• 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： 时检 测要求，使得效率和准确率低下且容易漏检的人工质检和容易受复杂环境光干扰的传统机器视觉检测方法无法胜 任。将 AI 视觉算法技术与机器视觉成像技术相结合，利用经过缺陷图像训练的深度学习模型识别工业相机捕获的 缺陷图像，满足终端检测节拍要求 24 秒/轮毂，提高检测精度和生产线效率。 08 01 工业人工智能 (AI) 行业观察 以智能手机、平板电脑、笔记本电脑等为主导的消费电子产品以及生产制造，也是 秒/件之间，甚至更快。 传统的人眼检测，不但无法达到微小缺陷的检测精度要求，而且人眼容易疲劳，存在效率低、误检漏检偏高等问题， 无法满足生产的精度和节拍要求。将深度学习算法与高精度成像系统相结合，更快速地识别出产品图像中的缺陷及 种类，满足生产线对检测精度和速度的要求。 锂电池的质量直接关乎电动车的安全性，因此锂电对质检要求严苛。锂电生产过程中的检测工序繁多，包括原料生 产中的隔膜缺陷检测，前段工序中的极片

GPT 系列 （ OpenA I ） 、 Bard （ Google ） 、 DeepSeek 、文心一言 （百度）等 多模态大模型 是指能够处理多种不同类型数据的大模型，例如 文本 、 图像 、音频等多模态数据 。这类模型结 合 了 NLP 和 CV 的能力， 以实现对多模态信息 的综合 理解和分析，从而能够更全面地理解和 处理复杂 的数据 。代表性产品包括 DingoDB midjourney 等 视觉大模型 是指在计算机视觉（ Computer Vision ， CV ）领 域中使用的大模型 ，通常用 于图像处理和分析 。 这类模型通过在大规模图 像数据上进行训练， 可 以实现各种视觉任务 ， 如图像分类 、 目标检测 、 图像分割 、姿态估计 、人脸识别等 。代表性产品 包括 VIT 系列 （ Google ） 、文心 UFO 、华为盘古 CV 、 INTERN 因此 ， 它 能够涵盖多种 3.6.1 国外的大模型产 品 语言风格和文化背景 n Gemini Gemini 是谷歌发布的大模型 ， 它能够同时处理多种类型的数据和任务 ， 覆盖文本、 图像、 音频、 视频等多个领域。 Gemini 采用了全新的架构 ，将多模态编码器和多模态解码器两个主要组件结合在一起 ， 以提供最佳结果 Gemini 包括三种不同规模的模型： Gemini

合成视觉推理数据 是人工生成的，包括程序化创建的图像和场景，旨在提高特定的视觉推理技能，例如理解 空间关系、几何模式和物体交互。这些合成数据集提供了可控环境，用于测试模型的视觉推理能力，并且可以 无限生成训练样本。 ➢ 文本渲染数据 是通过将文本内容转换为视觉格式创建的，使模型能够在不同模态下保持一致的文本处理能力。 通过将文本文档、代码片段和结构化数据转换为图像，确保模型无论接收的是纯文本输入还是截图或照片中的 图或照片中的 文本，都能提供一致的响应。这也有助于增强模型在处理文本密集型图像（如截图、表格、公式等）时的能力。 ➢ Long2Short 方法 ➢ 模型融合：将长文本 CoT 模型和短文本 CoT 模型的权重进行平均，得到一个新的模型。 ➢ 最短拒绝采样；Short Rejection Sampling：从多个采样结果中选择最短且正确的答案 然后做SFT ➢ DPO（Direct Preference 示词（prompts），可以在某些维度上改善模型的响应，从而合成更多具有学习价值的偏好对。 53 ➢ 客观基础：多模态大模型已具备强大的跨模态穿透与融合的感知能力，能够通过结合世界知识与 上下文学习能力，实现多种模态（如图像、文本、音频、视频等）的高效推理与协同输出。 ➢ 激活赋能：基于慢思考强推理能力的持续自我进化，突破了单一模态的局限性，跨模态穿透深度 显著提升。通过深度融合世界知识，模型在文本模态下的智能边界得以大幅拓展。

/ App Image Client OS / App Image Client OS / App Image  在一个刀片上（每个刀片上具有 10-12 个桌 面图像）支持多种操作系统  对于新的桌面体验来讲，用户需要最小的适 应性。  虚拟桌面架构  通过分享应用环境，每个刀片 支持 50-100 个用户  需要用户适应新的桌面体验  终端服务

DeepSeek ： 技术创新—推理模型 | RL DeepSeek 应用场 景 DeepSeek 的能力层级 • 1. 基础能力层 多模态数据融合与结构化理解 ，包括跨模态语义对齐（文本、 图像、 音频、 视频、 代 码、传感器数据统一语义） 和动态数据治理（解决数据缺失、 噪音干扰、 概念飘逸等） ， 支持 200 多 种数据格式自动解析。 • 2. 中级能力层 领域问题建模与复杂推理

A10 电商 ChatGLM2-6B 1.86x A30 Baichuan2-13B 1.82x A30 Qwen-14B 1.81x A30 ZN 大模型 智脑 13B 1.7x A30 图像识别、 OCR 文 字识别和视频 处理 Llama2-70B 1.7x L20 智慧教育、办公问 答 星火 -65B x 800T A2 交互搜索，金融客 服问答 step1V-130B