1、DeepSeek大模型及其企業應用實踐林子雨 副教授廈門大學DeepSeek廈門大學大數據教學團隊作品 2025年3月3日每個人都可以讀懂的大模型科普報告（企業篇）廈門大學大數據教學團隊團隊聯系方式：國內高校大數據教學的重要貢獻者團隊負責人：林子雨 副教授年輕力量：核心成員全部46周歲以下結構合理：教學型、科研型、實驗工程師專注專業：從2013年至今，11年專注于大數據教學團隊特點：眼光前瞻、緊跟技術、創新實干、執行力強影響力高：多項指標在國內高校大數據教學領域領先教材數量教材占有率MOOC課程學習人數師資培養教學研討會教學網站訪問量在線講座觀看人數大模型系列報告（科普報告，非技術報告）n 報

2、告1：大模型概念、技術與應用實踐（面向社會大眾）n 報告2：DeepSeek大模型賦能高校教學和科研（面向高校）n 報告3：DeepSeek大模型及其企業應用實踐（面向企業）n 報告4：DeepSeek大模型賦能政府數字化轉型（面向政府部門）報告下載地址：https:/ 大模型的概念1.2 大模型的發展歷程1.3 人工智能與大模型的關系1.4 大模型分類1.1 大模型的概念大模型通常指的是大規模的人工智能模型，是一種基于深度學習技術，具有海量參數、強大的學習能力和泛化能力，能夠處理和生成多種類型數據的人工智能模型。通常說的大模型的“大”的特點體現在：參數數量龐大訓練數據量大計算資源需求高202

3、0年，OpenAI公司推出了GPT-3，模型參數規模達到了1750億。2023年3月發布的GPT-4的參數規模是GPT-3的10倍以上，達到1.8萬億，2021年11月阿里推出的M6 模型的參數量達10萬億。1.1 大模型的概念大模型的設計和訓練旨在提供更強大、更準確的模型性能，以應對更復雜、更龐大的數據集或任務。大模型通常能夠學習到更細微的模式和規律，具有更強的泛化能力和表達能力大模型具有更強的上下文理解能力，能夠理解更復雜的語意和語境。這使得它們能夠產生更準確、更連貫的回答上下文理解能力大模型可以從大量的數據中學習，并利用學到的知識和模式來提供更精準的答案和預測。這使得它們在解決復雜問題和

4、應對新的場景時表現更加出色學習能力強大模型可以生成更自然、更流利的語言，減少了生成輸出時呈現的錯誤或令人困惑的問題語言生成能力學習到的知識和能力可以在不同的任務和領域中遷移和應用。這意味著一次訓練就可以將模型應用于多種任務，無需重新訓練可遷移性高1.2 大模型的發展歷程大模型發展歷經三個階段，分別是萌芽期、沉淀期和爆發期1.2 大模型的發展歷程1.2 大模型的發展歷程大模型發展對算力的需求演變1.3 人工智能與大模型的關系人工智能包含了機器學習，機器學習包含了深度學習，深度學習可以采用不同的模型，其中一種模型是預訓練模型，預訓練模型包含了預訓練大模型（可以簡稱為“大模型”），預訓練大模型包含了

5、預訓練大語言模型（可以簡稱為“大語言模型”），預訓練大語言模型的典型代表包括OpenAI的GPT和百度的文心ERNIE，ChatGPT是基于GPT開發的大模型產品，文心一言是基于文心ERNIE開發的大模型產品人工智能機器學習深度學習深度學習模型預訓練模型深度學習預訓練大模型預訓練大語言模型預訓練大語言模型GPT文心ERNIE.ChatGPT文心一言1.4 大模型的分類語言大模型視覺大模型多模態大模型是指在自然語言處理（Natural Language Processing，NLP）領域中的一類大模型，通常用于處理文本數據和理解自然語言。這類大模型的主要特點是它們在大規模語料庫上進行了訓練，以學

6、習自然語言的各種語法、語義和語境規則。代表性產品包括GPT系列（OpenAI）、Bard（Google）、DeepSeek、文心一言（百度）等是指在計算機視覺（Computer Vision，CV）領域中使用的大模型，通常用于圖像處理和分析。這類模型通過在大規模圖像數據上進行訓練，可以實現各種視覺任務，如圖像分類、目標檢測、圖像分割、姿態估計、人臉識別等。代表性產品包括VIT系列（Google）、文心UFO、華為盤古CV、INTERN（商湯）等是指能夠處理多種不同類型數據的大模型，例如文本、圖像、音頻等多模態數據。這類模型結合了NLP和CV的能力，以實現對多模態信息的綜合理解和分析，從而能夠更

7、全面地理解和處理復雜的數據。代表性產品包括DingoDB多模向量數據庫（九章云極DataCanvas）、DALL-E(OpenAI)、悟空畫畫（華為）、midjourney等1.4 大模型的分類按照應用領域的不同，大模型主要可以分為L0、L1、L2三個層級是指可以在多個領域和任務上通用的大模型。它們利用大算力、使用海量的開放數據與具有巨量參數的深度學習算法，在大規模無標注數據上進行訓練，以尋找特征并發現規律，進而形成可“舉一反三”的強大泛化能力，可在不進行微調或少量微調的情況下完成多場景任務，相當于AI完成了“通識教育”通用大模型L0是指那些針對特定行業或領域的大模型。它們通常使用行業相關的數

8、據進行預訓練或微調，以提高在該領域的性能和準確度，相當于AI成為“行業專家”行業大模型L1是指那些針對特定任務或場景的大模型。它們通常使用任務相關的數據進行預訓練或微調，以提高在該任務上的性能和效果垂直大模型L21.4 大模型的分類大語言模型可以分為通用大模型和推理大模型推理大模型的概念大規模傳播應該開始于2024年9月份。2024年9月12日，OpenAI官方宣布了OpenAI o1推理大模型。推理大模型在OpenAI的官網上，OpenAI定義推理模型是在回答之前進行思考，并在回復用戶之前，在內部生成一長串的思維鏈過程。思維鏈是一種提示大語言模型進行逐步推理的方法。它讓模型在得出最終答案之前

9、，先顯式地寫出推理的中間步驟。這就像人類解決復雜問題時會先把思考過程寫下來一樣。OpenAI定義推理模型也就是說，如果模型在回復你之前有一長串的思考過程（這個過程必須可以顯示輸出），探索了很多不同的路徑之后給出答案，那么有這個能力的大模型就是推理大模型。推理模型的核心在于處理那些需要多步驟邏輯推導才能解決的復雜問題。推理模型的核心1.4 大模型的分類n 推理大模型DeepSeek R1的對話效果1.4 大模型的分類Sebastian Raschka博士（Lightning AI的首席教育學家）：將“推理”定義為通過生成中間步驟來回答復雜問題的過程2個簡單的例子：非推理問題：”法國的首都是哪里？

10、”（答案直接、無需推導）推理問題：”一列火車以每小時60英里的速度行駛3小時，行駛距離是多少？”（需先理解”距離=速度時間”的關系，再分步計算）通用的大語言模型（LLM）可能直接輸出簡短答案（如”180英里”）推理模型的特點在于顯式展示中間推導過程1.4 大模型的分類在應用方面二者各有擅長的領域，而不是簡單的誰強誰弱問題n 如果你需要完成數據分析、邏輯推理、代碼生成等邏輯性較強且較為復雜的任務，請選擇推理大模型n 如果你面臨創意寫作、文本生成、意圖識別等發散性較強且較為創意多樣的任務，請選擇通用大模型特性推理大模型 通用大模型適用場景復雜推理、解謎、數學、編碼難題文本生成、翻譯、摘要、基礎知識

11、問答復雜問題解決能力優秀，能進行深度思考和邏輯推理一般，難以處理多步驟的復雜問題運算效率較低，推理時間較長，資源消耗大較高，響應速度快，資源消耗相對較小幻覺風險較高，可能出現“過度思考”導致的錯誤答案較低，更依賴于已知的知識和模式泛化能力更強，能更好地適應新問題和未知場景相對較弱，更依賴于訓練數據擅長任務舉例解決復雜邏輯謎題，編寫復雜算法，數學證明撰寫新聞稿，翻譯文章，生成產品描述，回答常識問題成本通常更高通常更低2.大模型產品2.1 國外的大模型產品2.2 國內的大模型產品2.3 主流大模型“幻覺”評測廈門大學大數據教學團隊作品2.1 國外的大模型產品nChatGPTChatGPT是一種由O

12、penAI訓練的大語言模型。它是基于Transformer架構，經過大量文本數據訓練而成，能夠生成自然、流暢的語言，并具備回答問題、生成文本、語言翻譯等多種功能ChatGPT的應用范圍廣泛，可以用于客服、問答系統、對話生成、文本生成等領域。它能夠理解人類語言，并能夠回答各種問題，提供相關的知識和信息。與其他聊天機器人相比，ChatGPT具備更強的語言理解和生成能力，能夠更自然地與人類交流，并且能夠更好地適應不同的領域和場景。ChatGPT的訓練數據來自互聯網上的大量文本，因此，它能夠涵蓋多種語言風格和文化背景2.1 國外的大模型產品nGeminiGemini是谷歌發布的大模型，它能夠同時處理多

13、種類型的數據和任務，覆蓋文本、圖像、音頻、視頻等多個領域。Gemini采用了全新的架構，將多模態編碼器和多模態解碼器兩個主要組件結合在一起，以提供最佳結果Gemini包括三種不同規模的模型：Gemini Ultra、Gemini Pro和Gemini Nano，適用于不同任務和設備。2023年12月6日，Gemini的初始版本已在Bard中提供，開發人員版本可通過Google Cloud的API獲得。Gemini可以應用于Bard和Pixel 8 Pro智能手機。Gemini的應用范圍廣泛，包括問題回答、摘要生成、翻譯、字幕生成、情感分析等任務。然而，由于其復雜性和黑箱性質，Gemini的可解

14、釋性仍然是一個挑戰2.1 國外的大模型產品nSora2024年2月16日，OpenAI再次震撼全球科技界，發布了名為Sora的文本生成視頻大模型，只需輸入文本就能自動生成視頻。這一技術的誕生，不僅標志著人工智能在視頻生成領域的重大突破，更引發了關于人工智能發展對人類未來影響的深刻思考。隨著Sora的發布，人工智能似乎正式踏入了通用人工智能（AGI：Artificial General Intelligence）的時代。AGI是指能夠像人類一樣進行各種智能活動的機器智能，包括理解語言、識別圖像、進行復雜推理等。Sora大模型能夠直接輸出長達60秒的視頻，并且視頻中包含了高度細致的背景、復雜的多角

15、度鏡頭，以及富有情感的多個角色。這種能力已經超越了簡單的圖像或文本生成，開始觸及到視頻這一更加復雜和動態的媒介。這意味著人工智能不僅在處理靜態信息上越來越強大，而且在動態內容的創造上也展現出了驚人的潛力2.1 國外的大模型產品nSora右圖是Sora根據文本自動生成的視頻畫面，一位戴著墨鏡、穿著皮衣的時尚女子走在雨后夜晚的東京市區街道上，抹了鮮艷唇彩的唇角微微翹起，即便帶著墨鏡也能看到她的微笑，地面的積水映出了她的身影和燈紅酒綠的霓虹燈，熱鬧非凡的唐人街正在進行舞龍表演，熙熙攘攘的人群目光都聚焦在躍動的彩龍身上，整個環境的喜慶氛圍仿佛令人身臨其境2.1 國外的大模型產品nOpenAI o320

