有效联接和利用学习 社群进行沟通和交流 提供支持 无缝切换 无缝切换 联接社群 系统集成 虚实融合 多终端访问 系统集成 遵循技术标准，跨级、跨 域教育服务平台之间实现 数据共享、系统集成 虚实融合 通过增强现实等技术 实现物理环境与虚拟 环境的无缝融合 多终端访问 支持任何常用终端设备无缝 连接到各种教育信息系统， 无缝获取学习资源与服务 联接社群 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、 PC 、学习机、电视 等各种终端设备的连通。 1. 构建新技术支持的全新教学环境 终端： IPAD 学习环境 学习环境： STEAM 学习实验室 STEM 学习实验室2 充分激活学生潜能与创意，促进数字技术和 个人制造的有效融合，让学生有更多的实践动手 的机会，我们高标准建设“ STEM 创新学习实验 室” ，让学生在实践操作中开展创客式学习，培 养学生创新能力。  S 学习实验室 （ 科学 Science ）  T

a c h e 降 低 为 = 1 . 7 % 只需存储图中的 c v, K 即可； 考虑到矩阵乘法结合律，具体实现过程中 W UK可以与 WUQ 融合、 WUV可 以与 Wo融合，从而无需为每个 query 计算 key-value 值。 t R t K 相比于 MHA ， MLA 每 token 的 KV Cache 量大幅减少，且精度更高。 图引擎 MT 、 KS 自定义图融合 Pattern 类库 / 模板 XF 自定义切分策略 集合通信库 TX 、 MT hash 算法自定义调优 通用编程 KS 自定义算子开发 毕昇编译器 | Runtime 运行时 开放硬件资源接口，满足开发者对模型开发、系统优化、三方生态对接等各场景需求 算子加速库 开放 1600+ 基础算子接口、 30+ 融合算子接口，简化开发复杂度，提升开发效率 API 、 60+ 高层 API ，支持高性能自定义融合算子开发 加速库 Megatron DeepSpeed AscendSpeed … HCCL 集合通信库 开放通信算子、平台接口，支持自定义通信算法，提升网络通信效率 GE 图引擎 开放图编译、图优化、图执行，支持自定义图融合，提升整网性能 深度开放 CANN ，一套架构使能昇腾原生开

公司研发，定位为“认知智能引擎”。简单来说，它是一个能像人类一样思考、学习和解 决问题的超级 AI 工具。 核心能力： ⚫ 复杂推理：像学霸解数学题一样处理逻辑难题（R1 模型） ⚫ 多模态融合：能理解文字、图片、文件等多种信息（未来还将支持语音和视频） ⚫ 超长上下文：一口气读完 3-4 万字的长文档（64Ktoken 容量） 技术架构： ⚫ MLA 多头潜在注意力：像多线程处理信息，显存占用降低 上传历年工作文档/读书笔记/会议记录 2.输入“构建知识图谱，关联 2024-2025 年市场策略”→生成可交互的 3D 知识网络 ⚫ 企业智慧大脑： 销售数据+客服录音+生产日志多源融合→自动生成经营决策建议（ ②流程自动化矩阵 ⚫ 智能工作流： 邮件接收→AI 提取关键信息→自动创建待办事项→生成执行方案→推送进度提醒 ⚫ 跨平台协作： Excel ： ①认知协作革命 ⚫ 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

助手/数据问答、专业内容生产以及视觉检测四个方向，是目前应用探索最多的领域。工业大模型经过一年多的发展，目前 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 型，为企业的运营和决策提供更为全面和精确的数据 支持。 工业大模型，是指在工业生产中使用的大型模型。工业大模型在满足大模型技术基本特征的同时，具备在各个工业领域及工 业各环节进行应用的能力，或在工业装备、软件等融合中赋能的模型。 相较于工业专用小模型而言，工业大模型泛化性强，可以单模型应对多任务，更适合长尾落地。另外，从工程层面来讲，工 业大模型的开发成本及维护成本，低于工业专用小模型。 1.3.2 工业大模型 的落地还是有差距；而大模型凭借强大的自学习能力和泛化能力，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。

（ Reward ）。 DeepSeek ： 技术创新—推理模型 | RL DeepSeek 应用场 景 DeepSeek 的能力层级 • 1. 基础能力层 多模态数据融合与结构化理解 ，包括跨模态语义对齐（文本、 图像、 音频、 视频、 代 码、传感器数据统一语义） 和动态数据治理（解决数据缺失、 噪音干扰、 概念飘逸等） ， 支持 200 多 种数据格式自动解析。 金融垂直应用于 模型） 、 因果推理引擎（建立因果图模型） 和多目标优化决策（求解帕 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.

，确保模型无论接收的是纯文本输入还是截图或照片中的 文本，都能提供一致的响应。这也有助于增强模型在处理文本密集型图像（如截图、表格、公式等）时的能力。 ➢ Long2Short 方法 ➢ 模型融合：将长文本 CoT 模型和短文本 CoT 模型的权重进行平均，得到一个新的模型。 ➢ 最短拒绝采样；Short Rejection Sampling：从多个采样结果中选择最短且正确的答案 然后做SFT 学习价值的偏好对。 53 ➢ 客观基础：多模态大模型已具备强大的跨模态穿透与融合的感知能力，能够通过结合世界知识与 上下文学习能力，实现多种模态（如图像、文本、音频、视频等）的高效推理与协同输出。 ➢ 激活赋能：基于慢思考强推理能力的持续自我进化，突破了单一模态的局限性，跨模态穿透深度 显著提升。通过深度融合世界知识，模型在文本模态下的智能边界得以大幅拓展。 模态穿透赋能智能边界拓展

文心一言是由百度研发的知识增强大模型 ，能够与人对话互动、 回答问题、 协助创作 ， 高效便捷地帮助人们获取信息、 知识和灵感 文心一言基于飞桨深度学习平台和文心知识增强大模型 ，持续从海量数据和 大规模知识中融合学习 ，具备知识增强、 检索增强和对话增强的技术特色。 文心一言具有广泛的应用场景 ，例如智能客服、 智能家居、 移动应用等领域。 它可以与用户进行自然语言交互 ， 帮助用户解决各种问题 ，提供相关的知识 实验模拟（化学专 业学生事故 率降低 67% ） 教师 AI 助手 智能出题 ，智能批改试卷 ，智 能生成教案和课件 ，智能学情 分析 8. A I 赋能高校教 学 多模态教学资源融合 ：整合教材、 讲义、 文献、 案例、 视频等资 源 ， 形成专属知识库。 课程平台对其解析生成知识切片 ， 建设课 程垂直 模型 ， 提升 AI 工具能力。 同时 ， 依托课程平台可以实现 线上线下资 大模型本质上是基于海量数据的概率生成器 ， 其核心价值在于辅助教师完成重复性、 标准化工作 ， 让 教师有更多精力投入到创造性的教育环节 教学效率革命 创造性工作的短板 教学设计： 优秀的课程需要融合教学目标、 学生兴趣和社会热点 ， 而 AI 只能基于既有模 式组合内容 ，缺乏创新灵感 价值观引导： 教育不仅是知识的传授 ，更是