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 10%”对产业链的 6 级影响 实战场景： ⚫ 医疗诊断：输入症状自动关联相似病例，生成检查建议（需医生复核） ⚫ 投资分析：对比财报数据→预测企业风险→生成可视化报告 ⚫ 学术研 版本 2.解压安装包后按向导完成部署（建议默认路径） 高阶功能： ⚫ API 接入：开发者可调用接口集成至办公系统（需申请密钥） ⚫ 批量处理：同时上传多个文件进行交叉分析（如对比 10 份合同条款） 2.新手必学操作：3 分钟成为熟练用户 ①账号注册与登录 ⚫ 注册方式：手机号/微信/邮箱三选一，接收验证码完成认证 ⚫ 安全提示：建议设置“字母+数字+符号”组合密码，定期更换 的隐藏能力 ①数据直通车 操作流程： 1.粘贴 Excel 销售数据→输入“分析 Q4 各品类销售额占比” 2.追加“生成可视化代码（Pythonmatplotlib）” 效果：10 分钟完成原本需 1 天的数据分析报告 ②多 AI 联合作战 指令模板： “先让 DeepSeekR1 制定《智能手环市场调研方案》，再用 GPT-4 生成问卷文案，最后 用 Claude

MOE 提质 降本 技术创新 硬件级、算法级、架构级、工程级、开 源生态 5 大技术创新，轰动全球 低成本 绕过 CUDA 挖掘 FP8 硬件潜力， MOE 和 MLA 技术实现不到 10% 的 成本方案 ~150M$ 5.57M$ DeepSeek–V3 训 练成本 Llama3.1-405B 训练 成本 DeepSeek-R1 推理成本仅为 OpenAI DeepSeek-V3-671B DeepSeek-R1-671B DeepSeek-R1-Distill-Qwen-32B DeepSeek-R1-Distill-Qwen-1.5B （蒸馏后较原模型能力提升 10%+ ） BERT-Large Transformer ● 2 工程创新 新一轮百模千态 1 技术摸高 新一轮技术竞争 GPT-4/4o GPT-3/3.5 175B . Megatron-Tuning NLG 530B Doubao 2.0 Gemini 2.0 GLM-130B AlexNet Gemini Llama4 GPT-5 Ultra 10 金融 交通 教育 医疗 电力 油气 制造 硬件 + 社区

算 力 L=(Cmin/2.3·108) )-0.050 10-3 10-1 Compute PF-days,non-embedding 大模型指导法则 Scaling Law: 富则火力覆盖 数据集 模型参数量 7 6 5 4 3 ---- 2+ 10-9 Dataset Size tokens Parameters non-embedding

工业 AI 与工业大模型落地应用面临的挑战 .............................................................................10 英特尔® 技术方案 ..........................................................................12 2.1 硬件 市场规模将以 46% 的年均复合增长率高速成长。 相较于发达国家，中国制造企业的 AI 应用率相对较低，大约在 11% 左右。Gartner 预测，到 2027 年，中国制造业的 AI 使 用渗透率将以 10% 的年复合增长率上升。 随着技术的不断进步和应用场景的拓展，我们认为工业 AI 有望成为推动工业 4.0 和智能制造发展的关键力量。 1.1 工业 AI — 市场规模与增长潜力 03 01 以手机玻璃盖板为例，手机玻璃盖板在生产过程中可能会出现划痕、蹭伤、崩边、气泡、手指纹、水迹、水印等多 种微小且不易察觉的缺陷，缺陷种类最多可达 30 多种。必须精准、高效地检出这些缺陷以保证产品质量，检测精 度一般要求达到 10μm，检测节拍根据盖板尺寸大小通常在 6 秒到 1 秒/件之间，甚至更快。 传统的人眼检测，不但无法达到微小缺陷的检测精度要求，而且人眼容易疲劳，存在效率低、误检漏检偏高等问题， 无法满足生产的

