DeepSeek智能時(shí)代的全面到來和人機(jī)協(xié)作的新常態(tài)孫凌云

教授計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院2025

年

2

月一、智能演變二、人機(jī)協(xié)作三、產(chǎn)業(yè)現(xiàn)狀四、教育成長(zhǎng)維基百科書籍雜志期刊Reddit

鏈接Common

Crawl其他數(shù)據(jù)總計(jì)GPT-14.64.6GPT-24040GPT-311.42110150570753The

Pile

v1611824463227167825Megatron-11B11.44.638107161MT-NLG6.411877639831271374Gopher12.52100164.43450482310550從2018年的

GPT-1到2020年的GPT-3，模型預(yù)訓(xùn)練數(shù)據(jù)量從4.6GB增加到了45TB45TB相當(dāng)于三千萬本《西游記》主要模型數(shù)據(jù)集包括：-維基百科數(shù)據(jù)集（龐大的客觀知識(shí)）-

書籍（故事講述能力與反應(yīng)）-

雜志期刊（語言生成的嚴(yán)謹(jǐn)）-

Github代碼等其他數(shù)據(jù)（邏輯推理）表：主要數(shù)據(jù)集大小匯總，以GB為單位。公開的數(shù)據(jù)集以粗體表示，

確定的數(shù)據(jù)以斜體表示。Common

Crawl數(shù)據(jù)集過濾之前為45T來源：OpenAI團(tuán)隊(duì)，Language

Models

are

Few-Shot

Learners

，

https://arxiv.org/abs/2005.14165

，

2022年7月22日

3GPT訓(xùn)練數(shù)據(jù)規(guī)模史無前例對(duì)比維度GPT-3DeepSeek-V3發(fā)布時(shí)間2020年6月2024年12月訓(xùn)練數(shù)據(jù)量3000億token14.8萬億token參數(shù)量175B（密集架構(gòu)）671B（

MoE架構(gòu)）訓(xùn)練成本$12M$5.57M激活參數(shù)量175B（全激活）37B（

5.5%激活率）主要數(shù)據(jù)類型通用互聯(lián)網(wǎng)文本（含代碼/數(shù)學(xué)）強(qiáng)化代碼/數(shù)學(xué)的高質(zhì)量數(shù)據(jù)官方來源OpenAI技術(shù)論文HuggingFace模型卡由AI（DeepSeek

R1

）搜集并整理，經(jīng)人工檢查4大模型帶來大知識(shí)全體人類知識(shí)空間大模型

知識(shí)空間觀點(diǎn)來自：北京大學(xué)黃鐵軍教授.2023年3月31日多媒體知識(shí)空間個(gè)體知識(shí)空間三體人如何學(xué)習(xí)地球知識(shí)？三體人如何學(xué)習(xí)地球知識(shí)？電磁波探測(cè)器拯救派拯救派人類反饋實(shí)現(xiàn)對(duì)齊

動(dòng)態(tài)反饋、價(jià)值博弈電磁波地球文明信息原始數(shù)據(jù)、無目標(biāo)性探測(cè)器探測(cè)器搜集數(shù)據(jù)集

精準(zhǔn)觀察、查漏補(bǔ)缺三體人如何學(xué)習(xí)地球知識(shí)？電磁波地球文明信息原始數(shù)據(jù)、無目標(biāo)性原始數(shù)據(jù)基建拯救派人類反饋實(shí)現(xiàn)對(duì)齊

動(dòng)態(tài)反饋、價(jià)值博弈價(jià)值觀校準(zhǔn)探測(cè)器探測(cè)器搜集數(shù)據(jù)集

精準(zhǔn)觀察、查漏補(bǔ)缺定向能力強(qiáng)化三體人如何學(xué)習(xí)地球知識(shí)？三體人如何學(xué)習(xí)地球知識(shí)？電磁波

探測(cè)器

拯救派參考GPTAssistantTrainingPipelineAndrejKarpathy.Howtotrainyour(Chat)GPTAssistant-Anemergingrecipe,2023年5月25日監(jiān)督微調(diào)Su

pe

rv

i

s

e

d

F

i

n

e

-T

u

n

i

n

g(

S

FT

)人類反饋強(qiáng)化學(xué)習(xí)Rei

n

f

o

r

c

e

m

e

n

t

l

e

a

r

n

i

n

g

hu

ma

nf

e

e

d

b

a

c

k

(

R

L

H

F

)預(yù)訓(xùn)練Pr

e

-

tr

a

i

n

i

n

gDeepSeek-R1-Zero的訓(xùn)練過程結(jié)合準(zhǔn)確性獎(jiǎng)勵(lì)（數(shù)學(xué)、編程等任務(wù)的可驗(yàn)證結(jié)果）和格式獎(jiǎng)勵(lì)（強(qiáng)制輸出結(jié)構(gòu)化標(biāo)簽），通過GRPO算法優(yōu)化模型

