开创RL加持下强推理慢思考范式新边界 ➢ DeepSeek-R1 Zero 及 R1 技术剖析 ➢ Pipeline 总览 \ DeepSeek-V3 Base \ DeepSeek-R1 Zero 及 R1 细节分析 ➢ RL 算法的创新：GRPO及其技术细节 ➢ DeepSeek-R1 背后的Insights & Takeaways：RL加持下的长度泛化 \ 推理范式的涌现 ➢ DeepSeek-R1 社会及经济效益 ➢ 技术对比探讨 多阶段训练下的冷启动让RL训练更加稳定，避免初期不稳定、加速收敛、提升思维链可读性 ➢ 未来后训练的重心会逐步倾向于RL，但是少量训练用于SFT可能还是必须的 ➢ 强化学习技术不只局限在基于规则的数学、算法代码等容易提供奖励的领域，它还可以创造性 地把强化学习所带来的强推理能力，泛化到其他领域 20 DeepSeek-R1 技术剖析：背后的教师模型 DeepSeek-V3 ➢ 基座模型 (DeepSeek-V3 从而避免 了传统策略优化算法中需要使用与策略模型大小相同的评论模型。 ➢ 大幅度降低 RL 训练的计算成本，同时还能保证模型能够有效地学习到策略。 ➢ 具体来说，在传统的 RL 训练中，评论模型需要与策略模型具有相同的大小，增加计算资源的 消耗。而 GRPO 算法利用群组内的相对信息来估计基线，避免了使用Critic Model的需要。 ➢ 此外，GRPO 算法还引入了一些额外的优化策略

利用机器学习和统计模型对数据进行分析，并依据数据分析结果辅助决策，帮助企业优化资源配置，提质增效，节省成本。 具体来看，AI 技术在工业领域的应用主要在以下几大方面： 研发与规划 • 需求分析与预测：基于历史数据和机器学习算法，构 建预测模型，通过分析大量用户数据和市场趋势，洞 察市场需求，预测未来趋势，精准定位产品的设计与 迭代方向。 • 优化研发流程管理：基于当前项目状态和历史数据建 立预测模型，预测每项任务的完成时间，并评估整个 立预测模型，预测每项任务的完成时间，并评估整个 项目的完成时间，有助于提前发现潜在延迟风险，让 团队合理分配时间和其他资源，保证项目按时或提前 完成。 • 自动化代码编写与优化：AI 编程助手利用深度学习 算法和大量代码数据训练模型，通过分析代码的结构 和模式，并根据开发者的需求，自动生成函数、类、 模块等代码，甚至优化现有代码，从而帮助开发者加 速代码生成，减少错误。 • 优化产品结构与应用模拟：通过形态识别技术，将 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 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

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： CUDA 互联技术： NV Link AI 芯片： NV 、 AMD • DS 对强化学习的创新使用， 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 + 技术创新 CV 计算机视觉 3 Huawei Proprietary 89% 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$

这次会 议汇 聚了众多杰出的科学家和工程师 ，他们共同探讨和研究人工智能的发展和应用前景 这次会议的主题围绕着人工智能的定义、 研究方法和应用场景展开。 与会者们深入探讨了人工智能的基本概念、 算法和技术， 以及其在各个领域的应用潜力。 他们共同认识到 ，人工智能的研究和发展将为人类带来巨大的变革和进步 1.2 人工智能的诞 生 在这次会议上 ， “人工智能”这个词汇被约翰 . 麦卡锡（ 、 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 ， 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 相对较弱 ，更依赖于训练数据 擅长任务举例 解决复杂逻辑谜题 ，编写复杂算法 ，数学证明 撰写新闻稿 ，翻译文章 ， 生成产品描述 ， 回 答 常识问题 成本 通常更高 通常更低 在应用方面二者各有擅长的领域 ， 而不是简单的谁强谁弱问题 n 如果你需要完成数据分析、

训练师”等新兴职业薪酬达传统岗位 3 倍 ⚫ 数字鸿沟：掌握提示词工程的人群收入差距扩大至 5.6 倍 ⚫ 平衡路径：政府推行“全民 AI 素养计划”，覆盖 5000 万弱势群体 ③技术失控 ⚫ 算法黑箱：医疗诊断系统出现“正确结论+错误逻辑”案例 ⚫ 防御机制：建立“可解释性 AI 认证”，关键决策需展示推理路径 4.共生之道：人类文明的升维指南 在 AI 时代保持竞争优势，需掌握三大核心能力： 七、未来演进展望 1.技术演进：突破物理法则的认知革命 DeepSeek 的技术迭代正以“摩尔定律平方”的速度推进，未来 5 年将实现三大突破： ①量子智能融合 ⚫ 量子退火算法：解决传统计算机无法处理的组合优化问题（如全球物流路径规 划） ⚫ 超导量子比特：训练速度提升 1000 倍，模型参数突破百万亿级 应用场景： ⚫ 1 小时优化全国高铁时刻表，减少

年禁止 HBM 芯片 光刻机： 2024 年限制荷兰 ASML 出口 7nm 光刻机到 中国 时代背景：算力卡脖子 deepsee k DeepSeek 等国内大模型的“上甘岭”时刻 Al 算法与系统协同深度优化 反斜面坑道 ( 战术穿插 ) 范弗利特弹药量 ( 地毯轰 炸 ) 大资金、大算力、大模型 “ 大模型” 》

知识产权战略规划 • 4. DeepSeek 赋能金融行 业 - 智能投顾与投资分析 - 风险管理与欺诈检测 - 客户服务与智能客服 - 信用评分与贷款审批 - 市场趋势分析与预测 - 自动化交易与算法交易 - 金融产品设计与定价 - 合规管理与报告生成 • 6. DeepSeek 赋能健康医 美 - 个性化治疗方案设计 - 客户管理与智能咨询 - 市场分析与需求预测 - 治疗效果预测与优化