启软件与硬件业务方向的 智能升级、创新，推动行业走向AI原生教育的新生态。 一、教育企业快速拥抱DeepSeek，以其思维链、高性价 比优势掀起新一轮变革 DeepSeek-R1自2025年1月20日正式发布以来，热度快速且持续增长，C端流量爆 发的同时，网易有道、学而思、希沃、中公教育等头部企业先后宣布拥抱 DeepSeek，或将已有AI教育产品接入DeepSeek进行能力/功能升级、或以 发展 AI业务的门槛。 在以上能力优势之下，DeepSeek为AI教育的突破发展带来了核心推动力。月狐分 析选取学而思、网易有道为代表，进一步分析教育企业基于DeepSeek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 学而思围绕DeekSeek的AI教育布局情况 三、网易有道：融合底层技术构建混合架构，升级全线 产品、创新AI原生学习硬件 2月6日，网易有道宣布旗下有道小P、Hi Echo、有道词典、QAnything、有道智 云等产品全面接入DeepSeek推理能力进行升级，深化AI技术与教育场景的结合； 后于2月18日推出AI原生学习硬件产品答疑笔SpaceOne。网易有道通过将全产品 线接入DeepSeek、加速智能硬件

暂无计划 计划支持（7月） 计划支持（7月） MCP Server Tool 粒度可观测能力 暂无计划 计划支持（7月） 计划支持（7月） MCP Server 安全护栏 暂无计划 计划支持（7月） 计划支持（7月） MCP Server Tool 组装机制 （从任意Server中选取Tool组装成一 个新的Server） 暂无计划 计划支持（7月） 计划支持（7月） MCP Marketplace

有限公司、 上海天数智芯半导体股份有限公司、河南昆仑技术有限公司、四川华鲲振宇智能 科技有限责任公司、中国质量认证中心有限公司 编写组成员（排名不分先后） 马季春 王曼 施晶峰 王月 张建峥 赵以爽 杨军刚 杨伊鸣 郭光鑫 吴茜 梁宇 栋 马凤鸣 党朝志 赵金辉 陈常水 颜万瑞 吴涛 顾剑波 谈儒猛 夏冬 胡铭珊 孙东旺、熊家振、许轶 版权声明 本研究报告版权属于全球计算联盟。 行业内各方的深度交流 与协同创新，共同推动智算服务发展与应用推广，为构建高效、绿色、智能的 未来计算环境贡献智慧和力量。 全球计算联盟 智能产业发展委员会 2025 年 11 月 2 目 录 智算服务案例集 ............................................................... 计划，开设多门课程，面向交付团队开展技术赋能，提升整体实施能力；在测试方面，支撑 覆盖计算子系统、网络子系统及集群联调测试，全面验证系统稳定性与性能指标，确保系统 高效可靠运行。 2024 年 9 月 20 日，广东联通深圳智算节点正式启用，为粤港澳大湾区数字经济发展注 入了新动能。在本项目集成交付过程中，中讯院探索了智算项目全流程集成交付的新模式， 打造了智算集成交付队伍，开创了设计院全流程承担智算集成交付的先河。

大模型技术 深度赋能保险行业白皮书 （2024） 阳光保险集团股份有限公司 清华大学五道口金融学院 中国保险学会 科大讯飞股份有限公司 2024年10月 PREFACE 前 言 � 在人类科技发展的历史洪流中，2023年无疑是大模型技术取得突破性进展的元年。 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 据将在数年内被用尽。研 究机构Epoch估计，机器学习可能会在2026年前耗尽所有“高质量语言数据”。据Gartner 预测，2024年用于训练AI的数据中有60%将是合成数据。以Meta今年7月发布的 LLaMA3.1模型为例，监督微调环节的数据里有相当比例是合成数据，使用合成数据确实 带来了模型效果的提升。 （1）合成数据成有力补充 高质量的真实数据已逐渐无法满足大模型训练与精细微调的需要，这促使合成数据 0、SkyPile-150B、IndustryCorpus、Tele-AI 以及MAP-CC等，这些数据集广泛覆盖了网页、书籍、官方媒体等多种信息源，经过不同程 度的清洗与去重处理，为中文语言模型的训练提供了数据基础。今年6月，智源研究院推出 的IndustryCorpus 1.0多行业中英双语数据集及InfinityInstruct千万级指令微调数据集， 强化了预训练模型的基础能力与对话交互能力。 与开源文本数据集

