1 2025年3月9日星期日 DeepSeek的本地化部署与AI通识教育之未来 陈建海 博导/副教授 浙江大学通识人工智能（A）（理工农医）课程团队负责人 浙江大学计算机科学与技术学院 基础教学中心副主任/支部书记 浙江大学智能计算与系统实验室 负责人 浙江大学人工智能教育教学研究中心 2 提纲 vDeepSeek AI的新时代背景 vDeepSeek的本地化部署实践 vDeepSeek与AI通识教育之未来 推进人工智能赋能教育教学 发布人工智能系列研究报告 课程体系 实践平台 培养项目 师资队伍 实践平台 赋能教学 素养要求 教材是实处 · 课程是深处 · 实践是难处 · 师资是痛处 作为中心一员，承担理工农医人工智能通识基础课程建设 37 浙江大学组建跨学科高水平人工智能师资队伍 浙江大学人工智能通识教育师资培训班 人工智能基础通识课程教材建设研讨会 集体备课会 自2024-2025学年春 CS1006G Python程序设计 3 2.0-2.0 秋冬/春夏 计算机和人工智 能基础课程 （五选一） CS1241G 人工智能基础（A） 2 2.0-0.0 春夏 需先修Python或C程序 建议理工农医类专业设置 CS1242G 人工智能基础（B） 2 2.0-0.0 春夏 需先修Python或C程序 建议社会科学类专业设置 CS1243G 人工智能基础（C） 2 2.0-0.0 春夏 不需程序语言基础

利用系统建模，场景设置，技术参数录入等高 科技手段，模拟现实环境，进行实时交互，计 算和预测执行结果 数字建模 设计方案、正图、草图和技术性说明及其他技 术图样所表达的形体，构造成可用于设计和后 续处理工作所需的三维数字模型 协同研发 以用户为中心的一体化云协同研发，通过多软 件的融合，打破了行业竞争给用户带来的云上 信息孤岛，建立起以客户为中心的协同研发设 计互联网环境 Project 构建起企业的数据“大 脑”，实现基于数据来 辅助高层领导研判当 下、决策未来 Project Content 最终目标  提供实时工厂运营数据，进行分析决策  提供有效的订单生产和品质追溯管理工具，提高企业制造运营管理水平  提高各部门协作能力，实现轻松管理 平台化  通过电子看板、监控界面，实时了解各车间生产等进度  WIP 在制品分布清晰可知  生产信息实时采集和共享 可视化 生产计划管理、生产过程控制、产品 质量管理、车间库存管理、项目看板 管理等，提高企业制造执行能力 安灯 用分布于车间各处的灯光和声音报 警系统收集生产线上有关设备和质 量等信息的信息管理工具。 设备管理 设备集中管理，从规划、设计、选 型、购置、安装、验收、使用、保 养、维修、改造、更新直至报废的 科学型管理。 Project Content 数据产出

全域国土空间综合整治模块 业务协同支撑应用 基础测绘 库 ( 实景三 维 ) 确权登记模块 服务器资源 统一 数据 数 字 机 关 模 块 1.2 工作基础 —— 数据统筹管理工作格局基本建成 制定《自然资源和规划数据统筹管理规定》 , 开展项目三论证审查，数据“一个口子进， 一个口子出”的工作格局基本形成， 形 成 4 大类 200 小类业务、 1600 个数据对象、汇聚 业务应用工程师 Al 产品市场推广专员 数据档案所 基础保障所 智能体功能测试与数据提供 构建 AI 基础设施，为应用提供算 力、数据和平台支撑 智能窗口运维专员 Al 平台工程师 知识库管理工程师 Al 安全工程师 1.2 工作基础 口 大 数 据 中 心 抓 准 时 机 、 积 极 拥 抱 新 质 生 产 力 ， 增 加 人 才 储 备 ， 全 面 向 AI 智 能 化 全 面 转 例 宁游市自然资蓬和蛇划大报 下 3.4 N 个应用场景探索实践 | 问文 - 法规助手 口面向局法规处，聚焦法规检索困难、政策解读复杂、合规审查内容多和法律文书处理工作量大的痛点，依托司 法解 释、规范性 文件和裁判文书，构建法规助手，学习法规政策，实现法规智能查询、法规适用智能分析、合规性自动审查及文书自动起草， 全 流 程 提 升 法 规 管 理 的

