的无缝对接。 接入搜狗搜索增强 API ，一键开关，即可让 DeepSeek 实时 获取 互联网最新资讯，提升时效性和回答准确度 腾讯云大模型应用开发平台“知识引擎” —— 免部署，分钟级搭建应用 腾讯云大模型知识引擎：基于大模型的应用开发平台

Nacos-Controller : k8s 配置及服务同步 价值 • 可视化管理界面 • 配置变更实时推送 • 配置历史&回滚 • 配置灰度发布 • 跨k8s集群互通 • 非k8s异构发现 快速接入 • helm install & crd deploy • 全量一键双向同步 • 按需部分双向同步 项目地址：https://github.com/nacos-group/nacos-controller Nacos加密配置及解密权限 • 帐密全托管 数据库账号全托管，无需人工介入 • 运行时无损轮转 存量连接优雅切换，异常保护 • 0代码改造 配置化接入 Spring应用 spring alibaba nacos config nacos-client Nacos Server 5.加载&监听加密配置 Druid Connection 【Agent运行时配置统一托管】 • Agent组件管理平台，通过AgentId串连各组件 配置 2.【Agent侧快速集成】 • 基于AgentId封装各组件 API • AI应用侧框架SAA通过Agent API配置化接入 3.【安全零信任】 • 访问凭证加密托管 • 运行时无损轮转 4. 【A2A协议】 • Agent名片注册 • Agent编排 Nacos3.0 RoadMap • MCP 管理 •

分 配，满足不同阶段的性能要求。 其次，系统应提供开放的 API 接口，支持与其他系统的无缝集 成。通过标准化的数据交换协议（如 RESTful API 或 gRPC），外 部系统可以便捷地接入系统功能，实现数据的共享和服务的扩展。 此外，系统应支持插件机制，允许用户根据实际需求开发和加载自 定义功能模块，从而在不改变系统核心架构的前提下，灵活扩展系 统功能。 在数据存储方面，系统应采用可扩展的数据库设计，支持数据 通过标准化的 接口进行数据流转，确保系统的高效运行和灵活扩展。 数据采集层负责从多种数据源（如传感器、数据库、API 接口 等）获取原始数据，并进行初步的清洗和格式化处理。该层支持多 源数据接入，具备实时数据采集和批量数据导入的能力，确保数据 的完整性和时效性。 数据处理层是整个系统的核心部分，主要负责数据预处理、特 征工程和数据存储。该层对原始数据进行清洗、去噪、归一化等操 作， 控和容错机制。系统具备实时的性能监控和日志记录功能，能够及 时发现和解决潜在问题。同时，系统采用分布式存储和备份策略， 确保数据的安全性和可恢复性。 以下是系统各层的关键功能和技术选型：  数据采集层：支持多源数据接入，采用 Kafka 和 Flume 实现 实时数据采集。  数据处理层：基于 Spark 和 Hadoop 进行分布式数据处理， 特征工程采用 Scikit-learn 和 TensorFlow。

算资源，加速了大模型的研发和应用。云计算的弹性扩展能力也使得资源的利用更加高效， 降低了研发成本。例如，AWS推出的基于Blackwell GPU的Amazon EC2实例，将为用户提 供强大的AI推理性能和便捷的接入方式。 （5）端侧算力发展 端侧大模型定义为运行在设备端的大规模人工智能模型，这些模型通常部署在本地 设备上，如智能手机、物联网设备（IoT）、个人电脑（PC）、机器人、车机等设备。与传统的云 露头角。具身智能是指 能理解、推理并与物理世界互动的智能系统，其实现离不开大模型的赋能。 （1）技术突破 大模型的出现，使得具身智能在感知、理解和规划任务上的泛化能力得到了显著提 升。机器人接入大模型后，能够直接听懂人类指令，结合环境信息，将复杂的指令转化成具 体行动规划，无需额外数据和训练。这种能力极大地降低了机器人的使用门槛，推进了机 器人落地各行业场景应用。 （2）产业应用 型、大模型的工程化适配、大模型的深度研发三种路线。 我们认为，大模型最终很可能会成为一种基础设施，因此保险企业建立行业领先的 大模型应用的最佳方式是在内部搭建灵活可切换的底座架构，兼容三种路线，支持内外 部大模型接入和应用，聚焦具体场景、联合头部厂商完成大模型应用落地。 3.保险业落地实践篇 3.1 大模型落地路线 3.1.1 落地路线方法论 在保险企业寻求解决业务问题的过程中，直接采购已经训练好的大模型成为一种越

等。对于乘客提出的问题，虚拟客服助手可以快速识别并提供相应 的回答，帮助乘客解决票务咨询、线路信息查询、时刻表查询等基 本需求。 例如，在高峰期间，乘客可能会频繁询问有关列车运行时刻的 变动情况，虚拟客服助手能够实时接入系统数据，及时反馈相关信 息，避免乘客因为等待人工客服回复而浪费时间。此外，虚拟客服 助手还可以提供个性化建议。例如，根据用户的历史出行记录，主 动推送可能感兴趣的活动信息和出行路线，提升乘客的出行体验。 映、乘客反馈意 见等数据，为模型提供丰富的训练材料。 2. 模型训练：利用收集的数据进行大模型训练，优化自然语言理 解和生成能力，确保系统能够理解复杂的用户意图。 3. 多渠道接入：智能问答系统应支持多种接入方式，如官网、手 机应用、微信公众号等，确保乘客可以随时随地获得服务。 4. 持续优化：在系统上线后，应收集用户交互数据，定期评估问 答的准确性和满意度，不断进行模型迭代和服务优化。 CNN 提取输入数据的空间特征，适用于图 像数据处理，例如使用 3 个卷积层，后接批归一化（Batch Normalization）和 ReLU 激活函数。 3. 时序分析层：在特征提取后，接入 RNN 单元（如 LSTM 或 GRU）进行时间序列数据的分析，捕捉轨道交通运行状态的 时序依赖性。可设置 2 个时间步长的 RNN 层，以达到较好的 学习效果。 4. 融合层：将特征提取层和时序分析层的输出进行融合，可以使

 系统充分融合 AI 人工智能技术，可建设 AI 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 并 进行有效的监督管理；  为党组织提供大数据中心，助力领导决策，并工作 成果可视化呈现。 方案优势 数字技术与党务工作、党员教育的创新结合  有多模块、组件化的功能组件，支持直接接入应用， 帮助节省开发时间；  支持根据客户特殊需求，为客户提供定制功能开发， 协助党组织打造个性化、专有的智慧党建云平台。  结合应用单位需求，提供管家式运营服务。 方案优势 为党组织量身定制智慧党建平台

增强银行的风险管控能力。 n 重庆农村商业银行借助腾讯云大模型知识引擎的能力，率先在企业微信上线基于 DeepSeek 模型的智能助手应 用 “ AI 小渝” ，成为全国首批接入 DeepSeek 大模型应用的金融机构，也是首家通过知识引擎构建基于 DeepSeek 的联网应用的金融机构。 重庆农村商业银行将利用 DeepSeek 的模型能力，结合实时联网搜索以及 围绕“领航 AI+ 行动”深化算力、数据与模型的协同创新 建设银行 技术落地：总行完成 DeepSeek 定制化训练，全集团推进生成式 AI 体系化应用。子公司通过总行平台按需调用模型，严禁自行接入外部模型，保障技术 可 控性 应用场景：建信理财率先探索资产配置优化、风险预警等理财场景，同时通过金融语义框架将“抵押率”“偿债覆盖率”等术语转化为业务逻辑，应用于 合同 解析与风险建模 邮储银行