的总体目标，强调要适应科技信息化发展大势，以信 息化推进应急管理现代化，提高监测预警、监管执 法、指挥决策、救援实战、社会动员等应急管理能力。 大语言模型是具有大规模参数的深度学习模 型，通过对海量文本的训练习得语言的统计规律， 从而具有理解和生成自然语言的能力，实现人机之 间的有效通信。自2018年双向编码表示模型（bidirec⁃ tional encoder representations from pre-trained transformer，GPT），人工智能领域 自然语言处理方向的重大突破，引领了大规模预训 练模型及应用研究的热潮。大语言模型技术的迅猛 进展正深刻地影响着机器系统智能化的轨迹，标志 着进入一个新的人工智能时代。从 BERT 到 GPT [1-2]， 这些模型通过深度学习和海量数据训练，不仅推动了 自然语言处理技术的边界，也正在改变知识获取和创 新的模式，将对应急管理体系发展、能力要求以及实 金（20BZZ037）, 广 东 省 哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人, 硕士, 助理研究员。 基于大语言模型技术的智慧应急应用： 知识管理与应急大脑 龚 晶 1 黄 欢 2，* （1. 暨南大学 公共管理学院/应急管理学院，广州 510632；2. 暨南大学 党委政治保卫部/人民武装部，广州 510632）

打造自适应 AI 运维智慧体： 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 日志是机器语言：大规模网络、软件系统在运行过程中每天会产生 PB 级别的日志，这些日志是一些类自然语言的文本，实时描述了设备 的运行状态、异常情况。 (2) 传统网络运维是机器语言的人工翻译过程：为了维护网络的稳定，运维人员会持续监控设备的运行状态，希望准确、及时地检测异常和 突发事件。网络日志是设备运行维护最重要的数据源，运维人员通常会通过解读日志中的自然语言、语义信息来发现问题、分析根因。 分析根因。 (3) 自动日志分析是机器语言的自动翻译过程： 日志文本种类繁多、数量庞大，且多数日志为非结构化文本，无法通过人工方式监控和检测 全部的日志。更重要的是，分析设备日志需要丰富的领域知识，耗时耗力；简单的规则配置也无法理解文本的语义信息。 化⽂本 类 自 然 语 ⾔ 半 结 构 观点 1 ：软件日志运维是从机器语言向自然语言的 转化 转化 表：一些网络基础设施

1 开发工具与技术栈..............................................................................72 4.1.1 编程语言选择.............................................................................74 4.1.2 框架与库..... ..............169 1. 引言 在过去几年中，人工智能（AI）技术的飞速发展及其在各行各 业的广泛应用，推动了企业对大型模型（大模型）解决方案的日益 需求。随着深度学习和自然语言处理技术的突破，许多企业意识 到，通过利用大模型，可以显著提高产品的智能化水平，提升效 率，降低人力成本。与此同时，作为一种新兴的商业模式，软件即 服务（SaaS）平台的兴起，为企业提供了灵活、可扩展的解决方 建设这样一 个平台提供可操作的指导。 1.1 背景 近年来，人工智能技术的迅猛发展为各行各业的数字化转型注 入了强大的动力。在这一背景下，大模型（如 GPT、BERT 等）因 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

件常常融合了人工智能 （AI）、机器学习、大数据分析、云计算、物联网（IoT）等前沿技术，为用户提供更加智能化、自动化以及互联的功能。它们不仅能够加 速数据处理和决策过程，还支持预测性分析、自然语言处理、增强现实/虚拟现实体验，并且可以通过持续的学习和适应来改进性能。 信息安全软件是专为保护计算机系统、网络和数据免受未授权访问、攻击及泄露而设计的程序工具。它通过提供防火墙、加密技术、入侵 够更快地收集用户反馈、分析用户需求，并根据反馈结果进行产品调整和优化。这种以用户为中心的开发理念有助于提升用户体验和满意 度，增强产品的市场竞争力。 多样化与跨领域应用 智能软件广泛应用于自然语言处理、计算机视觉、语音识别、自动驾驶及金融分析等多个领域，展现了其高度的多样化特性，精准对接各 行业需求。在跨领域融合方面，智能软件研发行业正积极与物联网、云计算等前沿技术深度融合，不断拓宽其应用场景与潜力边界。 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 和推动者共同签署了《敏捷软件开发宣言》。 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

