系列专题线上公开课（第二季） 从大模型、智能体到复杂 AI 应用系统的构 建 —— 以产业大脑为例 肖俊 浙江大学计算机学科与技术学院人工智能研究所 2025 03 杭州 • 大模型推理能力快速提 升 • 推理模型和思维链 (CoT) • 智能体是什么？ • 四链融合产业大脑案例 提纲 大模型推理能力快速提升 开始模仿人 脑进行大量 数据的标记 和训练 神经网络 CNN RNN GAN OpenAI o1/o3 、 DeepSeek- R1 等 1. 早期的大模型推理能力不足 2. OpenAI-o 系列模型和 DeepSeek-R1 等胜在推理能力较 强 小结一： 推理模型和思维链 (Chain of Thought, CoT) QwQ 由通义千问 开发， QwQ 能通 过思考与疑问解 决 一些复杂的问 题。 HIMl DeepSeek-R1 DeepSeek-R1 的推理过 程 s1 通过在一个精心构建的小规模数据集上（ 1000 条数据） 进行微调， 并结合预算强制技术，实现了强大的推理能力和测试时计算扩展性 如何低成本实现推理模型？ Less Is More for Reasoning LIMO 假说： 在预训练阶段已经充 分 编码领域知识的基础模型中， 复 杂 的推理能力可以通过最少但精 确编 排的认知过程演示来涌现：

2、智算需求持续高涨，核心驱动力由“训练”转向“推理” 推理模型快速普及并从纯文本走向多模态。OpenAI 于 2024 年 9 月发布的 o1-preview 模型拉开推理模型帷幕。推理模型基于 基础模型开发，其通过在推理过程中引入长思维链，实现了与普 通模型截然不同的问题解决方法，即在输出答案前先进行“思考”， 因此更为擅长处理谜题、高级数学和高难度编程等需要多步骤逻 辑推导的任务。推理模型的“思考过程”可以向用户展示，如 年以来，全球科技企业 陆续推出推理模型，如深度求索的 DeepSeek-R1、xAI 的 Grok-3 （ Think 模 式 /Big Brain 模 式 ） 和 Grok-3 mini Reasoning、 Anthropic 的 Claude 3.7 Sonnet，阿里云通义团队的 QwQ-32B、 字节跳动豆包团队的 Seed-Thinking-v1.5 等。同时，推理模型正 在从 LLM 走向多模态，如 走向多模态，如 OpenAI 的 o3 和 o4-mini、阿里云通义 团队的 QVQ-Max 等均是视觉推理模型。OpenAI o3 和 o4-mini 可 以使用图像进行思维链推理，如解读白板照片、教科书图表或手 绘草图等，并可借助工具对图像进行旋转、缩放或变换等操作， 智算产业发展研究报告（2025） 9 以及与 Python 数据分析、网络搜索、图像生成等工具协同工作。 后训

关 键信息， 高效完成合同质检、条款比对等工作，大 幅 提升工作效率与准确性。 n 江苏银行已成功本地化部署微调 DeepSeek-VL2 多模态 模型、轻量 DeepSeek-R1 推理模型， 分别运用于智能 合同质检和自动化估值对账场景中。 资料来源：上海证券报，搜狐，中泰证券研究所 16 降本增效场景之三：智能合同质检 图表：江苏银行 AI 布 局 n AI Coding “抵押率”“偿债覆盖率”等术语转化为业务逻辑，应用于 合同 解析与风险建模 邮储银行 技术落地：依托自有大模型“邮智”，本地部署并集成 DeepSeek-V3 模型和 DeepSeek-R1 推理模型 应用场景：应用于智能客服“小邮助手”后，新增逻辑推理功能，可精准识别用户需求，提供个性化和场景化的服务方案，加快响应速度和任务处理效率 技术落地：“ AI 理财顾问”引入 DeepSeek 浦发银行 应用场景：融合“五横六纵”企业级知识库，嵌入数字员工助手应用，赋能智能问答、指标问答、财务分析、报告写作等多个应用场景 江苏银行 技术落地：部署 DeepSeek-VL2 多模态模型和 R1 推理模型 成效展示：合同质检准确率达 96% ，自动化估值对账场景日均节省 9.68 小时人工工作量，风险预警响应速度提升 20% DeepSeek 应用进展 数据来源：中电金信研究院公众号，中泰证券研究所

的开源特性是其一大亮点。用户可自行下载和部署 ，广大开发者共同优化。 4. 免费使用 DeepSeek 提供的服务是完全免费的 ，用户可以随时随地使用。 5. 支持联网搜索 DeepSeek 是首个支持联网搜索的推理模型 ，这使得它在信息获取方面独具优势。 6. 教育与培训资源丰富 开源模型为教育和培训提供了丰富的资源 ，有助于推动 AI 技术的普及和人才培养。 看看 deepseek 的方 位 DeepSeek DeepSeek 的 4 种方法 ① 通过青岛教育 e 平台 APP 访问： https://www.pgyer.com/cZfT 二、 APP 端使用 DeepSeek 的 2 种模型 推理模型（ R1 ） 联网搜索模式（ REG ） 通用模型 （ V3 ） 在传统的大语言模型基础 上 ， 强化推理 、 逻辑分析 。 输出格式 为 Markdown 分部分 ，每部分不超过 300 字。 DeepSeek 高效 巧 推理模型 提示语只需明确 和需求 ，无需逐步指 导 DeepSeek R1 （推理 提示语过于详细，反倒限制其发挥

