工业人工智能 (AI) 行业观察 工业 AI，是 AI 技术在工业领域的应用，它通过机器学习、深度学习、计算机视觉等先进的计算智能方法，实现对工业生产 过程的优化和智能化，最终帮助企业提高生产效率、降低成本、提升产品质量，实现数字化转型。 2023 年 12 月，由信通院牵头、多家单位联合编制的《工业大模型技术应用与发展报告》指出，AI 与大模型将加速赋能新型 工业化，预计从 2022 年至 技术的应用主要集中在提高生 产效率、优化资源配置、增强质量控制和实现生产过程 的自动化与智能化。具体包括： • 设备管理： 在设备入库管理方面，AI 通过深度学习识别设备上的 条形码、二维码或设备特征，自动读取设备信息如型 号、序列号等；AI 的自然语言处理功能，可以自动 提取设备手册或标签上的文字信息，获取设备规格、 性能指标等关键参数。这些都能显著提升设备入库管 理的效率和准确性。 在设 数据进行处理分析，实时监控设备运行状态，并可通 过模式识别算法检测数据中的异常，预测可能出现的 故障或发现故障甚至给出修复建议，便于运维人员及 时实施预测性维护或故障修复，减少停机时间，提高 设备的可靠性和生产效率。 • 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

目 录 2 1 Huawei Proprietary - Restricted Distribution 2 训练资源 • 随着 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 • DS 对强化学习的创新使用， 可以让大模型便捷的获 得 通用性 + 专用性， 可以满足各应用场景需求 • DS 对通过从模型结构到训推全流程的极致工程优化， 大幅提升 AI 的计算效率， 提升模型落地经济性 • 中国 AI 公司首次以关键创新贡献者的身份加入到全 球 AI 竞争中，冲击美国 AI 霸权 • 打破 NV+OpenAI 的资金、技术、人才的垄断，全球 时代 2012 AlexNet 模型能力突破 开启 CV 时代 1998 LeNet 首个 CNN 架构模型 2025 DeepSeek 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 +

通用大模型 适用场景 复杂推理、 解谜、 数学、 编码难题 文本生成、 翻译、 摘要、 基础知识问答 复杂问题解决能力 优秀 ，能进行深度思考和逻辑推理 一般 ，难以处理多步骤的复杂问题 运算效率 较低 ，推理时间较长 ，资源消耗大 较高 ， 响应速度快 ，资源消耗相对较小 幻觉风险 较高 ， 可能出现“过度思考”导致的错误答案 较低 ，更依赖于已知的知识和模式 泛化能力 更强 ，能更好地适应新问题和未知场景 甚至与顶尖的闭源大模型 GPT-4o 不相上下 ， 尤 其在数学推理上 ， DeepSeek-V3 更是遥遥领先。 DeepSeek-V3 以多项 开创性 技术 ，大幅提升了模型的性能和训练效率。 DeepSeek-V3 在性能比 肩 GPT- 4o 的同时 ，研发却只花了 558 万美元 ， 训练成本不到后者的二十分之一。 因 为表现太过优越 ， DeepSeek 在硅谷被誉为“来自东方的神秘力量”。 大模型可以用于医疗影像诊断、疾病预测 等任务 。通过学习大量的医学影像数据 ， 大模型可以辅助医生进行疾病诊断和治 疗 方案制定，提高医疗水平和效率 型可以实现对车辆周围环境的感知和识别， 以及进行决策和控制，提高自动驾驶的安 全性和效率 3.7 大模型的应用领 域 大模型可以用于自动驾驶中的感知、决策 等任务 。通过学习大量的驾驶数据 ，大 模 在生物信息学领域 ，大模型可以用于基

之所以成为现象级 AI 工具，关键在于它在效率、成本、能力三大维度实现 了突破性平衡： 技术黑话翻译： ⚫ MoE 混合专家系统：像医院分诊台，遇到数学题自动转接“数学博士”，写诗转接 “文学教授” ⚫ MLA 多头潜在注意力：让 AI 像章鱼同时处理多任务，普通电脑也能流畅运行 ⚫ DualPipe 通信技术：优化 AI“脑细胞”之间的协作效率，响应速度提升 50% 2.功能模块：你的私人 AI 军团 DeepSeek 通过三大功能模块，满足从日常生活到专业领域的全场景需求： 模块 1：基础版（V3）——效率倍增器 适用人群：学生、白领、自媒体创作者 核心技能： ⚫ 文案生产：3 分钟生成周报/演讲稿/小红书爆款文案（带 Emoji 和话题标签） ⚫ 知识管家：自动整理会议录音→生成思维导图→提炼待办事项 ⚫ 语言翻译：支持 天的数据分析报告 ②多 AI 联合作战 指令模板： “先让 DeepSeekR1 制定《智能手环市场调研方案》，再用 GPT-4 生成问卷文案，最后 用 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”

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 Language Tokens) ➢ 策略优化：建模成 Contextual Bandit, 用 REINFORCE 变种进行优化 ➢ 长度惩罚：引入长度惩罚机制，防止模型生成过长的推理过程，提高计算效率。 ➢ Overthinking的行为：可能会导致更好的表现，但是会带来training 和 inference过程中极大的损耗 ➢ 采样策略 ➢ 课程学习（Curriculum Learning）： 更难的例子，这种循序渐进的方式有助于模型更好地掌握知识。 ➢ 优先采样（Prioritized Sampling）： 根据问题的难度或模型对问题的掌握程度来调整采样概率。 模型更倾向于采样那些困难的、或者模型不擅长的问题，提高训练效率。 技术对比讨论：Kimi K1.5 Moonshot 策略优化损失函数 长度惩罚奖励 31 ➢ Vision Data 构造 ➢ 真实世界数据 包括各个年级的科学问题，这些问题需要图

深度交互 32 常规 ( 课堂 ) 智慧教学过程 智慧学习 智慧学习是在智慧环境中开展的完全以学习者为中心的学习活动。 基本特征 培养技能 认知 创造 内省 交际 个性化 高效率 沉浸性 持续性 自然性 基本特征 获取自己所需的资源、信息和 服务 享受个性化定制的资源和服务 发掘自己的兴趣爱好 挖掘自己的潜能 学习过程更加轻松高效 学习者 34 智 慧 + Learning Laboratory Learning environment 变换学习 组织形式 （桌椅文化） 根据教学内容和学生学习需求，适时调整变换教学 组织形式，提升学习效率。如，扇形、马蹄形、半圆 形、圆形等座位排序，便于学生讨论交流，缩短师生、 生生之间的心理距离，提升学生的群体合作意识，便 于群体智慧共享。 学习环境：根据学习需求调整学生座位 3 Learning 集成性门户为实体接入应用和 内容提供了可能 虚拟桌面服务 学生、教师和职员 公共架构 IBM 公有云 旧的桌面服务 开放教育资源 来自与 IBM 和其他服务商的的 网络服务能够提供协作和生产 效率 基于虚拟桌面的课堂、实 验室和手机接入 弱功能客户机和移动设备为用 户提供便捷式接入系统 虚拟云服务：为分布式校 园和课堂提供集中式支持。 作为一种选择， IBM 可 以承担传递服务