模型的总训练成本为 557.6 万美元，对比 GPT-4o 等模型的训练成本约为 1 亿美元。 2025 年 1 月， DeepSeek-R1 发布，性能对标 OpenAI-o1 正式版。在数学、代码、 自然语言 推理等任务上，性能比肩 OpenAI-o1 正式版。 2 月 1 日消息，据彭博社报道， DeepSeek 的人工智能助手在 140 个市场下载次数最多的移动应用程序排行榜上名 列前茅。国外大 DeepSeek( 深度求索 ) 公司成立于 2023 年 5 月，是一家致力于实现 AGI(Artificial General Intelligence ，通用人工智能 ) 的创新型科技公司，专注于开发先进 的大语言模型和相关技术。 DeepSeek 由知名量化资管巨头幻方量化创立，幻方量化创始人梁文峰在量化投资和高性能计算领域具有深厚的背景和丰富的经验。 l 2024 年 5 月， DeepSeek-V2 发布，成为全球最强开源通用 DeepSeek-R1 发布，性能对标 OpenAI-o1 正式版。 DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下， 极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI-o1 正式版。同时 DeepSeek 开源 R1 推理模型，允许所有人在遵循 MIT License 的情况下，蒸馏 R1 训练其他模型。 DeepSeek

讯飞文旅大模型是国内“AI+全域旅游”大模型落地标杆产品，通过深度解构文旅产业 生态，构建起游客、企业、政府三端协同的智能服务体系，实现了人工智能技术与全域旅游 场景的深度融合。 该模型依托前沿的大语言模型技术架构，创新打造覆盖游客服务、企业运营和政府监管 的全周期智慧化解决方案。在游客端，提供覆盖游客游玩全生命周期的 AI 伴游助手，满足 游客对文旅及周边从认识、认知到认购的深度体验。在企业端，为涉旅企业提供专属的 几点进行技术创新。 （一）创新技术赋能，打造本地化知识引擎 讯飞文旅大模型突破性地将先进的基座大模型与本地特色数据相结合，构建了本地专属 的文旅知识库。通过深度学习、自然语言处理等技术，对当地历史文化、风土人情、景点信 息、美食特产等进行深度挖掘和结构化处理，形成精准、全面、动态更新的知识图谱。该知 识库不仅能够准确理解用户意图，还能提供个性化、场景化的信息推荐和服务，例如根据用 则具 备弹性扩展、成本低廉等优势，适合中小型旅游企业快速接入。 （三）多模态交互方式，提升用户体验 讯飞文旅大模型突破传统文本交互的局限，支持文本、语音等多种交互模式。用户可以 通过自然语言与智能体进行对话，例如语音查询景点信息、语音查询酒店信息等，极大提升 了交互的便捷性和趣味性。同时，还支持多轮对话、上下文理解等功能，能够准确捕捉用户 意图，提供更加精准的服务。 以利川文旅

.........................................................................................22 3.1 开发语言选择......................................................................................24 3.2 框架与库选择 智能体开发通用方案旨在构建一套高效、灵活且可 扩展的智能化解决方案，以满足企业在复杂业务场景中对智能决 策、自动化处理和数据分析的需求。该方案基于先进的人工智能技 术，结合深度学习、强化学习以及自然语言处理等核心技术，能够 实现对多样化数据的实时处理与智能化分析，从而提升企业的运营 效率与决策质量。 项目的核心目标是通过模块化设计和可配置策略，为企业提供 定制化的智能体开发服务。智能体将具备自主学习能力，能够根据 企业 提供一套标准化、模块化的智能体开发框架，帮助开发者快速构建 高效、可靠且可扩展的智能体系统。 当前市场上，智能体开发的主要痛点包括： - 技术栈复杂：智 能体开发涉及机器学习、自然语言处理、物联网等多个技术领域， 开发者需要具备跨学科知识。 - 可扩展性差：现有解决方案往往针 对特定场景设计，难以适应不同业务需求的变化。 - 维护成本高： 智能体系统在部署后需要持续优化和更新，缺乏统一的开发框架会

