DeepSeek 模型优势：算力、成本角度 解读 2025 年 2 月 ■ 什么算力 ?“ 对信息数据进行计算，实现目标结果的能力” ■ 传统算力：信息计算力 ■ 现代算力：信息计算力、数据存储力、网络运载力 算力的基本概念 大脑 草绳、石子 算盘、算筹 ▶ 计算器、计算机 ■ 原生算力：大脑 ( 可处理复杂逻辑，但不能高速处理简单运算 可处理复杂逻辑，但不能高速处理简单运算 ) ■ 外部算力工具： ■ 草绳、石子 ■ 算盘 ■ 计算机：算力提供者 ( 可高速简单运算，不能处理复杂逻 辑 ) 算力的发展 “I think there is a world market for maybe five computers." ( 我想全世界只需要五台电脑 ) --Thomas --Thomas Watson,IBM 创始人， 1943 ■ 大型机时代：数字化未开始，算力需求潜力未发掘 大型机时代 1940- 1980 计算机算力的发展 大型机时代 PC 时 代 云计算时代 人工智能时代 1940- 1980-

电子 AI+ 系列专题报告 Deep Seek 重 塑 开 源 大 模 型 生 态 ， A I 应 用 爆 发 持 续 推 升 算 力 需 求 证券分析师：胡剑 证券分析师：胡慧 证券分析师：叶子 证券分析师：张大为 证券分析师：詹浏洋 021-60893306 021-60871321 0755-81982153 021-61761072 010-88005307 hujian1@guosen DeepSeekMoE 实现高效的推理和低成本训练，构建 DualPipe 算法和混合精度训练优化计算与通信负载；通过 ( 分阶段 ) 强化学习实现 性能突破。 多头潜在注意力 (MLA) 通过低秩联合压缩技术，大幅削减了注意力键 (keys) 和值 (values) 的存储空间，显著降低了内存需求。 DeepSeekMoE 架构采 用了更为精细粒度 的专家设置，能够更加灵活且高效地调配资源，进一步提升了整体的运行效率和表现。 结构化训练范式三个维度。 DeepSeek-R1 采用分阶段强化学习架构演进，包括冷启动阶段、面向推理的强化学习、拒绝采样 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 ChatGPT 引领全球 AI 浪潮， 国内外科技公司纷纷发布 AI 大模型，截至 24

电子 AI+ 系列专题报告 Deep Seek 重 塑 开 源 大 模 型 生 态 ， A I 应 用 爆 发 持 续 推 升 算 力 需 求 证券分析师：胡剑 证券分析师：胡慧 证券分析师：叶子 证券分析师：张大为 证券分析师：詹浏洋 021-60893306 021-60871321 0755-81982153 021-61761072 010-88005307 hujian1@guosen DeepSeekMoE 实现高效的推理和低成本训练，构建 DualPipe 算法和混合精度训练优化计算与通信负载；通过 ( 分阶段 ) 强化学习实现 性能突破。 多头潜在注意力 (MLA) 通过低秩联合压缩技术，大幅削减了注意力键 (keys) 和值 (values) 的存储空间，显著降低了内存需求。 DeepSeekMoE 架构采 用了更为精细粒度 的专家设置，能够更加灵活且高效地调配资源，进一步提升了整体的运行效率和表现。 结构化训练范式三个维度。 DeepSeek-R1 采用分阶段强化学习架构演进，包括冷启动阶段、面向推理的强化学习、拒绝采样 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 ChatGPT 引领全球 AI 浪潮， 国内外科技公司纷纷发布 AI 大模型，截至 24

解码 DeepSeek, 构建医药⾏业新质⽣产⼒ 07 • 从 DeepSeek 看⼈⼯智能发展趋势 • ⼤模型及 DeepSeek 潜在应⽤场景探 索 ⽬录 从 DeepSeek 看⼈⼯智能发展趋 势 AI 离我们越来越近，越来越密集的“加速”信 号 Alpha, ⼤战李世⽯ “AI” 概念⾯世 DS,“Aha” 时刻 CNN, ⼈脸识 别 Chatgpt, C 端破 圈 1950s 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 分 DeepSeek R1 在展现卓越推理能⼒同时， 训练和推理成本极低 GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” BERT BERT 在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗 AI 小模型年代主要技术路线 “ 大数据、小算力、专用决策” DeepSeek-R1 基于 DS-v3 构建推理模 型，通过强化学习提升推 理能力，且训练成本极低