https://huggingface.co/papers/2501.12948

2025年1月22日探測(cè)器

+

拯救派強(qiáng)化學(xué)習(xí)Reinf

o

r

ce

m

e

ntl

e

a

r

n

ing

/GRPO電磁波基礎(chǔ)模型DeepS

e

ek-

V3

-Ba

s

e三體人如何學(xué)習(xí)地球知識(shí)？探測(cè)器

+

拯救派強(qiáng)化學(xué)習(xí)Reinf

o

r

ce

m

e

ntl

e

a

r

n

ing

/GRPO數(shù)學(xué)題自動(dòng)判分/編程題實(shí)戰(zhàn)演練/階梯進(jìn)化DeepSeek-R1-Zero的訓(xùn)練過程結(jié)合準(zhǔn)確性獎(jiǎng)勵(lì)（數(shù)學(xué)、編程等任務(wù)的可驗(yàn)證結(jié)果）和格式獎(jiǎng)勵(lì)（強(qiáng)制輸出結(jié)構(gòu)化標(biāo)簽），通過GRPO算法優(yōu)化模型

https://huggingface.co/papers/2501.12948

2025年1月22日電磁波基礎(chǔ)模型DeepS

e

ek-

V3

-Ba

s

e三體人如何學(xué)習(xí)地球知識(shí)？AconversationbetweenUserandAssistant.Theuserasksaquestion,andtheAssistantsolvesit.Theassistantfirstthinksaboutthereasoningprocessinthe

mindandthenprovidestheuserwiththeanswer.Thereasoningprocessandanswerareenclosedwithin<think></think>and<answer></answer>tags,respectively,

i.e.,<think>reasoningprocesshere</think><answer>answerhere</answer>.這是用戶和助手之間的對(duì)話。用戶提出一個(gè)問題，助手解決它。助手首先在腦海中思考推理過程，然后為用戶提供答案。推理過程和答案分別包含在<思考></思考>和<

回答></

回答>

標(biāo)簽中。即：<思考>推理過程在這里</思考><

回答>在這里回答</

回答>2025年1月22日<think></think>

標(biāo)簽內(nèi)

是推理過程<answer></answer>是

最終內(nèi)容為強(qiáng)制思考，模型第一個(gè)

輸出單詞必定為<think>強(qiáng)制輸出過程https://huggingface.co/papers/2501.1294814Aha

moment

頓悟時(shí)刻

人類長(zhǎng)期思考后的靈感閃現(xiàn)強(qiáng)化學(xué)習(xí)中的獎(jiǎng)勵(lì)信號(hào)引導(dǎo)DeepSeek-R1-Zero的訓(xùn)練過程結(jié)合準(zhǔn)確性獎(jiǎng)勵(lì)（數(shù)學(xué)、編程等任務(wù)的可驗(yàn)證結(jié)果）和格式獎(jiǎng)勵(lì)（強(qiáng)制輸出結(jié)構(gòu)化標(biāo)簽），通過GRPO強(qiáng)化學(xué)習(xí)策略后訓(xùn)練V3模型

https://huggingface.co/papers/2501.12948

2025年1月22日DeepSeek-R1-Zero的訓(xùn)練過程結(jié)合準(zhǔn)確性獎(jiǎng)勵(lì)（數(shù)學(xué)、編程等任務(wù)的可驗(yàn)證結(jié)果）和格式獎(jiǎng)勵(lì)（強(qiáng)制輸出結(jié)構(gòu)化標(biāo)簽），通過GRPO強(qiáng)化學(xué)習(xí)策略后訓(xùn)練V3模型

https://huggingface.co/papers/2501.12948

2025年1月22日人類長(zhǎng)期思考后的靈感閃現(xiàn)強(qiáng)化學(xué)習(xí)中的獎(jiǎng)勵(lì)信號(hào)引導(dǎo)Aha

moment

頓悟時(shí)刻求是小學(xué)組織去距離90公里的博物館春游，全班同學(xué)8:00從學(xué)校坐大巴車出發(fā)。班主任老師因?yàn)橛惺虑椋?:10自己自駕小車以大巴車快1/3的速度追趕，結(jié)果比大

巴車提前20分鐘到。問：（

1）大巴和小車的速度各是多少？

（

2）班主任老師追上大巴的地點(diǎn)

