3 ，以 DeepSeek-R1 为教师模 型，蒸馏了 6 款小模型，包含 1.5B～70B 在内共有 6 个尺寸，如表 2 所示。 表 2 DeepSeek-R1 蒸馏的 6 个尺寸的模型 蒸馏的模型 基座模型 下载地址 DeepSeek-R1-Distill-Qwen-1.5B Qwen2.5-Math-1.5B HuggingFace DeepSeek-R1-Distill-Qwen-7B 了稳定可靠的替代方案 。 这些非官方 渠道提供 了 三类模型选择： DeepSeek-V3 模型、完整版 DeepSeek-R1 模型（671B 参数）、轻量级 DeepSeek- R1 模型（参数规模从 1.5B 到 70B 不等）。其中，完整版 R1 模型保留了全部 671B 参数，能发挥出最佳性能，但对计算资源要求较高，通常需要支付一定费 用。轻 量级模型则通过知识蒸馏技术，在保持核心功能的同时大幅降低了参数 这两个的不同点为 R1 提供了从 1.5B 到 671B 不同大小的模型，而 V3 只有 671B，而 671B 需要的电脑性能单个电脑几乎不可能满足，所以建议大家可以直 接安装并且部署 R1 模型。 DeepSeek R1 的链接：https://ollama.com/library/DeepSeek-r1:7b 可以看到 R1 有 7 个版本，其中最小的是 1.5b，它需要的内存大小为 1

DeepSeek 近期：各行业开始研究部署... 1.DeepSeek简介 16 DeepSeek是谁？咱们通俗说一说...... 基于 Llama 、 Qwen 六个密集模型 （1.5b、7b、8b、 14b、32b、70b） 大师 徒弟 蒸馏版 训练 DeepSeek- R1- Zero DeepSeek- R1 蒸馏 满血版 DeepSeek-V3 671b 基于ollama的本地run（macos或者linux） v 安装ollama的包 – pip install ollama v 基于ollama运行DeepSeek – 运行1.5b模型 • ollama run deepseek-r1:1.5b – 运行7b模型 • ollama run deepseek-r1:7b – 运行8b模型 • ollama run deepseek-r1:8b • 学习辅助工具、数据分析助手、论文摘要生成等任务，可以基于deepseek 搭建和部署本地的小模型环境。 模型版本 显存VRAM （GPU） 内存RAM （CPU） 本地存储 运行机器 R1-1.5b 4GB+ 8GB+ 5GB 个人普通机 R1-7b 12GB+ 16GB+ 10GB 个人普通机 R1-8b 16GB+ 32GB+ 15GB 个人普通机 R1-14b 24GB+ 64GB+

减轻人力 降低传染 1.5 亿人 全部服务用户 用户 8000 台 全部机器人 销量 400 万 次 全部交互量 交互 300 200 100 0 新型专利 外观专利 发明专利 AI 技术应用能 力 脑 眼 口 语音合成技术 耳 360 o 远近场 全面覆盖 6 麦克 风 专为场景定制 1.5 亿 次 实践检验 1.5 亿次唤醒 腿 智慧

DeepSeek-R1-Distill-Qwen-32B DeepSeek-R1-Distill-Qwen-14B DeepSeek-R1-Distill-Llama-8B DeepSeek-R1-Distill-Qwen-1.5B DeepSeek-R1-Distill-Qwen-7B DeepSeek-R1-Distill-Llama-8B DeepSeek-R1-Distill-Qwen-14B DeepSeek-R1-Distill-Qwen-32B DeepSeek-R1-Distill-Qwen-14B 和 -Distill-Llama-8B ： 1 卡 910B 起步，根据推理并发量配置 DeepSeek-R1-Distill-Qwen-1.5B ： 4u4g Flexus X 实例 DeepSeek-R1-Distill-Qwen-7B&Llama-8B ： 16u16g Flexus X 实例 更大尺寸模型： Nvidia DeepSeek-R1:1.5B 和 7B 轻量级推理系统 • 基于华为云 GPU 服务器上快速搭建 DeepSeek-R1:7B 和 8B 、 14B 等推 理系统 DeepSeek -R1 模型 方案 云服务 系统 盘 GB 数量 包月（元 / 月） 按需 ( 元 / 小 时 ) Tokens/s 1.5B 方案 1 X 实例

