浙江大学 DeepSeek 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 编程等能力上达到新的高度， 多种任务上 的表现超过人类水平。 大模型能力不断增长 Source: https://lifearchitect.ai/timeline/ 大模型发展迅速，参数量从百亿到万亿规模 大模型能力涌现，多个任务上性能超越人类水平 1000 Billion 身内部的思考过程，从而在回答问题前进 行更深入的推理，类似于人类的思考方式。 推理大模型的发展 Claude3.7 是 首 个混合推理 模 型，集普 通语 言模型 和推理 模型 于一体的 混 合模型。 OpenAI o1 是专注于复杂推理任务， 通过深度思考和策略优化来解决问题。 2024.09 2024.11 2025.1 2025.2 2025.2 o1/o3 在回答问题之前先

从智能营销到智能制造 邴金友 2025.03.19 营销 (CRM) 等业务系统在系统功能之外还存在很多的挑 战 自动化 开放性 高可用 易操作 云原生 智能化 高可靠 高扩展 高性能 以销售易为例，腾讯云坚实稳固的技术底座是这些挑战的解决方案 云原生计算 云原生存储 块存储 CBS 虚拟机 CVM 容器平台 TCS 零售户感受到有规则，有公平，有信心 在售前 / 售后服务领域：腾讯乐享帮助打造一站式智慧售前 / 服务社 区 Deepseek 大模型引擎 结合物联网和人 工 智能 打造的勘探 / 安装 / 巡检一体化平台， 节约人力成本，降低安全风险，提高工作效率 针对分布式光伏的现场勘查、安装、巡检，如何利用数字化手段，解决控制人力成本与确保安装质量之间 的 矛盾？ 场景、节点 当前方案 未来改善 施工警示牌、安全防护，组件 边缘 云 9 音视频平台 6 智能 人 工 智能平台 智慧服务 ( 服） 数 据 先进 制造 + 4 技 术 业 务 精益化 数字化 数字研发 ( 研） 1 端到端价值链 材料仿真 ( 料） 工艺优化 ( 法） 组织协同平台 数 据 治理平台 创新 科技 3 3 1 7 8 智能化 自动化 组 织 战 略 20+ AI 质检项目 边缘设备管理、数

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型+医疗:从问诊到新药开发 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看 到 AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时 问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一 方面，目前尚未看到面向医疗影像的新 AI 大模型服务，大模型在医疗影像 领域主要作用是降本。国内关注讯飞医疗、云知声、晶泰、数坤等企业发展。 AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率 病例的录入是 大模型或主要在效率方面赋能医疗影像领域，通过提升自动化标注、自动 化模型筛选、参数调优、处理非结构化数据等能力，为行业带来缩短数据标 注和分析时间、提升影像精细程度等变化。 风险提示：AI 及技术落地不及预期；本研报中涉及到未上市公司或未覆盖个 股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该 股票的推荐或覆盖。 (21) (14) (6) 2 9 Apr-22 Aug-22 Dec-22

大模型技术在医疗领域的应用 （一）医疗大模型的逻辑框架 医疗大模型一般指在医疗健康领域应用的大规模预训练语言模型（LLM），其训练数 据集包含大规模的医疗科研文献、电子病历、医学图像等，参数量通常在百万级到亿 级，远超过普通深度学习模型，因而能够获取更强的特征提取和学习能力等。 医疗大模型的典型运作逻辑主要包含三个层面： 从数据层看，大模型可构建医疗数据集，收集包括电子病历、文献报告、医学知识图 谱 Prediction等方式进行无监督预训练。 从应用层看，预训练模型微调，结合医学知识图谱、规则库等知识源增强医学专业 性，使用知识蒸馏、参数剪枝等技术压缩模型并在真实临床环境中评估、调优。经验 证的模型可部署到医疗信息系统、移动设备等，提供智能服务。 （二）医疗大模型的主要应用场景和适用范围 医疗大模型在医疗领域的应用广泛，涵盖疾病预测、辅助诊断、个性化治疗、药物发 现等各个方面，同时还可用于医疗咨询和患者教育，提供相关信息和建议。 治疗方案。同时，大模型还能学习最新的医学知识，为医生提供治疗建议和决策支 持。例如，腾讯健康发布的混元通用大模型针对医疗领域升级了多个AI产品，包括智 能对话、病例结构化与检索、影像报告和辅助诊断等。这些医疗大模型产品已被整合 到患者就诊全流程中，从而提高了医疗服务的效率和质量。 在患者护理和保健过程中，医疗大模型可助力实现以下几方面工作：一是远程监测患 者健康，特别是慢性病患者，分析生理参数、设备数据和健康记录，帮助医生管理疾

从制造到智造 — 瞻博网络 AI 驱动智造园区方案 © 2024 Juniper Networks 新技术部署难，出问题溯源难，终端多运维难 业务连续性 业务生产 7X24 业务中断会造成严重损失 数字化落地 - 并不容 易 © 2022 Juniper Networks Juniper Public Junipe: N ET WO R K 11 从端到云的保障 • 应用程序、用户、设备和会话的可见 性 • 实时客户端数据、主动射频调整 • 集成 Wi-Fi 、 vBLE 和物联网 90% AIOps 领导者 • 实时 SLE 全栈 优化措施促使网络服务支持 工 时降低 20%.” ● “ 使用 Juniper (SD-WAN) 帮 助我们 在三个星期内完成 MPLS 网络无法实现的能 力 AI 驱动的 SD- 体 W 验 A 保 N 证 客户体验带来成功 18 /20“ 全球最大银行 仰仗可靠无线 带来效益提升 订单处理增加 300%.” © 2022 Juniper Networks

