面向工程审计行业的 DeepSeek 大模型应用指南 （ Version 1.0） 南京审计大学 工程审计学院 公共工程审计江苏省高校重点实验室 复杂工程审计与治理研究院 工程项目智能化审计团队 2025 年 3 月 2 日 前 言 “ 在数智化转型时代背景下，工程审计正面临 数据爆炸、场景复杂、标准多 ” 元 的严峻挑战。传统工程审计模式依赖人工抽样与经验判断，难以应对海量工 盲区与治理效能偏弱，工程审 计智能化转型迫在眉睫。 DeepSeek 大模型作为自主可控的新一代人工智能大模型，凭借多模态理解、 动态推理与领域自适应能力，能够为工程审计的效率提升提供支持。本指南 （V1.0） 旨在系统化阐明 DeepSeek 大模型在工程审计中的核心价值与应用路 径，推动工 程审计行业的智能化转型。 作为 DeepSeek 大模型在工程审计领域的行业级参考指南与公益知识库，本 源技术成果。编写团队始终秉承开放共享与协作创新的理念， 在此向以下贡献者 致以专业致谢： 审计行业专家提供的领域知识框架； 开源社区共享的 AI 工程化实践经验； 学术机构发布的跨学科研究成果。 我们期待与行业同仁持续共建 DeepSeek 大模型在工程审计领域的知识生态 体系，推动工程审计智能化技术的普惠化发展。 本指南（V1.0）开放接受学术共同体与行业实践者的应用反馈，诚邀各界同 仁参与共建，相关

应用开发工具支持创建鲲鹏应用工程，支持 C/C++ 开发语言，编码时能够自动匹配鲲鹏加速库函数字典、智能提示、 高亮、联想字典中可以替换的库和函数。支持以下功能： » 鲲鹏应用工程：只需要在创建鲲鹏应用工程页面进行简单的输入和选择，便可以实现自动化构建鲲鹏应用工程， 包括空工程、通用计算应用工程、安全计算应用工程、高性能计算应用工程、DPAK 应用工程和数据 IO 应用工程。 » 字典管理： 鲲鹏应用工程 提供场景化的鲲鹏应用工程模板，快速辅助工程环境构建、配置检查、依赖下载、构建文件生成等。 步骤 1 创建鲲鹏应用工程（通用计算应用工程，界面截图以 VS Code 环境为例）。 图 3-2 创建工程 步骤 2 部署 SDK。 图 3-3 部署 SDK 鲲鹏原生开发技术白皮书 / 08 鲲鹏原生开发能力介绍 步骤 3 工程创建成功后，展示结果。 图 3-4 工程创建成功 工程创建成功 ---- 结束 步骤 4 单击“打开工程”，查看工程样例代码。 图 3-5 查看样例代码 09 / 鲲鹏原生开发技术白皮书 鲲鹏原生开发能力介绍 步骤 2 开启加速库提示，开启后，用户编码过程中将会自动联想、补齐与字典中匹配的库和函数，方便用户下载 使用。 图 3-7 开启加速库提示 步骤 3 开启编译选项智能联想，开启后，工具将会根据用户选择的编译器版本进行智能联想，可在编译器版本下

度，全景式呈现我国乡村振 兴的阶段性成就与未来发展方向。希望能够为政策制定者、研究机构、媒体及社会各界提供有 价值的参考，扎实推进乡村全面振兴。 1.4 万亿斤……………………………1 千万工程……………………………7 城乡融合……………………………13 智慧农业……………………………19 大食物观……………………………24 土特产………………………………29 农民增收……………………………35 坚持绿色发展 加快畜牧业转型升级…………………………………………………………………………78 推荐单位 ：新疆维吾尔自治区阿勒泰地区农业农村局 壮大特色品牌 助农致富增收——库尔勒香梨地理标志农产品保护工程项目……………………………78 推荐单位 ：新疆维吾尔自治区巴州库尔勒市人民政府 自主数智技术赋能产业发展 铸就可信新质生产力…………………………………………………………79 推荐单位 ：北京大北农科技集团股份有限公司 扬翔集团——智慧生猪产业链 联农带农“新引擎”…………………………………………………………83 推荐单位 ：广西扬翔集团股份有限公司 国产最大喂入量的智能谷物联合收获机……………………………………………………………………83 推荐单位 ：中联重科股份有限公司 极飞超级棉田——中国首个无人化棉花农场项目…………………………………………………………84 推荐单位

