1 2025年3月9日星期日 DeepSeek的本地化部署与AI通识教育之未来 陈建海 博导/副教授 浙江大学通识人工智能（A）（理工农医）课程团队负责人 浙江大学计算机科学与技术学院 基础教学中心副主任/支部书记 浙江大学智能计算与系统实验室 负责人 浙江大学人工智能教育教学研究中心 2 提纲 vDeepSeek AI的新时代背景 vDeepSeek的本地化部署实践 vDeepSeek与AI通识教育之未来 推进人工智能赋能教育教学 发布人工智能系列研究报告 课程体系 实践平台 培养项目 师资队伍 实践平台 赋能教学 素养要求 教材是实处 · 课程是深处 · 实践是难处 · 师资是痛处 作为中心一员，承担理工农医人工智能通识基础课程建设 37 浙江大学组建跨学科高水平人工智能师资队伍 浙江大学人工智能通识教育师资培训班 人工智能基础通识课程教材建设研讨会 集体备课会 自2024-2025学年春 CS1006G Python程序设计 3 2.0-2.0 秋冬/春夏 计算机和人工智 能基础课程 （五选一） CS1241G 人工智能基础（A） 2 2.0-0.0 春夏 需先修Python或C程序 建议理工农医类专业设置 CS1242G 人工智能基础（B） 2 2.0-0.0 春夏 需先修Python或C程序 建议社会科学类专业设置 CS1243G 人工智能基础（C） 2 2.0-0.0 春夏 不需程序语言基础

世宗大学 韩国 3 6.5% 1 印度 14 30.4% 1 中国农业大学 中国 3 6.5% 3 美国 6 13.0% 1 潍坊科技学院 中国 3 6.5% 4 韩国 5 10.9% 4 韦洛尔理工学院 印度 2 4.3% 5 巴基斯坦 4 8.7% 4 扎耶德大学 阿拉伯联合酋长国 2 4.3% 6 土耳其 2 4.3% 4 西北农林科技大学 中国 2 4.3%h 6 尼泊尔 2 4.3% 3.4% 2 印度 737 22.7% 2 中国农业科学院 中国 66 2.0% 3 美国 283 8.7% 3 中国科学院 中国 65 2.0% 4 沙特阿拉伯 214 6.6% 4 韦洛尔理工学院 印度 53 1.6% 5 韩国 186 5.7% 5 华南农业大学 中国 48 1.5% 6 巴基斯坦 146 4.5% 6 西北农林科技大学 中国 44 1.4% 7 英国 112 3 5% 3 英国 324 18.8% 3 法国国家科学研究中心 法国 79 4.6% 4 中国 263 15.3% 4 中国科学院 中国 75 4.4% 5 荷兰 225 13.1% 5 苏黎世联邦理工学院 瑞士 69 4.0% 6 瑞典 209 12.2% 6 丹麦科技大学 丹麦 54 4.0% 7 瑞士 192 11.2% 6 瓦格宁根大学 荷兰 54 3.1% 8 澳大利亚 184 10

平台功能涵盖多个方面，包括国产算力资源池、 多模态大模型部署、数据治理工具链、可信管控系统、 智能应用开发平台等。 国产算力资源池要统筹提供多元化的国产算力能 力，满足不同大模型和应用场景的算力需求；多模态 大模型部署模块要实现对 DeepSeek、通义千问、智 谱等通用大模型的统一部署和管理，支持各类智能应 用的调用；数据治理工具链要提供数据清洗、脱敏、 标注、知识图谱构建等功能，提升数据质量；可信管 混合精度计算，能够满足大 模型推理的高性能需求。华为昇腾系列芯片是国产自 主可控的算力芯片，具有高性能、低功耗、高可靠性 等特点，能够为平台提供强大的算力支撑，同时符合 国产化替代的战略要求。 3.3.2 数据治理工具 采用 Talend 作为数据清洗工具，Talend 是一 款功能强大的开源数据集成工具，支持多种数据格式 和数据源，能够实现数据的抽取、转换和加载，提高 数据清洗的效率和质量。 选用 Neo4j 目前最流行的图数据库之一，具有高效的图存储和查 询能力，能够快速构建和管理知识图谱，支持复杂的 关联查询和分析，为智能应用提供强大的知识支持。 这些工具要能够与现有政务系统无缝对接，确保 数据治理工作的顺利开展。 3.3.3 安全技术 安全技术方面，区块链采用 Hyperledger Fabric，这是一款开源的企业级区块链平台，具有强 大的隐私保护和权限管理功能，能够满足政务数据操

