【中山大学】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_96页_6mb

报告摘要

从技术突破到场景落地：大模型发展图谱与DeepSeek创新应用总结

核心内容

人工智能大模型正在经历快速的发展，从最初的理论定义到如今的广泛应用，其技术突破与场景落地正在深刻改变各行各业。DeepSeek作为其中的代表，不仅在技术上实现了突破，还在多个领域展现了其强大的能力。本文总结了人工智能的发展现状、DeepSeek的创新应用、大模型的未来趋势以及DeepSeek对个人发展的赋能。

主要观点

人工智能的定义与分类：
- 人工智能（AI）是制造智慧机器的科学与工程，旨在模仿人类智力活动并提高人类能力。
- AI分为弱人工智能（ANI）、强人工智能（AGI）和超人工智能（ASI），其中ANI擅长单个任务，AGI与人类智力相当，ASI则在多个领域远超人类。
大模型发展趋势：
- 自2024年起，生成式AI成为主流，强调“全民化”和“AI信任、风险、安全管理”。
- 2025年，代理型AI和AI治理平台成为重要趋势，推动AI在复杂任务中的应用。
DeepSeek的发展历程：
- DeepSeek自2023年11月发布以来，不断迭代升级，包括DeepSeek-MoE、DeepSeekMath、DeepSeek-V2等版本。
- DeepSeek-R1的发布标志着其在推理能力上的重大突破，能够进行链式思考并生成清晰的推理过程。
DeepSeek的核心价值：
- 提供强大的推理能力，支持文件读取、文本生成、代码编写、语义理解等任务。
- 通过强化学习和蒸馏技术，提升模型的推理能力，同时降低计算成本，实现本地化部署。
应用场景：
- 医疗领域：DeepSeek在医学影像筛查、电子病历、医患沟通和诊断预测方面表现突出。
- 金融领域：应用于信息检索、合规问答、智能客服和风险控制，提升效率与准确性。
- 政务领域：在多个省市部署，用于优化行政审批流程、政策解读和数据管理。
- 教育与科研：在多个基准测试中表现优异，如C-Eval、CMMLU等。
技术突破与挑战：
- DeepSeek通过纯强化学习（Pure RL）和思维链（Chain-of-Thought, CoT）技术，显著提升了推理能力。
- 然而，其回复文本可读性差、推理过程语言混乱等问题仍需解决。
与现实世界的交互：
- DeepSeek支持联网搜索、多模态内容生成、智能客服和虚拟助手等功能。
- 通过智能体（Agent）技术，实现与外部工具和知识库的交互，解决大模型知识更新和复杂任务的限制。