..............................................................125 1. 引言 随着全球气候变化和人口增长的双重压力，水资源管理和利用 日益成为各国面临的重大挑战。传统的水利工程在应对复杂多变的 自然环境时，往往显得力不从心，尤其是在预测、监控和决策支持 方面存在明显不足。为了提升水利工程的智能化水平和综合管理能 力，引入先进的 实现对洪 水、干旱等灾害的精准预警。 - 优化水资源调度：DeepSeek 可以 根据多源数据（如降雨量、水库水位、用水需求等）构建动态模 型，优化水资源的分配和调度，确保水资源的合理利用。 - 基础设 施健康诊断：通过对大坝、渠道等水利基础设施的结构数据进行深 度学习，DeepSeek 能够预测潜在的故障风险，并提出针对性的维 护建议。 - 环境生态管理：DeepSeek 为更直观地展示 DeepSeek 在水利工程中的应用效果，以下表 格列举了某水利项目实施 DeepSeek 前后关键指标的对比： 指标 实施前 实施后 预警准确率 75% 92% 水资源利用 率 65% 85% 维护成本 高 降低 30% 生态环境影 响 较大 显著改善 此外，DeepSeek 的应用还可以通过可视化工具（如 mermaid 图表）展示数据分析的全过程，为决策者提供更直观的

能耗预测..................................................................................128 6.4.2 能源利用优化...........................................................................130 7. 实施与部署策略....... .....................184 1. 引言 在全球经济一体化与数字化转型的背景下，钢铁行业的发展面 临着前所未有的机遇与挑战。智能制造的新时代促使钢铁企业在生 产效率、资源利用和环境保护等多个方面寻求创新解决方案。随着 人工智能（AI）技术的不断成熟，尤其是大型模型（如 GPT、BERT 等）的应用逐渐扩展，钢铁行业也开始考虑这些先进 技术带来的潜在转型机会。 在 原材料智能采购：利用机器学习算法分析市场供需关系及价格 波动，帮助企业找到最佳的采购时机和供应商，降低采购成 本。 2. 生产流程优化：构建基于大数据分析的智能调度系统，实时监 控生产线的运行状态，调整生产计划以提高设备利用率和生产 效率。 3. 设备预测性维护：通过物联网技术收集设备运行数据，并应用 深度学习预测设备故障，提前进行维修，降低停机时间。 4. 质量控制与监测：利用计算机视觉与数据分析技术，对生产过

•保险公司要允许人工智能在整个价值链中创造性地利用数据，挖掘所有数据 集中隐藏的价值。 AI 三大应用场景：人力资源+流程管理+数据分析 “人工智能”一词包含许多不同的技术和能力。我们可以将人工智能定义为：能 够感知、理解、行动和学习的计算机系统。换句话说，一个系统可以感知它 周围的世界，分析和理解它接收到的信息，并在此基础上采取行动，通过学 习改进自己的性能。 通过利用机器与环境、人以 014 至 2016 年间，与人工智 能或智能自动化相关的投资数量增长了大约两倍。 只有通过智能框架来提高员工的工作效率，利用智能自动化和数据分析实现 产品创新，保险公司才可以借助人工智能实现效益最大化。 5 人力资源——利用人工智能，让员工合理分配时间，提高他们的工作效率。 通过 20%的非例行工作，创造出 80%的价值。 流程管理——重新审视 流程管理——重新审视商业模式和工作流程。通过智能机器不断审查端到端 流程，并应用“智能自动化”来改进和优化现有流程。 数据分析——保险公司将利用人工智能，来增强大数据分析能力，通过事务 型数据，来改进算法，并以新的方式组合数据以发现趋势。 人力资源：通过科技提高工作效率，人机协作成未来发展趋势 许多保险公司已经在深度学习、视频分析和自然语言处理等技术上投入巨资。 尽管智能技术的

 意义：从经济角度看“东数西算”工程带动了数据中心建设、 网络通信、IT 设备制造、软件等相关产业的发展，促进了产业结构 优化升级，为经济增长注入新动力。在资源利用方面，充分发挥了西 部地区的能源优势，提高了能源利用效率，实现了东西部资源的优势 互补。同时，有助于缩小东西部数字经济发展差距，推动区域协调发 展，提升我国整体数字经济竞争力，为数字中国建设提供坚实支撑。 2 1.3 数量以及存储容量等。通过及时、准确的状 7 态上报，调度中心能够如同拥有了一双“透视眼”，清晰地了解资源 的实时情况，从而根据用户的需求进行科学合理的调度安排，避免资 源的闲置浪费或过度使用，提高资源的整体利用效率。 图 3-2 总分调度-资源状态上报 步骤三：算网调度操作与协同调度 当算力使用者产生业务需求时，他们只需通过算网协同调度平台 提供的便捷操作界面（如控制台等），发起算网调度请求。调度中心  基于快照调度与部署 自治系统根据这份资源快照，结合自身业务需求和调度策略，进 行资源调度决策，并将请求发送给目标算网资源，完成业务部署。这 一过程充分体现了资源的共享和协同，提高了资源的利用效率，满足 了用户多样化的业务需求。 图 3-7 分总调度-算网资源调度使用-全局缩略图方式调度 13 ③ 东->北->西方式调度  需求提交与计算 算力使用者通过自治系统发起算网调度请求，当本地资源不足时，