14 企业架构管理评估 – 流程 资料来源：麦肯锡 科信部平均分（ 6 份答卷） 总平均分（ 14 份答卷） 平均 2.2 1.3 1.8 2.4 2.8 2.6 1.8 1.5 2.0 2.4 2.3 2.8 2.3 1.8 2.2 1.8 3.0 1.8 1.8 1.4 4.0 2.2 平均 2.4 2.2 2.7 2.8 2.8 2.1 2.8 2.4 1.2 1.8 1.0 2.2 2.3 2.3 平均 2.0 2.5 1.7 2.4 2.0 2.0 1.9 1.5 2.2 2.6 2.2 1.4 1.7 1.5 企业架构师 企业架构备选库主管 架构需求协调员 业务能力架构师 业务数据架构师 解决方案架构师 业务分析师 信息架构师 软件架构师 总架构师 安全架构师 有关架构创建与维护的角色成熟度平均分 安全架构师 2.6 硬件架构师 2.5 集成架构师 2.4 需求协调员 2.2 流程架构师 1.5 EA 备选库主 管 业务数据架构师 1.4 2.2 2.0 企业架构师 1.7 1.7 功能域架构师 解决方案架构师 基础设施服务产品架构师 1.5 2.0 业务能力架构 1.9 信息系统架构师 被访者关于角色差距的评语 EA 知 识库 主管 业务

月 22 日， 豆包全新基础模型 Doubao-1.5-pro 正式发布，模型能力全面升级，融合并进一 步提升了多模态能力。2）1 月 29 日，阿里云通义千问旗舰版模型 Qwen2.5-Max 全新升级发布，预训练数据超过 20 万亿 tokens，在多项公开主流模型评测基准 上录得高分。3）1 月 20 日，Kimi 发布 k1.5 多模态思考模型，在 short-CoT 模 行业动态报告/计算机 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 5 式下，Kimi k1.5 的数学、代码、视觉多模态和通用能力，大幅超越了全球范围内 短思考 SOTA 模型 GPT-4o 和 Claude 3.5 Sonnet 的水平，领先达到 550%。 图6：2025 年 1 月国内头部 AI 应用整体月活情况 图7：2025 ChatGPT 帮助学生提升严谨思维和清晰写作的能力。学生可 以利用“苏格拉底对话”（Socratic dialogue）法，向 ChatGPT 提出问题，以此 1.2 1.3 1.4 1.5 1.7 1.8 1.9 30% 35% 40% 45% 50% 0.00 0.50 1.00 1.50 2.00 2.50 单季度营收（亿美元） YOY (0.20)

监视 气象服务 • 个人飞行eVTOL所需基础设施（如基础GNSS 导航和起降点）简单、成本低、易于建设 • 如已建成，可灵活扩容 • 仅需简易起降点，无需永久性设施；FATO≥飞行器长 度的1.5倍，TLOF≥1倍，建设成本低 • 2024年已出台起降场地监管指引 • 需要经过认证的直升机飞行场地，具备明确分区和安 全缓冲区 • 配套供电、停车、门禁等附属支持设施 • 需采用更高精度的导航系统（如SBAS、PBN） 场景将从“小众尝鲜”向“大众消费”深度渗透。 预计到2040年，租赁场景年销量将接近7,000台，对应市场规模约为10亿美元。 在航校培训场景中，根据每年新增驾照的数量测算，中长期市场规模预计在1.5亿–1.9亿 美元之间。 低空观光 eVTOL 年保有量 景区数量1 景区低空观光 渗透率2 每个景区的 垂直起降点数量3 每个起降场地的 eVTOL数量4 年销量 上年eVTOL保有量 式（参阅图13）。 • 时效性：出行eVTOL的核心价值在于规避一线城市高峰期的地面拥堵。以北京国贸区 域前往大兴机场的行程为例，乘坐出行eVTOL仅需15–20分钟，而搭乘出租车或地铁 则需1.5–2小时，显著缩短了时间成本。 • 经济性：出行eVTOL的单人每公里乘坐成本约为10元人民币，远低于直升机单人每 公里约50元的价格，同时与豪华网约车单位价格相接近（假设商务人士通常以个人为