取得了较好的平衡，适合大多数业务场景。例如，可以配置一 个定时任务，每 5 分钟从数据源拉取最新数据并更新知识库。 3. 定期更新：适用于数据变化较慢且对时效性要求较低的场景， 如法律法规或行业标准的更新。定期更新通常以天、周或月为 单位进行数据更新，具体频率可根据数据变化的速率灵活调 整。这种模式对系统性能要求较低，适合资源有限或数据变化 不频繁的场景。例如，可以设置每周一次的全量更新，并结合 增量更新机制，仅同步变化部分以减少计算负担。 以下是三种更新模式的对比： 更新模式 时间间隔 适用场景 资源消耗 实时更新 毫秒级/秒级 金融交易、新闻推送 高 准实时更新 数分钟/小时级 社交媒体、库存管理 中 定期更新 天级/周级/月级 法律法规、行业标准 低 在实际应用中，可以根据不同类型的知识库内容采用混合更新 策略。例如，对于核心业务数据采用实时更新，对于辅助数据采用 准实时更新，对于静态数据采用定期更新。同时，需建立监控机 需求分析与规划阶段 起止时间：2023 年 10 月 1 日 - 2023 年 10 月 15 日 在此阶段，项目团队将明确知识库数据的来源、格式及处理需 求，确定 AI 大模型的训练目标及技术栈，并制定详细的项目 计划。 2. 数据采集与预处理阶段 起止时间：2023 年 10 月 16 日 - 2023 年 11 月 15 日 此阶段的主要任务是从各种来源（如公开数据集、内部数据、

现有系统在实时数据处理方面存在明显短板，当并发请求超过 500TPS 时，响应延迟呈指数级增长。某汽车行业案例显示，促销 活动期间系统处理客户咨询的放弃率骤增至 28%，直接导致潜在商 机损失约 230 万元/月。此外，传统规则引擎的客户分群准确率每 季度下降约 7%，需要持续投入大量人力进行规则维护，年维护成 本中位数达 15 万元/每千用户。这些痛点严重制约了 CRM 系统在 智能经济时代的价值释放，亟需通过大模型技术实现根本性突破。 式（如突然增大的订单量配合付款延迟），提前 14 天预测违约概 率，使坏账率降低 17%。所有分析结果均通过动态仪表板呈现，支 ” 持管理者通过自然语言查询获取深度洞察，例如直接提问 展示华 ” 东区高价值客户最近三个月的服务瓶颈 ，系统将自动生成包含根 本原因分析的结构化报告。 3.3.1 客户行为预测 客户行为预测是 CRM 系统结合 DeepSeek 大模型的核心应用 场景之一，通过挖掘历史交互数据、交易记录及客户画像特征，构 输出价值维度 1. 短期价值（<30 天）： - 识别高流失风险客户群，及时触发保留策略 - 预测下周客服请求量波动，优化排班方案 2. 中期价值（1-6 月）： - 客户价值分级迁移概率矩阵 - 区域市场渗透率变化趋势 3. 长期价值（>6 月）： - 客户 LTV（生命周期价值）曲线拟合 - 产品线需求演变热力图 系统需配置三级预警机制：当预测到 VIP 客户季度回购概率下 降超过

动化测试工具以及持续集成/持续部署 （CI/CD）工具等。这些专业工具显著提升了开发效率与代码品质，为项目管理提供了强有力的支持。同时，高效的智能模型构建离不开先 进的算法与框架。至2024年4月，中国已推出近40款智能化软件开发工具，彰显了该领域的技术活力与创新力。 产品迭代周期短 智能软件研发行业面临着快速变化的市场需求和技术更新。为了满足用户需求和保持市场竞争力，智能软件产品需要不断迭代和升级。较 极融入主流大型语言模型，通过统一认证、模型调试等措施，有效管理登录认证、计费、审查日志及监控等功能，并将其与核心产品线如 WPSOffice、金山文档、WPS365深度融合，为用户提供前沿的数智化办公解决方案。截至2023年12月31日，金山办公主要产品月度活跃设备数 达5.98亿，同比增长4.36%，年度付费个人用户数增至3,549万，同比增长18.43%。AI技术，尤其是大型语言模型的应用，通过减轻开发者的手 动编码负 京、南昌）、互联网接入服务业务（北京、南昌）、信息服 务业务（不含互联网信息服务）（全国）（增值电信业务经 营许可证有效期至2025年06月18日）；信息服务业务（仅限 互联网信息服务）（不含信息搜索查询服务、信息即时交互 服务）（增值电信业务经营许可证有效期至2025年09月09 日）。（市场主体依法自主选择经营项目，开展经营活动； 互联网数据中心业务（机房所在地为北京、南昌）、互联网 接入服务