月，国家数据局印发《可信数据空间发展行动计划 （2024—2028 年）》（国数资源〔2024〕119 号，以下简称《行 动计划》），明确提出可信数据空间是基于共识规则，联接多方 主体，实现数据资源共享共用的一种数据流通利用基础设施， 是数据要素价值共创的应用生态，是支撑构建全国一体化数据 市场的重要载体。 国家信息中心信息化和产业发展部主任单志广研究员认为， 按照架构模式分类，可信数据空间可分为集中式、分布式、递 信数据空间的用户可以以安全、透明、可信、简单和统一的方 式访问数据。“应用”是可信数据空间建设的根本前提，如果没 有数据流通利用需求，则没有建设可信数据空间的必要；“设施” 是可信数据空间的基本属性，可信数据空间建设要为社会生产 和居民生活提供公共数据流通利用服务，属于数据基础设施范 畴。 “可信”是可信数据空间的关键特征，分别体现为用户身份可 信、数据流通可信、收益机制可信。 需离开本地存储 域，就能在加密脱敏状态下参与联合计算与分析。 多主体共创则是发挥集体智慧、促进创新的重要模式。在 可信数据空间内，不同主体基于自身的数据资源和专业优势， 共同参与数据的开发利用，共同推动数据价值的最大化。此外， 为实现各类数据空间互联互通，跨网互联、跨云互管、跨链互 5 通、跨域共用正逐步成为可信数据空间建设的共识。 （三）功能定位 一是作为数据流通交互平台。不同机构之间的数据资源往

息，如温度、湿度等； 14 无缝连 接 泛在网络是智慧教 育开展的基础，基 于泛在网络的无缝 连接是智慧教育的 基本特征。 15 无缝连接 为特定学习情景建立 学习社群，为学习者 有效联接和利用学习 社群进行沟通和交流 提供支持 无缝切换 无缝切换 联接社群 系统集成 虚实融合 多终端访问 系统集成 遵循技术标准，跨级、跨 域教育服务平台之间实现 数据共享、系统集成 学校教育、家庭教育和社会教育的 连通； 手机、平板、 PC 、学习机、电视 等各种终端设备的连通。 三 方 连 通 智慧教育：促进智慧学习 31 智慧教 学 的 智慧教学是教师在智慧教学环境下，利用各种先进 信息化技术和丰富的教学资源开展的教学活动。 特征 高效 开放 多元 互通 深度交互 32 常规 ( 课堂 ) 智慧教学过程 智慧学习 智慧学习是在智慧环境中开展的完全以学习者为中心的学习活动。 智慧课堂：智慧工作，实现可达性学习  与学生一起工作：将团队、学习者和教师连接在一起。  将个体需求融合到团队需求中：有利于培养创新能力。  实现参与性和交互性用户体验：通过 Web 2.0 实现  在学习中充分利用开放资源工具 :  桌面应用和环境  课件平台与工具  内容和课程材料 智慧课堂： Lotus ， Sakai CLE ， Moodle 50 50 通过提供新的绿色服 务和产品档案，

分布式算力是相对于传统集中式算力（如单一超级数据中心）而 言的算力部署与利用模式，其核心是将一个大的计算任务分解成若干 个小任务，然后把这些小任务分配给地理、网络层级或逻辑上相互独 立的多个节点。这些计算节点可涵盖数据中心、边缘设备（如基站、 物联网网关）、终端设备甚至个人闲置设备等，通过网络连接形成协 同体系，实现算力资源的分布式协同与高效利用。分布式算力并非单 一形态，边缘算力是前者重要组成部分，是分布式思想的一种具体体 “调度”则是基于“感知”结果所采取的行动，是整个系统的“大 脑”和中枢。它根据感知到的全网算力资源分布图景和实时状态，在 复杂约束条件下，通过智能高效的算法，将计算任务合理地分配到最 合适的节点上执行，从而实现全局最优的资源利用率、最低的运营成 本和最佳的用户体验。调度决策是一个高度复杂的优化问题，其目标 函数通常是多维度的，需要在性能目标、经济目标和系统目标之间寻 求最佳平衡点。分布式调度策略多种多样，从传统的基于静态规则的 网络路由一样，为计算任务规划出一条从数据源到最优计算节点、再 到结果返回的最佳路径。 分布式算力感知与调度具有如下几个显著的特征：  异构性：算力节点的硬件类型、操作系统、网络协议存在显 著差异，系统必须能够充分识别并利用这种异构性，将不同 类型的计算任务精准匹配到最适合的硬件上执行，从而实现 4 整体计算效能的最大化。感知系统需通过统一的“算力单位” 实现异构资源的归一化描述；调度系统则需针对不同类型任 务设计适应性的分配策略。

