DeepSeek-V3 -4- • R1推出后，追平GPT-o1，迅速出圈海外。从 DeepSeek在美国下载排名从1月22日的201名，迅速 在1月27日登顶第一名；截止1月30日，DeepSeek在 168个国家位居下载榜第一名 • DeepSeek-R1-Zero：一种通过大规模强化学习（RL ）训练的模型，没有监督微调（SFT）作为初步步骤， 展示了卓越的推理能力。通过强化学习，R1-Zero自然 略布局，市场进入爆发期 DS上线20日，日活超4000万，已达到ChatGPT 74%，成为 C端现象级应用。微信、钉钉等头部应用纷纷接入 截至2月15日，全国10省省委书记将人工智能作为 新春第一会重点部署，B端大模型应用进一步加速 省份 要求 广东 集中发力人工智能和机器人领域 浙江 加快建设创新浙江、因地制宜发展新质生产力 广西 不能妄自菲薄、行动迟缓 江西 强化企业科技创新主体地位，推动科研成果向现实生产力转化 户数跃居第一， 全球全端DAU近1.2亿；纳米AI搜索（原360）将其核心模 型换为DS 1月web端访问量登顶、APP端增速位列第2 • 某机构接国家FGW通知，全面评估DS影响，组织专 题论证会，重新评估基础模型选型，由原某公司大 模型为主，转为吸纳多家模型，重点引入DS • 山东省委书记于开年第一天工作会上，明确部署省 数据局研究DS，研究人工智能 • 某央企董事长在开年第一天即召集全管理层会议，

谁是第一个登 上月球的人 请告诉我独角兽 的历史起源 尤里 · 加加林是第 一 个登上月球的人。 独角兽被记载在大 约公元前 10000 年 漫 游亚特兰蒂斯平 原， 它们经常与皇 室联 系在一起。 模型的回答与事实不符， 因为尼尔 · 阿姆斯特朗 才是第一个登上月球的 人，而尤里 · 加加林是 第一个进入太空的人。 模型的回答是虚构的，因 CodeInterpreter() Search() ...more 记忆 智能体 行动 Short-term memory Long-term memory 规划 工具 第一步：智能体进行任务拆解，首先调用 CollectLinks 工具从搜索引擎进行搜索并获取 Url 地址列表 https://cloud.tencent.com/developer/article/2422923

新氛围，为软件企业的蓬勃成长提供了得天独厚的环境。 下 产业链下游环节分析 6 招商银行股份有限公司 中国工商银行股份有限公司 中国农业银行股份有限公司 浙江网商银行股份有限公司 中国银行股份有限公司 山东第一医科大学附属省立医院（山东省立医院） 爱尔眼科医院集团股份有限公司 北京和睦家医院有限公司 中国国家铁路集团有限公司 中国铁路广州局集团有限公司 2019年—2024年，智能软件研发行业市场规模由14 呈现以下梯队情况：第一梯队公司有科大讯飞股份有限公司、用友网络科技股份有 限公司、上海宝信软件股份有限公司等；第二梯队公司有中国软件与技术服务股份有限公司、北京金山办公软件股份有限公司、金蝶软件（中 国）有限公司等；第三梯队有北京超图软件股份有限公司、浪潮软件股份有限公司等。 头部企业融合云服务与软件推出SaaS产品，并专注于各自擅长的领域，从而占据市场领先位置。 在第一梯队企业中，科大讯 未来智能软件研发行业的市场集中度将提高。 竞争格局 智能软件研发竞争格局概况 智能软件研发行业竞争格局的历史原因 9 领先企业通过AI赋能推动智能软件研发效率和应用体验，将进一步巩固其在市场上的领先地位并提高市场集中度。 在第一梯队中，科大讯飞通过讯飞星火iFlyCode赋能软件研发流程，涵盖设计、编码及测试等环节。借助iFlyCode，编程初学者学习时间得以缩 减60%，开发人员的代码优化效率提升5倍，而测试人员的代码

