1981年，IBM推出了面向大众市场的IBM PC及其配套软件，该 里程碑事件标志着全新软件时代的开启。 IBM推出IBM PC及其配套软件，标志着智能软件研发行业进入了一个全新的大众市场时代，推动了软件技术的普及与应用。 高速发展期 2001-01-01~2021-01-01 2001年，来自极限编程、Scrum、DSDM、自适应软件开发、水晶方法、特征驱动开发、实效编程等领域的17位软件开发领域的教授 2005年，中国上网用户总数达1.11亿，其中宽带上网用户激增至6430万，这一数据标 志着中国互联网用户规模跃升至全新高度。 二十一世纪初，互联网普及与计算能力的显著增强，智能软件已广泛渗透至诸如智能家 居、工业制造等多种应用场景中。 中国互联网用户规模的激增，以及互联网普及与计算能力的增强，推动了智能软件研发行业在多种应用场景中的广泛渗透与快速发 展。 成熟期 2022-01-01~至今 2022年 强化软件个性化与智能化特性，以及加速 跨领域融合与技术革新等多个维度。在AI技术的持续成熟与广泛普及的加持下，智能软件开发领域的应用边界逐渐拓宽，从而其市场规模逐渐扩 张。 未来智能硬件出货量增加将带动对与之配套的智能软件的需求增长，从而推动智能软件研发行业市场规模增长。 智能硬件设备的普及与多样化，正不断拓展智能软件的应用场景。智能家居设备依赖于智能家居控制系统软件进行高效管理，而智能汽车则需智

客转 化。中长期来看，DeepSeek赋予中小教育机构以更低门槛部署高阶AI的能力，加 速行业从头部垄断向多极竞争演化；同时，AI教育的发展关键转向理解教育场景、 以模型适配业务，未来将呈现硬件入口普及化、教育内容/服务智适应化的特征，产 业创新节奏与竞争格局得到重塑。

其强大的自然语言处理和生成能力，逐渐成为了技术创新的核心。 大模型通过对大量数据进行训练，能够实现文本理解、情感分析、 自动创作等多种应用，为企业提供了新的商业机会和解决方案。 随着云计算的普及，企业对软件即服务（SaaS）模式的需求不 断增加。SaaS 平台作为一种灵活、高效的应用交付方式，能够降 低企业的 IT 成本，提高业务的灵活性。将大模型与 SaaS 结合，形 成大模型 SaaS 人工智能技术上的投入占各国科技预算的比重普遍超过 10%；而中 国政府每年在此方面的投入也不断增加，预计未来将保持在 15%以 上。 总体来看，人工智能行业正迎来新的发展机遇。大模型技术的 普及与应用，将为 SaaS 平台的构建与发展带来新的动力，企业需 积极拥抱这一变化，探索基于大模型的智能化解决方案，以适应时 代的快速变迁。 1.3 SaaS 平台定义和优势 软件即服务（Saa 提供了丰富的市场机遇。 其次，企业对灵活性和可扩展性的需求促使 SaaS 解决方案受 到青睐。许多企业希望在不增加固定资产成本的情况下，能够快速 部署和测试 AI 应用。这种需求推动了基于云的 AI 服务的普及，企 业不再需要投资庞大的基础设施，而是可以通过订阅使用 SaaS 平 台，灵活应对市场变化。 此外，数据隐私和安全性的关注也逐渐成为市场发展的一个重 要趋势。随着 GDPR 等政策法规的实施，企业在使用

2025 年 3 月底，外置闪存占比超过 28%， 能够满足日益增长的业务复杂性场景需求。性能方面，高速缓存技 术、固态硬盘（SSD）技术的广泛应用，非易失性内存快速存储 （NVMe）等接口技术的不断普及，大大提高了数据的读写速度。 目前，算力中心的存储系统能够以毫秒级甚至微秒级的延迟快速响 应数据访问请求，为实时数据处理和分析提供了有力支持。可靠性 方面，数据存储安全能力不断增强，结合冗余阵列（RAID）、多副 东部省份占七成，长三角“核心枢纽”地位凸显，浙江、 上海、江苏居全国 Top3。无论是东部沿海的制造业升级，还是中西 部地区的数字经济崛起，这些地区都在加速产业数字化转型。企业 上云、工业互联网应用不断普及，对网络运力的需求不断提升，促 使网络基础设施不断优化升级。 综合算力指数 25 来源：中国信息通信研究院 图 13 省级行政区运力分指数 Top10 2.入算网络 我国省级行政区运力分指数-入算网络

