许峰 2024.05 ⽣成式AI管理提效五步法 讲师介绍：Franklin 许峰 25+ 年⼯作经验，技术x管理x商业创新 专家 前⽂思海辉 副总裁 英国威尔⼠⼤学 计算机硕⼠ 中国⾸批EXIN认证数字化转型官（DTO） ⾹港⼤学中国商业学院、上海⾼级⾦融学院 客座讲师 AI赋能商业创新 挑战与机遇 ⽣成式AI企业智能增效五步法®介绍 结合案例分析 Q&A 基础概念 AI 是最⼴泛的概念，涵盖所有智能技术。AI技术应⽤于各种场景，如语⾳识 别、图像识别、机器⼈控制等。 ⽣成式AI（GenAI） 是AI的⼀部分，专注于内容⽣成。它通过学习现有数据来 创造新的⽂本、图像、⾳乐等。 ⼤语⾔模型（LLM） 是⽣成式AI的⼀种具体实现，专⻔⽤于⾃然语⾔处理任 务。它通过⼤量⽂本数据训练，能够理解和⽣成⾃然语⾔。 Your paragraph text 更多的上下文数据，更自动化的执行方式 （Agent）。 5. 总体原则 1. 启动AI思维 培养领导层和关键员⼯对 ⽣成式AI的认知，了解其 在提升⽣产⼒⽅⾯的潜⼒ 4. 将AI融⼊到⽇常 ⼯作流程中 在每个部⻔培养1-2名AI专 家，定期分享经验，促进 知识交流和协作。 5. 评估与优化 持续评估⽣成式AI应⽤的 成效。定期收集员⼯反 馈，优化⼯具和流程。 2. 聚焦⾼价值任务 识别各部⻔⼯作流程中最

智能微电网分布式电源 的综合控制策略 智能微电网分布式电源的综合控制策略 典型的智能微电网结构： 组成：微电源、储能装置、控制器、负荷 馈线 A 、 C ：重要负荷、敏感负荷 馈线 B ：相对不重要负荷 能量管理系统：实现对整个微电网系统的 综合分析与控制 潮流控制器：对微电源的就地控制 主从站控制方式： 智能微电网分布式电源的综合控制策略 孤岛状态时：一个微电源以主 孤岛状态时：一个微电源以主 站的方式提供参考电压和频率，其他 微电源以从站的方式运行在恒功率模 式提供恒定出力 离网状态时：具有恒压恒频控 制的微电源作为主站模式提供电压和 频率支持。 控制目的： 1. 保证微电网平稳运行，保证能源利用效率和电能质量 具有恒功率控制的微电源作为从站模式能最大效率的保证能源利用率， 通过控制微电源出力，使微电源按照最大功率出力，保证了能源的利用效率， 率， 从而使微电网具有经济性和环保性。 2. 保证控制可靠性 现在智能微电网控制策略发展的趋势是无需数据通信环节的各类型分布 式电源间的主从控制的微电网控制策略，大幅度提高了不确定性能源的利用 效率。 3. 保证并 / 离网切换的平稳运行 智能微电网分布式电源的综合控制策略 微电网联网预同步控制器： 比例积分环节环作为同步补偿 器，负责微电源输出的电压幅值和 相角以及频率的预同步过程

61%）、以及缺乏动态客户画像更新机制。这些 缺陷导致现有智能助手仅能处理 11%的客户需求，远未达到替代人 工的标准。 1.2 DeepSeek AI 大模型的优势与应用潜力 DeepSeek AI 大模型作为国内领先的生成式人工智能技术，在 金融领域展现出显著的技术优势与应用潜力。其核心能力建立在千 亿级参数训练基础上，通过融合金融行业知识图谱与银行业务数据 微调，具备精准的语义理解、多轮对话管理和复杂业务逻辑推理能 其次，在知识管理方面，模型通过持续学习机制保持知识实时 更新：  动态同步最新监管政策与行内产品手册  自动归档典型服务案例形成可复用的对话模板  支持跨 13 种业务文档的即时检索与摘要生成  维护超过 2000 个金融术语的精准解释库 第三，在风险控制层面，模型内置三重防护机制：通过意图识 别准确拦截 98.6%的敏感问题询问；基于行为特征分析的欺诈检测 模型 AUC 值达 其次，构建动态客户画像系统，通过 API 对接银行 CRM 系统 实时获取交易数据，结合 DeepSeek 的推理能力生成个性化推荐方 案。测试数据显示，AI 智能体可同时处理 200+客户画像维度，较 人工客户经理分析效率提升 40 倍。典型应用场景包括： 1. 根据客户资产变动自动触发理财产品推荐 2. 识别潜在贷款需求后生成预审批方案 3. 监测异常交易实时推送风险提示 第三，实现与银行现有系统的无缝集成。智能体将通过

