3 ，以 DeepSeek-R1 为教师模 型，蒸馏了 6 款小模型，包含 1.5B～70B 在内共有 6 个尺寸，如表 2 所示。 表 2 DeepSeek-R1 蒸馏的 6 个尺寸的模型 蒸馏的模型 基座模型 下载地址 DeepSeek-R1-Distill-Qwen-1.5B Qwen2.5-Math-1.5B HuggingFace DeepSeek-R1-Distill-Qwen-7B 了稳定可靠的替代方案 。 这些非官方 渠道提供 了 三类模型选择： DeepSeek-V3 模型、完整版 DeepSeek-R1 模型（671B 参数）、轻量级 DeepSeek- R1 模型（参数规模从 1.5B 到 70B 不等）。其中，完整版 R1 模型保留了全部 671B 参数，能发挥出最佳性能，但对计算资源要求较高，通常需要支付一定费 用。轻 量级模型则通过知识蒸馏技术，在保持核心功能的同时大幅降低了参数 这两个的不同点为 R1 提供了从 1.5B 到 671B 不同大小的模型，而 V3 只有 671B，而 671B 需要的电脑性能单个电脑几乎不可能满足，所以建议大家可以直 接安装并且部署 R1 模型。 DeepSeek R1 的链接：https://ollama.com/library/DeepSeek-r1:7b 可以看到 R1 有 7 个版本，其中最小的是 1.5b，它需要的内存大小为 1

DeepSeek 近期：各行业开始研究部署... 1.DeepSeek简介 16 DeepSeek是谁？咱们通俗说一说...... 基于 Llama 、 Qwen 六个密集模型 （1.5b、7b、8b、 14b、32b、70b） 大师 徒弟 蒸馏版 训练 DeepSeek- R1- Zero DeepSeek- R1 蒸馏 满血版 DeepSeek-V3 671b 基于ollama的本地run（macos或者linux） v 安装ollama的包 – pip install ollama v 基于ollama运行DeepSeek – 运行1.5b模型 • ollama run deepseek-r1:1.5b – 运行7b模型 • ollama run deepseek-r1:7b – 运行8b模型 • ollama run deepseek-r1:8b • 学习辅助工具、数据分析助手、论文摘要生成等任务，可以基于deepseek 搭建和部署本地的小模型环境。 模型版本 显存VRAM （GPU） 内存RAM （CPU） 本地存储 运行机器 R1-1.5b 4GB+ 8GB+ 5GB 个人普通机 R1-7b 12GB+ 16GB+ 10GB 个人普通机 R1-8b 16GB+ 32GB+ 15GB 个人普通机 R1-14b 24GB+ 64GB+

减轻人力 降低传染 1.5 亿人 全部服务用户 用户 8000 台 全部机器人 销量 400 万 次 全部交互量 交互 300 200 100 0 新型专利 外观专利 发明专利 AI 技术应用能 力 脑 眼 口 语音合成技术 耳 360 o 远近场 全面覆盖 6 麦克 风 专为场景定制 1.5 亿 次 实践检验 1.5 亿次唤醒 腿 智慧

DeepSeek-R1-Distill-Qwen-32B DeepSeek-R1-Distill-Qwen-14B DeepSeek-R1-Distill-Llama-8B DeepSeek-R1-Distill-Qwen-1.5B DeepSeek-R1-Distill-Qwen-7B DeepSeek-R1-Distill-Llama-8B DeepSeek-R1-Distill-Qwen-14B DeepSeek-R1-Distill-Qwen-32B DeepSeek-R1-Distill-Qwen-14B 和 -Distill-Llama-8B ： 1 卡 910B 起步，根据推理并发量配置 DeepSeek-R1-Distill-Qwen-1.5B ： 4u4g Flexus X 实例 DeepSeek-R1-Distill-Qwen-7B&Llama-8B ： 16u16g Flexus X 实例 更大尺寸模型： Nvidia DeepSeek-R1:1.5B 和 7B 轻量级推理系统 • 基于华为云 GPU 服务器上快速搭建 DeepSeek-R1:7B 和 8B 、 14B 等推 理系统 DeepSeek -R1 模型 方案 云服务 系统 盘 GB 数量 包月（元 / 月） 按需 ( 元 / 小 时 ) Tokens/s 1.5B 方案 1 X 实例

