2025从技术突破到场景落地大模型发展图谱与DeepSeek创新应用报告

李煜政 中山大学软件工程学院2025年03月 大纲 n人工智能大模型发展现状 nDeepSeek破圈后的大模型发展趋势 n大模型重点应用场景 nDeepSeek能力赋能个人发展 人工智能 2024年3月5日，李强总理在十四届全国人大二次会议上作《政府工作报告》，其中提出：开展“人工智能+”行动。 人工智能 n人工智能的定义 ØArtificialIntelligence，缩写为AI Ø1955年，约翰·麦卡锡定义为：“制造智慧机器的科学与工程”。 Ø1989年，罗杰·彭罗斯定义为：“通过机器（通常是电子设备）尽可能多地模仿人类智力活动，并可能在这些方面提高人类的能力”。 约翰·麦卡锡（人工智能之父） 人工智能 n人工智能的分类 Ø弱人工智能ArtificialNarrowIntelligence(ANI) •擅长于单个方面的人工智能 Ø强人工智能ArtificialGeneralIntelligence(AGI) •人类级别的人工智能，在各方面都能和人类比肩 Ø超人工智能ArtificialSuperintelligence(ASI): •“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”——牛津哲学家，知名人工智能思想家NickBostrom 科技趋势 nGartner十大科技趋势预测 Ø2017：人工智能和先进机器学习（第1）Ø2018：人工智能基础（第1）Ø2019：自动化的一切（第1）Ø2020：人工智能安全（第10）Ø2021：人工智能工程化（第8）、超级自动化（第9）Ø2022：生成式AI（第12）Ø2023：自适应AI（第4）Ø2024：全民化的生成式AI（第1）、AI信任、风险、安全管理（第2）Ø2025：代理型AI（第1）、AI治理平台（第2） 人工智能 人工智能 nLLM的原理：大参数函数 人脑约有1000亿个神经元 人工智能 n人工智能相比人类的优点 Ø速度：计算（机器2GHzvs人脑200Hz）、信息传播（光速vs人脑120m/s) Ø容量：机器具有更大的储存空间 Ø可靠性和持久性：晶体管比神经元更加精确可靠 Ø可编辑性、升级性：软件更容易升级、修正、测试 Ø集体能力：机器>人类>其他物种 人工智能 人工智能 n人工智能的发展需要受到规范 工业革命 n四次工业革命 人工智能大模型发展现状 DeepSeek热潮 DeepSeek热潮 nDeepSeek版本发布路径 Ø23年11月：DeepSeekLLM Ø24年1月：DeepSeek-MoE Ø24年2月：DeepSeekMath Ø24年5月：DeepSeek-V2 Ø24年11月20日：DeepSeek-R1-Lite-Preview Ø24年12月26日：DeepSeek-V3 Ø25年01月15日：DeepSeekApp Ø25年01月20日：DeepSeek-R1 Ø25年01月27日：DeepSeek暴击美股 国内AI软件的关注度（微信指数） DeepSeek热潮 nDeepSeek版本发布路径 Ø23年11月：DeepSeekLLM Ø24年1月：DeepSeek-MoE Ø24年2月：DeepSeekMath Ø24年5月：DeepSeek-V2 Ø24年11月20日：DeepSeek-R1-Lite-Preview Ø24年12月26日：DeepSeek-V3 Ø25年01月15日：DeepSeekApp Ø25年01月20日：DeepSeek-R1 Ø25年01月27日：DeepSeek暴击美股 DeepSeek热潮 n全球云服务厂商火速接入 1月31日，英伟达、亚马逊、微软云全部接入DeepSeek 2月1日~2月3日，国内云厂商陆续宣布接入DeepSeek