............................................................................................. 3 第一章 产业背景与挑战 ........................................................................................... .......................... 4 第二章 智算服务架构 ..................................................................................................................... 6 第三章 智算服务案例 .......................... .................................................................................. 23 第一章 产业背景与挑战 1.1 智算产业背景 智能计算（简称智算）产业是以 AI、大数据、云计算和高性能计算为核心的新一代信 息技术产业，旨在为各行各业提供高效、智能的数据处理与决策支持能力。随着全球数字

级 2017 年 10 月， AlphaGo Zero 在 3 天内自我对 弈 490 万盘，以 100:0 击败 AlphaGo > 人工智能拥有了从无到有的学习能力，从基于规则的 专 家系统转向了自我学习与适应的智能体系。 1997 年深蓝战胜人类国际象棋冠军 这一阶段的人工智能主要依赖于预先设定的规则和 逻辑推理，强调专用算法设计实现特定任务。 新范式的本质：替代了人类专家的角色，把人从开发链条中移出 硕士生 浙 大 EnergyX 团队相关作者 49/80 鲁洁 章文恺 冯晨昕 张健 郑泽宇 章超波 荷兰埃因霍温理工大学 王嘉茜 贺佳宁 蒋睿勤 博士后 报 告 提 纲 大语言模型应用的科研案例 …

第 章 智慧建筑 需求演进 安全 · 身份检查 · 安保巡查 · 无法预警 · 屡次发生 环境 · 人体感知 · 被动调节 · 低效浪费 · 模式单一 · · · · 自动识别 智能巡查 预判预警 重点防范 人工记录 定期检修 故障处理 独立运行 · 自动记录 · Al 分析 · 故障预警 · 设备协同 人工抄表 人工管理 监控系统和建筑设 备能效监管系统等 实施智能化和数字 化综合管理的系统 BMS 与 iBMS 的 对比 ■ 核心基石 集成技术 BMS 与 IBMS 顶层设计 设计法则 智慧演进 第 章 BMS IBMS 系统结构 C/S B/S 中间件 ( 实时域 ) B/S 平台 ( 信息域 ) 数据特点 DI/DO AI/AO 枚举字符串环境参数、设备状态、故障 报警 全域、用户行为分析、外部系统接入数据 规划场景，定义需求 搭建架构 南向数据汇聚边缘 北向数据沉淀中台 云边协同软硬一体 设 计 法 则 建设与交付 切块建设 模块化解决方案 实施路径 产品交付 打造生态链 目标客户 第 章 与 信 息 化 建 设 结 合 分 阶 段 建 设 与 验 收 智 慧 城 市 综 合 安 防 平 台 PC 端

开展的新一 轮AI教育革新。 二、学而思：DeepSeek为基座，融合九章大模型能力， 实现双协同、生态化布局 2月8日至今，学而思先后将AI学习机、学练机等硬件产品接入DeepSeek，以其深 度思考模式升级产品AI能力，已于旗舰机开启灰度测试并将陆续上线免费智能教育 功能；新发布AI学习应用“随时问”，由自研九章大模型与DeepSeek大模型联合 支持，主打一站式智能化教育。围绕Deep Seek，学而思的AI教育布局呈现出双协 同、生态化特点： 1、突破单一模型局限，将教育垂类大模型与DeepSeek深度融合，结合DeepSeek 拆解复杂问题和语言交互的强项、及九章大模型深耕数学推理与学科知识图谱的优 势，实现精准分析/定位/回溯知识点、强化逻辑推理并显化思维路径、理解并输出 多模型内容，从而形成启发式引导思考的能力。 2、布局硬件+软件，以DeepSeek深度思考模式弥补传统教育硬件“重答案轻思

DeepSeek-R1 在 MATH 基准上达到 87.2% 的准确率 横空出世： OpenAI o1/o3 、 DeepSeek- R1 等 o1 在数学和代码问题上的水平大幅提升 ，超越人类专 家 开源大模型 DeepSeek R1 匹敌 OpenAI o1 DeepSeek 的 “ aha moment” 这种深度推理能力是如何实现的？是单纯的规模扩展结果，还是有其他关键因素？ 创新业务场景 ， 提供了包括产业知识问答 、 产业报告生成 、 产业技术分析 、 产业文档理解等能力 ， 向上为企业 、 园 区 、 政 府 等 产 业 认 知 决 策 需 求 机 构 提 供 专 业 产 业 知 识 服 务 。 客 户 可 私 有 化 部 署 ， 也 可 根 据 需 求 替 换 模 型 基 座 和 场景数据 ， 快速输出定制化模型能力 ， 此外可根据客户 应用场景需求提供组件能力封装和应用系统集成。

