DeepSeek原理与落地应用 AI肖睿团队 （孙萍、吴寒、周嵘、李娜、张惠军、刘誉） 2025年03月01日 厦门大学大数据百家讲坛 • 北大青鸟人工智能研究院 • 北大计算机学院元宇宙技术研究所 • 北大教育学院学习科学实验室 7 人工智能概念辨析 DeepSeek R1 大模型原理 落地应用 目 录 C O N T E N T S 人工智能概念辨析 PART 01 DeepSeek-R1-671B DeepSeek-V3-Base 满血版，能力最强 DeepSeek R1全家桶 部署DeepSeek-R1 满血版的算力要求和性能 模 型 原 理 PART 03 GPT工作原理-1 概率预测+文字接龙 1. 收到提示词 示例:“今天天气不错，我决定” 4.基于上下文预测下一个token • 为可能的单词分配概率分数 • 示例:{“去”:0.7. “停":0.2 Transformer （变换器） LLM:Large Language Model GPT工作原理-2 预训练 （自监督） 监督微调 人类反馈 强化学习 接收输入 处理输入 进行推理 生成输出 上下文 + 训练知识 阶段1：模型训练 阶段2：推理 大模型工作过程 GPT工作原理-3 数据来源 说明 维基百科 在线百科,严谨 图书 经典为主的古登堡计划和自助出版 平台Smashwords等

(EQ)、团队合作 力、领导力之后，影响组织和个人发展的关键指标。 就像驾驶汽车需要掌握方向盘操作、路况判断和行驶规则一样，应用 AI 也需要全方位 的技能储备。掌握 AI 力不仅意味着理解 AI 的基本原理和能力边界，还可以敏捷、高效 地与 AI 互动和协作，利用 AI 解决问题，交付有价值的业务结果。 研究表明，在人机协同的工作场景中，具备高 AI 力的个体能够显著提升工作效率和质 量。 他们能够更好地理解 速转化为实践技能，最终制约了企业人才培养的质量与效率。 《发展大模型时代的AI力》线上课程颠覆了传统培训“先学后用”的低效模式，倡导“在 实践中学习，在应用中成长”的敏捷赋能理念。课程通过系统讲解 AI 工作原理，结合 AI 工具的实际操作和基于业务场景的提示词练习，帮助从 C-Level 高管、HR 专家、部门 经理到一线员工，掌握在组织和工作场景中应用AI的核心素养和策略，快速提升「AI 力」，构建完整的 保持领先地位 激发组织创新活 力，推动团队提质 增效 AI 发展脉络与大模型 核心工作原理 学术视角下大模型对组织 和人才发展的重要意义 AI 力模型 什么是 AI 力 AI 力的重要意义 发展 AI 力的模型、框架 AI 的发展历程 生成式 AI 的应用 大语言模型的工作原理 利用大模型将音视频内 容转换为阅读性内容 利用大模型卓越地完 成翻译任务 利用大模型写出

的、本土化的落地指南。我们深知，在AI转型的道路上，企业 面临着诸多困惑和难题，需要有一份具有针对性和可操作性的 经验总结来引领方向。 第一章深入洞察了食品饮料行业的变化趋势，并简述了AI技术 的演变路径、大语言模型的技术原理，以及现阶段应用大模型 技术的主流路径，和未来通用人工智能的趋势。第二章遴选了 食品饮料行业的典型十大场景，用具体案例，详细描述了需求 场景、解决路径、应用成果和经验反思，为行业企业实践提供

2，不仅在学术界引起了广泛关注，还在工业界得到了广泛应用。某 学院旨在帮助教师队伍深入了解和应用大模型，从而利用其强大的自然语言处理能力解决各种 现实世界的问题。 二、培训目标  大模型： 介绍大型语言模型的基本原理、架构和训练方法，帮助教师建立对大模型的理 解和认知。  LLAMA： 深入探讨 LLAMA 在各个领域的实际应用，包括自动文本生成、机器翻译、 情感分析、问答系统等，帮助了解如何将 LLAMA 搭建项目团队 建班级群 人员准备 场地准备 物品准备 精彩授课 考核测评 效果评估 结业证书 培训总结 培训档案 2 天 12 课时面授课程内容安排 1.LLM 大模型核心原理 2.LLM 大模型微调 3.国内外大模型研究进展和评测 4.大模型 Prompt 提示工程 5.AI 大模型辅助架构师提高 研发效能 6.AI 大模型辅助设计师提高研发 效能 7.AI 考核测评 效果评估 结业证书 培训总结 培训档案 4 天 24 课时面授课程内容安排 第一天 顶层设计时代 TOGAF9.2 方法 ADM 通用架 构开发框架 思考题：请您根据 ADM 原理 总结服务项目的工作方式 第 39 页 第二天 TOGAF9.2 体系 TOGAF9.2 认证 思考题：数字化时代业务连续 性与客户中心化如何满足 第三天 架构愿景识别 业务架构设计

