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 12 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； 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 DeepSeek-R1 技术 Pipeline 总览

营担保有限公司)相关联的独立成员所全球组织中的成员。 版权所有，不得转载。 智慧银行：以人工智能驱动转型并创造价值 4 正在设法 降低成本 希望能提升 客户体验 人工智能目标明确 已经利用人工智能 获得了较高的收入 实现了收入增长 仅 仅 初期回报 但证明投资回报率颇为不易 表示股东强烈 要求迅速从人 工智能投资中 获得回报 表示人工智能 正从根本上重 塑其业务 性化 营销等特定用例对生成式人工智能开展试验。然而，许 多银行在从此类用例中获取价值回报方面仍面临重重困 难。我们的调研发现，尽管许多金融机构认为人工智能 对其未来发展至关重要，同时也已开始利用人工智能提 升效率，但只有一小部分表示其人工智能投资已能够推 动收入增长。 银行面临着独特的挑战 对许多银行而言，建立一个足够强大的风险管理环境，为 人工智能在更多领域的部署提供支持，特别是在信贷决策 和前瞻洞察主动管理客户需求。在运营中，人工智能代 理能够以无与伦比的速度和精度分析大量数据，从而简 化后台的欺诈检测、合规监控和风险评估等流程。 价值蓝图 为了克服上述挑战，抓住相关机遇，为利用下一代人工 智能技术做好准备，银行应采取精心设计的结构化方法 对人工智能加以应用。本报告介绍了含三个阶段的人工 智能价值框架，以帮助银行确定应优先开展的工作并相 应调整投资，从而充分发挥人工智能的潜力。

模式创新，推进企业整体发展目标的达成。以云为核心的IT基础设施规划与 企业业务规划密切相关，在业务发展的每一个阶段都应起到核心推动作用。 面对业务和技术发展新需求，越来越多的企业开始在已有云设施之外，规 划、建设新的云环境，利用技术的更新和IT架构的迭代，获得新的发展动 力，并通过引入新的合作对象，解决企业当前云环境下存在的问题。多云策 略已经在企业众多应用场景中实现了深度普及与广泛应用，成为企业重要的 云发展战略组 ROI（投资回报率）指标确认多云策略的成功。同时，伴随生成式人工智逐 步落地，推理任务逐渐增加，企业应审慎应对未来AI应用对数据传输、计算 资源等维度的更高要求，以确保推理任务获得更佳的访问性能、资源利用效 率、扩展性、灵活性、安全性和成本优势等。此外，企业在选择新的云服务 商时，应重点考量其对未来多模态、多场景、多技术栈等趋势的综合支撑能 力，确保企业IT技术架构始终具备足够的前瞻性和灵活性。 发各行业领域的“智能革命”，并逐渐成为 创造价值的主要来源。生成式人工智能的早 期应用展示了其在创意艺术、内容和代码生 成以及个性化推荐等领域的潜力。从改善客 户体验到创新性解决问题，有效利用生成式 人工智能的力量并驾驭其相关的复杂性，有 可能塑造行业的未来并推动人工智能驱动世 界的进步。 IDC数据显示，全球企业生成式 人工智能支出规模将从����年 的���.�亿美元增长至����年的

技术愿景2025 | 人工智能：自主宣言 前言2 欢迎来到我们对于2025年的技术展望。这份我们年度科 技趋势报告的第25版，正值技术及人类历史的关键时刻 。随着越来越多的领导者认识到不断革新利用技术、数 据和人工智能的必要性，他们比以往任何时候更需要深 入理解人工智能。为何？因为人工智能技术扩散的速度 前所未有，且仍在加快——在企业层面创造新的创新机 会，包括实现效率的新方法、经营企业核心的方式，以 型发展的未来。 使人们能够自主行动的推动者——为他们提供执行新任 务和比以往任何时候都更好地执行其他任务的能力。考 虑一下，随着人工智能进入新的和陌生的领域，重新构 想的可能性与机遇。为了真正理解和利用这种潜力，企 业将创建他们自己的、独特的AI认知数字大脑，这将彻 底改变技术在其企业以及与员工之间所扮演的角色。这 将极大地颠覆企业技术系统的设计、使用和运营方式； 充当品牌大使；并通过为机器人身体提供动力而在物理 术，这种技术本质上是由于其学习能力而定义的，并且 他们正在 教学 这与业务的一部分有关。当人们使用它 时，他们通常是... 进一步 教授它关于它们的喜好、偏 好和需求。 InSilico Medicine，一家制药公司，利用生成式人工智 能在不到30个月的时间内，完成了从药物发现到一期临 床试验的进程，这大约是通常所需时间的一半。 11 他 们使用了一个基于组学和临床数据的模型进行微调，以 识别药物治疗的潜在靶点。为了开发可能的药物组成，

