DeepSeek 模型优势：算力、成本角度 解读 2025 年 2 月 ■ 什么算力 ?“ 对信息数据进行计算，实现目标结果的能力” ■ 传统算力：信息计算力 ■ 现代算力：信息计算力、数据存储力、网络运载力 算力的基本概念 大脑 草绳、石子 算盘、算筹 ▶ 计算器、计算机 ■ 原生算力：大脑 ( 可处理复杂逻辑，但不能高速处理简单运算 可处理复杂逻辑，但不能高速处理简单运算 ) ■ 外部算力工具： ■ 草绳、石子 ■ 算盘 ■ 计算机：算力提供者 ( 可高速简单运算，不能处理复杂逻 辑 ) 算力的发展 “I think there is a world market for maybe five computers." ( 我想全世界只需要五台电脑 ) --Thomas --Thomas Watson,IBM 创始人， 1943 ■ 大型机时代：数字化未开始，算力需求潜力未发掘 大型机时代 1940- 1980 计算机算力的发展 大型机时代 PC 时 代 云计算时代 人工智能时代 1940- 1980-

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 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： 异构计算架构： CANN … 互联技术：灵衢 AI 芯片：昇腾、寒武纪 … DeepSeek-R1 进一步验证“算力即性能” Scaling Law 升级，模型能力 = 算力 x 数据 x 思考 + 逻辑推理 DeepSeek-V3/R1 OpenAI-o1/o3 算力 x 数据 重新定义 Scaling Law 延续智能涌现的 方向 2017 谷歌发布首个 Transformer 技术创新 CV 计算机视觉 3 Huawei Proprietary - Restricted Distribution 下一代 AI 技术 Mamba 、空间智能 等 算力 x 数据 x 思 考 模 型 效 果 低成本完美对标 OpenAI O1 ，突破精确语义理解及复杂推理任务 DeepSeek-V3 是一款 MoE 模型，总参数量 671B ，激活参数量 37B

的错误或令人困惑的问题 3.1 大模型的概 念 3.2 大模型的发展历 程 大模型发展历经三个阶段 ，分别是萌芽期、 沉淀期和爆发 期 3.2 大模型的发展历 程 3.2 大模型的发展历 程 大模型发展对算力的需求演变 人工智能包含了机器学习 ，机器学习包含了深度学习 ，深度学习可以采用不同的模型 ， 其中一种模型是预训练模型 ，预训 练模型包含了预训练大模型（可以简称为“大模型”） ，预训练大模型 （ Google ） 、文心 UFO 、华为盘古 CV 、 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 ，提供解题思路与引导式问题 编程助手 支持 10 余种编程语言的代码创作与问题诊 断 2025 年 2 月 19 日 ，郑州大学国家超级计算中心、 计算机与人工智能学院、 信息化办公室携手攻坚 ，成功在超算中心设备上部 署本 地化“满血版” DeepSeek-R1 大模型（ 671B ） 。在多个关键应用领域 ， DeepSeek-R1 大模型展现出强大的实力 4.2 国产 AI 大模型 DeepSeek

保护数据隐私，与用户隐私相关的应用模型的训练，将在端侧而 非云上进行，这也对边缘端的算力提出了更高要求。 09 01 工业人工智能 (AI) 行业观察 新材料的 快速筛选 加速设计 锂电池未来的技术核心竞争点在于材料。快速筛选出高能效的材料，是掌握竞争优势的关键。大模型通过高通量计 算与数据库构建、分子生成模型和高通量筛选策略等步骤，能从数百万种材料中，快速筛选出具有高能效潜力的材 速做出响应。将场景应用端的数据再传输到云端处 理，庞大的数据量会造成带宽拥挤，影响处理的时效 性。采用边缘计算方案来缓解时效性问题，但是这对 边缘端计算硬件的实时处理能力提出了挑战。 第二，算力问题。 无论是训练 AI 算法还是各种工业大模型，都需要强 大的算力支撑。工业大模型动辄参数规模都在十亿、 百亿甚至千亿级别，需要庞大的计算资源进行训练。 这种训练过程涉及海量的数据运算，对 CPU、GPU 或 NPU 等加速计算硬件提出了极高的要求。 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 专业的人才支持。包括技术研发、算力资源投入、数 据采集与标注，以及市场推广与商业化扩展等方面都 需要专业的人才进行操作和管理。在技术壁垒方面， 数据处理难题、算力基础设施部署、商业落地的可靠 性等方面，都面临挑战。前期需求高昂的投入成本， 而项目的投入产出却难以清晰测量，也在阻碍了落地

