运维等新业态新模式。 （三）动力调整：强国建设步入新阶段，加快形成新质 生产力成为推动制造业高质量发展的内在要求。“十五五”时 期是制造强国“三步走”战略目标的第二阶段，即由“缩小差距、 重点突破”升级为“巩固地位、提升层次”。习近平总书记在二 十届中央政治局第十一次集体学习时强调，发展新质生产力 是推动高质量发展的内在要求和重要着力点。明确新阶段要 摆脱传统经济增长方式、生产力发展路径，要把产业发展的 论述，完整、准确、全面贯彻新发展理念，遵循新时代新征 程推进新型工业化的基本规律，坚持以高质量发展为主题， 以科技创新推动产业创新，以人工智能推进数实融合，加快 构建以先进制造业为骨干的现代化产业体系，坚定不移推进 制造强国建设，推动新型工业化、信息化、城镇化、农业现 代化同步发展，为中国式现代化构筑强大物质技术基础。实 践中把握三个基本原则： 一是统筹高质量发展和高水平安全。以科技创新推动产 业创新，创新成果应用到具体产业和产业链上，提高全要素 2030 年，产业科技创新能力大幅提高，重点产业链 自主可控水平显著增强，优势行业形成全球创新引领能力， 在世界制造业强国第二方阵中的地位更加巩固，新型工业化 支撑构建新发展格局、引领带动经济社会高质量发展的作用 大幅提升。 三、“十五五”时期制造业发展需要解决的关键问题 （一）构建产业科技创新体系。习近平总书记指出，要 以科技创新引领产业创新。针对“技术”到“市场”的供需壁垒、 “实

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的SFT数据集，而是让模型直接在RL环境中进行探索 ➢ 类比：初学者在没有老师指导的情况下，通过不断的尝试和错误来掌握一门新的技能。 ➢ 这种自主学习的方式，不仅节省了大量的标注成本； ➢ ： ➢ 需要足够强的基座模型：基座模型 (DeepSeek-V3 Base) 超过了某个质量和能力阈值 （671B 在14.8T 高质量Token上训练）（基座模型知识帮助突破推理上界，也有一些 工作利用小模型复现 Aha Moment 得益于大规模RL和高质量推理数据）； ➢ 大规模强化学习加持：GRPO 对于强化学习训练的优化； ➢ 规则化奖励：绕过奖励攻陷问题，但是得益于推理问题可以进行自动化标记和验证 Questions: ➢ 能否在Zero基础上兼顾推理性能的同时，提升模型的帮助性和安全性？例如产生 Clear & Coherent CoT 并且展现出通用能力的模型 R1； ➢ 能否利用一些高质量反思数据集做 Cold Start 从而加速RL的收敛或帮助提升推理表现 16 DeepSeek-R1 技术 Pipeline 总览 DeepSeek-v3-Base (671B) DeepSeek-R1-Zero

，通过对大量文本数据进行训练 ，从而具备了强大的语言理解 和生成能力。 它能够理解自然语言 ，并能够生成自然语言文本 n 字节跳动豆包 豆包是字节跳动基于云雀模型开发的 AI ， 能理解你的需求并生成高质量 回 应。 它知识储备丰富 ， 涵盖历史、 科学、 技术等众多领域 ， 无论是日 常问 题咨询 ， 还是深入学术探讨 ， 都能提供准确全面的信息。 同时 ， 具备 出色 的文本创作能力 能撰写故事 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、 ，大模型可以为用户提供个性化的推荐服务 ，提高 用 户满意度和转化率 （ 3 ）语音识别 大模型在语音识别领域也有应用 ，如语音识别、语音合成等。通 过 学习大量的语音数据 ，大模型可以实现高质量的跨语言翻译和 语音 识别以及生成自然语音 3.7 大模型的应用领 域 金融风控 自动驾驶 医疗健康 大模型可以用于信用评估、欺诈检测等任 务 。通过分析大量的金融数据 ，大模型 可 以评估用户的信用等级和风险水平，

……………58 推荐单位 ：上海海洋大学 开创林改新局 赋能乡村振兴——福建农林大学的智慧与担当……………………………………………58 推荐单位 ：福建农林大学 科技赋能东乡贡羊产业高质量发展…………………………………………………………………………59 推荐单位 ：甘肃农业大学 草原牧区经营体制改革创新先锋——“芒来模式”…………………………………………………………59 乡村振兴观察报告 2023-2024 中国农科院科技支撑稳产保供 坚定守护大国粮仓…………………………………………………………61 推荐单位 ：中国农业科学院 弘扬“宁陵精神” 支撑果树产业高质量发展…………………………………………………………………61 推荐单位 ：中国农业科学院 渔船多源感知和 AI 一体化智能终端成套装备………………………………………………………………62 ：四川省泸州市农业农村局 四川渠县扛牢粮食安全政治责任 擦亮产粮大县金字招牌…………………………………………………74 推荐单位 ：四川省渠县农业农村局 “全”字上做文章“链”字上求突破——临夏州高质量打造牛羊全产业链…………………………………75 推荐单位 ：甘肃省临夏州农业农村局 无定河镇“联农共富 托管共享”土地托管模式创新实践……………………………………………………75 推荐单位

