的诞生不仅是技术突破，更是国家战略级的里程碑： 成本革命： ⚫ 训练成本仅 558 万美元（仅为美国同类模型的 1/20） ⚫ 推理速度提升 3 倍，生成文字速度从 20 字/秒提升至 60 字/秒 行业重塑： ⚫ 迫使国际巨头降价（如 AnthropicClaude 降价 30%） ⚫ 首款登顶全球 140 国应用榜的国产 AI 模型 国家战略： ⚫ 突破“卡脖子”技术：仅用 级零件缺陷 ③分布式群体智能 ⚫ 区块链+AI：建立去中心化训练网络，数据贡献者可获得智能代币 ⚫ 联邦学习突破：医院间共享医疗模型但不泄露患者隐私 案例实证： 10 万部手机联合训练出地震预警模型，准确率超专业设备 2.产业融合：重塑万亿级市场格局 DeepSeek 将成为“产业操作系统”，催生三大新兴经济形态： ①智能原生经济 生产范式： ③社会共识层 ⚫ 人机协作认证：重要决策需人类签署“知情同意书” ⚫ 文化适配： 1. 伊斯兰地区 AI 自动遵循“清真原则” 2. 佛教国家禁止 AI 讨论轮回转世 4.国家战略：数字时代的国力较量 DeepSeek 正在重塑国际竞争格局： ①技术主权争夺 芯片突围： ⚫ 华为昇腾 910B 芯片性能追平英伟达 A100 ⚫ 国产光子芯片突破 7nm

DeepSeek 提供了一种高效率训练的方法，同等 算力规模可以探索更强的模型能力 • 在竞争背景下，头部玩家仍将追逐 Scaling Law ，坚定 AI 算力的战略投资，加速探索下一代 AI 技术 DeepSeek 是 AI 发展史上的一个关键里程碑，但远未达到 AI 终点 AI 模型算法： GPT 、 LLaMA AI 框架： PY 、 TF 异构计算架构： 效率与成本双突破 NLP 全面普及 2015 Resnet 效率与成本双突破 CV 全面普及 AI 模型算法： DeepSeek 国家战略清晰 技术创新依赖资本投入 NLP 自然语言处理 双轮驱动互锁 战略坚定 + 技术创新 CV 计算机视觉 3 Huawei Proprietary - Restricted Distribution Proprietary - Restricted Distribution DeepSeek 9 大模型从技术摸高走向技术摸高 + 工程创新并行 ，训练需求持续增 长 ① 技术摸高：头部玩家将战略坚定投入预训练基础模型创新，丰富模型组合，追逐 Scaling Law ，加速探索 AGI ② 工程创新：新的范式降低后训练和蒸馏门槛，模型效果大幅提升， 出现平权现象，引发新一波的“百模千态”

DeepSeek 应用与部 署 听听真我数字人讲 DeepSeek AIGC 发展历 程 AIGC 2014-2024 自然语言处理与语言模型 大语言模型 LLM ： 2018 — 2024 DeepSeek 介 绍 DeepSeek ： 2023 — DeepSeek ： 技术创新——模型架构 | V2 （ Multi-Head Latent Attention ） 直译过来叫做“检索增强生成 ” 。 相当于这题我不会， 但是我有“小抄 ” ， 我回 答的时候， 就看一眼小抄， 然后再综合我脑子里的已有知识， 进行回答。 蒸馏、微调、 RAG DeepSeek 本地部 署 1. GPU 要求 推荐 NVIDIA 显卡（ RTX 3090/4090/A100 等） 显存要求： ■ 7B 模型： 至少 16GB 显存 ■ 13B/20B 模型： 本地部署 - 部署办法 方法 1 ：使用 Hugging Face Transformers 方法 2 ：使用 vLLM 加速推 理 方法 3 ： Docker 部 署 Anything LLM 接入 • 下载安装 • 打开官网 ，根据自己的系统选择下载对应的版本。 • • 安装文件 ，按照安装向导的提示进行操作 ，默认路径安装或修改默认安装路径都可以。安装完成后

南方科技大学高等教育研究中心、联合国教科文组织国际高等教育创新中心 Email: zhaojh@sustc.edu.cn 从智慧教育到智慧课堂： 理论、规范与实践 智慧教育的内涵与特征 3 智慧战略引重视 • 2008 年 IBM 提 出智慧地球战略 智慧教 育 已 成 共 识 新加坡 2006 年iN2015 计划 智慧教育计划 提出 建立学习者为中 心的个性化学习 空间 建设国家范围的 教育基础设施 使新加坡成为全

Deep Research 具有以下四大 核心技术： 学术裁缝 综合各种知识 ， 生成完美的报告 ，还附带文献引用 数据雷达 会自动 24 小时扫描全球知识库 知识拼图 能把零散的信息拼成完整的战略地图 6. 基于大模型的智能 体 逻辑推理 6. 基于大模型的智能 体 Coze( 扣子 ) 是字节跳动推出 的 新一代 A I 智能体开发服 务平台 6. 基于大模型的智能体

技术落地应用的重要领域。目前，AI 技术已经渗透到汽车制造中繁多复杂的生 产流程中，从汽车零部件的质量检测、到生产物流运输、装配生产线的自动化、再到整车质量检测等众多环节，AI 技术的 使用都显著提高了生产效率和产品质量。 1.4 行业应用 1.4.1 汽车行业 汽车造型 辅助设计 车身漆面 质量检测 零部件及 整车智能 制造 工业大模型可广泛应用于汽车造型设计等领域。例如，在汽车造 型设计中，设计师可通过对话、画图等方式与大模 型交互，完善创意灵感，生成 3D 汽车数字模型，并能对模型进行风格调整、零部件编辑及颜色更换等操作。这能 使原本需要 1-2 年的设计周期大幅缩短。 车身表面的涂漆质量是衡量整车品质的重要指标之一，它不仅关系到车辆的美观性，更事关车辆的防腐性、耐久性 等问题。漆面喷涂环节工艺繁多复杂，易出现颗粒、缩孔、焊渣、脏污等各类缺陷，进而影响整车外观甚至漆面的 的检测节拍。还能支持多颜色、多车型在线混检，支持超过 20 余种漆面缺陷，实现多角度在线检测。 AI 赋能的方案，大幅提升了车身漆面缺陷的检出率和检测效率，满足生产线的快速节拍需求。 汽车零部件和整车的性能，不仅关乎驾驶性能和体验，更关乎生命安全。因此，必须保证汽车零部件完好无缺陷， 整车装配高度精准可靠，确保每一个部件都符合严格的安全标准。 例如，轮毂是汽车的重要组成部分，其质量直接关系到汽车的安全性和使用寿命。在轮毂的生产制造中，容易产生

生成的推理步骤是模型输出的一部分，并不能保证它反映了模型的真实内部计算过程。模 型可能学会输出符合人类期望的思维链，但实际推理过程可能与其展示的 CoT 不同。 ➢ 当模型具备长期目标意识（Instrumental Reasoning）时，它可能会构造看似合理但实际上误导 性的 CoT，以隐藏其真正的意图。此外，CoT 仅是文本输出的一部分，并不代表模型的实际内 部推理过程，因此不能确保其真实透明。