2 OpenAIo1 开启后训练 Post-Training 时代下的 RL 新范式：后训练扩展律 Post-Training Scaling Law DS-R1 独立发现了一些通往 o1 路上的核心理念，并且效果还好到受到了 OpenAI 的认可 如何通过有效的 Test-Time Scaling 和 Train-Time Scaling 提升模型的推理能力？ 对推理链的质量进行细致的评估，并通过奖励机制引导模型生成更加合理、准确的推理过 程。 多目标优化：兼顾推理性能、帮助性和安全性； 蒸馏的潜力：蒸馏可以帮助将更大模型通过 RL 发现的高阶推理范式蒸馏到小模型中，这比用小 模型直接使用大规模 RL 发现的推理范式要更加有效； 基于群组的相对策略优化 (GRPO) : 通过构建多个模型输出的群组，并计算群组内的相对奖励来 估计基线，从而避免了传统 DeepSeek 利用蒸馏 R1 的手段获得了一系列小模型，表现非常突出。这很大程度得益于 R1 模型足够强大， 发 现了很多高阶推理范式，而这些高阶推理范式是小模型直接利用大规模强化学习难以发现的（可以认为 是由 于预训练知识不足），因此这些蒸馏得到的小模型表现比较突出，甚至超过了基于大规模 RL 的方法。 技术对比讨论：蒸馏 vs 强化学习

◼ 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 、电流过载、设备故障等，能够及 时发出警报，并对故障进行诊断和 定位，帮助运维人员快速排除故障 ，提高电网的可靠性和稳定性。 2、储能设备的优化控制：对于电池储能、抽水蓄能等储能设备，AI DeepSeek可以作为智能助手，帮助科研人员进行 数据分析、模型建立、方案设计等工作，加速能 源技术的创新和突破。例如在新能源电池设计中， 让DeepSeek生成多个设计概念和初步方案，通过 模拟分析发现新的材料组合和结构设计。 4一、能源生产与管理 （一） 4二、能源市场与交易 （一） 13 ◼ 市场供需分析与预测： 1、需求预测：根据经济发展、人口增长、产业结构变化等因素，Dee 部 门及时发现供需失衡的情况，并采取相应的调控措施，如调整能源价格、增加能源供应或引导需求侧管理，以维护能源市场的稳定。 14 ◼ 能源交易的辅助决策： 1、交易机会识别：Deepseek等AI大模型可以实时监测能源市场的各种信息，如价格波动、交易量变化、政策法规的发布等，从中识 别出潜在的交易机会。例如，当某个地区的能源价格由于突发事件而出现大幅波动时，模型可以及时发现并提示交易商抓住这个机会

经实现了通用人工智能解决方案的规模化，仅有13 %的人报告称实现了显著的企事业级影响。随着我 们将2025年视为规模化人工智能的年份，我们正在 积极为他们提供更快、更安全地实现这一目标的工 具。 我们的研究发现，77%的执行官认为，只有在建立在信 任基础之上时，才能解锁AI的真实益处。领导者必须通 过确保AI的准确性、可预测性、一致性和可追溯性，以 及负责任地使用AI，在客户和员工中建立对数字系统和 AI 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， 他们使用了一个由500个预测和预训练模型组成的生成 聊天机器人对话、产品推荐——用例不断增长。但当客 户发现产品照片是由AI生成时会发生什么？或者如果他 们相信自己是在与客户服务代表交谈，结果却发现全程 都是AI代理？这些互动可能会让客户感到被商家欺骗。 系统开始承担整个工作流程或客户互动，无需持续的人 为干预，同时保持战略监督。利用这种自主性将扩展企 业认为可能性的极限。Accenture的研究发现，凭借其重 新构想和增强复杂任务的能力，生成式人工智能有望在