和形态提出了更高的要求。 27 6）教育培训 在教育培训领域，人形机器人可以作为教育助手或辅助教师使用， 他们可以与学生进行互动，解答问题，提供个性化教学。此外，人形 机器人还可以用于模拟实验、演示科学原理、编程教育等教学场景， 丰富教学内容，为教育注入更多创新元素，激发学生的创造力和想象 力。 7）物流运输场景 人形机器人可以在仓储、装卸、分拣、包装、配送等环节提升工 作效率和管理水平。亚马逊正在测试 并对外做功的柔性材料或器件。近年来，人工肌肉是仿生机器人驱动 研究的前沿热点之一，其核心目标是模拟生物肌肉的驱动功能。现阶 段，在各种类型的人工肌肉中，气动人工肌肉研发成本低，仿生性突 出，使用最为广泛。气动肌肉的工作原理是通过外部压缩空气驱动， 实现推拉动作，从而模拟人类肌肉的运动，其具有高功率密度以及大 比例变形的能力，为机器人关节提供较大力量的同时，能够保持轻巧 的重量。随着轻质高强纤维、纳米复合材料及智能液晶高分子等新型 方位的感知能力。这得益于传感器技术的飞速发展，如高精度视觉传 感器、激光雷达、惯性测量单元等，它们能够实时获取并分析周围环 境的数据。特别是双目三维环境感知技术，通过模拟人类双眼视觉系 统的观测原理，利用双目相机对获取图像进行立体匹配，得到图像中 像素点的准确视差，从而获取周围环境的准确深度信息。这一技术的 运用，使得人形机器人能够在复杂的三维工业场景中，对外界环境进 行真实的刻画及数字

..................................................................... 13 图表 17： 巴拿马电源方案设备组成、内部结构和原理一览图 .................................................................................. 13 图表 18： 巴拿马电源较 器来免去补偿柜、电容补偿、有源滤波柜，主要系移相变压器具备多绕组，谐波含量主要 有 3/5/7 次谐波，畸变率小于 5%，因此不需要配置滤波器，省掉功率因数调节环节。 图表17： 巴拿马电源方案设备组成、内部结构和原理一览图 资料来源：ODCC《巴拿马技术白皮书》，叶新平（台达大功率电源产品技术专家 ），台达，华泰研究

的方式，将数据合 成和仿真训练放在云端完成，车端仅需加载轻量化模型，避免占用车端算力。这种提升极端路况的表现尤其适用于 城市NOA。 请务必阅读正文之后的免责条款部分 图10、11：模型蒸馏技术原理 资料来源：Python见习室，吴建明利驰数字，国元证券研究所 车企抢滩DeepSeek，AI行业与智能驾驶共振 15 （3）云端高效训练。在云端，DeepSeek基于当前智驾企业积累的数据 VLM的另一个优势在于数据挖掘与场景理解。智能驾驶依赖海 量数据，但有效数据占比低，可以通过VLM模型进行高效挖掘， 加速数据分析和场景理解的迭代。 理想：双系统并行，VLM规范端到端模型下限 31 双系统工作原理：常规传感器进入到理想专门为Orin-X优化过 的CNN主干网络，并提取特征融合，为了增强BEV空间特征表达 能力，加入了记忆模块，不仅是时序记忆还有空间记忆。特意 额外设计了另外两个输入，一个是自车状态信息，另一个是导 推进端到端+VLM双系统的迭代，计划在2025年实现L3有监督智能驾驶，并在三年后推出L4级自动驾驶定义的产品。 理想：双系统并行，VLM规范端到端模型下限 33 请务必阅读正文之后的免责条款部分 图36：前视三目系统感知原理 资料来源： 比亚迪智能化战略发布会，芝能智芯，国元证券研究所 图35：天神之眼前视三目传感器系统（5R12V12U） 资料来源： 比亚迪智能化战略发布会，芝能智芯，国元证券研究所 比亚迪：智驾平权加速，边际变化可期

和视觉生成模型等能力实现高阶融合 • 大模型Scaling Law表示，增加计算量、模型参数量或数据大小都可能会提升模型性能，但是提升效果会随着这些因素的增加而递减。虽然 Scaling Law原理给大模型能力演进限制了阈值空间，但仍有头部厂商在加大模型参数、数据规模和算力资源的投入，延续大力出奇迹的大 模型训练之路。2025年2月，OpenAI推出GPT 4.5系列模型，进一步加大模型参数

和视觉生成模型等能力实现高阶融合 • 大模型Scaling Law表示，增加计算量、模型参数量或数据大小都可能会提升模型性能，但是提升效果会随着这些因素的增加而递减。虽然 Scaling Law原理给大模型能力演进限制了阈值空间，但仍有头部厂商在加大模型参数、数据规模和算力资源的投入，延续大力出奇迹的大 模型训练之路。2025年2月，OpenAI推出GPT 4.5系列模型，进一步加大模型参数

模型可解释性和可信度 基于 AI 的药物发现过程中，制药企业需要给出数据与预测结果间明确的逻辑关系，而 非仅简单算出药物。英矽智能在治疗间皮瘤的孤儿药研发中，曾被监管要求解释 AI 模 型的建立原理和药物疗效、安全性的确定过程，意味着企业必须尝试解释算法逻辑，提 29 升模型可信性。  模型持续学习和更新 AI 模型需通过持续学习、更新保持其效能，但在当前阶段，研究人员很难确保新模型的