利用系统建模，场景设置，技术参数录入等高 科技手段，模拟现实环境，进行实时交互，计 算和预测执行结果 数字建模 设计方案、正图、草图和技术性说明及其他技 术图样所表达的形体，构造成可用于设计和后 续处理工作所需的三维数字模型 协同研发 以用户为中心的一体化云协同研发，通过多软 件的融合，打破了行业竞争给用户带来的云上 信息孤岛，建立起以客户为中心的协同研发设 计互联网环境 Project 构建起企业的数据“大 脑”，实现基于数据来 辅助高层领导研判当 下、决策未来 Project Content 最终目标  提供实时工厂运营数据，进行分析决策  提供有效的订单生产和品质追溯管理工具，提高企业制造运营管理水平  提高各部门协作能力，实现轻松管理 平台化  通过电子看板、监控界面，实时了解各车间生产等进度  WIP 在制品分布清晰可知  生产信息实时采集和共享 可视化 生产计划管理、生产过程控制、产品 质量管理、车间库存管理、项目看板 管理等，提高企业制造执行能力 安灯 用分布于车间各处的灯光和声音报 警系统收集生产线上有关设备和质 量等信息的信息管理工具。 设备管理 设备集中管理，从规划、设计、选 型、购置、安装、验收、使用、保 养、维修、改造、更新直至报废的 科学型管理。 Project Content 数据产出

全域国土空间综合整治模块 业务协同支撑应用 基础测绘 库 ( 实景三 维 ) 确权登记模块 服务器资源 统一 数据 数 字 机 关 模 块 1.2 工作基础 —— 数据统筹管理工作格局基本建成 制定《自然资源和规划数据统筹管理规定》 , 开展项目三论证审查，数据“一个口子进， 一个口子出”的工作格局基本形成， 形 成 4 大类 200 小类业务、 1600 个数据对象、汇聚 业务应用工程师 Al 产品市场推广专员 数据档案所 基础保障所 智能体功能测试与数据提供 构建 AI 基础设施，为应用提供算 力、数据和平台支撑 智能窗口运维专员 Al 平台工程师 知识库管理工程师 Al 安全工程师 1.2 工作基础 口 大 数 据 中 心 抓 准 时 机 、 积 极 拥 抱 新 质 生 产 力 ， 增 加 人 才 储 备 ， 全 面 向 AI 智 能 化 全 面 转 例 宁游市自然资蓬和蛇划大报 下 3.4 N 个应用场景探索实践 | 问文 - 法规助手 口面向局法规处，聚焦法规检索困难、政策解读复杂、合规审查内容多和法律文书处理工作量大的痛点，依托司 法解 释、规范性 文件和裁判文书，构建法规助手，学习法规政策，实现法规智能查询、法规适用智能分析、合规性自动审查及文书自动起草， 全 流 程 提 升 法 规 管 理 的

Solution 2014 年 住建部下发《关于推进建筑业发展和改革的若干意见》 2014 年 住建部下发《工程质量治理两年行动方案》 2014 年 住建部下发《关于进一步加强和完善建筑劳务管理工作 的指导意见》 国家对工程质量、安 全管理提出了更高的 要求，强化施工安全 专项治理 政府积极推动建筑 业现代代，提倡以 节能环保为特征的 绿色建行技术 政府要求严格落实 劳务实名制 年全省开始推广劳务实名制系统，刑台市发放农民工工资卡 • 杭州 2011 年发文 在全市实施劳务实名制系统 • 重庆 成立平安卡办， 2013 年 12 月启动建筑业从业人员平安卡办理工作 • 山东 2014 年发文在全省推行劳务人员信息管理系统 1. 行业背景 - 各省市根据规划积极实施劳务实名制一卡通系 统 1. 行业背景－施工现场的应用现 状 利用 RFID

