按需推送人际资源 19 可视化 可视化是信息时代数据处理与显示的必然趋势，是 智慧教育观摩、巡视、监控的必备功能，是智慧教 育系统的重要特征。 • 可视化监控 • 可视化呈现 • 可视化操作 智慧技术创新应用 21 物联网 大数据 云计算 泛在网络 ① ② ③ ④ 23 物联网 创 新 学生体质健康 监测 学习情境数 据采集 拓展课外教 学活动 教育安全监 享、评价、展示） Windows8 操作系统、多点触控显示器 1. 构建新技术支持的全新教学环境 终端： IPAD 学习环境 学习环境： STEAM 学习实验室 STEM 学习实验室2 充分激活学生潜能与创意，促进数字技术和 个人制造的有效融合，让学生有更多的实践动手 的机会，我们高标准建设“ STEM 创新学习实验 室” ，让学生在实践操作中开展创客式学习，培 养学生创新能力。 在一个刀片上（每个刀片上具有 10-12 个桌 面图像）支持多种操作系统  对于新的桌面体验来讲，用户需要最小的适 应性。  虚拟桌面架构  通过分享应用环境，每个刀片 支持 50-100 个用户  需要用户适应新的桌面体验  终端服务  基于 1:1 理念，每位学习者拥有一台 PC 或者服务器  桌面超薄式设备  流操作形态和应用 Linux 或者 Windows 虚拟桌面架构

速代码生成，减少错误。 • 优化产品结构与应用模拟：通过形态识别技术，将 产品外形及特征转化为数据，辅助设计师不断优化 迭代。利用收集到数据构建数字孪生产品模型，模 拟产品的各种实际应用场景，如正常操作、极限性 能、潜在故障等，预测产品性能表现，进一步指导 设计改进。 1.2 工业 AI 的应用范畴 04 01 工业人工智能 (AI) 行业观察 生产过程管控 在生产过程管控方面，AI 工业大模型可广泛应用于汽车造型设计等领域。例如，在汽车造型设计中，设计师可通过对话、画图等方式与大模 型交互，完善创意灵感，生成 3D 汽车数字模型，并能对模型进行风格调整、零部件编辑及颜色更换等操作。这能 使原本需要 1-2 年的设计周期大幅缩短。 车身表面的涂漆质量是衡量整车品质的重要指标之一，它不仅关系到车辆的美观性，更事关车辆的防腐性、耐久性 等问题。漆面喷涂环节工艺繁多复杂，易出 训练成本和技术壁垒，这往往令中小企业望而却步。 工业大模型的应用不仅需要大量的资金投入，还需要 专业的人才支持。包括技术研发、算力资源投入、数 据采集与标注，以及市场推广与商业化扩展等方面都 需要专业的人才进行操作和管理。在技术壁垒方面， 数据处理难题、算力基础设施部署、商业落地的可靠 性等方面，都面临挑战。前期需求高昂的投入成本， 而项目的投入产出却难以清晰测量，也在阻碍了落地 应用的实施。 英特尔®

访问方式：浏览器输入`https://chat.deepseek.com` 特点： ⚫ 无需下载，支持文件上传（PDF/Word/图片） ⚫ 功能齐全，包含普通模式（V3）、深度思考（R1）、联网搜索 操作提示：登录后点击输入框下方按钮切换功能模式，例如开启 R1 模式处理复杂数学 题 ②手机 APP（移动办公神器） 下载方式： ⚫ iOS：AppStore 搜索"DeepSeek"（蓝色鲸鱼 解压安装包后按向导完成部署（建议默认路径） 高阶功能： ⚫ API 接入：开发者可调用接口集成至办公系统（需申请密钥） ⚫ 批量处理：同时上传多个文件进行交叉分析（如对比 10 份合同条款） 2.新手必学操作：3 分钟成为熟练用户 ①账号注册与登录 ⚫ 注册方式：手机号/微信/邮箱三选一，接收验证码完成认证 ⚫ 安全提示：建议设置“字母+数字+符号”组合密码，定期更换 ②核心功能切换 3.常见问题速查 Q1：为什么联网搜索时断时续？ 原因：服务器负载过高或网络波动 解决方案：避开晚高峰使用，或切换至深度思考模式本地处理 Q2：如何导出对话记录？ 操作路径：网页版/APP 端点击对话历史→右键选择“导出为 Markdown” Q3：上传文件后 AI 无法识别内容？ 排查步骤： 1.检查文件是否受损（重新保存后上传） 2.确认图片清晰度（建议