............................................................................. 23 广告：AI 算法优化推送机制，生成式 AI 实现自动化广告制作 ........................................................................... 23 搜索：引入大模型后，Bing 模型通常具备图像理解、图像生成 能力。部分最前沿的闭源大模型，例如 GPT-4o、谷歌 Gemini，支持的模态更加多元，能 够理解文本、图像、音频、视频（帧），并生成文本、图像、音频。2022 年 9 月，红杉资 本预计还需要近十年的时间，大模型才能实现实习生级别的代码生成、好莱坞质量的视频 和区别于机械声的人类质量语音，但是实际进展远超当时预期，Sora 已经能够生成 60s 的 高质量视频，GPT-4o 的作用不断深化，生成式 AI 新的应用不断被解 锁。通过对 AI 在搜索、电商零售、办公、金融法律、影视游戏，医药、教育、汽车等行业 应用前景的分析，我们认为，AI 应用的落地节奏或与行业数字化程度成正比，我们看到 AI 大模型在互联网（搜索+广告营销）、办公、金融等领域率先迎来“iPhone 时刻”。其中最 值得关注的应用包括：1）文本生成在电商、金融、医疗等行业替代传统客服；2）文本和 图像生成在办公、

1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 及 Claude-3.5-Sonnet 不分伯仲。 l DeepSeek-V3 模型生成速度提升至 3 倍。通过算法和工程上的创新， DeepSeek-V3 的生成吐字速度从 20TPS 大幅提高至 60TPS ，相比 V2.5 模型实现了 3 倍的提 升，能够 为用户带来更加迅速流畅的使用体验。 l DeepSeek-V3 ：在传统的注意力机制中，推理期间的键值 (Key- Value ，即 KV) 缓存往往占用大量资源。而 MLA 则另辟蹊径，通过低秩联 合压 缩技术，大幅削减了注意力键 (keys) 和值 (values) 的存储空间。在 生成过 程中，仅需缓存压缩后的潜在向量，这一举措显著降低了内存需求， 但在 性能上与标准多头注意力 (Multi-head Attention ， MHA) 相比毫不逊 色，有 力地保障了模型运行的流畅性。 性。 2 ）面向推理的强化学习。和 DeepSeek-R1-Zero 方式相同，但引入了语 言一致性 奖励，对推理密集型任务进行特别优化。 3 ）拒绝采样与监督式微调。使用已训练的 RL 模型来生成新的训练数据，通过构建推理数据和非推理数据提升模型的通用能力。 4 ）全场景 强化学习。为了同时平衡推理能力和通用能力，将不同类型的奖励机制有机结合，再次进行强化学习。 DeepSeek-R1(-Zero)

............................................................................ 7 图 7： Teams Premium 生成任务 ................................................................................................ ............. 13 图 25： AI 生成 3D 模型 ...................................................................................................................... 14 图 26： AI 自动生成动态的 3D 人脸模型 ................ 迭代更新，人工智能掀起科技潮 GPT 升级至四代，模型能力高速提升。ChatGPT 是由 OpenAI 开发的自然语言生成 模型，采用 Transformer 神经网络架构（又称 GPT-3.5 架构），基于大量的语料库使用指 示学习和人工反馈的强化学习（RLHF）来指导模型训练。模型可理解并生成对各种主 题的类似人类的响应，是 AIGC 技术进展的成果。2023 年 3 月 15 日，OpenAI 正式官宣

大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研 浙江大学人工智能教 浙 编码器Encoder 处理输入序列 解码器 Decoder 生成输出序列 Google (2017): Attention is all you need 嵌入层Embedding Word Embedding: 目的是将这些非结构化的文本信息转化为结构化 富了其表示，带有多样化的上下文信息。 前馈网络Feed Forward 捕捉序列中元素之间复杂关系的多功能组件。通过使用线性变换和非线性激活 函数，前馈网络使模型能够处理复杂语义，促进文本的稳健理解和生成。 Google Transformer：引入注意力（Attention）学习, 2017 浙江大学人工智能教育教学研究中心 中心 智能教育教学研究中心 大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教 浙 DeepSeek-R1：监督微调+强化学习训练 DeepSeek-R1-Zero （强推理模型） 推理导向强化学习 （准确率奖励+格式奖励） 纯强化学习训练 低可控：生成文本可 读性差、语言混乱 高探索自由度 => 推理能力自我觉醒 （更长的思维链、更深层次的 推理路径） DeepSeek-V3 （基础模型） 监督微调 强化学习 图源自《ReFT: Reasoning

