Deepseek 在药企研发领域的本 地 化部署和应用场景 智慧芽生物医药 2025 年 03 月 智慧芽 01 大模型的发展阶段和 deepseek 02 Deepseek-R1 在药企的本地化部 署 03 芽仔与 Deepseek-R1 对接 04 Al 融入智慧芽生物医药产品 智慧芽 @LS- GTM 智 慧 芽 2 2022.12 Deepseek 出圈引爆全行业的原因 ? · 基础能力：进入推理模型阶段，跻身全球第一梯队 · 推理能力跃升： DeepSeek 大模型核心技术突破，实现复杂推理任务的精准处理与高效执行，覆盖 多模态场景应用。 · 国际竞争力对标：模型综合性能跃居全球第一梯队，技术指标与国际顶尖水平 ( 如 GPT 系列、 Claude 等 ) 直接对标，奠定国产大模型的行业标杆地位。 · 加 分 个人部署： Ollma 框架适合个人用户私有化本地部署，但在多用户并发场景下性能衰减明显。 · 企业部署：推荐使用 Transformers 来快速验证模型能力，使用 VLLM 框架借助 PagedAttention 技术实现 24 倍于 Transformers 的吞吐量实现大模型的高效推理，针对不同企业场景，则提供 不同 的企业级部署方案。 · 其他方式：近期出现的 KTransformer

未来网络技术发展系列白皮书（2025） 东数西算算网协同调度 业务场景白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 ● 本白皮书版权属于紫金山实验室及其合作单位所有并受法律保 护，任何个人或是组织在转载、摘编或以其他方式引用本白皮书中的 文字、数据、图片或者观点时，应注明“来源：紫金山实验室等”。 否则将可能违反中国有关知识产权的相关法律和法规，对此紫金山实 验室有权追究侵权者的相关法律责任。 《东数西算算网协同调度-业务场景白皮书》（简称白皮书）的编 制，是基于国家东数西算“安全新总线”项目所开展的算网协同工程 实践。“安全新总线”通过 400Gbps 互联了国家八大枢纽节点、以及 多个国家超算中心，可根据任务时延、带宽需求提供广域确定性网络 传输质量，并通过网络操作系统开放网络资源的调度能力，算网协同 调度平台即原生构建其上。 白皮书以业务场景视角切入，对东数西算算网协同调度的调度架 调度的调度架 构、应用场景、生态模式等进行了深入的分析论述。希望能够通过本 白皮书，为业界树立面向东数西算的算网协同调度范式，为国家东数 西算与全国一体化算力网的规模落地提供未来网络实践经验。 V 目 录 目 录........................................................................................

技术的未来属于善问者，而提问的艺术，终将定义人类的不可替代性 DeepSeek 金融审计应用场景 1000 问 发布单位 发布时间 南京审计大学金融学院 江苏省金融大数据审计信息工程研究中心 2025 年 3 月 16 日 写在前面的话 在数字经济与智能技术深度融合的今天，金融以及金融审计行业正经历前所 未有的变革。以 DeepSeek 为代表的大语言模型（LLM）作为人工智能领域的突 金融审计领域带来了新的发展机遇与挑战。如何借助大模型工具挖掘审计线索、 优化工作流程、提升风险预判能力，成为行业亟需探索的课题。本手册基于对银 行、证券及保险业审计场景的调研，结合大语言模型技术，系统梳理了金融机构 1000 个左右审计通用场景应用问题（侧重内部审计），并给出简要提示与典型 案例，旨在为金融审计领域的学习者及工作人员提供实用性的操作指南。以下是 本手册编写的核心逻辑与框架说明。 使用者更精准提出多元 化场景下的问题，本手册的提问设计遵循以下原则： l 场景化：围绕商业银行、证券公司以及保险公司的具体场景拆解问题， 避免抽象化表述； l 可操作性：根据审计场景提供有操作价值的问题、提示与案例； l 合规与价值导向：本手册问题不但嵌入合规政策提示，而且提出更多关 于价值导向审计的思路与方法。 二、整体内容框架搭建：从基础审计场景认知到实战推演 “ 本手册业务审计板块分几个部分，形成

