DeepSeek 消费电子行业大模型新型应用最佳实践分享 陈树荣 腾讯云智能商业化 2025.03 LEVEL 1 研发模型结构 LEVEL 2 研发预训练模型 LEVEL 3 基于模型 SFT LEVEL 4 直接调用 大模型产业生态图 大模型产业链上的生态，根据大模型生态上不同企业的定位，分成了四个等级的企业： • 自研大模型结构的企 低代码、灵活自定义两种精调模式自由选择 多种训练工具：具备周期调度能力的可视化建模，低门槛深度学习场景化 工具，交互式代码开发工具，专业的通用任务调度工具 分布式稳定训练：支持多机多卡大规模训练，故障自动重启续训 镜像制作：基于 jupyter 的高效自定义镜像制作工具 训练指标监控：丰富的指标监控及告警，覆盖网络及 GPU 算力 内置训练加速：全新升级 Angel 训练框架加速能力，性能提升 30%

李子威、宋昊、郭建领、谷晨、彭骏涛、邵萌、赵冉、王博、吴 巍、申东洋、吴波、李琦、马梦娜、刘栋、孟令宇、刘北水、王 盈、杜渐、戴明、落红卫、初翎祯、林冠辰、卢春景、郭晓霞、 程佩哲、许啸、张荣、柳嘉琪、李寒雨、李申、谭龙、吴子坚、 田小龙、曹岳、吕莹楠、王立夫、于新颖、黄冬秋。 I 声 明 本《实践指南》版权属于网安标委秘书处，未经秘书 处书面授权，不得以任何方式抄袭、翻译《实践指南》的

大模型算力解决方案手册 本册《非凡箓》浓缩联想智算实践精华：首章揭示 DeepSeek 技术 矩阵如何重构企业竞争力；中篇以多维智能算力匹配、 GPU 内核态 虚拟化、集合通信算法库、AI 高效断点续训、AI 与 HPC 异构集群 调度等九大差异化技术拆解规模化落地密码，完整诠释联想在异构智 算领域的创新成果；终章通过制造、金融等领域的成功案例，诠释软 硬协同如何让 AI 从 22 九大差异化技术， 突破智算效率极限 当前，联想已正式推出万全异构智算平台 3.0 版本，该版本不仅全面落地算力匹配魔方、 GPU 内核态虚拟化、联想集合通信算法库、AI 高效断点续训技术、AI 与 HPC 异构集群 超级调度器等差异化技术，更实现了全面升 级，包含 AI 推理加速算法集，可帮助 AI 推 理性能提升 5-10 倍；AI 编译优化器，使得训练和推理计算成本至少降低 集成增强型集合通信算法，优化数据传输 路径。千卡规模集群网络通信效率提升超 10%，集群规模越大，效果越显著，突破集群 计算瓶颈，训练效率提升 10%—15%。 ※ AI 高效断点续训技术 04 联想万全异构智算平台对数据进行多级备份，精简备份数据量，从最佳路径提取数据。基

电子 AI+ 系列专题报告（六） Deep Seek 重 塑 开 源 大 模 型 生 态 ， A I 应 用 爆 发 持 续 推 升 算 力 需 求 证券分析师：胡剑 证券分析师：胡慧 证券分析师：叶子 证券分析师：张大为 证券分析师：詹浏洋 021-60893306 021-60871321 0755-81982153 021-61761072 010-88005307 hujian1@guosen 超级芯片，可以用于处理万亿参数模型，能够保证超大规模生成式 AI 训练和推理工 作负载的持续运行。 l 预计 B200 和 GB200 系列在 2024 年第四季度和 2025 年第一季度之间陆续出货， B300 系列将于 2025 年第二季度至第三季度之间陆续出货。据 TrendForce 数 据，英伟达对 Blackwell 系列芯片的划分更为细致，以向大型云服务商提供符合其能效要求和服务器 OEM 性价比需求的产品，并根据供应链情况动态调整。预计 指出，英伟达近期将其所有 B lacwell Ultra 产品更名为 B300 系列，预计 B200 和 GB200 系列在 2024 年第四季度和 2025 年第一季度之间陆续出货， B300 系列将于 2025 年第二季度至第三季度之间陆续出货。 表：英伟达 GB200 芯片及性能提升示意图 表：英伟达 DGX SuperPOD 架构示意图 B100 B100 HGX HBM3e 8hi*8(192GB)

领域自适应（ Domain Adaptation ）技术实现 增量学习策略 反馈闭环优化 自动化监控与评估 版本控制与回滚 设计增量学习机制，使模型能够 在不遗忘已有知识的基础上，持 续吸收新的金融数据和业务规则， 确保模型始终与银行业务的最新 发展保持同步。 建立用户反馈机制，将银行业务 人员和客户的反馈信息纳入模型 优化流程，通过持续迭代改进模 型，使其更好地满足实际需求， 涵盖大模型技术、企业架构建模、敏捷开发等前沿知识， 提升员工的专业技能和创新能力。 实战项目经验积累 03 通过参与实际数字化转型项目，让员工在实践中积累经验， 提升解决复杂问题的能力，同时通过项目复盘和总结，持 续优化人才培养方案。 激励机制与职业发展路径 04 建立完善的激励机制和职业发展路径，包括绩效考核、晋 升通道、薪酬福利等，激发员工的学习动力和职业成长潜 力。 扁平化管理结构 减少管理层级，优化决策流程，提升组织响应

