计算机行业动态报告 DeepSeek 系列报告之 AI+教育 2025 年 02 月 12 日 ➢ DeepSeek 发布开源大模型 R1，迅速出圈月活破 3000 万。2025 年 1 月 20 日，DeepSeek 正式发布 DeepSeek-R1，并同步开源模型权重。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， 性能比肩 OpenAI o1 正式版。自 1 月 20 日 DeepSeek 发布 R1 模型，该模型的用户数 实现了飞速增长，根据 AI 产品榜的数据，截至 1 月末 DeepSeek 的月活数量达 到 3370 万，迅速成为国内第二位。 ➢ 海外 AI+教育龙头 Duolingo 借助 AI 实现业绩持续增长。多邻国 （Duolingo）是一家全球领先的语言学习平台，2024 年 角色 Lily（拽姐）对话，且对话内容会根据用户语言水平灵活调整，即使是初学 者也可以轻松地进行对话练习。借助 AI 功能推出，公司持续保持用户数和业绩 的强劲增长，截至 2024Q3 公司月活达到 1.13 亿人，而单季度收入达到 1.9 亿 美金创下新高。 ➢ 国产模型升级利好 AI 教育落地。DeepSeek 横空出世，一方面大幅提升了 国产模型的能力，另一方面通过开源和推理成本的优化，有望加速国内

类工作者的存在，从而在发生接触时立即减速或停止，减少伤害风险。这一点使得它们可以直接在无防护栏的生产环 境中与人并肩工作。 协作机器人由于其轻量化设计和紧凑的结构，不仅便于搬运和安装，还能在有限的空间内高效运作，这对于需要灵 活调整产线布局或经常变换生产任务的现代工厂尤为重要。它们能够快速适应生产线的变动，减少因设备重新配置导 致的停工时间。 协作机器人通过其轻便性、灵活性以及快速部署的能力，不仅优化了生产流程，增强了生产的适应性，也为实现更 数据来源：高工机器人产业研究所（GGII） 第三节 中国协作机器人市场竞争分析 从中国协作机器人市场的整体竞争态势来看，2024 年国产协作机器人厂商市场占比进一步提升，国产替代趋势鲜 明，优傲等外资厂商的市场份额进一步收缩。 近年来，国产协作机器人厂商在国内市场实现了突破性发展，同时逐步迈开了出海的步伐。与外资品牌相比，国产 厂商的产品在价格方面往往更具竞争力，这一优势的形

ServieGuard ，存储 Peer Persistence 创新的 SuperdomeX 关键业务服务器 关键业务服务器领导者 存储系统 融合存储 3PAR ，全闪存 安全保障 6 个 9 存储双活高可用 保证业务系统的持续运行 nPar 1 nPar 2 nPar 1 nPar 2 D2T Superdome X 10GbE 或 Infiniband 网络Private Network DB1DB2 vPar1 App vPar2 vPar3 VSP DB1DB2 vPar1 App vPar2 典型关键业务系统解决方案 HA ServiceGuard H3C 存储双活特点 更加简单可靠的 SAN 架构 传统 SAN 虚拟化网关 – EMC VPLEX – IBM SVC – Falconstore NSS – DataCore SANsymphony SAN Layer 3 Storage Virtualization Layer 4 Storage SAN FC SAN 3PAR Peer Persistence H3C3PARPP 双活 DC 1 DC 2 Layer 2 SAN Layer 3 Federated 3PAR Storage

心网络进入颠覆性重构期。 未来十年，数据中心的核心将发生根本性变化，从“异地容灾预防灾难”向“极端容 灾预防战争”演进。以国内某大型银行为例，其业务架构从“业务主备、数据灾备”向 “业务多活、数据多活”持续演进，这将推动通算数据中心服务器数量增长10倍，单个数 据中心向“十万级”集约化建设迈进。预计在未来10年内，国内大行将率先在内蒙古、西 安、成渝等地分阶段建设大型数据中心，最终建成50万甚至百万服务器级别的“多地多中 新的变化和挑战。 1）核心演变：从“孤岛保障”走向全局智慧 传统数据中心网络是维系单一计算资源池运作的静态管道，其主要功能是保障计算与存 储之间的基本连接与稳定运行。然而，伴随业务多活、数据多活（双活/多活）架构的深入应 用，网络角色正重构为连接全国乃至全球分布式计算资源的“神经中枢”。这一中枢需实时 掌握所有业务组件的分布状态，并依据负载、灾害风险与延迟感知自主调整流量路径。它不 再 回结果”）和实时网络状态结合，自主计算最优路径，并自动执行调整，无需人工干预。 同时，借助AI技术，在网络变更或故障处理时，能够实现智能化处置，真正迈向“无人值 守”数据中心。 性能极限与新协议普及：多活架构下，数据中心间海量数据同步是关键性能瓶颈。低 延迟、高带宽的RDMA（如RoCEv2）将普遍应用于金融核心交易与关键数据库同步环 境，对无损以太网能力提出严峻挑战。此外，传统Spine-Leaf的CLOS架构是否适用超

