项目编号： DeepSeek 智能体开发通用 设 计 方 案 目 录 1. 项目概述.......................................................................................................6 1.1 项目背景................................. .......................................................................152 1. 项目概述 DeepSeek 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 业务需求动态调整其行为模式，并支持多任务并行处理。此外，方 案特别注重系统的可扩展性和兼容性，确保智能体能够无缝集成到 现有的企业信息化系统中，降低实施成本。 在技术架构方面，DeepSeek 智能体开发通用方案采用分层设 计，主要包括数据感知层、智能决策层和结果输出层。数据感知层 负责从多种数据源中采集信息，包括结构化数据、非结构化数据以 及实时流数据；智能决策层通过机器学习算法和规则引擎对数据进

ek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 相较于其他通用及垂类大模型，DeepSeek能够得到头部教育企业广泛青睐、激起 抢滩布局，主要得益于其几大特点： l 深度思考模式：DeepSeek的深度思考模式能够输出自然语言形式的推理过 程，使得学习、解 后于2月18日推出AI原生学习硬件产品答疑笔SpaceOne。网易有道通过将全产品 线接入DeepSeek、加速智能硬件创新，推动AI教育场景的深化与成本优化。 1、底层技术融合：构建DeepSeek-R1的通用智能推理能力与自研教育垂类大模型 “子曰”结合的混合架构，以提升复杂场景的AI教育能力精准度，并打造了基于 DeepSeek的多模态应用。 2、全线产品线接入：软件端，网易有道AI学习类App接入DeepSeek，以其深度思 四、以DeepSeek为代表的高性能低成本通用模型将加速 推动AI教育产品、场景创新 DeepSeek引发的行业热潮，标志着通用大模型能力提升、成本降低为AI教育规模 化落地带来了关键转折点。未来，通用大模型将主要以两大路径赋能AI教育企业： l 路径一 教育企业自研教育大模型，融入DeepSeek 等通用模型能力 以DeepSeek为代表的通用大语言模型为基座，教育垂类大模型为核，以减少通用 大模型应用于教育

/ 环节是整个项目的天花板 2025 年 2 月，麻省理工学院何凯明指出： Al 正在悄然重塑全球科研生态：“过去，不同学科间的交流 像隔着一堵高墙；如今，人工智能正成为所有科学家都能听懂的通用语言 " 。 自动化 工程热物理 新能源 化工 软件 工程 人工 智能 范式困境主要原因三：周期长、链条多、人员配合难度大效率低 18/80 口需要多个 团队 深度长期协作，难度大成本高 高投入：必须依赖大数据、大算力、大资金和大能耗的支持，推动模型性能最大化 面临的挑战： · 开发难度：当前人工智能模型的开发周期长，难度高，存在成本与效率的矛盾 · 规模化瓶颈：从试验性产品到生产线产品，需要解决模型适配性与通用性问题 解决路径： 口推动模型的柔性制造，实现更高效、更低成本的开发流程 口借助自动化、模块化和流水线技术，降低生产成本，提升部署速度 DeepSeek 支撑范式突破：降低开发难度，推动能源领域智力普惠 还要快得不可思议。 3. 智能水平的线性提升，其社会经济价值的增长本质上是超指数级的。由此推断，我们认 为在可预见的未来，没有理由停止对人工智能进行指数级增长的投资。 OpenA I 宣告 通用人工智能 (AGI) 时代临近 (2025 年 2 月 10 日 ) 71/80 2025 年 2 月 10 日， OpenAl 联合创始人兼首席执行官 Sam Altman 在其社交媒体发布重磅文章《

