DeepSeek-V3的超低训练开销 OpenAI奥特曼：“DeepSeek是一个令人印象深刻的模型，但我们相信我们会继续开拓前 沿并推出出色的产品，所以很高兴能有另一个竞争对手。” Meta扎克伯格：“DeepSeek技术非常先进。这是一场差距很小的竞争。” 虽然 DeepSeek已证明研发AI所需的资金和算力比之前预想的要少，但Meta不会因此减少AI支 出：“我仍然认为，从长远来看， 7月，该试点实验室进展收到了公安部领导的肯定，对取得的成果进行充分肯定，希望在中 国联通元景大模型的加持下，探索视频侦查新技术提高案件查办效率  利用以图搜图、以文搜图提升检索效率，可服务平安城市、雪亮工程、平安乡村等场景 利用以图搜图、以文搜图，检索监控内容，提升办案效率 -24- 大模型赋能医疗智能应用 n 联通数智公司支撑广东产互/医疗军团打造多款智慧医疗应用，助力中山三院智能化升级 认识大模型的局限性：幻觉 n 什么是大模型的幻觉？  生成式语言模型在生成文本或者回答问题时，产生与事实不符或者逻辑 错误的内容，即“一本正经地胡说八道”  示例1：一篇根本不存在的参考文献（右图） n 大模型幻觉产生的原因  目前的大模型结构和训练机制：基于概率的生成模型，本质上没有理解 自己所学习的内容  缺乏对真实世界的有效建模方式和全息感知能力  训练数据的局限性：数据质量、重要数据的缺失、不同类型数据的比例

of the coast and the rugged landscape ofthePacific Coast Highway. 提示词：俯瞰无人机视角，海浪拍打着 比克瑟尔加雷岬海滩的崎岖悬崖。湛蓝 的海水激起白色的浪花，而落日的金色 光辉照亮了岩石海岸。远处有一个带灯 塔的小岛，悬崖边缘覆盖着绿色的灌木。 公路到海滩之间的陡峭落差极具戏剧性， 悬崖的边缘向海洋突出。画面捕捉了海 66/80 口需要深度工匠精神，要有迭代思维，年复一年升级迭代，人才是关键 口群 控软件和仿真软件开发难度、周期和代价非常高 配 置栏 系统流程图 菜单栏 工具栏 开发工具栏子栏 EnergyX 1.0 版 本 EnergyX

习等方面介绍具身智能训练的数据来源, 探讨大模 型如何为机器人训练带来丰富的数据; 最后在第 5 节对全文进行总结并提出研究方向. 1 感知与理解 在与环境的交互中, 具身智能通过摄像头、麦 克风等传感器接受原始数据, 并解析数据信息, 形 成对环境的认知. 在处理此类信息时, 大模型有着 强大的优势, 能有效处理整合多模态的输入数据, 捕获各模态之间的关系, 提取为统一的高维特征, 形成对世界的理解 其中感知的信息来源于环境与 人类用户. 1.1 多模态模型理解 多模态模型, 尤其是多模态大模型 (Large multi- modal model, LMM) 具有理解图像、场景文本、图 表、文档, 以及多语言、多模态理解的强大能力[29], 可 以直接用于具身智能对环境的理解, 并通过提示词 使之输出结构化内容如控制代码、任务分解等指令. 2 自 动 化 HumanPlus[39], GELLO[40], GC-DA[41] MineDojo[31], VRB[32], Baker 等[33], RoboCLIP[34], Seo 等[35], Han 等[36] 图 1 基于大模型的具身智能工作概览 Fig. 1 Overview of embodied intelligence work based on large models 1 期 王文晟等:

行 融合，形成完整的三维点云模型。 点云生成后，采用三维重建技术将其转换为可视化的三维模 型。常用的重建技术包括表面重构、高度图生成等，这需要根据具 体的应用需求选择合适的算法。例如，对于结构物的建模，可能更 侧重于表面重构，而对于地形的建模，则可采用高度图生成策略。 通过实景三维建模技术呈现出的模型具有以下特点：  高精度：通过激光雷达技术，模型的精度可达到厘米级。  高效性 力，能够有效处理复杂的时空数据，适应不同场景下的任务需求。 在本方案中，我们将结合铁路沿线的特定需求，探讨深度学习模型 的具体应用，以及其在实际操作中的实现方式。 首先，要确定深度学习模型的主要任务，这些任务通常包括图 像识别、目标检测、语音识别以及视频分析等。针对铁路沿线三维 环境数据，我们特别关注以下几个方面的应用： 1. 图像与视频分析：通过卷积神经网络（CNN）对铁路监控视 频进行实时分析，有效识别铁路沿线的设备和障碍物，确保安 等。标准化则是将数据处理到一个统一的尺度上，常见的标准化方 法有 Z-score 标准化和 Min-Max 缩放，这将确保不同特征在建模 时具有相同的重要性。 为了具体说明数据清洗与预处理的流程，可以使用以下的流程 图展示各个步骤之间的关系： 数据清洗与预处理的每一步都应细致执行，最终目的是为构建 一个准确、可靠的三维 AI 模型提供高质量的数据基础。执行这些 清洗与处理操作时，可以借助一些数据处理工具和框架，如