据 处 理 pipeline 数据标注 CV ，大模型相 关的标注工具 模 型 部 署 训 练 工 坊 数据 调试 容器底座 AI 资产管 理 资源管理 一体化服务管理工具及推理加速能力 一体化服务管理工具 Angel 推理加速 指标监控 鉴权 / 限流 流量分配 实时掌握服务性能、调用量、资源消耗等关键指标 自动调度符算力资源，弹性灵活应对业务峰谷 HPA

求。例如，在数据采集模块中，必须支持多种数据格式（如 JSON、XML、CSV 等）的解析，并具备数据缓存和断点续传功 能，以确保在网络不稳定的情况下仍能持续获取数据。数据处理模 块需要集成常用的数据处理工具（如 Pandas、NumPy 等），并 支持自定义的数据处理流程，以满足不同场景下的需求。智能决策 模块应支持多种机器学习算法（如决策树、神经网络、支持向量机 等），并具备模型训练、评估和优化的能力。用户交互模块则需要 Top 10 标准，确保系统能够抵御常见的网络攻击。 系统的可维护性和可监控性也至关重要。通过日志管理、性能 监控和报警机制，确保系统在运行过程中出现异常时能够及时发现 和处理。采用集中式日志管理工具（如 ELK Stack）和监控平台 （如 Prometheus 和 Grafana），能够实时监控系统的运行状态， 并通过预定义的报警规则，及时通知运维人员进行处理。此外，系 统应支持自动 API、Web 界 面、移动应用），支持用户与系统的无缝交互。 为提升系统的可靠性和性能，架构中引入了微服务设计模式， 将各功能模块拆分为独立服务，通过容器化技术（如 Docker）和 集群管理工具（如 Kubernetes）实现服务的动态扩展与负载均 衡。此外，系统还引入了消息队列（如 Kafka、RabbitMQ）和缓 存机制（如 Redis）以优化数据流和响应速度。  数据接入

有些企业家骂人工智能是人工智障，岂不知，是你在源头投喂给 AI 的数据就已经出了问题。如果基 于错误的数据也能得出正确的数据决策，那计算机学科的科学性体现在哪？笔者举一个华为实践例子， 期待企业家从中得到启示重视数据治理工作。2007 年，华为公司孟晚舟主导一个公司级的变革项目： IFS（集成财经服务变革）。这个项目的初衷是基于数据驱动方式来重塑华为财务体系，让身在深圳 坂田总部的管理层对全球 180 个代表处的 的数据素养与提升数 据治理水平、数据领导力和善用数智技术工具三个方面进行阐述。 引言 数智领导力 004 003 数智领导力 制、政策、流程与授权规范性差等等。于是，华为决定同步启动数据治理工作，这个动作持续贯穿于 IFS 项目全过程，从 2007 年开始一直到 2014 年 IFS 项目关闭，8 年时间的艰难推动，才获得如今 华为公司较高质量的数据。2023 年 4 月孟晚舟首次担 资产目录构建：建立一套全面的数据资产目录，涵盖集团下所有主题域分组。 自助 BI 开发：打通数据分析作业平台和帆软系统，实现仪表板复用和定制化的汇报视图。 采用阿里云整体解决方案，搭建底层核心存算能力和顶层数据开发管理工作台，实现数据中台各层功 能，打造集团统一数据中台运营体系。 数据中台 指标数据 服务 明细数据 服务 多维数据 服务 BI报表 服务 自助分析 服务 数据科学 服务 数据API 服务

范式困境主要原因二：多学科交叉、技术门槛高、木桶理论效应凸显 17/80 口多学科交叉人才极其稀缺，而且非常昂贵 口 普通人才天花板效应明显，最不靠谱的人 / 环节是整个项目的天花板 2025 年 2 月，麻省理工学院何凯明指出： Al 正在悄然重塑全球科研生态：“过去，不同学科间的交流 像隔着一堵高墙；如今，人工智能正成为所有科学家都能听懂的通用语言 " 。 自动化 工程热物理 新能源 化工 49/80 鲁洁 章文恺 冯晨昕 张健 郑泽宇 章超波 荷兰埃因霍温理工大学 王嘉茜 贺佳宁 蒋睿勤 博士后 报 告 提 纲 大语言模型应用的科研案例 …

