济技术开发区和北京大学合作建设。产业园将依托北京 大学优质的科技、教育、医疗资源及其在国内外 的影响力和感召力， 打造宜业、宜商、宜学、宜居、宜游的生态型“科技、教育、医疗”综 合新型产业 园区。 在医疗方面，引入北京大学优质的医学教育、医疗技术和专家资源， 与开发区共建智慧型、高水平的医 疗康复中心，提升开发区医疗水 平，为聚集中高端人才提供健康保障。 在科技方面，以北京大学重离子物理研究所技术为先导，以发展“军 企业迅速发展 北京大学秦皇岛科技产业园 成功案例分享 • 在教育方面，建立园区自己的教育培训机构，并引入北京大学及 清华大学等优质的继续教育，与科技产业园和开发区的产业高度配 套，“订单式”培养高级人才。同时，引入高端“幼小初高”教育，以吸 引、留住领军型人才。 • 园区占地总面积 3000 余亩，总投资 150 亿元左右，计划 6~8 年 完成建设。北京大学已经发起成立“秦皇岛海蓝科技开发有限公司”， 完成建设。北京大学已经发起成立“秦皇岛海蓝科技开发有限公司”， 负责整个园区的规划建设及运营。目前科技园的起步区（ 1000 亩）已经完成修建性详规，储备了一批优秀的入园项目，待土地手 续完备后马上着手建设。 北京大学秦皇岛科技产业园 过度页 我们的优势 我们的优势 —— 简单 只要会用手机就能够轻松操作，完美支持 摸、滑屏、无级缩放、原笔迹保留、语音 审批等操作。 —— 自适应 不同终端不同界面展示，支持

种 使 用 方 式 ： 在 软 件 系 统 中 调 用 官 方 API 、 模 型 微 调 、 直 接 使 用 。 网页 APP (IOS/Andriod) 资料来源： AI 肖睿团队，北京大学 -DeepSeek 原理与落地应用 智慧芽 @LS-GTM o Deepseek 对行业产生巨大影 响 智慧芽 DeepSeek 5 01 大模型的发展阶段和 deepseek DeepSeek-R1-671B DeepSeek-V3-Base HuggingFace ModelScope 满 血 版 ， 能 力 最 强 Deepseek-R1 在药企的本地化部 署 资料来源： AI 肖睿团队，北京大学 -DeepSeek 原理与落地应 用 智慧芽 智慧芽 @LS- GTM 7 o Deepseek-R1 在药企的本地化部署 · 个人部署： Ollma 框架适合个人用户私有 解决方案。目前暂不够成熟。 · LLM 部署简单，更适合中小型企业做大模型推理部署，对于大型企业，可以使用配置较为复杂的 Tensor RT 框架。 资料来源： AI 肖睿团队，北京大学 -DeepSeek 原理与落地应用 智慧芽 @LS-GTM 智 慧 芽 8 Deepseek-R1 满血版模型部署方案 · DeepSeek R1 模型就成了很多应用场景下的当务之急。受限于

控等 12 家企业及自然人提供初始运营资金， 由天云融 创数 据科技（北京）有限公司等 546 名中小微企业及自 然人共 同发起设立 ，发起会员涵盖产融、投资、科技企 业以及金 融领域专家学者 ，并与北京大学金融法中心、 普华永道等 专业机构建立了长期战略合作关系。 3 透过权威理解相互 中国保险监督管理委员会 《相互保险组织监 管试行办法》 相互保险是指， 具有同质风险保障需求的 单 位和个人，

