识库，本 指南（V1.0）在编纂过程中系统整合了互联网公开的行业案例库、学术文献及开 源技术成果。编写团队始终秉承开放共享与协作创新的理念， 在此向以下贡献者 致以专业致谢： 审计行业专家提供的领域知识框架； 开源社区共享的 AI 工程化实践经验； 学术机构发布的跨学科研究成果。 我们期待与行业同仁持续共建 DeepSeek 大模型在工程审计领域的知识生态 体系，推动工程审计智能化技术的普惠化发展。 采用了一些独特的架构设计，其中比较关键的是混合专家（MoE） 架构。混合专家模型（MoE）的核心思想是通过选择性激活子模型（专家模型） 3 来提高模型的计算效率和表达能力。 简单来说，MoE 架构就像是一个大型的专家团队，这个团队里有很多不同 “ ” 领域的 专家 （每个专家都是一个小的神经网络）。当人们提出一个问题时，会 “ ” 有一个 路由 机制来决定把这个问题交给哪个或哪些专家来处理。 例如数学 例如数学问题会被提交给擅长数学的专家。优点是对于不同类型的问题， 让 最合适的专家来处理，提高了处理效率，也降低了计算成本。 MoE 架 构 的 基 本 原 理 主 要 包 括 两 个 核 心 组 件 ： GateNet 和 Experts 。GateNet 的作用在于判定输入样本应该由哪个专家模型接管处理。而 Experts 则构成了一 组相对独立的专家模型，每个专家负责处理特定的输入子空间。

人形机器人产业进程加速，2025年头部企业已提前达成百台~千台小批量产，预计2026开 启行业量产元年、2027标杆企业商业化冲刺、2030步入商业化元年。 8 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 Progress(2025) 验证测试阶段 工程试制阶段 小批量产落地 ✓ 产品：研发验证机 ✓ 产线：手工组装线 ✓ 规模：<10台 ✓ 产品：工程试制机 Confidential All Rights Reserved. 人形机器人将在工业场景优先落地，未来5年，国内新能源汽车制造场景市场空间将破百亿。 10 Source: M2研究 & 分析；全球人形机器人企业专家访谈；取样基于威马、小米、小鹏、比亚迪、奇瑞等汽车品牌生产线环评报告、公开报道等；转载引用内容请标明来源 2025-2030E 中国人形机器人理论市场空间&潜在渗透规模（新能源汽车场景） 0 2024 量VS产线配比计算所得） ② 单条产线五大车间人工数 （人/条） 744 专家访谈 + M2采集实际工厂建模（总装、焊装、电池、冲压、涂装产线建模） ③ 机器人VS人工替代比 4 3.9 3.8 3.7 3.6 3.5 专家访谈 X. 渗透率（%） 0.05% 0.1% 0.3% 0.8% 2.0% 5.0% 专家访谈 a. 人形机器人潜在渗透规模（万台） 0.02 0.05 0.18 0

份额，创新企业可以依据特定场景深入理解而切入， 但若没有自主大模型仍然会受制于人。同时，通用大模型与教育垂类大模型的关系，正向着各司 其职、融合发展的方向持续演化，未来可能呈现出通用大模型与N个专家模型多重组合的形态。 在内容层面，基于神经网络技术的AIGC与素养发展具有天然相似的基因，企业可以发力C端小模 型从而引领行业发展；在技术层面，大模型分析+多模态交互+Agent规划+具身智能行动，AGI 菜 单 式 交 互 … … … … … … … xxxxxxxxxxx xxxxxxxxxxx 问 答 式 交 互 工具可得性提高 工具易用性提高 • 需环境和软件配置 • 人工智能专家使用 • 使用费用高昂 • 无需下载和配置 • 普通用户可使用 • 模型开源及降价 数据来源多样 模型开源及插件应用生态 用户无限创造力 连接互联网，弥补时效性短板 专有数据变为大数据，可能性无限 《学习的科 学和教学艺 术》，推动 了程序教学 运动的发展 达特茅斯会 议诞生了人 工智能学科 世界上第 一个计算 机辅助教 学系统 PLATO系 统诞生 DENDRAL -世界上第 一例成功的 专家系统的 诞生 提出智 能型计 算机辅 助教学 系统的 构想 提出 智能 教学 系统 框架 提出 智能 导师 系统 概念 提出 智能 授导 系统 第一 个自 适应 教学 系统 问世 Hinton