（GIS）的集成是实现数据分析、可视化和决策支持的重要组成部 分。GIS 不仅提供地理数据的存储、管理和分析能力，还能够将各 种空间数据与其他数据源进行整合，形成具有丰富信息的决策支持 系统。这一章节将详细阐述如何有效集成 GIS，以支持铁路沿线数 据的分析与应用。 首先，全面采集铁路及周边地理信息数据是 GIS 集成的基础。 我们需要引入高分辨率的遥感影像、数字高程模型（DEM）、土地 线实景三维 AI 大模型用户界面的最佳实践，为用户提供更为高效、友好的操作体 验。 7. 应用案例与效果展示 在铁路沿线实景三维 AI 大模型应用方案中，实际案例的展示 极具关键意义。这一章节将通过多个案例及其展示效果来说明该方 案的有效性及实用性。 首先，在某高铁沿线，采用三维 AI 模型对线路沿域开展全面 扫描，将模型数据与现有的线路图相结合，实现了实时监控与历史 数据的对比分析。具体效果体现在以下几个方面：

S0740520060001 联系人：蒋丹 Email ： jiangdan@zts.com.cn | 证 券 研 究 报 告 | 2 0 2 5 . 03 . 1 3 专 业 ｜ 领 先 ｜ 深 度 ｜ 诚 信 中 泰 证 券 研 究 所 n DeepSeek 开源使金融机构能够轻松获得前沿模型能力，且大幅降低部署成本。其通过对训练方式、算法架构和推理方 法

支持分布式计算和云原生架构，实现高可用性和弹性扩展  完善的监控和日志记录功能，实时监控模型运行状态 最后，模型的维护和更新应定期进行，以确保其能够适应不断 变化的业务需求和技术环境。银行系统的技术团队应具备足够的专 业知识，能够熟练操作和优化模型，同时与模型供应商保持紧密合 作，及时获取最新的技术支持和更新。通过满足这些技术需 求，Deepseek 大模型能够在银行系统中发挥最大的效能，为银行 提供智能化、高效的金融服务支持。 块，银行可以根 据业务需求灵活切换不同的模型版本，同时还可以对模型进行 定期的评估和监控，确保其在实际应用中的性能持续满足要 求。 5. 安全与合规模块：由于银行系统对安全性要求极高，该模块专 门负责系统的安全防护和合规性检查。包括但不限于数据加 密、访问控制、日志审计以及与外部监管系统的对接。该模块 还内置了自动化合规检查工具，能够实时监控系统的运行状 态，确保其符合金融监管机构的相关规定。 保项目高效推进的关键环节。首先，明确资源的种类和需求是基 础。资源可以分为人力资源、计算资源、数据资源和基础设施资 源。在人力资源方面，需要组建一个跨职能团队，包括数据科学 家、机器学习工程师、软件开发人员、系统架构师以及银行业务专 家。每个角色的职责应清晰定义，以确保团队协作顺畅。 计算资源方面，银行系统通常需要高性能的计算平台来处理大 规模数据和复杂的模型训练。因此，建议采用云服务或高性能计算 集群来提供灵活的弹性计算能力，以应对不同阶段的资源需求。在

准确率有所提高， 回答更全面，考虑多国家政策 Claude 1 解答更贴近生活，听 着 就像面对面交谈，让人更容 易接 受，相对来说很人性化， 话术中 能够体现人文关怀 水土不服“创新者” 一专多能“多面手” 相较 Claude 1 提升大。 Claude 2 解答有亲和力但不失专业性， 对于具体的险种计算清晰易懂， 解答更全面 保险常识 法律知识 医疗知识 营销素材

DS国内登顶、全球仅次于GPT，月均活跃用户数跃居第一， 全球全端DAU近1.2亿；纳米AI搜索（原360）将其核心模 型换为DS 1月web端访问量登顶、APP端增速位列第2 • 某机构接国家FGW通知，全面评估DS影响，组织专 题论证会，重新评估基础模型选型，由原某公司大 模型为主，转为吸纳多家模型，重点引入DS • 山东省委书记于开年第一天工作会上，明确部署省 数据局研究DS，研究人工智能 • 某央企董事长在开年第一天即召集全管理层会议，