DeepSeek-R1 \ Kimi 1.5 及 类强推理模型开发解读 陈博远 北京大学 2022 级“通班” 主要研究方向：大语言模型对齐与可扩展监督 https://cby-pku.github.io/ https://pair-lab.com/ 北大对齐小组 DeepSeek-R1 开创 RL 加持下强推理慢思考范式新边界 DeepSeek-R1 Zero 及 R1 技术剖析 Train-Time Scaling 提升模型的推理能力？ 得益于纯大规模强化学习 ， DeepSeek-R1 具备强大推理能力与长文本思考能力，继开源来备受关注。 DeepSeek R1-Zero 和 R1 的出现再次证明了强化学习的潜力所在： R1-Zero 从基础模型开始构建，完全依赖强化学习，而不使用人类专家标注的监督微调（ SFT ）； 随着训练步骤增加，模型逐渐展现出长文本推理及长链推理能力； 理能力； 随着推理路径增长，模型表现出自我修复和启发式搜索的能力； DeepSeek-R1 开创 RL 加持下强推理慢思考范式新边界 3 的惊人成绩，表现与 OpenAI-o1-1217 相当。 在编码相关的任务中表现出专家水平， 在 Codeforces 上获得了 2029 Elo 评级，在竞赛中表现

济的科技竞争力。经过多年持续投资布局，我国人工智能产业体系逐步完善，基础层、模型层及应 用层不断升级优化，实现了人工智能、大数据等数据智能技术与实体经济的广泛融合。2025年2月， 中共中央总书记、国家主席、中央军委主席习近平在京出席民营企业座谈会并发表重要讲话，强调 民营企业的关键角色与发展前景，进一步强调了人工智能产业的战略地位。 2025年初，以DeepSeek为代表的国产开源大模型掀起热潮，其高性能、低成本的特点迅速吸 引了国内外开发者和企业的关注，推动了中国AI生态的开放性和竞争力的进一步提升。这一风潮不 仅加速了模型层的国产化创新，也为中小企业提供了更易获取的 AI 工具，激发了应用层的创新活力， 成为中国AI产业发展的标志性事件。 艾瑞人工智能研究团队延续六年行业研究经验，在第七年聚焦人工智能产业的发展环境、产业 进程及产品动态，深入探讨技术驱动、产业机遇、商业模式及挑战等核心议题，为市场提供前瞻性 动能。资本市场持续关注AI，投资重点聚焦于语言与多模态模型应用、芯片、算力服务等领域， 基础层与应用层协同发展，不断完善产业生态。社会层面，生成式AI的普及加速了市场教育， 公 众 接 受 度 显 著 提 升 ， 但 就 业 替 代 、 隐 私 安 全 等 问 题 仍 引 发 一 定 焦 虑 。 技 术 方 面 ， Transformer架构依然主导大模型发展，研发侧通过强化学习、思维链优化提升模型推理能力， 同时加速跨模态

济的科技竞争力。经过多年持续投资布局，我国人工智能产业体系逐步完善，基础层、模型层及应 用层不断升级优化，实现了人工智能、大数据等数据智能技术与实体经济的广泛融合。2025年2月， 中共中央总书记、国家主席、中央军委主席习近平在京出席民营企业座谈会并发表重要讲话，强调 民营企业的关键角色与发展前景，进一步强调了人工智能产业的战略地位。 2025年初，以DeepSeek为代表的国产开源大模型掀起热潮，其高性能、低成本的特点迅速吸 引了国内外开发者和企业的关注，推动了中国AI生态的开放性和竞争力的进一步提升。这一风潮不 仅加速了模型层的国产化创新，也为中小企业提供了更易获取的 AI 工具，激发了应用层的创新活力， 成为中国AI产业发展的标志性事件。 艾瑞人工智能研究团队延续六年行业研究经验，在第七年聚焦人工智能产业的发展环境、产业 进程及产品动态，深入探讨技术驱动、产业机遇、商业模式及挑战等核心议题，为市场提供前瞻性 动能。资本市场持续关注AI，投资重点聚焦于语言与多模态模型应用、芯片、算力服务等领域， 基础层与应用层协同发展，不断完善产业生态。社会层面，生成式AI的普及加速了市场教育， 公 众 接 受 度 显 著 提 升 ， 但 就 业 替 代 、 隐 私 安 全 等 问 题 仍 引 发 一 定 焦 虑 。 技 术 方 面 ， Transformer架构依然主导大模型发展，研发侧通过强化学习、思维链优化提升模型推理能力， 同时加速跨模态