Report 洞见 | 趋势 | 预测 从过剩到平衡 电子元件供应链的未来之路 目录 概要 1 目录 01 02 2024：过剩状态与库存挑战之年 2 03 2025：变局中的审慎乐观 3 05 行业展望 4 07 全新贸易格局：地缘紧张局势与关税政策博弈 5 11 2025制胜战略框架 6 14 概要 02 从过剩到平衡 电子元件供应链的 未来之路 2025年或将成为电子元件供应链走出长期过 采购布局与战略合作也将成为构建供应链韧性 的同等要务。依托可靠市场情报的灵活采购 个行业同样信心满满。然而，AI（人工智能） 虽然确实为市场注入了复苏动力，但仍不足 以抵销全面复苏所面临的重重阻力。随着整 体需求愈发疲软，库存过剩的问题也普遍 蔓延。制造商试图向高利润产品转移，但持 续的供需失衡仍使其盈利修复过程面临不小 的压力。 策略，将成为平衡2024年遗留难题与2025年 新兴机遇的关键所在。 动态及地缘政治变量的影响无疑将成为重塑 行业前景的关键力量。 2025：变局中的审慎乐观 05 2025：变局中的 审慎乐观 市场正从过度修正状态逐步回归常态需求水平，这一进程虽然缓慢却仍然释放出积极的 信号。制造商注意到，2024年末订单量回升，表明客户在通过促销或生产消耗逐步出 清2024年度的过剩库存后，正以审慎态度启动2025年采购计划。 成本管控与技术创新的平衡 制造商持续优化供应链以提升其盈利能力，

智能体应用现状挑战及建议 中国电子信息产业发展研究院 无线电管理研究所（未来产业研究中心） 二 O 二五年四月 ID CCID CCID CC ID CCID CCID CC CCID CCID CCID CCID CC ID CCID CCID CCID CCID 1 一、智能体概述 二、智能体发展现状 三、智能体发展动向与挑战 四、推动智能体发展的路径 智能体能够通过自然语言处理等技术理解来自人类或其他智能体的指令并生成回应 情景感知和应变 智能体能够感知情境变化 ，灵活调整决策和行动策略以适应不同需求。 知识表示和储存 智能体能够组织和存储知识 ，通过不同方式表示并利用这些知识支持决策和行动 • 智能体的发展对于深化人工智能研究、实现通用人工智能具有重要意义。 它为复杂任务提供了任务驱动的实验平台， 助力通用人工智能研究。 • 智能体技术不仅推动了其广泛应用， 帮助其实现产业落地。 • 智能体是产业升级的“催化剂”， 推动人工智能赋能新型工业化， 培育新模式新业态。 它催生了新型产业模式，打造了新的经济增长点。 决策和规划 智能体能够结合输入的信息和自身存储的知识使用逻辑推理等方法制定决策 感知和理解 智能体能够通过传感器、计算机视觉和自然语言处理等技术感知并理解图像、声音和文本等外部 信息 • 定义：智能体（ AI Agent ）

Agent智能体产业图谱（1.0） Data Intelligence Conference 2025 DATA AI，数据燃动智能 金融行业智能体 水利行业智能体 能源行业智能体 政务行业智能体 通信行业智能体 行业智能体 医疗行业智能体 数据分析智能体 运维智能体 智慧办公智能体 场景智能体 客服智能体 营销智能体 具身智能体 财务审计智能体 时空智能体 基座大模型 基座大模型 知识增强与记忆 基础底座 智能体开发框架 MCP服务 智能体平台 智能体平台 联系人：韩晓璐 电 话：18627873252（微信同号）

AI 智能体行业案例 （待更新） 1 概述 2 法律行业案例 3 金融行业案例 4 教育行业案例 5 医疗行业案例 目录 10.1 概述 随着大模型技术的发展，如何利用 AI 智能体更好地赋能垂直行业是工 业界和学术界共同关注的问题，我们结合法律、金融和教育等行业背 景，搭建多种形式的智能体，并重点讨论在不同业务需求下的智能体 设计决策。 1 概述 2 法律行业案例 3 金融行业案例 和最高人民法院的法信法律基座大模型等。这些 法律大模型涵盖了法律咨询、文书生成、法律检索和合同审查等丰富的功能 解决了传统法律工作中存在的效率低下和信息分析不足的问题。 10.2.1 法律咨询智能体 在法律相关功能中，法律咨询尤为重要，其核实价值主要体现在以下几个方面。首先，许多人对法律知 识的了解相对有限，而律师咨询助手能够有效解答常见法律问题，帮助公众提升法律意识。其次，在线 咨询的便捷性 在线咨询提供了更高的隐私保障。本节将围 绕法律咨询展开探讨，通过搭建单智能体并配置知识库，实现对特定法律问题的理解、法律条文的解释、 解决方案的提供以及行动建议等功能，其最终效果如下图 10.2.2 关键设计 尽管直接采用专用的法律行业大模型通常能够实现更高的性能和更精确的回答，但其成本远高于基于通用模型构建的智 能体方案。以通义法睿为例，其法律咨询功能的 API 调用费用为每次 0.7 元，而类似