很多公司参与开源，帮助改进产品，众人拾柴火焰高， 反哺开源产品，形成正循环 政企、创业者必读 DeepSeek出现之前的十大预判 之十 中美差距快速缩小  美国预训练堆算力的路线不可持续，有待发现新范式“换道超车”  软件和算法差距并不大，主要差距在工程、硬件等方面 23 政企、创业者必读 DeepSeek的出现验证了我们的预判 而DeepSeek的创新更具颠覆性 24 政企、创业者必读 AlphaFold 1. X射线晶体衍射 2. 核磁共振 3. 冷冻电子显微镜 1. 利用Transformer的预测能力， 2. 直接从蛋白质的氨基酸序列 3. 中预测蛋白质的3D结构 靠肉眼观察，几年才能发现一个复杂蛋 白质结构，半个世纪预测了20多万种 从数年缩短到几分钟，解开了生物学密码 成功预测了地球存在的2亿种蛋白质结构 45 政企、创业者必读  DeepSeek典型的四大安全问题：客 课题，进一步服务政府、城市、企业智能化升级。 周鸿祎荣获全国劳动模范、国家百千万人才工程有突出贡献 中青年专家、2023年度“北京学者“等荣誉称号。 74 政企、创业者必读 政企、创业者必读 • 国家级网络攻击的发现、捕获、抵御能力全球领先 • 安全大数据 (攻击样本库、病毒基因库、安全知识库 等)规模全球领先 • 安全人才规模全球领先 • 漏洞挖掘能力全球领先 四个全球领先 世界的360 • 实战

的多语言功能为不同地区的客户提供本土化的智能服务，减少人工客服依赖， 降低运营成本 11 客户关系管理：提升客户忠诚度，促进长期发展 深度分析客户数据和行为模式，为销售团队提供客户关系管理支持 评估客户忠诚度和潜在价值，及时发现潜在问题并采取措施，帮助企业留住高价 值客户 高效招聘与精准筛选：提升招聘效率，提高人才选拔精准度 AI 驱动的招聘工具可以根据岗位描述和企业需求，快速筛选出符合岗位要求的候 选人 分析简历、 的 人才需求 提升员工满意度：营造积极的工作氛围，提升员工的整体体验 实时监测员工反馈和行为数据，收集员工的意见和建议，为企业提供即时的反馈 渠道 通过定期的员工满意度调查和实时反馈机制，及时发现问题并采取措施，提升员 工满意度 12 根据 IBM 发布的《2023 年全球 Al 采用指数》，无论是处于 AI 探索阶段还是已经开展 AI 应用的企业，最突出的痛点是组织缺乏 AI 专业知识/技能。这一问题正成为制约企业 Futurum Group 发布了研究报告《CEO 是否 已准备好把握 AI 潜力？》，该报告调研了全球 200 多位企业年收入超 10 亿美元的 CEO，揭示了企业 AI 落地的现状与挑战。 调研发现，虽然 89% 的受访 CEO 认可 AI 的战略重要性，超半数的 CEO 表示正面临 来自企业内部推动 AI 转型的迫切压力，但只有四分之一的 CEO 表示其组织已经为全面 整合 AI 做好充分准备。

台化的特 征，表现为多条热线沟通、一个总台受理、处置多种事项，或者是一条热线沟通、 一个总台受理、处置复合事项。此外，随着大数据分析技术的成熟，政务热线数 据背后的社会价值开始得到重视，并用以发现社会问题，辅助政府科学决策。其 “用数认知、循数决策、依数施策”的特征明显地区别于信息化阶段，并演化为 政务热线系统的深层本能和基础能力。 三是智能化升级阶段。当前，人工智能在社会各领域的日益深入，对国家与 月，习近平总书记在中央深改委第五次会议上对北京市党建引领“街 乡吹哨、部门报到”改革给予了充分肯定，对推进党建引领基层治理体制机制创 新提出了明确要求。该阶段尚未将政务热线纳入改革，而是将与群众生活直接相 关的街乡镇作为问题的发现者，通过街乡镇吹哨上级职能部门，推动后者下沉基 层，与街乡镇、社区等基层治理主体协同开展治理。 二是“接诉即办”阶段。2019 年起，北京市提出“市民的诉求就是哨声”， 并将 12345 市民服务热线（以下简称 焦市民反映最集中的民生问题，全面加强主动治理、源头治理，推动接诉即办改 革向主动治理、未诉先办深化。2021 年 11 月，北京市委深改委通过了《关于推 动主动治理未诉先办的指导意见》，探索将诉求问题转变为主动治理任务，拓宽 主动发现问题的渠道，并对“每月一题”、治理类街乡镇等改革探索进行了固化 提升。 2.改革成效 回顾 2017 年以来的改革历程，“接诉即办”改革以一条热线撬动城市治理 变革，在自上而下组织保障、“以

