Deepseek 在药企研发领域的本 地 化部署和应用场景 智慧芽生物医药 2025 年 03 月 智慧芽 01 大模型的发展阶段和 deepseek 02 Deepseek-R1 在药企的本地化部 署 03 芽仔与 Deepseek-R1 对接 04 Al 融入智慧芽生物医药产品 智慧芽 @LS- GTM 智 慧 芽 2 2022.12 @LS- GTM 4 筋 京始前平台 动 她米 N 附大 等 A 附大 理白练 第三方乘道 AaMN 火 山 0 出元建 阿 白 Moly R1( 向量智能 )) 本地部署 · 打破垄断： R1 版以低成本和开源特性打破以往头部企业垄断局面。 · 价格优势： DeepSeek-R1 的 API 定价仅为行业均价的 1/10, 推动了中小型企业低成本接入 Al 在药企的本地化部署 · 个人部署： Ollma 框架适合个人用户私有化本地部署，但在多用户并发场景下性能衰减明显。 · 企业部署：推荐使用 Transformers 来快速验证模型能力，使用 VLLM 框架借助 PagedAttention 技术实现 24 倍于 Transformers 的吞吐量实现大模型的高效推理，针对不同企业场景，则提供 不同 的企业级部署方案。 · 其他方式：近期出现的

请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2023年05月31日 超 配 电子 AI+系列专题报告 边缘 AI：大语言模型的终端部署，推动新一轮终端需求 核心观点 行业研究·行业专题 电子 超配·维持评级 证券分析师：胡剑 证券分析师：胡慧 021-60893306 021-60871321 hujian1@guosen.com.cn huhui2@guosen 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 大模型增长挑战芯片算力和内存，无法实现完整端侧部署。大模型训练和推 理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度， GPT-3 优化后大模型可在旗舰机型芯片上运行，AI 落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 8 Gen2 部署 Stable Diffusion，实现本地运营 15 秒出图，证明了大模

年底《关于深入实施“东数西算”工程加快构建全国一体 化算力网的实施意见》（简称意见）发布后，全国一体化算力网的建 设浩荡展开。《意见》中多次提及“算网协同”，明确指出“加快算网 协同编排调度技术部署应用”、“探索算网协同运营机制”。 实际上，自 2019 年业界相关研究起步，“算力网”、“算力网络”、 “算力互联网”等概念层出不穷，“算网协同”、“算网融合”、“算网 ●一体 ”等路线众说 合印发《关于深入实施“东数西算”工程加快构建全国一体化算力网 的实施意见》，明确了全国一体化算力网的指导思想、基本原则和建 设目标。《意见》多次提及“算网协同”，明确指出“加快算网协同编 排调度技术部署应用”、“探索算网协同运营机制”，为算网协同的发 展确立了基础。 1.4 本文内容结构 本文的编制，是基于国家东数西算“安全新总线”项目所开展的 算网协同工程实践。深入分析“东数西算” 工程中的总分调度、分 算网协同调度平台包含两大用户入口及四个调度模块，功能如下：  资源需方入口：资源需求方可通过该入口发布涵盖算力、存 储、网络等多维度的应用需求。平台将基于全域算力资源池， 4 精准调度匹配需求的算力及网络资源，完成用户任务的部署 与执行。  资源供方入口：资源供应方可通过该入口向平台注册算力资 源，同时登记账户信息等相关内容，实现资源发布、调度、 使用、计量、计费及结算的全业务流程闭环。  协同调度模块：通过协同任务调度、流量调度与数据调度，

4.3 企业大模型的部署方式 4.4 为什么需要本地部署大模型 4.5 企业部署大模型规划路线 4.6 企业级应用集成AI大模型的关键步骤 4.7 企业级应用集成大模型的技术架构设计 4.8 大模型应用落地总体“四维认知”框架 4.9 大模型应用落地策略建议 4.10 大模型构建的技术方案选择 4.11本地部署大模型初级方法 4.12 本地部署大模型的成本 4.13 企业部署大模型当前关注的问题 企业部署大模型当前关注的问题 4.14 企业部署大模型面临的挑战 厦门大学大数据教学团队作品 4.1 企业大模型如何为企业赋能 企业AI大模型可以通过自动化地完成一些工作来降 低成本。比如，它可以通过自动化的数据分析来减 少人力资源的使用 降低成本 企业AI大模型可以自动化地完成一些重复性、繁琐 的工作，从而提高工作效率。比如，它可以通过自 然语言处理技术自动回复客户邮件、自动分类垃圾 邮件等等 提高效率 升了代码质量 编码助手 4.3 企业大模型的部署方式 本地/内网部署 云端部署 通过云厂商实现弹性扩展和成 本优化 通过本地数据中心实现数据完 全掌控 边缘部署 通过边缘节点实现低延迟和实 时处理 容器化/微服务部署 混合部署 通过本地和云端结合实现灵活 性和灾备需求 通过容器技术和微服务架构实 现敏捷开发和资源隔离 联邦部署 通过联邦协议和分布式架构实 现跨组织协作和数据隐私保护

