史 厦门大学大数据教学团队作品 1950 年 ， “计算机之父”和“人工智能之父”艾伦 · 图灵（ Alan M. Turing ） 发表了论文《计算机器与智能》 ，这篇论文被誉 为人工智能科学的开山之作。 在论文的开篇 ， 图灵提出了一个引人深思的问题： “机器能思考吗？ ”。这个问题激发了人们 无尽的想象 ， 同时也奠定了人工智能的基本概念和雏形 在这篇论文中 ，图灵提出了鉴别 人工智能的诞生可以追溯到 20 世纪 50 年代。 当时 ，计算机科学刚刚起步 ，人们开始尝试通过计算机程序来模拟人类的思维 和 行为。 在这个背景下 ， 一些杰出的科学家和工程师们开始研究如何使计算机具备更高级的功能 1956 年 8 月 ，在美国达特茅斯学院举办的人工智能夏季研讨会 ，是人工智能领域具有里程碑意义的一次重要会议。 这次会 议汇 聚了众多杰出的科学家和工程师 ，他们共同探讨和研究人工智能的发展和应用前景 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 3.6.1 国外的大模型产 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 Kimi 文本处理第一 即梦 AI

智慧服务  智慧教室  智慧校园  智慧平台  智慧教育方式 10 信息技术 与学科教 学深度融 合 全球教育 资源无缝 整合共享 无处不在 的开放、 按需学习 基于大数 据的科学 分析与评 价 绿色高效 的教育管 理 技 术 特 征 情景感知 无缝连接 可视化 按需推送 智慧 教育 核心 特征 全向交互 智能管控 12 情境感知 情境感知是智慧教育最基础的功能特征，依据情 理 05/06/2025 大数据 大数据技术 25 大数据 创 新 教育舆情监测与剖析 教育信息化与现代化发展水平评估 教育机构布局与教育经费调整 学生的发展性评价 基于大数据的科学研究 26 云计算 • 云计算中的“云”主要用来强调计算泛 在性和分布性，实质上是分布式计算、 并行计算和网格计算等技术的发展。 • 将分布在各地的服务器群进行网联， 能够实现大规模计算能力、海量数据 智能化 网络化 虚拟化 未来教室 案例：南方科技大学附属实验学校 信息化应用环境建设 自带设备学习 （ BYOD ） 新技术全学科运用 我们以云计算为基础，在语文、数学、英语、音乐、美术、科学等 学科中开展基于移动终端的云学习，并借助无线互联网和智能移动 终端，进行教学创新，以期探索出具有南方科技大学实验学校特质 的信息化教与学模式。 配备 PAD 移动终端（板书、分 享、评价、展示）

第四，模型应用准确性问题。 工业大模型在实际应用中的准确度尚不尽人意。目前 大模型比较擅长知识问答、文档生成、数据分析等场 景应用，但在面向实际工程的代码生成能力仍有很大 提升空间，尤其在实用算法、科学计算和数据结构等 领域能力偏弱。另外，针对缺陷样本极少的工业质检 应用场景，工业大模型基于真实缺陷图生成仿真缺陷 图的能力，目前在准确性方面依然有待提升。 第五，成本和技术问题。 工业 AI 性能核处理器 AI 2 倍 通用计算 高达 整数和浮点吞吐量提升1 2 倍 高达 GenAI 性能提升（采用 BF16 数据 类型）2 科学计算 2.3 倍 高达 科学计算性能提升（基于行业标准 HPCG 基准测试）3 与第五代英特尔® 至强® 可扩展处理器比较 23 02 英特尔 ® 技术方案 为广泛的工作负载实现高性能 采用性能核的英特尔® 单元，大幅提高了 AI、科学计算 和数据库工作负载常见的矢量计算速度。 • 支持 VNNI 指令的英特尔® AVX2 以及将精度快速转换为 BF16和 FP16 的能力为英特尔® 至强® 6 能效核处理器提 供了更好的 AI 兼容性。 内存 • 与标准 DDR5 DIMM 相比，MCR DIMM 能够提供超过 37% 的额外内存带宽，可支持 AI 和科学计算中的带宽受 限用例。

7相当。 ➢ 在编码相关的任务中表现出专家水平，在 Codeforces上获得了2029 Elo评级，在竞赛中表现 优于96.3%的人类参与者 ➢ DeepSeek-R1 在知识类问答上推动科学探索边界： ➢ MMLU \ MMLU-Pro \ GPQA Diamond 等 STEM- related 榜单上取得良好表现 ➢ R1 展现出强推理模型在 AI-Driven Research 模型更倾向于采样那些困难的、或者模型不擅长的问题，提高训练效率。 技术对比讨论：Kimi K1.5 Moonshot 策略优化损失函数 长度惩罚奖励 31 ➢ Vision Data 构造 ➢ 真实世界数据 包括各个年级的科学问题，这些问题需要图形理解和推理能力；还包括需要视觉感知和推理能 力的位置猜测任务；以及涉及复杂图表理解的数据分析任务等。这些数据集提升了模型在真实世界场景中的视 觉推理能力。 ➢ 合成视觉推理数据 效率；更多地关注对教师模型推理策略的学习，而不仅是输出。 ➢ S1 模型通过少成本获得超过o1-preview的表现： ➢ 高质量推理数据构建：s1K数据集精心挑选了1000个涵盖数学竞赛、博士级科学问题及奥林匹克竞赛题目等，这些问题经 过难度、多样性和质量的严格筛选，并包含详细的推理轨迹与答案。 类似课程学习的效果。 ➢ 采样策略优化：预算强制法有效地控制了模型在测试阶段的计算资源消耗。

终极命题：重新定义人类独特性 当 AI 达到“超人类智能”时，人类需回答三个根本问题： ①创造力边界 ⚫ 艺术领域：AI 生成画作拍出 430 万美元，但“情感共鸣度”仍低于人类作品 ⚫ 科学突破：DeepSeek 辅助发现“高温超导新材料”，但理论框架仍依赖人类 ②存在价值重构 意义经济学：人类工作价值从“劳动产出”转向“情感连接” 案例： ⚫ 手写信件服务价格暴涨

H800 （节点内 NVLink ，节点间 IB ，非超节点架构） 在 14.8T token 数据集上基 于自 研 HAI-LLM 训练系统总计训练了 1394h （ 58.08 天） 性能优 数学、科学和代码等领域领先业界， 成为业界公认的 LLM 的领先模型 来源： DeepSeek 模型测试数据 & 互联网 硬件级优化 绕过 GUDA 进行 PTX 编程 计算与通信优化，性能提升