（ Natural Language Generation, NLG ）两大部分。 - 属于认知智能 - 计算智能（能存会算） - 感知智能（能听会说，能看会认） - 认知智能（能理解会思考，需要抽象和推理能力） 总览 ChatGPT 业财融合 数字化转型 1 2 3 6 REA 模 型 WEB3.0 技术 ChatGPT 技 术 4 5 6 基于新技术结合的业财融合案例分享 目标和形象，价值观是企业行为和决 策的基本准则。在数字化转型过程中，企业需要以其使命、愿景和价值观为基础，确保转 型方向与企业发展战略相一致。 组织结构、人才和绩效管理是实现数字化转型的基础要素。组织结构需要适应数字化 转型的需求，优化业务流程和决策机制，提高效率和灵活性。人才是数字化转型的关 键推动力，企业需要培养具备数字化技能和素质的员工队伍。绩效管理则可以激励员 工积极参与数字化转型，为企业创造价值。 业务流程优化、数据驱动的决策、客户体验和服务创新是数字化转型的具体实践。企 业需要运用数字技术优化业务流程，提高运营效率和客户满意度。通过数据分析支持 决策制定，实现精细化管理。客户体验和服务创新是企业在数字化转型中赢得竞争优 势的关键，企业需不断创新产品和服务，满足客户需求。 在进行数字化转型的过程中，企业需要关注可能面临的风险和挑战，如技术风险、法律法规合规问题、组织变革阻 力和数据安

实际的使用过程当中，还需要面对一个选择的问题。两个方面需要考虑：  解释方法的适用范围：在实际场景中，其实我们能希望某一种解释 方法与模型无关，或者说至少适用于实际的我们使用的模型算法。  解释方法的运行效率：在实际场景中，需要根据场景对运行效率的 要求做出适当的选择。对于那种实时服务的响应要求的服务，或者 多长时间之内必须要反馈结果，那么这个时候我们就需要考虑这个 方法的解释方法的一个运行效率。 DataFunTalk 成就百万数据科学家！ 22 卖等严重的犯罪行为。当前工业界与学术界的许多组织推出了基于图像文字等内 容方面的 API 以及解决方案。而本次主题则是介绍基于账号层面上的解决方法， 为什么需要在账号层面对网络黑产的账号进行挖掘呢？ 原因主要有三： ① 恶意账号是网络黑产的源头，在账号层面对网络黑产的账号进行挖掘可以对黑 产的源头进行精准地打击； ② 账号行为对抗门槛高，用户的行为习惯以及关系网络是很难在短期内作出改变 应用场景有 Facebook look like、Google similar audiences。 在黑产场景中与推荐场景中的应用类似，主要分为两个任务场景： ① 找出目标恶意类别用户。比如需要找出散播招嫖信息的用户，则给定该类用户 招嫖的标签，类似于一个用户定性的问题； ② 黑产种子用户扩散，即利用历史的黑产用户进行用户扩散以及用户召回，可以 通过染色扩散以及相似用户检索等方式完成。

高增值服务的结合。此外，所有 的创新都需要采用ROI模型评估回报，AI的突破发展将使得创新更加容易。 • 善用生态圈力量：保险公司需要更加善于利用生态伙伴的力量，技术发展使得险企与科技公司、 另类资本提供方、消费品供应商、零售商、汽车制造商等的深度合作变得容易，充分结合生态 伙伴力量可以更加突显保险的价值。 • 加强网络信息与数据安全：保险公司需要通过提高对网络攻击的认知、分享风险管理专业知识 在AI技术的驱动下，保险行业站在了充满机遇与挑战的十字路口。关键问题接踵而至，这些问题 不仅深刻影响着行业的运营模式，还在决定着未来的发展方向。面对这些问题，进行深入思考， 探讨有效的应对策略。 • 采取必要的精简：保险公司需要简化销售和运营流程，并消除不必要的步骤。险企可通过 Assistants API，将第4代人工智能模型引入服务流程。其在自然语言处理领域具有强大的能 力，可以帮助更快速、更准确地处理大量的文本数据，提高效率并减少人工错误。 保险公司该如何培养和布局AI能力？ …… 类似的问题层出不穷，而线性地回答问题似乎总是无法满足需求，甚至会让答案更加迷茫。在这 种情况下，读者可能会开始质疑自己的常规思维方式是否合理。然而，问题的核心往往隐藏在表 面之下，需要大家进行更深入的思考和探索才能发现。那么，为解决问题应该如何采取行动呢？ 三 洞察问题，探寻本源 面对复杂问题，建议参考《U型思考》方法论，从初始问题出发，洞察其背后的本质，进而精准 地解决问题。

