性方法。 二、DeepSeek与AI认知 此部分从DeepSeek的历史开始，逐步讲解AI的演进及认知： 1. DeepSeek解密：详细介绍DeepSeek技术历程、核心优势及其算法在理解、推理、知识应用上的提升。解析V3、R1等模 型特性，旨在为听众构建对这一前沿技术价值的坚实理解基础。 2. AI技术演进与认知框架：梳理AI从规则系统到大模型的技术演进，探讨AI时代的认知升级与人才观变革。为教育者提供认 到底谁是DeepSeek？公司、产品、模型 IaaS 硬件服务（设备/电脑/服务器/GPU、网络、操作系统） PaaS 平台服务（存储、计算、数据、安全、中间件） MaaS 模型服务（数据工程、推理加速、训练框架、API调用） SaaS 应用服务（网页、APP、桌面软件、设备软件） Ø 私有化部署 • 本地：个人设备或电脑、企业服务器 • 数据中心（IDC）：企业服务器、服务器集群（私有云） 到底谁是DeepSeek？公司、产品、模型 Model Base Model DeepSeek-R1-Distill-Qwen-1.5B Qwen2.5-Math-1.5B 蒸馏模型，能力稍弱 n 实际上是增加了推理能力的Qwen模型和 Llama模型，不能称为DeepSeek模型。 n 市场上有误解，厂商有误导，甚至Ollama工 具的模型选项中也有误导。 DeepSeek-R1-Distill-Qwen-7B

，对硬件、平台、应用多厂商兼容适配 ，支 持国产化 多场景适配 训练 - 部署 - 推理一站式服务 ，可用于监视、侦察、 威胁评估、网络安全、情报分析、教育和训练等 场景 高效可靠的 AI 算力 资源按需分配 ，提升资源利用效率 推理服务可下沉边端 ，适应军事场景需求 教务、 教 学 、 教 研 、 教 管 ） 资源 管理 层 资源 引擎 系统层 物理 资源 计算资源 CPU 服务器 GPU 服务 器 集群弹性伸缩 GPU 资源管 理 模 型推理 资源调度管理 分组管理 容器管理 存储资源管理 集群管理 网络资源管理 网络资源 万兆网 更多 主机管理 镜像管理 存储资源 共享式 自动驾驶 互联网 IB 网 络 资源池化管理和分 配 基于任务、 用户和资源状 况进行任务执行排序 GPU 异构 user2 user1 user1 视觉场景 文本场景 …… 训练 推理 任务 用户 智算中心： 数据中心（面向人工智能 ，数据一站式管理） 实时同步 Greenplum 增量同步 Hadoop 批量同步 …… MySQL 数 据 加

) 通用基座预训练大模型 ( 如 ： DeepSeek 、 千 问 、 LLaMA 等 ) 大模型技术体系概述 训练环节 推理环节 特定场景标注数据 海量医学文献、病历 互 联 网 全 部 电 子 数 据 业务系统 ( 料研、临床、电者服务 等 ) 嵌入或者 API 调用 智能应用 ( 对话形式 ) 智能能力 未来影响的深刻思考。随着 Sora 的发布，人工智能似乎正式踏入了通用人工 智能 (AGI) 的时代。 AGI 是指能够像人类一样进行各种智能活动的机器智能，包括理解语言、识 别 图像、进行复杂推理等。 Sora 大模型能够直接输出长达 60 秒的视频，并且 视 频中包含了高度细致的背景、复杂的多角度镜头，以及富有情感的多个角色。 这种能力已经超越了简单的图像或文本生成，开始触及到视频这一更加复杂和 。 · 功 能 特 点 ： · 可上传文档和图片，可生成图片，效果不如文心一言 · 多轮对话：能够跟人类进行多轮的交互。 · 文案创作：具备文案创作能力，能够续写小说、编写邮件等 · 逻辑推理：可以对复杂的问题进行分析和解答。 · 多模态理解：能够理解文本、图像、语音等多种形式的数据， 提供更加全面的问题解答服务。 四、国内外主要的大模型 … … … 通值达义，你的全能

，就能理解各类知识 ，能 跟人沟通。 因此自然语言处理是人工智能皇冠上的明珠 ，大语言模型就是基于深度学习技术 的自然语言处理工具 ，通过海量数据训练实现对人类语言的理解、生成和推理能力。 了解生成式人工智能（ AI GC ） 的工作原理 我们所说的大模型其实是人工智能大语言模型， 它生成内容的过程就像是一场词语接龙游戏： AI 基于前期内容训练成果 ，根据用户输入的提示词 。从而写出一段又一段符合你期望的文字。 生成式人工智能 (Generative AI) ：学习知识 + 生成新知识 了解生成式人工智能（ AI GC ） 的工作原 理 DeepSeek 的主要优势 1. 推理能力强大 DeepSeek 在推理能力上与国际领先的模型如 OpenAI 的 GPT-4 相媲美。 2. 成本优势显著 训练和使用费用却低一个量级（主要是因为算法策略优） ，大大降低了用户的经济负担。 3. 开源特性 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