大模型可以综合考虑电网的负荷需求、不同新能源电站的发电能力、储能设备的状态等多 方面因素，制定出最优的电力调度方案。这有助于提高电网对新能源电力的消纳能力，降低弃风、弃光率，提高新能源发电的利用效率。 10 ◼ 能源管理： 1、电网状态监测与故障诊断：利用 传感器网络收集电网的实时运行数 据，如电压、电流、功率因数等， AI 大模型可以对这些数据进行实时 分析和处理，监测电网的运行状态 。一旦发现异常情况，如电压波动 能源市场的风险管理： 1、价格波动风险：能源价格的波动是能源市场的主要风险之一。AI 大模型可以通过对历史价格数据的分析和建模，预测价格的波 动范围和趋势，帮助能源企业和交易商制定相应的风险管理策略。例如，利用衍生品市场进行套期保值，对冲价格波动风险。 2、信用风险：在能源交易中，交易双方的信用状况直接影响交易的安全性和可靠性。AI 大模型可以通过对交易对手的信用记录、财 务状况和市场声誉等信息的分析 大模型可以预测设备未来可能出现的故障类型、时间和严重 程度，并提前发出预警。这使得能源企业能够有足够的时间 安排维护人员进行检修，避免设备突发故障导致的生产中断 和经济损失。比如，在核电站中，利用 AI 大模型对反应堆 的关键设备进行故障预测，保障电站的安全运行。 （一） 18 ◼ 能源网络优化与安全管理数字化： 3、智能维护计划制定：根据设备的运行状况、维护历史 和预测的故障信息，AI

的受访高管表示其组织正在利用 AI 进行创新，以把握新机遇并创造新的业务 模式。 2025 年，领导者有望实现重大转变。46% 的受访高管表示其组织将扩大 AI 的应用规模，利用 它来优化流程和系统；而有 44% 的受访高管计划利用 AI 来开展创新工作。只有 6% 的受访高 管表示其组织仍将处于实验。 要将这一势头转化为真正的业务价值，领导者需要赋予员工权力，让他们充分利用这一触手可 及的 及的技术。这意味着要实现决策民主化，并为员工提供成功所需的工具和培训。人才是利用 AI 制胜的秘诀，但如果没有战略性再培训、安全护栏和决策支持，仅凭人才是无法取得成功的。 2025 年五大趋势：人智共创未来 点燃创新纪元 4 本研究是 IBM 商业价值研究院 “五大趋势” 系列报告的第六期，旨在分享战略性洞察， 帮助组织领导者规划未来。 本报告基于过去 12 个月进行的全面研究，借 年五大趋势：人智共创未来 点燃创新纪元 7 在这样的形势下，64% 的受访 CEO 表示，AI 制胜的关键将更多取决于员工对技术的采用，而 非技术本身。 4 然而，64% 的受访 CEO 认为其组织必须充分利用那些变化速度快于员工适应 能力的技术。 5 47% 的受访高管表示其员工缺乏在整个组织中有效实施和扩展 AI 所需的知识 和技能。 部分问题在于培训不足。尽管受访高管普遍表示 AI 素养是其员工在

智算产业现状总览 影响智算中心满负荷运行的主要因素 市场需求不足，导致算力利用不充分 运维管理能力不足，影响算力发挥 电力消耗大，运营成本高，限制了满负荷运行 硬件资源利用率低，技术问题导致算力未充分利用 不确定 来源：与非研究院 市场需求不足、促成更多商用落地是目前最大障碍，但运维管理、成本控制和资源利用等问题也不容忽视。 9 Supplyframe, Inc. Confidential 技术挑战 ｜ 集群规模扩大导致故障率上升，算法效率提升与算力需求增长并存。 架构演进 ｜ 单节点性能提升+横向扩展并行，推理需求驱动芯片架构创新。 应用落地 ｜ AI与实体经济深度融合，需解决算力利用率低、场景适配不足问题。 长期趋势 ｜ DeepSeek等算法优化主导发展，智算中心成为数字经济核心驱动力，前景广阔但 需持续突破能耗与成本瓶颈。 30 Supplyframe, Inc. Confidential distribute. 4. 未来挑战与趋势 提高智算中心运行效率的途径 优化运维管理，提升硬件资源利用率 提高算力需求，增加使用场景 降低运营成本，如通过绿色节能技术减少电力消耗 加强技术创新，提升智算中心的算力服务能力 不确定 来源：与非研究院 优化运维管理、提升硬件资源利用率是提高智算中心运行效率的关键，同时增加算力需求、降低运营成 本等也是重要途径。 32 Supplyframe