改革、推进中国式现 代化的决定》，明确提出“建设和运营国家数据基础设施，促进数据共享”。2024年10月9日，中共中央办 公厅、国务院办公厅发布《关于加快公共数据开发利用的意见》，提出“加强数据基础设施建设，推动数据 利用方式向共享汇聚和应用服务能力并重的方向转变。”“研究制订数据基础设施标准规范，推动设施互联、 能力互通，推动构建协同高效的国家公共数据服务能力体系。”2024年12月31日，国家发展改革委、国家数 了新的、更 严格的要求，即要确保数据在大规模、高通量、快速率的流通过程中的安全。数据安全发展到了动态全过程安全阶段，这 时不仅需要更加强大的连接和算力功能，对数据更大规模、更快速率、更高通量流通利用的需求更强烈，而使用控制、隐 私计算、区域链、数据沙箱、智能合约、数据标识、语义发现、元数据智能识别等可信安全的数据流通技术正在成为数据 要素化发展新阶段的主流技术。 欧盟 《通用数据保护条例》 中，BigQuery是Google Cloud构建的高效安全数据流通平台。 BigQuery平台通过EDC组件并嵌入联邦学习，可以提供数据存储、数据处理、数据分析等全流程服务，以实现数据的 高效利用与处理。既能满足互操作性的要求，通过实现不同系统和平台之间能够无缝对接，从而推动数据的流通和共享，也 能确保数据自主权的实现，即保证参与者能够使用与管理自己的数据，在向他方提供数据访问权限时，能够保持对自己数据

➢ 需要足够强的基座模型：基座模型 (DeepSeek-V3 Base) 超过了某个质量和能力阈值 （671B 在14.8T 高质量Token上训练）（基座模型知识帮助突破推理上界，也有一些 工作利用小模型复现 Aha Moment 得益于大规模RL和高质量推理数据）； ➢ 大规模强化学习加持：GRPO 对于强化学习训练的优化； ➢ 规则化奖励：绕过奖励攻陷问题，但是得益于推理问题可以进行自动化标记和验证 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； ➢ 甚至可以更进一步，测量执行时间，使训练过程首选性能更高的解决方案； Research Questions: ➢ 能否在Zero基础上兼顾推理性能的同时，提升模型的帮助性和安全性？例如产生 Clear & Coherent CoT 并且展现出通用能力的模型 R1； ➢ 能否利用一些高质量反思数据集做 Cold Start 从而加速RL的收敛或帮助提升推理表现 16 DeepSeek-R1 技术 Pipeline 总览 DeepSeek-v3-Base (671B)

算法，分析沿线数据，实现对铁路状态的实时监控和 预测，提升突发情况的应对能力。 3. 打造一套智能化的决策支持系统，通过大数据分析，为铁路沿 线的维护、调度和管理提供科学依据。 4. 实现与现有铁路管理系统的无缝对接，提升数据利用效率，实 现资源的共享与协同。 5. 推动铁路沿线的绿色管理，通过智能化手段实现更为高效的资 源配置与环境保护。 本项目希望通过技术的引入和整合，不仅提升铁路的运行安全 和效率，同时深化对 车调度的智能化水平。借助于数据融合技术，铁路部门能够实现对 整个运输网络的最优调度，提高列车的准点率和运输效率。 在保障安全方面，实景三维 AI 大模型能够进行动态监测，实 时识别违章行为和危险因素。例如，利用图像识别技术，系统能够 自动检测出沿线的障碍物或安全隐患，并及时发出警报，以作出快 速反应。此外，通过 AI 模型的深度学习能力，可以识别轨道和设 备的微小变形和损坏，从而提前进行维护，防止事故的发生。 本项目的具体目标包括： 1. 提升安全管理水平 通过三维模型的实时监测，及时发现铁路沿线的潜在安全隐 患，提升对自然灾害、非法侵入等事件的响应速度，确保铁路 运营的安全性。 2. 优化资源配置与决策支持 利用大数据分析和 AI 算法，对铁路沿线的环境、设施、流量 等进行综合分析，为运营管理提供数据支持，帮助决策者进行 更有效的资源配置。 3. 改善服务质量 通过对沿线环境的态势感知，提升旅客出行体验，准确提供列