距離博物館還有多遠(yuǎn)？求是小學(xué)組織去距離90公里的博物館春游，全班同學(xué)8:00從學(xué)校坐大巴車出發(fā)。班主任老師因?yàn)橛惺虑椋?:10自己自駕小車以大巴車快1/3的速度追趕，結(jié)果比大

巴車提前20分鐘到。問：（

1）大巴和小車的速度各是多少？

（

2）班主任老師追上大巴的地點(diǎn)

距離博物館還有多遠(yuǎn)？求是小學(xué)組織去距離90公里的博物館春游，全班同學(xué)8:00從學(xué)校坐大巴車出發(fā)。班主任老師因?yàn)橛惺虑椋?:10自己自駕小車以大巴車快1/3的速度追趕，結(jié)果比大

巴車提前20分鐘到。問：（

1）大巴和小車的速度各是多少？

（

2）班主任老師追上大巴的地點(diǎn)

距離博物館還有多遠(yuǎn)？19思維鏈（ChainofThought

，CoT）-

通過模擬人類逐步推理過程來提升人工

智能模型復(fù)雜任務(wù)處理能力的技術(shù)-

核心是將問題拆解為多個(gè)中間步驟，引

導(dǎo)模型生成邏輯鏈條，從而增強(qiáng)推理的

準(zhǔn)確性和可解釋性基本原理-

分布推理：思維鏈通過將復(fù)雜問題分解

為更小的子問題，逐步構(gòu)建答案-

顯示中間過程：與傳統(tǒng)直接輸出答案的

方式不同，CoT要求模型引入推導(dǎo)過程來源：https://www.ibm.com/think/topics/chain-of-thoughts

20解題步驟更重要DeepSeek

R1首個(gè)將思維鏈顯式展示的開源模型21對(duì)比維度白盒派黑箱派核心特征強(qiáng)制展示推理過程鏈支持步驟回溯僅輸出最終結(jié)果決策過程不可見典型代表DeepSeekV3IBMExplainableAIOpenAIGPT

o1Meta

Llama3優(yōu)勢(shì)-錯(cuò)誤可追溯-合規(guī)性強(qiáng)-

調(diào)試效率高-計(jì)算效率高-商業(yè)保密性強(qiáng)-處理開放性任務(wù)更靈活缺陷-推理延遲增加-部分復(fù)雜任務(wù)表現(xiàn)受限-存在"聰明漢斯"效應(yīng)（正確結(jié)論錯(cuò)誤歸因）-合規(guī)成本高（歐盟AI法案罰款風(fēng)險(xiǎn)）關(guān)鍵技術(shù)鏈?zhǔn)剿季S提示（Chain-of-Thought）

動(dòng)態(tài)置信度標(biāo)注黑盒優(yōu)化隱式知識(shí)蒸餾適用場(chǎng)景教育、醫(yī)療診斷、金融風(fēng)控創(chuàng)意生成、游戲NPC、輿情分析倫理風(fēng)險(xiǎn)過度透明可能導(dǎo)致模型被逆向工程決策偏見難追溯（如招聘AI的性別傾向性）表格內(nèi)容由AI生成，使用DeepSeek

R1

自動(dòng)整理馬斯克發(fā)布的大模型2月18日正式發(fā)布-

通過X平臺(tái)直播-展示火星軌道計(jì)算、游戲開

發(fā)等實(shí)際應(yīng)用場(chǎng)景-計(jì)算能力為Grok

2的10倍-

展示深度搜索2月20日：開放免費(fèi)試用（至服務(wù)器超負(fù)荷為止）https://x.ai/blog/grok-323世界最大的AI訓(xùn)練集群之一第一階段：僅

122天內(nèi)完成，部署了

100,000個(gè)H100GPU

在第二階段：在另外92天內(nèi)將

計(jì)算能力翻倍。允許持續(xù)訓(xùn)練，這意味著Grok

3在更多用戶與其互動(dòng)時(shí)仍在

實(shí)時(shí)改進(jìn)xAI

的定制超級(jí)計(jì)算機(jī)來源：

https://x.com/xai/status/1891699715298730482

2025年2月18日24對(duì)比維度Grok

3(xAI)DeepSeekV3(DeepSeek)參考資料算力路線20萬H100GPU集群2000顆H800GPUxAI發(fā)布會(huì),DeepSeek白皮書訓(xùn)練成本估算2.1億/5億美元，含基礎(chǔ)設(shè)施558萬美元（單次訓(xùn)練成本）Axios成本報(bào)告技術(shù)特性2.7萬億參數(shù)動(dòng)態(tài)架構(gòu)通過Think

