DeepSeek 应用与部 署 听听真我数字人讲 DeepSeek AIGC 发展历 程 AIGC 2014-2024 自然语言处理与语言模型 大语言模型 LLM ： 2018 — 2024 DeepSeek 介 绍 DeepSeek ： 2023 — DeepSeek ： 技术创新——模型架构 | V2 （ Multi-Head Latent Attention ） • 3. 特征蒸馏 特征蒸馏涉及将教师模型中间层的知识转移到学生模型中。通过对齐两个模 型的隐藏表示 ，学生模型可以学习到更丰富和更抽象的特征。 蒸馏、微调、 RAG 微调： 又叫精调 ，相当于学生意识到自己某门课有 短 板 ，然后自己找参考书恶补了一下 ，从而补上短 板 蒸馏： 是学生通过模仿老师的解题思路 ，达到和老 师 相似的知识水平。 RAG ： 直译过来叫做“检索增强生成

AI 软件栈软 件众多，各层紧 耦合技术跨度大 • 昇腾 AI 工具链多， 调用复杂 • 无昇腾平台大模 型开发部署经验 DeepSeek 能 力 特 性 讲 解 DeepSeek 推 理 部 署 演 示 AI 基础知识 环境搭建示例 昇腾全栈软件 社区资源讲解 服 务 内 容 挑 战 CANN& AI 框架赋能 需求调研 模型

以手机玻璃盖板为例，手机玻璃盖板在生产过程中可能会出现划痕、蹭伤、崩边、气泡、手指纹、水迹、水印等多 种微小且不易察觉的缺陷，缺陷种类最多可达 30 多种。必须精准、高效地检出这些缺陷以保证产品质量，检测精 度一般要求达到 10μm，检测节拍根据盖板尺寸大小通常在 6 秒到 1 秒/件之间，甚至更快。 传统的人眼检测，不但无法达到微小缺陷的检测精度要求，而且人眼容易疲劳，存在效率低、误检漏检偏高等问题， 大模型相对基础大模型具有参数量少、专业度 高、落地性强等优势，可以为工业垂直领域的技术突破、产品创新、生产变革等提供低成本解决方案。 尽管传统 AI 技术和大模型在解决各种工业问题方面，从理论上讲存在诸多明显优势，但是要将 AI 技术和大模型真正成功落 地应用，依然有很多具有挑战性的问题亟待解决。 1.5 工业 AI 与工业大模型落地应用 面临的挑战 第一，数据问题。 无论是传统工业 工业电脑优选 NP-6113 及其系列产品为诺达佳 Automation PC 系列中的一款 低功耗无风扇书本式工控机，秉承功能完备、高性价比的理念， 紧凑美观的外形和无线缆设计，机壳采用高精铝合金型材，采用 大面积铝鳍作为 CPU 散热器，结构紧凑、外形小巧兼具强固性， 无风扇设计，全封闭的结构防止粉尘进入，保障产品的可靠性和 使用寿命。 特性： • 2 x Intel® 千兆