行业场景应用创业公司，人工智能研究院 开发者、中小企业尝鲜客户 部署模型 DeepSeek-V3 DeepSeek-R1 DeepSeek-V3 DeepSeek-R1 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-Qwen-7B DeepSeek-R1-Distill-Llama-8B DeepSeek-R1-Distill-Qwen-14B DeepSeek-R1-Distill-Qwen-32B DeepSeek-R1-Distill-Llama-70B 业务体验 专属资源 专属资源 / 公共资源 专属资源 / 公共资源 可销售 Offering 卖昇腾云算力 + 专业服务 ModelArts 年，每个模型可免费体验 200wtokens 按需、包月 / 年 典型配置 昇腾云部署： DeepSeek-V3 和 DeepSeek-R1 ： 32 卡 910B 起步，根据推理并发量配置 DeepSeek-R1-Distill-Qwen-32B ： 2 卡 910B 起步，根据推理并发量配置 DeepSeek-R1-Distill-Qwen-14B 和 -Distill-Llama-8B

HuggingFace DeepSeek-R1-Distill-Qwen-14B Qwen2.5-14B HuggingFace DeepSeek-R1-Distill-Qwen-32B Qwen2.5-32B HuggingFace DeepSeek-R1-Distill-Llama-70B Llama-3.3-70B-Instruct HuggingFace 即使经过了蒸馏，7B 的效果受限于模型大小，性能不会很好，可以根据自己电脑内存大小 尝 试 14b 或者 32b 的模型。 4.3.5 部署非量化模型 另外，如果想部署未量化版本的 DeepSeek 或者原始版本的 DeepSeek，可 以 “ 进入网站 https://hf-mirror.com/”，选择对应版本的模型，按照其指南依次进行 部署。下面以 32B 未量化版本为例，说明该过程。 进入模型所对应的页面： https://hf-mirror https://hf-mirror.com/DeepSeek-ai/DeepSeek-R1-Distill-Qwen-32B “ ，点击 Use this model ”，如下图所示。 图 17 hugging face 国内镜像 DeepSeek-R1-32B 模型页面 在上步点击后，将弹出不同的使用方式。如下图。 图 18 使用方式界面 “ 选择 vLLM ”方式，点击后将显示该方式的部署和测试步骤。此处提供两

......................................32 1、IP 溯源 .............................................................................................................. 32 2、ID 溯源 ............................. Windows 2000 / Server2003 / Windows XP： %SystemRoot%\System32\Winevt\Logs\*.evtx Windows Vista / 7 / 10 / Server2008 及以上版本： %SystemRoot%\System32\Config\*.evtx Windows 事件日志中，它记录为事件 ID=4625 表示失败，记录为事件 ID=4624 或内存资源占用长时间过高的进程 2、没有签名验证信息的进程 3、进程的路径是否合法、常规 4、没有描述信息的进程 显示 进程--PID--服务：​ tasklist /svc 开始--运行--输入 msinfo32，依次点击“软件环境→正在运行任务”就可以 查看到进程的详细信息，比如进程路径、进程 ID、文件创建日期、启动时间等。 寸光网络安全工作室 第 7 页 共 34 页 通过微软官方提供的 Process

o1-mini v 基于DeepSeek-V3训 练DeepSeek-R1-Zero 和 DeepSeek-R1 v DeepSeek-R1 的输出， 蒸馏了 6 个小模型开 源给社区 v 其中 32B 和 70B 模型 在多项能力上实现了 对标 OpenAI o1-mini 的效果。 15 DeepSeek的惊天动地事迹 2024.1.25: 发布DeepSeek-Coder 2024 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 17 DeepSeek破圈席卷全球 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+ 30GB 专用服务器 R1-32b 48GB+ 128GB+ 60GB GPU服务器 R1-70b 80GB+ 256GB+ 120GB GPU服务器 V3\R1-671B

系统类型和主要厂商市占率拆分 ....................................................................................... 20 图表 32： 产业链相关公司估值表（iFinD 和 VisibleAlpha 一致可比，估值日期截至 2025 年 2 月 9 日） ................ 21 图表 33： 重点推荐公司一览表 电力需求快速增长，缩小与海外领先国家的差距。 根据国家能源局，2022 年全国数据中心用电量约 2700 亿度，占全国用电量~3%。根据信 通院，2022 年全国算力规模达到 302Eflops（基于 FP32 等效），其中基础算力、智能算力 规模分别达到 120、178.5Eflops。根据信通院，截至 2022 年末，标准机架 650 万架（按 标准机架功率 2.5kw 统计），对应数据中心装机功率累计 智能算力亦可拆分为训练算力和推理算力，DeepSeek 或撬动 AI 应用的推理算力需求，数 据中心的能效比要求相应提升。训练算力专门用于训练 AI 模型，处理大量数据，亦有相对 应的训练卡，例如英伟达 A100 等，更强调单精度（FP32）和半精度（FP16）的高性能， 因为训练追求精确计算；推理算力用于快速处理预训练好的 AI 模型，对应的推理卡以英伟 达 L20 为代表，浮点运算能力要求较训练卡低，更关注整数精度（INT8）来大幅提高计算