16、24年12月20日，OpenAI發布推理模型o3，無論在軟件工程、編寫代碼，還是競賽數學、掌握人類博士級別的自然科學知識能力方面，o3都達到了很高的水平2.2 國內的大模型產品大模型圖標指標排名DeepSeek 能力測評第一豆包 用戶數量第一Kimi 文本處理第一即夢AI 作圖能力第一通義萬相 視頻生成第一智譜清言 文檔歸納第一2025年1月國內大模型排行榜2.2 國內的大模型產品nDeepSeek（深度求索）2024年12月26日，杭州一家名為“深度求索”（DeepSeek）的中國初創公司，發布了全新一代大模型DeepSeek-V3。在多個基準測試中，DeepSeek-V3的性能均超越了其他

17、開源模型，甚至與頂尖的閉源大模型GPT-4o不相上下，尤其在數學推理上，DeepSeek-V3更是遙遙領先。DeepSeek-V3以多項開創性技術，大幅提升了模型的性能和訓練效率。DeepSeek-V3在性能比肩GPT-4o的同時，研發卻只花了558萬美元，訓練成本不到后者的二十分之一。因為表現太過優越，DeepSeek在硅谷被譽為“來自東方的神秘力量”。2025年1月20日，DeepSeek-R1正式發布，擁有卓越的性能，在數學、代碼和推理任務上可與OpenAI o1媲美。DeepSeek創始人 梁文峰2.2 國內的大模型產品n通義千問通義千問是阿里云推出的一個超大規模的語言模型，它具備多輪

18、對話、文案創作、邏輯推理、多模態理解、多語言支持的能力。通義千問這個名字有“通義”和“千問”兩層含義，“通義”表示這個模型能夠理解各種語言的含義，“千問”則表示這個模型能夠回答各種問題。通義千問基于深度學習技術，通過對大量文本數據進行訓練，從而具備了強大的語言理解和生成能力。它能夠理解自然語言，并能夠生成自然語言文本n字節跳動豆包豆包是字節跳動基于云雀模型開發的 AI，能理解你的需求并生成高質量回應。它知識儲備豐富，涵蓋歷史、科學、技術等眾多領域，無論是日常問題咨詢，還是深入學術探討，都能提供準確全面的信息。同時，具備出色的文本創作能力，能撰寫故事、詩歌、文案等各類體裁。并且擅長語言交互，交流

19、自然流暢，就像身邊的知心伙伴，耐心傾聽并給予恰當反饋。2.2 國內的大模型產品n文心一言文心一言是由百度研發的知識增強大模型，能夠與人對話互動、回答問題、協助創作，高效便捷地幫助人們獲取信息、知識和靈感文心一言基于飛槳深度學習平臺和文心知識增強大模型，持續從海量數據和大規模知識中融合學習，具備知識增強、檢索增強和對話增強的技術特色。文心一言具有廣泛的應用場景，例如智能客服、智能家居、移動應用等領域。它可以與用戶進行自然語言交互，幫助用戶解決各種問題，提供相關的知識和信息nKimiKimi是月之暗面科技 2023 年推出的 AI 助手，可處理 200 萬字超長文本，支持多格式文件解讀、互聯網信息

20、搜索整合、多語言對話等，能用于辦公、學習、創作等場景，有網頁版、APP、微信小程序等使用方式。2.3 主流大模型“幻覺”評測大模型幻覺，也被稱為 AI 幻覺，是指大型語言模型在生成內容時，產生與事實不符、邏輯錯誤或無中生有等不合理信息的現象。比如在回答歷史事件時，可能會編造不存在的細節或人物；在進行科學知識講解時，給出錯誤的理論或數據。其產生原因主要包括：模型訓練數據存在偏差、不完整或錯誤，導致在學習過程中引入了不準確的信息；模型基于概率分布生成內容，在某些情況下會選擇一些看似合理但實際錯誤的路徑。大模型幻覺會影響信息的準確性和可靠性，在信息傳播、學術研究等領域可能帶來不良影響。因此，在使用大

21、模型時，需要對其輸出內容進行仔細驗證和甄別。3.大模型的行業應用3.1 大模型的行業應用領域3.2 DeepSeek大模型的應用場景3.3 大模型與其他技術在企業中的融合應用廈門大學大數據教學團隊作品3.1 大模型的行業應用領域大模型的應用領域非常廣泛，涵蓋了自然語言處理、計算機視覺、語音識別、推薦系統、醫療健康、金融風控、工業制造、生物信息學、自動駕駛、氣候研究等多個領域（1）自然語言處理大模型在自然語言處理領域具有重要的應用，可以用于文本生成（如文章、小說、新聞等的創作）、翻譯系統（能夠實現高質量的跨語言翻譯）、問答系統（能夠回答用戶提出的問題）、情感分析（用于判斷文本中的情感傾向）、語言

22、生成（如聊天機器人）等（2）計算機視覺大模型在計算機視覺領域也有廣泛應用，可以用于圖像分類（識別圖像中的物體和場景）、目標檢測（能夠定位并識別圖像中的特定物體）、圖像生成（如風格遷移、圖像超分辨率增強）、人臉識別（用于安全驗證和身份識別）、醫學影像分析（輔助醫生診斷疾?。┑?.1 大模型的行業應用領域（3）語音識別大模型在語音識別領域也有應用，如語音識別、語音合成等。通過學習大量的語音數據，大模型可以實現高質量的跨語言翻譯和語音識別以及生成自然語音（4）推薦系統大模型可以用于個性化推薦、廣告推薦等任務。通過分析用戶的歷史行為和興趣偏好，大模型可以為用戶提供個性化的推薦服務，提高用戶滿意度和轉化

23、率3.1 大模型的行業應用領域大模型可以用于自動駕駛中的感知、決策等任務。通過學習大量的駕駛數據，大模型可以實現對車輛周圍環境的感知和識別，以及進行決策和控制，提高自動駕駛的安全性和效率自動駕駛大模型可以用于醫療影像診斷、疾病預測等任務。通過學習大量的醫學影像數據，大模型可以輔助醫生進行疾病診斷和治療方案制定，提高醫療水平和效率醫療健康大模型可以用于信用評估、欺詐檢測等任務。通過分析大量的金融數據，大模型可以評估用戶的信用等級和風險水平，以及檢測欺詐行為，提高金融系統的安全性和穩定性金融風控3.1 大模型的行業應用領域工業制造大模型可以用于質量控制、故障診斷等任務。通過學習大量的工業制造數據，

24、大模型可以輔助工程師進行產品質量控制和故障診斷，提高生產效率和產品質量氣候研究在氣候研究領域，大模型可以處理氣象數據，進行天氣預測和氣候模擬。它們能夠分析復雜的氣象現象，提供準確的氣象預報，幫助人們做出應對氣候變化的決策生物信息學在生物信息學領域，大模型可以用于基因序列分析（識別基因中的功能元件和變異位點）、蛋白質結構預測（推測蛋白質的二級和三級結構）、藥物研發（預測分子與靶點的相互作用）等3.1 大模型的行業應用領域實例：百度大模型應用3.2 DeepSeek大模型的應用場景3.2 DeepSeek大模型的應用場景n 客戶服務與支持（高頻應用）自動回復客戶咨詢：電商平臺使用DeepSeek自

25、動回答客戶關于訂單狀態、退貨政策等問題自動處理訂單：外賣平臺使用DeepSeek自動處理用戶訂單和配送請求自動處理投訴：電信公司使用DeepSeek自動處理客戶關于網絡和賬單的投訴情感支持：心理健康應用使用DeepSeek為用戶提供情感支持和心理輔導客戶反饋分析：企業使用DeepSeek分析客戶反饋，改進產品和服務多渠道客服支持：企業使用DeepSeek在網站、社交媒體和郵件等多個渠道提供客服支持自動處理退款：電商平臺使用DeepSeek自動處理用戶退款請求自動處理咨詢：銀行使用DeepSeek自動處理客戶關于賬戶和貸款的咨詢智能語音客服：呼叫中心使用DeepSeek提供語音客服服務，減少人工

26、客服壓力實時聊天支持：網站使用DeepSeek提供實時聊天支持，提升客戶滿意度13579246810來自對網絡資料的整理3.2 DeepSeek大模型的應用場景n 個性化推薦（高頻應用）個性化購物推薦：電商平臺使用DeepSeek根據用戶購買歷史推薦商品個性化電影推薦：流媒體平臺使用DeepSeek根據用戶觀看歷史推薦電影個性化視頻推薦：視頻平臺使用DeepSeek根據用戶觀看歷史推薦視頻個性化旅游推薦：旅游平臺使用DeepSeek根據用戶偏好推薦旅游目的地和行程個性化內容推薦：內容平臺使用DeepSeek根據用戶興趣推薦文章和博客個性化音樂推薦：音樂平臺使用DeepSeek根據用戶聽歌歷史推

27、薦音樂個性化書籍推薦：圖書平臺使用DeepSeek根據用戶閱讀歷史推薦書籍個性化新聞推薦：新聞應用使用DeepSeek根據用戶閱讀歷史推薦新聞個性化學習推薦：在線教育平臺使用DeepSeek根據學生的學習進度推薦課程個性化廣告推薦：廣告平臺使用DeepSeek根據用戶行為推薦個性化廣告來自對網絡資料的整理3.2 DeepSeek大模型的應用場景n 教育與培訓（中頻應用）在線輔導學生：教育平臺利用DeepSeek為學生提供數學、科學等科目的實時輔導自動批改作業：學校使用DeepSeek自動批改學生作業，節省教師時間個性化學習路徑：在線教育平臺使用DeepSeek為學生制定個性化學習路徑語言學習助

28、手：語言學習應用使用DeepSeek提供實時翻譯和發音糾正虛擬實驗室：教育機構使用DeepSeek創建虛擬實驗室，幫助學生進行科學實驗智能題庫管理：教育平臺使用DeepSeek管理題庫，自動生成試卷學習進度跟蹤：在線教育平臺使用DeepSeek跟蹤學生學習進度，提供反饋虛擬導師：教育機構使用DeepSeek提供虛擬導師服務，幫助學生解答問題職業培訓：企業使用DeepSeek為員工提供職業培訓課程在線考試監控：教育機構使用DeepSeek監控在線考試，防止作弊來自對網絡資料的整理3.2 DeepSeek大模型的應用場景n 醫療與健康（中頻應用）初步醫療建議：健康應用集成DeepSeek，為用戶提

29、供癥狀分析和就醫建議藥物提醒：健康應用使用DeepSeek提醒用戶按時服藥醫療數據分析：醫院使用DeepSeek分析患者數據，提供個性化治療方案疾病預測：健康應用使用DeepSeek分析用戶健康數據，預測疾病風險智能診斷：醫療平臺使用DeepSeek輔助醫生進行疾病診斷健康監測：智能穿戴設備使用DeepSeek監測用戶健康數據，提供健康建議心理健康支持：心理健康應用使用DeepSeek為用戶提供心理輔導和支持遠程醫療咨詢：醫療平臺使用DeepSeek提供遠程醫療咨詢服務醫療知識庫：醫院使用DeepSeek構建醫療知識庫，方便醫生查詢信息健康管理：健康應用使用DeepSeek幫助用戶管理健康數據

