⚫ 智能增强：通过脑机接口技术，用户可直接用思维操控 DeepSeek 生成方案，写 作效率提升 10 倍 ⚫ 记忆外延：个人知识库与 AI 记忆网络深度融合，实现“瞬间调取 20 年工作经验”的 能力 ⚫ 决策共生：AI 构建“平行推演空间”，在重大决策前模拟 100 种可能性并标注风险 路径 ②感知升维突破 ⚫ 多模态进化：2025 年将实现“五感互联”，例如通过气味传感器分析食品安全，震 据偏 差”） ⚫ 价值判断：在 AI 提供的 100 种方案中选择最符合伦理的路径 ②智能协作力 ⚫ 混合智能：医生结合 AI 诊断与临床经验，使误诊率降低至 0.8% ⚫ 跨域整合：将 AI 工具与行业经验结合，如老匠人用 DeepSeek 设计非遗数字化方 案 ③情感创造力 ⚫ 审美突破：设计师通过 AI 生成 1000 种图案，筛选出最具情感共鸣的设计

模型疑难解答，快速掌握昇腾技术 路线 • 昇腾 AI 软件栈软 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& 25Q1 25Q1 昇腾与 PyTorch 开源社区紧密合作， 共促 AI 生态创新发展 华为在计算机视觉、自然语言处理、语音识别等领域进行了广 泛的研究，并且在大模型领域也积累了成熟的研究经验。我们 相信 PyTorch 基金会将从他们对我们的成员和生态系统的支 持 中受益匪浅。 —— PyTorch 基 金 会 执 行 董 事 Ibrahim Haddad PyTorch2.1

总体处于小规模商业应用落地阶段。 工业大模型凭借其卓越的理解、生成和泛化能力，通过与工业领域的深度融合，有望为工业领域带来 “基础模型 + 各类应用” 的新范式。因此，工业大模型的成功落地，离不开针对特定行业的丰富现场经验和深厚的行业 know-how 能力。 第四，多模态分析能力，由传统单一格式的工业数据 处理，转化为多格式数据综合转换分析。 大模型不仅能够处理单一类型的工业数据，还能够综 合分析多种格式的数据，实现跨格式的信息转换与分 能力和泛化能力，以及与具体行 业数据的结合调优，优势明显。 大模型的出现，将 AI 技术在工业领域的应用推向了新的发展阶段。其具体落地将会以基础大模型为技术底座，融合工业细 分行业的数据和专家经验，形成垂直化、场景化、专业化的工业大模型。工业大模型相对基础大模型具有参数量少、专业度 高、落地性强等优势，可以为工业垂直领域的技术突破、产品创新、生产变革等提供低成本解决方案。 尽管传统 AI Geti™ 平台加速了 AI 任务的模型创建，如分类、对象检测、语义分割或异常检测。 • 直观的用户界面：英特尔® Geti™ 平台提供了便捷的图形用户界面和交互功能，如标注助手，允许几乎没有 AI 经验的团队 成员协助计算机视觉模型训练。 • 任务链：使用英特尔® Geti™ 平台，用户可以通过链接两个或更多任务来训练模型，而无需编写额外的代码，从而使用多 步骤的智能应用程序。 • 智能标注：英特尔®

value 不准，难以泛 化等问题 37 技术对比讨论：蒸馏 vs 强化学习 ➢ 大型模型虽然性能强大，但是也存在着一些局限性，例如计算资源消耗过高，部署和使用门槛较高等。 ➢ 模型蒸馏：将一位经验丰富的老师的知识传递给一个年轻的学生，让其在较短的时间内掌握复杂的技能。 ➢ DeepSeek 利用蒸馏R1的手段获得了一系列小模型，表现非常突出。这很大程度得益于R1模型足够强大，发 现了很多

机器人或其他形式的 系统 ，具备一定的自主性和智能性 智能体（ AI Agent ） ，又称“人工智能代理” ，是一种模 仿人类智能行为的智能化系统 ， 它就像是拥有丰富经验和 知识的“智慧大脑” ，能够感知所处的环境 ，并依据感知 结果 ， 自主地进行规划、 决策 ，进而采取行动以达成特定 目标。 简单来说 ，