· 临近奇点： AGI 将带来颠覆 结论和展望 研究一：基于大语言模型辅助的能源负荷预测方法 ( 能源领域第一篇 ) 30/80 口能源负荷预测：通过人工与 GPT 的交互，可以实现建筑能源系统负荷预测的任务的自动编程， 涉及数据预处理、特征工程、模型训练、模型评估、结果可视化和模型解释等环节 Prompt 口基于已有检测与诊断提示数据样本，利用 SMOTE 算 法 ， 合成每类别提示对应数量的新的提示样本。 一段时间内征兆变量的平 口根据评估结果对诊断准确率较低的故障 类别按照比例生成额外提示，以提高训 第一段提示中 的数据样本 第二段提示中 的数据样本 第 n 段提示中 的 数据样 本 合成 样 本 序号 题 目 年份 期刊 1 Generative pre-trained transformers 口赵阳博士有十年国内外带软件开发团队经验，具有出色软件架构能力 口长 期在开发一线，有死磕的工匠精神、永不放弃的热情、有核心团队 赵阳博士亲自架构和开发 90% 内核代码，基于 Rust 语言 第一代： 2018 第二代： 2021 第三代： 2022 第四代： 2023 第五代： 2024 ,The Rust Programming

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 师 演讲嘉 宾 自然语 言 状态报表 分析报告 根因树 决策 Action 代际 输入 方法 目标 研究成果 类别 第一代 离散特征和 KPI 特征识别及统计算 法 拟合异常结果 Ft-tree LogParse 任务数据驱动 第二代 日志文本生成 token 深度学习

用智慧发现信息价值 Discover information 》》》 普通型知识 流程型知识 要素型知识 列表型知识 场景化 小富机器人优势不特色 传统一代机器人癿工作过程示意 第一步 获取业务文档 第二步 人工加工形成 Q&A 使用技术：关键字 + 同义词 + 句式 挑战：后台知识加工自动化程度较低 第三步 逐条 Q&A 人工维护入库 “ 余额查询” 小富机器人优势不特色 小富机器人癿工作过程示意 第二步 批量导入，自动打业务标签 无须逐条整理 FAQ 第三步 用户问题语义分析，业务标签匹配 业务建模 + 概念资源 + 语义分 析 第一步 业务建模 用智慧发现信息价值 Discover information 用智慧发现信息价值 Discover information 小富机器人：问题理解和答案相关性癿提升 最后还款日未还款怎么办？

地资源等方面综合优势，承接北京大模型训练、推理等任务，形成 “北京出需求、河北供算力”的协同模式，构建起优势互补、协同发 展的算力产业生态，算力分指数远高于其他省份。在规模方面，在 用标准机架数、在建标准机架数、智算规模均全国第一，在质效方 面，上架率、PUE、算力业务收入指标等均表现良好。浙江、内蒙 古算力发展成效显著，算力分指数分别提升 6 名、8 名。浙江数字经 济发达，算力需求旺盛，建成并投运多个智算中心项目，推动算力 上海市、贵州省、内蒙古自治区、江苏省、浙江省、山西省、北京 市、山东省，具体情况详见图 5。河北重视算力产业发展，持续布 局智算中心建设，在用标准机架数与在建标准机架数（以 2.5 kW 为 一个标准机架计算）均全国第一。沿海地区，如广东、上海、江苏 等地，制造业和服务业发达，经济与科技基础雄厚，数字化转型需 求旺盛，在算力基础设施建设方面投入较大，推动算力规模快速增 长。能源优势地区，如贵州、内蒙古、山西等地，凭借区位、能源、 CUE 表现良好，算力业务收入位于全国前列， 算力质效全国领先。浙江算力需求旺盛且多样化，上架率高，注重 综合算力指数 19 算力设施高效运营与技术创新，算力业务收入较高，算力质效表现 位于全国第一梯队。青海依托气候和能源，建设零碳绿色算力中心， PUE 和 CUE 表现优异，算力质效表现优秀，为西北地区提供了强大 的绿色算力支持。 来源：中国信息通信研究院 图 8 省级行政区算力分指数-算力质效