14 企业架构管理评估 – 流程 资料来源：麦肯锡 科信部平均分（ 6 份答卷） 总平均分（ 14 份答卷） 平均 2.2 1.3 1.8 2.4 2.8 2.6 1.8 1.5 2.0 2.4 2.3 2.8 2.3 1.8 2.2 1.8 3.0 1.8 1.8 1.4 4.0 2.2 平均 2.4 2.2 2.7 2.8 2.8 2.1 2.8 2.4 1.2 1.8 1.0 2.2 2.3 2.3 平均 2.0 2.5 1.7 2.4 2.0 2.0 1.9 1.5 2.2 2.6 2.2 1.4 1.7 1.5 企业架构师 企业架构备选库主管 架构需求协调员 业务能力架构师 业务数据架构师 解决方案架构师 业务分析师 信息架构师 软件架构师 总架构师 安全架构师 有关架构创建与维护的角色成熟度平均分 安全架构师 2.6 硬件架构师 2.5 集成架构师 2.4 需求协调员 2.2 流程架构师 1.5 EA 备选库主 管 业务数据架构师 1.4 2.2 2.0 企业架构师 1.7 1.7 功能域架构师 解决方案架构师 基础设施服务产品架构师 1.5 2.0 业务能力架构 1.9 信息系统架构师 被访者关于角色差距的评语 EA 知 识库 主管 业务

动态验证：使用滚动时间窗口测试（如每月滚动训练+预测） 3. 压力测试：模拟极端市场条件（如 2015 年 A 股熔断、2020 年美股熔断） 需设置模型失效预警，当夏普比率连续 3 个月低于 1.5 或最大 回撤超过 15%时触发人工复核。 风险控制需分层实施 构建从资产配置到订单执行的多级风控：  组合层：限制单一资产暴露≤10%，行业暴露≤25%  策略层：设置每日止损阈值（如单策略日亏损≤2%） 构建输入-输出敏感性矩阵，量化关键参数变动对收益的影响。测 试±1 标准差范围内的参数扰动，记录夏普比率变化： 参数 变动范围 夏普比率变化 最大回撤变化 止损阈 值 ±5% -0.3~+0.2 +1.5%~-2.1% 持仓周 期 ±2 天 -0.1~+0.4 +0.8%~-1.2% 5. 局部解释报告 对异常预测样本（如收益极端值），生成包含以下要素的 PDF 报 告：  当前样本特征值与训练集分位对比（如成交量处于 和标准差 σ，剔除超出 μ±3σ 的数据点。适用于正态分布特征明显的指标（如收益 率）。  四分位距法（IQR）：对非正态数据（如订单簿不平衡度）， 定义异常值为小于 Q1-1.5IQR 或大于 Q3+1.5IQR，其中 IQR=Q3-Q1。  动态阈值法：对波动率突变的资产（如加密货币），使用 ATR（平均真实波幅）作为动态阈值基准，超过 3 倍 ATR 的 波动视为异常。 示例：不同方法的敏感度对比（回测数据）

月 22 日， 豆包全新基础模型 Doubao-1.5-pro 正式发布，模型能力全面升级，融合并进一 步提升了多模态能力。2）1 月 29 日，阿里云通义千问旗舰版模型 Qwen2.5-Max 全新升级发布，预训练数据超过 20 万亿 tokens，在多项公开主流模型评测基准 上录得高分。3）1 月 20 日，Kimi 发布 k1.5 多模态思考模型，在 short-CoT 模 行业动态报告/计算机 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 5 式下，Kimi k1.5 的数学、代码、视觉多模态和通用能力，大幅超越了全球范围内 短思考 SOTA 模型 GPT-4o 和 Claude 3.5 Sonnet 的水平，领先达到 550%。 图6：2025 年 1 月国内头部 AI 应用整体月活情况 图7：2025 ChatGPT 帮助学生提升严谨思维和清晰写作的能力。学生可 以利用“苏格拉底对话”（Socratic dialogue）法，向 ChatGPT 提出问题，以此 1.2 1.3 1.4 1.5 1.7 1.8 1.9 30% 35% 40% 45% 50% 0.00 0.50 1.00 1.50 2.00 2.50 单季度营收（亿美元） YOY (0.20)