术界限，实现了信息处理能力的全面升级；视频生成模型的显著进步，更是让创意与想象 在数字世界中自由翱翔；而混合专家系统（MoE）架构的广泛应用，则进一步提升了模型的 灵活性与效率。此外，开源模型的不断涌现，不仅加速了技术的普及与应用，也为全球开发 者共同推动AI技术的进步搭建了广阔的舞台。 1.引言 1.1 大模型技术近一年的发展演变 资料来源：集微咨询（JW Insights）整理绘制，本图谱仅列举全球典型企业及相关大模型， 贯性和理解力。但是，增加上下文窗口也意味着模型的计算量和内存需求将大幅增加，因 此在实际应用中必须权衡上下文窗口的大小和计算资源的有效利用。 （6）闭源与开源模型的动态平衡 随着大模型技术的普及，越来越多的企业和研究机构开始开放其模型和算法，以促进 �� 更广泛的研究和应用。然而，一些领先的技术公司仍然选择保持其模型的封闭性，以确保 商业竞争力和知识产权的保护。这种闭源与开源的动态平衡，带来了技术创新的快速迭代， 。 （1）技术层面的革新 大数据与人工智能：保险公司通过利用大数据分析和人工智能技术，能够更精准地进 行风险评估和定价，同时提供个性化的保险产品和服务。 互联网与移动通信：互联网和移动设备的普及使得保险服务更加便捷和实时。客户可 以通过在线平台和移动应用轻松购买保险、提交理赔申请和进行咨询。 区块链：区块链技术在保险行业的应用有助于提高数据透明度和安全性，简化理赔流 程，并可能降低欺诈风险。

采购：自主智能化的初步探索 地管理供应商关系，优化数字化成本核算与按成 本设计，并赋能备件采购。例如，通过从旧的用户 手册中检索规格参数，以支持维护、修理和运营相 关的商谈。随着AI智能体的日益普及，它们将通过 促进需求预测、优化库存管理以及处理数据录入 等重复性任务，创造出更大价值。 实现自主智能供应链 17 参与本次调研的企业领导者包括首席运营官、 首席供应链官、首席数字官和首席技术官，他们

被跨域非法访问的风险，在金融、医疗、零售等场景中，数据泄露可能引发灾难性后果。此 外，跨境数据传输需满足各国严格的法规要求，稍有不慎便可能面临巨大的风险。 应用稳定性⸺AI与线上业务的双重冲击：AI应用的普及加剧了云计算的不确定性。模型训 练需要应对海量数据冲击，推理服务对延迟非常敏感。同时，大量的线上业务依赖7×24小 时高可用性，业务中断或数据丢失都可能引发巨额经济损失。 运维复杂度⸺人力与资

中更加可信和高效。例如，在跨境贸易中，AI 可以通过区块链技术 实现自动化的合同执行和支付处理，减少人为干预和错误。 最后，AI 伦理和合规性将成为技术发展的重要考量。随着 AI 在商务应用中的普及，如何确保技术的公平性和透明性，避免偏见 和歧视，将是未来技术研发的重点。企业需要在技术设计中嵌入伦 理框架，确保 AI 智能体的应用符合法律法规和社会道德标准。 通过以上技术趋势的推动，商务 智能体的智能化水平，建议加强自主学习能力的 开发。通过引入强化学习和自监督学习技术，使 AI 智能体能够不 断从交互中学习，逐步提升其服务质量和效率。 最后，跨平台和跨设备的整合能力也是未来发展的关键。随着 移动办公和远程工作的普及，AI 智能体需要能够在不同设备和平台 之间无缝切换，提供一致且高效的服务体验。  优化自然语言处理（NLP）能力  加强多模态交互能力  提升数据安全与隐私保护  增强决策透明性和可解释性

持，尤其是在慢性病管理和疫情防控领域。通过手机应用和可穿戴 设备收集的数据，AI 可以实时分析患者的健康状态，并根据变化自 动生成相应的干预措施，如提醒患者服药、调整生活方式或定期检 查。 未来，AI 技术的普及还将促进远程医疗服务的发展。AI 系统 可以为偏远地区的医疗服务提供必要的支持，使患者能够获得及时 的诊断和建议，减轻医疗资源不均的问题。结合虚拟现实（VR）和 增强现实（AR）技术，例如，AI 化治疗方案设计等方面表现出更高的准确率和实用性。 此外，设备与硬件的发展也将极大提升生成式大模型的响应速 度和处理能力。随着计算能力的提高，尤其是图形处理单元 （GPU）和专用人工智能芯片的普及，生成式大模型能够在本地设 备（如医院的服务器或诊断设备）上实现实时处理，减少数据传输 延迟，让医疗人员能即时获取结果。 最后，伦理与法规的完善也将为生成式大模型的应用创造良好 的环境。随着社会对

总结来说，DeepSeek 智能体开发项目不仅实现了预期的技术 目标，还积累了宝贵的开发经验和项目管理知识。未来，我们将继 续优化和扩展智能体的功能，探索更多应用场景，推动智能体技术 在各行业的广泛应用和普及。 14.1 项目成果总结 在 DeepSeek 智能体开发项目的实施过程中，我们取得了显著 的成果，为智能体的功能和性能提供了坚实的基础。首先，我们成 功构建了一个高效的数据处理框架，能够实时处理和分析大规模数