《2025年技术创新报告》 包容性人工智能与发展 概述 iiiiii 前言 第4页 引言 第7页 页面 17 设计人工智能的国 家级政策 第1页 人工智能技术前沿 第11页 准备抓住人工智能 机遇 利用人工智能提高生 产力和员工赋权 第23页 全球合作 为了包容和公平的 人工智能 ©2024联合国贸易和发展会议 前言 iv 前沿技术，尤其是人工智能，正在重塑经济和社会的运作方式。然而， 的经济和社会 ，重塑生产流程、劳动力市场以及我们生活和互动的方式。人工智能是 否会加速实现可持续发展目标，还是会加剧现有的不平等，使弱势群体 进一步落后？发展中国家如何利用人工智能实现可持续发展？ A 人工智能在技术前沿 B 利用人工智能提高生产力和工人赋权 C 准备抓住人工智能机遇 D 设计人工智能国家政策 E 全球合作，实现包容和平等地使用人工智能 引导人工智能走向共同繁荣 人工智能正在重塑 人工智能，以便在可持续和包容性发展的承诺和风险中找到方向。 近几十年的经验表明，由人工智能驱动的转型涉及三个关键杠杆点——基础设施、数 据和技能（图4）。 人工智能在发展中 具有巨大潜力但也 存在风险——了解 的领导力是利用人 工智能实现可持续 和包容性发展的关 键。 （a） 基础设施 需求范围超出了基本的电力和互联网接入，包括计算能力和服务器功 能，用于处理数据、运行算法和执行模型。 版权符号 技能 涵盖广泛的范

产业和应用渐次导入的规律，推动核心技术攻关。充分发挥科 研院所、高校和企业在技术攻关、成果转化中的创新主体作用， 形成技术产业发展合力。 绿色低碳，安全可靠。坚持绿色低碳发展，全面提升算力 设施能源利用效率和算力碳效（CEPS）水平。统筹发展与安全， 进一步强化网络、应用、产业链安全管理和能力建设，构建完 善的安全保障体系。 （三）主要目标 到 2025 年，计算力方面，算力规模超过 300 优化算力设施建设布局。按照全国一体化算力网络国家 枢纽节点布局，京津冀、长三角、粤港澳大湾区、成渝等节点 面向重大区域发展战略实施需要有序建设算力设施；贵州、内 蒙古、甘肃、宁夏等节点推进数据中心集群建设同时，着力提 升算力设施利用效率，促进东西部高效互补和协同联动。加强 数据中心上架率等指标监测，整体上架率低于 50%的地区规划 新建项目应加强论证。支持我国企业“走出去”，以“一带一 路”沿线国家为重点布局海外算力设施，提升全球化服务能力。 1. 优化算力高效运载质量。探索构建布局合理、泛在连接、 灵活高效的算力互联网。增强异构算力与网络的融合能力，通 过网络的应用感知和资源分配机制，及时响应各类应用需求， 实现计算、存储的高效利用。针对智能计算、超级计算和边缘 5 计算等场景，开展数据处理器（DPU）、无损网络等技术升级 与试点应用，实现算力中心网络高性能传输。 2. 强化算力接入网络能力。推动城域光传输设备向综合接

大模型正从“能用”迈向“好用”和“实用 ”，从技术创新演变为推动组织变 革的核心引擎，引领企业的智能化转型。 1 2 3 具备高 AI 力的个体能够显著提升工作效率和质量。 他们能够更好地 理解 AI 的优势和局限性，更有效地利用 AI 工具完成任务，并从 AI的 输出中获得更深入的洞察。 7 4 5 6 核心洞察 02 目录 引言 核心洞察 结论与展望 AI 在企业中的应用现状 1.1 中国 AI 市场规模不断扩大，投资及应用 STEP 02 STEP 03 试点验证阶段：AI 的工具化应用 阶段特点： 快速见效、风险可控 投入成本相对较低 应用范围局部性强 以效率提升为主要目标 典型案例： 营销领域：利用 AI 生成营销文案、个性化推荐 客服领域：智能客服机器人初步应用 运营领域：数据分析和预测性维护 行政领域：智能会议纪要、文档处理自动化 扩展深化阶段：AI 的产品化整合 阶段特点： 系统性应用部署 。 市场分析和趋势预测：精准洞察市场，优化营销策略 利用 AI 分析消费者行为、社交媒体趋势、经济指标等数据，帮助零售商预测未来 销售趋势 基于消费者购买趋势和偏好的变化，及时调整产品线和营销策略 医学教育与培训：虚拟病例训练，优化教学内容 模拟真实临床场景，为医学生和医生提供虚拟病例训练，提升他们的临床决策能 力和实践技能 利用 AI 分析医学教育数据，为教学内容和方法的优化提供数据支持，提高教学质量