层设计， 推进“人工智能 +” 行动，以“数字化、绿色化”转型支撑新型电力系统和新型能源体系建设。 源荷精准预测 电气机理 与知识 负荷特性分析 地理信息 人工智能是支撑新型电力系统高质量发展的关键 新型电力系统 支撑 电 力 人 工 智 能 系 统 社会、经济 影 响 中 国 南 方 电 网 CHINA SoUTHERN POWER GRID 非结构化 知识 数据清洗整合的复杂性 缺乏准确性、一致性维护 缺乏数据质量监控 数据可靠性不佳 数据完整性不足 十 数据量不足 数据质量较低 数据标准化较低 缺乏验证集和测试集 无法有效建设高质量 数据集严重制约数字 化进程受阻 数据质量问题可能会导致严重的调控 决策风险和损害 业务挑战：数字化转型挑战 无法保障数据可以被及时、 准确地访问和利用 AI 训练所需算力和电力 基于 MAAS 框架 ) 模型管理 / 检索 模型下载 模型调优 / 训练 模型推理 模型部署 模型应用 典型开发框架 模型库 样本库 实训框架 文档 / 教程 开发者社区 简单可集成 全模态 高质量全领域 可在线 / 离线 AI 高效学习 贡献活跃 产业金融 金融放货智能评估 电费货智能评估 供货贷智能评估 采购过程文件智能辅助编制及校验 电力会议转录助手

大模型 训练已成为推动智能化应用落地的核心环节。本项目旨在构建一套 完整的数据处理与模型训练方案，以满足企业在复杂场景下的智能 化需求。项目通过对多源异构数据的采集、清洗、标注和结构化处 理，打造高质量的知识库，为后续的 AI 模型训练提供坚实的基 础。同时，结合先进的深度学习技术和规模化计算资源，设计高效 的模型训练流程，确保模型在准确性、泛化能力和计算效率方面达 到预期目标。项目的实施将涵盖以下关键步骤： 和模型训练 效率，为后续的智能化应用开发和部署打下坚实的基础。 1.1 项目背景 随着人工智能技术的迅猛发展，大模型在各个领域的应用日益 广泛。然而，大模型的训练效能和精度在很大程度上依赖于高质量 的知识库数据处理。当前，许多企业和研究机构在构建和利用知识 库时，面临着数据来源分散、数据质量参差不齐、处理流程复杂等 多重挑战。这些挑战不仅增加了数据处理的成本，还直接影响到后 续模型 数据存储模块：采用分布式存储技术，支持大规模数据的高效 存储；  数据检索模块：实现高效的分布式检索，满足实时查询需求。 通过上述模块的集成与优化，本方案将显著提升知识库数据处 理的效率和准确性，为 AI 大模型的训练提供高质量的数据支持。 最终，该方案将广泛应用于金融、医疗、教育等多个行业，推动人 工智能技术的深入应用和创新发展。 1.2 项目目标 本项目的核心目标在于构建一个高效、精准的知识库数据处理 系统

从基建到运营， 做数字化转型的终极赢家 数字化变现要以运营能力为突破口 友邦人寿：企业的内功关系到数字 化的价值变现 天猫：从数字化运营到高质量发展 建立企业“数智价值链” 04 08 17 12 瞭望塔 实训营 多棱镜 2 ｜ 化浪潮为经济的高质量发展注入了强劲的动力。 伴随着数字经济的深入发展，数字化转型 早已不是企业的选择题，而是一道必答题。不过， 到目前为止，虽然很多企业投资了大量的数字 本完成数字化基建的布局，来到数字化的中局 战场，企业就要更加意识到思维转变的重要性。 通过扎实系统的数字化运营设计，让技术创新 与具体的业务场景融合，从而将技术转化为真 正的数字生产力，驱动企业实现高质量发展。 那么，如何进行体系化的运营管理设计？ 如何提升数字化运营能力？需要掌握哪些新的 思路和方法？ 近期，《哈佛商业评论》中文版走访了来自 保险业、制造业、互联网电商等多个行业的典型 数字化运营——新思路应对新周期 所谓数字化运营，指的是通过体系化的管理 设计，以敏捷的工作方式，采用 IT 技术手段， 充分利用数据来支持企业数字化业务的实现、 运行和持续创新，提升数字化转型的价值变 现能力，驱动企业实现高质量发展。 数字化变现 要以运营能力为突破口 ｜ 5 瞭望塔 │ Lookout Tower 进 入数字经济时代，颠覆式创新屡见不鲜， 商业竞争格局不断被打破，这驱动着企 业纷纷加强自身的数字化转型以适应新