AI能帮助人解决登陆火星、能源自由的问题 5 政企、创业者必读 大模型是真智能，是人工智能的重大拐点。你相不相信？ 大模型是一场工业革命，将重塑所有产品和业务。你相不相信？ 不拥抱AI的组织和个人，会被拥抱AI的组织和个人淘汰。你相不相信？ 建立AI信仰 6 政企、创业者必读 大模型不是泡沫，而是新一轮工业革命的驱动引擎 蒸汽革命 电气革命 信息革命 以大模型为代表的 人工智能革命 人工智能是新质生产 展注入强大动能 大模型的进一步突破将引领人类社会进入智能化时代，对我们的生活方式、生产方式带来巨大变革 重塑经济图景 解决复杂问题 7 政企、创业者必读 8 AI不仅是技术革新，更是思维方式和社会结构的变革 国家 产业 个人 企业 政企、创业者必读 人工智能发展历程（一）  从早期基于规则的专家系统，走向基于学习训练的感知型AI  从基于小参数模型的感知型AI，走向基于大参数模型的认知型AI 从基于小参数模型的感知型AI，走向基于大参数模型的认知型AI  从擅长理解的认知型AI，发展到擅长文字生成的生成式AI  从语言生成式AI，发展到可理解和生成声音、图片、视频的多模态AI  从生成式AI，发展到推理型AI 专家系统 感知AI 认知AI 生成式AI 多模态AI 推理式AI 9 政企、创业者必读 人工智能发展历程（二）  从单纯对话的大模型AI，发展到具有行动和执行能力的智能体AI  从数字空间中的AI，走向能理解和操控物理空间的AI

人工智能概念辨析 DeepSeek R1 大模型原理 落地应用 目 录 C O N T E N T S 人工智能概念辨析 PART 01 大模型相关术语 l 多模态 Ø 文本、图片、音频、视频 l AI工具（国内） Ø DeepSeek、 豆包、Kimi、腾讯元宝、智谱清言、 通义千问、秘塔搜索、微信搜索... l 通用模型 Ø 大语言模型（LLM，Large Language Model） Model） Ø 视觉模型（图片、视频） Ø 音频模型 Ø 多模态模型 Ø …… l 行业模型（垂直模型、垂类模型） Ø 教育、医疗、金融等 大模型的前世今生 •人工智能：让机器具备动物智能，人类智能，非人类智能（超人类智能） •运算推理：规则核心；自动化 •知识工程：知识核心；知识库+推理机 •机器学习：学习核心；数据智能（统计学习方法，数据建模） •常规机器学习方法： •Transformer架构：可以并行矩阵计算（GPU），核心是注意力机制（Attention） •编码器（BERT）：多数embedding模型，Ernie早期版本，……. •混合网络：T5、GLM •解码器（GPT）：大语言模型（LLM），也是传统的多模态模型的核心 •生成式人工智能（GenAI）：AIGC •DeepSeek、Qwen、GLM、Step、MiniMax、hunyuan、kimi、……

业 务 智 能 编 排 完 整 性 业 务 智 能 编 排 识 别 率 业 务 智 能 编 排 语 义 一 致 性 �������� DeepSeek R1 DeepSeek V3 模型C 模型D 模型E 95.00% 96.00% 91.20% 89.00% 89.00% 91.60% 93.00% 94.00% 94.40% 90.20% 90.20% 80.81% 推 断 合 理 性 业 务 智 能 编 排 隐 含 信 息 理 解 业 务 智 能 编 排 因 果 关 系 准 确 性 �������� DeepSeek R1 DeepSeek V3 模型C 模型D 模型E 90.20% 90.00% 89.00% 91.60% 91.50% 88.00% 94.40% 93.00% 85.00% 80.81% 90.20% 79.00% 76.00% 业 务 智 能 编 排 准 确 性 业 务 智 能 编 排 全 面 性 业 务 智 能 编 排 时 效 性 �������� DeepSeek R1 DeepSeek V3 模型C 模型D 模型E ������������������������������������������ 16 2) ���研�� �����������DeepSeek R1�DeepSeek