智慧管理  智慧学习者及智慧学习  智慧课程  智慧教学  智慧教育资源  智慧评价（教、学）  智慧服务  智慧教室  智慧校园  智慧平台  智慧教育方式 10 信息技术 与学科教 学深度融 合 全球教育 资源无缝 整合共享 无处不在 的开放、 按需学习 基于大数 据的科学 分析与评 价 绿色高效 的教育管 理 技 术 特 征 情景感知 Client OS / App Image Client OS / App Image Client OS / App Image  在一个刀片上（每个刀片上具有 10-12 个桌 面图像）支持多种操作系统  对于新的桌面体验来讲，用户需要最小的适 应性。  虚拟桌面架构  通过分享应用环境，每个刀片 支持 50-100 个用户  需要用户适应新的桌面体验 刀片或传统 Servers 智慧课堂：基于云计算的虚拟计算 WFU NCA&T OC12 (622 Mbps Circuit) OC48 (2.4 Gbps Circuit) DWDM (10 Gbps Ethernet) + NC Community College System + NC K-12 school districts 智慧课堂的价值  在课堂中能够利用用数据和观点

OpenAI 公司推出了 GPT-3 ，模型参数规模达到了 1750 亿。 2023 年 3 月发布的 GPT-4 的参数规模是 GPT-3 的 10 倍以上 ，达到 1.8 万 亿， 2021 年 11 月阿里推出的 M6 模型的参数量达 10 万亿。 3.1 大模型的概 念 训练数据量大 计算资源需求高 参数数量庞大 大模型的设计和训练旨在提供更强大、 更准确的模型性能 ， 以应对更复杂、 和摘要生成、多种语言实时互译 文本分析 可快速提炼论文创新点、方法及实验结果 数学推理 能够解答高等数学、 概率统计、 线性代数 等复杂问题 ，提供解题思路与引导式问题 编程助手 支持 10 余种编程语言的代码创作与问题诊 断 2025 年 2 月 19 日 ，郑州大学国家超级计算中心、 计算机与人工智能学院、 信息化办公室携手攻坚 ，成功在超算中心设备上部 署本 地化“满血版” 高校和科研院所在探索一些新方法。 比如 ， 先将开 源模型蒸馏 ，获得更小参数的模型 ，来降低算力需求 4.4 本地部署大模型方 案 高校本地部署大模型面临的问题： n 2025 年 2 月 10 日 ，清华大学 AI 团队发布 KTransformers 开源项目迎来重大更新 ，成功打破大模型推 理算 力门槛。 此前 ，拥有 671B 参数的 MoE 架构大模型 DeepSeek-R1

需要大量的计算资源，可能会复杂化整个流程 ➢ 训练模板：选择最简单的 Thinking Process，直接观察到最直接的RL过程下的表现 基于规则的奖励 (Rule-Based Reward) : 准确率奖励 + 格式奖励 10 DeepSeek-R1 技术剖析：DeepSeek-R1 Zero DeepSeek-R1 Zero: 无需监督微调SFT，纯强化学习驱动的强推理模型 ➢ 推理为中心大规模强化学习：组相对策略优化（GRPO）+ 数据准备：few-shot long cot data, 详细带反思和验证的数据集 ➢ 双重验证：由人类注释者和 R1-zero 生成的高质量链式思考 （Chain-of-Thought, CoT）数据，部分样本长度达到 10,000 Token ➢ 成效：提供一些 Human Prior \ 显著提升了语言的语义连贯性、可 读性和基本推理能力。 ➢ 推理为中心RL Reasoning-Oriented RL ➢ -llm-test-time-compute-involves-solving-a-meta-rl-problem/ ➢ 数学形式化证明: https://www.lookeng.cn/2024/10/15/lean/iclr2024-formal-proof-lean/ ➢ SFT Memorizes, RL Generalizes: A Comparative Study of Foundation

7. 知识查询类：事实核查、概念解释、 溯 源检索。 • 8. 教育与研究类：题目生成、论文润色、 实验设计。 • 9. 多模态处理类： 图文互译、表格解析、 视频脚本。 • 10. 伦理与安全类： 内容审核、价值观对 齐、风险预警。 DeepSeek 部署方 案 Deepseek ! Deepseek 部署全线 图 移动手机应用 本地部署蒸馏小模型