40TB 赋予 GPT 处理多任务的能 力 2022 年 1 月 OpenAI 提出 GPT-3.5 模型 参数量 13 亿 , 60 亿， 1750 亿 数据量 40TB 赋予 GPT 推理能 力 多模态生成 CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn 2023 年第一季 度 OpenAI 提出 GPT-4 Confidential | lvhairong@tsinghua.edu.cn 通过对海量文本的学习，自动构建了一个含有 1750 亿参数的大模型，建立了对这个世界基本的逻 辑 认知，由此产生了基于逻辑的推理能力 实际上是根据对话中的最近 4095 个记号，算出紧接着最可能是哪个记号 但， ChatGPT ≠ 模型 模型负责把最近的对话内容翻译为一张概率表 ChatGPT 负责根据这张表选出下一个记号，再让模型算再下一个记号的概率 而得到最终的更为精确靠谱的结果。 模型在数 值常识（ NumerSense ）、一般常 识 （ CommonsenseQA 2.0 ）和科学常识 （ QASC ）基准测试中进行实验，得出了将外 部 知识融入到大模型中能够提升其常识推理任 务 的精度的结论。 [1] CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn 大模型精确性提升思路：少样本提示 ③

域属性特征，算法作为核心引擎与风险应对策略，开发工具作为全栈式工具矩阵，安全、伦理和隐私保护作为 有效保障。在技术路线上，构建“参考架构—智能体应用—标准体系”的完整技术路径，以“性能—成本—应用” 协同优化为抓手，支撑模型从训练、推理、部署、协同到应用增强的全链路落地。 面向教育新范式，报告深入分析教育大模型赋能高等教育创新发展的具体路径，总结了九个重构方向：提供精 准适需的教育内容、实现个性灵活的教学方式、支持沉浸互动的学习体验、重塑教育主体的角色与能力、助力 ············ 63 4.2 教育大模型的核心技术 ····················································· 64 4.2.1 从训练推理、部署、协同到应用增强的核心技术解析 ·································· 65 4.2.2 以 DeepSeek 代表的“性能－成本－应用”技术协同创新突破 ·· 新的实现路径。 图 2-1 大模型 + 高等教育框架图 29 大模型背景下高等教育数智化转型研究报告 2.1 大模型赋能高等教育的机遇与挑战 大模型作为认知革命的重要载体，凭借其强大的知识处理、生成与推理能力，为高等教育带来前所未有的变革 契机。依托海量的数据、先进的算法以及高效的算力，大模型可以应对更多的复杂场景，解决更多个性化问题， 为高等教育的改革带来了革命性的机遇。然而，大模型技术的广泛应用也伴随着一系列挑战：从数据质量、算

中国智慧中医产业发展历程 中国在中医智能辨证诊断方面的研究至今已有四十余年的研究历程，随着技 术的更迭，主要分为三个阶段：第一个阶段为上个世纪 70 年代末至 80 年代的 基于经验知识推理阶段，研究主要集中在中医领域专家系统的研制；第二个阶段 为 90 年代至 21 世纪初的传统机器学习阶段，研究者们主要尝试单一或多种机 器学习算法进行中医智能辨证诊断研究；第三个阶段为 21 世纪 大数据与深度学习探索阶段，随着大数据技术的成熟、计算机算力的提高和深度 学习等算法的发展，尤其是 2016 年深度学习相关技术崛起后，中医智能辨证诊 断研究又进入了新一轮的中医智能诊断研究高峰。 （1）基于知识与经验推理的阶段 早在 20 世纪 70 年代，一批国内研究人员就在尝试把智能技术应用于中医 辨证诊断领域，以期提高中医临床诊疗水平。如湖南中医药大学朱文锋团队与湖 南省计算所合作，于 1979 年研 多个中医 专家系统经过了鉴定。这类系统多数基于专家诊疗经验，采用经典的推理模式， 比如知识库采用树型结构进行存储，辨证推理树和施治推理树从知识树的节点开 始；推理过程则是利用回溯机制从初始态到目标态，根据节点的可信度进而得到 最优途径；基于产生式规则，通过逆向推理能够获取部分专家知识；多级极大值 搜索法建立启发式联想推理机一般利用数组或矩阵来表示知识。 4 （2）基于传统机器学习的阶段