厦门大学大数据教学团队 团队联系方式：ziyulin@xmu.edu.cn 国内高校大数据教学的重要贡献者 团队负责人：林子雨 副教授 年轻力量：核心成员全部46周岁以下 结构合理：教学型、科研型、实验工程师 专注专业：从2013年至今，11年专注于大数据教学 团队特点：眼光前瞻、紧跟技术、创新实干、执行力强 影响力高：多项指标在国内高校大数据教学领域领先 • 教材数量 • 教材占有率 • MOOC课程学习人数 表演，熙熙攘攘的人群目光都聚焦在跃动的彩龙身上， 整个环境的喜庆氛围仿佛令人身临其境 2.1 国外的大模型产品 n OpenAI o3 2024年12月20日，OpenAI发布推理模型o3，无论在软件工程、编写代码，还是竞赛数学、掌握人类博士级别的自然科学 知识能力方面，o3都达到了很高的水平 2.2 国内的大模型产品 大模型 图标 指标排名 DeepSeek 能力测评第一 豆包 用户数量第一 检测欺诈行为，提高金融系统的安全性和 稳定性 金融风控 3.1 大模型的行业应用领域 工业制造 大模型可以用于质量控制、故障诊断等任 务。通过学习大量的工业制造数据，大模 型可以辅助工程师进行产品质量控制和故 障诊断，提高生产效率和产品质量 气候研究 在气候研究领域，大模型可以处理气象数 据，进行天气预测和气候模拟。它们能够 分析复杂的气象现象，提供准确的气象预 报，帮助人们做出应对气候变化的决策

限公司、中航信云数据有限公司 II 主要编写人员： 罗曙晖、张晨、孙婵娟、张玉军、潘凤薇、周俊、芮美芳、陆明明、 高新平、李屹、陈晓波、赵芷晴、梁木 III 前 言 2023 年底《关于深入实施“东数西算”工程加快构建全国一体 化算力网的实施意见》（简称意见）发布后，全国一体化算力网的建 设浩荡展开。《意见》中多次提及“算网协同”，明确指出“加快算网 协同编排调度技术部署应用”、“探索算网协同运营机制”。 《指南》中的这些顶层设计，在底层逻辑上牵引了“全国一体化 算力网”中“算网协同”的实践方向。当使用方式将从“买算/租算” 转为“用算”、渠道特征从“互联网自选下单订购”转为“算力网动 态调度消纳”，意味着算力资源将从传统的“虚拟机/裸金属”逐步转 IV 为“容器/作业”，并提供“最优匹配、按需启停、精准计量、效用付 费”的任务式计算服务。任务式计算服务的时间特征具有“临时性”、 空间特征具有“跳跃性”、流量特征具有“突变性”，即平时不用时任 进一步地，如何将这种实践能够构建在跨东西部区域的广域网络之上， 就是面向东数西算的算网协同。 《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

• 2019，成立美国研发公司 Source：公开信息；招股说明书； M2觅途咨询分析&研究；企业出海产品含各类形态，如人形机器人、服务机器人、康复机器人等 中国 • 2019，与德国跑步机公司合作研发下肢步态 • 与苏黎世联邦理工大学合作探索康复机器人 • 2024，与新加坡SIMPPLE公司签署战协，共同探索人形机器人在安保巡逻 及其他物业服务场景的联合创新，以及在亚太，澳新和欧美等地区的推广 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 Progress(2025) 验证测试阶段 工程试制阶段 小批量产落地 ✓ 产品：研发验证机 ✓ 产线：手工组装线 ✓ 规模：<10台 ✓ 产品：工程试制机 ✓ 产线：小批量试制线 ✓ 规模：数十台 × 设计：SOP设计未冻结 ✓ 产品：商品机 ✓ 产线：量产线 ✓ 规模：百台~千台 ✓ 设计：SOP设计冻结 ✓ 交付：部分商业化交付 未来5-10年具备“弯道超车”潜力。 大模型尚在早期，但模型的涌现厚积薄发，大脑最终将决定 机器人的智能水平天花板 全栈型企业，稳中求进 商业化元年的关键“破局者”。 掌握着充足的研发资源、资金池，供应链资源、工程化能力、 自有场景与客户群可复用，是其穿透研发-量产-商业化的底气 Progress 2030+ 软件型企业 硬件型企业 全栈型企业 … 人形机器人企业成长曲线展望 （示意图） 2025

不仅是创造 一种“能够理解、学习任何人类所能完成的智力任务的机器”，更在于让机器能够整合自身能力， 自主行动，感知现实环境，并以自适应且可靠的方式追求其目标。 智能系统的构建正在颠覆传统的系统工程，需要将基于传统 ICT 模型的开发与数据驱动的 AI 技 术相结合。我们需要通过混合解决方案构建智能系统，确保其能够基于大量已有知识做出安全高效 的决策，还能规避 AI 系统的不可解释性。 2035》为我们开启了一扇眺望未来的重要窗口，它激励我们以更加开 放、融合与负责任的态度，去探索、去创造、去规范，共同探索通用人工智能的路径，开创智能与 生命共融、科技与人文同辉的美好未来。 中国工程院院士 清华大学信息科学技术学院院长 北京信息科学与技术国家研究中心主任 脑与认知科学研究院院长 《智能世界 2035》较系统地勾勒了未来十年智能技术演进与社会形态重塑的宏伟蓝图，视野开 基石。这体现了系 统思维中不同层级（能源、计算、智能）之间深度耦合与协同的必要性。 最后，我想强调，迈向 2035 年的智能世界，其过程绝非单纯技术的线性叠加，而是一个充满 不确定性的复杂系统工程。它需要我们不仅在算法、算力、数据等技术上寻求突破，更需要在基础 理论、系统架构乃至伦理法规上进行前瞻性的布局和探索。中国科技界在参与构建这个未来时，应 更加注重原始创新与底层技术的贡献，推动建立开放、协同、包容的技术发展生态。