证券研究报告·行业深度报告·电子 东吴证券研究所 1 / 28 请务必阅读正文之后的免责声明部分 电子行业深度报告 AI 系列深度：AI+降本增效拓宽应用，硬件 端落地场景丰富 2023 年 07 月 12 日 证券分析师 张良卫 执业证书：S0600516070001 021-60199793 zhanglw@dwzq.com 模型的趋势是明确的，预计很快在下游应用层面将出现 AI 百花齐放的 景象。国产半导体产业已经加速了“创新车轮”，在端侧围绕计算、感 知、存储等关键环节作充足准备，以迎接人工智能新机遇。 ◼ AI 拓宽 C 端应用场景，推动创新需求。 C 端更注重用户体验和使用场 景的匹配，随着轻量型大模型的发布，AI 应用有望从 PC 延伸到手机、 IOT 等，赋能各类智能终端。举例来看，1、AI 的赋能有望提升 XR 交 互体验和内容生态繁荣，XR 在未来数年内不断突破数据处理和智能学习的界限，通过边缘 AI 赋能， 智能机顶盒、智能音响、智能耳机等智能终端产品有望形成软硬件一体 的智能语音交互助理载体。 ◼ AI+提升生产效率， B 端应用场景发展潜力逐渐释放。随着技术和应用 的发展，AI 的赋能将深刻改变很多 B 端的生产力及生产效率，其可以 帮助企业提高生产效率、提升客户体验和创造新的商业价值。举例来看， 1、安防行业作为 AI 技术落地应用较为领先的领域，率先受益于

语音交互、机器学习、深度学习等人工智能技术应用于机器人上的智 能体。其工业应用包括两个层次，一是嵌入各类智能软硬件的机器人 产品在生产操作、物流配送等典型工业场景中的应用，二是智能化的 工业控制平台通过集成人工智能技术与工业机器人等设备，在产线优 化和试验验证等群体智能场景中的应用。 本报告分为研究背景、技术趋势分析、应用现状分析和前景展望 四个部分。首先，从技术突破、大国竞争和市场前景三个角度，分析 “ 度，回顾人工智能与机器人融合的三大技术方向，分析在人工智能大 模型推动下，以人形机器人为代表的具身智能技术的前沿进展；接着， 从应用场景的角度，通过全球 88 个案例分析“机器人+人工智能”在 典型场景、行业中应用情况；最后，从技术、产品和应用三个方面， 展望“机器人+人工智能”在工业场景中的应用前景。 牵头编写单位： 信通院（江苏）科技创新研究院有限公司 参与编写单位： 苏州市机器人产业协会 苏州拓斯达智能装备有限公司 8 三、“机器人+人工智能”在工业领域的应用 ................. 10 （一）应用场景：从生产操作向其他高附加值场景拓展 ..... 10 1、生产操作：从操作精度提升到自适应学习 .............. 11 2、物流配送：“识别+导航”模型组合适用于封闭生产场景 . 12 3、质量管理：机器视觉检测大量取代人工检测 ............ 12 4、安全管理：在部分重化工业存在一定需求

落地，将竞争焦点从技术壁垒转向金融数据价值挖掘，推动 AI 能力与金融场景深 度融合， 以数据闭环体系巩固金融领域的场景化优势。 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积累吸收高质量业务数据、深化垂直场景认知，并通过迭代形成“数据 - 模型 - 业务”的正向 循 循 环，不断提升金融服务水平。 围绕金融五篇大文章，大模型本身即是数字金融的工具，而科技金融、养老金融、普惠金融、绿色金融恰是应用场景。 中信建投非银金融 & 前瞻研究团队数字金融系列报告思路 : 中信建投非银金融 & 前瞻研究团队将围绕数字金融与大模型在 金融领域的 应用撰写系列深度，围绕大模型应用于金融业各类子行业的痛点、案例、未来展望等维度进一步展开。 业务逻辑的痛点和数字化价值进行深入的分析和探讨，以 期对金 融行业的智能化和数字化转型提供参考。 》 01 金融机构数字化转型核心痛点与思考 》 02. 从金融机构的数字营销场景谈起 》 03. GenAI 赋能买方投顾和保险业的数字化 》 04. DeepSeek 如何推动金融行业数字化转型 ? 》 05. 券商、保险、信贷、供应链金融及金融科技机构的业务逻辑痛点和数字化价值

筑牢硬件根基，推动人形机器人产业标准互通.........................16 （二） 强化感知能力，促进人形机器人技术融合创新.........................17 （三） 聚焦重点场景，驱动人形机器人应用健康发展.........................18 世界互联网大会智库合作计划系列成果 前 言 Ⅰ 人形机器人作为人工智能与物理世界深度融合的前沿范式，正成 《人工智能法案》为 基础，构建了具身智能发展的伦理框架与产业规范。亚洲地区，日本 正在将机器人纳入社会并使机器人成为其社会基础的关键部分。2022 年日本政府将机器人赋能制造、服务、医疗等应用场景的资金支持提 升至1057亿日元。人口老龄化背景下的机器人替代人类是支持重点， 推出了《社会基础设施用机器人重点领域》和《服务机器人安全操作 国际标准》等政策制度。韩国在机器人产品或服务的技术层面具备一 机器人，为教育、物流、消费及其他产业定制，是全球合作车厂最多 的人形机器人企业。杭州宇树推出的Unitree H1、Unitree G1人形 机器人性能佳、价格低，可用于工业、家庭服务等多重场景。 图3 国外企业融资情况概览 （来源：中国联通研究院） 05 来源：中金公司《具身智能：AI下一站》 二、人形机器人的技术演进 （一）整机“智能化感知决策水平”不断提升 在