署名 高校智算服务平台 应用解决方案 1 业务背景 2 解决方案 3 业务应用 4 案例介绍 1 智慧校园行业发展趋势 建设 成果 支撑 技术 政策 驱动 力 特征 萌芽期 发展初期 2016 年 迭代升级期 基础设施发展阶段 智慧应用试点示范  师生信息化素养亟待提升  局域线下教育亟线上转型 》  《加快推进教育现代化实施方案》  《教育信息化中长期发展规划 (2021-2035 年 ) 》  《教育信息化“十四五”规划》  宽带、 3/4G 、 WiFi4/5 云计 算 ...  大数据、语音识别、图像识别 NB-IoT 、 光纤、云计算、移动互联网 ..  人工智能、 5G 、 WiFi6 、 AR/VR/ MR 、区块链、物联网 ...  人工智能、  建成服务全民终身学习的现代教 育体系  实现优质均衡的义务教育  职业教育服务能力显著提升  高等教育竞争力明显提升 快速发展期 2020 年 2025 年 2035 年 智算服务  中央及地方政府相继发布政策推动 AI + 算力的新质生产力的规划 ，国务院、发改委、科技部等已出台十余项国家级政策文件推动人工智能应用的落 地与深入发展 l 北京、广东、 山东、四川、等大量省市出台

华为智慧水利行业实践及理解 2 Huawei Confidential 华为是全球领先的 ICT 基础设施和智能终端提供商 我们致力于把数字世界带入每个人、每个家庭、每个组织， 构建万物互联的智能世界 我们在通信网络、 IT 、智能终端和云服务等领域为客户提供有竞争力、安全可信赖的产品、解决方案与服务， 与生态伙伴开放合作，持续为客户创造价值，释放个人潜能，丰富家庭生活，激发组织创新。 借鉴其他行业的转型经验，实现“弯道超车”，是传统行业转型的捷径，也是水利行业未来实现跨越式发展所需要的。 7 Huawei Confidential 2 、业界技术趋势：无处不在的联接、无处不在的算力、无 所不及的智能 资料来源： Gartner ， Top 10 Strategic Technology Trends for 2019 资料来源：信通院， 2019-2021 信息通信业（ ICT 级预测机构对未来信息技术的发展趋势给出参考和指导，主要围绕联接、算力和智能三个方面。 战略科技发展趋势：自动化的一切、增强分析、 AI 驱动的开发、数字孪生、沉浸式技术、赋权边缘、智能空间 无处不在的联接 联接设备： 5G 、物联网、 NB-IoT 、 IPv6 等 联接数据：打破应用壁垒，提供多种形式的灵活的数据集成 联接人：数字会议、视频直播、 IM 等，提升沟通与协同效率 无处不在的算力 HPC 、边缘计算、 ARM-based

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 多 模态 交互及任务执行等关键技术。 自主学习和适应 智能体能够通过增强学习和迁移学习等方法从过往经验中学习并调整决策制定和行动过程 ID CCID CCID CC ID CCID CCID CC CCID CCID CCID CCID CC 战 略 意 义 ID CCID CCID CCID CCID 一、智能体 概述 六 大 核 心 能 力 3 技术栈涵盖模型服务、存储、工具与库、框架、 ，涵盖了从基 础算力支持到垂直应用的各个层面 在垂直应用层， 智能体被广泛应用于金融、招聘、营销、供 应链、数据分析、 AI 个人助手、医疗等领域，提供定制化解 决方案。 在平台框架层， 企业级智能体平台帮助企业快速部 署智能体，提高业务效率，而开发者工具提供便捷的框架支 持，简化开发流程并增强应用扩展能力。 算力层则由百度智