协同 护理记录协同 双向转诊协同 临床路径协同 OA 办公协同 EMR HIS LIS PACS …… 6 、移动医疗 利用高速 CDMA 无线网络，使医生 / 护士对住院病人的治疗 / 护理工作实现移动化办公。彻底解决了在哪发生的 信息在哪录入的问题，减少了对纸张的依赖，轻松让医护人员能够在患者床边实时获取和记录针对该患者的病历 信息和诊疗医护信息。 护士工作站 医生工作站  IPhone 、 IPad 、 Andriod 、 MAC 、 Windows 等多种智能终端。 —— 集成 让所有应用在一台手机上展现，让用户可 以充分利用会议、出差、在家等自由时间 处理工作事宜。 安全 传输 SSL 安全隧道加密，密码 MD5 、 关键操作短信身份验证、数据平台加密、 做到终端安全、传输安全、应用安全。 04 01 02 03 我们的优势 基于业内最严格的安全标

的存储或 处理系统中。 在实际操作中，应根据数据源的特点和业务需求选择合适的工 具和方法。例如，对于需要实时采集的数据，可以考虑使用流式处 理工具（如 Kafka、Fluentd）结合 API 接口调用；对于历史数据 采集，则可使用批处理工具（如 Apache NiFi、SQL 导出工具）进 行批量处理。 为保证数据采集的效率和准确性，建议采取以下措施：  数据清洗与预处理：在采集过程中，建议对数据进行初步清洗 等维度对数据 进行分类，并为每类数据添加标签，便于后续检索和分析。  数据权限控制：基于角色和用户组设计细粒度的权限管理机 制，确保数据访问的安全性和合规性。  数据版本控制：通过版本管理工具（如 Git）或数据库内置版 本功能，记录数据的变更历史，支持数据的回滚与溯源。  数据备份与恢复：制定定期的数据备份策略，结合增量备份和 全量备份，确保数据在故障或灾难情况下可快速恢复。 确的负责人 和交付物。 2. 建立缓冲区：在时间表中预留一定的时间缓冲，以应对不可预 见的延误，特别是在数据采集和模型训练等关键环节。 3. 监控与报告机制：定期召开项目进度会议，使用项目管理工具 （如 Jira 或 Trello）进行任务跟踪，及时发现并解决潜在问 题。 4. 资源管理优化：提前规划计算资源需求，与硬件供应商或云服 务商建立良好的沟通机制，确保资源能够按需调配。

受的输入格式。常用的方法包括词袋模型、TF-IDF、词嵌入等。向 量化处理不仅提高了数据处理的效率，还增强了模型对文本特征的 理解能力，为后续的模型微调奠定了坚实的基础。 通过上述步骤，数据准备与预处理工作为 DeepSeek 政务大模 型的微调提供了高质量、规范化的数据集，确保了模型在政务领域 的应用效果和实用性。 2.1 政务数据集收集 在政务数据集收集的过程中，首先要明确数据来源的多样性和 验证，后期 阶段则聚焦于模型部署与性能优化。 在进度管理方面，采用敏捷开发与瀑布模型相结合的方式，以 提高灵活性和可控性。每周召开项目例会，审查任务完成情况，及 时发现并解决问题。使用项目管理工具（如 Jira 或 Trello）跟踪任 务进展，确保团队成员对当前任务的优先级和截止日期有清晰认知。 为应对潜在的进度延误，需制定风险管理计划，明确应对措施，如 增加资源投入或调整任务优先级。 以下是项目进度管理的核心要点：  制定详细的时间表，明确每个阶段的任务和交付物。  采用敏捷开发与瀑布模型相结合的方式，平衡灵活性与可控性。  每周召开项目例会，跟踪任务进展，及时解决问题。  使用项目管理工具（如 Jira 或 Trello）进行任务跟踪和优先级 管理。  设定关键绩效指标（KPI），进行阶段性评估和调整。  建立有效的沟通机制，确保信息流通顺畅。 通过上述方案，项目计划与进度管理将有效保障