DeepSeek DeepSeek-R1 - Ditill-Qwen- 1.5B DeepSeek- V3 DeepSeek- R1 腾讯云部署流程 • Cloud Studio ：登录腾讯云官网 ，进入 Cloud Studio ，可一键部署 ，即开即用 ，能快速体验 7B 以下 DeepSeek - R1 蒸馏模型。 • 云原生构建：登录腾讯云 ，云原生构建相关服务 ，一键体验 DeepSeek ，无需等待下载 ，支持 1.5b/7b/8b/14b/32b 多款模型。 • TI 平台：登录腾讯云 TI 平台 ，提供专属算力、多种尺寸模型、 0 代码模型部署等功能。 • HAI ：登录腾讯云 HAI 控制台 ，新建 DeepSeek - R1 应用 ，创建完成后可通过站内信获取密码 ，选择可 视化 界面（ ChatbotUI ，可在自己的应用或程序中通过调用 API 来 实现 DeepSeek 模型的搜索功能。 腾讯云 API 调用 开发者首选， DeepSeek 部署简单、直观、高效！ HAI 提供 GPU 算力和 o llama 环境 ，支持 1.5B, 7B, 8B, 32B 等多个 DeepSeek-R1 蒸馏模 型。 企业级首选 ， DeepSeek 部署稳定、 安全、 易用！ 腾讯云智能全栈

设成本激增，这在近期美股科技股的震荡中得以集中体现；而从长期来看，行业将陷入 算力军备竞赛的循环，每一轮技术突破和应用场景扩展都将催生新的算力需求与资源投 入，持续重塑行业竞争格局。 ➢ 资源优化：随着模型使用方案的平民化，中小企业和个人开发者得以将有限资源聚焦于 场景创新与技术优化，无需在基础能力建设或算力消耗上投入过多成本。 ➢ 市场激活：这种高性价比、低门槛的大模型服务模式，将吸引更多初创团队涌入赛道， 更多初创团队涌入赛道， 催生多元化的应用场景和技术路径，推动行业生态的繁荣发展。 ➢高效创新：在有限算力资源支持下，算法创新模式，突破了算力的“卡脖子”限制 28 技术对比讨论：Kimi K1.5 Moonshot Kimi K1.5 Main Result Kimi K1.5 Long2Short Result K1.5 专注于用长文本CoT 解决推理时Scaling问题 ➢ 利用 RL 它允许模型自然地探索到验证、回溯、总结、 反思的行为模式，这些对于提高模型在推理任务中的表现至关重要。 ➢ 后训练Pipeline对于提升模型推理能力的重要性不可忽视。 ➢ 随着测试阶段算力和训练阶段探索算力的增加，根据后训练Scaling Law，模型的表现将持续得到改善。 ➢ 理想的数据构建应当覆盖广泛的类别，并且难度分级明确，这有利于实现类似课程学习的效果，逐步提高模 型的能力。 ➢

APP（移动办公神器） 下载方式： ⚫ iOS：AppStore 搜索"DeepSeek"（蓝色鲸鱼 LOGO） ⚫ 安卓：应用商店搜索下载或官网直接获取安装包 核心功能： ⚫ 语音输入：长按麦克风图标口述问题（适合通勤场景） ⚫ 离线缓存：断网时可查看历史对话记录 避坑指南：若遇安装失败，检查存储空间是否充足，或关闭杀毒软件后重试 ③微信小程序（轻量化入口） 获取路径： 优势：无需注册，微信一键登录，适合快速查询天气、新闻等简单任务 ⚫ 限制：高峰期可能响应延迟，建议复杂任务切换至 APP 或网页版 ④电脑版（专业场景必备） 下载安装： 1.访问官网选择 Windows/macOS/Linux 版本 2.解压安装包后按向导完成部署（建议默认路径） 高阶功能： ⚫ API 接入：开发者可调用接口集成至办公系统（需申请密钥） ⚫

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、