能力差 生成式 AI 2020- 硬件、算法、大数据全面突破 对话机器人 算法框架： Transformer 大规模无 监督预训练 多任务、多模态统一处理 自然语言理解、世界知识记忆、 逻辑推理 人工智能时代推动检验技术的发展 大数据 人工智能 物联网 云计算 自动化图像识别 高通量数据处理 检测智能化与自动化 个性化医疗 多指标联合分析 / 精准诊 断 大数据整合与模型预测 大语言模型的发展历程 Deepseek 横空出世 2023 年 7 月 DeepSeek 成立 2024 年 5 月 宣布开源第二代 MoE 大 模型 DeepSeekV2 2024 年 11 月 推理模型 DeepSeekR1Lite 预览 版正式上线 2024 年 1 月 发布首个大模型 DeepSeekLLM 2024 年 9 月 合并 Deep-SeekCoderV2 和 DeepSeekV2Chat 1-2 年缩短至 3-6 个月，验证了国内在 算法优化和工程能力上的突破 DeepSeekV3 创新带来对标 GPT- 4o 的性能和远低于 4o 的训练 / 推 理成本，训练成本 6% 、推理成本 10% 。技术进步带来的成本降低 会加速 AI 大模型的各类场景的应 用，进一步加速 AI 云计算需求 DeepSeek 自研 PTX 代码和算力 适配，直接操作 GPU 芯片网络通

三甲医院如何看AI+医疗250225_导读 2025年02月25日 18:23 关键词 手术排程 AI 门诊排班 运筹规划 电子病历 润达医疗 推想科技 科大讯飞 NLP 智能辅助编码 ICD9 病案科 AI算力 推理一体机 三甲医院 全国前十 瑞星 短信 看病能力 赚钱能力 全文摘要 医院在人工智能技术的应用上，当前主要通过数学模型优化手术排程，旨在提升手术室使用效率与医院 收入，尽管潜力巨大，实际部署需 况。尽管医院面临收支压力，但由于AI在医疗领域的潜在价值，医院领导层正考虑调整预算优先级，以 确保对AI技术的投入。讨论提到，即使预算紧张，医院也愿意投入几百万至几千万的资金用于AI算力中 心的建设和设备购置，尤其是推理一体机。此外，专家还分享了不同规模医院的预算范围和投入策 略，指出全国排名前十的医院和地方三甲医院的投入可能有所不同，但普遍认为AI相关资本支 出（capex）在几百万到上千万之间。会议最后鼓励 问：医院在使用AI技术时，是否需要重新训练模型？ 发言人 答：是的，不同医院可能需要针对自身数据重新训练AI模型。目前有些医院采用预训练好的模型 如deep sk，直接使用患者的入院记录、出院记录、检验检查报告进行推理，而未进行进一步的本地训 练。 发言人 问：医院与华为等公司在IVD领域是如何合作的？ 发言人 答：我们医院与华为以及其他第三方检验公司目前没有在人工智能方面进行合作，主要是有检 验标本外

Network）[4]的出现，推动了生成式人工 智能的革命性发展，随后以 Transformer[5]、BERT[6]为代表的预训练模型的诞生，颠覆 了以往的深度学习模型网络结构，大幅提高了模型训练速度和对多模态感知、创作和 推理的能力，同时模型的参数量级也从百万级跃升到了百亿级，甚至出现了千亿级大 模型。截止 2023 年 6 月，国内外有超过百种大模型相继发布，国外如 Stable Diffusion、 GPT-4、Med-PaLM 模型的发展[14]。 医疗元宇宙是元宇宙在医疗领域的重要创新，有助于促进虚拟医疗和现实医疗的协同 发展，打破现实世界对时空、资源的限制，但医疗元宇宙的构建需要大量的虚拟场景， 复杂的智能预测与推理分析，虚拟数字人的建模以及语言与情感表达能力等[15]。另外， 对于生物和医药研究活动，需要大量的研究数据和模拟实验，极其耗时费力。由于大 模型参数规模巨大，其开发和训练依赖于数据、网络和算力的综合支撑。大模型可依 行策略处理数据、压缩模型 网络等以提升运行效率。 3.2 人工智能大模型在医疗领域应用的构想 医疗领域大模型依托 CV、NLP、单/多模态技术等使其具有强大的创作能力、交互 能力、孪生能力、推理决策能力，为下游具体场景应用奠定基础。最后，通过微调、 bmr.202312.00027V2 http://www.biomedrxiv.org.cn/article/doi/bmr.202312