人工智能技术发展
**ChatGPT并非基础科学突破，而是工程积累的奇迹，其核心在于大模型技术的集成，包括智力密集工程、人力密集工程和算力密集工程。AI+行业落地的三步曲为：模型工程、领域工程和数据工程。大模型应用到行业领域的关键挑战在于静态模型与动态数据的不匹配，而AI+行业数智化路径思考为“先升级、再泛化、后革新”。应用创新分为0-1创新（升级赋能）和现有系统小模型赋能（面上谋划）两种模式。打造领域大模型是关键抓手与支撑。
Deepseek认知与影响
DeepSeek模型发展迅速，DeepSeekR1加速“o1时刻”到来，其核心在于“有限算力+算法创新”的发展模式，以及开源促进技术快速迭代。DeepSeek模型具有三大特征：
- 复制OpenAI o1技术思路：通过大规模RL（强化学习）训练，逐步增加模型思考时间，涌现出“Ahamoment”的顿悟与反思行为，社区验证影响力超过预期。
- 工程优化极致压缩训练成本：架构侧优化提升训练推理效率（MoE、MLA、MTP），Infra优化榨干阉割版特供显卡性能（计算集群、训练框架、FP8混合精度训练）。
- 定位为OpenAI o1的开源平替：NVIDIA、AWS、Azure等云服务平台上架DeepSeek API，Windsurf等AI初创公司集成DeepSeek模型能力实现各种场景。模型权重开源，无法禁用，国外只能禁止调用中国大模型MaaS API服务。
DeepSeek-R1的训练过程分为四步：
- 通过数千条冷启动数据训练SFT，提高可读性和性能。
- 通过RL方案训练GRPO增强推理能力，引入语言一致性奖励。
- 拒绝采样与SFT结合，增强模型在写作、角色扮演等通用任务中的能力。
- 通过RL方案训练GRPO增强全场景能力，组合奖励信号，复用DeepSeek-V3的prompt分布和偏好数据提升helpful和harmless。
R1模型性能比肩o1，蒸馏系列模型对标o1-mini，但通用能力不及V3，语言混用，对fewshot敏感，软件工程能力待提升。
AI+金融实践案例
金融行业AI应用案例包括：
- 数据工具类：某大型金融机构财报解读问答、某证券公司智能合规比稿。
- 领域模型类：某上市公司财税大模型、银行信贷审核智能体。
- 决策AI类：某银行金融犯罪智能分析系统、基金证券投研智能体、港府某机构经济分析报告智能写作系统、创投基金智能资管平台。
应用成效显著，赋能财税部落、自助办税终端系统、信贷审批流程，助力金融犯罪风险识别，提高信贷审核精度和效率，提升投研工作效率和质量，辅助经济专家撰写报告，实现投资管理自动化、风险监控常态化、投资决策智能化。
中科闻歌介绍
中科闻歌聚焦企业级DATA+AI，形成数据、模型、决策应用，全栈式AI产品，具有自主产权的国产原生基座大模型“雅意”，构建安全可靠的政企行业大模型。
雅意大模型能力总结：
- 7B、13B、30B、134B（即将推出）更大规模参数。
- 1000W+图文数据对齐多模态能力提升。
- 信息抽取能力提升。
- 知识产权与科研成果显著。
优雅多模态大模型，全链路赋能多媒体内容创作，核心功能包括一键成片AI赋能视频创作全链路，素材成片、AI音乐、AI视频文图智能生成等。
“智川”X-Agent智能体应用平台，旨在为各行业提供零代码快速构建AI应用的解决方案，降低技术门槛，简化开发过程，让AI应用创新变得“触手可及”。