技术在数字或物理环境中感知、做出决策、采取行动并实现 目标。 图 8：人工智能实践（来源： Gartner【13】）  Agent，AI Agent 与 Agentic AI 的比较 最近看到北京大学发布的《AI+Agent 与 Agentic+AI 的原理和应用洞察与未来展望》研究 报告【14】，该报告深入剖析 AI+Agent 与 Agentic+AI 的原理、应用及未来发展趋势，为 读者呈现一个全面而详细的知识图景。图 Agent，AI Agent 与 Agentic 15 AI 作了一个简单的比较。更深入的内容请参看原文【14】。 图 9： Agent，AI Agent 与 Agentic AI 的比较（来源：北京大学【14】） 此外，【15】指出，虽然人工智能代理代表了人工智能能力的重大飞跃，特别是在自动 化狭义任务方面。Agentic AI 系统代表了一类新兴的智能架构，其中多个专门的 Agent 协同工 Agents: The Next Big Thing in AI，Gartner,2025-01-23 【14】 AI 肖睿团队，《AI+Agent 与 Agentic+AI 的原理和应用洞察与未来展望》，北京大学， 2025-05-20 【15】 Ranjan Sapkota 等 ， AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications

1 概述 2 法律行业案例 3 金融行业案例 4 教育行业案例 5 医疗行业案例 目录 10.2 法律行业案例 近年来，企业、高校和政府纷纷推出了法律行业大模型，包括阿里的通义法 睿、北京大学的 ChatLaw 和最高人民法院的法信法律基座大模型等。这些 法律大模型涵盖了法律咨询、文书生成、法律检索和合同审查等丰富的功能 解决了传统法律工作中存在的效率低下和信息分析不足的问题。 10

速检索信息和发现潜在关联。这不仅有助于知识发现，也能帮助研究人员更有效地基 于已有成果继续研发。 请务必阅读报告末页的重要声明 17 / 29 行业研究|行业深度研究 基于此，北京大学深圳研究生院新材料学院潘锋教授课题组结合机器学习和依赖匹 配算法发展了一套高精度且高效的同名消歧以及信息搜索的框架，在材料科学领域 中建立了主体（作者）与客体（材料）之间的对应关系，构建了名为 Disambiguation: Revisiting the Evolution of LiFePO4》-Zhiwei Nie 等，国联民生证券研究所 图表17：材料知识图谱用于锂电池正极材料的发现 资料来源：北京大学官网，国联民生证券研究所 简言之，产业知识图谱的构建在化学材料研发中具有重要作用。通过整合多源信息， 构建结构化的知识图谱，研究人员能够更高效地挖掘潜在的材料关联，预测新材料的 性能，加速材料研发进程。

企业架构和数字化转型专家，TOGAF企业架构师鉴定级认证专家，Open Group中 国架构本地化工作组专家，DAMA中国会员。 • 具有近20年金融信息化领域工作经验，对数字化转型有深入研究和实践。 • 毕业于北京大学，曾就职于某中央金融企业，负责牵头公司数字化战略规划、企 业架构设计、数字化转型实施等方面工作。 • 《企业架构驱动数字化转型：以架构为中心的端到端转型方法论》专著作者，微 信公众号“金融IT那些事儿”主理人，

技术探索 大模型 实践应用 目 录 03 4 人工智能发展历程 5 规模到达临界点之后才会迅速增长 GPT-4 模型参数： 1.8 万亿参数 典型的新技能学习曲线 摘自北京大学 AI 肖睿团队团队作品 大模型参数变化三个阶段 摘自复旦大学大数据教学团队作品 智慧涌现的关键 6 通用模型（ System 1 快思考模型） 推理模型（ System 2 慢思考模型）

半经验计算和从头计算使用最广泛的量子化学软件。 SPONGE 新一代开源分子软件，实现深度学习与分子模拟的高效融合，由北京大学 / 深圳湾实验 室 高毅勤研究团队开发。 请务必阅读报告附注中的风险提示和免责声明 11 资料来源：科学计算软件网，投必得学术公众号，化学加公众号，北京大学官网，《计算机模拟软件在化工设计中的应用》 - 高源， 《远程 教学中 Chemoffice 的功能和应用研究》

2021, 11（1）: 8-16.（in Chinese） [25] 迈克尔·吉本斯, 卡米耶·利摩日, 黑尔佳·诺沃提尼, 等 . 知识生产的新模式: 当代社会科学与研究的动力学 [M]. 北京: 北京大学出版社, 2011. MICHAEL G, CAMILLE L, HELGA N, et al. The new pro⁃ duction of knowledge: the dynamics of