台化的特 征，表现为多条热线沟通、一个总台受理、处置多种事项，或者是一条热线沟通、 一个总台受理、处置复合事项。此外，随着大数据分析技术的成熟，政务热线数 据背后的社会价值开始得到重视，并用以发现社会问题，辅助政府科学决策。其 “用数认知、循数决策、依数施策”的特征明显地区别于信息化阶段，并演化为 政务热线系统的深层本能和基础能力。 三是智能化升级阶段。当前，人工智能在社会各领域的日益深入，对国家与 月，习近平总书记在中央深改委第五次会议上对北京市党建引领“街 乡吹哨、部门报到”改革给予了充分肯定，对推进党建引领基层治理体制机制创 新提出了明确要求。该阶段尚未将政务热线纳入改革，而是将与群众生活直接相 关的街乡镇作为问题的发现者，通过街乡镇吹哨上级职能部门，推动后者下沉基 层，与街乡镇、社区等基层治理主体协同开展治理。 二是“接诉即办”阶段。2019 年起，北京市提出“市民的诉求就是哨声”， 并将 12345 市民服务热线（以下简称 焦市民反映最集中的民生问题，全面加强主动治理、源头治理，推动接诉即办改 革向主动治理、未诉先办深化。2021 年 11 月，北京市委深改委通过了《关于推 动主动治理未诉先办的指导意见》，探索将诉求问题转变为主动治理任务，拓宽 主动发现问题的渠道，并对“每月一题”、治理类街乡镇等改革探索进行了固化 提升。 2.改革成效 回顾 2017 年以来的改革历程，“接诉即办”改革以一条热线撬动城市治理 变革，在自上而下组织保障、“以

，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 云发展战略组成部分。IDC多云战略调研发现：目前，��%的中国企业已经构 建多云/混合云环境，被访企业平均拥有�个公有云服务商，�个私有云服务 商；��%的中国企业将在当前和未来�-�年持续选择多云部署模式，有意识地 将资源、业务和服务能力分散到多个云平台上。 有机关系，实现可持续、高质量的创新发展。 ����年，IDC针对中国企业多云战 略展开调研，覆盖互联网、金融、 制造、医疗、能源和公共事业、交 通和教育等行业。《����年IDC中 国企业多云战略调研》发现：目 前，中国��%的企业已经构建多云/ 混合云环境；其中，超过��%的受 访企业从����年、����年开始实施 多云策略，基本上都兼顾使用了公 有云和私有云环境；在云厂商的选 择上，被访企业平均拥有�个公有 企业云战略现状 来源：IDC，���� �% ��% ��% 仅使用单个云服务商 提供的私有云 仅使用单个云服务商 提供的公有云 多云、混合云 �� 针对企业云环境建设和使用经验的研究发现，企业在面对新的发展要求时，通常 会深入分析各类平台的扩容和技术路线，根据自身需求选择引入新的云环境，并 利用多云协同支撑未来的业务拓展需求，在此过程中积累了诸多具有代表性的多 云应用场景：

的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 来的新需求。 3 1.2 提效主导下的 AI 购置动力 与政策主导下的 AI 需求不同，早期提效主导下的 AI 需求没有引导、没有给定的形态， 它需要企业自身从医院的临床、运营、管理等流程中发现真正痛点，且当 AI 解决这一 痛点时，能够为医院带来直观的收益。 众多场景之中，影像 AI 是最早出现也是最为直观的例子。作为 AI 领域应用最为广泛的 应用之一，此类 AI 能够帮助医生处 提效主导下的 AI 购 置动力将逐步取代政策主导下的 AI 购置动力，引导医疗 AI 的未来发展路径。 1.3 部分主体对于医疗 AI 的购置态度 通过 20 余位医生/行业专家进行访谈，我们发现上述两类动力加持下，医疗体系各个主 体对于 AI 的购置态度呈现一定差异。 影像 AI 方面。许多主任级医生均表示常常在工作中使用影像 AI，愿意同影像 AI 企业合 作，大部分主任级以下医生承认

代表⼼⽣抵触情绪：影响⼯作积极性 难以规模化：培训⽼师⼈⼒与精⼒有限 代表学习改进， 在下次拜访中做的更好 新⽅式 AI 辅助实践， 实践中提升能⼒ 反馈更真实：通过真实拜访和⾃讲过程发现问题 激发代表学习的⾃驱⼒：发现问题，⾃发改进 提升代表⼯作效率：代表把⼯作和学习结合在⼀起 可规模化：借助 AI 规模化打分，不再有培训⼈⼒瓶颈限 制 代表培训： AI 辅导，实战中提升专业能 ⼒ 语⾳⾃动转录拜访⽂字