年，全省元宇宙产业链 体系基本形成，产业综合竞争力达到全国领先，带动相关产业 规模 2000 亿元以上。 ——创新能力显著增强。在 AR/VR/MR、区块链、人工智 能等元宇宙相关领域建设一批重点实验室、工程研究中心等， 引育 10 家以上行业头部企业，打造 50 家以上细分领域“专精特 新”企业，形成一批重大科技成果和标志产品。 ——应用示范效应显著。在电商、文娱、教育、会展、医 疗、工业、政务、旅游等领域推广 新增我省主导或参与的元宇宙相关标准 20 项以上，新申请元 宇宙相关专利 500 项以上。 二、重点任务 （一）创新协同攻关行动 1.加快“元平台”布局建设。推进培育元宇宙领域重点实验 室、工程研究中心和技术（产业/制造业）创新中心等，在基础 理论、关键共性技术等方面率先形成突破。积极布局元宇宙公 共技术服务，强化公共算力、模型训练资源库、标准测试数据 集等技术研发支撑，打造“研究开发—中试验证—场景应用”全 同发展。（责任单位：省发展改革委、省科技厅、省经信厅为 责任主体，下同） 2.强化“元技术”前沿攻关。加快内容生产、实时渲染、网 络传输、立体显示、人机交互等多感官交互技术研发应用，推 进脑机接口等前沿技术攻关。深度布局新型显示技术，加快光 电关键元器件及材料、高端显示芯片等核心技术研发，加强 8K 显示、近眼显示等产品创新。提升发展高性能计算，加速 CPU、 GPU、ASIC、FPGA

人工智能（ArtificiaI Intelligence）：第三代，核心是数据智能，以史为鉴 ◼ 从规则到数据：逐步破除我执（去人类中心主义） 1. 第一代（规则系统）：推理为核心 2. 第二代（知识工程）：知识为核心 3. 第三代（数据模型）：学习为核心 ◼ 从机器学习到深度学习 1. 任务：判别、预测，通过学习数据分布规律 2. 边界：有规律、可以数字化，属于经验科学 3. 要素：机器学习-深度学习 Diffusion、transformer ◼ 从NLU+NLG到LLM（大语言模型） 1. 语言逻辑和数据集蕴含了人类的认知智能 2. LLM是人类的认知智能的实现方式之一 3. LLM的原理很简单；工程很复杂；效果很神奇 01 对AI技术的认知：大模型的能力边界 用人工神经网络获取网络模型：深度学习-Transformer模型-大语言模型 大语言模型的核心原理：数据化-语义化-NTP（Next 2. AI赋能：用AI提高原有流程和工具的效率 3. AI原生：新场景、新需求、新应用 三种技术 1. 闭卷考试：RAG 2. 开卷考试：FT 3. 引导能力：Prompt工程 01 对AI技术的认知：通向AGI之路 通用人工智能（AGI）：泛化任务、自主学习、自主行动  两个阶段：特定任务到泛化任务 • 弱人工智能：可以完成训练过的特定的智能任务，特定

具体板块，AI 智能化 能够形成的行业赋能和重点关注的行业机会。 核心逻辑 从大致的路径看，AI 在化工行业应用更多向着拓品、降本两个维度发力。拓品可以通过缩短研发时间，落地工艺设 计、优化工程装置、提升产品差异度等或缩短时间，或优化结果；而降本可以通过人工替代，精准对接，流程优化， 模拟改造等维度支撑成本改善。 化工行业智能化升级，顺势把握三重机遇。①影响越大的方向，落地速度越快，技术研发的变革或将是主“战场”； 远影响相对较大。对应的赛道更多是精细化工材料领域，通过 AI 智能化加速研发管线的定制化、高端差异化和 配方产品集合等要求，缩短和国际龙头之间的软实力差距，建议关注新材料领域尚未实现高端产品国产化的赛道， 比如工程塑料、改性材料、辅材供给等领域；  行业领军企业的 AI 智能化推进速度或将较快，重点建议关注央国企的 AI 对接节奏：领军型企业有资金、有要求、 有能力、有需求，有望成为 AI 智能化的 淘汰；③AI 智能化或将带动能耗、碳排等先期较难落实的 政策形成可尝试空间，进一步影响现有的竞争格局。 风险提示 AI 或将改变行业格局，导致阶段性的竞争加剧；AI 智能化的应用在研发、生产和工程落地等的推进需要时间；信息 保密性和可行性等问题需要更完整的方案体系；效率的提升带来人员培养和再分配等问题的解决仍需考虑。 行业深度研究 敬请参阅最后一页特别声明