大语言模型 预训练大语言模型 GPT 文 心 ERNIE ... 3.3 人工智能与大模型的关 系 深度学习模型 预训练模型 文心一言 ChatGPT 语言大模型 是 指 在 自 然 语 言 处 理 （ Nat u ral La ng uage Processing ， NLP ）领域中的一类大 模型， 通常 用于处理文本数据和理解自然语言 。 这类大模型 的主要特点是它们在大规模语料库上 OpenAI 官方宣布了 OpenAI o1 推 理大模 型。 OpenAI 定义推理模型 在 OpenAI 的官网上 ， OpenAI 定义推理模 型是在回答之前进行思考 ， 并在回复用户 之前 ，在内部生成一长串的思维链过程。 思维链是一种提示大语言模型进行逐步推 理的方法。它让模型在得出最终答案之前 ， 先显式地写出推理的中间步骤。这就像人 也就是说 ，如果模型在回复你之前有一 长 串的思考过程（这个过程必须可以显 示输 出） ，探索了很多不同的路径之后 给出答 案 ，那么有这个能力的大模型就 是推理大 模型。推理模型的核心在于处 理那些需要 多步骤逻辑推导才能解决的 复杂问题。 3.4 大模型的分 类 大语言模型可以分为通用大模型和推理大模型 3.4 大模型的分 类 n 推理大模型 DeepSeek R1 的对话效果

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。 在设备运维管理方面，利用机器学习算法，对部署在 设备上的温度、压力、振动等各种传感器给出的监测 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 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 理，基于图像分割等深度学习模型，高效且较为准确 地检出缺陷，为传统的视觉检测技术赋予高度智能 化。质量检测也是目前 AI 技术在工业领域落地应用 较多、较为成功的一个方向。 • 智能生产管理： 统，减少了数据录入和处理的时间和错误 。使用自 然语言处理 (NLP) 和机器学习算法，能快速分析候 选人简历，识别出与职位相关的教育背景、工作经历 等关键信息，快速筛选出符合条件的候选人，提高招 聘效率。 05 01 工业人工智能 (AI) 行业观察 大模型（Large Model，也称基座模型，即 Foundation Model），是指具有大量参数和复杂结构的机器学习模型，能够处 理海量数据、完成各

智慧平台  智慧教育方式 10 信息技术 与学科教 学深度融 合 全球教育 资源无缝 整合共享 无处不在 的开放、 按需学习 基于大数 据的科学 分析与评 价 绿色高效 的教育管 理 技 术 特 征 情景感知 无缝连接 可视化 按需推送 智慧 教育 核心 特征 全向交互 智能管控 12 情境感知 情境感知是智慧教育最基础的功能特征，依据情 境感知数据自适应地为用户提供推送式服务。 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 大数据 大数据技术 25 大数据 创 新 教育舆情监测与剖析 教育信息化与现代化发展水平评估 教育机构布局与教育经费调整 学生的发展性评价 基于大数据的科学研究 利用开放资源，虚拟旧计 算机桌面应用和服务，降 低成本 智慧课堂：利用 21 世纪技术提高质量、提高接入和降低成本 工作需求 信息服务 广播系统 工业标准框架 为资源管理和支持学习提供管 理服务 智慧课堂：利用 21 世纪技术（ IBM 及其伙伴） 虚拟架构、计入虚拟客 户端解决方案 IBM 服务器与 存储器 客户设备、弱式客户 端 IBM 管理的服务 集中式架构 虚拟桌面服务

写、 测试用例） 。 " 恨聪明 但没那么听话 " DeepseekV3 Deepseek R1 Deepseek r1 鞅的证 明 Deepseek r1 Roy 安全准则组合模型推 理 Deepseek r1 推理玻尿酸配 方 DeepSeek 提示词工 程 提示词工程 Deepseek 十类提示 词 • 1. 内容生成类 ：文本生成、代码生成、创 意生成和数据模拟。 和字数的换算比例大致如下： • 1 个英文字符 ≈ 0.3 个 token 。 • 1 个中文字符 ≈ 0.6 个 token 。 • 但因为不同模型的分词不同 ， 所以换算比例也存在差异 ， 每一次实际处 理 token 数量以模型返回为准 ，您可以从返回结果的 usage 中查看。 阿里云部署 Deepseek 以 DeepSeek-R1 满血版为例进行演示 ，通过百炼模型服务进行 DeepSeek 硬件环境准 备 DeepSeek 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

Multi-Token Prediction 多 token 预测提升模 型效果 • MTP 模块仅在训练中使用，提升模型训练效果，推理阶段可以不使用 MTP 模块，基础模型能够独立完成正常推 理 • 参考投机采样， MTP 模块也可以被重新配置用于 speculative decoding ，加速解码过程，降低整体时延 7 Huawei Proprietary - • 量化、混合精度加速 • 异步下发，多流水执行 第三方推理服务 3rd 支持 PyTorch / 昇思 • 少量代码实现训练向推理平滑迁 移 • 整图 / 子图优化 + 单算子混合推 理 MindIE-SD • 业界标准 RPC 接口高效对接业务 层 • 模型管理，集群管理， devops • 支持多实例并发 MindIE-Torch MindSpore 对接 MindIE-MS 件众多，各层紧 耦合技术跨度大 • 昇腾 AI 工具链多， 调用复杂 • 无昇腾平台大模 型开发部署经验 DeepSeek 能 力 特 性 讲 解 DeepSeek 推 理 部 署 演 示 AI 基础知识 环境搭建示例 昇腾全栈软件 社区资源讲解 服 务 内 容 挑 战 CANN& AI 框架赋能 需求调研 模型 演示 昇腾 基础 结合昇腾社区样例，使能快速开发

接收到的信息往往是 全模态的，不同的感官渠道能够互相补充，帮助我们更全面地理解和表达复杂的概念。 ➢ 全模态扩展将成为Deepseek R1的下一个重大突破。首先，在复杂决策场景中构建起"感知-理 解-推演"的闭环认知体系，在多个场景下扩展智能边界。 ➢ 例如，通过跨模态对齐技术，模型能将CT影像的灰度特征与病理报告的专业术语建立语义关联， 在医疗诊断中同步分析X光片阴影分布与患者主诉症 - Strange shape - Redundant content - Correct shape - Clean layout 算法：从语言反馈中 学习范式，提升任意 到任意模态生成与理 解任务的对齐表现 模态统一范式：从语言反馈中学习 Learning from Language Feedback（LLF） 利用信息更丰富的多模态偏好数据实现更准确且细粒度的人类偏好对齐 52 化数学数据库， 建立高度严谨的推理模型。 个体安全 ≠ 群体安全， 行为安全 ≠ 价值安全 安全复杂性和维度超出传统方法 ➢ 内生价值安全性：AI系统不仅需 要应对不确定性，还必须考虑物 理规律下的人类价值观对齐，例 如肢体语言的安全性、个人空间 的边界感。 ➢ 外生具身安全性：在复杂动态环 境中不仅要短期安全，还要确保 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