30、，制定健康計劃13579246810來自對網絡資料的整理3.2 DeepSeek大模型的應用場景n 金融與投資（中頻應用）市場趨勢分析：投資平臺利用DeepSeek分析股票市場數據，提供投資建議智能投顧：投資平臺使用DeepSeek為客戶提供智能投資顧問服務財務規劃：金融應用使用DeepSeek幫助用戶制定財務規劃客戶信用評分：銀行使用DeepSeek評估客戶信用評分，提供個性化金融服務智能客服：銀行使用DeepSeek提供智能客服服務，解答客戶問題風險評估：銀行使用DeepSeek評估客戶信用風險，提供貸款建議欺詐檢測：銀行使用DeepSeek檢測交易中的欺詐行為自動交易：投資平臺使用Dee

31、pSeek進行自動化交易金融數據分析：金融公司使用DeepSeek分析市場數據，提供投資建議財務報告生成：金融公司使用DeepSeek自動生成財務報告來自對網絡資料的整理3.2 DeepSeek大模型的應用場景n 內容創作與媒體（中頻應用）自動生成文章：內容營銷公司使用DeepSeek自動生成高質量的文章和博客內容視頻內容生成：視頻平臺使用DeepSeek自動生成視頻內容內容審核：社交媒體平臺使用DeepSeek自動審核用戶發布的內容內容推薦：內容平臺使用DeepSeek根據用戶興趣推薦文章和視頻圖像識別：社交媒體平臺使用DeepSeek自動識別和標記照片中的物體和人臉新聞摘要生成：新聞應用使

32、用DeepSeek自動生成新聞摘要，方便用戶快速了解新聞社交媒體管理：企業使用DeepSeek管理社交媒體內容，自動發布和回復智能寫作助手：作家使用DeepSeek輔助寫作，提供靈感和建議語音轉文字：媒體公司使用DeepSeek將采訪錄音轉換為文字稿內容翻譯：媒體公司使用DeepSeek將內容翻譯成多種語言13579246810來自對網絡資料的整理3.2 DeepSeek大模型的應用場景n 智能家居與物聯網（低頻應用）智能家居控制：智能家居系統使用DeepSeek語音控制燈光、溫度等設備家庭安全監控：智能家居系統使用DeepSeek監控家庭安全，提供警報智能家電管理：智能家居系統使用DeepS

33、eek管理家電，優化能源使用語音助手：智能音箱使用DeepSeek語音助手控制家居設備家庭健康監測：智能家居系統使用DeepSeek監測家庭成員健康數據智能照明：智能家居系統使用DeepSeek根據環境光線自動調節照明智能溫控：智能家居系統使用DeepSeek根據用戶習慣自動調節溫度智能安防：智能家居系統使用DeepSeek提供智能安防服務，監控家庭安全智能家電控制：智能家居系統使用DeepSeek控制家電，如洗衣機、冰箱等家庭娛樂管理：智能家居系統使用DeepSeek管理家庭娛樂設備，如電視、音響等來自對網絡資料的整理3.2 DeepSeek大模型的應用場景n 法律與合規（低頻應用）合同審查

34、：法律服務平臺使用DeepSeek為用戶提供合同審查服務合規檢查：企業使用DeepSeek檢查業務流程是否符合法律法規案件分析：律師事務所使用DeepSeek分析案件數據，提供法律建議法律風險評估：企業使用DeepSeek評估法律風險，提供合規建議法律案例檢索：律師事務所使用DeepSeek檢索相關法律案例法律咨詢：法律服務平臺使用DeepSeek為用戶提供法律咨詢法律文檔生成：法律服務平臺使用DeepSeek自動生成法律文檔法律知識庫：法律服務平臺使用DeepSeek構建法律知識庫，方便用戶查詢信息法律文書翻譯：法律服務平臺使用DeepSeek將法律文書翻譯成多種語言法律培訓：法律服務平臺使

35、用DeepSeek為用戶提供法律培訓課程13579246810來自對網絡資料的整理3.2 DeepSeek大模型的應用場景n 游戲與娛樂（低頻應用）游戲角色智能：游戲開發公司使用DeepSeek為游戲角色提供智能行為游戲推薦：游戲平臺使用DeepSeek根據用戶游戲歷史推薦游戲虛擬現實體驗：游戲平臺使用DeepSeek提供虛擬現實游戲體驗游戲社交：游戲平臺使用DeepSeek提供社交功能，增強玩家互動游戲虛擬助手：游戲平臺使用DeepSeek提供虛擬助手，幫助玩家解決問題游戲內容生成：游戲平臺使用DeepSeek自動生成游戲內容游戲數據分析：游戲公司使用DeepSeek分析玩家數據，優化游戲體

36、驗游戲語音識別：游戲平臺使用DeepSeek提供語音識別功能，增強游戲互動游戲內容審核：游戲平臺使用DeepSeek自動審核用戶生成的內容游戲市場分析：游戲公司使用DeepSeek分析市場數據，制定游戲策略來自對網絡資料的整理3.2 DeepSeek大模型的應用場景n 其他應用（低頻應用）自動駕駛：汽車制造商使用DeepSeek開發自動駕駛系統，識別道路和障礙物智能物流：物流公司使用DeepSeek優化物流路線，提高配送效率智能農業：農業公司使用DeepSeek監測作物生長，優化種植方案智能交通：交通管理部門使用DeepSeek優化交通流量，減少擁堵智能環保：環保機構使用DeepSeek監測環

37、境數據，提供環保建議智能能源管理：能源公司使用DeepSeek優化能源使用，提高能源效率智能城市規劃：城市規劃部門使用DeepSeek分析城市數據，優化城市規劃智能零售：零售公司使用DeepSeek優化庫存管理，提高銷售效率智能招聘：招聘平臺使用DeepSeek自動篩選簡歷，匹配職位需求智能數據分析：企業使用DeepSeek分析大數據，提供商業洞察來自對網絡資料的整理3.3 大模型與其他技術在企業中的融合應用實現更加智能的業務流程自動化。RPA 擅長處理重復性的規則性任務，而大模型則能夠理解自然語言指令，深入分析復雜的業務場景，并提供極具價值的決策建議。比如在財務部門，RPA 可以自動完成發票

38、錄入等任務，而大模型則能夠回答員工關于財務政策的問題，并依據數據分析給出成本優化的建議自動化流程技術（RPA）為企業提供更為精準的知識管理和決策支持。知識圖譜以結構化的方式呈現企業內外部的知識，大模型則可以利用知識圖譜進行知識推理和查詢，迅速獲取所需信息。在研發部門，大模型結合知識圖譜，可以回答技術問題、推薦相關技術方案，助力研發人員實現創新知識圖譜技術對設備和生產過程進行智能監控和管理。物聯網設備會產生大量的數據，大模型能夠對這些數據進行分析，預測設備故障，優化生產流程。在制造業中，大模型可以根據傳感器數據實時調整生產參數，提高生產效率和產品質量物聯網技術單擊此處添加文本具體內容，簡明扼要地

39、闡述您的觀點。根據需要可酌情增減文字，以便觀者準確地理解您傳達的思想。單擊此處添加文本具體內容智能語音技術幫助企業更好地理解和利用數據。大模型可以對大量的數據進行分析和挖掘，提取有價值的信息，而數據分析和可視化技術則可以將這些信息以直觀的圖表和報告形式展示出來，方便企業管理層進行決策數據分析與可視化技術4.企業大模型落地方案4.1 企業大模型如何為企業賦能4.2 企業大模型的七大落地場景4.3 企業大模型的部署方式4.4 為什么需要本地部署大模型4.5 企業部署大模型規劃路線4.6 企業級應用集成AI大模型的關鍵步驟4.7 企業級應用集成大模型的技術架構設計4.8 大模型應用落地總體“四維認知

40、”框架4.9 大模型應用落地策略建議4.10 大模型構建的技術方案選擇4.11本地部署大模型初級方法4.12 本地部署大模型的成本4.13 企業部署大模型當前關注的問題4.14 企業部署大模型面臨的挑戰廈門大學大數據教學團隊作品4.1 企業大模型如何為企業賦能企業AI大模型可以通過自動化地完成一些工作來降低成本。比如，它可以通過自動化的數據分析來減少人力資源的使用降低成本企業AI大模型可以自動化地完成一些重復性、繁瑣的工作，從而提高工作效率。比如，它可以通過自然語言處理技術自動回復客戶郵件、自動分類垃圾郵件等等提高效率企業AI大模型可以根據歷史數據和實時數據來優化業務流程。比如，它可以通過預測

41、分析來提前發現潛在的問題，并采取相應的措施來避免這些問題的發生優化業務流程企業AI大模型可以幫助企業更好地理解客戶需求，從而提高產品質量。比如，它可以通過自然語言處理技術來分析客戶反饋意見，并針對性地改進產品設計提高產品質量4.2 企業大模型的七大落地場景來源：網絡文章大模型技術賦能企業：七大落地場景深度解析對話助手是大模型技術最基礎也是最廣泛的應用形態?；谥R庫數據源和API查詢，對話助手能夠實時回答用戶問題，提供高效的信息傳遞。例如，某一乘用車通過搭建基于AI大模型的汽車在線問答平臺，實現了對非結構化文檔（如PDF、Word等）的智能知識交互，提升了員工工作效率和學習能力。該平臺提供7*

42、24小時的智能知識服務，問題交互準確率達95%以上，客戶滿意度提升了35%對話助手企業常常需要撰寫大量報告，這些報告往往具有固定模板且內容復雜。大模型技術可以通過分解報告為多個子問題，分別求解，并將結果整合到預定框架中，實現報告的自動生成。雖然這類應用不能保證100%的準確性，但結合多種技術手段（如大型和小型模型、專家系統等），可以大大提高生成效率和準確性報告生成審核類場景通常與生成類場景相伴相生。大模型技術不僅可以輔助生成文檔，還可以用于審核結構化業務數據和非結構化文檔。例如，在提交審批前，通過大模型進行自動審核，可以幫助提交者判斷是否需要修改，提高提交質量，降低打回概率。此外，大模型還可以

43、用于合規性和合法性審核，確保企業業務符合法律法規要求審核與合規4.2 企業大模型的七大落地場景來源：網絡文章大模型技術賦能企業：七大落地場景深度解析大模型技術在智能運維和制造優化方面也發揮著重要作用。利用大模型技術構建了智能運維系統，通過自然語言交互界面，實現了對運維問題的智能回答。在制造領域，大模型可以通過智能分析和預測維護，提升生產效率智能運維與制造優化大模型技術正在重塑企業知識管理場景。通過大模型對語義的理解，企業可以將非結構化數據進行結構化提取和總結，大大降低了知識管理的落地門檻知識管理數據分析是企業決策的重要依據。大模型技術通過引入編程能力，可以大大降低數據分析成本。然而，目前大模型

44、在特定業務場景下的效果仍需優化，模型微調是一種解決辦法數據分析在軟件開發領域，大模型技術可以作為編碼助手，提升工程師的工作效率。通過AI編程助手，減少了重復勞動，提升了代碼質量編碼助手4.3 企業大模型的部署方式本地/內網部署云端部署通過云廠商實現彈性擴展和成本優化通過本地數據中心實現數據完全掌控邊緣部署通過邊緣節點實現低延遲和實時處理容器化/微服務部署混合部署通過本地和云端結合實現靈活性和災備需求通過容器技術和微服務架構實現敏捷開發和資源隔離聯邦部署通過聯邦協議和分布式架構實現跨組織協作和數據隱私保護4.3 企業大模型的部署方式DeepSeek大模型部署在公有云或私有云上，利用云廠商的基礎設