Mode分解問題（如火星軌道計(jì)算調(diào)用9個(gè)子模型協(xié)同）671B參數(shù)采用MoE架構(gòu)僅激活少量參數(shù)完成同類任務(wù)xAI技術(shù)文檔,

DeepSeek-V3技術(shù)表數(shù)學(xué)推理AIME

52%AIME39.2%xAI基準(zhǔn)測(cè)試,

DeepSeek-V3數(shù)據(jù)表代碼生成LiveCodeBench57%LiveCodeBench40.5%Radargit性能對(duì)比訓(xùn)練能耗相當(dāng)于30萬戶家庭年用電相當(dāng)于于3000戶家庭年用電xAI發(fā)布會(huì)實(shí)錄推理成本$0.015/次$0.0018/次Radargit成本對(duì)比生態(tài)策略封閉生態(tài)X平臺(tái)，但提供實(shí)時(shí)數(shù)據(jù)接口開源策略允許開發(fā)者定制思維鏈展示規(guī)則Radargit行業(yè)分析使用DeepSeek

R1

自動(dòng)整理，含第三方估計(jì)數(shù)據(jù)

25對(duì)比維度非推理模型Non-reasoningModels推理模型ReasoningModels典型產(chǎn)品DeepSeek-V3GPT1-4全系列/Meta

LlaMA3

/

GeminiPro

/

Grok2DeepSeek-R1GPT-o1/通義千問QwQ-32B/天工Skywork

o1/訊飛星火X1/Gemini

Ultra

/

Grok

3側(cè)重點(diǎn)-語言模式匹配與統(tǒng)計(jì)規(guī)律學(xué)習(xí)-上下文連貫性與生成流暢度-大規(guī)模數(shù)據(jù)泛化-復(fù)雜邏輯分析與多步驟推理-符號(hào)化規(guī)則與結(jié)構(gòu)化思維鏈構(gòu)建-邏輯驗(yàn)證準(zhǔn)確性核心特點(diǎn)-基于Transformer的并行化生成-端到端模式識(shí)別-依賴提示工程提升表現(xiàn)-思維鏈（CoT）、

思維樹（ToT）

等技術(shù)增強(qiáng)-原子推理模塊組合（如批判性思維、逐步推導(dǎo)）-需強(qiáng)化學(xué)習(xí)優(yōu)化推理路徑典型應(yīng)用-開放域?qū)υ挘头C(jī)器人）-文本創(chuàng)作（小說/詩歌生成）-語義分類（情感分析）-數(shù)學(xué)定理證明（如代數(shù)方程求解）-動(dòng)態(tài)規(guī)劃算法設(shè)計(jì)-實(shí)時(shí)決策系統(tǒng)（自動(dòng)駕駛）類別貢獻(xiàn)方向具體技術(shù)/成果訓(xùn)練成本硬件成本-采用MoE架構(gòu)（混合專家模型），僅激活部分參數(shù)（如V3激活37B/671B參數(shù)）-FP8混合精度訓(xùn)練減少內(nèi)存占用與計(jì)算量-訓(xùn)練成本顯著降低（如V3成本557.6萬美元，僅為L(zhǎng)lama3的7%）算力利用率-DualPipe雙向流水線優(yōu)化計(jì)算與通信重疊-跨節(jié)點(diǎn)MoE通信優(yōu)化實(shí)現(xiàn)全計(jì)算通信折疊-

自適應(yīng)計(jì)算分配機(jī)制提升GPU利用率流程周期-強(qiáng)化學(xué)習(xí)直接用于基礎(chǔ)模型（無需監(jiān)督微調(diào)）-知識(shí)蒸餾技術(shù)縮短后訓(xùn)練周期-動(dòng)態(tài)知識(shí)庫與多模態(tài)引擎加速迭代算法架構(gòu)訓(xùn)練范式-多令牌預(yù)測(cè)（MTP）提升數(shù)據(jù)效率與推理速度-FP8混合精度框架首次驗(yàn)證超大規(guī)模模型可行性-負(fù)載均衡策略減少性能損失突現(xiàn)能力-數(shù)學(xué)推理（Math7b接近GPT-4水平）-