监视 气象服务 • 个人飞行eVTOL所需基础设施（如基础GNSS 导航和起降点）简单、成本低、易于建设 • 如已建成，可灵活扩容 • 仅需简易起降点，无需永久性设施；FATO≥飞行器长 度的1.5倍，TLOF≥1倍，建设成本低 • 2024年已出台起降场地监管指引 • 需要经过认证的直升机飞行场地，具备明确分区和安 全缓冲区 • 配套供电、停车、门禁等附属支持设施 • 需采用更高精度的导航系统（如SBAS、PBN） 场景将从“小众尝鲜”向“大众消费”深度渗透。 预计到2040年，租赁场景年销量将接近7,000台，对应市场规模约为10亿美元。 在航校培训场景中，根据每年新增驾照的数量测算，中长期市场规模预计在1.5亿–1.9亿 美元之间。 低空观光 eVTOL 年保有量 景区数量1 景区低空观光 渗透率2 每个景区的 垂直起降点数量3 每个起降场地的 eVTOL数量4 年销量 上年eVTOL保有量 式（参阅图13）。 • 时效性：出行eVTOL的核心价值在于规避一线城市高峰期的地面拥堵。以北京国贸区 域前往大兴机场的行程为例，乘坐出行eVTOL仅需15–20分钟，而搭乘出租车或地铁 则需1.5–2小时，显著缩短了时间成本。 • 经济性：出行eVTOL的单人每公里乘坐成本约为10元人民币，远低于直升机单人每 公里约50元的价格，同时与豪华网约车单位价格相接近（假设商务人士通常以个人为

知识库管理：构建分级更新的行业知识图谱，包含 超过 500 万实体关系对，支持每日增量更新 关键性能指标如下： 指标 参数 测试条件 并发处理能力 1200 QPS 4 核 16G 云服务器集群 端到端延迟 ≤1.5 秒 50Mbps 网络环境 语音合成自然度 4.2 MOS 中文普通话测试集 指标 参数 测试条件 意图识别准确率 91.7% 百万级真实场景 query 系统通过三层架构实现服务隔离： |—————-|————|—————-| ————————| | 语音识别准确率 | 每 5 分钟 | <85% | 自动 切换备用 ASR 模型 | | API 响应延迟 | 实时监控 | >1.5s 持续 30s | 流量熔断+ 节点热备 | | 并发处理能力 | 压力测试 | 单节点 <500QPS | 弹性伸缩触发阈值 80% | 系统通过联邦学习框架实现跨景区知识共享，采用差分隐私技 500ms 级语义分析 3. 云端集群 处理复杂语境理解 关键性能指标如下表所示： 参数 基准值 峰值能力 并发处理通道 200 路 5000 路 端到端延迟 <800 ms <1.5s 语义理解准确率 92% 95% 方言支持 8 种 23 种 多模态交互模块采用动态负载均衡策略，根据实时流量自动分 配计算资源。语音合成支持 5 种情感模式和 3 种播音风格切换，韵 律自然度达到

8% 7 伊朗 74 5.6% 7 庆北国立大学 韩国 23 1.7% 8 韩国 68 5.2% 8 德黑兰大学 伊朗 22 1.7% 9 西班牙 60 4.6% 9 岭南大学 韩国 20 1.5% 10 意大利 59 4.5% 10 滑铁卢大学 加拿大 19 1.4% / 施引论文 / 中 国 印 度 巴 基 斯 坦 沙 特 阿 拉 伯 伊 朗 埃 及 韩 国 西 班 牙 美国 283 8.7% 3 中国科学院 中国 65 2.0% 4 沙特阿拉伯 214 6.6% 4 韦洛尔理工学院 印度 53 1.6% 5 韩国 186 5.7% 5 华南农业大学 中国 48 1.5% 6 巴基斯坦 146 4.5% 6 西北农林科技大学 中国 44 1.4% 7 英国 112 3.5% 7 印度农业研究委员会 印度 41 1.3% 8 西班牙 83 2.6% 8 浙江大学 6 澳大利亚 83 2.6% 6 东北石油大学 中国 245 7.8% 7 俄罗斯 56 1.8% 7 西南石油大学 中国 227 7.2% 8 印度 47 1.5% 8 中国地质调查局 中国 190 6.0% 9 法国 46 1.5% 9 成都理工大学 中国 162 5.1% 10 丹麦 43 1.4% 10 北京大学 中国 149 4.7% 从施引论文的角度看（表 15），中国以绝对的