45、施和資源。適用場景：n 彈性需求：需要根據負載動態調整資源n 快速擴展：業務增長迅速，需快速擴展系統n 成本優化：希望通過按需付費模式降低IT成本云端部署DeepSeek大模型部署在企業內部服務器或數據中心，數據和應用完全在企業內網中運行。適用場景：n 數據敏感：對數據安全要求高，需完全掌控數據n 合規要求：需滿足特定行業或地區的合規要求n 網絡限制：內網環境無法連接外部網絡本地/內網部署4.3 企業大模型的部署方式將DeepSeek大模型部署在靠近數據源的邊緣節點，減少數據傳輸延遲。適用場景：n 低延遲需求：如物聯網、實時監控等需要快速響應的場景n 帶寬有限：數據傳輸成本高或帶寬有限時，邊緣

46、計算可減少數據上傳n 離線運行：需要在網絡不穩定或離線時仍能正常運行邊緣部署結合云端和本地部署，DeepSeek大模型部分系統在云端，部分在本地。適用場景：n 靈活需求：部分數據需本地處理，部分需云端處理n 過渡階段：從本地逐步遷移到云端時，混合部署可作為過渡方案n 災備需求：本地和云端互為備份，提升系統可靠性混合部署4.3 企業大模型的部署方式將DeepSeek大模型系統拆分為多個微服務，使用容器技術（如Docker）進行部署和管理。適用場景：n 敏捷開發：需要快速迭代和發布新功能n 資源隔離：不同服務需要獨立運行環境，避免相互干擾n 彈性擴展：根據需求獨立擴展特定服務容器化/微服務部署De

47、epSeek大模型多個獨立系統通過聯邦協議協作，共享數據和資源，但各自保持獨立。適用場景：n 跨組織協作：多個組織需共享數據但保持獨立管理n 數據隱私：需在保護數據隱私的前提下進行數據共享n 分布式計算：需要在多個節點上分布式處理數據，如聯邦學習聯邦部署4.3 企業大模型的部署方式硅基流動推出一站式大模型 API 云服務平臺 SiliconCloud，集成了阿里通義大模型 Qwen2、智譜 AI 的 GLM-4、幻方量化的 DeepSeek-R1 系列開源模型等眾多主流大模型，為開發者提供高效能、低成本的多品類 AI 模型服務，開發者可直接調用平臺 API，無需自建服務，大大節省了搭建和維護模

48、型服務的時間和成本與華為云團隊合作，聯合首發并上線基于華為云昇騰云服務的 DeepSeek R1/V3 推理服務，支持部署的 DeepSeek 模型能達到與全球高端 GPU 部署模型持平的效果，并提供穩定的生產級服務能力。還與智譜 AI 等廠商合作模型廣場，客戶可一鍵調用超百個垂直領域模型大模型云端部署參考方案4.4 為什么需要本地部署大模型離線與高效使用定制化與靈活性數據隱私與安全性成本與資源優化避免使用限制本地部署大模型4.5 企業部署大模型規劃路線數據治理知識庫大模型第一階第二階第三階知識庫 把員工經驗變成企業資產數據治理 給企業數據“立規矩”DeepSeek 大模型 讓企業擁有“數字大

49、腦”廈大團隊兩本數據治理書籍4.5 企業部署大模型規劃路線構建企業內部知識庫（RAG系統）短期（0-6月）開發行業專屬大模型（模型微調）中期（6-18月）搭建AI Agent工作流（企業智能體）長期（18月+）4.6 企業級應用集成AI大模型的關鍵步驟企業首先需要明確AI應用的具體場景，如文本生成、情感分析、圖片理解和生成等。這有助于后續模型的選擇與技術路線的設計需求場景定義根據需求場景，企業需要在眾多預訓練模型中選擇合適的AI大模型。這一過程中，企業需要綜合考慮模型的性能、準確性、計算效率、成本及安全性等因素模型選型選定模型后，企業需要通過提示詞工程、RAG、微調等策略對模型進行優化，以提升

50、其在特定場景下的表現效果與可靠性模型優化最后，企業需要將AI大模型無縫集成到現有的業務系統中，實現自動化決策或增強用戶體驗應用集成優化后的模型需要被部署到合適的環境中，如云端、邊緣計算或本地服務器等。這要求企業具備強大的技術實力和豐富的運維經驗模型部署4.7 企業級應用集成AI大模型的技術架構設計企業級應用集成AI大模型的技術架構設計，需要綜合考慮業務需求、數據安全、模型性能等多方面因素。以下是一個典型的技術架構設計框架：包括內部數據庫、公共數據集、第三方數據服務等，為AI大模型提供豐富的數據支持數據源層使用爬蟲、API、IoT設備等手段收集數據，并進行清洗、格式化、歸一化、特征提取等預處理操

51、作數據采集與預處理層使用機器學習框架（如TensorFlow、PyTorch等）訓練模型，并通過交叉驗證、A/B測試等方法評估模型性能模型訓練與評估層將訓練好的模型部署為RESTful API等服務，使用Docker、Kubernetes等工具進行容器化與編排，實現高效的模型管理和服務模型部署與服務層將AI模型集成到業務流程中，通過Web應用、移動應用等用戶界面提供交互服務業務邏輯與用戶界面層實施加密、訪問控制等手段保護數據安全，確保AI應用符合行業標準和國家法規安全與合規層4.8 大模型應用落地總體“四維認知”框架來源：網絡技術文章大模型應用落地路徑頂層設計直面行業轉型現狀與痛點在啟動大模型

52、項目時，必須深入分析行業轉型的階段性特征、業務體系的現實需求以及技術架構的短板痛點，找準問題，避免照搬照抄問題診斷診斷短板，明確能力提升路徑找準問題僅僅是第一步，還需要進一步診斷企業在大模型應用方面的短板，給出補齊相關能力的“藥方”能力評估聚焦待補齊能力背后的技術議題大模型能力的提升并非一蹴而就，需要在算力基礎、數據積累、模型優化等方面持續發力焦點確認制定技術建設路線圖，有的放矢地行動行動計劃梳理清楚大模型落地所需的能力體系只是第一步，接下來還需要以行動為指引，將愿景變為現實4.9 大模型應用落地策略建議聚焦業務場景需求并合理選擇模型-深入剖析業務需求，首選大語言模型提升文本處理效率；多模態業

53、務需權衡技術成本，采用合適架構融入系統評估自身數據豐富度及質量-評估數據豐富度、多樣性、時效性和隱私保護要求，確保數據支持模型訓練微調，符合合規要求建立持續學習與迭代機制-建立性能監控和反饋機制，定期評估模型效果，根據需求和反饋調優迭代，確保模型持續滿足業務需求探索大模型應用與業務的深度融合-從輔助生成場景拓展到為決策賦能，推動數字化轉型和智能化升級，實現業務流程自動化智能化明確任務性質結合業務邏輯優化流程-區分輔助生成與決策性任務，優化輸入輸出流程（輔助生成任務）或結合模型預測與決策邏輯（決策性任務）明確技術選型與適配性-綜合評估框架成熟度、易用性、擴展性和兼容性等因素，選擇合適大模型框架并

54、確保與現有系統高效集成培養獨立的AI人才與團隊-引進培養AI專業人才，負責模型微調、技術引入和系統集成等工作，支撐大模型應用發展4.10 大模型構建的技術方案選擇使用海量數據進行預訓練得到的基礎大模型，具備廣泛的語言理解和生成能力，但在特定任務上的表現往往不夠精準。解決方案：（1）模型微調；（2）本地知識庫模型微調和本地知識庫（1）領域針對性強：經過微調的模型在特定領域的表現會有顯著提升，能夠更好地理解和處理該領域的專業問題；（2）模型適應性優化：通過微調可以調整模型的參數，使其更符合特定任務的要求，提高輸出的準確性和穩定性。模型微調技術特點（1）高質量的標注數據：標注數據的質量直接影響微調的

55、效果，需要確保數據標注的準確性和一致性。（2）合理的微調策略：選擇合適的微調算法和超參數，避免過擬合或欠擬合問題。模型微調技術要點模型微調還是本地知識庫？4.10 大模型構建的技術方案選擇模型微調主要是指令微調，指令微調包括兩個階段：監督微調和強化學習在監督微調階段，模型會學習一個 指令-響應（Instruction-Response）數據集，該數據集包含大量人類編寫的任務示例，例如“請解釋相對論的基本概念”及其標準答案通過這種方式，模型能夠理解不同類型的任務并提供符合預期的回答。指令-響應（Instruction-Response）數據集用于訓練模型理解任務指令并生成符合預期的響應監督微調在

56、微調完成后，部分高級模型還會使用強化學習進行優化。例如，ChatGPT 和 Claude 使用 人類反饋強化學習（RLHF）讓模型的回答更符合用戶期望，更好地選擇符合人類偏好的答案強化學習不足之處：數據準備成本高時效性問題需要收集、整理和標注大量特定領域的數據，這是一個耗時費力的過程對知識更新頻繁的領域，微調后的模型可能很快會過時，需要不斷重新訓練4.10 大模型構建的技術方案選擇n 本地知識庫RAG（Retrieval-Augmented Generation），即檢索增強生成，是一種結合檢索技術和生成模型的技術框架，旨在提升模型生成內容的準確性和相關性其核心思想是：在生成答案前，先從外部知

57、識庫中檢索相關信息，再將檢索結果與用戶輸入結合，指導生成模型輸出更可靠的回答。簡單地說，就是利用已有的文檔、內部知識生成向量知識庫，在提問的時候結合庫的內容一起給大模型，讓其回答的更準確，它結合了信息檢索和大模型技術4.10 大模型構建的技術方案選擇n 本地知識庫的優點保護數據隱私由于日常的業務知識是保存到本地的，所以減少信息泄露的風險減少模型幻覺由于提問結合了業務知識，所以減少了模型的幻覺，即減少了模型的胡說八道實時知識補充模型的回復結合了業務知識和實時知識，所以實時性可以更好不用重新訓練模型，微調模型降低了成本無需重新訓練4.11 本地部署大模型初級方法步驟安裝Ollama下載DeepSe

58、ek R1運行DeepSeek R1使用Open WebUI增強交互體驗具體安裝過程請參考廈門大學數據庫實驗室博客 https:/ 本地部署大模型的成本DeepSeek R1 671B（滿血版）部署成本1.硬件采購成本服務器集群：含8張NVIDIA A100/H100顯卡的服務器，市場價格約80-120萬元配套設備：液冷系統、冗余電源等附加成本約15-25萬元2.運維成本電費：滿載功耗約6000W，年電費約5-8萬元（按工業電價1.2元/度計算）維護：專業工程師團隊年成本約30-50萬元4.12 本地部署大模型的成本n 2025年2月10日，清華大學AI團隊發布KTransformers開源項

59、目迎來重大更新，成功打破大模型推理算力門檻。此前，擁有671B參數的MoE架構大模型DeepSeek-R1在推理時困難重重。推理服務器常因高負荷宕機，專屬版云服務器按GPU小時計費的高昂成本讓中小團隊無力承擔，而市面上的“本地部署”方案多為參數量大幅縮水的蒸餾版，在本地小規模硬件上運行滿血版 DeepSeek-R1 被認為幾乎不可能n 此次KTransformers項目更新帶來重大突破，支持在24G顯存（4090D）的設備上本地運行 DeepSeek-R1、V3的671B滿血版。其預處理速度最高可達286 tokens/s，推理生成速度最高能達到14 tokens/s。甚至有開發者借助這一優化

