RL 加持下强推理慢思考范式新边界 DeepSeek-R1 Zero 及 R1 技术剖析 Pipeline 总览 \ DeepSeek-V3 Base \ DeepSeek-R1 Zero 及 R1 细节分析 RL 算法的创新： GRPO 及其技术细节 DeepSeek-R1 背后的 Insights & Takeaways ： RL 加持下的长度泛化 \ 推理范式的涌现 DeepSeek-R1 2 OpenAIo1 开启后训练 Post-Training 时代下的 RL 新范式：后训练扩展律 Post-Training Scaling Law DS-R1 独立发现了一些通往 o1 路上的核心理念，并且效果还好到受到了 OpenAI 的认可 如何通过有效的 Test-Time SFT ）； 随着训练步骤增加，模型逐渐展现出长文本推理及长链推理能力； 随着推理路径增长，模型表现出自我修复和启发式搜索的能力； DeepSeek-R1 开创 RL 加持下强推理慢思考范式新边界 3 的惊人成绩，表现与 OpenAI-o1-1217 相当。 在编码相关的任务中表现出专家水平，

合成数据无法创造新知识  推理能力难以泛化，成本高昂 全面超越人类的人工智能在逻辑上不成立 政企、创业者必读 15 DeepSeek出现之前的十大预判 之二 慢思考成为新的发展模式  大模型发展范式正在从「预训练」转向「后训练」和「推理时计算」  大模型厂商都在探索慢思考、思维链技术 政企、创业者必读 DeepSeek出现之前的十大预判 之三 模型越做越专  除了少数科技巨头，大多数公司都专注于做专业大模型 很多公司参与开源，帮助改进产品，众人拾柴火焰高， 反哺开源产品，形成正循环 政企、创业者必读 DeepSeek出现之前的十大预判 之十 中美差距快速缩小  美国预训练堆算力的路线不可持续，有待发现新范式“换道超车”  软件和算法差距并不大，主要差距在工程、硬件等方面 23 政企、创业者必读 DeepSeek的出现验证了我们的预判 而DeepSeek的创新更具颠覆性 24 政企、创业者必读 子 25 颠覆式创新的四种方式 政企、创业者必读 DeepSeek-R1突破了大模型Scaling Law瓶颈 导致大模型悲观论 认为大模型的能力无法进一步得到质的提升 开辟强化学习新范式 从预训练Scaling Law转变为强化学习Scaling Law 大数据+大参数+大算力的 预训练Scaling Law的边际效应递减 • 人类构造的训练数据已达上限 • 万亿参数规模之后，继续增大参数规

4 | 2025 爱分析·流程智能化应用实践报告 目录 1. 报告综述! " 2. 落地实践! # 案例: 蓝凌助力中集集团，以智能 BPM 平台重塑流程管理新范式! $$ 3. 结语! $# 关于爱分析! %& 产品服务! %$ 法律声明! %% 5 | 2025 爱分析·流程智能化应用实践报告 8 落地实践 | 2025 爱分析 · 流程智能化实践报告 9 2. 落地实践 流程智能化实践本质上是企业运营范式的结构性变革。其实践落地过程中遵循场景锚定、技术整合 的方法论。其成功要素取决于高层战略支持与深入的流程梳理。本章将阐述实践落地方法论与关键 成功要素。 实践方法论 1，需求诊断与场景锚定 。 以下，我们以中集集团的流程智能化项目介绍具体实践案例。 | 2025 爱分析 · 流程智能化实践报告 11 案例: 蓝凌助力中集集团，以智能 BPM 平台重塑流程管理新范式 在供应链地缘重构与中国制造业升级的双重背景下，世界领先的物流装备和能源装备供 应商 —— 中国国际海运集装箱（集团）股份有限公司（简称：中集集团），正面临着 流程管理体系的深度变革需求。作为业务覆盖

