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′ 压缩后宽度ℎ′ ≪ 隐藏层宽度ℎ ryn- s ri t d， DM istriLb ti可 o n 以 将 K V C a c h e 降 低 为 = 1 . 7 % 只需存储图中的 c v, K 即可； 考虑到矩阵乘法结合律，具体实现过程中 W UK可以与 WUQ 融合、 WUV可 以与 Wo融合，从而无需为每个 query 计算 key-value 线） 12 Huawei Proprietary - Restricted Distribution 编程辅助 智能客服 … 个性化学习辅导 创意写作 … 个人知识管理 个人文档分析 编程辅助 … 开发板 边端设备 … Atlas 800I A2 (512GB) Atlas 800I A2 (256GB) Atlas 300V Atlas 300I

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，已经渗透到工业生产的产品设计、企业流程管理规划、智能化生产、设备预 测性维护、供应链优化、创新服务、绿色制造、智能客服等众多环节，它通过处理和分析海量工业数 据，帮助企业在上述各个环节中做出最优的智能化决策，从而在多个环节全方位实现提质、增效、降 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 工业人工智能 (AI) 行业观察 AI 技术在工业领域的应用，已经贯穿于产品设计、生产、管理、服务等众多环节，它主要通过各种方式收集海量数据，然后 利用机器学习和统计模型对数据进行分析，并依据数据分析结果辅助决策，帮助企业优化资源配置，提质增效，节省成本。 具体来看，AI 技术在工业领域的应用主要在以下几大方面： 研发与规划 • 需求分析与预测：基于历史数据和机器学习算法，构 建预测模型，通过分析大量用户数据和市场趋势，洞 察市场需求，预测未来趋势，精准定位产品的设计与 迭代方向。 • 优化研发流程管理：基于当前项目状态和历史数据建 立预测模型，预测每项任务的完成时间，并评估整个 项目的完成时间，有助于提前发现潜在延迟风险，让 团队合理分配时间和其他资源，保证项目按时或提前 完成。 • 自动化代码编写与优化：AI

方案：教育数据的 收集、管理与分析， 为学习者提供独特 的学习体验，教学 制度优化 7 智慧教 育 智 慧 教 育 什么是智慧教育？ 在信息化基础之上建构的信息时代的教育新秩序，是信 息时代的教育新形态、教育的“新常态”，是信息化元素充分 融入教育以后，在“时代催化剂”的作用下教育发生的“化学反 应”。 信息化 教育 时代催化剂 智慧教育” 智慧教育体系  智慧教师  智慧管理  智慧学习者及智慧学习 端之间实现数据同步、 无缝切换，学习过程 实现无缝迁移 具体 体现 16 全向交 互 • 自然交互 • 深度互动 • 过程记录 17 智能管 控 教育环境、资源、管理与服务的智能管理是智慧教 育的核心特征。 智能控制 智能诊断 智能分析 智能调节 智能调度 18 按需推 送 智能教育要达成“人人教、人人学”的美好愿望，教育 资源可以按需获取和使用，教与学可以按需开展。 处理和信息服务的需求。 27 云计算 创 新 • 学生通过电子书包 等终端随时随地享 受云端的各种学习 服务 云学习环境 • 保证学习数据的永 不丢失，为学习分 析提供数据支持 存储学习过程 数据 28 泛在网 络 泛在网络是通信网、互联 网、物联网的高度协同和 融合，将实现跨网络、跨 行业、跨应用、异构多技 术的融合和协同。 29 泛在网 络 创 新 学习、生活与工作的连通

4. 技能应用类 ：数学计算、代码解释、 逻辑推理。 • 5. 个性化定制类 ：风格迁移、知识库绑 定、偏好记忆。 • 6. 系统操作类：模式切换、资源优化、 记 忆管理。 • 7. 知识查询类：事实核查、概念解释、 溯 源检索。 • 8. 教育与研究类：题目生成、论文润色、 实验设计。 • 9. 多模态处理类： 图文互译、表格解析、 视频脚本。 5+ 2. 系统要求 Linux （ Ubuntu 20.04+ ） 或 Windows WSL2 Python 3.8+ ，推荐使用 Anaconda/Mini cond a 管理环境 DeepSeek 本地部署 - 硬件环境准 备 DeepSeek 本地部署 - 部署办法 方法 1 ：使用 Hugging Face Transformers AnythingLLM 的 实例上私密嵌入 ，文本数据的处理和转换在本地进行 ，不会泄露给第三方。 • Vector Database （向 量数据库）：使用 LanceDB 作为向量数据库， 向量和文档文本都存储在 AnythingLLM 实例上 ，进一步确保数据的私密性和安全性。 • 接入 DeepSeek 模型 • 通过 Ollama 接入：先在本地通过 Ollama 部署 DeepSeek 模型

安卓：应用商店搜索下载或官网直接获取安装包 核心功能： ⚫ 语音输入：长按麦克风图标口述问题（适合通勤场景） ⚫ 离线缓存：断网时可查看历史对话记录 避坑指南：若遇安装失败，检查存储空间是否充足，或关闭杀毒软件后重试 ③微信小程序（轻量化入口） 获取路径： 1.微信搜索"DeepSeek"公众号 2.后台发送关键词【小程序】获取专属链接 ⚫ 优势：无 Claude 整理数据图表” 效率提升：全流程时间缩短 70% ③批判性训练 ⚫ 逆向推演：“假设我的奶茶店三个月后倒闭，请逆向分析失败原因链” ⚫ 跨界迁移：“参考迪士尼排队管理策略，优化咖啡店高峰时段服务流程” 5.官方推荐模板（简化版） 1.代码优化： “下面这段 Python 代码运行缓慢，请解释问题并提供两种优化方案” 2.内容润色： “将 法律风控：上传合伙协议→输入“检测股权分配风险点”→标注条款漏洞并提供修改 建议 2.进阶赋能：从工具使用到系统重构 DeepSeek 正在引发更深层次的生产力变革： ①知识管理革命 ⚫ 个人知识库： 1.上传历年工作文档/读书笔记/会议记录 2.输入“构建知识图谱，关联 2024-2025 年市场策略”→生成可交互的 3D 知识网络 ⚫ 企业智慧大脑：

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

，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 学校中， 91.6% 的高校未建设校级算力平台。 这显然难以匹配大 模 型时代的要求 ，容易出现算力资源分散管理、 忙闲不 均、 共享不畅等问题 ，拖慢科研成果产出效率 大模型的技术栈复杂。 实验智能体： VR+ 数字孪生模拟高危实验操作 服务场景 n 心理咨询智能体： 通过微表情识别学生心理状态 n 就业指导智能体： 分析百万岗位数据生成个性化 求职策略 管理场景 n 招生智能体： A I 面试官评估考生综合素质 n 行政智能体： 自动处理盖章、 证明开具、 报销等 流程 6. 基于大模型的智能体 智能体在高校的应用场景 n DeepSeek 中输入下方的文献综述模板 ， 即可一键生成文献综述。 n 使用 AI 工具提升科研效 率 [1] 冯旭南 . 新质生产力与价值创造： 数字经济时代的生产方式变革 [J]. 上海管理科学 , 2025, 47 (01): 48-52. 摘要 : 随着数字经济的迅速崛起， 传统生产力的内涵和结构正经历深刻的变革 。 新质生产力作 为新兴生产 力的表现形式，依托人工智能 、