网络以及 Transformer 模型的多种技术模型积累 2019 年 GPT-2 BART RoBERTa ChatGPT 经过多类技术积累 ，最终形成针对人类反馈信息学习的大规模预训练语言模 型 2018 年 GPT-1 T5 BERT 2020 年 GPT-3 M2m- 100 XLM 进行海量数据学习训练 ，人类的反馈信息成 为模型学习的内容 OpenAI https://paperswithcode.com/sota/multi-task- language-understanding-on-mmlu 大模型在知识问答、数学、 编程等能力上达到新的高度， 多种任务上 的表现超过人类水平。 大模型能力不断增长 Source: https://lifearchitect.ai/timeline/ 大模型发展迅速，参数量从百亿到万亿规模 large-language-models 大语言模型易产生幻觉 ，在数学推理方面表现在推理能力严重不足， 体现在简单数值比较错误、 多步推理能力弱、推理不一致等 早期大模型在推理能力上存在明显短板 9.11>9.9? 简单数值比较错误 多步推理错 误 事实性幻觉问题 大语言模型易产生幻觉 ，在数学推理方面表现在推理能力严重不足，

算存运协同建设、软硬件协同优化的大模型算力体系,明确大模型算力体系的算力、存力和运力三大关 键要素;最后,对大算力集群需求、端侧大模型发展、人工智能赋能新质生产力等发展趋势进行研判。 关键词:大语言模型;大模型算力体系;算存运协同 中图分类号:TP18;F49 文献标志码:A 引用格式:郭亮, 王月, 李洁 . 大模型算力体系构建与关键技术分析[J] 使得人工智能( Artificial Intelligence, AI)领域迎来重大发展。 2018 年,基于 Transformer 的 GPT 和 BERT 等预训练模型问世,开启了自然语言处 理(Natural Language Processing,NLP) 的预训练时代, 并在 多 项 典 型 任 务 中 取 得 突 破 性 进 展。 2021 年, Vision 开源性质加速了 AI 应用的普及化。 在 AI 快 速 发 展 的 背 景 下, 大 语 言 模 型 ( Large Language Model,LLM) 始终处于核心地位,其不仅在 自然语言处理领域取得革命性进展,也通过多模态数据 融合与多种智能体结合的技术探索,不断拓宽能力边 界,为未来通用智能的发展提供强大动力和无限可能。 值得注意的是,如今 LLM 领域的蓬勃发展并非偶然,而

AI 算力：1）芯片设计：重点关注寒武纪、海光信息等 AI 芯片龙头。2）先 进晶圆制造：重点关注以中芯国际为代表领军企业。3）国产 AI 算力液冷：高澜 股份、英维克等。 AI 应用：1）编程：卓易信息、普元信息等。2）办公：金山办公、合合信息、福 昕软件等；3）ERP：金蝶国际、用友网络、鼎捷数智、汉得信息、能科科技、赛 意信息；4）OA：泛微网络、致远互联等；5）客服：梦网科技、彩讯股份等； 资料来源：字节跳动官方公众号，民生证券研究院 同时较为重要的是，COMET 约 1.2 万行 C++ 和 CUDA 代码及 2 千行 Python 代码已开源，提供友好 Python API，建立细粒度流水线编程范式，可 与现有框架结合，支持多种并行模式和插拔式部署，还计划兼容 Triton 等编译生 态。 1.2.3 DeepSeek：DeepSeek-V3 模型更新，各项能力全面进阶 3 月 AI 算力：1）芯片设计：重点关注寒武纪、海光信息等 AI 芯片龙头。2） 先进晶圆制造：重点关注以中芯国际为代表领军企业。3）国产 AI 算力液冷：高澜 股份、英维克等。 AI 应用：1）编程：卓易信息、普元信息等。2）办公：金山办公、合合信息、 福昕软件等；3）ERP：金蝶国际、用友网络、鼎捷数智、汉得信息、能科科技、 赛意信息；4）OA：泛微网络、致远互联等；5）客服：梦网科技、彩讯股份等；