提升模型落地经济性 • 中国 AI 公司首次以关键创新贡献者的身份加入到全 球 AI 竞争中，冲击美国 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 MindStduio IDE MindStudio 命令行 OS Data 数 据解析 21 昇腾已支持国内外开源开放大模型， 实测性能持平业界 国内唯一已完成训练千亿参数大模型的技术路线， 业界主流大模型 PyTorch 实测性能均达到 0.8~1.1 倍业界 1.00X 业界 1.05X 业界 70B 0.83X 业界 最新主流开源模型均已陆续适配并商用中 Baichuan2 根据业务开发诉求，通过场景化赋能，帮助用 户持续构建昇腾开发全栈能力，匹配业务发展。 高效掌握昇腾技术栈，提升业务创新能力 AI 计算使能服务 - 昇腾样例演示： DeepSeek 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

STaR-based Methods vs. RL-based Methods 强推理路径对比 (DS-R1 \ Kimi-1.5 \ o-series) ➢ 蒸馏 vs. 强化学习驱动：国内外现有各家技术路线对比分析及Takeaways ➢ PRM & MCTS 的作用 ➢ 从文本模态到多模态 ➢ 其他讨论：Over-Thinking 过度思考等 ➢ 未来方向分析探讨 ➢ 模态穿透赋能推理边界拓展：Align-DS-V 发展 ➢强推理模型的监管和安全保证 ➢形式化验证 ➢审计对齐 ➢对齐欺骗现象 48 未来技术方向展望: 长思维链可解释性 ➢ 新的挑战：在复杂环境下模型可能会采取捷径或偏离原本设计的任务路线 ➢ 随着模型被提供隐式思考的机会，它们出现欺骗和操纵的可能性逐渐加大 ➢ 模型通过深入思考发现了能够完成目标的更快方法，尽管这种方法是不被允许或 欺骗人类的。 ➢ 模型已经展现出了Reward

库存系统、跟踪订单和其他更新。 • 物流配送与运输管理：机器人在深度学习算法和 3D 相机的加持下，可以识别被配送货物的形状、尺寸和 条形码，自动分拣和归类，提高仓库分拣效率和准确 性。利用大数据分析和机器学习优化配送路线，实时 监控物流配送过程，提高配送效率、降低成本。 • 财务与人力管理：通过训练模型，可以自动读取发 票和收据，将其转换为数字格式，直接导入会计系 统，减少了数据录入和处理的时间和错误 。使用自 信息请见 intel.com/processorclaims（英特尔® 酷睿™ Ultra 处理器 — 边缘）。结果可能不同。 2. 英特尔® 不以路线图指导的方式承诺或保证产品可用性或软件支持。英特尔® 保留通过标准 EOL/PDN 流程更改路线图，或是中止产品、软件和软件支持服务的权利。有关更多信息， 请联系您的英特尔® 客户代表。 3. 英特尔锐炫™ GPU 仅适用于部分搭载 H 系列英特尔®