修，无法有效应对突发故障。通过分析设备的运行数据，AI 能够预 测设备潜在故障，帮助企业在故障发生之前进行维护，从而显著降 低停机时间，提升生产效率。 此外，AI 还可以助力钢铁行业可持续发展。随着环保法规日益 严格，钢铁企业需要优化资源利用，减少废物排放。AI 可以通过分 析能耗、废水、废渣等数据，提供精准的优化建议，帮助企业制定 更加合理的生产计划，达到既定的环保目标。 最后，AI 在供应链管理方面的应用也值得关注。钢铁行业的供 在传统的钢铁生产中，原材料首先会经过粉碎与筛分，从而得 到适合高炉炼铁的粒度。主要原料包括铁矿石、焦炭以及石灰石 等。焦炭的质和量直接影响炉内的温度和还原反应的效率，因此在 原料准备阶段就需要实施严格的质量控制。 熔炼阶段是钢铁生产的核心，通常采用高炉或电弧炉等设备。 在高炉中，原料被逐层加入，并通过焦炭产生的高温气流来进行还 原反应，铁矿石中的氧化铁被还原为铁，再与焦炭及石灰石发生反 铸造阶段是将液态金属铸造成特定形状的过程，通常会使用铸 造模具。铸造时需要控制冷却速度，以确保最终产品的组织结构符 合标准。同时，铸造过程中可能会出现缺陷，需借助在线检测技术 进行实时监控与调整。 轧制则是通过机械设备将铸成的钢锭或钢坯加工成各种规格的 钢材。轧制过程分为热轧和冷轧两种，热轧可以提高生产效率，而 冷轧则通常能够获得更好的表面质量和机械性能。在轧制过程中特 别需要考虑的因素包括轧制温度、轧制速度和辊间隙等，这些参数

以 通 过 其 镜 像（ https://hf-mirror.com/ ） 获 取 。DeepSeek-V3 和 DeepSeek-R1 的模型参数量较大，达到了 671B ，直接部署这两个模型需要 1.3~2 TB（FP16）的显存支持（如 128 卡 H100 的集群）。为方便一般用户本地 使用， DeepSeek 团队使用 Qwen2.5 和 Llama3.3 ，以 DeepSeek-R1 3-70B-Instruct HuggingFace 即使经过了蒸馏，7B 模型也需要 20~25G 的显存，即使是 24G 的 4090 显 卡， 部署也存在一定的风险。为此，在个人使用时，很多会将这类模型进行进一 步量 化，以缩减模型大小，ollama 官方拉取的 DeepSeek 模型即是通过 4bit 量化后 的 模型。 这里需要注意：无论是模型蒸馏还是量化，都会或多或少降低模型的能力。 3. com/，可以在任何设备和浏览器打开。之 前 从未登录过的用户需要进行登陆，使用手机号、微信或者邮箱登陆即可。如 图 1 所示，输入自己的手机号，点击发送验证码，然后可以通过接收到的验证码登 录 即可。 图 1 DeepSeek 注册页面 登录成功后，进入图 2 “ 所示界面，然后点击 开始对话 ”就可以使用。 图 2 DeepSeek 官方网站主界面 不过需要注意，那就是如何选择 V3 还是 R1 模型，可以参考下图。此外还

