* 编辑按姓名首字母排序 人工智能 (AI) 技术的快速发展掀起了新一轮工业革命浪潮，通用大模型的出现让 AI 技术从专用化迈向 了通用化。AI 技术正在步入工业领域的千行百业，帮助企业实现从传统的劳动密集型、资源密集型企 业，向技术密集型、知识密集型的高端化、智能化、绿色化方向转型升级，打造依托于人工智能、大 数据、云计算等现代信息技术的新质生产力。 工业 AI 和大模型的应用，已经 质量管理：产品缺陷检测是质量管理的重要一环，尤 其是对于金属等高反光产品、薄膜产品的划痕、裂 纹、凹坑、气孔、污染等非常难检出的外观缺陷，利 用传统视觉算法，对工业相机采集到的图像经过预处 理，基于图像分割等深度学习模型，高效且较为准确 地检出缺陷，为传统的视觉检测技术赋予高度智能 化。质量检测也是目前 AI 技术在工业领域落地应用 较多、较为成功的一个方向。 • 智能生产管理： 在生产计划和排程方面，AI 深度融合，有望为工业领域带来 “基础模型 + 各类应用” 的新范式。因此，工业大模型的成功落地，离不开针对特定行业的丰富现场经验和深厚的行业 know-how 能力。 第四，多模态分析能力，由传统单一格式的工业数据 处理，转化为多格式数据综合转换分析。 大模型不仅能够处理单一类型的工业数据，还能够综 合分析多种格式的数据，实现跨格式的信息转换与分 析。在工业应用中，大模型能同时处理包括设备运行

RL驱动下自然涌现 Long-CoT 能力 “Aha”Moment 11 DeepSeek-R1 技术剖析：DeepSeek-R1 Zero DeepSeek-R1 Zero的关键启示 ➢ 传统RLHF背景下，SFT通常被认为是不可或缺的一步，其逻辑先用大量人工标注的数据来让模型 初步掌握某种能力（如对话或者语言风格），然后再用RL来进一步优化性能 ➢ DeepSeek-R1 系列跳过对于大规模人工标注数据的依赖 赋能RL-Scale ➢ GRPO核心思想是通过构建多个模型输出的群组，并计算群组内的相对奖励来估计基线，从而避免 了传统策略优化算法中需要使用与策略模型大小相同的评论模型。 ➢ 大幅度降低 RL 训练的计算成本，同时还能保证模型能够有效地学习到策略。 ➢ 具体来说，在传统的 RL 训练中，评论模型需要与策略模型具有相同的大小，增加计算资源的 消耗。而 GRPO 算法利用群组内的相对信息来估计基线，避免了使用Critic 为了充分释放 GRPO 的潜力并确保训练稳定性，DeepSeek R1 的训练中采用了四阶段的交替迭代 流程：“监督微调（SFT）→ 强化学习（RL）→ 再次 SFT → 再次 RL”，有效解决了传统强化学 习模型在冷启动、收敛效率和多场景适应性方面的瓶颈。 ➢ 强大的自验证和长链推理能力：并非预先设定好的，而是在RL训练中自主涌现出来的 ➢ 自验证是指模型在生成最终答案之前，会先主动地验证自己的中间推理步骤是否正确。这就

用户不具有管理者权限  低成本的弱功能客户机 Windows 流提供如下功能：  图形和视频优化  低能源服务器架构  需要功能强大弱功能客户机 智慧课堂： IBM 桌面虚拟化的三种实体模型 刀片或传统 Servers 智慧课堂：基于云计算的虚拟计算 WFU NCA&T OC12 (622 Mbps Circuit) OC48 (2.4 Gbps Circuit) DWDM (10 Gbps 环境创设：利用技术手段，为基于 未来教室的学习提供虚拟学习环境， 增强体验感。 课室灯光：更加绿色与环保 课室黑板：绿色板 智慧课堂的类型 实用型未来教室  指在传统教室基础上，改进优化教室的物理环境，增添适量数字 化设备，初步实现传统教室的数字化、多功能化的一种未来教室 类型。  优势  环境简易变革，实现教学理念及方式大幅改进  低投入，高产出  使用简单，师生能够快速适应新环境

