深度开放，使能高效灵活开发，匹配开发者使用 习惯 算子加速库 XF 结合场景差异优化 运行时 NV Runtime KS 直 接 发 起 Kernel Launch GE 图引擎 MT 、 KS 自定义图融合 Pattern 类库 / 模板 XF 自定义切分策略 集合通信库 TX 、 MT hash 算法自定义调优 通用编程 KS 自定义算子开发 毕昇编译器 | Runtime DeepSpeed AscendSpeed … HCCL 集合通信库 开放通信算子、平台接口，支持自定义通信算法，提升网络通信效率 GE 图引擎 开放图编译、图优化、图执行，支持自定义图融合，提升整网性能 深度开放 CANN ，一套架构使能昇腾原生开 发 对位 NV CUDA ，匹配开发使用习 惯 AI 框架 昇思 MindSpore NCCL NV CUDA-C NV CUTLASS NV cuDNN HCCL Ascend C 低 级 API Ascend C 高阶 API Graph Engine 图引擎 Ascend aclNN 17 Huawei Proprietary - Restricted Distribution 昇腾硬件使能 Ascend Runtime 模型训练：算网

为） 、 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 INTERN （商汤）等 3.4 大模型的分 类 通用大模型 L0 是指可以在多个领域和任务上通用 的大模型 。 它们利用大算力、使 用 海量的开放数据与具有巨量参 数的 深度学习算法，在大规模无 标注数 据上进行训练， 以寻找特 征并发现 规律 ，进而形成可“举一 反三” 的强 大泛化能力 ，可在不 进行微调或少 量微调的情况下完 成多场景任务 ， 相当于 AI 完成 了“通识教育” 视频这一更加复杂和动态的媒介。 这意味着人工智能不仅在处 理静态信 息上越来越强大 而且在动态内容的创造上也展现出了惊人的潜力 3.6.1 国外的大模型产 品 n Sora n Sora 右图是 Sora 根据文本自动生成的视频画面 ， 一位戴 着 墨镜、 穿着皮衣的时尚女子走在雨后夜晚的东京市区 街道上 ，抹了鲜艳唇彩的唇角微微翘起 ， 即便带着墨 镜也能看到她的微笑

需要微米级甚至更小的 检测精度。人工检测效率低下，易出错，无法满足大规模生产的效率需求；传统的机器视觉检测算法，无法满足对 多种缺陷的检测需求。 采用大模型结合机器视觉成像技术，首先使用大规模无标注图像对大模型预训练，然后再针对晶圆缺陷检测任务， 在标注的晶圆缺陷图像数据集上进行微调，优化模型对微小缺陷的识别能力。最终经过优化的大模型，在晶圆缺陷 检测任务上，最小能检出 0.1 微米级别的缺陷尺寸，检测精准度需高于 等场 景应用，但在面向实际工程的代码生成能力仍有很大 提升空间，尤其在实用算法、科学计算和数据结构等 领域能力偏弱。另外，针对缺陷样本极少的工业质检 应用场景，工业大模型基于真实缺陷图生成仿真缺陷 图的能力，目前在准确性方面依然有待提升。 第五，成本和技术问题。 工业 AI 技术尤其是工业大模型的部署，要面对高昂的 训练成本和技术壁垒，这往往令中小企业望而却步。 工业大模型的应用不仅需要大量的资金投入，还需要 提供一个开发者社区和开放论坛，以推动统一的 API，为统一的行业宽多架构软件开发平台， 并鼓励生态系统合作。 2.2 软件 2.2.1 英特尔® oneAPI 工具包 — 跨架构性能加速 图：oneAPI 图示（来源：https://www.oneapi.io/） 中间件 & 框架 CPU GPU FPGA OTHER ACCEL XPUs 30 02 英特尔 ® 技术方案