的元年。 ChatGPT的问世，如同一颗石子投入平静的湖面，激起了全球科技领域的滔天巨浪。它不 仅深刻改变了人机交互的方式，更预示着一个由大模型引领的智能新时代的到来。比尔· 盖茨的赞誉、马斯克的断言以及马化腾的深刻洞察，都从不同角度揭示了大模型技术对于 人类社会发展的深远影响。而国家网信办等七部门联合发布的《生成式人工智能服务管理 暂行办法》，则为中国大模型技术的健康发展提供了坚实的政策保障和合规框架。 TABLE OF CONTENTS 图目录 大模型产业图谱· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 9 图1 保险业大模型应用成效初现· · · · · · · · · · · · · · · · · · · · · · · · · · · · · 22 图2 国内人工智能政策· · · · · · · · · · · 30 图3 阳光正言GPT技术架构图· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 53 图4 S-Eval评测体系架构图· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 59 图5 S-Eval评测方法示意图· ·

请务必阅读正文之后的信息披露和法律声明 3 图目录 图 1 人类与 AI 的交互模式 ......................................................................................... 6 图 2 AI Agent 智能体工作原理 ................. .................................. 7 图 3 单智能体强化学习原理图 .................................................................................... 7 图 4 多智能体强化学习原理图 ...................................... ................................... 7 图 5 CrewAI 整体框架 ................................................................................................ 8 图 6 AutoGen 运作模式图解 ......................

............................. 43 综合算力指数 图 目 录 图 1 综合算力指数体系 4.0.......................................................................................11 图 2 省级行政区综合算力指数 Top10....................... .... 14 图 3 省级行政区综合算力指数 Top10 历年情况.................................................... 14 图 4 省级行政区算力分指数 Top10......................................................................... 16 图 5 省级行政区算力分指数-算力规模 .17 图 6 我国在用标准机架数量分布............................................................................ 17 图 7 我国在用智算规模（FP16）分布....................................................................18 图 8 省级行政区算力分指数-算力质效

............................................................................................... 1 图目录 ................................................................................................. 23 3 图目录 图 1 智算中心服务架构图 ..................................................................................................... 6 图 2 智算项目集成交付流程图 ............................. .................................... 8 图 3 智能建造数字化平台 ..................................................................................................... 9 图 4 老旧机楼智算改造和节能焕新 .......................

LEVEL 1 研发模型结构 LEVEL 2 研发预训练模型 LEVEL 3 基于模型 SFT LEVEL 4 直接调用 大模型产业生态图 大模型产业链上的生态，根据大模型生态上不同企业的定位，分成了四个等级的企业： • 自研大模型结构的企 业 • 不用训练，直接调 用大模型 API 的企业 • 研发预训练模型的企业 ③Agent 模式 调用插件 / 复杂工作流 响 应用户对话 ② 工作流模 式 指定工作流响应 用户对话 文档拆分 重排序 （ rerank) ① 官方插件 文档解析 / 混元文生 图 .. 汽车 语音助手 零售 电子 说明书 金融 代理人 辅 助 ... ① 标准模式 内置 RAG 最优流 程 文档解析 多轮改写 文旅 虚拟 导游 政务 一网 通办 难点：企业知识格式多样、图文并茂 复杂排版的阅读顺序 复杂的子元素识别 复杂的表格结构 跨栏段落 跨图段落 少线表格 无线表格 有线表格 段落内图像 段落内公式 表格内图像 表格内公式 跨表段落 图表文环绕 纵向多栏 图 / 图注群组 表 / 表注群组 横向多栏 传统 OCR 技术局限：识别精度低、元素易丢 失 高准确的复杂文档解析、切分能力 基于 OCR

(BMS) 内部联动 外部指令联调 边缘计算与网关 控制终端 .PLC 实时域系统 信息域系统 系 统 框 图 运营管理 AI 算 法 大数据分析 BIM/CIM 加 持 访 客 与 信 息 发 布 会 议 管 理 灯 用电能耗趋势图 1225 12:30 环境监测 监测项目 室内湿度 室内温度 室内甲醛 室内噪声 室内熙应 室内 C 2⁰ 京内 PM25 水 泵 2 4 3 1 % 商线 室 内 PM2..5 趋势 图 0. 19123012453.0013.1513301345 用电量 1 千万度 室内甲醛趋势图 智慧园区管理平台 在岗状态 单位