带来 了天然的应用优势。尽管医疗数据的互不连通和近乎为零的容错率给医疗大模型的商业 化带来了挑战，但仍有不少企业和研究机构推出了自己的医疗大模型产品，如医联的 MedGPT、腾讯和百度基于自研通用大模型打造的医疗大模型等。这些模型在提升医疗服 务效率、扩大普惠金融覆盖范围等方面发挥了重要作用。 （3）教育行业 教育行业也是大模型应用的重要领域之一。多家科技公司如网易、百度、知乎等相继 家发改委 于2023年底发布了《“数据要素×”三年行动计划（2024—2026年）》。该计划围绕数据要素 与各行各业的深度融合，部署了包括“数据要素×智能制造”在内的12项重点行动，特别支 持通用及垂直领域人工智能大模型的训练与发展，为人工智能产业的创新发展注入了新 的动力。 值得一提的是，2024年6月5日，工业和信息化部等四部门再次联合印发了《国家人工 智能产业综合标准化体系建设指 量计算基础设施建设，深圳设立1000亿元AI基金等，各地形成了激烈的“政策竞赛”。 2.2.1.2.1 地方政策 �� 在北京出台政策方面，4月27日，北京市发展改革委在2024中关村论坛年会上发布了 《关于加快通用人工智能产业引领发展的若干措施》。 《措施》聚焦人工智能5个领域，提出 10条措施。其中，3条措施关于算力，4条措施关于大模型，1条措施关于投融资，1条措施关 于技术创新，1条措施关于国际合作。

GPT 3.5 辨别式 AI 对现有内容进行分析、分类、判断、预测 客户流失预测 生成式 AI 自动生成开放的文本、图像、音频、视频等内容 短视频片段 广告视频 多模态生成 相对通用的人工智能 一个大模型解决多个问题 自适应地应对复杂外界环境的挑战 专用人工智能 一事一模型，每个模型完成特定智能任务 解决特定的智能问题 里程碑： ChatGPT 的成 功 AI 1.0 ，正在起到信息系统入口界面作用。 大语言模型正在成为人工智能时代的信息系统入口 大语言模型 操作系统 浏览 器 图片 编辑 播放 器 科学 计算 硬件虚拟层 多模态 / 多领域数据通用接口 桌面和移动应用 服务应用 意图识别 情感分析 问答 文本生成 图片生成 声音生成 造 新 质 生 产 力 的 重 要 抓手 行业知识更深 业务流程更深 产业网链大模型 招商服务 技术分析 情报服务 产业研究 知识问答 报告生成 面向产业创新领域， 以通用中文大模型为基座， 注入数十亿海量产业数据和数百个产业链知识图谱， 结合工具集、 知识库和指令微调训练得到产业网链大模型 。 • 底层拥有强大的产业数据和知识图谱数据，避免产业基础能力不足；

广泛认可。其中： ● DeepSeek-V3 是在 14.8 万亿高质量 token 上完成预训练的一个强大的混合专家 (MoE) 语言模型，拥有 6710 亿参数（激活参数 370 亿）。作为通用大语言模型，其在 在知识类任 务（知识问答、内容生成等）领域表现出色。 ● DeepSeek-R1 是基于 DeepSeek-V3-Base 训练生成的强化推理能力模型，在数学、 代 码生成和逻辑推断等复杂推理任务上表现优异。 零代码一键部署大模型，网页问答体验推理效果 u 精调训练： 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% 精调数据配比训练： 内置 100+ 任务类型精调配比数据 AI 框架 u Pyspark ， pytorch, vllm ， megatron 等 通用训练框架 u triton, vllm, sg lang, sd, pmml 等 通 用 推 理框架 分布式文件存储 u 公 有 云 分布 式 文 件 存 储 CFS/Turbofs/Goosefsx

而大模型的长对话能力也使其具有处理复 杂任务的能力, 并规划长期目标. 这些特点都使得 具身智能有别于传统的仅面向单一任务, 或同质任 务的传统机器人, 使其具有更强的自主性与适应性. 人形机器人的突出优势就是其通用性, 而大模型带 来的认知能力则是形成通用性的关键[20]. 近期, 各 大机器人企业制造的人形机器人, 如宇树机器人 Unitr- ee H1、特斯拉机器人 Optimus, 以及 Figure AI 的 Figure 得到完成整个任务所需的动作序列. 实验 表明, 相比于依赖预训练视觉语言模型或仅采用端 到端视觉运动控制而忽视技能模块的方法, KITE 在演示数据较少或相当的情况下训练效果更优. CoPa[96] 通过部件空间约束实现通用机器人操 作. 该框架利用大规模预训练模型中蕴含的常识知 识来指导机器人在开放世界场景中的低层次控制. 在运动规划阶段, 首先将识别出的关键部件简化为 几何元素表示, 如将细长部分建模为向量, 而将其 大模型处理环境观察与提示, 输 出动作序列, 动作序列可以是一系列关节角度或末 端执行器的位姿与夹爪开合数据, 这些序列将直接 用于控制机器人的运动. Gato[60] 是一个可以处理多 模态、多任务和具身化问题的通用智能体, 通过在 604 个涵盖不同的模态、观测和动作规范的任务上 进行预训练, Gato 可以完成玩游戏、为图像添加字 幕、操控真实机械臂堆叠方块等多种任务. 当 Gato 作为动作策略时, 通过自回归方式逐个标记采样动

