等技术要求。借助RDMA技术，通过分布式智 算中心网络实现区域内多智算中心协同计算，可以满足更大规模的算力需求。 总而言之，算力的需求正在快速增长。由于AIGC的出现，大模型的训练和推理导致智算超越了通算。智 算中心节点规模越来越大，对网络性能（吞吐和时延）要求越来越高，其发展趋势是从scale up到scale out，直至scale outside。出于成本的考量，800Gbps及以

集团多年累积的超百万法规库、千万量级的案例判例、几万本税务电 子书，以及专家知识及实操案例等。 目前，税务行业标准大模型成为了税务这一垂直行业领域大模型 的典型应用，并在注册税务师考试中的成绩已经超越了 ChatGPT。凭 借其创新技术与应用表现，入选“北京市通用人工智能大模型行业应 用十大典型场景案例”。 技术简介 一、税务行业标准大模型的技术优势 2023 年以来，360 税务标准大模型主要特点： 1、专业的模型能力 相较于通用大模型能够解决一般性问题，税务行业标准大模型可 以解决税务领域更为专业的知识问题。据测试，该模型在注册税务师 考试中的成绩已经超越了 ChatGPT。 2、强大的研发团队 360 集团与中税集团组建专业团队，汇集多位深耕人工智能技术领 域的创新技术专家，以及具有丰富实操经验的税收专家，形成 GPT 培 数字人等多项功能，在咨询对话、问题整理、问办一体和数据分析等 多个环节做场景应用。 与通用大模型不同，税务行业对大模型提出了更高的专业要求。 据测试，该模型在注册税务师考试中的成绩已经超越了 ChatGPT。大 模型在注册税务师考试中，知识题正确率 77%，计算题正确率 38%， 模型总体得分稳定为 53.7%，是其他同类竞品模型的 3 倍。 在实际应用中，税务领域有明确目标并且税务行业认可，即参加

资料来源：iFinD，财信证券 投资要点：  事件：《科创板日报》2 月 8 日消息称，据 QuestMobile 数据显示， DeepSeek 在 1 月 28 日的日活跃用户数首次超越豆包，随后在 2 月 1 日突破 3000 万大关，成为史上最快达成这一里程碑的应用。  革命性推理能力叠加出色性价比，DeepSeek-R1 模型引发全球关注。 据 DeepSeek 官网数据，DeepSeek-R1 股票投资评级 买入 投资收益率超越沪深 300 指数 15%以上 增持 投资收益率相对沪深 300 指数变动幅度为 5%－15% 持有 投资收益率相对沪深 300 指数变动幅度为-10%－5% 卖出 投资收益率落后沪深 300 指数 10%以上 行业投资评级 领先大市 行业指数涨跌幅超越沪深 300 指数 5%以上 同步大市

MLA多头潜在注意力机制（降低显存占用） • MTP多token预测（提升效果、提升推理速度） • FP8混合精度训练、DualPipe流水线、MoE负载 均衡（提升训练效率，降低训练成本） DeepSeek-V3多项评测成绩超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和 世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。 DeepSeek-V3 -4- a不会因此减少AI支 出：“我仍然认为，从长远来看，大力投入资本支出和基础设施建设将成为一种战略优势。” 卷积神经网络之父Yann LeCun: “与其说中国AI正在追赶美国，不如说开源模型正在超越 闭源”。 Anthropic CEO达里奥·阿莫迪：我认为一个公平的说法是“ DeepSeek 生产的模型接近 7-10 个月前美国模型的性能，成本要低得多（但远不及人们建议的比例） ” 配和生态方面还有显著差距 vs. -15- 中美在AI领域的对比：头部大模型 n 在模型效果上，中国大大缩小了与美国的差 距，呈现与美国平分秋色的格局 n 模型开源领域：DeepSeek超越Meta，成 为效果最好的开源模型，阿里巴巴千问系列 模型下载量超过Meta的Llama系列 模型厂商 国家 代表性模型及竞技场排名 是否开放 模型权重 谷歌（Google） 美国 Gemini-2

华为云部署方案 3. DeepSeek 应用场景 3 Huawei Proprietary - Restricted Distribution d e e p seek 全球增长最快应用，增长势头超越 ChatGPT 截止 2.5 号，上线不到一个月 DeepSeek 日活跃用户数已突破 2000 万，达到 2215 万，全球下载量接近 4000 万； DeepSeek 的访问量达到了创纪录的 发布聊天版本 2023 年 8 月 2024 年 5 月 DeepSeek R1-Lite- Preview 发布 宣称在逻辑推理、数学推理和实 时 问题 解决 等任 务上 超越 OpenAI O1 ，但《华尔街日报》测试发现 OpenAI O1 在部分问题上更快。 12.26 DeepSeek R1 发布 比肩 OpenAI o1 ，支持模型蒸馏， 年 5 月成立持续走开源道路， 24 年底发布 AI 核弹级产品震 惊全球 DeepSeek-V3 发布 671B 亿参数， 仅 55 天训练 ，十分之 一 的成本，（ 558 万美元） ，超越 Llama 3.1 和 Qwen 2.5 ，与 GPT - 4 O 相当。 发 布 首 个 模 型 DeepSeek coder ， 免 费供 商 业使 用 且完 全 开源

