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” ，杭州一家名为“深度求索”（ DeepSeek ） 的中国初创公 司， 发布了全新一代大模型 DeepSeek-V3 。 在多个基准测试中 ， DeepSeek-V3 的 性能均超越了其他开源模型 ， 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 大模型的应用领域 厦门大学大数据教学团队作品 （ 2 ）计算机视觉 大模型在计算机视觉领域也有广泛应用 ，可以用于图像分类（识别 图 像中的物体和场景）、 目标检测（能够定位并识别图像中的特定 物 体）、图像生成（如风格迁移、图像超分辨率增强）、人脸识 别（用 于安全验证和身份识别）、医学影像分析（辅助医生诊断疾 病）等 （ 1 ） 自然语言处理 大模型在自然语言处理领域具有重要的应用

推理加速：预加载，动态批处理等 模型、数据、工具链、部署全开源 蒸馏技术使能第三方模型性能 DeepSeek V3 ：实现极致性能，稀疏 MOE 提质 降本 技术创新 硬件级、算法级、架构级、工程级、开 源生态 5 大技术创新，轰动全球 低成本 绕过 CUDA 挖掘 FP8 硬件潜力， MOE 和 MLA 技术实现不到 10% 的 成本方案 ~150M$ 5.57M$ DeepSeek–V3 、模型性能提升 7% 算存协同 • 极致读写性能： CKPT 等算存读写协同优化、 PB 级存取 +TB 级带宽，数据读取效率提升 50% 大规模组网 • 超大组网规模： 2 层 1:1 无收敛的 AI 网络架构， 最 大支持 128K 集群规模组网，千卡到万卡平滑 演进 千亿稠密 / 万亿稀疏 计算单元结 构 为 16x16x16 芯片架构差异 差异二：工具链差异导致迁移效率不同 算子重开发、精度调试、性能调优的难度 体现在工具链的能力上 昇腾 无工具链 其他架 构 亟需精度对比工具： GPU 的推理精度在适配昇 腾训练的模型时，需要以昇腾训练的模型精度为标杆 迁移工作量大：建立工具链完成对昇腾的精度

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 一里程碑，标志着开源社区在与闭源大模型（如 OpenAI o1 系列）的竞争中迈出了关键性一步。 ➢ DeepSeek-R1 在数学代码任务上表现突出 ➢ Deepseek R1在AIME2024上获得了79.8%的成绩，略高于 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

和排程，最大程度地减少产线空闲时间，提高产品交 付准时率。 在生产资源分配方面，通过深度学习和大数据分析， AI 系统能够根据实时数据预测生产任务，自动调整 生产参数，并合理地分配人力、设备、物料等生产资 源，提高资源利用率，确保生产线始终保持在最佳工 作状态，提高生产效率。 在生产过程监控和优化方面，AI 算法通过分析生产 线上的各种运行状态反馈数据和工艺参数，能够预 测及发现潜在问题，并自动调整参数，优化产线运 可能影响芯片性能。晶圆中常见的缺陷包括表面的划痕、裂 纹、污染物、凸起，表面翘曲，切割瑕疵、晶体缺陷等。这些缺陷大多细微不易察觉，通常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 而项目的投入产出却难以清晰测量，也在阻碍了落地 应用的实施。 英特尔® 技术方案 02 13 02 英特尔 ® 技术方案 2.1 硬件 第 12 代英特尔® 酷睿™ 移动处理器为物联网部署创造更多价值，采用全新高性能混合架构，大幅提 升单线程和多线程性能，其高性能小尺寸的设计兼顾了图形密度和 AI 加速功能。 首款采用高性能混合架构的英特尔® 酷睿™ 处理器 创新的芯片设计将专注于主要工作负载的

可视化是信息时代数据处理与显示的必然趋势，是 智慧教育观摩、巡视、监控的必备功能，是智慧教 育系统的重要特征。 • 可视化监控 • 可视化呈现 • 可视化操作 智慧技术创新应用 21 物联网 大数据 云计算 泛在网络 ① ② ③ ④ 23 物联网 创 新 学生体质健康 监测 学习情境数 据采集 拓展课外教 学活动 教育安全监 控与危机快 速处理 教学设备管 理 05/06/2025 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 学校教育、家庭教育和社会教育的 连通； 手机、平板、 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 慧 学 习 框 架 泛在网络 物联网 感知需求 分析需求 发 现 所 需 提 供 资 源 和 服 务 信息、数据、 服务支持 环境、终端 外部支持 智慧课堂：智慧教育主阵地 课堂信息化演变过程 Classroom 2.0 基本特征 交互性 智能化

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

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。 • 10. 伦理与安全类： 内容审核、价值观对 齐、风险预警。 https://www.langchain.com/ • • 功能：构建于大语言模型之上 ，通过链式调用组合组件 ， 简 化开发者与语言模型交互 ，可用于构建问答系统等 ，支 持与 多种数据源集成。 5. deepset 的 Haystack 官网： https://haystack.deepset.ai/、 功能：用于构建基于 NLP 的搜索和问答系统 ，提供模块化架 构、多模型支持、高效检索、问答功能

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： 销售数据+客服录音+生产日志多源融合→自动生成经营决策建议（ ②流程自动化矩阵 ⚫ 智能工作流： 邮件接收→AI 提取关键信息→自动创建待办事项→生成执行方案→推送进度提醒 ⚫ 跨平台协作： Excel