-------------------------------------------------------- �� 第五章：运维能力风险可控实践 �.�如何确保数据的绝对安全 �.�严格的部署与变更管控流程 �.�多级鉴权的全方位安全防护 �.�监控告警与可观测性的体系建设 第六章：智能运维交付能力实践 第七章：结语 �.�数据智能管家DBbrain �.� 一站式迁移解决方案DBbridge 的实现能力。 当前，AI等新技术的发展为数据库可靠运维带来新的机遇与挑战。机遇方面，自然语言交互让非 技术人员也能便捷操作数据库，智能诊断与预测式运维将被动故障处置转化为主动风险防控，自 动化部署与调优大幅降低人工成本。挑战方面，AI幻觉导致的准确性风险、多技术栈（尤其是国产 数据库与云架构）带来的管理复杂度、数据爆炸式增长对灾备能力的更高要求，以及数据安全合 规的刚性约束，对运维体系提出了更高要求，传统运维模式已难以应对。 回信 息出现波动等问题，可以引入知识图谱或GraphRAG技术，提供多路召回方式提升召回准确率和 稳定性，此外，也可以通过数据预处理矫正出问题的数据。 智能化部署：AI基于用户需求，自动生成配置文件并完成数据库部署，简化传统部署流程。 �.� AI对传统运维的影响 故障诊断与智能运维：根据不同数据库特性，利用AI生成巡检、监控、处置脚本和工具，协助完成 日常运维的巡检、监控、告警等操作

重要引擎。 一方面，国产数字化升级正在通过底层技术的自主创新，为人工智能 和数字化转型提供坚实基础：国产云基础设施，为智能计算提供算力 保障，国产操作系统、数据库和中间件，支持AI训练、推理和部署， 全栈国产软件生态，确保数据安全和系统可控，为智能应用提供可靠 环境；另一方面，国产数字化升级正通过与政府、金融、企事业单位 发展所需的数字化转型高度协同，显著提升各领域的效率，这包括了 开发支撑的 一体化平台，依托腾讯云的技术支持，搭建了以TI平台+智能体开发平台+AI原子能力为核心的智能化支撑体系，支撑算力资源的集 约化管理、大模型推理服务的统筹应用，政务AI应用的快速开发和部署，为大模型场景落地提供有效支撑。同时，腾讯助力宝安区构 建政务通用人工智能及大模型服务体系框架，为企业提供智能客服、智能匹配、智能审批、智能评估等多维度的智能化服务。 一、AI赋能，云智融合，迈向智能化信息技术融合创新 100%自研，性能多次刷新世界权威性能测试榜单，同时国产产品易用性与交付效率提升，例如中型银行的数据库国产切换“只需要 几个月就能完成”。 二是行业落地从“标杆”到“规模化”：许多国产软件已在多个行业的关键系统中完成实战部署，证明了其不仅能用在边缘业务，更 能支撑核心系统。在政务领域，腾讯云已助力超过30个部委、20多个省、500多个市县数字化转型。在金融领域，腾讯云数据库 TDSQL已覆盖超过1000家金融机构，

技术的快速进步：人工智能领域不断发展，新的技术和应用层出不穷， 很难预测这些技术进步的确切轨迹及其对人工智能监管各方面的影响。 ● 监管框架的不确定性：对人工智能的监管方法仍在开发，不同管辖范 围内对人工智能开发、部署和使用的具体规定可能存在较大差异，并可能随着 时间的推移而发生变化。 ©2025 云安全联盟大中华区版权所有 9 ● 新兴的伦理考量：随着人工智能应用变得越来越复杂，可能会出现新 的伦理考量 现有规定的延迟适应。 本文旨在为各组织提供基本知识，帮助其从根本上了解自身的现状，并为 他们在快速变化的负责任、合规地使用人工智能方面的需求提供指导。本文探 讨了部分现行法规，并阐述了在地区、国家和国际层面开发和部署负责任的人 工智能的注意事项和最佳实践。 本文高度概括了当前人工智能（包括生成式人工智能（GenAI））的法律 和监管情况。虽然内容并非详尽无遗，但对于组织来说，这是一个了解自身现 状并确定 力。然而，这种变革力量也带来一个严峻的挑战：当前的法律和监管环境很难 跟上人工智能，尤其是生成式人工智能爆炸性增长的步伐。本文旨在提供现有 法律法规及其对人工智能开发、部署和使用影响的高层次概览。我们的目标是 确定立法滞后的领域，并寻求实际的方法部署负责任的人工智能。当前的环境 缺乏完善的立法，在解决日益复杂的人工智能功能的潜在风险方面存在差距。 这导致现有规定，如《通用数据保护条例(GDPR)》和《加州消费者隐私法案(CCPA)

