内涵。它还可能是一场生产关系变革，用以太坊创始人维塔利 克·布特林（Vitalik Buterin）的话说，每个人将在Web 3.0 中拥有自己的“灵魂”（Soul），在社区中自下而上地聚集在 一起，创造出一种新型的“去中心化社会”（DeSoc）。 归根结底，它是一场基础性的技术变革，涵盖产业互联 网、芯片、人工智能、云计算、区块链、大数据、密码技术、 虚拟现实、生物工程等各类前沿技术，被称为“寒武纪创新爆 Infrastruc ture，简称DPKI）和一种全新的可信分布式数字身份管理系统。分 布式账本是一种严防篡改的可信计算范式，在这一范式中，发证 方、持证方和验证方之间可以端到端地传递信任。 二是赋予用户真正的数据自主权。Web 3.0不仅赋予用户自主管 理身份的权利，而且打破了中心化模式下数据控制者对数据的天然 垄断。分布式账本技术可提供一种全新的自主可控数据隐私保护方 案。用户数据经密码 （包括大型商业平台）的信任程度。其在2020年的一项调查中发 现，大部分商业平台都不能站在公众利益的立场上考虑自身的发 展，难以获得公众的完全信任。而Web 3.0不是集中式的，不受单一 平台的控制，任何一种服务都有多家提供者。平台通过分布式协议 连接起来，用户可以以极小的成本从一个服务商转移到另一个服务 商。用户与建设者平权，不存在谁控制谁的问题，这是Web 3.0作为 分布式基础设施的显著优势。 Web

23 第 4 章 面向工程审计行业的 DeepSeek 提示词工程 在数字智能交互的复杂生态系统中，有效沟通已经成为连接人类认知与人 工智能计算能力的关键中介。提示词工程作为一种新兴的交互范式，本质上是 一种高度精准的语言转换技术，它通过系统性的语言策略，将抽象的专业需求 转化为可操作的智能响应。 DeepSeek 系列的大语言模型尽管功能强大，但其输出质量高度依赖于输入 的精 下面将通过九大思维框架的系统解析（参考①),结合工程审计领域的具体 应用场景和提示词模板，深入阐释提示词工程的理论构建与实践路径。 4.1 APE 模型：精准定位工程审计任务 APE 模型作为一种通用的思维框架，通 “ 过 行动（Action）-目的（Purpose） -期望（Expectation ” ） 三个维度构建结构化的信息处理系统。工程审计领域因其 复杂性、专业性和风险管控需求， 目的维度将技术性审计工作与组织战略目标关联，提升审计活动的价值定 位；期 望维度则为人工智能输出提供明确标准，有效缩小技术输出与专业需求之 间的认 知差距。 4.2 CARE 模型：构建全面审计上下文 CARE 模型作为一种整合背景、行动、结果和示例的思维结构，在需要全 面 情境理解的领域具有广泛应用价值。工程审计因其复杂的项目背景、多元的 利益 相关者以及高度的专业性，对于情境理解有着特殊需求，这使 CARE 模型

1.大模型：人工智能的前沿 1.1 大模型的概念 1.2 大模型的发展历程 1.3 人工智能与大模型的关系 1.4 大模型分类 1.1 大模型的概念 大模型通常指的是大规模的人工智能模型，是一种基于深度学习技术，具有 海量参数、强大的学习能力和泛化能力，能够处理和生成多种类型数据的人 工智能模型。 通常说的大模型的“大”的特点体现在： 参数数量庞大 训练数据量大 计算资源需求高 1.2 大模型的发展历程 1.2 大模型的发展历程 大模型发展对算力的需求演变 1.3 人工智能与大模型的关系 人工智能包含了机器学习，机器学习包含了深度学习，深度学习可以采用不同的模型，其中一种模型是预训练模型，预训 练模型包含了预训练大模型（可以简称为“大模型”），预训练大模型包含了预训练大语言模型（可以简称为“大语言模 型”），预训练大语言模型的典型代表包括OpenAI的GPT和百 OpenAI官方宣布了OpenAI o1推理大模 型。 推理大模型 在OpenAI的官网上，OpenAI定义推理模 型是在回答之前进行思考，并在回复用户 之前，在内部生成一长串的思维链过程。 思维链是一种提示大语言模型进行逐步推 理的方法。它让模型在得出最终答案之前， 先显式地写出推理的中间步骤。这就像人 类解决复杂问题时会先把思考过程写下来 一样。 OpenAI定义推理模型 也就是说，如果模型在回复你之前有一长