业 单 位 盖 章 ) 反 造 至 江 省 发 R 和 改 革 委 员 会 创 断 与 确 技 术 发 展 处 ， 为 方 便 取 系 ， 反 独 意 见 时 微 AR 面 取 系 电 活 联 系 人 ： 喜 妖 、 8 8 宁 ； 联 系 电 话 ： 0 6 7 1 - 8 7 0 6 7 2 9 7 ; 电子邮箱： J0163com; 通信地址：浙江省机州市省府路 0 号浙江省发期和改革委员会高特处： 优先聚焦共 性需 求：基于共 性需 求，优先研发通用性 ai 产品快 速 赋能见成效。 口 协同处室众筹共建：提升结合处 室实际需求，协同处室开展大模 型场景建设，优化服务质量，灵 活应对变化趋势。 需求驱动、场景聚焦 多方联动供享共建 平台为基、持续积累 以 “需求导向、科学谋划、夯实基础、众筹实施”为总体原则 知识管理 模型中心 源数据，自动完成数据检索、信 息提取、分析预测等任务，让数 据真正“活”起来，人人都能成 为”自然资源业务专家”。 告别“码字”烦恼， AI 自 动 生成公文、报告，精准提炼重 点，可以搭建智能问答系统，让 日常办公更高效、更轻松、更便 捷。 办公更“易” , 便捷高效 数据变“活” , 效率倍增 监管变“智” , 智能辅助 ■ 让自然资源管理工作更“聪明”、更高效

健康新提醒 ⽤户情绪 曲线 哇塞，饮⾷建议都 有了~今天再也没 有选择困难了 今天⼜是活⼒满满的⼀ 天 今天也不要忘记好好照 顾⾃⼰哦！ 哇塞，提醒我要记得吃 药！ 原来喝⽔得喝够了才 能减肥啊~新知识 get!! 好累啊~脑⼦快转不动了 舞动极光太好玩了~ 10分钟，我感觉⾃⼰⼜活 过来了 是不是真多要过午不⾷？ 可是我的真的好饿啊 幸好我问了AI健康助理 拍照药盒可以直接⼀键下

Agents ）：参与者是参与企业活动的个体，如员工、客户、供应商等。参与者在业务过程中扮演不同 的角色，如创建、交换或使用资源等。在 REA 理论中，参与者是资源和事件之间关系的主体，它们决定了业务活 动 的参与者和责任。 在 REA 理论中，资源、事件和参与者之间存在着紧密的关系。例如，销售事件中，客户（参与者）购买了产品 （资 源），从而使企业实现收入。通过分析这些关系，企业可以更好地理解业务过程，找出潜在的问题和机会， 技术应用和数据资产服务，以实现业务持续发展和成功。 通过以上步骤，可以实现基于 CHATGPT 技术的 REA 业财融合平台，并将数据资产化，提供数据资产服务。这将有助于企业更好地理解和管理业 务活 动，提高运营效率和决策质量。 要将基于 CHATGPT 技术的 REA 业财融合平台与以下几个维度结合：当 事人、地理位置、产品、协议、分类、资源项、事件、条件、业务方向， 按照以下步骤实现： 的关系，企业可以了解各个当事人在业务过程中的角色和责任，以便制定合适的人力资源管理和合作策略。 2.地理位置：地理位置可以影响企业的资源分布、事件发生和当事人行为。在应用 REA 理论时，企业需要考虑地理位置对业务活 动 的影响，以便优化资源配置、提高事件响应速度和满足当事人需求。 3.产品：产品是企业的主要资源之一。在 REA 理论中，企业需要关注产品与事件、当事人的关系，以便更好地了解产品在业务过 程 中的作用，制定合适的产品策略和市场定位。

◎ 幸服品角色配置 1 诺术配置 学 盈 角 色 配 盟 噜性热择： 1 话术选择 职 做 / 职 青 M 下 增 识 条 目 中 的 内 缩 拥 合 乡 力 A 隔 医 活 术 A 蛋音配置 平 主 无 u ca, 绿与区的四满，不三 E,Wanrozes, 曲能排： 调速调： 性 档 材 血 起 Q 按 案 C R M 数 理 ， 动 5 , 活 理 ⑦ ◎ Q 鲁首页 ◎CRM 地计分析 数据智编 甲 台 解 分 忻 ★ 顾检结果

或Flink 实现事件驱动，确保数 据从接入到推理的全链路延迟可控。  模型优化：通过量化压缩、缓存热点数据降低推理耗时，同 时定期用生产数据回测验证模型漂移。  容错机制：部署双活集群与降级策略，在系统超时或异常时 自动切换至规则引擎，保证服务连续性。 实际落地中需平衡实时与准确性的冲突。例如，在实时反洗钱 场景中，可设计分级响应机制：初步筛查（<100ms）拦截高风险 交易，异步启动深度分析（≤2s 基础设施层采用混合云部署模式，核心计算节点部署在私有 云，通过 VPC 专线连接公有云弹性资源。计算资源分配遵循动态调 度策略，GPU 集群优先处理实时推理任务，CPU 集群承担离线训 练 和数据分析。网络架构设计双活数据中心，跨机房延迟控制在 5ms 以内，故障切换时间不超过 30 秒。 数据治理层构建三大核心模块： 1. 数据湖仓一体化的存储体 系，结构化数据采用分布式关系型数据库，非结构化数据通过对象 微服务架构。计算资源池包含 GPU 集群（NVIDIA A100/A800）与 CPU 节点，通过 Kubernetes 实现弹性调度，支持突发流量下自动扩 缩容。网络架构采用双活数据中心设计，跨机房延迟控制在 5ms 以内，满足金融级容灾要求。存储系统使用 Ceph 分布式存储与高 性 能 NVMe SSD，确保模型训练数据的低延迟读写。 数据治理层构建多级数据安全防护体系，包含以下核心组件：