情境感知是智慧教育最基础的功能特征，依据情 境感知数据自适应地为用户提供推送式服务。 13 内在 个人学习状态感知内容 外在学习环境感知内容 感知学习者的专业知识背景； 感知学习者的学习状态，如 焦虑、烦躁、开心等； 感知学习者的知识背景、知 识基础、知识缺陷等； 感知学习者的认知风格、学 习风格等； 感知学习者的学习与交往需 求。 外在 情境感知 感知教与学活动实施的物理位

财务与人力管理：通过训练模型，可以自动读取发 票和收据，将其转换为数字格式，直接导入会计系 统，减少了数据录入和处理的时间和错误 。使用自 然语言处理 (NLP) 和机器学习算法，能快速分析候 选人简历，识别出与职位相关的教育背景、工作经历 等关键信息，快速筛选出符合条件的候选人，提高招 聘效率。 05 01 工业人工智能 (AI) 行业观察 大模型（Large Model，也称基座模型，即 Foundation 优化 CPU 对传统算法运算性能。以上功能在 SOC 实现，减少对独立加速器的需求，帮助降低 系统复杂性和成本。 成功案例 03 47 03 成功案例 3.1 英特尔：智能晶圆视觉检测 背景与挑战 解决方案 传统的质量检测是在某些间隔 “离线” 进行的 — 通常是在两个或更多添加步骤完成后。例如，在晶圆研磨和膜应用后检查一 定比例的晶圆。但也因此，离线检测带来了几个挑战： • 避免废品，每年为工厂节省高达 200 万美元。 • 降低了业务风险。 • 更高的产品质量。 • 使工程师免于繁琐的手动离线检查。 49 03 成功案例 3.2 美的楼宇科技美控： 楼宇 AI 节能解决方案 背景与挑战 解决方案 随着全球对可持续发展的呼声日益高涨，建筑行业正面临前所未有的转型挑战。据《2023 中国建筑与城市基础设施碳排放 研究报告》显示，建筑运行阶段的碳排放占据了全国碳排放总量的

并被认为具有人 类智能 1.1 图灵测试 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 ，能够更自 然地与人 类交流 ，并且能够更好地适应不同的领域和场景。 ChatGPT 的训练数据来自互联网上的大量文本 ， 因此 ， 它 能够涵盖多种 3.6.1 国外的大模型产 品 语言风格和文化背景 n Gemini Gemini 是谷歌发布的大模型 ， 它能够同时处理多种类型的数据和任务 ， 覆盖文本、 图像、 音频、 视频等多个领域。 Gemini 采用了全新的架构 ，将多模 AGI 是指能够像人类一样进行各种智能活动的机器智能 ，包括理解语言、 识别图像、 进行复杂推理等。 Sora 大模型能够直接输出长达 60 秒的视 频 ， 并且视频中包含了高度细致的背景、 复杂的多角度镜头 ， 以及富有 情感 的多个角色。 这种能力已经超越了简单的图像或文本生成 ，开始 触及到 视频这一更加复杂和动态的媒介。 这意味着人工智能不仅在处 理静态信

加速器的互联带宽 算力： 2024 年禁止台积电代工 7nm 工艺的国内芯 片 存力： 2024 年禁止 HBM 芯片 光刻机： 2024 年限制荷兰 ASML 出口 7nm 光刻机到 中国 时代背景：算力卡脖子 deepsee k DeepSeek 等国内大模型的“上甘岭”时刻 Al 算法与系统协同深度优化 反斜面坑道 ( 战术穿插 )

左侧工作区找到上传按钮 ，选中要上传的文档 ，点击移动到工作区 ，再点击“ Save and Embed” ，对文档进行切分和词向量化。 完成后 • ，点击图钉按钮 ，将文档设置为当前对话的背景文档 ，即可在聊 天窗口基于上传的文档内容与模型进行对话 本地部署方法 Ollama+Deepseek LM Studio+DeepSeek Anything LM+Ollama+Deepseek

岁女性设计护肤品广告语，突出‘抗皱+提亮’功效，带 Emoji 和话题标 签” 2.过度复杂 错误：一次性提问“如何从零开始做小红书账号？” 修正：分步拆解“冷启动→爆款公式→变现路径” 3.忽略背景 错误：“推荐旅游城市”→可能推荐南极科考站 修正：“预算 5000 元/3 天/亲子游，推荐 5 个国内城市并说明交通和住宿方案” 4.专业术语滥用 错误：“用 MoE 架构优化输出”→普通人难以理解

- Restricted Distribution 2 训练资源 • 随着 DeepSeek 提供了一种高效率训练的方法，同等 算力规模可以探索更强的模型能力 • 在竞争背景下，头部玩家仍将追逐 Scaling Law ，坚定 AI 算力的战略投资，加速探索下一代 AI 技术 DeepSeek 是 AI 发展史上的一个关键里程碑，但远未达到 AI 终点

RL驱动下自然涌现 Long-CoT 能力 “Aha”Moment 11 DeepSeek-R1 技术剖析：DeepSeek-R1 Zero DeepSeek-R1 Zero的关键启示 ➢ 传统RLHF背景下，SFT通常被认为是不可或缺的一步，其逻辑先用大量人工标注的数据来让模型 初步掌握某种能力（如对话或者语言风格），然后再用RL来进一步优化性能 ➢ DeepSeek-R1 系列跳过对于大规模人工标注数据的依赖