我们刚刚进入二进制大爆炸时代。 技术构建块的转变。长期以来，软件一直是企业创造 新能力和成果的工具，而人工智能将成倍增加产出， 推动谁可以开发它以及如何使用它的界限。这就是我 们称之为二进制大爆炸的原因。一个新的技术范式正 在兴起——由丰富性、抽象性和自主性定义——并且 它即将推动企业数字足迹的巨大扩张。 企业将很快在一个技术景观中运营，其中新的数字概念 几个小时就能变为现实，而不是几周。它们可以结束一 劳永逸的 验和创新不仅将成为可能，而且将成为业务增长策略的 关键特征。 这是我们在人工智能突破语言障碍的那一刻开始迈向的 未来，但我们尚未到达那里。首先，存在着一个过渡期 ，领导者需要利用这个时期来为明天的范式和接下来的 十年数字化转型做好准备。这就是我们今天所处的地方 。这也是为什么像Salesforce这样定义了SaaS并引入了 软件标准化理念的公司正在采取这样重大的举措。通过A gentforce，他们正在投身于未来，让每家公司都能创建 如何增强软件，而不关注它们如何挑战软件的本质，他 们将错过关键的机会和颠覆性变革，这些变革定义了这 个转型期。 当然，认识到我们今天所拥有的机遇只是第一步。目 前还没有定义的最终状态或明天新技术范式已被证实 的最佳实践。虽然代理是目前最好的新架构，但我们 预计未来还将出现更多的新架构。但我们所知道的是 ，三种力量——丰富性、抽象性和自主性——正在成 为明天技术的支柱。 经历。并且其他精明的企业也开始认识到，他们也需

Chatgpt, C 端破 圈 1950s 2024 2022 2012 2017 4 • 1987-2020 年之前的主导是“⼤数据、⼩算⼒、专⽤决策范式”。 • 2020 年后， GPT-3 代表技术路线“⼤数据、⼤算⼒、通⽤范式”，验证⼤语⾔模型的可⾏性。 • GPT3/4 在深度推理和问题解决⽅⾯有所⽋缺， OpenAI-o1 通过思维链（ Chain of Thought ）增强推理能⼒，将复杂问题 效果体验惊艳，成本极致压缩 8 成本优势 技术震撼 开源引爆 垂直适配 • 550 万美元预训练成 本达到 GPT-4 级别性 能， 打破“算⼒军备 竞赛”魔咒 • 算法、 训练范式、推理、 算⼒利⽤全⽅⾯创新 • DeepSeek V3 通过快速 迭代新技术， ⼤幅降低 • 开源的论⽂和库， 以及提供 简易的蒸馏⽅式，

$“Aha”时刻 2024 数据来源：1.(甲⼦光年智库梳理，2023年； DeepSeek-R1 • 1987-2020年之前的主导是“⼤数据、⼩算⼒、专⽤决策范式”。 • 2020年后，GPT-3代表技术路线“⼤数据、⼤算⼒、通⽤范式”，验证⼤语⾔模型的可⾏性。 • GPT3/4在深度推理和问题解决⽅⾯有所⽋缺，OpenAI-o1通过思维链（ChainvofvThought）增强推理能⼒，将复杂问题分 为什么⼈⼈都爱DeepSeek? 成本优势 • 550万美元预训练成 本达到GPT-4级别性 能，打破“算⼒军备 竞赛”魔咒 • 技术成本的下降，为 ⾏业上下游带来更多 创新的可能 技术震撼 • 算法、训练范式、推理、 算⼒利⽤全⽅⾯创新 • DeepSeek&V3&通过快速 迭代新技术，⼤幅降低 了训练和推理的成本。 ⽽且它是个拥有推理能 ⼒的模型，全球可⽤ 开源引爆 • 开源的论⽂和库，以及提供

Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 3. 生成式AI驱动的变革 核心点： 范式革新 ｜ 生成式AI推动高性能算力需求，加速云-边-端覆盖与多元异构算力协同。 产业升级 ｜ 技术突破催生新玩家（如大模型服务商），降低应用门槛并催生微调服务模式。 服务格局 ｜ 传统算力机制无 reproduce or distribute. 总结 1. 核心驱动力 < 智算产业：作为数字经济的核心驱动力，智算产业正迎来前所未有的发展机遇。 < 生成式AI：进一步推动了智算产业的变革，从计算范式到产业动量再到算力服务格局，都发生了深刻的变化。 2. 技术创新与行业变革 < DeepSeek等AI技术：通过算法创新，提升了算法效率，降低了AI模型的训练成本，提高了模型性能，推动了AI技术的广泛应用。