AI、数字行为建模、远程医疗和合成生物学等前沿技 术驱动的全球健康生态系统。 这份报告客观阐述了 AI 和 ICT 技术融合将如何推动变革，造福人类和社会。 Joseph Sifakis 序言 为实现上述愿景，我们仍面临诸多超越通用人工智能范畴的技术挑战。我们的目标不仅是创造 一种“能够理解、学习任何人类所能完成的智力任务的机器”，更在于让机器能够整合自身能力， 自主行动，感知现实环境，并以自适应且可靠的方式追求其目标。 衡，并通过 定期或针对性的更新，实现系统的持续演进。 此外，系统验证目前正从理性主义向经验主义转变。传统的基于模型的技术虽能保证高可靠 性，但由于系统固有的复杂性和异构性，已不再适用。我们需要超越当前随机测试和仿真的方法， 开发更严格的验证技术。同时，我们还必须通过基于知识的监测技术弥补可靠性降低的影响。 报告中提到的愿景既广泛又宏大，与科技巨头截然不同。科技巨头通常依赖机器学习并推崇超 生成上取得了重大成就，但其认知模式仍困于基于多重线性统计关联的框架内，因此，普遍认为它 仍缺乏对复杂物理现象以及因果关系的深层次抽象与推理的能力。真正的突破或将源于一种使数据 空间和物理空间深度融合的超越现有范式的新架构，这个新架构应能够将数理原理或知识内嵌到数 据空间中，使其能完整准确认知数据系统中的复杂性，这是我们研究和经常讲到的精准智能或 SCI for AI。这是一个复杂系统自组织、自

BERT）的能力，来调整多层神经网络 模型的内部大量神经元连接权重参数，实现对知识 的获取。这一参数调优过程在连续平滑数值空间进 行，与符号化表示的知识获取中的离散符号操作相 比，可以捕捉更为复杂和细致的规律，实现对过往 经验的超越。 1.1.4 知识分布式隐式表示 与符号化知识表示不同，模型获取的知识内嵌 于神经网络模型的海量参数中，无需对其进行显式 表示，这种分布式隐式表示能够处理符号化知识表 示无法处理的情况，例如，无法言明的复杂知识。 可能，打破了传统知识壁垒，有利于知识的连接和 融合，促进了应急知识的创新。相比较于知识的符 号化表示，数值表示的知识能反映更复杂、更细微 的事物本质及其变化规律，能通过数值空间的向量 操作来完成特定知识任务，这使得应急知识的应用 能超越过往经验。根据新的应用场景进行适应性调 整，对于理解和处理复杂的应急管理情境至关重要， 能极大地促进应急知识的应用场景创新[26]。 3.1.2 知识共享 依赖于大模型的自然语言处理能力，用户可以 利用大语言模型技术建设应急管理知识生产网 络中的超级节点，将各领域的行业专家、各学科的 专业学者、各应急部门的专业人员等各类应急知识 生产者有机联合起来，参与每一轮问题解决中，最 大化网络中节点联结密度，超越跨学科知识生产中 知识生产场所和应用场景的物理局限，实现知识生 产的人机协作。应急知识生产超级节点作为网络中 联结密度最高的节点，扮演了一个交流中心的角色， 在与知识生产者交互中加深认识、产生联想、激发

大模型竞技场 (LMSYS) 位列全球开源模型第一名，依靠创新结构，将推理成本降低近百倍。 l 2024 年 12 月， DeepSeek-V3 发布，性能对齐海外领军闭源模型。该模型在多项评测集上超越了阿里 Qwen2.5-72B 、 Meta 的 Llama-3.1-405B 等其他开源 模型，并 逼近 GPT-4o 、 Claude-3.5-Sonnet 等顶尖闭源模型。据官方技术论文披露， 首个版本上线并同步开源。 DeepSeek-V3 为自研 MoE 模型，共有 671B 参数，每个 token 激活 37B ，在 14.8T token 上进行 预训练。 DeepSeek-V3 多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 及 Claude-3.5-Sonnet 不分伯仲。 l DeepSeek-V3 ，对用户开放思维链输出； DeepSeek 官网与 App 同步更新上线， 用户打 开“深度思考”模式，即可调用最新版 DeepSeek-R1 完成各类推理任务。 l DeepSeek 蒸馏小模型超越 OpenAIo1-mini 。在开源 DeepSeek-R1-Zero 和 DeepSeek-R1 两个 660B 模型的同时，通过 DeepSeek-R1 的输出，蒸馏了 6 个小模 型开源给社区，

，存在安全隐患。 SAE 对自动驾驶的分级标准 自动驾驶近年来一直未能进入 L3 时 代 资料来源： SAE J3016- 2018 100 亿公里 马斯克曾在推特点赞了这样的观点： 实现超越人类的自动驾驶能力至少 需要 100 亿公里驾驶数据。 1000 亿公里 自动驾驶初创公司 MOMENTA 在其 公众号上提出： 要实现 L4 级驾驶，至少需要千亿公 里驾驶数据。 因此有较强的泛 化性。 AI 大模型可大幅减少长尾效应，提高自动驾驶安全 性 汽车的 图片来源：百度阿波罗， 毫末智行 100 亿公里 马斯克曾在推特点赞了这样的 观点： 实现超越人类的自动驾驶能力 至少需要 100 亿公里驾驶数据。 1000 亿公里 自动驾驶初创公司 MOMENTA 在其公众号上提出： 要实现 L4 级驾驶，至少需要千 亿公里驾驶数据。 2022

50 94.52 命令注入 36780 65.90 39.88 98.55 利用大模型重做 Web 安全检测： • 仅百亿级参数大模型，训练两周， 效果超越持续优化 4 年的语义分析引擎 • 12 类无样本攻击类型， 其中 9 类超越了现有语义分析引擎 • 5000w+ 实际流量样本测试，大模型优化后呈现高检出、低误报特性 【题目示例】请问以下流量是否恶意： GET /easportal/tools/appUtil