加持下的长度泛化 \ 推理范式的涌现 DeepSeek-R1 社会及经济效益 技术对比探讨 STaR-based Methods vs. RL-based Methods 强推理路径对比 (DS-R1 \ Kimi-1.5 \ o- series) 蒸馏 vs. 强化学习驱动：国内外现有各家技术路线对比分析及 Takeaways PRM & MCTS 的作用 从文本模态到多模态 其他讨论： 额外近似价值函数，而是利用同一问题下多个采样输出的平均奖励作为基线。具 体而 言，对于每个问题 ， GRPO 从旧策略 πθold 中采样一组输出，并通过最大化以下目标优化策略模型： 通过群组相对方式计算优势值，与奖励模型的对比性质（通常基于同一问题的输出比较训练）天 然 契合；此外， GRPO 直接将策略模型与参考模型的 KL 散度作为正则项加入损失函数，而非将 其混入 DeepSeek-R1 技术剖析： GRPO 赋能 长文本能力是关键：核心洞察是长文本能力是强化学习训练 LLM 的关键，而不是更复杂的训练技巧。 长文本到短文本：通过长文本 CoT 模型来指导短文本 CoT 模型的训练，从而在有限的计算资源下 获 得更好的性能。 技术对比讨论： Kimi K1.5 Moonshot 28 Kimi K1.5

加入Diffusion的视觉模型），部分新的多模态模型架构 大模型的发展阶段 生成模型 ref:中文大模型基准测评2024年度报告(2025.01.08) 推理模型 生成模型与推理大模型的对比 比较项 OpenAI GPT-4o（生成模型） OpenAI o1（推理模型） 模型定位 专注于通用自然语言处理和多模态能力，适合日常对 话、内容生成、翻译以及图文、音频、视频等信息处 理、生成、对话等。 能基础技术的研究与开发 公司成立背景与 发展历程 大语言模型(LLM) 的创新应用 投资者背景与市 场定位 里程碑 DeepSeek模型系列 DeepSeek最新的生成模型和推理模型版本对比 比较方面 生成模型（V3） 推理模型（R1） 设计初衷 想要在各种自然语言处理的任务中都 能表现好，更通用 重点是为了搞定复杂的推理情况，比如 深度的逻辑分析和解决问题 性能展现 在数学题、多语言任务还有编码任务

.................. 11 图表 12： HVDC 高压直流供电系统与传统交流供电系统（UPS）和 48V 直流供电系统结构对比 .......................... 11 图表 13： 各数据中心供配电方案参数对比一览 ..................................................................... 系统整体可靠性更高；在负载分配方面， UPS 存在三相交流电不平衡的问题，HVDC 不受干扰。 图表12： HVDC 高压直流供电系统与传统交流供电系统（UPS）和 48V 直流供电系统结构对比 资料来源：《HVDC Power Supply System Implementation, NTT Techincal Review》，华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 12 工业/能源 图表13： 各数据中心供配电方案参数对比一览 中压直供直流 2N 系统 （巴拿马电源） 传统高压直流 2N 系统 （HVDC） 传统高压直流+市电直供 （HVDC） 传统 UPS 2N 系统 （UPS）

公司新增管线/适应症............................................................26 图表 22 固态研发传统研发方法与自动化方法关键步骤对比..................................... 27 图表 23 2022-2024 医疗 AI 领域不同细分领域融资情况...................... 年“一带一路”高贡献医疗设备出口结果..................................................47 图表 38 医疗领域判别式 AI 与生成式 AI 对维度对比....................................................49 图表 39 2024 年新发布的部分医疗大模型（上）................. 一 证和腹部手术规划领域第一证，依托医学影像实现“手术规划胸腹二件套”黄金组合，成 功打入百亿外科手术规划市场的核心。 2. 特定脏器实现突破 图表 7 针对肝脏与肺部 AI 医疗软件多维度对比 资料来源：公开信息整理 相较于肺部，AI 在研发肝脏辅助诊断软件时会遇到一系列独特的困难。首先是成像技术 较为复杂，相对于肺的 CT 扫描而言，肝脏 CT 扫描效果受到很多因素影响，比如多期

接方案，这是因为他们对技术限制存在先入 为主的观念，同时也考虑到是否有办法克服这些限制、平台的可用性以及成本等因素。表1 对比了消费者和企业在连接IoT设备时所考虑的八个方面。前五个方面（绿色高亮）有切实 可行的解决办法，但后三点（橙色高亮）则没有。 这种对比十分微妙，因此在将这些准则应用于特定的企业用例之前，请仔细阅读以下注释并 自行开展研究。本分析以Matter标准作为“类Ma