： » 数据生成 ：宽带用户、移动网络、物联网设备 03 全球数智化指数（GDII）2025 和智能终端产生的数据 » 数据传输 ：光纤、4G/5G 网络、骨干基础设施 以及 IPv6 部署的传输和联接质量 » 数据处理与存储 ：数据计算和存储基础设施及 相关能力，包括云投资、人工智能 Token 消耗 以及业务连续性能力 » 数据应用 ：企业数字化、人工智能应用、电子 商务和数字政府服务等多个领域的数据使用 全球数智化指数旨在衡量一国 ICT 产业的发展水平 及其与经济增长的关联性。为实现数智化带来的效 益，我们需要推进高性能联接广泛覆盖，提供高可 靠、低延迟特性，并融合通信卫星技术，以支持关 键应用运行。5G 部署至今已超过五年时间，5G 独 立组网和 5G-Advanced 已成为推动智能联接新时 代的核心技术。 联接作为数智化转型的技术基础，通过满足时延、 速度和网络能力的要求，支持云智融合、大规模物 需求侧灵活性资源调度、实现电网故障智能预警与 诊断，全方位增强电网运行的安全性与效率。 然而，电力数智化转型并非一蹴而就。当前各国发 展水平差异显著 ：部分国家已启动面向未来的新型 电力系统部署，部分国家仍停留在传统电网阶段。 IEEE Fellow IEEE PES 中国专业分会联合会 (PCCC) 主席 清华大学电机工程与应用电子系主任 清华大学能源互联网创新研究院院长 清华四川能源互联网研究院院长

中国电子信息产业发展研究院 规划研究所 二零二五年四月 十五五 " 时期 1 我国先进制造业集群培育的战略 部署 世界级先进制造业集群的典型特 征 世界级先进制造业集群的推进路 径 2 一、我国先进制造业集群培育的战略部署 3 “ 十四五”规划纲要 培育先进制造业集群 ，推 动集成电路、航空航天 ...... 医药及医疗设备等产业创 新发展。 党的十九大报告 国务院高度重视先进制造业集群工作。 党的十九大以来 ，相继出台多个政策文件 ， 对培 育集群工作进行系列部署。 党的二十大报告 加快发展数字经济 ，促进 数字经济和实体经济深度 融合 ，打造具有国际竞争 力的数字产业集群。 党的二十届三中全会 加快推进新型工业化 ，培 育壮大先进制造业集群。 我国先进制造业集群培育的战略部署 持续推动集群形成一流的协同创新能力、 一流先进制造 能力、 一流的优质企业、 一流的产业发展生态、 一流的集群治理能力。 世界级 国家级 省级 我国先进制造业集群培育的战略部署 5 工业和信息化部自 2019 年起 ， 实施先进制造业集群发展专项行动 ，组织开展四轮先进制造业集群竞赛

提出了新的要求。中国 电信在 2024 年发布了《算力城域网白皮书》，首次提出算力城域网 概念，获得业界的广泛关注，引领了城域网络发展新方向。伴随着产 业生态与技术的发展，以及算力城域网研究与部署的深入，中国电信 推出《算力城域网白皮书（2025）》，进一步明确城域网络在面向算 力业务新场景、新需求下需具备的网络架构和关键技术能力。 本白皮书首先从算力产业发展、宏观政策以及服务模式等角度分 呈 现爆炸式增长。2025 年以来，以大语言模型 DeepSeek 系列为代表的 人工智能，通过算法创新与工程优化解锁了更高的算力利用率，实现 训练成本与推理成本的显著降低，加速人工智能的落地部署与普惠化 发展，进一步催生了大量算力需求。根据《IDC 中国加速计算服务器 半年度市场跟踪报告》分析，2025 年中国智能算力规模将达到 1037EFLOPS，预计到 2028 年将达到 2782EFLOPS，五年年复合增长 通用大模型不受特定领域的限制，具备跨领域的泛化能力，需要更大 的数据量和计算资源，训练成本普遍较高。行业大模型和垂直大模型 专注于特定行业或应用场景，表现出更高的专业精度和深度，算力要 求和训练成本也相对较低。大模型部署可分为训练和推理两种场景： 训练场景是指使用大规模数据集对庞大、复杂的大模型参数进行训练 的过程；推理场景是指在特定条件，利用大模型进行逻辑推理、知识 推断提供高效准确结论的过程。 对于大部