07 解码DeepSeek,) 构建医药⾏业新质⽣产⼒ 腾讯健康 李慧 ⽬录 • 从DeepSeek看⼈⼯智能发展趋势 • ⼤模型及DeepSeek潜在应⽤场景探索 从DeepSeek看⼈⼯智能发展趋势 AI离我们越来越近，越来越密集的“加速”信号 4 “AI”概念⾯世 1950s 2012 CNN,$⼈脸识别 Alpha, ⼤战李世⽯ 2017 2022 Chatgpt ⼒、通⽤范式”，验证⼤语⾔模型的可⾏性。 • GPT3/4在深度推理和问题解决⽅⾯有所⽋缺，OpenAI-o1通过思维链（ChainvofvThought）增强推理能⼒，将复杂问题分 解成更⼩、更易处理的步骤；⽽DeepSeek R1在展现卓越推理能⼒同时，训练和推理成本极低 BERT BERT在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗AI 小模型年代主要技术路线 “大数据、小算力、专用决策” 基于DS-v3构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI技术演变路线 5 理解Chatgpt,J⼀个AI领域的“⼯程奇迹” Chatbot： ⽂本交互式应⽤ Gpt3： 预训练⼤模型 Prompt engineering 提⽰词⼯程 RLHF 强化学习 Nvidia A100（A800） ⾼性能卡 SFT 监督微调 RDMA 解决数据处理的延迟 顶尖的AI⼈才 数⼗TB⾼质量数据

. 1 一、大模型赋能政务热线：从数字化到数智化跃迁.......................................................2 （一）政务热线的发展历程.................................................................................... 2 （二）大模型在政务热线中的全新价值 （二）大模型在政务热线中的全新价值..................................................................5 二、大模型驱动政务热线的创新趋势.............................................................................7 （一）政务热线的新定位：从“接诉即办”到“治理枢纽”....... ...........................................................................................24 四、 大模型在政务热线中的场景化实践..................................................................... 28 （一）智能运营体系构建..

. 1 一、大模型赋能政务热线：从数字化到数智化跃迁.......................................................2 （一）政务热线的发展历程.................................................................................... 2 （二）大模型在政务热线中的全新价值 （二）大模型在政务热线中的全新价值..................................................................5 二、大模型驱动政务热线的创新趋势.............................................................................7 （一）政务热线的新定位：从“接诉即办”到“治理枢纽”....... ...........................................................................................24 四、 大模型在政务热线中的场景化实践..................................................................... 28 （一）智能运营体系构建..

在全球数字化与智能化浪潮交相辉映的当下，人工智能技术，特别是生成式AI与大模型技术的突破性飞跃，正引领一场前所未有的技术革新浪潮，重 塑着各行各业的发展蓝图。在此背景下，算力资源已成为支撑AI技术持续进步不可或缺的基石，而算力中心，作为算力资源的核心承载平台，正迎来 崭新的发展机遇。其中，定制批发业务凭借其高效整合算力资源的能力，为大模型训练提供了稳定、可靠的算力支持，成为推动AI技术革新与应用拓 展的关键力量。 市场供需关系的深度剖析上，力求提供更为详尽的数据支持与深 入洞察。 主要研究结论 • 从算力中心的定制批发业务发展现状来看，需求端和供给端均展现出积极的发展态势。 ➢ 需求端，随着 AI 大模型的迅猛发展，市场对算力资源的需求呈现出快速增长。这一增长主要源于互联网大厂、云厂商、短视频厂商等行业头部企业 对高性能、大规模算力资源的投入持续增长，这一趋势推动了算力中心定制批发业务的高速发展。 新动态和发展趋势，为报告奠定了理论基础。 二、模型搭建与测算： • 供需模型搭建：从专业的行业视角出发，我们将一手调研获取的、来自超40家具有代表性的需求厂商与供给服务商的数据，整合融入供需 模型，以此反映当下市场的实际供需格局。同时，我们吸纳从专家访谈中的关键信息，如需求侧的服务器规模及业务增长情况、供给侧的 运营容量及区域布局规划等，为模型的未来预测提供依据。在此基础之上，我们亦吸纳案头调研收集的大量资料，如宏观政策文件、市场