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 智慧芽 @LS- GTM 4 筋 京始前平台 动 她米 N 附大 等 A 附大 理白练 第三方乘道 AaMN 火 山 0 出元建 阿 白 Moly R1( 向量智能 )) 本地部署 · 打破垄断： R1 版以低成本和开源特性打破以往头部企业垄断局面。 · 价格优势： DeepSeek-R1 的 API 定价仅为行业均价的 1/10, 推动了中小型企业低成本接入 Al @LS-GTM o Deepseek 对行业产生巨大影 响 智慧芽 DeepSeek 5 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 6 Model Base Model Model Download De

中国企业出海启示 – 外企进入中国市场经验 出海/本地化进程“五步走”，销售、生产、供应链、研发、公司治理，优势企业本地化进程由浅及深 5 销售与市场 本地化 生产组装 本地化 供应链 本地化 产品研发 本地化 公司治理 本地化 Step 1 Step 2 Step 3 Step 4 Step 5 究其根因，在于企业的本地化深入程度 大型外企深入全流程，中小企业多止步于Step2生产组装 ep2生产组装 企 业 市 场 表 现 本地化进程 … 人形机器人 整机 过去10年，外企在中国市场的表现“两极分化” 大型外企信心与市场表现持续增强 大型外企 企 业 对 中 国 市 场 的 商 业 信 心 当外企对中国市场投资信心产生分野时，市场环境现象： ▪ 政策密集出台：本土产业扶持政策（如中国制造2025）中小企业扶持政策 （如专精特新小巨人）等 ▪ 市场逐渐饱和：大型外企市场表现稳定、结构性领先 大型外企：全流程本地化 中小外企：止步于生产组装 电气设备/3C For Roundtable M2 2025 Proprietary and Confidential All Rights Reserved. 反观中国企业出海，如何构建本地化能力——REGAL Model 深度出海/本地化的本质：基于资源、生态、公司治理的全面本地化，构建敏捷的组织，从而构建稳固的本地化根基 6 Governance

的推理应用信息如<应用 ID、位置、域名、IP 地址>等。 图 3-6 分总调度-算网资源调度使用-北向调度 ② 全局缩略图方式调度  需求提交 12 当算力使用者通过自治系统进行算网调度操作时，如果本地资源 无法满足业务需求，自治系统会将这些未满足的要求提交给算网系统 调度平台，如同在市场中寻求外部合作伙伴的支持。  资源快照返回 算网协同调度平台在接收到请求后，迅速对整体算网资源进行扫 足 了用户多样化的业务需求。 图 3-7 分总调度-算网资源调度使用-全局缩略图方式调度 13 ③ 东->北->西方式调度  需求提交与计算 算力使用者通过自治系统发起算网调度请求，当本地资源不足时， 自治系统将需求提交给算网协同调度平台，算网协同调度平台基于当 前算网资源状态，运用有效的算法和模型进行调度计算，制定出最优 的调度方案，确定目标资源和任务分配策略。 ●需要注意的是 不同调度模式下，算网协同调度平台及自治系统内调度机制，整 ●合本地与外部资源 ，运用有效算法实现资源的跨区域、跨系统优化配 置，提高资源整体利用率。  确保业务稳定运行 面对各类复杂业务需求，多样的调度方式保障资源提供方总能找 到优化方案，获取充足且适宜的计算、存储、网络资源，维持业务连 续性，助力业务稳步拓展。  实现成本效益最优 资源提供方通过合理选择调度策略，既能充分挖掘本地资源潜力， 减少外部资源调