用，包括业务 分析、政策研究、科学研究等，提供直观的数据可视化工具， 帮助用户更好地理解和利用数据。 综上所述，省级可信数据空间的定义是在数据安全、共享和应 用的基础上，构建一个高效的数字治理工具。它不仅是信息化建设 的重要组成部分，也是实现智慧治理、推动数字经济的重要平台。 通过对现有数据资源的整合与深度挖掘，省级可信数据空间为政府 管理、社会服务和经济发展提供了强有力的数据支撑。 发 与部署，从而提高系统的灵活性和可维护性。微服务间通过轻量级 的 API 进行通信，实现高效协作。 此外，为了保证应用层的高可用性和负载均衡，将采用容器化 技术（如 Docker）和集群管理工具（如 Kubernetes）部署各个服 务。这能在高并发情况下保持系统的稳定运行，并根据实际流量动 态扩展资源。 在具体应用中，考虑到目前的技术环境和用户需求，以下是一 些可能的应用案例： 的机 制。通过定期评审数据质量管理流程，分析数据质量问题的根源， 并推行相应的改进措施。例如，开展数据质量培训，提高数据录入 人员的认识和技能，降低人为错误。 为辅助管理，建议利用数据质量管理工具整合数据质量的信 息，提供实现数据质量的操作指引和报表展示，提升数据治理的效 率和透明度。整体来看，数据质量管理应该是一个循环不断的过 程，重视反馈与改进，将数据质量控制融入到数据的全生命周期

据 处 理 pipeline 数据标注 CV ，大模型相 关的标注工具 模 型 部 署 训 练 工 坊 数据 调试 容器底座 AI 资产管 理 资源管理 一体化服务管理工具及推理加速能力 一体化服务管理工具 Angel 推理加速 指标监控 鉴权 / 限流 流量分配 实时掌握服务性能、调用量、资源消耗等关键指标 自动调度符算力资源，弹性灵活应对业务峰谷 HPA

求。例如，在数据采集模块中，必须支持多种数据格式（如 JSON、XML、CSV 等）的解析，并具备数据缓存和断点续传功 能，以确保在网络不稳定的情况下仍能持续获取数据。数据处理模 块需要集成常用的数据处理工具（如 Pandas、NumPy 等），并 支持自定义的数据处理流程，以满足不同场景下的需求。智能决策 模块应支持多种机器学习算法（如决策树、神经网络、支持向量机 等），并具备模型训练、评估和优化的能力。用户交互模块则需要 Top 10 标准，确保系统能够抵御常见的网络攻击。 系统的可维护性和可监控性也至关重要。通过日志管理、性能 监控和报警机制，确保系统在运行过程中出现异常时能够及时发现 和处理。采用集中式日志管理工具（如 ELK Stack）和监控平台 （如 Prometheus 和 Grafana），能够实时监控系统的运行状态， 并通过预定义的报警规则，及时通知运维人员进行处理。此外，系 统应支持自动 API、Web 界 面、移动应用），支持用户与系统的无缝交互。 为提升系统的可靠性和性能，架构中引入了微服务设计模式， 将各功能模块拆分为独立服务，通过容器化技术（如 Docker）和 集群管理工具（如 Kubernetes）实现服务的动态扩展与负载均 衡。此外，系统还引入了消息队列（如 Kafka、RabbitMQ）和缓 存机制（如 Redis）以优化数据流和响应速度。  数据接入

负责人及现场工程师等，具体项目机构设置如上图。 现场项目经理：本工程采用项目经理负责制，项目经理拥有调配本工程现场人力、 物力、财力和优先使用公司其他工程范畴的资源的权利，并负责工程保质保量按时完成。 现场管理工程师： 根据施工进度的要求，负责各分系统工程的施工组织和实施，制 定施工各有关规范，保证本系统工程顺利完成，配合系统集成工程师进行系统调试，向 项目经理负责。 系统集成工程师： 负责技术 主持，及时调整人员安排，合理化安排工程进度。 （6）施工过程中工程项目经理要定期和不定期的抽查工段施工质量， 并及时对工程 质量和安全生产进行监督，保证好工程质量，搞好安全生产。 （7）工程每一阶段完工后，要及时整理工程档案，做好工作总结，为下一阶段打好 基础。 （8）工程施工完毕后，及时组织工程验收，做好工程结算工作。 考虑到 信息化工程项目建设中的条件准备、设备订货及运输、项目施工等因素，工 程实施进 合理化安排工程进度。 施工过程中项目经理和相关质量管理人员要定期和不定期的抽查工段施工质量，并 及时对工程质量和安全生产进行监督，保证好工程质量，搞好安全生产。 工程每一阶段完工后，要及时整理工程档案，做好工作总结，为下一阶段打好基础。 工程施工完毕后，及时组织工程验收，做好工程结算工作。 1.2.9 工期保障措施 我公司有雄厚的技术力量， 并且在以往工程安装中有短期内完成巨额工程量的经验，