理解语言文本的含义。  大语言模型可以处理多种自然语言任务，基于大语言模型开发的ChatGPT或能够为用户提供信息系统入口/界面，同时可以管理计 算资源并支撑应用开发。 ChatGPT作为一种大语言模型，可以成为信息系统入口的界面 桌面和移动应用 资料来源：《AIGC: 智能创作时代》，增长黑盒，中国工程院，西南证券整理 操作系统 服务应用 AI 应用 办公 浏览 多地服务于 临床应用，具有较高的临床价值。  手术机器人应用于普外科、骨科、神经内外科等科室的手术中。其中，腹腔镜机器人是应用最为广泛的一种。  辅助机器人主要应用于非手术环境下的临床诊断场景，为医生提供专业的诊断和治疗技术。  康复机器人则是一种医疗机器人，用于辅助病人完成肢体动作、实现助残行走、康复治疗等功能，能够解决病人康复动作的 标准性与把控性，促进神经系统的功能重组、代偿和再生。 AIGC拉升效率 CDSS系统构建流程 知识库构建 基 于 临 床 实 践 CIS 推理机制构建 医疗数据源 知识搜索 文本表示  CDSS（临床决策支持系统）是一种计算机应用系统，主要通过运用相关的临床知识、患者基本信息以及病情信息，帮助医生加 强医疗决策与行动，从而不断提高医疗诊断治疗的服务质量。  由于临床医师专业领域往往局限于单病种研究，且基层医

种状态，就是   n 2 1 ... 1         n 。这种情况 也许会让没接触过量子力学的人感到很奇怪。因为在我们先前经验中 见到的世界里，一个物体的状态只会出现某一种。以抛硬币为例来对 比一下经典世界和量子世界，如图 2 所示。硬币白色朝上为 0，黑色 朝上为 1。左侧虚线框内的经典世界要么出现 0 要么出现 1。右侧的 虚线框内的量子世界就很奇特，既可以独立出现 生活在宏观世界的人来说很难想象。因为我们从出生到现在见到的世 界里的状态都是某一个确定的状态，比如光子要么处于水平偏振，要 么就是竖直偏振。一只猫，要么是死的，要么就是活的。同时处于死 和活的状态是一种什么样子，我们根本想象不出来。所以在量子力学 建立的早期，许多量子物理学家都很难接受其他人甚至自己提出的一 些理论带来的“奇怪”结论。其中对于叠加态的质疑就是著名的薛定谔 的猫。物理学家们通过 BBM92[9]协议是 BB84 协议的纠缠版本。其先分发纠缠然后 用 BB84 一样的测量基去测量纠缠光子对，然后通过经典通道比对结 果。 （2）量子隐形传态 量子隐形传态是通过纠缠信道直接传输未知量子态的一种途径 [14]。如图 6 所示，通信双方 Alice 和 Bob 共享一对纠缠量子比特， 也就是 Alice 的粒子 2 和 Bob 的粒子 3 纠缠。Alice 想把粒子 1 中的 未知量子态传送给

起，以 及各行各业在数字化转型过程对网络、计算、存储等多维资源需求的 驱动，算力网络应运而生。作为一种结合算力和网络资源的新型信息 基础设施，算力网络通过将动态分布的计算和存储资源互联，将网络、 存储和算力等多维度资源的统一协同调度，实现连接和算力在网络的 全局优化。算力网络提供了一种弹性、高效、可扩展的服务模式，使 得海量的应用能够按需、实时调用分布式计算资源，为数字化转型业 务提供更加经济、高效、泛在的算力供给方案。 闭环自治和网-算-智协同自适演进，如图 2-1 所示。 图 2-1 AI 技术开启算网应用新范式 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 9 2.2.1 意图驱动的算网融合 算力网络本质上是一种将多级算力资源与网络资源进行一体化 融合的新型信息基础设施，能够按需为用户提供算力资源服务是其基 本功能。为实现面向多元用户的算网自动化全场景按需服务，基于意 图的算力网络需要根据用户的业务需求生成最优的算力服务提供策 算力网络 算力网络通过将分布的计算节点连接起来，动态实时感知计算资 源和网络资源状态，进而统筹分配和调度计算任务，形成一张计算资 源可感知、可分配、可调度的网络，满足新业务新应用对算力的要求， 是一种云边网深度融合的新范式，也是边缘计算向泛在计算网络融合 演进的新阶段。本节将从资源感知、资源编排与任务调度三个关键技 术对算力网络进行介绍。 算网资源感知是实现算力网络按需调度的基础，其关键技术主要

• 02：对AI教育的思考 • 03：我们的AI教育实践 VUCA时代，AI技术日新月异，所有的认知、思考、实践都在迭代中…… 01 对AI技术的认知  AI是一种工具，也是一种赋能，更是一种思考范式。  我们从三个角度来认知AI技术： • 人工智能的本质 • 大模型的能力边界 • 通向AGI之路 01 对AI技术的认知：人工智能的本质 思维能力：批判思维、独立思维、逻辑思维 2. 学习能力：终身学习，善用AI 3. 热爱人类  如何培养人 1. 赋能：个性化学习，学本教育，因人育材，未来学校  学习的定位是一种思维训练，知识、写作、记忆力等只是训练工具  终身学习的方式可能从知识搜索转向了古老的对话式学习 2. 让人学会与AI共舞，尤其是生成式AI将成为人的必备技能  人工智能专业