60、技術，在3090顯卡和200GB內存的配置下，使Q2_K_XL模型的推理速度達到9.1 tokens/s，實現了千億級模型的“家庭化”運行傳統方案：8卡A100服務器成本超百萬元，按需計費每小時數千元清華方案：單卡RTX 4090方案，整機成本約2萬元，功耗80W4.13 企業部署大模型當前關注的問題收益不確定：當前很多應用場景多處于驗證階段，其實際效果和最終收益存在不確定性落地和建設路徑：第一，是模型本身，研發能力不足的企業用戶，是否自身要去做模型訓練？現階段是否一定要有企業內部專屬大模型？第二，如果做訓練和微調，現有的數據量是否足夠？第三，算力是否需要投入？如果增加算力投入，整體項目預算量

61、級會上升一個級別。第四，如何量化最終收益？第五，是項目可行性問題，大多數企業用戶在過去一年都已經做過大模型嘗試，準確性、幻覺問題一直存在，如何解決？合規：模型本身是否自主可控？數據是否安全合規？信創要求。選型：現在市面上第一類大模型由互聯網大廠，像阿里、騰訊、華為等大廠研發的相關產品。那第二類是專注單點應用的小廠，比如專注于 Agent 平臺和 Agent 應用開發。第三，現有垂直供應商。所有企業用戶都會關注選型問題，雖然大模型大廠本身技術能力很強，但不一定特別理解企業自身業務場景，而現有的垂直廠商本身技術能力會受到多方質疑，所以選型是重點關注的問題。4.14 企業部署大模型面臨的挑戰AI大模

62、型正在重構千行萬業，造就數據的黃金時代，然而AI進入各行業仍面臨著挑戰：從通用大模型到行業場景大模型，需要進行針對性訓練，訓練所需數據預處理耗時長，收集、清洗等環節占模型開發訓練時長60%，需要高效歸集、管理的數據工程能力其次，行業場景模型訓練和應用落地難，項目開發難度大，人員技術要求高，開發周期不可控，需要環境易安裝、模型易訓練、應用易搭建的AI業務平臺最后，因算力等待、任務潮汐、資源碎片化等原因，AI集群可用度往往不足50%，需要不斷提升全系統調度效率大模型企業落地解決方案供應商（比如DeepSeek一體機廠商）可以提供支持：數據工程工具化，縮短80%訓練數據準備周期一極簡應用開發平臺，支

63、撐非專業開發者快速上手三系統級模型訓練與推理加速能力，實現模型訓練周期縮短30%，推理并發提升一倍二5.智能體的企業應用5.1 智能體的概念5.2 智能體和RAG的區別5.3 典型的智能體類型5.4 智能體產品5.5 國內典型的智能體開發平臺廈門大學大數據教學團隊作品5.1 智能體的概念5.1 智能體的概念智能體（AI Agent），又稱“人工智能代理”，是一種模仿人類智能行為的智能化系統，它就像是擁有豐富經驗和知識的“智慧大腦”，能夠感知所處的環境，并依據感知結果，自主地進行規劃、決策，進而采取行動以達成特定目標。簡單來說，智能體能夠根據外部輸入做出決策，并通過與環境的互動，不斷優化自身行為

64、智能體本身既不是單純的軟件也不是硬件，而是一個更為寬泛的概念，它們可以是軟件程序、機器人或其他形式的系統，具備一定的自主性和智能性5.1 智能體的概念基于大模型的智能體是指利用大語言模型（如GPT、BERT等）作為核心組件，構建的能夠執行特定任務、與環境交互并做出決策的人工智能系統。這些智能體具有自主性、交互性、適應性等特點，能夠模擬人類的認知和決策過程，提供更加自然、高效和個性化的交互體驗。它們能夠處理海量數據，進行高效的學習與推理，并展現出跨領域的應用潛力AI Agent 的誕生就是為了處理各種復雜任務的，就復雜任務的處理流程而言 AI Agent 主要分為兩大類：行動類、規劃執行類?？偠?/p>

65、言之，AI Agent 就是結合大模型能去自動思考、規劃、效驗和執行的一個計算體，以完成特定的任務目標，如果把大模型比作大腦，那 AI Agent 可以理解為小腦+手腳5.1 智能體的概念過去的嵌入式工具型 AI助手型工具（例如 siri、小度、小愛音箱），只完成和人之間的問答會話目前各類 AI Copilot 不再是機械地完成人類指令，而是可以參與人類工作流，為諸如編寫代碼、策劃活動、優化流程等事項提供建議，與人類協同完成AI Agent 的工作僅需給定一個目標，它就能夠針對目標獨立思考并做出行動，它會根據給定任務詳細拆解出每一步的計劃步驟，依靠來自外界的反饋和自主思考，自己給自己創建 pr

66、ompt，來實現目標5.2 智能體和RAG的區別n RAG和智能體RAG 技術就像是一個智能的知識助手，它通過將外部知識庫與大語言模型相結合，極大地增強了模型的回答能力。當用戶提出問題時，RAG 首先會在龐大的知識庫中進行檢索，找到相關的信息，然后將這些信息與大語言模型的生成能力相結合，給出更加準確、全面的回答。例如，在企業客服場景中，RAG 可以快速檢索企業的產品資料、常見問題解答等知識庫，為客戶提供精準的服務，大大提高了客服的效率和質量智能體更像是一個擁有自主意識的智能員工，它以大語言模型為驅動，具備自主理解、感知、規劃、記憶和使用工具的能力。它可以根據目標任務，進行智能規劃與決策，自動執

67、行復雜的任務。比如在智能辦公場景中，AI Agent 可以根據用戶的日程安排，自動預訂會議室、安排會議議程，還能在會議結束后自動生成會議紀要，實現辦公流程的自動化，讓員工從繁瑣的事務性工作中解脫出來RAG 的部署相對來說成本較低，主要集中在知識庫的建設和維護上。企業可以利用現有的數據資源，構建自己的知識庫，然后通過接入大語言模型，實現 RAG 的功能。對于一些數據量較小、業務場景相對簡單的企業來說，RAG 是一個性價比很高的選擇AI Agent 的部署則需要更高的技術門檻和成本。它不僅需要強大的大語言模型支持，還需要構建復雜的智能規劃和決策系統，以及與各種工具和系統的集成。此外，AI Agen

68、t 還需要不斷地進行訓練和優化，以提高其智能水平和適應性。因此，對于一些中小企業來說，AI Agent 的部署成本可能較高，但對于大型企業和對智能化要求較高的企業來說，AI Agent 帶來的價值可能遠超其成本5.2 智能體和RAG的區別n RAG和智能體在運行效果上，RAG 在處理一些需要大量知識支持的任務時表現出色，比如智能問答、文檔生成等。它能夠利用知識庫中的信息，為用戶提供準確、詳細的回答。但 RAG 的局限性在于，它缺乏自主決策和規劃的能力，對于一些復雜的、需要靈活應變的任務可能無法勝任RAGRAG 和 AI Agent 都有各自的優勢和適用場景。對于企業用戶來說，在選擇時需要根據自

69、身的業務需求、數據資源、技術實力和預算等因素進行綜合考慮。如果企業只是需要解決一些簡單的知識檢索和生成問題，那么 RAG 可能是一個不錯的選擇；如果企業希望實現業務流程的全面自動化和智能化，那么 AI Agent 則更能滿足其需求。在這個快速發展的人工智能時代，只有選擇最適合自己的技術，才能在激烈的市場競爭中立于不敗之地各自的優勢和適用場景AI Agent 則在復雜場景下展現出了強大的優勢，它能夠根據環境的變化和任務的要求，自主地進行決策和規劃，實現任務的自動化執行。無論是在智能客服、智能辦公還是智能生產等領域，AI Agent 都能夠發揮出其獨特的價值，提高企業的運營效率和競爭力AI Age

70、nt 5.3 典型的智能體類型n 典型的智能體類型生產力智能體：這一類智能體通過自動化任務、優化工作流程和提升效率來顯著提高生產力智能體框架：是一組編程工具和庫，專門為創建高效、可擴展的AI智能體設計。它們通常包括用于任務規劃、對話管理和數據處理的模塊語音AI智能體：通過語音識別和自然語言處理技術，與用戶進行語音交互。這些智能體在智能家居、車載系統和客戶服務中非常常見數據分析智能體：可以處理海量數據，快速生成洞察，并幫助用戶做出數據驅動的決策。它們廣泛應用于商業、科學和金融領域個人助理智能體：可以幫助用戶管理日程、發送提醒、執行簡單任務，甚至提供個性化建議，提升個人的日常效率智能體開發平臺：是

71、支持開發、管理和部署智能體的技術基礎。它們提供必要的工具和接口，幫助企業和個人快速構建和集成智能體編程類AI智能體：能夠協助開發者完成代碼編寫、調試和優化，提升開發效率，減少人為錯誤客戶服務智能體：俗稱“智能客服”，能夠提供即時的客戶支持、回答常見問題，并通過個性化推薦提高客戶滿意度數字化工作者：是一種AI智能體，專注于執行重復性高的任務，比如數據輸入、文檔整理和流程自動化5.3 典型的智能體類型企業產品實例5.3 典型的智能體類型企業產品實例5.3 典型的智能體類型企業產品實例5.4 智能體產品2025年1月23日，OpenAI發布了一個創新性的智能體Operator，它是一個能夠像人類一樣

72、使用計算機的智能體。它基于OpenAI最新研發的CUA（Computer-Using Agent）模型，CUA 將 GPT-4o 的視覺功能與通過強化學習獲得的高級推理相結合，經過訓練可以與圖形用戶界面（GUI，即人們在屏幕上看到的按鈕、菜單和文本字段）進行交互。Operator通過觀察屏幕并使用虛擬鼠標和鍵盤來完成任務，而無需依賴專門的API接口。這種設計使其可以適配任何為人類設計的軟件界面，帶來極高的靈活性Operator好比一個博士水平的個人助理，你給他一個復雜的任務，它就會自動執行。Operator的主要功能包括自主完成諸如采購雜貨、提交費用報表、訂票、買日用品、填寫表格等任務，旨在通

73、過自動化操作提升日常生活和工作效率。它還可以一邊在StubHub搜索勇士隊比賽門票，一邊處理網球場預訂、尋找清潔服務和DoorDash訂餐，實現多任務并行處理5.4 智能體產品2025年2月3日，OpenAI發布了一款新的智能體產品Deep Research。Deep Research由OpenAI o3模型的一個版本提供支持，該模型針對網頁瀏覽和數據分析進行了優化，它利用推理來搜索、解釋和分析互聯網上的大量文本、圖像和PDF，并根據需要根據遇到的信息做出調整。Deep Research具有以下四大核心技術：會自動24小時掃描全球知識庫數據雷達能把零散的信息拼成完整的戰略地圖知識拼圖發現矛盾時

74、，自動回溯、驗證，調整推理路徑邏輯推理可以綜合各種知識，生成完美報告，附帶文獻引用學術裁縫5.5 國內典型的智能體開發平臺Coze(扣子)是字節跳動推出的新一代 AI 智能體開發服務平臺5.5 國內典型的智能體開發平臺5.5 國內典型的智能體開發平臺5.5 國內典型的智能體開發平臺5.5 國內典型的智能體開發平臺支付寶5.5 國內典型的智能體開發平臺6.廠商提供的企業級大模型服務6.1 企業級大模型落地解決方案服務6.2 DeepSeek大模型一體機6.3 企業選擇大模型產品的考察維度6.4 企業大模型應用專業顧問廈門大學大數據教學團隊作品6.1 企業級大模型落地解決方案服務云廠商為代表的大廠