该方案在某电商平台试点期间，使客服人力成本降低 37%，首 次响应时效提升至 98% within 30 秒，工单误派率从 15%降至 6%。建议初期配置 3 人运维团队负责模型监控和知识库维护，后 续可随业务量增长逐步扩展。 3.1.2 多语言支持与翻译 在智能客户服务场景中，多语言支持与翻译功能通过 DeepSeek 大模型实现全球化客户沟通的无缝衔接。系统可自动识 别客户输入的语种（如英语、西班牙语、中文等），并实时将对话 | 粤语、闽南语等 6 种 | 建立方言- 标准语映射模型 | 对于高价值场景（如跨国合同协商），系统可启用人工校验模 式，将 AI 翻译结果与专业译员修正版本进行差异比对，并通过持 续学习优化模型。例如某跨境电商客户案例中，西班牙语咨询的首 次解决率从 68%提升至 89%，平均处理时长缩短 40%。 实施时需注意： - 数据合规性：欧盟地区对话需启用本地化部署，满足 GDPR 监控体系实时追踪，关键指标包 括： | 指标名称 | 目标值 | 告警阈值 | |——————-| ———————|—————| | API 成功率 | ≥99.5% | <98% 持 续 5 分钟 | | 平均响应时长 | ≤500ms | >800ms | | 并发处理能 力 | 2000 TPS | 1500 TPS | 数据安全措施包含： - 传输层：TLS

选择便携、认证的医疗级设备，确保数据准确性； - 建立固定记录时段（如晨起后、睡前），形成习惯性行为； - 定期导出数据供医生复诊时参考，避免仅依赖主观描述。 通过上述方案，可显著提升数据采集的完整性和时效性，为后 续的医患协同决策提供可靠支持。 2.2 个性化健康建议 慢性病患者健康管理的核心在于提供高度个性化的健康建议， 以满足不同患者在疾病阶段、生理状态及生活方式上的差异化需 求。DeepSeek 平 为提高跟踪准确性，平台采用三重验证机制： 1. 智能药盒的 传感器数据（开启次数与时间戳） 2. 患者 APP 的主动确认记录 （每日用药打卡） 3. 药房配药记录与剩余药量复核（每月处方续 方比对） 针对依从性不足的患者，系统自动生成分级干预方案。对于初 级依从障碍（遗忘性或时间管理问题），启动智能药盒的声光提醒 联动手机 APP 推送，并支持家属端同步提醒。数据显示，使用多重 标准，又能适应中国家庭 多位子女共同照护 的文化特点。实际应 用中，某试点家庭通过该功能将老年糖尿病患者的急诊次数降低 62%，家庭沟通效率提升 3.8 倍（基于 6 个月追踪数据）。平台后 续将增加语音输入、方言识别等本土化功能，进一步降低老年照护 者的使用门槛。 9.2 照护者培训与指导 慢性病患者的健康管理离不开照护者的专业支持，而照护者的 能力直接关系到管理效果。DeepSeek

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，主打一站式智能化教育。围绕DeepSeek，学而思的AI教育布局呈现出双协 同、生态化特点：

在企业中逐步实现，每个阶段都推动着效益提升。 此外，通过将资深团队成员数十年积累的专 业知识和洞察进行系统化梳理与编码标准化，自 主智能供应链有助于确保核心知识的保留，并传 承至下一代员工，即便在资深团队成员陆续退休 的情况下，仍能维持知识体系的可持续性。 实现自主智能供应链 6 我们的调研发现，通过人工监督关键流程节点 （即“人机协同”）来实现自主运营，能够显著提升 效率、敏捷性和可持续性，这对于适应动态环境中 策自主化。 实现自主智能供应链 15 图6 最先进的工业多集中在离散制造领域 • 未来五年内，所有行业的供应链自主化 水平预计都将实现显著提升。大多数行 业从当前到未来的自主化发展均呈现持 续增长态势，反映出向自动化与自主化 转型的普遍趋势。然而，各行业转型的 速度与广度差异显著，这为根据其独特 需求和运营现状制定针对性的战略举 措带来了机遇。 • 汽车行业已成为数字化供应链转型的

案例分析：结合实际业务场景，展示智能体在不同情况下的应 用效果。  互动练习：设计互动环节，让用户在模拟环境中进行实战操 作。  反馈机制：通过问卷调查或访谈，收集用户对培训的反馈，持 续优化培训内容。 通过系统的用户培训，用户可以快速上手并充分利用 DeepSeek 智能体的各项功能，提升工作效率和决策质量。同时， 培训不仅为用户提供了技术支持，还增强了用户对智能体的信任感 到预期目标。验收报告应包括以下内容：项目概述、验收标准、测 试结果、问题和改进建议、验收结论。验收报告应作为项目的重要 文档存档，供后续参考和审计。 通过以上步骤，可以确保智能体开发项目的顺利验收，并为后 续的推广和应用提供可靠保障。 13.1 验收标准制定 在制定验收标准时，首先需要明确项目的核心目标和关键性能 指标（KPIs）。这些指标应与项目需求文档（PRD）中的目标相一 致，并且能够量化评 功能与性能表现一致。 在验收测试过程中，测试人员应详细记录测试结果，并对发现 的问题进行分类和优先级排序，形成测试报告。测试报告应包括测 试用例、测试步骤、测试结果、问题列表及改进建议等内容，为后 续的修复和优化提供依据。 以下为验收测试的关键指标示例：  功能测试通过率：95%以上  性能测试响应时间：平均不超过 2 秒  安全性测试漏洞发现率：无高危漏洞  稳定性测试无故障运行时间：连续运行