AIGC拉升效率 CDSS系统构建流程 知识库构建 基 于 临 床 实 践 CIS 推理机制构建 医疗数据源 知识搜索 文本表示  CDSS（临床决策支持系统）是一种计算机应用系统，主要通过运用相关的临床知识、患者基本信息以及病情信息，帮助医生加 强医疗决策与行动，从而不断提高医疗诊断治疗的服务质量。  由于临床医师专业领域往往局限于单病种研究，且基层医 Intelligence，西南证券整理 AI 制药：AI在多疾病领域广泛应用 46  目前，制药行业的任务是为药物开发创造廉价有效的解决方案，公司应用各种计算方法以达到这一目标。计算机辅助药物设计 （CADD）是一种现代计算技术，在药物发现过程中用于识别和开发潜在线索。CADD包括计算化学、分子建模、分子设计和 合理药物设计。  基于计算结构的药物设计已经建立了新的平台，这些平台大多具有类似的结构来测试候选药物。人工智能的使用可以简化和促 基于DL的短抗菌肽（AMPs）鉴定平 台Deep-AmPEP30，使用该平台，研究人员从一种存在于胃肠道的真菌病原体光滑梭菌基因组序列中鉴定出新的AMPs；2） 小分子：AI也可用来探索小分子的治疗作用，Zhavoronkov等人设计了一种基于生成性强化学习的小分子从头设计工具 GENTRL，并利用它发现了一种新的酶抑制剂DDR1激酶。 AI可参与药物开发过程多个阶段 AI在一次和二次药物筛选中应用流程图

设备能不能彻底摆脱电池的限制，不用电池就能正常使用呢？ 答案是肯定的，这就是本白皮书的主角——无源物联网技术。 无源物联网技术主要分为这么几类： 第一种就是通过采集周围环境中的无线电能量来实现。比如说 4G 信号，5G 信号，Wi-Fi 信号，蓝牙信号等等，每一 种无线电信号，都是一种能量传输。 这也是最受关注的方式，因为一个物联网设备要正常运作，除了获取工作能量之外，还需要将数据信息进行传输，而 信号的传输 Frequency Identification 射频识别技术，是一种非接触式的自动识别技术，通过无线射频方式进行 非接触双向数据通信，对电子标签或射频卡进行读写，从而完成读写器与标签之间的数据通信，实现识别目标与数据交换 的目的。 1 RFID 基本原理 RFID 系统基本组成包括 RFID 电子标签、读写器、应用软件，是一种利用射频识别技术进行数据采集与传输的自动识 别系统。 RFID 按照一定的编码规则排列，用以表达一 组信息的图形标识符。常见的条形码是 由反射率相差很大的黑条（简称条）和 白条（简称空）排成的平行线图案 常见的二维码为 QR Code 和 GM 码，是近几年来移动设备上超流 行的一种编码方式。二维码是一 个多行、连续性、可变长、包含 大量数据的符号标识 应用场景 仓储物流、图书借还、 档案管理、人员管理、 资产管理、商品盘点、 电子围栏、动物管理等 等 高速公路收费站、停车

现的能力，如推理能力、无标注学习能力等，这种现象被称为涌现能力。在 Jason Wei 的论文中，具体定义为“在小模型中没有表现出来，但是在大模型中变现出 来的能力”。“涌现能力”只是对一种现象的描述，而并非模型的某种真正的性 质，出现涌现能力的原因也尚待探索。 其中一种观点认为，大模型的涌现能力来自于其不连续的评价指标。如果换成更 为平滑的指标，相对较小的模型的效果也并非停滞不前，规模在阈值以下的模型， 随着规模的提高，生 资料来源：NVIDIA，国信证券经济研究所整理 缩减优化模型，部署终端设备 通过优化，预估模型算力成本大约会降至原来的 1/4，为模型的边缘部署提供技术基 础，目前常见的优化方法有三类： 1）量化：量化是模型压缩的一种常用手段，核心思想是将模型参数从高精度转换 为低精度，将多 bit 高精度的数（FP32、FP16 等）量化为较少 bit 低精度的数值 （INT8、INT4 等），即从浮点到定点数的转换。量化方法可分为训练时量化（PTQ， Gen2 旗舰芯片组 15 秒出图 资料来源：Apple，国信证券经济研究所整理 资料来源：Apple，国信证券经济研究所整理 2）知识蒸馏（knowledge distillation）：是模型压缩的一种常用的方法，不同 于剪枝和量化，知识蒸馏是通过构建一个轻量化的小模型，利用性能更好的大模 型的监督信息，来训练这个小模型，以期达到更好的性能和精度。最早是由 Hinton 在 2015 年首次提出并