DeepSeek热潮 n成为央国企数字化转型“新基建” 通信行业 Ø三大运营商：移动、联通、电信，全面接入DeepSeek，应用于智能客服和云计算赋能 能源行业 Ø电力：南方电网“大瓦特”；国家电网“光明电力大模型”；中国华电“华电睿思”Ø三桶油：中国石油昆仑大模型；中国石化长城大模型；中国海油海能人工智能模型 汽车行业 Ø Ø东风汽车、长安汽车、吉利、极氪：应用于智能语音交互、AI导航系统及自动驾驶辅助 金融行业 Ø国有银行、十余家券商：完成本地部署，应用于信息检索、行业研究、合规问答等场景 DeepSeek热潮 n延伸到智慧政务领域 北京市 Ø丰台区、昌平区、海淀区：部署DeepSeek用于优化行政审批流程与数据分析广东省 Ø广州市：政务服务和数据管理局，部署DeepSeek-R1/V3模型，应用于民生政策解读、12345热线工单分派等场景Ø深圳市：基于政务云提供DeepSeek模型服务，覆盖龙岗区、福田区、大鹏新区等，实现政务应用一体化升级Ø佛山市：完成DeepSeek本地化部署，接入“粤治慧·佛山城市大脑”，支撑智能问答、公文写作等政务功能Ø珠海市：政务服务和数据管理局，在市电子政务外网上线DeepSeek-R1671B大模型江苏省 Ø Ø南京、苏州、无锡、常州、盐城、连云港等地：接入DeepSeek用于优化营商环境、政策解读及智能客服江西省 Ø赣州市：作为省内首个部署DeepSeek的城市，应用于政务服务与城市治理河北省 Ø秦皇岛市：交通运输局引入DeepSeek推动智慧交通建设，数据和政务服务局上线智能审批助手 人工智能大模型发展现状 DeepSeek核心价值赏析 DeepSeek核心价值赏析 nDeepSeek简介 ØDeepSeek-R1能力 DeepSeek核心价值赏析 n推理模型是什么？ Ø《Modelneedsmoretokenstothink》思维链（Chain-of-Thought，CoT） Ø案例： Ø“计算Starwberry里有几个r” Ø“计算Starwberry里有几个r？请一步步来，先拆解单词拼写，再计算每个字母是否是r，同时注意可能有连续出现的相同字母r” DeepSeek核心价值赏析 n思维链技术的局限性 Ø对用户的专业技能要求高、使用门槛高 Ø例如： Ø两个能量分别为E1和E2的量子态，其寿命分别为10^-9秒和10^-8秒。我们希望清晰区分这两个能级，以下哪个选项可能是它们的能量差值，使得二者能够被明确分辨？ Ø请拆解为思维链… DeepSeek核心价值赏析 n推理模型 Ø自动生成链式思考的过程 DeepSeek核心价值赏析 n推理模型的适用场景 Ø不适用： Ø适用： Ø简单问题Ø知识性问答Ø娱乐聊天Ø延迟要求高 Ø谜题、数学证明Ø复杂决策Ø开放式答案Ø需要显式的思考步骤 DeepSeek核心价值赏析 n长思维链的效果 Ø2024年9月GPT-o1发布后，借助LongInternalCoT，在数学竞赛，编程竞赛，科学问答方面显著提升，甚至击败人类专家。 DeepSeek核心价值赏析 n复现o1推理能力的探索过程 Ø主流探索方向 ØPRM（过程监督奖励模型） 主流的研发方向没有跳出PRM模式 DeepSeek核心价值赏析 n复现o1推理能力的探索过程 ØKimi团队，从蛛丝马迹中，找到关键破局点 ØTrainLLMsthroughRLtosolveproblemswithexactrewardsØAvoidstructuredapproachesastheyultimatelylimitmodelperformance;letthemodelexplorethinkingparadigmsonitsownØThinkingincludessearchprocessesandallowsformistakes DeepSeek核心价值赏析 nDeepSeek模型的演化路径–阶段1 ØDeepSeek团队，提出DeepSeek-R1-Zero的纯强化学习方法（PureRL），以数学、物理、编程等有标准答案的题目进行训练 Ø准确度激励： Ø问“1+1=？”