5。近年来，相关市场融资总量亦达数百 亿元，涵盖了 K12 阶段教育、职业培训、学前教育等不同的 教育细分领域 6。 1《教育信息化 2.0 行动计划》http://www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html 2 坚持以建设高质量教育体系为统领 谋划推动 “十四五” 时期教育发展， http://www.scio.gov.cn/x 数据援引自工业与信息化部人才交流中心发布的《人工智能产业人才发展报告（2019-2020 年版）》一文 产业 分析 课程 建设 就业 认证 综合 实训 算法领域 技术领域 应用领域 感性引导 兴趣实践 创新应用 17 16 实 战 篇 实 战 篇 英 特 尔 中 国 教 育 行 业 AI 实 战 手 册 英 特 尔 中 国 教 育 行 业 AI 实 战 手 册 图 2-1-3 人工智能教育的不同阶段 图 1 2 24 … 25 26 6 48 … Intel® UPI 4x16 PCIe 4x16 PCIe DMIx4 DMIx4 模型训练 模型训练 模型训练 模型训练 模型训练 模型训练 模型训练 DMIx4 DMIx4 Intel® UPI 4x16 PCIe 4x16 PCIe 英特尔® C620 系列芯片组 英特尔® 至强® 可扩展处理器 CPU0

• GRPO ：群体进化的智慧筛选器 • 自我验证机制： AI 的 " 错题本系 统 " • 混合专家模型的 " 智能路由器“ • 多头潜在注意力 MLA ：空间压缩 术 • 训练框架加速： 16 到 3 的量化压 缩， 通信降低 89% • 推理加速：预加载，动态批处理 等 • 模型、数据、工具链、部署全开 源 • 蒸馏技术使能第三方模型性能 DeepSeek 大模型解读： 通过系统优化实现极致性能， 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 GPU 实例（需开白名单） 相关链接 https://console.huaweicloud.com/modelarts/?loc 、 8B 方案 1 X 实例 x1.16u.16g 1 676 1.3888 11 方案 2 GPU-G5R 16U32GB 显卡 1*16G 1 3905.8 13.32 60 方案 3 GPU-pi5 16U64GB 显卡 1 * 24G `1 4018 8.2 43 14B 方案 1 GPU-G5R 16U32GB 显卡 1*16G 100 1 3,947.80 13.377

.......................................... 16 需求侧：看好 HVDC 在 AIDC 需求驱动下突破渗透率瓶颈 ......................................................................... 16 供给侧：AI 数据中心相关设备厂商投资机会涌现 ................. ............................................................................. 9 图表 8： 主流 AI 芯片 FP16 和 INT8 算力功耗比一览 ................................................................................... 可减少配套设施（冷却+供电系统）和机组电能消耗 ..................................................................... 12 图表 16： 高压全直流供电架构示意图 ....................................................................................

2025年1月：GitHub发布Janus-Pro多模态大模 型，进军文生图 2025.2.6日: 中国电信、中国移动、中国联通三大运营商宣布接入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- 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+ 30GB 专用服务器 R1-32b 48GB+ 128GB+ 60GB GPU服务器 R1-70b DeepSeek的部署 28 DeepSeek部署的前期准备-机器环境 v TO-C（个人） v 机器：个人笔记本、台式机 v 选择版本：1.5b、7b、8b v 配置要求： – 内存：建议16GB以上 – CPU 性能越好，有带GPU更好 – 根据配置选择部署的大模型版本：1.5b、7b、 8b、14b或更高版本 – 普通电脑1.5b的效果不错 v 操作系统：Windows、Linux、MacOS

..14 2. 业务场景分析与需求梳理...............................................................................16 2.1 银行业务场景分类...................................................................................18 ...258 15.2.2 客户满意度提升........................................................................260 16. 风险管理与应对.......................................................................................... ：每节点配置 4×A100 80G 显卡，支持 FP16 精度推理，建议部署 Kubernetes 集群实现弹性扩 缩容 o 内存需求 ：每个实例需预留 10GB 系统内存用于预处 理/后处理流水线 o 网络带宽 ：在 RAG 场景下需保证至少 5Gbps 的向量数 据库访问带宽 3. 成本优化策略 推荐采用混合精度量化技术（FP16+INT8），可使显存需求 降 低 30%