“参数规模摸高” 与 “训 练效率提升” 并行的新阶段。Scaling Law（规模定律）将以多元形态长期生效，持续推动人工智 能技术突破能力边界，而超大规模 Transformer、MoE（混合专家模型）、稀疏注意力模型等，已 成为可扩展模型的核心架构方向。在复杂的混合并行策略下，随着并行规模持续扩大，系统节点间 通信带宽与可用显存容量成为制约大模型可扩展性的瓶颈，亟需计算架构创新以满足未来更大规模 部的通信带宽（如 NVLink）成 为瓶颈。 3. 传统服务器集群阶段（大模型主导）：当模型参数达到千亿乃至万亿级别，单机已无法满足需 求，必须使用大规模服务器集群进行训练。这引入了序列并行、专家并行等更复杂的并行策略。训 练集群的总规模（卡数）是数据并行（DP）、张量并行（TP）、流水并行（PP）和序列并行（CP） 等多种并行维度的乘积。随着集群规模增大，单纯扩大数据并行（DP）维度会受到限制。因为在全 超节点发展报告 17 Scale Up 组网：突破单机算力边界，灵活构建大规模高速互联体系。 传统集群受限于 PCIe 带宽与拓扑结构，基于传统单机八卡架构实施张量并行（TP）、序列并行 （CP）、专家并行（EP）等策略时，通信链路易达瓶颈（卡间带宽通常低于 100GB/s），且并行 维度被限制在八卡以内。以大模型训练为例，当前主流的 MoE 模型（如 DeepSeek V3、Qwen3 等）

产业具有多个维度的突破性价值 ：通过技术创新突破算力瓶颈、强大的功能性适配更多的 应用场景 ，低成本的优势引发各界关注 ，作为中国本土化产品驱动产业升级 技术创新破解算力瓶颈 架构创新 采用混合专家系统（ MoE ）架构 ，实现 “算力降维打击” ，在相同算力下支持更 大参数规模 ，显著提升模型效率。 训练优化 通过低比特 FP8 训练技术、强化学习策略 传统方式往往需要大量标注数据来监督微调（ SFT ）， 耗费大量人力和时间成本，且数据标注质量也会影响 模型性能。 任务精准分配，大幅降低能耗 依靠稀疏混合专家模型（ MoE ）架构，仅需激活 5%-10% 的参数，将任务精准 地分 配给最相关的“专家模块” ，计算量和能耗大幅降低，如 V3 的训练成本仅为 GPT-4 的千分之一。 自主试错优化 R1 采用纯强化学习（ RL ）训练，跳过 SFT 问答秒级响应 问答准确率 0.5s 94% + 19 AI 保宝 -- 办公助手 ( 二 ) 办公助手： 面向内勤 ，实现从日常办公到专业业务操作的全方位支持 ，打造 “人人有助手 ，人人是专家”的人保办公工具， 为每一位员工配备专属的数字化助手 覆盖文字机器人问题 自动获取报表 定制化风格 实时生成 多轮对话问答 实时可靠 薪酬福利 报销流程 规章制度 文字生成图片

多头潜在注意力 (MLA) 通过低秩联合压缩技术，大幅削减了注意力键 (keys) 和值 (values) 的存储空间，显著降低了内存需求。 DeepSeekMoE 架构采 用了更为精细粒度 的专家设置，能够更加灵活且高效地调配资源，进一步提升了整体的运行效率和表现。 DeepSeek 模型对跨节点的全对全通信机制进行优化， 充分利用 InfiniBand 和 NVLink 提供的高带宽。创新性提出了 力地保障了模型运行的流畅性。 l DeepSeekMoE 架构：该架构采用了更为精细粒度的专家设置，还特别将 部分专家设定为共享专家。在每一个 MoE 层中，都由共享专家和路由专家 协 同构成。其中，共享专家负责处理所有 token 的输入信息，为模型提供 基础 的处理支撑；而路由专家则依据每个 token 与专家之间的亲和度分数 ( 这一 分数 通过 sigmo id 函 数 计算 得 出 实现内部高速互联；不同节点间的高效通信则依赖于 InfiniBand （ IB ）网络。 l 创新性提出了 DualPipe 算法，通过优化计算与通信的重叠，有效减少了流水线中的空闲时间。对于 DeepSeek-V3 而言，由于跨节点专家并行引入的通信开销导 致 计算与通信的比例接近 1:1 ，因此提出 DualPipe （双向管道并行）算法，采用一种新的双向流水线方法，在独立的前向和后向处理块中实现了计算与通信的重 叠，从

跟踪性四 个维度，在全国范围内从国家部委、地方政府、科研院所、大专院校、涉农企业五大渠道征集 案例，共收到推荐案例 466 个。通过与来自国家部委、地方政府、科研院所、相关高校 20 名 涉农专家的细致论证，确保了内容的代表性与权威性。 《CMG 乡村振兴观察报告（2023-2024）》紧扣年度乡村振兴的核心议题，推出乡村振 兴关键词，结合政策解读、宏观数据、实地调研、典型案例等多维度，全景式呈现我国乡村振 四川农业大学教授马均是国家粮食丰产科技工程项 目主要负责人之一，他在全国首创并在眉山市推广了“一 优两高”水稻生产竞赛活动。王涛作为眉山市永丰村的 新农人，也报名参加了水稻生产竞赛，不仅学习了种粮 技术，还得到了像马均教授这样的专家指导。通过竞赛， 凝聚了政府、科研院校和种植户等多方力量，推动粮食 产业高质量发展。截至 2024 年，四川已连续五年实现 粮食产量突破 700 亿斤大关。 ——CCTV-17 纪录片《天府粮仓》 。 2024 年中央经济工作会议指出，统筹推进新型城镇化和乡村全面振兴，促进城乡融合发展。同年，中 央农村工作会议强调，顺应人口变化趋势，推动乡村全面振兴与新型城镇化有机结合。 社会关注上，从专家学者到普通民众，都高度聚焦城乡融合，各类媒体广泛报道，众多学术研讨 会将其作为重要议题，探讨如何进一步推动城乡在产业、资源、公共服务等方面的深度融合，为新型 城镇化的高质量发展出谋划策。 宏观数据指标

