投资分析：对比财报数据→预测企业风险→生成可视化报告 ⚫ 学术研究：自动标注论文参考文献，检测实验数据矛盾点 模块 3：联网搜索——实时情报局 数据引擎： ⚫ 抓取最新政策文件（如半小时前发布的医保新规） ⚫ 追踪社交媒体热点（分析微博热搜背后的情绪图谱） 创新用法： ⚫ 竞品监控：自动生成友商产品功能对比表 ⚫ 风险预警：识别企业年报中的 34 种财务异常信号 道难度递进的变式题 （目标），答案需附分步解析（限制）” ②角色扮演法 技术原理：激活 AI 的“专家模块” 实战指令： ⚫ 商业分析：“假设你是麦肯锡顾问，分析新能源汽车充电桩市场的三大风险点，用 SWOT 框架呈现” ⚫ 创意写作：“用鲁迅杂文风格，写一篇讽刺 AI 过度依赖现象的短文，结尾需反转升 华” ③思维链可视化 指令设计：要求展示推理过程（如“先分解条件再推导”） 模板，包含市场规模、竞品矩阵、融资计划” →生成投资人青睐的文档框架 ⚫ 市场调研：输入“2025 年中国宠物食品消费趋势预测”→自动抓取电商平台数据生 成报告 ⚫ 法律风控：上传合伙协议→输入“检测股权分配风险点”→标注条款漏洞并提供修改 建议 2.进阶赋能：从工具使用到系统重构 DeepSeek 正在引发更深层次的生产力变革： ①知识管理革命 ⚫ 个人知识库： 1.上传历年工作文档/读书笔记/会议记录

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： 图文互译、表格解析、 视频脚本。 • 10. 伦理与安全类： 内容审核、价值观对 齐、风险预警。 DeepSeek 部署方 案 Deepseek ! Deepseek 部署全线 图 移动手机应用 本地部署蒸馏小模型 第三方 UI 3. DeepSeek 赋能知识产权服 务 - 专利检索与分析 - 侵权检测与风险评估 - 知识产权法律咨询 - 专利撰写与优化 - 知识产权交易与估值 - 知识产权管理与监控 - 知识产权培训与教育 - 知识产权战略规划 • 4. DeepSeek 赋能金融行 业 - 智能投顾与投资分析 - 风险管理与欺诈检测 - 客户服务与智能客服 - 信用评分与贷款审批 - 市场趋势分析与预测 医美产品设计与优化 - 合规管理与报告生成 • 5. DeepSeek 赋能跨境贸 易 - 市场分析与需求预测 - 供应链优化与物流管理 - 跨境支付与汇率风险管理 - 合规管理与海关申报 - 多语言客户服务与沟通 - 贸易伙伴匹配与谈判支持 - 风险管理与信用评估 - 跨境电商营销与推广 谢 谢！ 2025.2.15

察市场需求，预测未来趋势，精准定位产品的设计与 迭代方向。 • 优化研发流程管理：基于当前项目状态和历史数据建 立预测模型，预测每项任务的完成时间，并评估整个 项目的完成时间，有助于提前发现潜在延迟风险，让 团队合理分配时间和其他资源，保证项目按时或提前 完成。 • 自动化代码编写与优化：AI 编程助手利用深度学习 算法和大量代码数据训练模型，通过分析代码的结构 和模式，并根据开发者的需求，自动生成函数、类、 检测良率精准地检测出多种复杂难检的缺陷；同时质检速度还要跟上生产节拍，以保证甚至提升产能。 以电芯顶盖板焊接质量检测为例，在将电芯顶盖焊接到电池壳体的过程中，很容易出现爆点、焊坑、孔洞、断焊、 漏焊、翻边等缺陷，导致漏液、短路等安全风险。将 AI 技术与 3D 成像技术相结合，利用数据样本自适应扩充训练 技术，缩短模型训练时间，通过针对性的缺陷检测算法，提高了缺陷检测效率和准确率，降低了工人检测的过杀、 漏杀情况，实现缺陷检测无人化，降低人力成本。 的软硬件扮演着非常重要的角色： 40 02 英特尔 ® 技术方案 工业异常检测任务是制造业中的一项关键技术，它通过计算机视觉来识别和定位工业产品中的异常区域。这一过程对于确保 产品的质量、避免潜在的安全风险以及减少经济损失具有重要意义。在传统的生产线上，产品质量控制和安全性监测往往依 赖于人工检查或简单的自动化工具，但这些方法效率低下且容易出错。 随着深度学习技术的发展，基于卷积神经网络 (CNN)

H800(25 万 ):1.5*1010 秒 (174000 天 ) ■ 1000 张 H800(2.5 亿 ):1 .5*107 秒 (174 天 ) 算力 ( 每秒 ) 显存 运力 生态 政策风险 成本 华为 910B 320T=3.2*101 4 32GB 240 GB/s 较好 无 12 万 英伟达 H800 1000T=1015 80GB 900 GB/s 好 有 25 万

基础知识问答 复杂问题解决能力 优秀 ，能进行深度思考和逻辑推理 一般 ，难以处理多步骤的复杂问题 运算效率 较低 ，推理时间较长 ，资源消耗大 较高 ， 响应速度快 ，资源消耗相对较小 幻觉风险 较高 ， 可能出现“过度思考”导致的错误答案 较低 ，更依赖于已知的知识和模式 泛化能力 更强 ，能更好地适应新问题和未知场景 相对较弱 ，更依赖于训练数据 擅长任务举例 解决复杂逻辑谜题 ，编写复杂算法 语音 识别以及生成自然语音 3.7 大模型的应用领 域 金融风控 自动驾驶 医疗健康 大模型可以用于信用评估、欺诈检测等任 务 。通过分析大量的金融数据 ，大模型 可 以评估用户的信用等级和风险水平， 以及 检测欺诈行为，提高金融系统的安 全性和 稳定性 大模型可以用于医疗影像诊断、疾病预测 等任务 。通过学习大量的医学影像数据 ， 大模型可以辅助医生进行疾病诊断和治 疗 方案制定，提高医疗水平和效率 性可以更好 减少模型幻觉 由于提问结合了业务知识 ，所以减少了模型的幻觉， 即减少了模型的胡说八道 保护数据隐私 由于日常的业务知识是保存到本地的 ， 所以减少 信 息泄露的风险 无需重新训练 不用重新训练模型 ，微调模型降低了成 本 4.4 本地部署大模型方 案 n 本地知识库的优点 步骤 安 装 Ollama 下载 DeepSeek R1 运行 DeepSeek

智能客服、文案生成 智慧金融、智慧政务 金融助手、教学辅助、 制造设备维护 教学辅助、智能办公 …… 软件伙伴 金融风控、医疗影像分析、 制造智能质检、教育 风险评估、法律文档 审核、智能流程 智能问答、文本摘要、 法律 / 医疗咨询 智慧政务、金融风控、 医疗辅助、 企业办公、知识问答、 思维导图

联， 在医疗诊断中同步分析X光片阴影分布与患者主诉症状。此外，这种时空关联推理能力使得自动驾 驶系统能同时解析路况视频中的车辆轨迹、交通信号灯的闪烁频率以及周围环境的异常声响，实 现更精确的多维度风险预判。 ➢ 强推理能力在全模态场景下的扩展面临诸多挑战。文本模态场景下，许多复杂推理任务可以 通过基于规则的奖励提供监督信号，作为人类意图和偏好的载体。而当从文本模态扩展到多 模态甚至全模态场景下时，许多问题会随之呈现：