的组合 不具备光学变焦能力 81% 63% 150% 0% 20% 40% 60% 80% 100% 120% 140% 160% 全球增长 大中华 海外 华为P20销量对比P10（截止2018年6月） 多种三摄方案有望面市：除了“黑白+彩色+长焦”的方案外，预计也将有别的三摄单排方案面市，为手机厂商及消费者提供更 多选择。 不同三摄配置的特性 华为 P20 Pro zoom）有着本质的不同，可以简单的认为数字变焦为“假变焦”。 光学变焦是目前用户对于手机拍照功能的主要诉求点之一，但是变焦镜头非常依赖于光学透镜的组合设计。 数字变焦效果差 潜望式+马达可实现无级光学变焦 潜望式与普通堆叠式镜头对比 堆叠式 潜望式 背盖面 突出 平面 光学变焦 2-3X ＞3X 镜片数 3P-6P ＞6P 入光量 较多 较少 成像品质 较好 较差 镜头体积 较大 较小 潜望式可实现高倍平滑光学 玻璃镜头 混合镜头 工艺难度 低 高 高 量产能力 高 低 低 成本 低 高 高 热膨胀系数 低、不易形变 高 介于前二者之间 透光率 可达92% 可达99% 介于前二者之间 不同类型镜头对比 数据来源：国泰君安证券研究 数据来源：国泰君安证券研究 数据来源：国泰君安证券研究 1.3 37 电子行业2019年春季投资策略 摄像头竞争格局：强者恒强，龙头厂商前景更佳  马达：OIS推升马达用量，中国企业正在崛起

进行整合，在数据层面设计业务流程相关各类监控及展示指 标体系，在分析层面使用机器学习、深度学习算法，对结构 化、非结构化数据进行深入挖掘，并最终通过智慧大屏、管 理驾驶舱对业务运营情况进行一体化展示，通过对比分析、 趋势分析、热点分析等分析方法，结合丰富图表展示，构建 业务运营的数字孪生智能管理驾驶舱（见图 12）。 图 12 中电金信数字孪生智能运营驾驶舱整体架构 3.应用实践 中电金信数字孪生智能运营驾驶舱，以金融机构的业务 客户管理等六大类，32 个小类，共计 700+指标信息项，形 46 成业务全流程闭环孪生体。同时借助先进的可视化技术，通 过实时数据监控及分析、历史趋势分析、分支机构纵向比较、 同业横向对比等，从不同角度全方位动态刻画分析经营情 况，结合年度目标、绩效考核、合规管理等大类分析目标， 帮助金融机构经营管理者提升管理水平，从而确保整体经营 战略的顺利落地执行。数字孪生智能运营驾驶舱的核心功能

原因选择与Mobileye合作 特斯拉和Mobileye宣布终止 合作，开始转向自研 发布“影子模式”(shadow mode)：算法在影子 模式下做持续模拟决策，并且把决策与驾驶员的 行为进行对比，一旦两者不一致，该场景便被判 定为极端工况，进而触发数据回传。 2015.4 2017-2019 2020 2013.9 2016.7 2019.4 2021年增加时序信息；2022年 通过BEV、Occupancy Network等神经网络算法获得 了这一能力，使得天生拥有这一能力的激光雷达重 要性下降。 请务必阅读正文之后的免责条款部分 图46：具有NOA功能的车型感知方案对比 资料来源：易车网，牛塘行研，国元证券研究所 感知层：传感器数量减配、性能提升 44 算法迭代和传感器性能提升，将会带来同等智驾功 能所需的传感器数量减配或传感器种类变化。例如， 华为2023年4月发布的自动驾驶ADS2 爆发。目前，支持城市NOA的车型版本（包括选配） 普遍配备激光雷达，即便是部分现阶段仅支持高速NOA的车型，由于后期还有拓展城市NOA的规划，多数也都配置了激光雷 达。 表11：主要激光雷达供应商对比 企业 技术/产品优势 客户 商业进展 价格 速腾聚创 自研MEMS芯片技术、车规级激光雷达、超长 距与短距探测技术。已经推出了M1、M2和M3 三大固态激光雷达平台，涵盖中短距至超长 距（300米）场景。

不足，帮助管理层量化分析各个团队和部 门在 AI 转型中的优势与短板，从而制定更 针对性的人才赋能方案。 在实际应用层面，UMU 的 AI 力测评工具 突破了传统一次性评估的局限，通过持续 追踪员工 AI 力的提升轨迹，精准对比员 工在 AI 赋能培训前后的变化，有效衡量 培训效果与投资回报，确保企业的 AI 力 的稳步提升。 在人才管理方面，AI 力测评正成为人才选拔的重要参考，以数据驱动的方式客观评估员 工的 AI

业务上占比较小，为更好聚焦其供需分析，本供需模型中供给端未直接引入运营商业务情况，而作单独分析，详见附录。 • 模型优化与交叉验证：在模型搭建过程中，我们从多重视角反复核验数据的准确性与模型的合理性。通过交叉对比、趋势分析等多种方式， 不断优化模型，力求使其结果尽可能贴近行业实际情况，为深入分析算力中心行业定制批发业务的市场供需状况提供了有力的支撑。 资料来源：灼识咨询 算力中心服务商位于算力产业链的中 Sonnet V2 2024年10月 2.2元 / 21.8元 108.8元 Llama 3.1 405B 2024年7月 18.1元 / 36.4元 116.0元 主流AI模型API服务收费价格对比 注：1.输入费用与输出费用均以每百万Tokens计算，海外大模型费用以人民币兑美元汇率折算。 ➢ 在保持同等卓越性能的前提下，开源的DeepSeek模型大幅削减了AI应用开发者的成本投入，