纹、污染物、凸起，表面翘曲，切割瑕疵、晶体缺陷等。这些缺陷大多细微不易察觉，通常需要微米级甚至更小的 检测精度。人工检测效率低下，易出错，无法满足大规模生产的效率需求；传统的机器视觉检测算法，无法满足对 多种缺陷的检测需求。 采用大模型结合机器视觉成像技术，首先使用大规模无标注图像对大模型预训练，然后再针对晶圆缺陷检测任务， 在标注的晶圆缺陷图像数据集上进行微调，优化模型对微小缺陷的识别能力。最终经过优化的大模型，在晶圆缺陷 工厂在线检测、智能驾驶等应用，需要系统实时做出 响应的情况下，需要模型能够实时处理输入数据并快 速做出响应。将场景应用端的数据再传输到云端处 理，庞大的数据量会造成带宽拥挤，影响处理的时效 性。采用边缘计算方案来缓解时效性问题，但是这对 边缘端计算硬件的实时处理能力提出了挑战。 第二，算力问题。 无论是训练 AI 算法还是各种工业大模型，都需要强 大的算力支撑。工业大模型动辄参数规模都在十亿、 02 13 02 英特尔 ® 技术方案 2.1 硬件 第 12 代英特尔® 酷睿™ 移动处理器为物联网部署创造更多价值，采用全新高性能混合架构，大幅提 升单线程和多线程性能，其高性能小尺寸的设计兼顾了图形密度和 AI 加速功能。 首款采用高性能混合架构的英特尔® 酷睿™ 处理器 创新的芯片设计将专注于主要工作负载的 P-core（性能核）与专为多任务处理而建构的 E-core（能效核）相结合。英特尔®

数据 x 思 考 模 型 效 果 低成本完美对标 OpenAI O1 ，突破精确语义理解及复杂推理任务 DeepSeek-V3 是一款 MoE 模型，总参数量 671B ，激活参数量 37B ，采用 2048 张 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） mapping Compare 精度结果 差异一：芯片架构差异导致算子实现不同 例如， 矩阵计算时， 昇腾采用 16x16 分形，英伟达采用 8x8 分形 即使算子功能相同， 在不同架构下算子实现方式可能不同 昇腾 CUBE 计算单元结 构 为 16x16x16 芯片架构差异 差异二：工具链差异导致迁移效率不同 671B ）“满血版” 采用 BF16 或 FP16 数据格式进行推理，需要内存约为 1340GB 需要采用 Atlas 800I/T A2 （ 8*64GB ） 4 机并行 X4 Atlas 800I A2 (8*64GB ） 最小配置为 4 机并行 采 用 Atlas 8 0 0 T A2 时 亦 需 4 机 并 行 采用 INT8 数据格式进行推理，

13 DeepSeek-R1 技术剖析：DeepSeek-R1 Zero DeepSeek-R1 Zero的关键启示：举例 - 自动化标记和验证 ➢ 示例输入: 编写 python 代码，该代码采用数字列表，按排序顺序返回，在开始时添加 42。 ➢ 自动化验证方法： ➢ 利用软件检查代码补全判断是否为完整代码； ➢ 执行Python代码检查运行情况判断是否为可运行代码； ➢ 调用外部模块构建额外的检测单元； 14 DeepSeek-R1 技术剖析：DeepSeek-R1 Zero DeepSeek-R1 Zero的关键启示：举例 - 自动化标记和验证 ➢ 示例输入: 编写 python 代码，该代码采用数字列表，按排序顺序返回，在开始时添加 42。 ➢ 基于规则进行验证，并在Mini-Batch中提供奖励信号； [1] https://newsletter.languagemodels.co/ 节省了大量的标注成本，而且让模型更自由的探索解决问题的路径，而不是被预先设定的模式所 束缚。这也使得模型最终具备了更加强大的泛化能力和适应能力。 ➢ 为了充分释放 GRPO 的潜力并确保训练稳定性，DeepSeek R1 的训练中采用了四阶段的交替迭代 流程：“监督微调（SFT）→ 强化学习（RL）→ 再次 SFT → 再次 RL”，有效解决了传统强化学 习模型在冷启动、收敛效率和多场景适应性方面的瓶颈。 ➢ 强大的自验证和

大模型发展历经三个阶段 ，分别是萌芽期、 沉淀期和爆发 期 3.2 大模型的发展历 程 3.2 大模型的发展历 程 大模型发展对算力的需求演变 人工智能包含了机器学习 ，机器学习包含了深度学习 ，深度学习可以采用不同的模型 ， 其中一种模型是预训练模型 ，预训 练模型包含了预训练大模型（可以简称为“大模型”） ，预训练大模型包含了预训练大语言模型（可以简称为“大语言模 型”） ，预训练大语言模型的典型代表包括 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 ，将多模态编码器和多模态解码器两个主要组件结合在一起 ， 以提供最佳结果 Gemini 包括三种不同规模的模型： Gemini Ultra 、 Gemini Pro 和 Gemini 智能语音助手 智能客服 语音翻译 高校老师怎么用？ n 高校教师可以使用语音类 AIGC 工具（喜马拉雅音频大模型、腾讯智影） ，根据自己教学课 件 的文本内容， 自动生成专业的配音 ，可以采用专业播音员的音色 ，也可以使用 AIGC 工 具（比 如米可智能）“克隆” 自己的讲课声音 ，用自己的音色生成配音 n 高校教师使用鬼手剪辑 GhostCut 进行语音翻译 ，可以把一种语言的讲课视频自动转换成另