自我驗(yàn)證與長(zhǎng)思維鏈生成（R1-Zero模型）-代碼生成超越GPT4-Turbo（Coder-V2）模型壓縮-知識(shí)蒸餾將大模型能力遷移至小模型（如15B參數(shù)模型）-MLA機(jī)制壓縮KV緩存93.3%-動(dòng)態(tài)稀疏注意力降低計(jì)算復(fù)雜度注：使用秘塔搜索（R1推理模型）總結(jié)，內(nèi)容未經(jīng)人工確認(rèn)，格式經(jīng)人工調(diào)整。詳情參考：https://metaso.cn/s/ZYdtday27視頻案例網(wǎng)址：https://metaso.cn/s/TM0D0rP282023年4月28日，中共中央政

治局召開會(huì)議分析研究當(dāng)前經(jīng)

濟(jì)形勢(shì)和經(jīng)濟(jì)工作：要鞏固和擴(kuò)大新能源汽車發(fā)展

優(yōu)勢(shì)，加快推進(jìn)充電樁、儲(chǔ)能

等設(shè)施建設(shè)和配套電網(wǎng)改造。要重視通用人工智能發(fā)展，營(yíng)

造創(chuàng)新生態(tài)，重視防范風(fēng)險(xiǎn)。政治局會(huì)議首提AGI291.能力而非過程2.廣度和深度3.認(rèn)知和元認(rèn)知任務(wù)4.潛力而非部署5.生態(tài)效度6.關(guān)注通向AGI的路徑來源：

GoogleDeepMind團(tuán)隊(duì)，LevelsofAGI:Operationalizing

Progress

on

the

Path

to

AGI

https://arxiv.org/pdf/2311.02462.pdf2023年11月4日人類能力標(biāo)尺301.能力而非過程2.廣度和深度3.認(rèn)知和元認(rèn)知任務(wù)4.潛力而非部署5.生態(tài)效度6.關(guān)注通向AGI的路徑來源：

GoogleDeepMind團(tuán)隊(duì)，LevelsofAGI:Operationalizing

Progress

on

the

Path

to

AGI

https://arxiv.org/pdf/2311.02462.pdf2023年11月4日人類能力標(biāo)尺31等級(jí)能力特征典型應(yīng)用場(chǎng)景當(dāng)前進(jìn)展L1聊天達(dá)人（自然語言交互）ChatGPT等聊天機(jī)器人已實(shí)現(xiàn)L2解題高手（博士級(jí)問題解決）復(fù)雜數(shù)據(jù)分析部分達(dá)到L3持久管家（多天自主決策）自動(dòng)化商業(yè)流程開發(fā)中L4創(chuàng)新引擎（原創(chuàng)性發(fā)明）藥物研發(fā)/科學(xué)突破理論階段L5組織大腦（企業(yè)級(jí)系統(tǒng)替代）戰(zhàn)略規(guī)劃與資源分配遠(yuǎn)期目標(biāo)任務(wù)復(fù)雜度標(biāo)尺OpenAI2024年7月公布用于追蹤人工智能向人工通

用智能（AGI）發(fā)展的進(jìn)程將AI能力分為從基礎(chǔ)對(duì)話到全面組織管理的不同階段沒有糾結(jié)是否真正理解世界關(guān)注在場(chǎng)景中的能力來源：

OpenAI’s

5

LevelsOf‘SuperAI’(AGIToOutperform

HumanCapability)

https://www.forbes.com/sites/jodiecook/2024/07/16/openais-

5-levels-of-super-ai-agi-to-outperform-human-capability/

2024年7月16日32來源：

ARK

Invest

https://www.ark-invest.com/big-ideas-20242024年1月31日

33能力涌現(xiàn)不可逆

社會(huì)影響倒計(jì)時(shí)

人機(jī)協(xié)作新常態(tài)一、智能演變二、人機(jī)協(xié)作三、產(chǎn)業(yè)現(xiàn)狀四、教育成長(zhǎng)諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主克里斯托弗·皮薩里德斯較長(zhǎng)的轉(zhuǎn)型過渡期-AI融入生產(chǎn)過程不會(huì)那么迅速

技能提升是關(guān)鍵-大部分人要做的是技能提升

，即學(xué)會(huì)使用AI

新工作機(jī)會(huì)出現(xiàn)-工作毀滅（Job

Destruction）-

工作創(chuàng)造（JobCreation

）

體面工作的機(jī)會(huì)-提升幸福感、有可能轉(zhuǎn)向每周4天工作制新工作機(jī)會(huì)和體面工作來源

:https://www.afr.com/technology/chatgpt-opens-door-to-four-day-week-says-nobel-prize-winner-20230406-p5cyki36從第二次工業(yè)革命到二戰(zhàn)

結(jié)束的80年間，全球每個(gè)

工人的勞動(dòng)時(shí)間每年減少

0.5%生成式人工智能可以將每

個(gè)工人的平均勞動(dòng)時(shí)間降

低1.3%從2022年每天5小時(shí)到

2030年的4.5小時(shí)來源：

ARK

Invest

https://www.ark-invest.com/big-ideas-20242024年1月31日

37日均工作時(shí)間下降來源：

Stella,F.,DellaSantina,C.&Hughes,

J.