企业大模型的七大落地场景 4.3 企业大模型的部署方式 4.4 为什么需要本地部署大模型 4.5 企业部署大模型规划路线 4.6 企业级应用集成AI大模型的关键步骤 4.7 企业级应用集成大模型的技术架构设计 4.8 大模型应用落地总体“四维认知”框架 4.9 大模型应用落地策略建议 4.10 大模型构建的技术方案选择 4.11本地部署大模型初级方法 4.12 本地部署大模型的成本 4.13 企业部署大模型当前关注的问题 程师的工作效率。通过AI编程助手，减少了重复劳动，提 升了代码质量 编码助手 4.3 企业大模型的部署方式 本地/内网部署 云端部署 通过云厂商实现弹性扩展和成 本优化 通过本地数据中心实现数据完 全掌控 边缘部署 通过边缘节点实现低延迟和实 时处理 容器化/微服务部署 混合部署 通过本地和云端结合实现灵活 性和灾备需求 通过容器技术和微服务架构实 现敏捷开发和资源隔离 联邦部署 网络限制：内网环境无法连接外部网络 本地/内网部署 4.3 企业大模型的部署方式 将DeepSeek大模型部署在靠近数据源的边缘节点， 减少数据传输延迟。适用场景： n 低延迟需求：如物联网、实时监控等需要快速响 应的场景 n 带宽有限：数据传输成本高或带宽有限时，边缘 计算可减少数据上传 n 离线运行：需要在网络不稳定或离线时仍能正常 运行 边缘部署 结合云端和本地部署，DeepSeek大模型部分系统在云

.......................................................................................... 11 3.2 本地部署 ................................................................................................ DeepSeek 赋能工程审计 DeepSeek 凭借其强大的推理能力以及对中文的深度理解与优化，成为 AI 领 域自主可控的新一代人工智能大模型。尤其是其高效能与低成本的特点，极大地 降低了本地化部署和应用的门槛，这就为提升工程审计效率，创新工程审计方 式 创造了条件。DeepSeek 强大的学习和推理功能，可以为工程审计的多个领 域带 来显著的效率提升。DeepSeek 赋能工程审计行业的典型应用如 （2）上传文件 登录已注册的账号后，进入 DeepSeek 的问答界面，找到文件上传相关区 域， “ 点击 上传附件 ”按钮。在上传附件时，确保数据隐私不被泄露。 点击 “ ” 上传附件 按钮，从本地文件系统选择要上传的文件。DeepSeek 支 持的文件格式依功能和设置而定，常见的有 txt、pdf、docx 等文本类文件。工 程 审计场景中，可上传工程预算书、结算报告、合同文件等。

.2 2.1 算力产业发展和政策趋势......................................................... 2 2.2 城市算力通过算力城域网就近服务本地用户.........................4 三、算力城域网需求............................................................ 了算力技术的普惠化发展，更改变了算力资源的配置方式，为算力服 务的广泛应用和持续创新提供了强有力的基础设施支撑。 算力城域网白皮书（2025 版） 4 2.2 城市算力通过算力城域网就近服务本地用户 面对算力产业快速发展趋势，中国电信推出了面向智算的新一代 数据中心（AIDC，Artificial Intelligence Data Center）基础设施技术方 案，在高算力规模、高 3%，充分证明算力 城域网方案的技术可行性。 算力城域网具备算力高效整合、算力无损输送、算力服务即取即 用等关键能力，通过构建 AIDC 与用户之间的安全高速通道，支撑城 市算力和行业算力就近服务本地算力用户。算力城域网通过高弹性、 高吞吐、高可靠的一跳入多算等网络新型服务能力，为政府、企业、 科研机构各类客户提供高效便捷的算力服务，加速数字化转型进程， 支撑数字经济的高速发展。 算力城域网白皮书（2025

落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 8 Gen2 部署 Stable Diffusion，实现本地运营 15 秒出图，证明了大模型本地化运行的可能，也体现出目前手机芯片的局限 边缘计算，处理发生在网络 边缘，更靠近数据源，而云计算，处理发生在数据中心。边缘计算是指在尽可能 靠近数据源或终端的地方捕获和处理数据。通过在数据源的物理位置附近放置服 务器或其他硬件来处理数据，在本地完成处理而不是在云端或集中式数据中心， 它能最大限度地减少延迟和数据传输成本，允许实时反馈和决策。 图14：边缘计算的应用场景 图15：云计算与边缘计算的区别 资料来源：NVIDIA，国信证券经济研究所整理 资料来源：NVIDIA，国信证券经济研究所整理 资料来源：NVIDIA，国信证券经济研究所整理 高通团队采用量化技术等，首次在安卓手机上部署 Stable Diffusion，实现本地 运营 15 秒出图，证明了百亿参数级大模型优化后可在终端本地运行的可能。 Stable Diffusion 是一个从文本到图像的生成式 AI 模型，参数达到 11 亿，计算 量是智能手机上运行的典型工作负载大小的 10 倍以上，主要限于在云端运行。高

