2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 训练的算力需求将持续增长，算力结构从“预训练为主” 走向 “预训练 + 后训练 / 二次训练” 关注高效、稳定、开放的底座 • 极致性能、稳定可靠的 AI 集群 • 深度开放的平台和生态 • 极致的端到端性能效率优化 Huawei Proprietary - Restricted Distribution MindFormers MindSpeed 系列赋能 CANN 28 硅基流动基于昇腾底座， 一周实现用户增长 8 倍、突破 150 万 + 24 年 12 月 26 日 25 年 1 月 27 日 239.6 万 R1 调用次数 547.8 万 V3 生成 token 量 28 亿 R1 生成 token 量 89.7 亿 累计新增用户 130 万 + 单日用户增长 23.6 万 用户增长率 800% Huawei Proprietary - Restricted Distribution 29 Proprietary 政务咨询、企业服务、 智能前台

R1的出现再次证明了强化学习的潜力所在： ➢ R1-Zero 从基础模型开始构建，完全依赖强化学习，而不使用人类专家标注的监督微调（SFT）； ➢ 随着训练步骤增加，模型逐渐展现出长文本推理及长链推理能力； ➢ 随着推理路径增长，模型表现出自我修复和启发式搜索的能力； 4 DeepSeek-R1 开创RL加持下强推理慢思考范式新边界 ➢ 得益于强大的推理能力与长文本思考能力，DeepSeek R1在复杂任务上表现卓越，成为开源领域的又 回顾：Post-Training Scaling Law ➢ Post-Training 阶段，随着训练时计算量（来自RL的Training阶段）和 Test-Time 计算量 （例如Test-Time Search）的增长，模型性能（例如数学推理能力）也会随之提升 ➢ Post-Training Scaling Laws 下 训练时计算量 多了一个新的变量：Self-Play 探索时 LLM Inference 无需监督微调SFT，纯强化学习驱动的强推理模型 ➢ 推理为中心大规模强化学习：组相对策略优化（GRPO）+ 瞄准 Reasoning 推理任务 ➢ 自我迭代提升Self-Evolution：随着训练步数的增长，模型的thinking response length 逐 渐增加（对应着 test-time computation increasing） ➢ Aha moment: 自然学会增加更多的推理时间，反思评价先前步骤、探索其他方法

个环节赋予怎样的智能化能力，以及英特尔在帮助企业落地部署 AI 技术方面所能提供的产品、平台和 系统性支持与服务以及成功案例。 本白皮书中包括了工业 AI 和工业大模型的概念介绍、当前的市场规模与市场增长潜力、工业 AI 和工业 大模型能为汽车、消费电子、新能源锂电、半导体制造等重点行业所带来的赋能创新机会，以及当前 大模型在工业领域落地应用所面临的挑战和英特尔针对工业 AI 和大模型落地部署从硬件，到软件，到 02 工业人工智能 (AI) 行业观察 .......................................................01 1.1 工业 AI — 市场规模与增长潜力 ................................................................................................ 市场规模将以 46% 的年均复合增长率高速成长。 相较于发达国家，中国制造企业的 AI 应用率相对较低，大约在 11% 左右。Gartner 预测，到 2027 年，中国制造业的 AI 使 用渗透率将以 10% 的年复合增长率上升。 随着技术的不断进步和应用场景的拓展，我们认为工业 AI 有望成为推动工业 4.0 和智能制造发展的关键力量。 1.1 工业 AI — 市场规模与增长潜力 03 01

生生和师生的立体、多样化交互； 现实学习空间与网络学习空间相互融通； 学生主体作用和教师主导作用充分发挥； 智能管理情境； 自动感知环境。 46 智慧课堂：促进学生成功的新智能 在校学生的绩效数据增长非常快 46 智慧体现在什么地方？ 将学生的绩效数据集成在一起，以更好 支撑对学生学习过程的理解。 了解学生参与习惯，实现对学生施加具 有针对性的干预策略。 智慧教育结果 掌握学生每年的进步情况