How

can

LLMstransformthe

roboticdesignprocess.Nature

Machine

Intelligence.5,561–564

(2023).https://doi.org/10.1038/s42256-023-

00669-72023年6月7日38來源：

Stella,F.,DellaSantina,C.&Hughes,

J.

How

can

LLMstransformthe

roboticdesignprocess.Nature

Machine

Intelligence.5,561–564

(2023).https://doi.org/10.1038/s42256-023-

00669-72023年6月7日LatentConsistencyModels潛在一致性模型來源：https://twitter.c

om/gong_cn/status/1726501516285264303https://hugging

face.co/blog/lc

m_lora2023年11月9日AI完成絕大部分工作人類和AI協(xié)作工作模式Embedding人類

AI人類完成絕大部分工作人類設(shè)立任務(wù)目標(biāo)其中某(幾)個(gè)任務(wù)AI提供信息或建議人類自主結(jié)束工作小助理副駕駛代理人來源

：VION

WILLIAMS

https://mp.weixin.qq.com/s/AluYfD6BQOkLo6XpJMyQnQ2023年9月15日

41設(shè)立目標(biāo)

提供資源

監(jiān)督結(jié)果任務(wù)拆分工具選擇進(jìn)度控制人類AICopilot人類AI其中某(幾)個(gè)任務(wù)AI完成初稿人類設(shè)立任務(wù)目標(biāo)人類自主結(jié)束工作人類修改調(diào)整確認(rèn)Agents模式AI自主結(jié)束工作AI全權(quán)代理模式!!↓水力、紡織、鐵蒸汽、鐵路、鋼電、化學(xué)品、內(nèi)燃機(jī)石油、天然氣、硅電子互聯(lián)網(wǎng)機(jī)械化鐵路化鐵路網(wǎng)電氣化電網(wǎng)電子化電信信息化互聯(lián)網(wǎng)動(dòng)力

運(yùn)力

電力通信

信息第一波浪潮第二波浪潮第三波浪潮第四波浪潮第五波浪潮觀點(diǎn)來自：北京大學(xué)黃鐵軍教授，

2023年3月31日

42第二次工業(yè)革命電氣時(shí)代（1840-1950）第三次工業(yè)革命信息時(shí)代（1950-？）第一次工業(yè)革命蒸汽時(shí)代（1760-1840）

60年

55年

50年

40年

30年

觀點(diǎn)來自：北京大學(xué)黃鐵軍教授，

2023年3月31日

43?下一波浪潮？運(yùn)力

電力水力、紡織、鐵蒸汽、鐵路、鋼電、化學(xué)品、內(nèi)燃機(jī)石油、天然氣、硅電子互聯(lián)網(wǎng)第二次工業(yè)革命電氣時(shí)代（1840-1950）鐵路化鐵路網(wǎng)第二波浪潮電氣化電網(wǎng)第三波浪潮機(jī)械化第一波浪潮第三次工業(yè)革命信息時(shí)代（1950-？）第一次工業(yè)革命蒸汽時(shí)代（1760-1840）動(dòng)力通信智力信息以人工智能為代表的

新型基礎(chǔ)設(shè)施電子化

信息化

60年

電信

互聯(lián)網(wǎng)

55年

50年

第四波浪潮第五波浪潮

40年

30年

一、智能演變二、人機(jī)協(xié)作三、產(chǎn)業(yè)現(xiàn)狀四、教育成長(zhǎng)AI大模型發(fā)布情況斯坦福大學(xué)2024AIIndex

Report-數(shù)據(jù)截至2024年1月31日-全球發(fā)布149個(gè)大模型（其中中國20個(gè)）

根據(jù)LifeArchitect.ai（持續(xù)更新）-

2025年2月20日-觀測(cè)534個(gè)大模型（其中中國117個(gè)）來源：ArtificialIntelligenceIndex

Report2024https://aiind/report/ModelsTableRankingshttps://lifearchitect.ai/models-table/