75、-具備強大基礎能力，可解決復雜問題；構建通用能力支持共性需求；擁有自研模型和充足算力，提供全方位服務AI應用企業為代表的服務商-注重用戶體驗流暢性；對特定行業理解深入，提供貼合行業需求的方案；基于場景經驗提供實用服務新興大模型應用開發服務商-有完善算力運營調度方案，通過軟硬件優化和多元異構算力適配技術提升AI應用性能6.1 企業級大模型落地解決方案服務來自UST6.1 企業級大模型落地解決方案服務來自UST6.1 企業級大模型落地解決方案服務6.2 DeepSeek大模型一體機提供1.5B輕量版至671B超大規模模型的靈活調用，滿足邊緣端輕量化推理與云端復雜訓練的雙重需求，支持模型蒸餾與定制化

76、開發，助力企業“按需取用”全尺寸模型支持通過智能算力管理引擎，實現CPU、GPU等異構資源的動態分配，提升資源利用率，降低算力閑置成本動態資源調度內置政務公文寫作、金融合同審核、工業質檢、智能客服等多種垂直場景解決方案，結合API服務快速對接企業現有系統行業場景深度適配從數據集管理、模型微調、日志監控到自動化運維，提供端到端的技術支持，降低企業AI應用的長期運營成本全生命周期管理支持私有化部署至客戶本地環境，確保金融、政府等高敏感行業的數據主權，符合國家信創安全標準數據安全與本地化部署6.2 DeepSeek大模型一體機某廠商國產化AI算力的“開箱即用”解決方案6.2 DeepSeek大模型一

77、體機天璣科技：PriData 超融合一體機深信服：一朵云?？低暎何乃汛鎯ο盗挟a品大華股份：大華神算浪潮信息：DeepSeek 推理一體機中國長城：長城擎天 GF7280 V5 AI 訓推一體機中科曙光：曙光 DeepSeek 人工智能一體機優刻得：DeepSeek 滿血版大模型一體機云從科技：從容大模型訓推一體機天融信：融信DeepSeek 安全智算一體機新致軟件：新致信創一體機軟通動力：DeepSeek 應用方案一體機科大訊飛：星火+DeepSeek 雙引擎一體機拓維信息：拓維信息智能數據標注一體機協創數據：Fcloud DeepSeek 滿血版一體機麒麟信安：麒麟信安全國產化智算一體機亞

78、康華創科技：D-BOX Pro 桌面級智能一體機華為昇騰：昇騰DeepSeek 推理一體機聯想集團：智能體一體機與訓推一體服務器釘釘科技：專屬 AI 一體機新華三：DeepSeek智能一體機寶得：DeepSeek一體化智能設備中國電信：息壤智算一體機-DeepSeek 版中國移動：智算一體機-DeepSeek 版中國聯通：DeepSeek一體機柏飛電子：DeepSeek 加固式一體機京東云：DeepSeek 大模型一體機華能振宇：天巡 DeepSeek 大模型一體機昆侖技術：DeepSeek 本地化部署一體機百度：百舸 DeepSeek 一體機黃河信產：黃河 DeepSeek 一體機6.2 D

79、eepSeek大模型一體機n 一體機價格服務器硬件：200,000-500,000，用于配備高端處理器的企業級服務器AI加速器：1,000,000-2,500,000，用于671B模型所需的8+高性能GPU/NPU內存：150,000-300,000，用于1-2TB RAM配置（如協創數據所提及）存儲：80,000-200,000，用于高性能NVMe SSD軟件與集成：200,000-600,000，用于DeepSeek部署、平臺集成和支持服務硬件成本分析在Deepseek-671滿血版硬件配置基礎上估算如下：入門級671B配置：1,500,000-2,500,000中端企業部署：2,500,

80、000-5,000,000高端多服務器集群設置：5,000,000-10,000,000+估計總成本范圍部署規模-單服務器與多服務器集群配置的差異GPU/NPU選擇-國產與國際加速器卡的成本差異內存需求-671B等大模型需要大量內存資源支持和維護合同-企業級支持協議的費用軟件許可-DeepSeek商業許可和管理工具的成本關鍵成本因素6.3 企業選擇大模型產品的考察維度包括大模型響應時效和端到端響應時效。響應時效反映單次請求的處理效率,端到端時效關注交互場景的整體流暢度。響應時間過長會嚴重影響用戶體驗,降低工作效率,因此響應速度是一個重要的技術考量點響應速度主要指標是token長度。token長

81、度越長,支持編碼理解的上下文信息越豐富,不同意圖之間的語義關聯性更強。足夠的token長度可以讓模型學習和記憶更復雜的知識結構,進行多輪交互，推理更加準確輸入長度與多輪交互能力評估大模型文本生成、問答等功能的輸出質量和正確率,是技術指標的核心。知識準確率直接決定了模型應用場景的范圍和效果,是一個必須重點考量的維度問答準確率答案是否是真實可信的，不存在模型的幻想，或超越出本知識庫內容的編造內容；是否提供了查證答案來源的可溯源的知識出處機制答案可信度大模型是否能夠按照客戶化的語言模式，生成答案，以流暢的、適配客戶情境的客戶化語言進行交流語言個性化程度6.3 企業選擇大模型產品的考察維度知識構建是否

82、與日常知識積累復用，是否需要進行深度的知識加工才可以供大模型進行問答，其知識庫構建難度越高，在這一點上得分越低知識庫構建難度是否能夠確保信息安全，不泄密企業核心知識，沒有信息安全隱患信息安全系數是否能適配和接入垂直領域知識庫，進行領域的訓練。反映大模型對業務領域專業知識的理解和適應程度,直接影響知識服務的質量。核心是意圖理解力和問題解決力。這關系到模型是否能貼合企業實際業務需求垂域訓練能力前期成本投入包括軟件采購和基礎硬件投入。運營期人工替代率能直觀反映大模型應用對企業運營成本的節約效果，所投入的成本最終能夠代替多少人工或人工工時，直接反應了其成本收益的比成本效益是否能與企業知識庫、企業業務系

83、統、企業IM等數據源、渠道進行集成，實現大模型能力的中臺化復用，集成接口是否完善集成擴展能力6.4 企業大模型應用專業顧問n 為什么需要專業顧問？誰執行誰負責咨詢誰告知誰大模型技術的變易性，需要專業團隊輔助學習應用大模型應用的探索性，需要專業團隊協助調研論證大模型項目的復雜性，需要專業團隊參與策劃實施大模型創新的價值性，需要專業團隊提升包裝傳播6.4 企業大模型應用專業顧問n AI大模型應用中專業顧問服務什么？來源：大任智庫01AI大模型應用的目標場景設定03AI大模型應用的選型方法優化05AI大模型應用的成果質量保障02AI大模型應用的功能需求設計04AI大模型應用的組織過程協同06AI大模

84、型應用的成果推廣轉化6.4 企業大模型應用專業顧問n AI大模型應用中專業顧問如何服務？來源：大任智庫教練式AI大模型應用專業顧問服務，類似于教練式服務。與客戶企業一起對AI+行動規劃進行市場趨勢、方法論和內容體系等指導和討論，提供相關主題講座，提供主題研討交流，提供過程中的疑難咨詢、方法討論。幫助界定內容，指導把控要點，促進甲方項目組成員數字化專業水平的提升監理式AI大模型應用專業顧問服務，也類似于項目監理服務。通過服務，保障企業AI+創新應用項目的全過程得到專業化的質量管控。協助組織和參與實施項目前期方案評審、過程重要節點評審、項目驗收評審，對交付成果依據項目需求和研發協議進行全盤評價，協

85、助與技術開發方的溝通和完善。從需求階段的共研，到過程中外協開發方各節點規劃設計的交付評審，到最終規劃成果的評審驗收，提供專業意見和規范指導伙伴式AI大模型應用專業顧問服務，同樣類似于伙伴式服務。圍繞項目全過程，與企業工作組成員一道，隨時響應，及時交流，結合外協開發方服務進度和方式，共同溝通，融合協作，隨時響應溝通交流，雙方決策層建立協作直通車，在項目研發、應用和成果化等各方面進行緊密協作，保障規劃項目最終實現優秀成果并便于應用落地7.大模型典型應用案例廈門大學大數據教學團隊作品7.大模型典型應用案例n 瑞金醫院攜手華為發布瑞智病理大模型RuiPath，單切片AI診斷僅需數秒瑞智病理大模型Rui

86、Path，是基于瑞金醫院數字化智慧病理科的全業務流程開發的臨床級國產多模態互動式病理大模型，數字化和AI助力醫院實現多模態融合在交互式輔助診斷環節，傳統診斷方式是醫生在顯微鏡下逐張查看切片，完成診斷后再人工錄入報告。而 RuiPath能夠提前精準識別病灶區域，單切片AI診斷時間僅需數秒。這使得醫生的工作模式從在鏡下逐個尋找病灶，轉變為以互動方式審核AI診斷結果，從 逐片診斷（Slide by slide）模式升級為逐步審核（Step by step）模式，顯著提升了診斷效率與質量7.大模型典型應用案例2025年3月，東莞市人工智能大模型中心將正式啟動運營，大模型中心由東莞市數字經濟發展集團建設

87、，依托華為昇騰AI全棧技術，構建起100P國產化智能算力底座，上線3個通用大模型及2個制造業垂直模型作為全國首個聚焦制造業的城市級大模型中心，其創新性在于，針對制造企業“高精度、低成本、快迭代”的共性需求，提供開箱即用的算法服務與AI開發平臺。企業僅需注入少量數據，即可快速提升模型精度，破解傳統AI開發周期長、投入高的痛點通過CV大模型實現包裝盒外觀缺陷毫秒級識別；同時運用運籌優化算法，重構全球供應鏈物流網絡，通過數據治理，為月臺調度、派車計劃兩個求解器場景提供準確數據，使月臺調度效率提升，每年節省物流成本300萬-440萬7.大模型典型應用案例n 云南白藥集團股份有限公司的“大模型應用開發平

88、臺”云南白藥集團股份有限公司構建了面向全員的人工智能企業級大模型應用開發平臺，深植 LLM 運營（LLMOps）的先進理念。平臺不僅無縫集成了主流大模型提供商的豐富模型矩陣，還深耕 Prompt 工程學領域，通過精細化指令設計，引導模型展現超凡智能表現基于大模型應用平臺構建的進銷存數據清洗及標準化解決方案，實現了由人工處理轉為線上系統自動化流程處理，月處理藥品銷售庫存 3000+份文件約 300 萬條記錄，平均每份文件處理時間由 10 分鐘降至 1 分鐘，人效提高 90%應用實例平臺包含了構建 LLM 應用所需的關鍵技術棧，可以快速搭建企業業務助手，為業務場景解決方案提供便利性 AI 支持案例

89、亮點7.大模型典型應用案例n 廈門市合趣信息科技有限公司：云合AI 產業顧問云合AI 產業顧問是基于大語言模型及產業大數據的辦公效率工具，為全國數百萬招商及產業人員提供準確、及時、可靠的產業分析、數字招商和輔助辦公功能。它幫助政府、招商、投資、產研等機構通過 AI 對話、知識庫、企業分析報告等功能快速完成工作p 投洽會 AI 顧問-鷺可：在 23 屆 98 投洽會線下現場及線上平臺“云上投洽會”中集成了大模型數字人對話應用“投洽會 AI 顧問”，以廈門城市形象“鷺可”作為智能對話數字人，將投洽會“展、會、談、宣”及廈門文旅、核心產業數據進行知識增強，用戶可通過智能語音/文字對話方式進行各類相關