患，从而为决策者提供及时而精准的信息支持。 其次，在事件检测与响应方面，AI 大模型在图像识别和事件推 理中表现出色。这些模型可以基于行为模式识别异常活动，比如聚 众斗殴、盗窃或其他非法活动，提供预警机制，有助于提高第一响 应者的反应速度。此外，将 AI 大模型与现有监控系统结合，能更 快地从历史视频数据中检索到相关信息，为调查和事后分析提供便 利。 在数据整合方面，AI 大模型不仅仅局限于视频监控数据的分 中推 广和应用 AI 大模型进行视频智能挖掘的有效性和可行性，为提升 社会安全水平提供有力支持。 2.1.1 视频数据采集 在公共安全领域，视频数据采集是实现 AI 大模型视频智能挖 掘的第一步，它为后续的数据分析和决策提供了必要的基础。为了 确保视频数据采集的高效性和有效性，本章节将详细阐述视频数据 采集的功能需求。 首先，视频数据采集设备应具备高清晰度和高帧率的录制能 力，以 际部署中，建议将视频流数据按照事件类型进行分类存储，并通过 云平台进行定期模型更新，这样不仅提升了处理效率，还能确保系 统始终在最佳性能状态。 最后，识别后的事件应通过快速通报平台进行响应联动，将识 别到的异常信息第一时间通知安保人员或相关部门。通过建立智能 调度系统，当事件发生时，能够自动配置资源并派遣单位到达现场 进行处理。此过程可以通过图表或流程图进行展示，清晰表达突发 事件识别后的反应机制。 通过

增强以人工智能为中心的流程方面还是能发挥作用。比如，一旦做出了智能 决策，就可以利用机器人流程自动化来执行操作。此外，它还可以节省成本， 为智能自动化的进一步发展提供资金。 案例研究——智能的“第一时间损失通知”(i-FNOL)：想象一下，在早上的通勤 途中，你调收音机的时候与另一辆车相撞，你可以拨打保险公司的索赔热线， 寻求相关人员的帮助，并完成基本的 FNOL 报告。索赔顾问会确认事故的责

推理延迟 | <200ms | 风险预测模型 构建集成学习框架，采用 XGBoost 为主模型、LightGBM 为辅助 模型的级联结构。特征工程阶段需嵌入审计专家规则： 1. 第一阶 特征：原始财务指标（流动比率、资产负债率等） 2. 第二阶特 征：动态衍生指标（同比波动率、行业偏离度） 3. 第三阶特征： 关联方交易网络特征（通过 Graph Embedding 9-1.0 自动冻结+审计师弹窗提 醒 15 分钟 高 0.8-0.9 生成核查清单推送负责人 4 小时 中 0.7-0.8 纳入周期性复核队列 24 小时 实际部署时需注意三个实施要点：第一，模型每周自动更新训 练数据，动态调整行业基准参数；第二，设置误报反馈通道，审计 师标记的误判案例会自动加入模型再训练样本；第三，对检测出的 异常交易自动生成结构化报告，包含交易链路图谱、关联方关系网 的多模态处理与机器学 习能力，实现审计数据的自动化挖掘与风险洞察。该模块的核心在 于将传统审计规则与 AI 模型结合，构建动态分析框架，具体功能 实现如下： 审计数据预处理采用三层清洗机制：第一层通过预设规则过滤 缺失值与异常格式，第二层基于历史审计项目构建的数据质量库自 动修复常见错误（如凭证号重复、金额字段错位），第三层通过 NLP 技术解析非结构化数据（如合同文本、会议纪要），提取关键