2025年2月45根據(jù)Toolify.ai統(tǒng)計(jì)（2025年2月

20日訪問）-

23915個(gè)AI工具-

233個(gè)分類-

162萬AI

API

其中：-

2023年8813個(gè)-

2024年13,795個(gè)（57%）AI工具迅猛增長(zhǎng)https://a16z.com/100-gen-ai-apps-3/類型應(yīng)用/平臺(tái)集成時(shí)間核心功能與技術(shù)特性信息來源消費(fèi)級(jí)百度搜索2025年2月18日集成DeepSeek-R1提供AI搜索服務(wù)，支持復(fù)雜問

題推理和深度搜索功能百度官方公告消費(fèi)級(jí)微信搜索2025年2月16日灰度測(cè)試DeepSeek-R1

，提供AI搜索入口和深度

思考服務(wù)騰訊集團(tuán)官方聲明消費(fèi)級(jí)支付寶百寶箱2025年2月11

日支持DeepSeek全系列模型，用戶可構(gòu)建智能體并

一鍵發(fā)布到小程序支付寶官方新聞消費(fèi)級(jí)抖音內(nèi)容審核2024年11月引入DeepSeek-V3增強(qiáng)多模態(tài)內(nèi)容審核能力字節(jié)跳動(dòng)技術(shù)白皮書消費(fèi)級(jí)高德地圖導(dǎo)航2024年10月集成DeepSeek-LLM優(yōu)化實(shí)時(shí)路徑規(guī)劃和擁堵預(yù)

測(cè)高德地圖2024年度技術(shù)報(bào)告企業(yè)級(jí)南方電網(wǎng)2025年2月12日部署千億參數(shù)電力大模型，實(shí)現(xiàn)故障預(yù)測(cè)和能耗

優(yōu)化南方電網(wǎng)AI創(chuàng)新平臺(tái)公告企業(yè)級(jí)華為云2025年2月12日推出混合云DeepSeek本地部署方案，支持全系列

模型并優(yōu)化推理性能華為云官方新聞企業(yè)級(jí)深圳福田政務(wù)2025年2月18日上線70個(gè)AI數(shù)智員工，覆蓋240個(gè)政務(wù)場(chǎng)景深圳福田政府公告企業(yè)級(jí)吉利汽車2025年2月13日星睿大模型與DeepSeek-R1深度融合，優(yōu)化車控

交互吉利汽車技術(shù)發(fā)布會(huì)企業(yè)級(jí)中國移動(dòng)2025年2月5日移動(dòng)云全量支持DeepSeek模型，覆蓋13個(gè)智算

中心中國移動(dòng)官方聲明DeepSeek的開源策略正在

加速AI技術(shù)普惠化-

頭部應(yīng)用正在/即將完成

深度集成（社交/搜索/推

薦），聚焦：交互體驗(yàn)-

企業(yè)級(jí)場(chǎng)景在電力、政務(wù)、

醫(yī)療等垂直領(lǐng)域取得突破，

聚焦：系統(tǒng)級(jí)優(yōu)化瓶頸：算力成本、數(shù)據(jù)合規(guī)

性和人才儲(chǔ)備AI工具迅猛增長(zhǎng)表格內(nèi)容由AI基于搜索結(jié)果整合而成百度（網(wǎng)頁端）支付寶-百寶箱（網(wǎng)頁端）微信（搜索-AI搜索）微調(diào)Fine-tuning微調(diào)-針對(duì)特定任務(wù)或領(lǐng)域定制，

顯著提高任務(wù)性能-適應(yīng)特定領(lǐng)域的細(xì)微差別、

語氣或術(shù)語-依賴足夠高質(zhì)量標(biāo)注數(shù)據(jù)-適合目標(biāo)任務(wù)明確、數(shù)據(jù)相

對(duì)靜態(tài)的場(chǎng)景PromptEngineering提示詞工程-通過精心設(shè)計(jì)輸入提示,引導(dǎo)

LLM生成期望的高質(zhì)量輸出-無需重新訓(xùn)練模型,不需要標(biāo)

注數(shù)據(jù)-一些提示工程框架可以顯著

增強(qiáng)LLM的推理能力-

靈活性、使用簡(jiǎn)單Retrieval-AugmentedGeneration,RAG-利用外部知識(shí)庫增強(qiáng)答案-提供支持性的證據(jù)-能夠動(dòng)態(tài)檢索相關(guān)知識(shí)，

適合數(shù)據(jù)頻繁更新的場(chǎng)景-

成本效益高-更可信、更可解釋、時(shí)效

性和準(zhǔn)確性高檢索增強(qiáng)生成提示詞工程任務(wù)布置清晰提供項(xiàng)目資料訓(xùn)練實(shí)習(xí)生49需求類型傳統(tǒng)提示詞技巧DeepSeek適配方案專業(yè)內(nèi)容生成角色扮演（如“扮演