90、內容的問答p 云合AI 產業顧問-通用版：23 年 11 月份在互聯網上啟動開放下載及注冊，目前已有數千名個人辦公用戶，并形成了一定的付費轉化，幫助不少企業員工和管理層實現了 AI 辦公賦能應用實例將 AI 大模型的能力經過場景化提煉整合，為用戶提供具體工作場景所需的功能，如 AI 對話、AI 角色/數字員工、AI 全局快捷指令、AI 寫作、企業分析報告、知識庫、思維導圖、研報中心、AIPPT、AI 繪圖、AI 產業數據服務、AI agents 定制服務等案例亮點7.大模型典型應用案例天士力集團大模型探索實踐8.AIGC與企業應用實踐8.1 AIGC概述8.2 文本類AIGC應用實踐8.3 圖

91、片類AIGC應用實踐8.4 語音類AIGC應用實踐8.5 視頻類AIGC應用實踐8.6 AIGC在輔助編程中的應用8.7 AI搜索8.8 AI智能辦公廈門大學大數據教學團隊作品8.1 AIGC概述8.1.1 什么是AIGC8.1.2 AIGC與大模型的關系8.1.3 常見的AIGC應用場景8.1.4 常見的AIGC大模型工具8.1.5 AIGC大模型的提示詞廈門大學大數據教學團隊作品8.1.1 什么是AIGCAIGC的全稱為“Artificial Intelligence Generated Content”，中文翻譯為“人工智能生成內容”。這是一種新的創作方式，利用人工智能技術來生成各種形式

92、的內容，包括文字、音樂、圖像、視頻等nAIGC是人工智能進入全新發展時期的重要標志，其核心技術包括生成對抗網絡（GAN，Generative Adversarial Networks）、大型預訓練模型、多模態技術等nAIGC的核心思想是利用人工智能算法生成具有一定創意和質量的內容。通過訓練模型和大量數據的學習，AIGC可以根據輸入的條件或指導，生成與之相關的內容。例如，通過輸入關鍵詞、描述或樣本，AIGC可以生成與之相匹配的文章、圖像、音頻等nAIGC技術不僅可以提高內容生產的效率和質量，還可以為創作者提供更多的靈感和支持。在文學創作、藝術設計、游戲開發等領域，AIGC可以自動創作出高質量的文

93、本、圖像和音頻等內容。同時，AIGC也可以應用于媒體、教育、娛樂、營銷、科研等領域，為用戶提供高質量、高效率、高個性化的內容服務8.1.2 AIGC與大模型的關系大模型與AIGC之間的關系可以說是相輔相成、相互促進的。大模型為AIGC提供了強大的技術基礎和支撐，而AIGC則進一步推動了大模型的發展和應用大模型為AIGC提供了豐富的數據資源和強大的計算能力AIGC的需求也推動了大模型的發展大模型和AIGC的結合，也帶來了廣泛的應用前景0201038.1.3 常見的AIGC應用場景生成商品標題、描述、廣告文案和廣告圖電商寫周報日報，寫方案，寫運營活動，制作PPT，寫讀后感，寫代碼辦公生成場景原畫，

94、生成角色形象，生成世界觀，生成數值，生成3D模型，生成NPC對話，音效生成游戲頭像生成，照片修復，圖像生成，音樂生成娛樂生成分鏡頭腳本，生成劇本腳本，臺詞潤色，生成推廣宣傳物料，音樂生成影視8.1.3 常見的AIGC應用場景原畫繪制，動畫生成，分鏡生成，音樂生成動漫寫詩，寫小說，生成藝術創作品，草圖生成，藝術風格轉換，音樂創作藝術批改試卷，試卷創建，搜題答題，課程設計，課程總結，虛擬講師教育UI設計，美術設計，插畫設計，建筑設計設計軟文撰寫，大綱提煉，熱點撰寫媒體制定學習計劃，做旅游規劃生活8.1.4 AIGC技術對行業發展的影響AIGC技術能夠自動生成高質量的文本、圖像、音頻和視頻等內容，極

95、大地提高了內容創作的效率。在新聞、廣告、自媒體等領域，AIGC已經實現了廣泛應用，幫助創作者快速生成多樣化、個性化的內容，滿足市場需求。這種技術革新不僅降低了內容創作的成本，還激發了創作者的創新靈感，推動了內容產業的繁榮發展內容創作領域的革新AIGC技術在多個行業中展現了其提升生產力和降低成本的潛力。例如，在游戲開發領域，AIGC技術可以用于場景構建、角色互動等，減少人工制作的工作量，提高開發效率。在制造業中，AIGC技術可以輔助設計、優化生產流程，降低生產成本。這些應用使得企業能夠更快地響應市場變化，提升競爭力 生產力提升與成本降低AIGC技術通過提供個性化、定制化的內容和服務，顯著提升了用

96、戶體驗。在智能客服、在線教育等領域，AIGC技術可以根據用戶的需求和偏好提供精準的服務，滿足用戶的個性化需求。這種以用戶為中心的服務模式不僅增強了用戶的滿意度和忠誠度，還為企業帶來了更多的商業機會用戶體驗的升級AIGC技術的快速發展為傳統行業帶來了轉型升級的契機。通過與AIGC技術的深度融合，傳統行業可以探索新的商業模式和服務模式，實現創新發展。例如，在零售業中，AIGC技術可以用于智能推薦、虛擬試衣等場景，提升購物體驗并促進銷售增長。在金融領域，AIGC技術可以應用于投資策略優化、風險管理等方面，提高金融機構的決策效率和準確性推動行業創新與轉型8.1.5 AIGC技術對職業發展的影響傳統職業

97、的轉型升級新興職業的出現隨著AIGC技術的快速發展，一系列與該技術相關的新興職業應運而生。例如，AI訓練師、機器學習工程師、數據標注員等職業需求激增。這些新興職業不僅要求從業者具備扎實的技術基礎，還需要不斷學習和掌握最新的AIGC技術動態AIGC技術也為傳統職業的轉型升級提供了契機。許多傳統職業如編輯、設計師、教師等，在AIGC技術的輔助下，工作效率和創作質量得到了顯著提升。同時，這些職業也需要從業者不斷適應技術變革，掌握新的技能和工具，以適應市場需求的變化工作方式的變革AIGC技術改變了傳統的工作方式，使得遠程工作、靈活辦公成為可能。許多企業開始采用AIGC技術來優化工作流程，減少人力成本，

98、提高工作效率。這種變革不僅為員工提供了更加靈活的工作方式，也為企業帶來了更大的經濟效益持續學習與技能提升職業發展路徑的多樣化AIGC技術的發展為職業發展路徑提供了更多的可能性。從業者可以根據自己的興趣和特長，選擇適合自己的職業發展方向。例如，一些對AI技術感興趣的從業者可以選擇成為AI訓練師或機器學習工程師，而一些具有創意和設計才能的從業者則可以利用AIGC技術來提升自己的創作能力面對AIGC技術的快速發展，從業者需要不斷學習和提升自己的技能水平。通過參加培訓課程、閱讀專業書籍、參與技術論壇等方式，從業者可以緊跟技術前沿，保持自己的競爭力8.1.6 常見的AIGC大模型工具OpenAI的Cha

99、tGPTDeepSeek科大訊飛的訊飛星火阿里的通義千問百度文心一言字節跳動豆包Kimi這些工具基于大語言模型技術，具備文本生成、語言理解、知識問答、邏輯推理等多種能力，可廣泛應用于寫作輔助、內容創作、智能客服等多個領域。通過不斷迭代和優化，為用戶提供更加智能、高效的內容生成解決方案8.1.7 AIGC大模型的提示詞 AIGC大模型的提示詞（Prompt）是指用戶向大模型輸入的文本內容，用于觸發大模型的響應并指導其如何生成或回應 這些提示詞可以是一個問題、一段描述、一個指令，甚至是一個帶有詳細參數的文字描述。它們為大模型提供了生成對應文本、圖片、音頻、視頻等內容的基礎信息和指導方向 提示詞的重

100、要作用如下：提高準確性引導生成增強交互性8.1.7 AIGC大模型的提示詞使用提示詞需要注意一些技巧，這樣可以從大模型獲得更加符合我們預期要求的結果簡潔明確考慮受眾分解復雜任務使用肯定性指令示例驅動明確角色遵守規則自然語言回答8.1.7 AIGC大模型的提示詞提示詞之道：通用大模型與推理大模型在提示詞策略方面也有不同側重與技巧n 提示語更簡潔，只需明確任務目標和需求（因其已內化推理邏輯）n 無需逐步指導，模型自動生成結構化推理過程（若強行拆解步驟，反而可能限制其能力）推理模型n 需顯式引導推理步驟（如通過“思維鏈”提示），否則可能跳過關鍵邏輯n 依賴提示語補償能力短板（如要求分步思考、提供示例

101、）通用模型8.2 文本類AIGC應用實踐進入百度官網訪問DeepSeek保證正?？焖偈褂?.2 文本類AIGC應用實踐n 快速體驗DeepSeek在提示詞輸入框中輸入“請模仿李白的望廬山瀑布做一首詩，題目是看廈門鼓浪嶼”，然后回車，或者用鼠標點擊提示詞輸入框右側的箭頭按鈕，向DeepSeek發起提問。DeepSeek給出的回答如圖所示，需要注意的是，大模型屬于概率模型，每次生成的回答內容可能不完全相同。8.2 文本類AIGC應用實踐n DeepSeek的基本用法無需復雜結構。直接描述需求即可，無需添加“角色扮演”（如“假設你是專家”）或復雜指令（如“用學術語言分三點回答”）。比如，你可以直接向

102、DeepSeek提問“什么是光合作用？”、“如何用Python寫一個計算器程序？”，而不建議使用提示詞“請以生物學教授的身份，用三個段落解釋光合作用，每段不超過100字”。多輪對話優化結果。如果首次回答不完整，可通過追問補充細節，無需一次性給出完美提示。比如，第一輪提問“寫一首關于秋天的詩”，第二輪提問“加入一些悲傷的情緒”，第三輪提問“把落葉換成比喻句”基本原則：簡單直接，自然表達雖然簡單提問即可滿足大多數需求，但在復雜任務中，適當提供背景信息或明確需求會讓結果更精準，具體技巧包括：知識類問題。比如，基礎提問是“量子力學的基本原理是什么？”，優化后的提問是“用通俗易懂的語言解釋量子糾纏，適合

103、高中生理解”，創作類任務（寫作、編程等）。比如，基礎提問是“寫一個關于人工智能的科幻短篇故事”，優化后的提問是“寫一個反烏托邦主題的科幻故事，主角是女性工程師，結局有反轉”。實用建議（學習、工作等）。比如，基礎提問是“如何提高英語聽力？”，優化后的提問是“我每天只有30分鐘學習時間，有哪些高效的英語聽力練習方法？”。復雜任務（數據分析、代碼調試）。比如，基礎提問是“這段Python代碼報錯了，幫我看看問題”，優化后的提問是“我的代碼目標是爬取網頁數據，但遇到SSL證書錯誤。報錯信息如下：粘貼代碼”不同場景的提問技巧（非必需，但可提升效率）8.2 文本類AIGC應用實踐n DeepSeek的基本

104、用法作為初學者，DeepSeek的一些“魔法”指令也很有用，比如，你可以輸入“/步驟 如何機拍攝旅游照”，DeepSeek返回的回答結果就會按照步驟詳細給出拍攝旅游照片的說明，再比如，你可以輸入“請解釋量計算，然后/簡化”，它就會返回比較簡明扼要的回答指令功能/續寫當回答中斷時自動繼續生成/簡化將復雜內容轉換成大白話/示例要求展示實際案例（特別是寫代碼時）/步驟讓AI分步驟指導操作流程/檢查幫你發現文檔中的錯誤DeepSeek的“魔法”指令8.2 文本類AIGC應用實踐n 使用DeepSeek處理文檔點擊DeepSeek界面中的回形針圖標上傳文件，支持的文件類型包括文本類（PDF、DOCX、T

