大规模预训练； 代表算法： DeepSeek 系列 Qwen 系列 GPT 系列 通过模型组合提升 预测精度； 代表算法： 随机森林 梯度提升决策树 神经网络 ) 深度学习机器学习人工智 能 4/37 在人工智能领域，数据、算力与算法构成发展基石——数据驱动模型训练，算力支撑复杂计算，算法优化 技术路径，三者协同推动人工智能向更高阶形态演进。 有监督数据 人工搜集、标注 成本高昂、扩展性差 英伟达仍然是最主流的算力平台； 国产算力平台快速崛起，生态逐渐成熟。 通用模型是当下研究热点与未来趋势； 研究高效训练算法具有重要创新意义。 如何提高数据的规模与质量 是当前人工智能领域的关键问题。 5/37 早期的深度学习受限于计算能力和数据规模，难以发挥优势。随后多层感知机与卷积神经网络结合反向传 播算法，显著提升了模型的学习能力。随后，基于注意力机制的 Transformer 架构改变了自然语言处理 背景 1—— 人工智能的概念及发 展 多 层 感 知 机 卷 积 神 经 网 络 经典神经网络 能力扩展 Alagenti 金融大模型 行 业 应 用 工具学习 6/37 大模型井喷式发展 自 从 ChatGPT 在 2022 年问世以来 ，全球大模型发展迅速，百种大模型竞相发布，推动性能、规模和应 用 的全面突破，成为科技进步的重要动力源。 Al 主播小雨 HTV

�������� ������������������������������� ������������������������������� ����������������������[37]� �1�������������IDS/IPS� �� IDS/IPS ����������������������� ��������������������������� �� ������� ���� �� ���������������������������� ���������� �� ���������������������������� -37- � ������������ ����������������������� OTA ���� ��������������������������� �3��� OTA�Over-the-Air��� Recommended Practice for Evalu- ation of Safety-Critical Automotive Systems�[S]. SAE International, 2022. [37]�Karopoulos G, Kambourakis G, Chatzoglou E, et al. Demystifying in-vehicle intrusion detec- tion systems:

CPG（食品和饮料、 家居以及个人护理） 9% 能源转型、可再 生能源 查看所有调查人口统计资料 引言 在决策过程中提供意见 受访者角色 主要决策者 分担决策责任 14% 49% 37% 第 10 版年度智能制造现状报告 8 业务增长仍然 是一项挑战。 了解原因。 尽管成本优化使能源问题不再成为首要关切问题，但网 络安全风险、市场竞争及人员挑战已与通胀压力、经济增 速乏力共同构成未来 商越来越注重降低风险。制造商需要能够结合自动化、人工智能以及 人工智能在智能制造中的作用不断演变 智能制造的现状 未来 12 个月内人工智能/机器学习技术的主要用途 质量控制 过程优化 机器人 物流 网络安全 36% 42% 37% 49% 50% 第 10 版年度智能制造现状报告 11 28% 的企业正在积极评估关键供应商，以应对外部风险，迫使企业重 新评估采购、定价和总体成本。 绝大多数制造商 (81%) 表示，他们在企业内外面临的障碍正在加速 往任何时候都多，但收集的 数据中只有不到一半 (44%) 得到有效利用。这表明数据采集能力与利用这些数据进行决策和运 营改进的能力之间存在差距。 企业还使用收集的数据来增强安全性和运营风险管控；37% 的企业 正在使用来自技术、流程和设备的数据进行网络安全保护，29% 的 企业正在使用这些分析来监控供应链风险。 面临转型压力的行业转向智能技术 智能制造的现状 云/SaaS 人工智能

2 12 22 32 42 4 14 24 34 44 6 16 26 36 8 18 28 38 10 20 30 40 7 3 9 19 29 39 46 5 11 21 31 41 17 27 37 15 25 35 45 13 23 33 43 被引频次 核心论文序号 450 400 350 300 250 200 150 100 50 0 016 农业科学、植物学和动物学 2% 6 伊朗 74 3.7% 6 中国科学技术大学 中国 42 2.1% 7 澳大利亚 71 3.6% 7 浙江师范大学 中国 39 2.0% 8 英国 62 3.1% 8 太原理工大学 中国 37 1.9% 9 西班牙 61 3.1% 9 华中科技大学 中国 32 1.6% 10 波兰 58 2.9% 9 南京林业大学 中国 32 1.6% 从施引论文产出的国家和机构来看（表 11），中 揭示其成矿相依赖性。 图 8“中国陆相页岩油类型与重点地区资源潜力研究”研究前沿中核心论文的被引频次分布曲线 1 7 3 9 19 29 39 5 11 23 33 43 45 21 31 41 17 27 37 15 25 35 13 被引频次 核心论文序号 400 350 300 250 200 150 100 50 0 033 2025研究前沿 地球科学 表 14 “中国陆

[35] 两大技术路线构建基于大语言模型的工业大模型具备了较高的可行性. 开发基于大语言模型的工业大模型, 分为以下 3 个层次, 首先是模型底座层, 其次是公共能力层, 最后是业务应用层 [31,36,37], 整体架构如图 3 所示. 模型底座层采用 DeepSeek R1, DeepSeek V3, Qwen 等大语言模型, 公共能力层提供了处理工业业务所需要具备的多模态能力, 包括时序数据能力、图像 本生成与企业智能应用. DeepSeek-R1 (深度求索) [43]: DeepSeek-R1 是深度求索于 2025 年 1 月发布的旗舰级大语言模型, 总参数达 671B, 其中活跃参数为 37B. 该模型特别强化了编码与数学推理能力, 适合应用于科研、教 育与高精度逻辑任务中. Janus-Pro-7B (深度求索) [44]: Janus-Pro-7B 是深度求索于 2025 年推出的多模态大语言模型 nce/apc-advanced-process-control 25 SUPCON. InPlant-APC. 2025. https://www.supcon.com/product/APC/37.htm 26 HollySys. HiaAPC. 2025. https://www.hollysys.com.cn/product/industrial/software/intelligent-control/hiaapc/

............................................ 37 5.1 服务组织机构............................................................................................ 37 5.2 服务期和相应时间................................ .................................................37 5.3 技术支持及运维服务................................................................................. 37 5.4 产品升级服务...................................... 34 电力电缆 WDZB-YJY4*70+1*35 35 电力电缆 WDZB-YJY4*50+1*25 36 电缆桥架 尺寸：200mm*100mm 36 电缆桥架安装 场地电缆桥架安装费用 37 沙盘 4.56 米*1.6 米梯形沙盘，包括重点水系水面，水库，城市道路,山体 公园,高速路等景观模型及 LED 灯带 38 沙盘展示桌 1、尺寸：3300mm*2450mm*6468mm