經(jīng)濟(jì)學(xué)家”）細(xì)化場(chǎng)景（如“為90

后設(shè)計(jì)小紅書3C產(chǎn)品

種草話術(shù)”）邏輯推理任務(wù)思維鏈（Chain-of-

Thought）內(nèi)置推理框架，自動(dòng)

生成完整邏輯鏈格式控制嚴(yán)格模板約束自然語言描述格式需

求（如“用對(duì)比表格

呈現(xiàn)”）DeepSeek降低了基礎(chǔ)提示詞的使用

門檻

。但特定領(lǐng)域中

，提示詞可以帶

來顯著效果提升：-

專業(yè)領(lǐng)域任務(wù)-

復(fù)雜邏輯推演-

特定格式輸出隨著AI大模型的發(fā)展

，提示詞工程將

更側(cè)重“精準(zhǔn)表達(dá)”而非“技巧堆砌”，

成為人機(jī)協(xié)作的語義校準(zhǔn)工具。來源

:https://www.afr.com/technology/chatgpt-opens-door-to-four-day-week-says-nobel-prize-winner-20230406-p5cyki

52提示詞依然重要智能家居的典型代表-感知能力：多傳感器融合、特殊材質(zhì)識(shí)別、場(chǎng)景

理解-路徑規(guī)劃：分層決策、動(dòng)

態(tài)障礙處理-越障能力：機(jī)械設(shè)計(jì)創(chuàng)

新、復(fù)雜地形適應(yīng)最實(shí)用的智能機(jī)器人來源

：澎湃新聞https://m.thepaper.cn/newsDetail_forward_207904392023年3月54即使最普通的環(huán)境，也存

在各種可能性。實(shí)例：掃地機(jī)器人是否足

夠智能了？使用AI大模型：-

預(yù)測(cè)會(huì)發(fā)生什么事情-

分析發(fā)生了什么事情-

推理應(yīng)該如何應(yīng)對(duì)從圖像中推理事件糖畫打印使用AI大模型：-

輸入文字或照片-

智能生成糖畫模型-

糖畫機(jī)器人打印輸出來源

：李景元（2011級(jí)浙大工業(yè)設(shè)計(jì)本科）創(chuàng)業(yè)項(xiàng)目盼打糖畫機(jī)器人55智能3D打印機(jī)DeepSeek等AI大模型支持

的零門檻三維建模-

手繪/文本/圖片-

二維概念圖-

三維建模-

3D打印輸出來源：陳天潤(rùn)（2022級(jí)浙大國際設(shè)計(jì)研究院在讀博士）KOKONI3D打印機(jī)

56一、智能演變二、人機(jī)協(xié)作三、產(chǎn)業(yè)現(xiàn)狀四、教育成長(zhǎng)教師生成教案潤(rùn)色課件出題組卷自動(dòng)閱卷便捷搜索快速答疑創(chuàng)作輔助實(shí)時(shí)評(píng)價(jià)學(xué)生全面提升教和學(xué)的效率教教師

學(xué)生學(xué)實(shí)例：師生關(guān)系方案生成高效迭代教師設(shè)定教學(xué)目標(biāo)/任務(wù)價(jià)值依賴

方法指導(dǎo)

因材施教查漏補(bǔ)缺由：教師-學(xué)生二元結(jié)構(gòu)轉(zhuǎn)變?yōu)椋喝斯ぶ悄?教師-學(xué)生三元結(jié)構(gòu)實(shí)例：師生關(guān)系信息知識(shí)

定向檢索答疑解惑

糾正錯(cuò)誤人工智能學(xué)生人工智能教師

學(xué)生由：教師-學(xué)生二元結(jié)構(gòu)轉(zhuǎn)變?yōu)椋喝斯ぶ悄?教師-學(xué)生三元結(jié)構(gòu)實(shí)例：師生關(guān)系學(xué)生人工智能

教師“以學(xué)生成長(zhǎng)為中心”的“學(xué)生-人工智能-教師”三元結(jié)構(gòu)實(shí)例：師生關(guān)系A(chǔ)I大模型讓學(xué)習(xí)回到了最本真的樣子-在孔子和蘇格拉底的時(shí)代，學(xué)習(xí)常常以師生問答

的形式進(jìn)行-AI大模型擴(kuò)大了“問題”的邊界，能包容真實(shí)課

堂上可能不太合適的問題：聽不懂可以換個(gè)方式

再問-可以請(qǐng)AI大模型出題，考核是否真的已經(jīng)精準(zhǔn)掌

握