Investigating Reward-Tampering in Large Language Models 50 未来技术方向展望: 模态扩展 + 模态穿透进一步拓展强推理边界 ➢ RLHF与DPO方法本身是模态无感的，通过数据构造能够直接应用于多模态场景； ➢ 但是，多模态对齐的难点在于： ➢ 模态数量增加，传统二元偏好是否能够捕捉人类意图的多元偏好或层次化偏好？ ➢ 当多模态扩展到全模态空间，模态交互 (8B) 27.0% 63.8% 83.7% Align-Anything: 涵盖多元价值观的全模态对齐方案 ➢ Align-Anything 框架支持任意到任意模态对齐，这在目前开源社区中是独一无二的。它填补了现有 框架仅支持单一模态或少数模态对齐的空白，为全模态大模型的对齐提供了统一和通用的解决方案； 数据集：开源涵盖12种模态 的400K对齐数据集 算法：开源面向任意模态、涵盖 SFT、RLHF、DPO等主流对齐 长期行为的安全性，例如对操作 环境造成影响的安全性。 VLA系统安全的独特挑战 68 总结 基于复杂推理慢思考+强化学习新技术范式，通过高质量数据驱动产生强推理模型 2023-快思考 2024-慢思考  无标注数据 有标注数据  验证数据集  学习人类偏好  测试效果  人机对齐模型  奖励模型 生成更多“对齐”数据  Test-Time Compute 提升偏好自适应性 ① 强化学习

H800(2.5 亿 ):1 .5*107 秒 (174 天 ) 算力 ( 每秒 ) 显存 运力 生态 政策风险 成本 华为 910B 320T=3.2*101 4 32GB 240 GB/s 较好 无 12 万 英伟达 H800 1000T=1015 80GB 900 GB/s 好 有 25 万 人工智能计算平台成本估计 算力 存力 运力 ■ 大模型扩展规律 ( 资本非常喜欢确定性故事

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 42 种语言互译，自动适配文化差异（如把“摆烂”翻译成 “quietquitting”） 局限：复杂逻辑问题需升级至 R1 版本 模块 2：深度思考（R1）——决策智囊团 过度依赖现象的短文，结尾需反转升 华” ③思维链可视化 指令设计：要求展示推理过程（如“先分解条件再推导”） 应用场景： ⚫ -解数学题时自动展示公式推导步骤 ⚫ -分析商业案例时生成因果逻辑图 2.行业专用模板：拿来即用的生产力工具 3.避坑指南：新手常犯的 5 大错误 1.模糊指令 错误：“帮我写点文案”→AI 无法判断需求 修正：“为 30-40 典型应用场景： ①学生党：从题海战术到精准学习 ⚫ 论文润色：上传论文草稿→输入“优化学术表达，确保符合 APA 格式”→10 分钟完 成专业级修改 ⚫ 知识点图谱：输入“用思维导图整理高中生物遗传学核心概念”→生成可打印的学习 框架 ⚫ 解题思路：拍摄数学题照片→R1 模式自动分步解析，错误点用红框标注 ②职场人：效率提升 300%的办公神器 ③创业者：零成本搭建专业团队

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 ，包括领域自适应学习（建立医、 教育、 金融垂直应用于 模型） 、 因果推理引擎（建立因果图模型） 和多目标优化决策（求解帕 累托最有解） 。 • 3. 高级能力层 复杂系统建模与自主决策 ，包括数字孪生仿真系统（构建物理于数字融合虚拟环境 模拟天气等） 、 多智能体协同 图文互译、表格解析、 视频脚本。 • 10. 伦理与安全类： 内容审核、价值观对 齐、风险预警。 DeepSeek 部署方 案 Deepseek ! Deepseek 部署全线 图 移动手机应用 本地部署蒸馏小模型 第三方 UI 客户管接入服务 云端网站接入服 务 Deepseek 模型及蒸馏模 型 邀请码： z0sI0urY 邀请链接： https://cloud.siliconflow.cn/i/z0sI0urY 通过创建 API key 调 用 模型微调工程 u 对话模型微调 u 生图模型微调 华为云模型微调 老师模型 模型蒸馏工程 DeepSeek ： 推理模型 | 推理能力 蒸馏 DeepSeek 蒸馏模 型 学生模型 小模型：相当于一枚小学生 ，知识面非常有限 ，但是胜在

网络孔及电源 无障碍 坡道 分 离 式 冷 气 分 离 式 冷 气 讲桌 160” 触控电子白 板 退缩 空间 退缩 空间 退缩 空间 投影机 案例一：多功能教室整体设备配置图 案例二：合作探究学习情境 案例三 : 未来教室环境 案例四：混合式课堂与实验室 智慧课堂的教学优势 学生在“一对一” 环境中开展学习， 人手一台平板电 脑。 教室利用教室墙 开展教学活动