钢铁行业智慧园区建设方案 目录 / Contents 2 智慧园区发展趋势 浪潮智算 + 赋能智慧园区建设 成功案例 PART 2 PART 3 PART 1 计算力就是生产力 · 智算力就是创新力 3 智慧园区建设面临挑战 整体建设规划 不足 •传 统 园 区 建 设 水 平 不 一，缺乏系统性和前瞻 性规划； •缺少顶层设计导致后期 无法平滑演进。 基础设施智能化 等人工智能技术深度融入智慧园区建设运营  智慧园区发展经历 1.0/2.0/3.0 模式，当前更注重以人为本；将计算机视觉、机器学习等人工智能技术深度融入智慧园区建设运营 01 计算力就是生产力 · 智算力就是创新力 4 智慧园 区 以人为本 产业生态 高速互联 智慧运营 全面感知 精准 服务 协同 办公 节能 环保 高效 管理 增值 创收 生态 融合 数字化技术 数字化技术，助力智慧园区发展 人工智能 01 计算力就是生产力 · 智算力就是创新力 5 综合态势 综合态势 综合安防 综合安防 人员管理 人员管理 车辆管理 车辆管理 空间管理 空间管理 资产管理 资产管理 设备管理 设备管理 能效管理 能效管理 环境管理 环境管理 物业管理 物业管理 智慧园区运营管理的业务场景 面向园区入驻人员的综合运营管理服务包括综合态势感知及预警、综合安全管理、人行管理、

” 数字创新园区“ 建设及运维方案 目 录 01 园区智慧化建设背景 02 “ 数字创新园区”建设方案 03 “ 数字创新园区”运维方案 智能 运营 园区竞争 力和吸引 力增强 园区产业 服务水平 提升 园区运营管 理水平提升 大数据 移动 互联网 AI 人工智能 GIS IOT 物联网 BIM + 园区运营 成本降低 杂 海 量 的 设 备 接 入 基于平台的应用 重 复 对 接 费 时 费 力 单 一 对 接 轻 松 高 效 物联网应用 物联网应用 物联网应用 传感器 传感器 传感器 “ 数字创新”产业园区 – 建设原则 发展 街景地图、 及雨雪、日升日落 天气特效展现。 ⚫ 园区突发事件模拟，应急辅助 分析研判、启动预案、处置资 源分析、联动等。 园区管理 -3- 综合态势管控系统 基于 CIM 的综合安防管理， AI+ 视频融合，杜绝安全隐患 ✓ 设备 分布 及基础信息 ✓ 视频访问 ✓ AI 视频分析 ✓ 人员出入统计 ✓ 告警及统计

Ltd. 中材国际（南 • 水泥产业智能制造及智能化水泥工厂 • 智能化水泥工厂与数字化智能型控制 • 智能化水泥工厂的元数据与数字化工厂 • 智能化水泥工厂的工业互联网架构探讨及案例分享 水泥产业智能制造相关技术探讨及应用 Sinoma International Engineering Co., Ltd. 中材国际（南 水泥产业智能制造及智能化水泥工厂 Sinoma International 整体规划 数据中心 及 数据分析 网络及 安全规划 与主体 专业的 规划设计 数字化 工厂 规划设计 智能应用 移动应用 智能分析 智能服务 三维工厂 智能设备 智能 决策层 经营 大数据中心 … 质量 大数据中心 制造 大数据中心 采购管理  实现智能化水泥工厂整体架构及功能设计  实现工厂的数字化设计  实现网络联通、数据互通及业务打通，消 除信息孤岛 除信息孤岛  完成生产过程数据及相关管理数据的采集  奠定大数据分析的基础条件。 Sinoma International Engineering Co., Ltd. 中材国际（南 智能 生产 控制 层 经营 管控层 设备管理 能源管理 智能物流 智能质控 安全环保 财务管理 人力资源 管理 销售管理 OA 协同 电子 商务 设备资产 管理 智能矿山 智能生产