95%以 上。此外，我们还测试了系统的风控功能，包括止损、止盈、持仓 管理等，确保在异常情况下系统能够及时响应并采取措施。 为保证系统的稳定性，我们进行了长时间的连续运行测试。在 为期一个月的测试期间，系统未出现任何重大故障或异常，各项功 能均正常运行。我们对系统的日志进行了详细分析，确保每个模块 的运行状态符合预期。 最后，我们邀请部分用户对系统进行了试用，并收集了他们的 反馈 设计。这一阶段将确保所有参与方对项目目标和技术方案达成 一致。 2. 数据采集与处理模块开发 在第二个月至第三个月内，我们将完成数据采集与处理模块的 开发。该模块将负责从多个数据源（如交易所、金融数据提供 商等）获取历史数据和实时数据，并进行数据清洗、归一化处 理，以确保数据的质量和一致性。 3. 策略开发与模型训练 在第四个月至第六个月内，我们将基于 DeepSeek 框架进行 交易策略的开发和模型的训练。这一阶段的重点是对历史数据 据 的回测和优化，确保策略在模拟环境下的表现符合预期。 4. 系统集成与测试 在第七个月至第八个月内，我们将进行系统的集成与测试。这 包括将交易策略模块与数据采集、处理模块进行集成，并通过 模拟交易环境进行全面的功能测试和性能测试，确保系统的稳 定性和可靠性。 5. 上线与试运行 在第九个月至第十个月内，系统将正式上线并进行试运行。期 间将监控系统的运行情况，收集用户反馈，并根据实际运行数

湖南设计 书案工程中心 ◎ 湖南投计 HD 能耗管理系统 PUI 防史曲懂 总负码查询 玛查电压复动 2 号叠电发 动 蜃 世 查 寻 1 号进描断电 B 周月统计 0 南设计 HD 系统集成与数字赋能 楼控系 HDM 能 工 程 中 心 2 0 2 2 5 从 V01 到 V02 2022 年 V01 2023 邦性 接 交 暴 族 门禁形线 规警查动 交 清 制 墨工分布 照 HD 能耗管理系统 PUI 防史曲埋 总 负 得 查 海 号查电压动 2 号 叠 电 压 动 服营查寻 B 周月统计 2023 年 V02 2022 年 V01 I loT-HD 智 禁 力 公 集 成 管 理 平 台 1 彩 面 99

大模型视频智能挖掘应用方案的实施中， 合理的时间表是成功的关键。本项目的时间表分为五个主要阶段， 每个阶段都包括具体的时间节点和任务目标，以确保项目的顺利推 进和有效实施。 第一阶段是前期准备，这一阶段预计需要一个月的时间，包括 项目启动、团队组建和需求调研。在这一阶段，项目组将确定参与 人员，明确各自的职责，同时与相关公共安全部门沟通，收集需 求，分析现有视频监控系统的数据情况。 第二阶段是技术选型与系统设计，预计用时两个月。在此阶 据需求调研的结果进行系统架构设计和功能模块规划，确保系统的 可扩展性和灵活性。 第三阶段是系统开发与技术实现，时间为三个月。在这段时间 内，开发团队将根据设计文档进行系统编码和测试。系统主要包括 视频数据的收集、存储、分析和信息挖掘等功能模块，确保各项功 能正常运作。 第四阶段是系统测试与优化，计划用时一个月。在测试阶段， 团队将对系统进行全面的功能测试、性能测试和安全性测试，确保 系统在真实的公共安全环境中运行良好。根据测试结果，对系统进 系统在真实的公共安全环境中运行良好。根据测试结果，对系统进 行必要的调整和优化。 最后一阶段是系统上线与人员培训，预计用时一个月。在这一 阶段，系统将在实际环境中进行部署和上线，同时对操作人员和维 护人员进行培训，确保他们能够熟练操作系统，了解其功能和使用 方法。 以下是项目的详细时间表： 阶段 时间 主要任务 前期准备 1 个月 启动项目，组建团队，需求调研 技术选型与系统设计 2 个月 技术方案评估，系统设计，功能规划