105、XT、Markdown）、數據類（CSV、XLSX）和圖像類（JPG、PNG）。然后，就可以在對話框中輸入提示詞，比如，可以輸入“總結這份年報的三個核要點”、“提取合同中的責任條款制成表格”、“對比文檔A和文檔B的市場策略差異”、“從實驗報告中整理所有溫度數據”、“請識別圖片中的文字”等。也可以使用一些指令來處理文檔，如表所示。功能指令模板應用場景內容摘要/總結 文件名 生成500字摘要快速把握長篇文檔核心內容問答提取/問答 文件名 第三章提到的技術參數是？精準定位特定信息數據可視化/可視化 文件名 將銷售數據生成折線圖轉化表格數據為圖形分析跨文檔對比/對比 文件A vs 文件B 的政策差異合

106、同/論文查重對比n 還可以要求DeepSeek對回答結果進行結構化輸出，比如，可以輸入如下提示詞：/解析文件 年度報告.docx 輸出要求：1.按營收/利潤/成本分類 2.用Markdown表格對比近三年數據 3.關鍵增長點用 標注8.2 文本類AIGC應用實踐02030105060704步驟1：登錄DeepSeek平臺。在瀏覽器地址欄中輸入“https:/ 文本類AIGC應用實踐案例：DeepSeek+Kimi制作腦圖將我們準備好的電子書上傳到DeepSeek，并輸入提示詞：現在我需要做一個xmind思維導圖，請幫這份文檔輸出為Markdown格式將內容復制到text的文件中，進行保存，并將

107、文件的后綴名改為.md打開xmind軟件，通過文件-導入-Markdown進行文件的導入，最后就能馬上渲染出一個非常完美的思維腦圖8.3 圖片類AIGC應用實踐圖片類AIGC是一種基于人工智能技術生成圖片的方法，它利用深度學習、生成對抗網絡（GAN）等先進算法，通過學習和模仿大量圖像數據，能夠自動創作出高度真實和藝術化的圖片。AIGC在圖像生成、修復、風格轉換、藝術創作等領域展現出強大能力，為數字藝術、設計、游戲、電影等多個行業帶來創新解決方案。其優勢包括高效性、多樣性和自動化，能夠快速生成大量高質量的圖像內容，滿足各種復雜需求8.3 圖片類AIGC應用實踐 AIGC還可以修復損壞的圖像，如去

108、除噪聲、填充缺失的部分等。這項技術對于保護和恢復古老的藝術作品、修復損壞的照片等具有重要意義 AIGC 能夠生成高度逼真的圖像，如人臉、動物、建筑物等。例如，OpenAI發布的DALL-E可以根據文本提示詞創作出全新的、原創的圖像，展示了AI在圖像創作方面的強大能力 通過對圖像進行增強處理，AIGC可以增加圖像的飽滿感和增強細節，使圖像質量得到提升。這在提升照片的視覺效果、改善圖像的清晰度和細節方面非常有用 AIGC在圖像識別方面也有廣泛應用，可以識別圖像中的對象、場景和特征，如人臉識別、車牌識別等。這項技術對于安防監控、智能搜索、自動駕駛等領域的發展至關重要圖像生成圖像識別圖像增強圖像修復8

109、.3 圖片類AIGC應用實踐案例：DeepSeek+即夢AI，生成教師節海報第1步：登錄DeepSeek，輸入如下提示詞：第2步：登錄“即夢AI”，進入“AI作圖”的“圖片生成”，在提示詞輸入框中，把第1步DeepSeek生成的提示詞粘貼進來，點擊“立即生成”8.3 圖片類AIGC應用實踐案例：去除圖片中的水印帶有水印的圖片去除水印后的圖片8.4 語音類AIGC應用實踐語音類AIGC是一種利用人工智能技術（特別是語音識別、自然語言處理和語音合成技術），自動生成和處理語音內容的技術。它能夠模擬人類語音，實現語音到文本的轉換、文本到語音的合成，以及語音情感分析等功能，廣泛應用于智能語音助手、智能客

110、服、語音翻譯等多個領域8.4 語音類AIGC應用實踐應用場景01智能語音助手07智能駕駛艙與車載語音助手02智能客服06語音分析與情感識別03語音合成與轉換05語音翻譯04虛擬人物與數字人8.4 語音類AIGC應用實踐n 可以使用語音類AIGC工具（喜馬拉雅音頻大模型、騰訊智影），根據自己的文本內容，自動生成專業的配音，可以采用專業播音員的音色，也可以使用AIGC工具（比如米可智能）“克隆”自己的報告聲音，用自己的音色生成配音n 使用鬼手剪輯GhostCut進行語音翻譯，可以把一種語言的報告視頻自動轉換成另外一種語言的報告視頻企業人員怎么用？8.5 視頻類AIGC應用實踐視頻類AIGC是指利用

111、人工智能技術，特別是深度學習、機器學習等算法，自動創建或處理視頻內容的技術。它能根據給定的文本、圖像或其他數據，自動生成符合描述的視頻內容，涵蓋文生視頻、圖生視頻、視頻風格化、人物動態化等多個方向。這一技術在創意設計、影視制作等領域潛力巨大，極大地提升了視頻內容的生產效率和質量8.5 視頻類AIGC應用實踐 視頻類AIGC大模型發端于Sora。2024年2月，美國的Open AI發布了全球第一款文生視頻大模型Sora（這里的“文生視頻”是指由輸入的文本內容生成相應的視頻），迅速引起了業界的廣泛關注和討論由快手推出，被譽為中國版Sora，視頻生成時長可達120秒，支持文生視頻、圖生視頻、視頻續寫

112、、鏡頭控制等功能，表現出色?？伸`生數科技聯合清華大學發布，是中國首個長時長、高一致性、高動態性視頻大模型，支持一鍵生成16秒高清視頻，性能對標國際頂尖水平。Vidu即夢 AI 是字節跳動旗下剪映團隊開發的一站式 AI 創意創作平臺。支持文生圖、圖生圖、文生視頻、圖生視頻等，有智能畫布、故事創作等即夢AI企業人員怎么用？借助可靈AI工具，根據文本內容自動生成高質量的視頻使用即夢AI實現圖生視頻 使用通義萬相根據圖片生成自帶音效的視頻借助剪映AI工具，根據文字自動生成高質量的視頻，并自帶配音配樂使用鬼手剪輯生成視頻解說使用騰訊智影生成數字人播報視頻（用于制作企業教學視頻）8.5 視頻類AIGC應用

113、實踐案例：使用騰訊智影生成數字人播報視頻（可以用于制作企業教學視頻）在瀏覽器地址欄中輸入網址“https:/ 騰訊智影登錄界面圖“數字人播報”功能入口8.6 AIGC技術在輔助編程中的應用AIGC技術在輔助編程中的應用日益廣泛，它能夠自動生成高質量的代碼，從而顯著提高開發效率代碼補全與提示代碼優化與重構代碼風格統一代碼自動生成應用場景能夠提供輔助編程服務的AIGC大模型包括Codex、GitHub Copilot、CodeGeeX、aiXcoder、豆包、通義靈碼等推薦企業使用AI編程工具：VS Code+DeepSeek，Cursor，字節跳動Trae（AI 原生集成開發環境）8.6 AIG

114、C技術在輔助編程中的應用為什么要在 VSCode 中接入 DeepSeek？p 代碼智能補全：根據上下文自動補全代碼，減少重復輸入，提高編碼效率。p 代碼生成：根據自然語言描述直接生成代碼，例如快速搭建項目框架或實現特定功能。p AI 對話輔助：隨時與 AI 對話，獲取編程建議、解決技術難題。VSCode接入DeepSeek步驟p 注冊 DeepSeek 賬號并獲取API Keyp 安裝 VSCode 插件p 配置VSCode插件具體操作步驟請參考網頁：https:/ AI搜索AI搜索，即人工智能搜索引擎，是一種利用先進的人工智能技術，特別是深度學習和自然語言處理（NLP），來理解和響應用戶的

115、查詢需求的新型搜索工具。它不僅僅是傳統搜索引擎（比如百度）的簡單升級，而是通過模擬人類的思維方式和行為模式，為用戶提供更加精準、個性化且高效的信息檢索服務AI搜索通過收集和分析用戶的歷史搜索數據和行為模式，構建用戶畫像，從而實現更加精準的個性化搜索服務。這種數據驅動的智能決策機制，使得AI搜索能夠不斷自我優化，提升用戶體驗納米AI搜索是360公司在2024年12月推出的全新AI搜索應用，結合了自然語言處理、機器學習以及專家協同技術，致力于打破傳統搜索引擎的局限，提供智能化、多樣化的搜索體驗支持文字、語音、拍照、視頻等多種輸入方式，滿足不同場景下的需求，實現“一切皆可搜索”多模態搜索內置16款頂

116、尖大模型，如豆包、文心一言等，為用戶提供一站式AI智慧體驗智能工具集成通過專家協同和多模型協作，深入分析復雜問題，提供更專業、更全面的答案慢思考模式8.8 AI智能辦公AI寫作助手（幫我寫、幫我改、AI伴寫）AI設計助手（AI排版、AI格式）AI閱讀助手（全文總結、文檔問答、劃詞解釋和翻譯）AI數據助手（AI寫公式、AI數據分析）8.8 AI智能辦公WPS靈犀n 一鍵生成PPTn 閱讀報告，翻譯報告n 自動數據分析9.大模型未來發展趨勢廈門大學大數據教學團隊作品9.大模型未來發展趨勢多模態大模型將進一步融合文本、圖像、音頻、視頻等數據，推動人機交互進入新高度。同時，大模型的訓練將從“重規?！鞭D

117、向“重推理”，強化學習與自監督學習技術將優化模型的邏輯推理能力，使 AI 在復雜場景中表現更接近人類專家多模態融合與推理能力提升生成式 AI 將從內容創作擴展到物理世界交互。具身智能將推動機器人技術在工業、醫療等領域的落地，結合多模態能力，AI 不僅能生成創意內容，還能通過物理設備執行復雜任務生成式 AI 與具身智能深度融合為降低算力成本，輕量化小模型通過混合專家架構和知識蒸餾技術，以更低的能耗實現與大模型相當的性能。這類模型在本地化場景中將廣泛應用，推動 AI 向邊緣計算滲透小模型崛起與高效化隨著大模型壓縮和量化技術的不斷提升，知識密度持續增大，終端搭載的模型能力值逐步增強。終端算力加速滲透

118、，AI 處理的發展重心逐步從云端向手機、PC 等終端載體轉移，將在消費電子領域實現廣泛應用，并逐步推動工業領域的智能化升級端側大模型成為新增長引擎在文本能力上，隨著模型參數、訓練數據和訓練時間的增加，模型文本能力的上限不斷刷新。在多模態能力上，實時對話延遲顯著縮短，圖片理解、視頻生成、圖像生成的基準測試最高分不斷被突破。模型處理容量上，大模型的上下文窗口不斷擴大模型能力不斷提升總結大模型是人工智能領域的重要研究方向，其強大的語言理解和生成能力使得它在自然語言處理、機器翻譯、智能客服等領域有著廣泛的應用。大模型的訓練需要大量的數據和計算資源，同時也需要先進的技術和算法支持。隨著技術的不斷發展，大模型的應用場景也在不斷擴展，未來將會更加廣泛地應用于各個領域。謝謝廈門大學大數據教學團隊作品2025年3月3日