”、从“等量管理”向“减 量管理”的转型升级。这一转变不仅将提升保险公司的核心竞争力，还将为消费者提供更加 个性化、高效、便捷的保险服务，推动保险行业向更高质量、更高效率、更高附加值的方向 发展。 在全球金融格局深刻调整、中国经济高质量发展的背景下，保险业作为国民经济的重 要支柱和风险管理的重要力量，必须紧跟时代步伐，把握科技革命的历史机遇。我们希望通 过本白皮书的发布，为保险业做好科 究机构Epoch估计，机器学习可能会在2026年前耗尽所有“高质量语言数据”。据Gartner 预测，2024年用于训练AI的数据中有60%将是合成数据。以Meta今年7月发布的 LLaMA3.1模型为例，监督微调环节的数据里有相当比例是合成数据，使用合成数据确实 带来了模型效果的提升。 （1）合成数据成有力补充 高质量的真实数据已逐渐无法满足大模型训练与精细微调的需要，这促使合成数据 分发挥其潜力，推动大模 型技术的持续进步与发展。 （2）多领域开源数据集相继推出 当前，在开源数据资源的版图中，中文语料的占比显著偏低，尚不足总量的十分之一， 这凸显了中文自然语言处理领域对高质量数据资源的迫切需求。为应对此挑战，国内已相 继开源了多个中文预训练数据集，诸如CCI 2.0、SkyPile-150B、IndustryCorpus、Tele-AI 以及MAP-CC等，这些数

当前，全球数字经济加速演进，人工智能技术日新月异，筑牢安全可 靠、自主创新的数字底座已成为推动产业数智化升级的必由之路。信 息技术融合创新（以下简称“融合创新”）通过突破关键核心技术、 赋能传统行业转型，正成为千行百业高质量发展的重要引擎。 一方面，国产数字化升级正在通过底层技术的自主创新，为人工智能 和数字化转型提供坚实基础：国产云基础设施，为智能计算提供算力 保障，国产操作系统、数据库和中间件，支持AI训练、推理和部署， 验优 化、生态体系逐步完善等多个方面。当前，国产数字化升级，不仅是 响应政策导向，也已经成为企业提升效率、夯实安全基础的战略抉 择。拥抱国产数字化升级，既是企业降本增效的理性之选，更是迈向 高质量智能化发展的关键一步。 近年来，以腾讯为代表的一批中国科技企业围绕国产数据库、操作系 统、大数据平台等基础软件不断开拓创新，构建完整的国产生态链， 为数字经济提供安全可靠的基础软件支撑。在产业落地方面，融合创 正在进入规模化复 制阶段。 本报告精选了18个典型的融合创新实践案例，涵盖政务、金融、电 力、交通、医疗、传媒等行业。通过这些标杆实践的解读，可以洞 见各行业推动自主创新的思路和经验，为产业高质量发展提供参考 和借鉴。 国产数字化升级标杆实践报告 03 - 国产数字化升级-智能之基、效率之源、好用之选 - 04 国产数字化升级标杆实践报告 国产数字化升级标杆实践报告

度学习技术，通过对大量文本数据进行训练，从而具备了强大的语言理解 和生成能力。它能够理解自然语言，并能够生成自然语言文本 n 字节跳动豆包 豆包是字节跳动基于云雀模型开发的 AI，能理解你的需求并生成高质量回 应。它知识储备丰富，涵盖历史、科学、技术等众多领域，无论是日常问 题咨询，还是深入学术探讨，都能提供准确全面的信息。同时，具备出色 的文本创作能力，能撰写故事、诗歌、文案等各类体裁。并且擅长语言交 融风控、工业制造、 生物信息学、自动驾驶、气候研究等多个领域 （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 （2）计算机视觉 大模型在计算机视觉领域也有广泛应用，可以用于图像分类（识别图 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 3.1 大模型的行业应用领域 （3）语音识别 大模型在语音识别领域也有应用，如语音识别、语音合成等。通过 学习大量的语音数据，大模型可以实现高质量的跨语言翻译和语音 识别以及生成自然语音 （4）推荐系统 大模型可以用于个性化推荐、广告推荐等任务。通过分析用户的历史 行为和兴趣偏好，大模型可以为用户提供个性化的推荐服务，提高用 户满意度和转化率