AI 素养提升工 程 样例数据 模型规模 显存需求（推理） 显存需求（训练） 推荐 GPU 数量 量化技术支持 7B 10-16GB 24-32GB 1-2 FP16/INT8 13B 20-24GB 48-64GB 2-4 FP16/INT4 32B+ 40GB+ 80GB+ 4+ FP8/QLoRA 部署 DeepSeek 大模型时，算力配置需根据模型规模（参数量） 、应用场 景 （推理 （推理 / 训练） 、并发需求及性能目标综合规划。 模型规模与硬件需求关系 2 、算力赋能—— 基础设施升 级 注：显存需求基于 FP32 精度，使用量化技术（如 FP16/INT8 ）可降低显存占用 30- 50% 。 核心硬件 推荐部署 说明 GPU NVIDIA A100 80GB / H100 80GB 大显存 、 高带宽， 支持 NVLink 多卡互 联 （推荐训练场景） 、算力赋能—— 基础设施升 级 注：昇腾 910B 八卡一台，标准级推理版本 32B/70B ；四台昇腾 910B ，满血 671B 核心硬件配置方案 配置层级 硬件成本 ( 万元 ) 年运维 ( 万元 ) 使用场景 轻量级 (1.5-7B) 0.8-1.5 0.2-0.5 单机知识库 企业级 (13-32B) 8-15 3-8 全部门部门应用、推理 超大规模 (70-671B ） 50-120

基于英特尔优化方案的应用案例 • 阅面科技：借力人脸识别与课堂行为分析提升教学互动效果 • 百家云：基于课堂行为分析实现双师课堂教学效果评估 15 15 15 17 24 24 26 31 31 32 35 39 39 41 66 67 69 70 71 72 73 74 75 07 硬件产品 第二代英特尔® 至强® 可扩展处理器 第三代英特尔® 至强® 可扩展处理器 所示选择不同的英特尔® 至强® 可扩展处理器金牌系列的型号，可灵活满足不同规模的 实训要求： 实训并发规模 英特尔® 至强® 可扩展处理器 双路服务器的 物理核数 多至32学生席位 英特尔® 至强® 金牌6226R处理器 32 多至40学生席位 英特尔® 至强® 金牌6242R处理器 40 多至48学生席位 英特尔® 至强® 金牌6240R处理器 48 多至52学生席位 英特尔® 至强® 2个雷电3； • 2个USB2.0内置接口； 第十一代智能英特尔® 酷睿™ i7处理器或 英特尔® 至强® E-2286M 及以上； 1颗MA2485 最高可达 10.3T FLOPS 32G DDR4 部署套件 • 双千兆以太网卡； • 双HDMI； • 3个USB 3.0及3个USB2.0接口； • 内置串口； • 12-24V宽压供电； 第十一代智能英特尔® 酷睿™

............................................ 32 D.2.1 安全通用要求部分.........................................................................................32 D.2.2 安全扩展要求部分.............................. .......................................32 D.3 安全区域边界......................................................................................................... 32 D.3.1 安全通用要求部分....................... .............................................32 D.3.2 安全扩展要求部分.........................................................................................32 D.4 安全计算环境..................................

的人工复核环节，年节约运营成本约 2800 万 元。 关键技术指标的具体要求如下： 维度 当前基准值 目标值 达成周期 客服响应速度 4.7 分钟 ≤30 秒 Q3 2024 工单转人工率 32% ≤8% Q4 2024 风险误报率 18% ≤5% Q2 2025 文档处理效率 8 页/小时 50 页/小时 Q1 2025 项目实施将分阶段重点突破三个技术难点：第一，解决金融领 的金融适配性体现在其特有的 参数微调机制上。通过分层迁移学习策略，模型在保持通用能力的 同 时，可将金融专业知识的推理准确率提升 41%。特别是在处理非 结 构化数据时，其变长文本处理能力达到单次 32k tokens，完美适 配银行年报、法律文书等长文档分析需求。某股份制银行测试数据 显示，在贸易融资单据审核场景中，模型通过视觉-文本跨模态分 析，将虚假提单识别率从 82% 提升至 任务中表现出 色。根据内部测试数据，在银行场景的意图识别准确率达到 92.3%，较 传统模型提升 18.7% ，其中信贷业务咨询的意图分类 F1 值达 94.5% 。模型支持 32k 超长上下文窗口，可完整解析金融 合同条款等长文本，在处理结构化与非结构化混合数据时，信息抽 取准确率 较上一代提升 27%。 金融专项能力通过三阶段优化实现： 1. 通用预训练：基于万亿

应用从云端部署到边缘，提供边缘 AI 应用全生命周期 管 理 边缘智能网关 n 提供开放容器运行环境，集成“蜂巢边缘 Agent ” ， 按需部署行业边缘 AI 应用 n 内置强大 AI 算力（ MAX 32Tops ），提供开放的融 合感知平台 边缘网络 n Wi-Fi 6 + LoRaWAN 一体化无线，支持边缘物联设备 接 入 n 灵活扩展 RFID/ 蓝牙 /UWB 定位，本地物联网业务融合 器 管 理 云边协同 边缘规则 n 集成“蜂巢边缘 Agent ” ， 提供容器管 理 、函数计算等能力； n 内置英伟达高性能 GPU ， 提供 3TOPS/8TOPS/21TOPS/32TOPS 算 力； n 提供物联网接入服务 。支持网络管理， 支持 Zig bee/LoRaWAN/MQTT 等物联 接入 。 IG580 系列工业级物联网边缘智能网关， 提供开放容器运行环境，