时数据处理、算力动态调度能力。分布式算力感知与调度系统恰好满 足这一需求，其能够支撑工业互联网中设备互联的低时延算力需求， 如智能制造中的实时控制；满足车联网中的路侧算力协同，如自动驾 驶数据的本地处理；还能支撑智慧城市中的泛在感知计算，如视频监 9 控的实时分析，为产业数字化转型提供坚实的算力调度保障。 “东数西算”工程提出“优化算力资源空间布局”，要求边缘算 力节点与枢纽节点协同联动，分布式算力感知与调度系统通过对全国 化呈现显著差 异。 从政府与公共服务领域来看，用户核心需求集中在算力资源的统 筹管理与安全可控。例如，电子政务场景中，各级政府需要通过系统 15 实现跨区域边缘算力的统一调度，支撑政务数据本地化处理（如身份 证核验、社保信息查询），要求满足低时延、高可靠及数据隐私保护 需求。此外，应急指挥、智慧城市等场景需系统具备快速响应能力， 在突发事件中可动态扩容边缘算力，保障视频会商、实时监控等服务 调度，打通异构 算力协同。该体系既要确保各层级对本地边缘站址资源实现实时监控， 掌握诸如资源的实时负载、运行状态等关键信息，又要能够依据全局 资源的动态变化进行动态调配。当某一区域因突发业务需求导致算力 紧张时，上级层级可迅速协调周边区域的闲置算力资源进行支援，实 现资源的高效利用与协同优化，既保证各域在一定程度上的自主性， 以应对本地的特殊情况，又能从整体上保障资源调配的科学性与合理

业务场景：共建可持续发展的多元化医疗生态 医院 互联网 公有云 本地 开 发 测 试 发 布 浏 览 购 买 下 载 访 问 Why What How www.top100summit.com 核心实践 – 构建混合云原生架构 注册 开发/测试 发布 审阅 订阅 下载 Why What How 应用市场 医院 互联网 公有云 本地 挑战 原始数据不出域、数 据可用不可见 隐私保护 隐私保护 www.top100summit.com 核心实践 – 构建混合云原生架构 Why What How Kubernetes 公有云 本地环境/私有云 数据平台 应用市场 门户 中间件 应用 算法 软件即服务 工具 公有云 本地 身份与权限 管理 监控和日志 ETL 部署引擎 短消息平 台对接 微信公众 号 微信小程 序 医院 • 原始数据不出域、 数据可用不可见 互联网

“算随电调”的典型场景。我国西北地区（如甘肃、宁夏）拥有多 个千万千瓦级风光基地，是新能源富集区域，但同时也面临着新能源 消纳难与算力需求增长的双重挑战。一方面，风电、光伏受天气影响 显著，出力随机性强，若本地用电负荷不足，易出现 “弃风弃光”现 象，2022 年西北弃风率约 3%，弃光率约 2%，仍有较大优化空间； 另一方面，数字经济的蓬勃发展推动 AI 训练、数据备份、视频渲染 等算力任务激增， 新能源电力，避免弃光。傍晚风光交替时段（17:00 ~ 19:00），光伏出 力快速下降，风电出力有所上升，但总新能源出力无法完全覆盖本地 负荷，存在缺口。算力调度系统切换为“负荷削减模式”，仅保留实 时性任务，降低算力负荷，以匹配新能源出力与本地负荷的总和。夜 间风电波动时段（23:00 ~ 次日 3:00），光伏停运，风电出力波动大， 第九届未来网络发展大会白皮书 算电协同技术白皮书 在新型电力系统构建和 “东数西算”工程加快推进的背景下，我 第九届未来网络发展大会白皮书 算电协同技术白皮书 30 国算力基础设施正逐步向风光资源富集、绿电占比高的区域集聚。为 提升可再生能源本地消纳能力，实现绿色能源与数字算力的融合应用， “电驱算”调度机制应运而生。该机制通过可再生能源侧的主动感知 捕捉可再生能源的出力波动，引导可延迟算力任务的调度决策与适时 启动，有效促进新能源出