高校科研基础设施不足 ，算力短 缺且资源碎片化问题依然突出 DeepSeek 虽然大幅降低了算力消耗 ，但对于尖端的 AI for Science ，仍需大量算力。 过去 ，传统的高校算力 建 设方式 ，往往是不同院系、 研究小组 ， 自行采购和 管理各 自的计算资源 ， 一个学校内可能存在多个小型计 算集群。 赛尔网络的一份报告显示 ，全国近 2000 所高等 tokens/s 。 甚至有开发者借助这一优化技术 ，在 3090 显卡和 200GB 内存的配置下 ，使 Q2_K_XL 模型的推理速度达到 9.1 tokens/s ， 实现了千亿级模型的 “家庭化” 运行 传统方案： 8 卡 A100 服务器成本超百万元 ，按需计费每小时数千元 清华方案： 单卡 RTX 4090 方案 ，整机成本约 2 万元 ，功耗 80W 4.4 本地部署大模型方 案 5.1 AIGC 技术在辅助编程中的应用 A I 搜索 ， 即人工智能搜索引擎 ，是一种利用先进的人工智能技术 ，特别是深度学习和自然语言处理（ NLP ） ， 来理 解和响应用户的查询需求的新型搜索工具。 它不仅仅是传统搜索引擎（比如百度） 的简单升级 ， 而是通过模 拟人类 的思维方式和行为模式 ，为用户提供更加精准、 个性化且高效的信息检索服务。 A I 搜索通过收集和分析用户的历史搜索数据和行为模式 ，构建用户画像

时间缩短 28% ⚫ 危机预警网络：通过分析社交媒体情绪波动，提前 48 小时预测群体事件 2.产业重构：从竞争到共生的生态革命 DeepSeek 正在催生“AI 原生经济”，重构传统产业逻辑： 底层逻辑转变：企业核心竞争力从资源占有转向智能连接密度——即与 AI 系统协同的 深度与广度 3.文明挑战：智能时代的生存法则 在享受技术红利的同时，人类正面临前所未有的伦理与技术挑战： 辅助的专利申请量激增，但颠覆性创新占比下降 15% ⚫ 解决方案：推行“人机分工认证”，强制保留 30%创造性工作由人类完成 ②社会震荡 ⚫ 职业重构：47%基础岗位面临替代，但“AI 训练师”等新兴职业薪酬达传统岗位 3 倍 ⚫ 数字鸿沟：掌握提示词工程的人群收入差距扩大至 5.6 倍 ⚫ 平衡路径：政府推行“全民 AI 素养计划”，覆盖 5000 万弱势群体 ③技术失控 ⚫ 算 七、未来演进展望 1.技术演进：突破物理法则的认知革命 DeepSeek 的技术迭代正以“摩尔定律平方”的速度推进，未来 5 年将实现三大突破： ①量子智能融合 ⚫ 量子退火算法：解决传统计算机无法处理的组合优化问题（如全球物流路径规 划） ⚫ 超导量子比特：训练速度提升 1000 倍，模型参数突破百万亿级 应用场景： ⚫ 1 小时优化全国高铁时刻表，减少 30%能源消耗

DeepSeek 模型优势：算力、成本角度 解读 2025 年 2 月 ■ 什么算力 ?“ 对信息数据进行计算，实现目标结果的能力” ■ 传统算力：信息计算力 ■ 现代算力：信息计算力、数据存储力、网络运载力 算力的基本概念 大脑 草绳、石子 算盘、算筹 ▶ 计算器、计算机 ■ 原生算力：大脑 ( 可处理复杂逻辑，但不能高速处理简单运算

JupyterLab ）直接调用 DeepSeek - R1 模型。 • 云应用：登录腾讯云找到云应用服务 ，直接购买成品 DeepSeek 应用 ，或利用云应用定制化软件功能 ， 快速 部署 AI 应用或定制传统软件。 • 搜索方案：大模型知识引擎：注册并登录腾讯云 ，在控制台搜索“大模型知识引擎” 体验”开通服务。新 建 应用并配置基础信息 ，选择 DeepSeek - R1/V3 模型 ，即可在右侧调试窗口提问搜索。

RL 框架来提升 Reasoning 性能 Huawei Proprietary - Restricted Distribution 5 张量低秩压缩以降低 KV Cache 资源开销：相比于传统 MHA ， MLA 通过降 维 操作使得存储的张量维度大幅减小。（下图中仅红色阴影部分需要存 储） (bs, ℎ) (bs, ℎ) 2bsℎ (bs, ℎ) (bs, ℎ) bsℎ′