1. 本次講座為DeepSeek原理和應用系列研討的講座之一，主要介紹DeepSeek的基本概念，以及大模型技術(shù)和AIGC工具應用，不需要大家具備專業(yè)的AI或IT技術(shù)背景。
2. 本次講座首先分析當前備受矚目的DeepSeek-R1 的概念、優(yōu)勢和歷史地位。然后進一步探討大模型和AIGC的底層工作機制，旨在幫助讀者突破工具應用的局限，理解DeepSeek和AIGC的深層次價值。最后，介紹如何科學選擇與高效使用 AI 工具，為大家提供更具深度與實用性的應用場景的指導，給聽眾帶來更落地的AI應用價值。
3. 盡管 DeepSeek-R1 以其低成本和開源策略為行業(yè)帶來變革，但當前網(wǎng)絡上的大量相關(guān)內(nèi)容僅停留在工具應用層面，易對初級AI應用人員造成概念和思維方式的誤導，這也是本次講座希望解決的問題。
介紹了DeepSeek-R1模型的技術(shù)特性、發(fā)展歷程、應用場景及其在AIGC領(lǐng)域的定位。首先介紹人工智能的發(fā)展歷程，以及大模型相關(guān)術(shù)語，并對比DeepSeek-R1與其他模型的性能表現(xiàn)。DeepSeek-R1以其低成本、開源策略和卓越的推理能力脫穎而出，尤其在復雜邏輯推理、數(shù)學和編程任務中表現(xiàn)優(yōu)異。
隨后介紹DeepSeek公司的背景、市場定位以及DeepSeek-R1的技術(shù)原理和應用場景，揭示了其在推理密集型任務、教育、科研、知識應用和文檔分析等領(lǐng)域的獨特優(yōu)勢，并列舉接入該模型的第三方應用。
通過對人工智能發(fā)展歷史以及DeepSeek-R1的介紹和分析，本部分旨在為聽眾提供一個對DeepSeek的客觀、全面的認識，并理解該模型在AIGC領(lǐng)域的重要地位和應用潛力。
附件：DeepSeek與AIGC應用,探討大模型和AIGC的底層工作機制,突破工具應用的局限
基于長思維鏈的推理可以在一定程度上提高模型的可解釋性,提供顯式的推理路徑，讓人類可以追蹤模型如何從輸入推導出輸出，從而追蹤模型的決策過程，減少黑箱推理
一是 DeepSeek 或宣告此前的美國對華芯片限制可能適得其反;二是 A 股 AI 能否出現(xiàn)有壁壘的應用和消費端龍頭;三是算力需求會增加還是減少
DeepSeek-R1入冷啟動數(shù)據(jù)和多階段訓練流程,開源的蒸餾模型在推理基準測試中創(chuàng)下新紀錄,驗證了純強化學習在 LLM 中顯著增強推理能力的可行性
輕量化架構(gòu)配合量化剪枝技術(shù)，使Al推理首次真正突破硬件限制， 部署成本從高端GPU擴展至消費級GPU;云廠商是DeepSeek 能力的“放大器”:充足的算力“彈藥”與用戶覆蓋能力
清華大學團隊介紹了DeepSeek的功能、應用場景和使用方法，并提供了關(guān)于如何高效利用AI模型的深入指導;提出了多種提示語策略,提供了具體的提示語設(shè)計建議
可交互內(nèi)容平臺的市場規(guī)模將達到500億元人民幣；AI伴侶有望打開百億級別的市場空間；全球互聯(lián)網(wǎng)社區(qū)的市場規(guī)模將達到1.5萬億美元；機器人的市場規(guī)模將達到2000億美元
未來的AI搜索將更加智能，能夠?qū)崿F(xiàn)多輪對話交互;AI搜索將滲透到更多行業(yè);AI搜索將采用更先進的加密技術(shù)，確保用戶數(shù)據(jù)的安全;從技術(shù)突破到應用場景拓展
新碶街道創(chuàng)新性地引入了“無人機+AI”系統(tǒng)，實現(xiàn)了對城市綜合執(zhí)法的智能升級,實現(xiàn)全天候無人值守,全流程自動作業(yè),拓展了非現(xiàn)場執(zhí)法的新模式,提升了執(zhí)法效率與精度
利用機器學習算法進行設(shè)備健康監(jiān)測與故障預測，保障 航行安全并降低維護成本;實現(xiàn)了從傳統(tǒng)人工操作向自動化作業(yè)的重大轉(zhuǎn)變,支撐起“千萬箱級”的碼頭作業(yè)能力
實現(xiàn)了對交通流量的實時監(jiān)控與調(diào)控，優(yōu)化了交通信號控制，提升了道路通行效率與安全性，減少了擁堵和事故風險,可以自動識別八大類 28 種公路病害，準確率提升至 90%以上
智能客服機器 人可以即時響應客戶咨詢,解決常見問題;利用大數(shù)據(jù)分析預測客戶需求,定制個性化的服務體驗,增強 了用戶體驗,使得服務更加便捷,精準且高效
AI 能夠分析學生的學習行為和進度,提供定制化的學習內(nèi)容和即時反饋,虛擬助教和聊天機器人可以解答學生的疑問,實現(xiàn)了 AI 自動批改和監(jiān)測,人工智能自動評分試點任務