气厂 边缘应用 推理模型 通用算力 + 推理算力 近端推理 作业区 推理模型 推理算力 管理 中心 近端推理 昆仑 CV 大模型 动火作业 | 吊装作业 | 高处作业 | 进入受限空间作业 | 通用违章 | … 大模型 AI 中台 业务应用 区域数据治理 API 服务网关 推理管理平台 区域推理模型库（大模型 + 自建小模型） 推理模型 通算算力 推理算力

DualPipe 并行训练框架 HAI 强化学习 GRPO 直接硬件编程 PTX 测试时计算 TTC 能力突破 开源、低成本、国产自主 n 基础能力：进入推理模型阶段，并跻身全球第一梯队 1. 推理能力跃升： DeepSeek大模型核心技术突破，实现复杂推理任务的精准处 理与高效执行，覆盖多模态场景应用。 2. 国际竞争力对标：模型综合性能跃居全球第一梯队，技术指标与国际顶尖水平 2024.06 2025.03 生成模型 推理模型 ref: SuperCLUE团队 中文大模型基准测评2025年3月报告 5，前者推 动成本效益推理，后者展现出较高的情 感智能。 • Gemini 2.0 Flash Thinking、Claude- 3.7-Sonnet、Grok3发布，海外推理模型 引发热潮，推理性能大幅度提升。 • 国内推理模型持续跟进。DeepSeek-R1、 QwQ-32B、Kimi1.5、GLM-Zero、 Skywork o1、讯飞星火X1等推理 模型陆 续发布，继续突破推理能力的上限。

（准确率奖励 + 可读性奖励） 第二阶段训练：增强通用能力，避免灾难性遗忘 推理导向强化学习 （准确率奖励 + 格式奖励） DeepSeek-R1 （强推理模型） 671B DeepSeek-R1-Zero （强推理模型） DeepSeek-V3 （基础模型） 面向全场景的强化学习 （规则奖励 + 奖励模型） 纯强化学习训练 多阶段增强训练 R1-Zero 生成的

步采样的计算逻辑，倾向于 在每一步选择具有较大后验概率的词语。但是，每一步的局部最优并不一定是全局最优。因此，基于最大概率 的下一词元预测并不能得到具有逻辑思维能力的模型。 这种局限性推动了推理模型（Reasoning Model）的产生。要让 AI 胜任复杂任务，仅仅依赖语言预测是 不够的。我们需要一种方法，让 AI 能够像人类一样，逐步推导、反复验证，最终找到正确的答案。早期的研 究 分布，输出较长的“思维链”（Chain-of-thought）并最终得到较为准确的回答 (Wei et al., 2022)。但是，这种 提示的结果缺乏稳定性。我们需要保证模型在不同的任务中，都能够遵循正确的思维方式。 推理模型通过引入强化学习这一训练方式来提高准确性。通俗来说，强化学习就是让模型在“试错”中学 习：生成多种可能的推理路径，然后根据结果的正确性给予奖励，最终优化出最优策略。这种方法类似于人类 在学习新 (2024). 3 祛魅 AI：大模型的基本原理 23 由于可能的路径随着推理步骤的增加而指数级上升，推理模型在搜索多个思维链时普遍需要耗费较长的 时间。因此，模型开发商通常会利用包含了正确思维步骤的思维链，再次用来微调大语言模型。最终应用时， 大模型通常只生成单一的思维链。 推理模型的训练过程可以用经济学理论进行类比。行为经济学将人的决策过程分为两类：基于计算和逻 辑演绎的“慢思考”（Slow

和 络 能 量 对 宇 由 字 理 论 的 摘 战 小 * SU7 四、国内外主要的大模型 4.2 国内的大模型产品 DeepSeek-R1 ( 深度求索 ) · 优点：开源推理模型，性能媲美顶级模型但成本仅为三十分之一，支持高效 分布式计算。 · 擅长内容：低成本推理、学术研究、中小企业应用。 · 缺点：需进一步优化以覆盖更复杂任务，生态建设尚在初期 豆包 ( 字节跳动 的 " 四大 天王 ", 管理资金规模均超过 600 亿元。这为 DeepSeek 提供了清晰的市场定位和投资 者背景 里程碑 2025 年 1 月 20 日推出 DeepSeek-R 1 推理模型 六、 DeepSeek 简介 6.4 DeepSeek 公司 CDC 疾控 人 概贵操队 牙 恒 桑 垃 $ v 3 % 拽 熄 桑 垃 $ R 1 % 设计初衷 想要在各种自然语言处理的任务中都 案， 满足好多领域的需求 适合学术研究、解决问题的应用和决策 支持系统等需要深度推理的任务，也能 拿来当教育工具，帮学生锻炼逻辑思维 六、 DeepSeek 简 介 6.5 生成模型与推理模型 CDC 疾控 人 桑垃同着 DeepSeek-R1-671B 满血版，能力最强 DeepSeek-R1-Distill-Qwen-7B 蒸馏版，能力稍弱 -- 实际上是增加了推理能力的

型自研的RAG引擎“QAnything”、AI开放平台有道智云也全面接入DeepSeek的 推理能力进行升级。 3、AI教育硬件创新：推出AI原生学习硬件“SpaceOne”，作为全面屏答疑词典笔 具备DeepSeek-R1推理模型能力，且内置网易有道AI家教软件及教育资源、知识 库，创新学科难题深度讲解方式。 网易有道围绕DeekSeek的AI教育布局情况 网易有道对DeepSeek的抢滩布局快速且全面，覆盖软件（翻译、口语、伴学