辅助诊断准确率 72% ≥90% 多模态数据融合推理 文书自动化 病历生成耗时 18 分 钟/份 5 ≤ 分钟/份 结构化输入+AI 模板生成 资源调度优化 检查预约平均等待 3.2 天 ≤1.5 天 动态优先级算法+资源预测 模型 患者服务响应 在线咨询满意度 82% ≥95% 意图理解引擎+知识图谱构 建 该方案需重点突破三个技术瓶颈：第一，医疗实体关系的动态 建模，要求构建覆盖 例如： 原始医嘱 患者版指令 “bid po” “ ” 每日两次，口服 “监测 q6h” “每 6 ” 小时测量一次 3. 多语言实时翻译：支持 16 种语言的门诊对话转换，响应延迟 <1.5 秒 该能力模块采用混合模型架构，结合规则引擎确保医疗术语的 精确处理，在敏感信息识别方面达到 98%的召回率（符合 HIPAA 标准）。实际部署时建议采用渐进式优化策略，初期聚焦单病种场 景验证（如糖尿病管理），待准确率稳定在 平均响应时间 (ms) 错误率 GPU 显存占 用 单病症诊断 50 320 0% 48% 多模态数据分 析 30 890 0.2% 68% 高并发简单查 询 500 410 1.5% 52% 调优策略 针对测试发现的瓶颈实施分级优化： 1. 计算层优化 o 采用 TensorRT-LLM 部署量化模型，将 FP16 精度模型 转换为 INT8，推理速度提升 40%

OCR+自然语言理解技术，系统可自动解析客户上传的医 疗票据、事故照片等非结构化数据，与传统人工录入相比： 处理环节 传统方式耗时 DeepSeek 方案耗 时 错误率下降 医疗单据审核 8-12 分钟 1.5 分钟 67% 车险定损初判 20-30 分钟 3 分钟 54% 3. 服务资源动态调度 智能体通过实时分析对话情绪值（采用 BERT 情感分析模型） 和问题复杂度，自动触发服务升级机制：当检测到客户愤怒值 复核，并在界面标注关键判断依据 该方案已在实际业务中验证，某头部财险公司接入后实现：车 险小额案件处理时效从 48 小时缩短至 1.5 小时，人工干预率下降 至 7%，每年节约定损成本约 2300 万元。关键成功因素在于持续 迭代的行业知识图谱，目前系统每月自动更新超过 1.5 万条配件价 格数据和新型车型的 3D 损伤模型。 3.3.2 欺诈检测与预警机制 在智能理赔场景中，欺诈检测与预警机制是核心环节。通过接 移动展业 Pad 端集成语音转录功能，实时生成客户画像 报告 o 电话客服系统部署语音情绪识别，触发重要节点复核机 制 质量监控体系 建立三级监控机制： - 实时层：跟踪响应延迟（SLA<1.5 秒）、意图识别准确率 （≥92%） - 日检层：分析对话中断率（阈值<5%）、转人工比例（阈值 <8%） - 周报层：输出客户满意度变化趋势、产品推荐转化率对比 持续优化机制 - 每月更新保险条款知识库，确保监管政策变更

海光信息 寒武纪 天数智芯 FP16算力功耗比 INT8算力功耗比 （TFLOPS/W） 英伟达H100和AMD MI300X受美国芯片 禁令影响 国产芯片 0.0 0.5 1.0 1.5 2.0 2.5 3.0 0 5 10 15 20 25 DGX A100 DGX H100 DGX H200 DGX B100 DGX B200 MI210 MI300 X 30%-50%。此外，由于巴拿马电源精简了中间环节，因此设备使用量亦相应减少，以 ODCC《巴拿马技术白皮书》案例来看，降本主要来自于线缆等配套设备的成本，投资成 本大大降低。 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 6kW机柜 12kW机柜 30kW机柜 万平方米 机房面积 配电房面积 2.1 2.7 3.4 23.0 17.6 14.2 中恒电气 002364 CH NA NA NA NA NA NA 特变电工 600089 CH 1.1 1.5 1.9 11.4 8.5 6.6 保变电气 600550 CH NA NA NA NA NA NA 伊戈尔 002922 CH 1.0 1.3 1.7 18