Titan 和 AIGC 服务 Bedrock ，以 及 A I 编 程 助 手 AmazonCodeWhisperer 。 Tita n 系列模型分为用于内容生成 的文本模型 Titan text 和可创 建矢量 嵌 入 的 嵌 入 模 型 Titan Embeddings 。 此外 ，基 于自研推理和训练 AI 芯片 的最新实例 AmazonEC2Trn1n Amazon EC2 Inf2 正式可用。 Anthropic 推出 Claude 最接近 ChatGPT 的商业竞 品 2023 年 7 月 ， Anthropic 宣布 Claude 2 正 式 开 始 上 架 。 Claude 是基于 transformer 架构的大语言模 型 ，被认为是最接近 ChatGPT 的商业产品 。相 比 V1.3 ， Claude2 编码能力 提升巨大 通义千问，是阿里云推出的大语言模型，于 2 0 2 3 年 4 月 1 1 日在阿里云峰会上正式发布 1.0 。 9 月 13 日，阿里云宣布 通义千问大模型已首批通过备案。 10 月 31 日，阿里云正 式发布千亿级参数大模型通义千问 2.0 ， 8 大行业模型同步 上线。通义千问 2.0 专业维度上的能力较强 ，可应用于相对 专业复杂场景 ，例如金融、医疗、汽车等垂直专业场景。 数据来源：中文语言理解测评基准

架构 ，提供 7B 、 13B 、 30B 、 70B 和 130B 五种版本选择 ，最大允许 32k 文本输入 ，支持 API 接口 调用、 网页嵌入、共建、私有化部署等能力 ，并为用户提供一站式标注和评测服务。 通用领域： HithinkGPT 大模型在 C-Eval 、 GSM8K 、 MMLU 、 MATH 等 10 多个主流 Benchmark 测评集上的表现全面超越了主流 开源模型 ，基于大模型自动生成大纲和创作思路 ，思 路中包含所需指标来源。飞研创作可以协助使用者编辑思路 ，完成研报编写； 3. 【绘图】基于选取数据为使用者编辑创作出更具有艺术创造力的可视化图形； 4. 【灵动看板】帮助使用者基于问题生成逻辑以图形呈现的可视化分析； 5. 【翻译】为使用者智能翻译研报及公告等内容； 6. 【纪要】根据音频或文档智能识别重要内容， 自动生成会议纪要； 每月可新增数千亿 tokens 优质预训练数据以及数十万条优质微调数据， 确保数据的实时性和准确性。 2 ）模型训练创新优化。构建了包括数据配比实验方案、 scaling law 实验体系、模型架构优化、分布式训练框架优化、硬件加速技术等 科学高效的大模型训练体系， 能以更低的训练成本高效地完成 HithinkGPT 大模型家族（ 7B 、 13B 、 30B 、 70B 和 130B ）的训练。 3

S0980522090001 l GPU 是人工智能时代下满足深度学习大量计算需求的核心 AI 芯片。 过去五年，大型语言模型的参数规模以指数级增长；从 2018 年起， OpenAI 开始发布生成式预训练语言模型 GPT 以来， GPT 更新换代持续提升模型 及参数规 模； 2022 年 12 月， OpenAI 发布基于 GPT-3.5 的聊天机器人模型 ChatGPT ，参数量达到 1750 速计算平台，并且完善针对 AI 加速计算及数据中心的 GPU 、 CPU 、 DPU 三种芯片产品结构。 AI 布局方面，早在生成式 AI 变革初期就已参与并与 OpenAI 、微 软合作。 2023 年 3 月，英伟达在 GTC 大会上推出 4 个针对各种生成式 AI 应用程序进行优化的推理平台，其中发布带有双 GPU NVLink 的 H100 NVL 加速计算卡， 以支持 ChatGPT 资料来源： AI 有道，国信证券经济研究所整理 lChatGPT 引领全球人工智能浪潮，人工智能发展需要 AI 芯片作为算力支撑。从 2018 年起， OpenAI 开 始 发 布 生 成 式 预 训 练 语 言 模 型 GPT 以 来 ， GPT 更 新 换 代 持 续 提 升 模 型 及 参 数 规 模 ， 当时 GPT-1 参数量只有 1.17 亿个。 l2020 年， OpenAI