杭州深度求索人工智能 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： ⚫ 知识管家：自动整理会议录音→生成思维导图→提炼待办事项 ⚫ 语言翻译：支持 42 种语言互译，自动适配文化差异（如把“摆烂”翻译成 “quietquitting”） 局限：复杂逻辑问题需升级至 R1 版本 模块 2：深度思考（R1）——决策智囊团 技术突破： ⚫ 思维链可视化：像老师写板书一样展示推理步骤（如解方程时先分解条件再推 导） ⚫ 反事实推演：模拟“如果特斯拉降价 过度依赖现象的短文，结尾需反转升 华” ③思维链可视化 指令设计：要求展示推理过程（如“先分解条件再推导”） 应用场景： ⚫ -解数学题时自动展示公式推导步骤 ⚫ -分析商业案例时生成因果逻辑图 2.行业专用模板：拿来即用的生产力工具 3.避坑指南：新手常犯的 5 大错误 1.模糊指令 错误：“帮我写点文案”→AI 无法判断需求 修正：“为 30-40

，如果模型在回复你之前有一 长 串的思考过程（这个过程必须可以显 示输 出） ，探索了很多不同的路径之后 给出答 案 ，那么有这个能力的大模型就 是推理大 模型。推理模型的核心在于处 理那些需要 多步骤逻辑推导才能解决的 复杂问题。 3.4 大模型的分 类 大语言模型可以分为通用大模型和推理大模型 3.4 大模型的分 类 n 推理大模型 DeepSeek R1 的对话效果 非推理问题 ： 复杂问题解决能力 优秀 ，能进行深度思考和逻辑推理 一般 ，难以处理多步骤的复杂问题 运算效率 较低 ，推理时间较长 ，资源消耗大 较高 ， 响应速度快 ，资源消耗相对较小 幻觉风险 较高 ， 可能出现“过度思考”导致的错误答案 较低 ，更依赖于已知的知识和模式 泛化能力 更强 ，能更好地适应新问题和未知场景 相对较弱 ，更依赖于训练数据 擅长任务举例 解决复杂逻辑谜题 ，编写复杂算法 ，数学证明 撰写新闻稿 撰写新闻稿 ，翻译文章 ， 生成产品描述 ， 回 答 常识问题 成本 通常更高 通常更低 在应用方面二者各有擅长的领域 ， 而不是简单的谁强谁弱问题 n 如果你需要完成数据分析、 逻辑推理、 代码生成等逻辑性较强且较为复杂的任务 ，请选择推理大模 型 n 如果你面临创意写作、 文本生成、 意图识别等发散性较强且较为创意多样的任务 ，请选择通用大模 型 3.4 大模型的分 类 大模型是基于

“Aha”Moment 11 DeepSeek-R1 技术剖析：DeepSeek-R1 Zero DeepSeek-R1 Zero的关键启示 ➢ 传统RLHF背景下，SFT通常被认为是不可或缺的一步，其逻辑先用大量人工标注的数据来让模型 初步掌握某种能力（如对话或者语言风格），然后再用RL来进一步优化性能 ➢ DeepSeek-R1 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 consistency ➢ 成效：通过 GRPO ，模型在 AIME 2024 等数学基准上取得了显著 提升，pass@1 从 15.6% 提高到 71.0%。此外，模型能够自发延长 推理链条，展现出更强的逻辑连贯性。 反思数据 冷启动 Cold Start DeepSeek-v3-Base (671B) 双重验证 推理为中心的 RL 数学代码推理任务 流畅性奖励 正确率奖励 Intermediate 生在复习时，会反思自己之前的错误，以便下次不再犯同样的错误。 ➢ 而长链推理能力则让模型能够处理更复杂、更需要多步骤思考的问题。这种能力对于解决一 些需要跨越多个逻辑步骤才能找到答案的问题至关重要，例如复杂的数学题或逻辑谜题。 ➢ 冷启动让RL训练更加稳定： ➢ 避免 RL 训练初期的不稳定，使得模型能够更快地进入稳定的训练状态； ➢ 有效地加速 RL 训练的收敛，缩短训练时间； ➢

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 ) ■ 外部算力工具： ■ 草绳、石子 ■ 算盘 ■ 计算机：算力提供者 (

：文本摘要、信息抽取、 情感分析和多语言翻译。 • 3. 对话交互类 ：角色扮演、多轮对话、 反问引导。 • 4. 技能应用类 ：数学计算、代码解释、 逻辑推理。 • 5. 个性化定制类 ：风格迁移、知识库绑 定、偏好记忆。 • 6. 系统操作类：模式切换、资源优化、 记 忆管理。 • 7. 知识查询类：事实核查、概念解释、

负载：实时控制，轨迹规划，运控算法，步态算法，实时控制。 • CPU 是通用处理器，设计用于处理各种类型的计算任务。具有较少的核心，但每个核心的计算能力较强， 适合执行顺序性强的复杂任务。 • CPU 通常负责机器人的高级决策逻辑、任务规划、运动规划、传感器数据的融合处理等。 • 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： 处理器。通常用于执行机器人的感知任务，如物体识别、 语音识别、自然语言理解等。 在实际应用中，这三种处理器可能会协同工作，各自处理它们擅长的任务。例如，CPU 可能会处理传感器数据融合和决策 逻辑，GPU 负责图像处理和深度学习模型的并行计算，而 NPU 则专注于快速高效地执行神经网络推理任务。这种分工可以 使人形机器人在执行复杂任务时更加高效和智能。在选择处理器时，机器人的开发者需要考虑到机器人的任务类型、实时性 冷却塔，以及优化系统设计。此外，通过升级或优化 制冷机房的自动控制系统，可以进一步提高运行效率。尽管许多机房已配备自动控制系统，但节能潜力仍然巨大。这主要是 因为现有的自控系统采用基于规则的简单逻辑控制，难以适应暖通空调系统的动态和非线性特性，以及设备间的相互影响， 导致系统无法持续高效运行。因此，如何在确保舒适性和稳定性的前提下，实现暖通空调系统的经济性最优运行，成为了行 业面临的一大挑

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