科研项目辅助、 学术资源分析等多领域应 用 浙江大学、 中国人民大学、 厦门大学、 北京师范大学、 北京 交 通大学等高校发布消息 ，表示正在探索开展有关 DeepSeek 的 实践应用 ，部分高校已在自主研发的教学课程平台中接入 该大 模型。 DeepSeek 化身智能“助教” ，为师生深度思考赋能。 4.2 国产 AI 大模型 DeepSeek 走入高 校 中国农业大学、 中央民族大学等高校还利用该大模型的问答 它们可以是软件程序、 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。 体 基于大模型的智能体是指利用大语言模型（如 GPT 、 BERT 等）作为 核心组件 ，构建的能够执行特定任务、与环境交互并做出决策的人 工智能系统。这些智能体具有自主性、交互性、适应性等特点 ，能 够模拟人类的认知和决策过程 ，提供更加自然、高效和个性化的交 互体验。它们能够处理海量数据 ，进行高效的学习与推理 ，并展 现

带来的边际收益开始递减；如果想要深度提升模 型推理能力和长程问题能力，基于RL的 Post-Training 将会成为下一个突破点。 ➢ 自回归模型在数学推理问题上很难进步的一点在于没有办法进行回答的自主修正，如果仅是依靠生成 式方法和扩大参数规模，那么在数学推理任务上带来的收益不会太大。所以需要寻找额外的 Scaling Laws [1]。 [1] Training Verifiers to 系列跳过对于大规模人工标注数据的依赖 ➢ 无需构建和维护高质量的SFT数据集，而是让模型直接在RL环境中进行探索 ➢ 类比：初学者在没有老师指导的情况下，通过不断的尝试和错误来掌握一门新的技能。 ➢ 这种自主学习的方式，不仅节省了大量的标注成本； ➢ 更重要的是，它让模型能够自由地探索解决问题的路径，而不是被预先设定的模式所束缚。 12 DeepSeek-R1 技术剖析：DeepSeek-R1 Zero ➢ 训练步数的增长，模型的thinking response length 逐渐增加 (test-time computation increasing) ➢ DeepSeek-R1-Zero 自主涌现学会重新评测原来的方法、反思和主动探索其他的路径 ➢ 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

AnthropicClaude 降价 30%） ⚫ 首款登顶全球 140 国应用榜的国产 AI 模型 国家战略： ⚫ 突破“卡脖子”技术：仅用 2000 块国产昇腾芯片完成训练 ⚫ 构建自主技术生态：带动华为昇腾、寒武纪等国产芯片产业发展 3.功能定位：你的全能数字助手 DeepSeek 不是冷冰冰的工具，而是能融入生活的智能伙伴： 4.技术普惠：AI 民主化的中国方案 知识永续：将人类文明成果编码至 AI 网络，即使遭遇全球灾难也能快速重建 ⚫ 文化传承：通过多模态 AI 还原失传技艺，如成功复现唐代青瓷秘法 ②星际探索联盟 地外智能体：搭载 DeepSeek 的探测器可自主分析火星地质，决策效率提升 1000 倍 宇宙语言库：构建跨物种沟通系统，为接触地外文明做准备 ③意识融合实验 ⚫ 记忆上传：临终患者可将人生经历转化为 AI 数字生命 ⚫ 意义经济学：人类工作价值从“劳动产出”转向“情感连接” 案例： ⚫ 手写信件服务价格暴涨 10 倍 ⚫ 线下脱口秀票房超过 AI 生成内容 ③文明进化方向 ⚫ 星际探索：搭载 DeepSeek 的探测器自主分析外星土壤 ⚫ 意识延续：临终者将“思维印记”存入 AI 实现数字永生 ⚫ 伦理铁律：立法禁止“完全意识复制”，保留人类生物独特性 当我们在深夜与 DeepSeek 对话时，

大数据学习分析 智慧型未来教室  在充足的空间内利用虚拟现实等技术，创造虚拟的学习情境 和教学资源扩展平台，为老师和学生提供适应性的自主学习 平台与资源，提供各种可视化的教学设备，运用教学平台的 及时交互与展示，为学生提供更多的学习资源，更好的自主 与个性化学习。  优势 设备和技术更加先进 不同的学习区域方便学生进行多种形式的学习 “ 一对一”学习环境 赵建华 南方科技大学高等教育研究中心

累托最有解） 。 • 3. 高级能力层 复杂系统建模与自主决策 ，包括数字孪生仿真系统（构建物理于数字融合虚拟环境 模拟天气等） 、 多智能体协同优化（将每个个体作为智能体通过联邦学习模拟群体行为） 和元认 知调 控机制（实施监控自身决策、 动态分配资源、 自动触发行为） 。 • 4. 终极能力层 自主进化与创造性突破 ，包括概念空间探索（通过对抗网络探索新合金成分等）

形机器人能够无缝地融入现有的工作流程，执行从组装、焊接到质量检验等多样化任务。随着机器学习和认知计算技术的进 步，人形机器人正在变得更加智能和自适应。它们能够实时分析环境数据，优化工作策略，甚至在遇到未知情况时进行自主 学习和决策。这种技术革新不仅提升了工业生产的灵活性和响应速度，也为未来工厂的智能化和数字化转型奠定了基础。 2.3.4 人形机器人 基础人形机器人负载 以满足需求的运动执行能力为 核心，任务相对固定，以传统 核心，任务相对固定，以传统 运控算法为主。 标准人形机器人负载 借助强化学习增强运动执行能 力，借助本地及云端大模型实 现覆盖场景需求的感知泛化能 力与任务生成能力。 旗舰人形机器人负载 在智能性，自主性层面增强， 在技术路径层面通过端到端模 型代替分层决策模型，整体负 载可能收敛至以 AI 为主。 在人形机器人内部，CPU、GPU 和 NPU（神经处理单元）各自承担着不同的任务，它们的设计和优化针对的是不同类型的 • CPU 也负责协调其他处理器的工作，如分配任务给 GPU 或 NPU。 45 02 英特尔 ® 技术方案 GPU/NPU 负责大脑： • 负载：VSLAM，环境感知，任务编排，自主规划，模仿学习，强化学习。 • 在人形机器人中，GPU 常用于视觉处理任务，如图像识别、视频分析、3D 建模和环境映射。 • 随着深度学习的发展，GPU 也被广泛用于加速神经网络的训练和推理过程。

AI 霸权 • 打破 NV+OpenAI 的资金、技术、人才的垄断，全球 重新思考中美技术路线的选择 泛化性和经济性大幅提升 LLM 进入“ CV Resnet 时刻” 补齐最后一块自主创新的版图 真正形成中美两条 AI 技术路 线 AI 框架：昇思、飞桨 … 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”