微调，使其更好地适应业务需求，成为当前亟待解决的问题。 政府部门在日常工作中需要处理大量的法律法规、政策文件、 办事流程等文本数据，这些数据具有以下特点： - 专业性高：涉及 法律、经济、社会等多个领域的专业术语和知识。 - 复杂性强：政 策文件通常包含多层次的逻辑关系和相互关联的内容。 - 动态更新 快：随着政策的变化和修订，相关数据需要及时更新。 - 隐私与合 规要求严格：政务数据涉及公民隐私和国家安全，必须确保处理的 进行领域适配性微调，使其能够更精准地理解政务文本、生成合规 的政策解读、提供智能的决策支持。具体背景如下： - 技术需求： 政务场景对大模型的理解能力、生成能力和推理能力提出了更高要 求，需要针对性地优化模型结构、训练数据和微调策略。 - 业务需 求：政府部门需要通过智能化工具提升工作效率、优化服务质量、 降低人工成本。 - 政策支持：国家相关政策鼓励 AI 技术在政务领 域的应用，推动智能化政务系统建设。 此外，根据《2023 叉，且 需要对历史政策进行追溯和关联。传统的关键词检索或简单的规则 匹配方法难以准确理解这些文本的深层含义，导致信息提取和决策 支持的准确性不足。 其次，政务场景中的文本处理任务多样且动态变化。常见的任 务包括但不限于：文本分类、信息抽取、问答系统、自动摘要、情 感分析等。例如，市民提交的咨询问题可能涉及多个领域，需要快 速准确地分类并分发给相应部门处理。此外，舆情监测需要实时分

求分析中，我们首先需要明确系统的目标和功能需求，该系统旨 在通过 AI 大模型对公共安全领域的视频监控数据进行智能分析与 挖掘，以提升公共安全事件的响应能力和预防水平。 系统的主要需求可分为以下几个部分： 1. 功能需求 o 视频数据接入：系统需要能够接入多种格式的监控视频 数据，包括实时视频流和历史存档视频，以满足不同场 景的需求。接入系统需要支持主流的协议，如 RTSP、 RTSP、 HTTP 等， 以确保与现有监控设备兼容。 o 智能事件检测：借助 AI 大模型，系统需要实时分析视频 内容， 自动识别潜在的安全事件，如打斗、聚众、异常 行为等。模型应具备高准确率和低误报率，确保追踪如 盗窃、火灾、交通事故等事件的发生。 o 数据存储与管理：系统应具备强大的数据存储能力，能 够处理大规模视频数据，并保留相应的事件标签和元数 据。同时需具备数据管理功能，支持数据的分类、检索 用户权限管理：应具备完善的用户管理功能，允许多级 用户角色，控制不同用户的访问权限，确保安全数据不 被滥用。 2. 性能需求 系统的性能需求主要包括以下几个方面： o 实时性：系统需要支持实时数据处理，事件检测的延迟 应控制在可接受的范围内，例如不超过 5 秒。同时，对 于历史数据的处理能力，要求在数小时内完成缓存数据 的分析。 o 准确性：确保 AI 大模型在事件检测中的准确性和鲁棒