及相关落地应用。在去年 11 月份， 讯飞星火 App 的用户已经累计开发了 3.7 万+的个性化 AI 助手，可以满足职场、营销、 创作等多场景需求。目前 App 已经累计在安卓市场下载 1.31 亿次，在国内通用大模型 App 中排名第一。另外，讯飞星火首批上线面向特定场景打造专属助手。例如垂类智能 体“讯飞晓医”，其覆盖了 1600 种常见疾病，2800 种药物以及 6000 种医学检验，其满 足了用户的一些医疗建议需求。 商汤、清华大学和上海人工智能实验室等机构的研究者们提出了一种名为 Ghost in the Minecraft (GITM) 的通才 AI 智能体。GITM 能够在《我的世界》中表现优异，显 著减少训练时间和资源。这一突破标志着通用人工智能（AGI）研究的重大进展，AGI 的 目标是开发能够在开放世界环境中进行感知、理解和交互的智能体。GITM 通过自主学 习，解锁了《我的世界》主世界的 262 个物品，相较于之前智能体仅解锁的 豆包智能体的对话界面 资料来源：字节跳动豆包，海通证券研究所 相比市面上的收费大模型，豆包有价格优势。目前普通用户可以免费使用豆包，其 大模型的 API 定价也相对较低。按 Tokens 实际使用量计算费用的“后付费”模式下，豆 包通用模型-pro 和豆包通用模型-lite 的 32k 及以下窗口版本，模型限流为 10K RPM 和 800K TPM（以 RPM 和 TPM 其中

资料来源： DeepSeek ，中泰证券研究所 7 n 阿里近期开源的 QwQ-32B 模型基于 320 亿参数规模，在数学推理、代码生成及通用任务中表现亮眼，综合性能对标 DeepSeek-R1 （ 6710 亿参数，激活量 370 亿）。该模型大幅降低部署成本， 支持在消费级显卡（如英伟达 RTX 4090 ）上 本地运行，满足快速响应及数据安全需求。同时， 再依赖传统提示工程。根据 DeepSeek 的官方使用指南， 在使用模型时不建议添加系统提示（ system prompt ），而 是所 有指令都应当包含在用户提示（ user prompt ）中。这也显示出了模型通用推理能力在应用中的扩展。 图表：大模型数据类型 Post-Train 阶段 数据：大规模 RL 提升非结构化数据分析能力，释放私域数据价 值 资料来源：中泰证券研究所 10 n Janus-Pro

68%。这种现状迫切需要通过 智能化工具实现效率突破。 DeepSeek 等大语言模型技术的成熟为审计变革提供了新的可 能性。相较于通用 AI 模型，审计智能体需要具备三个核心能力维 度：首先是领域知识的深度适配，包括国际财务报告准则 （IFRS）、美国通用会计准则（GAAP）等超过 2000 项条款的准 确解析；其次是多模态数据处理能力，既能解析 PDF 财报和扫描 凭证，又能处理 Excel ）或分录模式异常（如频繁午夜过账）。 - 上下文增 强：注入审计知识图谱数据，包括企业股权结构、行业风险指标 （如制造业存货周转率阈值）等特征。 训练阶段采用混合训练策略提升模型鲁棒性： 1. 基础预训 练：在千万级通用审计文档（含上市公司年报、审计报告等）上完 成领域自适应训练，使用 LoRA 技术微调模型对会计术语的理解 “ ” “ ” （如 权责发生制 与 收付实现制 的差异识别准确率提升 37% ）。 遗漏。例如，对关 联方交易中的隐蔽利益输送识别准确率低于 85%时，将直接影响审 计意见有效性。 2. 行业特异性不足：不同行业的审计要点差异显著（如金融业信 贷减值评估与制造业存货计价），通用模型在细分领域准确率 可能下降 20-30%。测试数据显示，未经行业调优的模型在生 物医药研发费用资本化判断中错误率达 18.7%。 3. 动态规则适应滞后：会计准则更新（如新收入准则 IFRS