北京邮电大学、中国铁塔股份有限公司 中移(杭州)信息技术有限公司、中国电力科学研究院有限公司 江苏方天电力技术有限公司、中国工业互联网研究院 江苏省未来网络创新研究院 指导专家： 刘韵洁 唐雄燕 黄 韬 曹 畅 谢人超 周 飞 智绪龙 柳 旭 魏 亮 参编人员： 周晓茂 贾庆民 张 岩 刘 辉 所示。对于算力网络建设者来说，生成式 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 5 AI 技术将打造全新的算网设计范式，彻底取代人类专家在算网设计 配置的工作，并能够根据场景自动生成最优算网部署方案。算网建设 者仅需要将场景需求、指标期望等输入给 AI 专家系统，然后按照生 成的方案在现实世界中执行对应的操作。对于算力网络运营者来说， AI 技术能够对算网全流程赋能，包括用户意图感知、业务智能承载、 准确地分析用户的需求并提供个性化的推荐和服务。 2）智能分析：算网领域专家系统 算网智能分析需要在感知的基础上对用户业务、算网状态、功能 流程等多个方面进行深度理解，并在此基础上形成面向算网服务生成 的知识空间。服务生成算力网络通过模拟和实现算网领域专家分析和 解决问题的能力，基于对大数据的挖掘和分析，发现数据中的模式、 规律和趋势，并结合人类专家的经验和算法模型，帮助解决算网流程 和应用服务过程中的问题和瓶颈。

东莞证券技术中心副总经理（总经理级） 廖倡 16 人工智能方面，证券行业的人工智能发展历程可 以分为几个阶段。早期阶段，人工智能技术主要应用 于基础的数据分析和简单的交易执行，如利用专家系 统对市场数据进行初步分析，为交易决策提供有限的 参考。随着技术的发展，机器学习算法开始应用于证 券市场，通过对大量历史数据的学习和分析，对市场 趋势和资产价格走势研判具有明显作用；在量化交易 构的标准化“工具”后，便可将其作为更高级的智能体 （Agent）的核心组件，最终实现通过自然语言驱动完 成从数据查询到报告生成、业务执行的复杂任务流。 最终的愿景，不是创造一个无所不能的“黑箱”来 取代人类专家，而是为每一位金融从业者配备一个透明、 可控、高效的“数据副驾”。这条路径始于一个技术上可 行的问题，最终达成了战略上极具价值的目标。通过这条 路径，金融机构将能够超越当前大模型应用的喧嚣与浮躁， 抽象化的数据视图，使其能够从理解复杂的物理表结构， 转向理解更接近人类语言的业务概念。这是解决极度复 杂查询场景、实现最高准确率的理想型“变革性”路径。 五、​结论与展望 30 评选概况 评审专家名单 “鑫智奖·第六届金融机构数智化转型优秀案例评选”活动由金科创新社主办，得到了广大银行、保险、证券等 金融企业的广泛关注和积极参与。本届评选共收到 132 家金融机构 386 个参选案例，内容涉及基础设施、信息安全、

平台也将帮助客户科学的进行节能改造、减排项目规 划，轻松完成日常能源系统运维工作。平台搭载多种先 进的能源系统优化算法，也支持与客户共同开发专属 优化策略，是客户身边的能源和低碳专家。 身边的专业能源和低碳管理专家 西门子智慧能碳管理平台 气候变化是人类社会面临的共同挑战，正日益威胁人类生存和发展。中国 经济在过去几十年中一直保持着高速增长，而应对气候变化也已成为中 国可持续发展的内在 5D能源系统拓扑图，在运行管理界面提供实时数据监控、告警 和推送，打造数字孪生能源系统。实现能源资产全数字化管理，提高企业能源管理者日常能源系统运维监管、能源和碳目 标管理效率。 开放，易用，您身边的能碳管理专家 西门子智能基础设施集团 整合西门子中压、低压、用能侧设备的行业经验，基于物联数据、数据模型和AI算法，为用户提供面向能源站、各类用能系 统的优化策略和算法；利用算法模型和对微电网的发电预测、