C≈ 6 * N * D ≈1.5*1 025 ■ 最低时间、成本估计 ■ 单 H800(25 万 ):1.5*1010 秒 (174000 天 ) ■ 1000 张 H800(2.5 亿 ):1 .5*107 秒 (174 天 ) 算力 ( 每秒 ) 显存 运力 生态 政策风险 成本 华为 910B 320T=3.2*101 4 32GB 240 GB/s 较好 无 12 万 循环以下四步 ) ■ 1, 华尔街融资 ■ 例子： 2019-21 年融资 20 亿美元 2, 购买最新 GPU ■ 例子：购买 2.5 万 A100 GPU ( 英伟达挣钱 ) ■ 3, 用最新 GPU 训练性能领先的大模型 ■ 例子： 2023 年出 ChatGPT, 垄断市场 (290 亿美元估值 ) ■ 4, 用训练的 GPU 给客户提供高质量模型服务 ■ 例子：营收小、整体亏钱 例子：营收小、整体亏钱 2025 年特朗普的“星际之门”为 OpenAl 筹 5000 亿美元 Al 基础设施 ! 国际人工智能企业 OpenAI 的商业模 式 ■ 国内人工智能商业模式 ( 循环以下四步 ) ■ 1, 国内融资 ( 亿美金 ) ■ 可行性分析：资金没问题，尤其优质生产力领域 2, 购买最新 GPU ■ 可行性分析：美国可以发禁令 3 , 用 GPU 训练性能领先的大模型

Deepseek-V3 上线并开源 昇腾、幻方、硅基座谈，研讨联合创新 V3 调用次数 239.6 万 R1 调用次数 547.8 万 V3 生成 token 量 28 亿 R1 生成 token 量 89.7 亿 累计新增用户 130 万 + 单日用户增长 23.6 万 用户增长率 800% Huawei Proprietary - Restricted Distribution

工智能模型。 通常说的大模型的“大”的特点体现在： 2020 年 ， OpenAI 公司推出了 GPT-3 ，模型参数规模达到了 1750 亿。 2023 年 3 月发布的 GPT-4 的参数规模是 GPT-3 的 10 倍以上 ，达到 1.8 万 亿， 2021 年 11 月阿里推出的 M6 模型的参数量达 10 万亿。 3.1 大模型的概 念 训练数据量大 计算资源需求高 参数数量庞大 ，学业规划、知识问答、概念讲解、资源推荐、解 题 启发、论文润色等功能一目了然 ，为师生提供定制化、情境化 的教 学辅助 ，还支持学生的个性化与探究式学习需求。 DeepSeek 满血版 R1 ， 参数高达 6710 亿（ 671B ） ， 相当于一个 “超级大脑” ， 能处理复杂数学题、 编程、 长文本分析等高 难度 任务。 部署本地 DeepSeek- R1 （ 671B ） 满血版模型 ，支持校园办公自动化、 科研项目辅助、

中的长距离依赖关系，实现对输入序列的 高效处理和理解。由于不依赖序列顺序，Transformer 架构在模型训练和推理时的并行处理能力更强，效率更高。 2. 参数规模大。大模型通常包含数千万、数亿甚至更多参数；巨大的参数规模使大模型能够处理更加复杂和多样的任务。 3. 强大的泛化能力。大模型通过在大规模数据集上进行训练，学习到了丰富的知识和特征表示，从而具有强大的泛化能力， 能够有效处理多