、智才筑基—— AI 素养提升工 程 样例数据 模型规模 显存需求（推理） 显存需求（训练） 推荐 GPU 数量 量化技术支持 7B 10-16GB 24-32GB 1-2 FP16/INT8 13B 20-24GB 48-64GB 2-4 FP16/INT4 32B+ 40GB+ 80GB+ 4+ FP8/QLoRA 部署 DeepSeek 大模型时，算力配置需根据模型规模（参数量） 、应用场 、应用场 景 （推理 / 训练） 、并发需求及性能目标综合规划。 模型规模与硬件需求关系 2 、算力赋能—— 基础设施升 级 注：显存需求基于 FP32 精度，使用量化技术（如 FP16/INT8 ）可降低显存占用 30- 50% 。 核心硬件 推荐部署 说明 GPU NVIDIA A100 80GB / H100 80GB 大显存 、 高带宽， 支持 NVLink 多卡互 联 存储 NVMe SSD RAID 0 ( ≥2TB ，读速 7GB/s+ ） 高速存储减少模型加载和数据集读取延迟 网络 多卡 NVLink ( ≥600GB/ s ） / PCIe 4.0 x16 多 GPU 场景需避免通信瓶颈 电源 冗余电源 ( ≥1200W ） 支 持 多 卡 高 功 耗 场 景 （如 4 卡 A100 需 ≥ 2000W ） 2 、算力赋能—— 基础设施升 级

GPT-3 175B 的参数量（1 746 亿）为 例 ，其 训 练 算 力 的 需 求 为 6×174.6 B×300 B= 314 000 EFLOPS。若采用 910B（376 TFLOPS@FP16） 集群，按照 GPU 利用率为 30%，训练 28 天，则需要约 1 150张910B GPU卡。 按照上述测算，对于万亿参数模型，则需要万卡 级规模集群；对于十万亿参数模型，则需要十万卡级 GPU利用率×训 练限制时间） 单位和解释说明 - 一个英文单词即可认为是 一个Token，汉字可认为是 一个Token；通常为百万级 FPLOPS，浮点计算次数。 对于训练算力，一般认为是 16位浮点计算次数 张，用来衡量GPU卡数量。 其中GPU利用率一般为 30%~75% 童俊杰，申 佳，赫 罡，张 奎 运营商智算中心建设思路及方案 数据通信 Data Commuincation 能、面向对象的并行文件系统为例，在 Diskless 架构 下，Lustre/GPFS 使用“盘即存储”的新型 NVMe 盘框替 表2 国内外主要GPU厂家和相应型号 厂家 GPU卡型号 发布时间 FP16/BF16算力（稠密）/PFLOPS 显存容量 卡间互联带宽/（GBit/s） 软件栈 英伟达 H100 2022年3月 0.989 80GB HBM3 900 CUDA B200

核心要素协同，推动eVTOL商业化加速实现 4 2. 未来可期：中国eVTOL市场规模展望 10 2.1 个人飞行eVTOL：多元化飞行体验载体 10 2.2 出行eVTOL：公共与私人出行渗透 16 2.3 中国载人eVTOL商业化进程展望 20 3. 奋楫扬帆：中国eVTOL企业发展展望 22 3.1 发展路径 22 3.2 核心能力建设 23 4. 远航新程：海外eVTOL市场潜力 中国载人eVTOL行业白皮书 10 2. 未来可期：中国eVTOL市场规模展望 未来，在政策支持、监管放宽、基础设施建设完善和供需共振的推动下，我们预计到 2040年，中国eVTOL市场规模将达410亿美元，年销量约16万台。其中，个人飞行eVTOL 凭借高净值人群对飞行体验、科技尝鲜、户外爱好等高端消费的需求，市场规模有望达到 230亿美元，占比约为55%；出行eVTOL则依托城市空中交通网络的构建，在私人购买、 心增长引擎，其主要驱动力来自中国高净值家庭及富裕人群的消费升级；低空观光、租赁、 航校飞行培训等场景则将作为重要补充，共同支撑市场规模扩张（参阅图8）。 2025估 2030估 2035估 2040估 0 3 16 23 个人购买 租赁 低空观光 航校培训 按应用场景划分（2025–2040估，单位：十亿美元） +21% 0.4 18 104 152 0.6 50 380 980 eVTOL年销量