推进全栈计算技术的创新发展，加快构筑面向多样化计算的全球开源体系与产业标 准。基于“硬件开放、软件开源、使能伙伴、发展人才”的策略推动鲲鹏计算产业发展。 目前，鲲鹏软硬件联合创新已覆盖国计民生核心场景，主流伙伴核心应用已迁移到鲲 鹏，鲲鹏生态进入快速发展期。当前阶段，鲲鹏和 x86 多平台版本并行迭代成为主 要需求，由于两个架构开发生态的差异，如果采用两套流水线分别开发两套代码，则 会带来 鲲鹏应用使能套件 BoostKit， 实现 1 套代码 +1 条流水线构建多平台版本，效率更高、性能更优。 图 2-1 核心技术理念 代 码 开 发 阶 段 代码开发 代码优化 编译 调试 调优 • 场景化 SDK • 启发式编程 • BoostKit 应用使能 • 鲲鹏亲和分析 • 毕昇编译器 • 毕昇 JDK • GCC for openEuler • 鲲鹏调试器 • 系统性能分析 鲲鹏原生开发能力介绍 03 鲲鹏原生开发 能力介绍 鲲鹏原生开发技术白皮书 / 06 鲲鹏原生开发能力介绍 3.1 代码开发阶段 图 3-1 代码开发阶段 代码开发 代码优化 编译 调试 调优 • 场景化 SDK • 启发式编程 • BoostKit 应用使能 • 鲲鹏亲和分析 • 毕昇编译器 • 毕昇 JDK • GCC for openEuler • 鲲鹏调试器 • 系统性能分析

规律，进而形成可“举一反三”的强 大泛化能力，可在不进行微调或少 量微调的情况下完成多场景任务， 相当于AI完成了“通识教育” 通用大模型L0 是指那些针对特定行业或领域的大 模型。它们通常使用行业相关的数 据进行预训练或微调，以提高在该 领域的性能和准确度，相当于AI成 为“行业专家” 行业大模型L1 是指那些针对特定任务或场景的大 模型。它们通常使用任务相关的数 据进行预训练或微调，以提高在该 通用大模型 适用场景 复杂推理、解谜、数学、编码难题 文本生成、翻译、摘要、基础知识问答 复杂问题解决能力 优秀，能进行深度思考和逻辑推理 一般，难以处理多步骤的复杂问题 运算效率 较低，推理时间较长，资源消耗大 较高，响应速度快，资源消耗相对较小 幻觉风险 较高，可能出现“过度思考”导致的错误答案 较低，更依赖于已知的知识和模式 泛化能力 更强，能更好地适应新问题和未知场景 相对较弱，更依赖于训练数据 等领域。它能够理解人类语言，并能够回答各 种问题，提供相关的知识和信息。与其他聊天机器人相比，ChatGPT具备更强的语言理解和生成能力，能够更自然地与人 类交流，并且能够更好地适应不同的领域和场景。ChatGPT的训练数据来自互联网上的大量文本，因此，它能够涵盖多种 语言风格和文化背景 2.1 国外的大模型产品 n Gemini Gemini是谷歌发布的大模型，它能够同时处理多种类型

18 22 24 26 11 20 22 12 12 13 13 14 14 14 15 全球产业的演进路线：从硬件聚合到系统构建 技术特征 支撑大模型创新及云服务场景 加速人工智能科学计算，服务算法创新 助力行业企业智能化升级 系统特征 AI 技术从单点能力突破迈向系统能力创新 超节点技术产业生态发展格局 基础特征：大带宽、低时延、内存统一编址 超大规模 处理器编织为一个逻辑统一的高密度计算体，为高效计算提供了底层支撑。 系统能力则是超节点高效运转的保障，它需要具备大规模、高可靠、多场景等系统特征。大规模的 组网能力突破了单机扩展的硬件限制，为大规模算力聚合提供架构支撑；高可靠的运行特性化解了 网络、计算、存储等子系统的故障风险，保障集群作业的连续性；多场景的适配能力则能通过精细 化资源调度等机制，满足不同业务需求，最大化释放算力价值。 本文系统性地提出并论证了 本文系统性地提出并论证了 “超节点将成为 AI 时代的核心计算单元” 这一重要观点，清晰地呈 现了超节点的基础定义与特征，包括技术层面的基础特征和扩展特征，以及系统层面的大规模、高 可靠、多场景特征。同时，通过分析全球产业的演进路线、超节点稳定性的核心挑战以及技术产业 生态发展格局，为产业界指明了超节点的发展方向。 在未来计算的下一个十年，超节点无疑将成为推动 AI 技术发展的关键力量。这份发展报告为我 们提供