来源：艾瑞咨询研究院自主研究及绘制。 DeepSeek开源策略与关键创新 模型权重 DeepSeek开源内容 技术论文和 训练细节 部分工程代码 DeepSeek V3：工程优化 DeepSeek R1：范式创新 DeepSeek主导模型开发 开源社区参与 推理、再训练和微调 开放生态 吸引开发者贡献代码，利 用社区反馈改进模型性能， 形成技术反哺 DeepSeek V3 Base 第一阶段：训练DeepSeek www.iresearch.com.cn 物理AI的演进 作为融合数字智能与物理世界的桥梁，物理AI正成为下一代AI竞争高地 物理AI作为融合数字智能与物理世界的创新范式，除硬件设备和软件系统的发展外，其AI发展核心在于构建具备多模态感知与具身 行动能力的智能系统，以保障物理实体行为的反应速度、操作精度、决策智能度等。这一领域发展需解决传统AI在具身交互中的瓶 颈— 响不仅在于工程、算法层面的突破，更重要的是重构了技术扩散 的路径，促进人工智能在应用层面的落地。在技术路径方面，DeepSeek进一步推动了对于AGI的探索，有可能带来AI技术范式从监 督微调向自我推理的演进，以及竞争范式向“以效率换规模、以创新换算力”的转变。DeepSeek不仅通过开源的方式加速了技术迭 代，其高效的技术架构还显著降低了大模型的训练和推理成本，使得中小企业和个人开发者能够更容易地应用大模型技术。技术侧

来源：艾瑞咨询研究院自主研究及绘制。 DeepSeek开源策略与关键创新 模型权重 DeepSeek开源内容 技术论文和 训练细节 部分工程代码 DeepSeek V3：工程优化 DeepSeek R1：范式创新 DeepSeek主导模型开发 开源社区参与 推理、再训练和微调 开放生态 吸引开发者贡献代码，利 用社区反馈改进模型性能， 形成技术反哺 DeepSeek V3 Base 第一阶段：训练DeepSeek www.iresearch.com.cn 物理AI的演进 作为融合数字智能与物理世界的桥梁，物理AI正成为下一代AI竞争高地 物理AI作为融合数字智能与物理世界的创新范式，除硬件设备和软件系统的发展外，其AI发展核心在于构建具备多模态感知与具身 行动能力的智能系统，以保障物理实体行为的反应速度、操作精度、决策智能度等。这一领域发展需解决传统AI在具身交互中的瓶 颈— 响不仅在于工程、算法层面的突破，更重要的是重构了技术扩散 的路径，促进人工智能在应用层面的落地。在技术路径方面，DeepSeek进一步推动了对于AGI的探索，有可能带来AI技术范式从监 督微调向自我推理的演进，以及竞争范式向“以效率换规模、以创新换算力”的转变。DeepSeek不仅通过开源的方式加速了技术迭 代，其高效的技术架构还显著降低了大模型的训练和推理成本，使得中小企业和个人开发者能够更容易地应用大模型技术。技术侧

链等算法创新在后训练和推理阶段更多的算力投入，进一步大幅提升大模型的深度思考能力。同时，杰文斯悖论的现象表明，DeepSeek带来算法效率的提升并未抑 制算力需求，反而因更多的用户和场景的加入，推动大模型普及与应用落地，重构产业创新范式，带动数据中心、边缘及端侧算力建设。 ➢ 大模型参数规模呈现两极分化趋势，主要表现为“超大参数模型”与“轻量化模型”的并行发展。超大参数模型（如千亿级以上）在复杂任务处理中展现出显著优势。 通过海 下游需求持续增长。 智能客服 ✓ 头部流量应用接入DeepSeek， 显著推动了AI大模型技术向日 常化普及 ✓ 云厂商以API或私有化部署形式 将DeepSeek模型接入云平台， 推动AI应用开发范式向云端 MaaS（模型即服务）模式演进 推理需求由城市型算力中心承接，原零售型中心升级后或迎需求高峰；训练需求仍集中在环一线及新能源富集地 区，由定制批发型中心承接。未来五年，第三方算力中心定制批