展，同时为建筑行业的数字化转型注入新的动力。 1.1 建筑设计行业现状 建筑设计行业当前面临着诸多挑战与机遇。随着城市化进程的 加速和可持续发展要求的提高，建筑项目的复杂性和规模显著增 加，设计师需要在有限的时间内处理大量的信息，并做出精准的决 策。传统的设计方法依赖于设计师的经验和手动操作，虽然在某些 方面仍有其优势，但在效率、创新性和跨学科协作方面存在明显的 不足。根据行业调查数据显示，超过 伦理与安全：在模型开发中引入公平性、透明性和数据隐私保护 机制，确保技术的可持续发展。 展望未来，大模型技术将进一步赋能建筑设计行业，通过智能 化的工具和方法，推动设计创新和效率提升。同时，技术的实际应 用需要结合行业需求，注重技术的可行性和经济性，确保能够为设 计师和企业带来切实的价值。 1.3 本项目目标与预期成果 本项目的核心目标是通过将 deepseek 大模型应用于建筑设计 领域，显著提 DeepSeek 大模型的应用设计方案需要 从多个维度进行需求分析，以确保方案的可行性和高效性。首先， 建筑设计过程中涉及大量的数据分析和模拟计算，包括结构分析、 节能优化、材料选择等，这些工作通常需要耗费大量时间和资源。 通过引入 DeepSeek 大模型，可以显著提升数据处理和模型模拟的 效率，减少人工计算和验证的时间。 其次，建筑设计过程中需要处理多种复杂的约束条件，如法规 要求

化迈进，创造出更大的经济价值和社会效益。 通过跨行业的合作与资源共享，该生态将帮助 细分场景实现全栈式的智能化解决方案，推动 产业的整体智能转型。 同时，该生态的实现需要由产品、技术与商业 模式的多重创新共同驱动，具体来看，需要通 过包括发展多品类产品矩阵、移动+操作+交互 多技术栈以及专用、类人形、人形的本体多元 形态等战略来共同实现。 该生态将惠及整个机器人行业的创新发展，其 潜力不仅体现在技术层面的不断突破，更在于 一行业扩展到多个领域，涉及餐饮、零售、酒 店、医疗、养老、娱乐体育、工业、教育和公 共服务等。服务机器人需要再跨场景中完成复 合型任务，从专用迈向通用成为必然趋势。 然而，服务机器人在实际应用中面临的挑战是 传统的产品设计往往基于单一行业的专业分 工，未能充分考虑用户在各个场景中多样化的 需求。例如，一个酒店同时需要具备跨楼层配 送能力的客房机器人、能够完成餐饮配送的机 器人、用于清洁的地面机器人以及用于迎宾和 信息服务的机器人。同理，超市零售等B端场景 同样面临类似的需求。超市使用商品促销机器人 进行顾客导引，同时需要配备商用清洁机器人进 行日常清洁，再加上重载配送机器人负责从仓库 到前台的补货任务。服务机器人解决复合型任务 的需求亟待提升，以提供更全面的服务。 用户的需求呈现出多元化、复合型的发展趋势， 过去未被满足的场景需求亟待解决，这意味着 企业需要提供全栈式的通用机器人产品以适应 市场的不断变化与用户的多重需求。通过打造

模型层 2C 应用层 2B 业务层 AI Agent 专家知识 业务数据 文本问答 创意生成 Firefly Sora 1 、需要突破大模型准确率问题 2、需要结合企业数据进行训练和开发 3、需要与企业业务和流程紧密关联 4、需要关注数据安全问题 …… 目前暂无明星级应用，是 澜码科技布局的重要生态位 愿景：让人人都能设计自己专属的AI智能体 自主研发的基于大语言模型的企业级 针对特定行业的解决方案设计，针对类似岗位的招聘候选人画像 针对类似合同条款的修改建议，针对某类客户的产品需求描述…… 组织内部和外部社交规则、合适的沟通方式 出现某类问题时向何人寻求帮助最高效，某问题需要组织内哪些管理人员的决策 与客户交往礼仪及沟通准则，公司内部的组织架构及关联关系…… 社会性知识（Society) 领域性知识（Domain) 过程性知识（Process) 规则性知识（Rule) 应用。 1.业务调研 • 场景：金融交易类 • 流程：SOP • 问法：发起交易，信 息提供 • API：行内接口 2.方案设计 • 场景实现流程：SOP • 大模型能力边界：是 否需要用function call • 对话流：记忆、规划 3.模型选型 • 信息抽取：基础信息、 合约、金额 • 意图识别：流程状态 • 知识检索：不涉及 • 工具调用：SOP接口 调用 4