答2，加一分；答1，零分 Ø格式激励： Ø问“1+1=？” Ø答：<think>用户问我1+1等于几，这应该是一道很简单的数学题，我们可以形象的思考，我有一个苹果，再给我个，就有两个。因此答案应该是2。</think><answer>2</answer>加一分 Ø答：<think></think><answer>2</answer>零分 DeepSeek核心价值赏析 nDeepSeek模型的演化路径–阶段1 Ø在训练过程中，模型自主学会了长思考：随着训练轮次增加，平均返回结果长度逐渐上升 DeepSeek核心价值赏析 nDeepSeek模型的演化路径–阶段1 Ø纯强化学习，无人工指引，模型效果赶超OpenAIo1 Ø但存在回复文本可读性差、推理过程语言混乱问题 DeepSeek核心价值赏析 nDeepSeek模型的演化路径–阶段2 Ø训练流程（武当梯云纵，左脚踩右脚） DeepSeek核心价值赏析 nDeepSeek模型的演化路径–阶段2 Ø追赶上了o1系列模型的能力 Ø但不是谁都可以左脚踩右脚，需要强大的基础模型 DeepSeek核心价值赏析 nDeepSeek模型的演化路径–阶段3 （将大模型的知识浓缩到一个小模型上，在降低计算量的同时尽可能使小模型接近大模型的性能） Ø效果大幅提升（证明超大模型的SFT数据，可以低成本地显著拔高现有模型） Ø模型尺寸变小（引发本地部署热潮、破圈） DeepSeek核心价值赏析 nDeepSeek对应功能 大纲 n人工智能大模型发展现状 nDeepSeek破圈后的大模型发展趋势 n大模型重点应用场景 nDeepSeek能力赋能个人发展 大模型发展趋势 n从摩尔定律到知识密度提升 Ø摩尔定律趋缓 Ø定律：每隔大约18个月，集成电路上可容纳的晶体管数量将翻倍，同时计算性能也会随之提升，而成本保持不变Ø近年来摩尔定律趋缓（芯片制程接近物理极限），单纯依赖芯片性能提升已无法满足大模型指数级增长的算力需求 Ø大模型开始依赖更高效的架构优化 Ø知识密度：每一次的计算所需要参与的参数以及对应能力所需要消耗的算力Ø一个知识密度越强的模型意味着能力越强，每一次计算所需要的参数规模越小Ø模型的知识密度增强将呈现出每8个月提升一倍的规律 大模型发展趋势 n大模型由数据飞轮向智慧飞轮升级演进 Ø使用合成数据进行训练成为主流 Ø强化学习新范式，带来AI模型的自我迭代 大模型发展趋势 nTest-timescalinglaw Ø模型能力提升维度： 预训练计算量、模型尺寸、数据量、思考时间 大模型发展趋势 nTest-timescalinglaw 2025年国际消费电子展（CES2025）——全球最大的消费电子展上，Nvidia（英伟达）创始人兼CEO黄仁勋发表了一场主题演讲，将过去、现在和未来紧密结合在一起。 “随着预训练的收益达到瓶颈或变得过于昂贵，我们找到了一种新的扩展方向（Test-TimeScaling），它展示了一条通往AGI的路径。” 大模型发展趋势 大模型发展趋势 n通用大模型与垂域大模型协同发展 Ø通用大模型在专业领域常常产生幻觉（如司法领域） Ø垂域大模型关注解决问题，提高生产力和工作效率Ø但一个好的通用大模型，可以决定垂域大模型的下限 通用大模型在专业领域产生幻觉：2020年5月28日，《中华人民共和国民法典》表决通过，自2021年1月1日起施行。 大模型发展趋势 n本地部署小模型成为主流应用渠道 ØDeepSeek发布后，通过蒸馏有效提升了小模型的能力 Ø小模型本地部署的资源要求低 Ø本地部署能有效提升数据安全性，拓宽落地场景 大纲