180 英里”） 推理模型的特点在于显式展示中间推导过程 3.4 大模型的分 类 特性 推理大模型 通用大模型 适用场景 复杂推理、 解谜、 数学、 编码难题 文本生成、 翻译、 摘要、 基础知识问答 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 ， Transformer 架构 ，经过大量文本数据训练而成 ，能够生成自 然、 流畅的语言 ，并具备回答问题、 生成文本、 语言翻译等多种功能 ChatGPT 的应用范围广泛 ， 可以用于客服、 问答系统、 对话生成、 文本生成等领域。 它能够理解人类语言 ，并能够回 答各 种问题 ，提供相关的知识和信息。 与其他聊天机器人相比 ， ChatGPT 具备更强的语言理解和生成能力 ，能够更自 于安全验证和身份识别）、医学影像分析（辅助医生诊断疾 病）等 （ 1 ） 自然语言处理 大模型在自然语言处理领域具有重要的应用 ，可以用于文本生成 （如文章、小说、新闻等的创作）、翻译系统（能够实现高质量 的 跨语言翻译）、问答系统（能够回答用户提出的问题）、情感 分析 （用于判断文本中的情感倾向）、语言生成（如聊天机器 人）等 大模型的应用领域非常广泛 ，涵盖了自然语言处理、 计算机视觉、 语音识别、 推荐系统、 医疗健康、

， 简 化开发者与语言模型交互 ，可用于构建问答系统等 ，支 持与 多种数据源集成。 5. deepset 的 Haystack 官网： https://haystack.deepset.ai/、 功能：用于构建基于 NLP 的搜索和问答系统 ，提供模块化架 构、多模型支持、高效检索、问答功能 ，可扩展性强 ，适 用 于问答系统和文档检索应用。 6. LlamaIndex

7x A30 图像识别、 OCR 文 字识别和视频 处理 Llama2-70B 1.7x L20 智慧教育、办公问 答 星火 -65B x 800T A2 交互搜索，金融客 服问答 step1V-130B 多模态 2.0x L20 模型推理：提供分层开放的推理引擎 MindIE ，使能高效推理 MindIE-RT 昇腾 引 M 擎 indIE 教学辅助、智能办公 …… 软件伙伴 金融风控、医疗影像分析、 制造智能质检、教育 风险评估、法律文档 审核、智能流程 智能问答、文本摘要、 法律 / 医疗咨询 智慧政务、金融风控、 医疗辅助、 企业办公、知识问答、 思维导图 …… 教育科研、办公应用 19+ 生态伙伴基于昇腾推出一体机方案，满足不同行业场景 需求 OEM

第一，语言理解与知识问答能力。 利用大模型对于自然语言的理解能力，能理解和识 别用户意图，使员工能通过自然语言就能与机器进 行交互；另外通过为大模型外挂知识库，增强知识 检索能力，可以提升知识获取和共享效率。这些能 力在工业领域可普遍应用于智能客服、知识管理、 教学与培训、工业文档检索与统计等场景中，大幅 提升工作效率，减少人力劳动和成本。 还可以基于行业大模型提供知识问答/异常诊断/产 基于 LLM 工业代码的快速生成、优化与调试，大大 促进工业应用的生成与落地。 尽管目前工业大模型的应用已经渗透到工业的多个环节，应用场景较多，但碎片化明显。其中，知识管理/知识问答、数据 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 这种训练过程涉及海量的数据运算，对 CPU、GPU 或 NPU 等加速计算硬件提出了极高的要求。 第四，模型应用准确性问题。 工业大模型在实际应用中的准确度尚不尽人意。目前 大模型比较擅长知识问答、文档生成、数据分析等场 景应用，但在面向实际工程的代码生成能力仍有很大 提升空间，尤其在实用算法、科学计算和数据结构等 领域能力偏弱。另外，针对缺陷样本极少的工业质检 应用场景，工业大模型基于真实缺陷图生成仿真缺陷

的惊人成绩，表现与OpenAI-o1-1217相当。 ➢ 在编码相关的任务中表现出专家水平，在 Codeforces上获得了2029 Elo评级，在竞赛中表现 优于96.3%的人类参与者 ➢ DeepSeek-R1 在知识类问答上推动科学探索边界： ➢ MMLU \ MMLU-Pro \ GPQA Diamond 等 STEM- related 榜单上取得良好表现 ➢ R1 展现出强推理模型在 AI-Driven Research