：角色扮演、多轮对话、 反问引导。 • 4. 技能应用类 ：数学计算、代码解释、 逻辑推理。 • 5. 个性化定制类 ：风格迁移、知识库绑 定、偏好记忆。 • 6. 系统操作类：模式切换、资源优化、 记 忆管理。 • 7. 知识查询类：事实核查、概念解释、 溯 源检索。 • 8. 教育与研究类：题目生成、论文润色、 实验设计。 • 9. 多模态处理类： R1/V3 调用 ，且限时免费 ，其模型在百科知 识、 数学推理等任务表现突出。 • 英伟达： 可通过特定接口调用 DeepSeek - R1 671B 全量模型 ，获取 API Key 后能进行相关操作。 DeepSeek API 调 用 API 调用方 法 • DeepSeek API model ='deepseek-chat' 即可调用 DeepSeek-V3 model ='deepseek-reasoner' 提供标准化接口 ，无需自 行搭建 模型服务基础设施 ，且具备负载均衡和自动扩缩容机制 ，保障 API 调用稳定性。搭配 Chatbox 可视 化界面客户端 ，进一步简化了调用流程 ，无需在命令行中操作 ，通过图形化界面即 可轻松配置和使用 https://chatboxai.app/zh#downl oad DeepSeek 模型。 DeepSee k DeepSeek-R1 - Ditill-Qwen-32B

DeepSeek 模型后 ，要先做算力适配 ， 一种简单粗暴的做法是多买一些已经适配过的卡 ，把它给 装进去 ，再结合用户的私有数据 ，去做常规的 RAG 或微 调。 这种方式简单易操作 ，但成本较高。 现在 ， 高校和科研院所在探索一些新方法。 比如 ， 先将开 源模型蒸馏 ，获得更小参数的模型 ，来降低算力需求 4.4 本地部署大模型方 案 高校本地部署大模型面临的问题： 解 决技术难题。 VSCode 接 入 DeepSeek 步 骤 注册 DeepSeek 账号并获取 API Key 安装 VSCode 插件 配置 VSCode 插件 具体操作步骤请参考网页： https://www.cnblogs.com/jinjiangongzuoshi/p/18726097 5.6 AIGC 技术在辅助编程中的应用 A I 搜索 ， 即人工智能搜索引擎 好比一个博士水平的个人助理 ，你给他一个复杂的任务 ， 它就会自动执行。 Operator 的主要功能包括自主完成诸如采购杂货、提交费用报表、订票、 买日用品、 填写表格等任务 ， 旨在通过自动化操作提升日常生活和工作效率 。 它还可以一边 在 Stub Hub 搜索勇士队比赛门票 ，一边处理网球场预订、寻找清洁服务和 DoorDash 订餐 ， 实现多任务并行处理 6. 基于大模型的智能

➢ 经过安全对齐的模型可以在经过最小化的微调后再次变得不安全； ➢ 在非恶意数据集上微调对齐的语言模型可能会削弱模型的安全机制； ➢ 不仅限于安全，这种“假象对齐”表明模型可能会内在执行对齐的逆操作。大模型存在会逆转或撤 销对齐过程的可能性，这一概念我们称之为逆向对齐（Inverse Alignment）。我们进一步探究了： 语言模型的参数是否表现出弹性，从而抗拒对齐？ Do the parameters 随着 VLA \ Agent 等模型下游和赋能应用兴起，确保模型AI系统准确应对不确定性，考虑物理规律下的人 类价值观对齐至关重要 ➢ 在复杂动态环境中不仅要短期安全，还要确保长期行为的安全性，例如对操作环境造成影响。 ➢ 通过形式化验证和RL，提升AI系统的可靠性与处理复杂推理问题的能力。通过构建形式化数学数据库， 建立高度严谨的推理模型。 个体安全 ≠ 群体安全， 行为安全 ≠ 价值安全 内生价值安全性：AI系统不仅需 要应对不确定性，还必须考虑物 理规律下的人类价值观对齐，例 如肢体语言的安全性、个人空间 的边界感。 ➢ 外生具身安全性：在复杂动态环 境中不仅要短期安全，还要确保 长期行为的安全性，例如对操作 环境造成影响的安全性。 VLA系统安全的独特挑战 68 总结 基于复杂推理慢思考+强化学习新技术范式，通过高质量数据驱动产生强推理模型 2023-快思考 2024-慢思考  无标注数据

Huawei Proprietary - Restricted Distribution 5 张量低秩压缩以降低 KV Cache 资源开销：相比于传统 MHA ， MLA 通过降 维 操作使得存储的张量维度大幅减小。（下图中仅红色阴影部分需要存 储） (bs, ℎ) (bs, ℎ) 2bsℎ (bs, ℎ) (bs, ℎ) bsℎ′ 压缩后宽度ℎ′ ≪ 隐藏层宽度ℎ Distribution 关键 发现 ① 细粒度的计算通信并行 • 将 PP stage 拆分为更细的模块 ，提升模块交替编排的灵活度 • 参考 ZeroBubble ，反向传递中的权重更新和梯度传递独立操作 • 经过细粒度的拆分和编排之后 ，计算流和通信流的 barrier 刚好可以重叠 ② 双向管道调度减少 PP 中的气泡 • 1F1B 中每个 batch 拆分为 1 个 forward