了解人工智能發展階段與國內市場現狀

人工智能的技術要素及國內外行業格局

熟悉人工智能領域的產業鏈上下游構成

知曉人工智能的社會價值與未來發展前景

前言

一、人工智能的初步認知

3.人工智能行業概述

（五）人工智能定義

（六）人工智能分類

（七）人工智能發展特征

（八）三要素：數據、算力、算法

4.人工智能發展歷程

（一）第一次浪潮：核心是符號主義

（二）第二次浪潮：專家系統推動人工智能從理論走向實際

（三）第三次浪潮：深度學習的突破

二、人工智能的競爭格局

3.行業格局分析

（三）競爭格局

（四）行業現狀

4.國內市場現狀

（一）人工智能行業迎來新一輪發展浪潮

（二）人工智能上升至國家戰略層面，場景應用是近期關注重點

三、DeepSeek的基礎認知

5.DeepSeek是什么？

6.DeepSeek的優越性有哪些？

7.為什么DeepSeek這么火爆？

8.DeepSeek與其他大模型對比有何優勢？

四、DeepSeek出圈對中國人工智能產業發展意義重大

5.技術層面：為創新協作提供平臺，全球開發者可基于此進行二次開發等，激發行業創新活力；降低技術學習和應用門檻，促進AI技術普及，提升全球AI技術整體水平；眾多開發者的實踐會逐漸形成技術規范和標準，影響行業技術發展方向。

6.商業層面：通過開源構建起龐大生態系統，吸引大量開發者和用戶，提升自身商業價值和市場競爭力；創造更多商業機會，帶動相關技術服務、培訓、硬件配套等產業發展。

7.產業層面：助力國產算力發展，加速適配國產算力，推動國產AI算力鏈成熟；各行業基于其模型開發應用，能加速智能化轉型，實現產業資源更合理配置。

8.國際層面：推動全球AI均衡發展，為發展中國家提供便捷經濟的AI解決方案；在國際AI領域構建去中心化技術生態，提升中國在全球AI領域的話語權和影響力。

五、DeepSeek產業鏈概況

4.上游：主要是算力基礎部分，包括服務器、算力芯片、交換機、光模塊等。像浪潮信息為DeepSeek于北京亦莊設立的智算中心提供AI服務器集群；中科曙光承建DeepSeek杭州訓練中心液冷系統。

5.中游：為模型研發、訓練與優化環節，這是產業鏈核心，價值占比最高。DeepSeek團隊在此投入大量資源，進行技術架構創新、數據策略優化和工程實踐改進等，如提出MLA架構、數據蒸餾技術、3D并行訓練等。

6.下游：是商業應用和技術合作服務等環節。云服務商如天翼云推出息壤智算一體機-DeepSeek版；華為小藝助手、釘釘AI、極氪汽車等均深度集成DeepSeek模型，在多領域實現應用。

六、人工智能大模型的產業應用

5.金融領域：在券商中用于信息檢索、文檔處理、行業研究及市場分析等，如廣發證券在“廣發智匯”上線DeepSeek客戶服務模塊；銀行用于提升內部流程效率、營銷宣傳等，如江蘇銀行用其實現郵件處理自動化；保險領域可用于員工日程管理、提供保險銷售方案等，如新華保險的應用。

6.教育領域：網易有道、云學堂推出AI學科助手，輔助教學和學習。

7.汽車領域：吉利、嵐圖等車企完成模型融合，嵐圖知音將成為首款搭載DeepSeek的量產車型，助力汽車智能化。

8.其他領域：在傳媒、辦公等領域也有應用，如提升內容創作效率、實現辦公自動化等。

七、社會經濟價值與發展前瞻

3.社會經濟價值

（一）促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級

（二）人工智能助力產業經濟價值實現

4.市場前景前瞻

（一）中國人工智能行業整體呈快速發展趨勢，行業大環境持續向好

（二）政策：人工智能政策紅利日益凸顯

（三）技術：應用驅動創新、積極補齊短板，已基本形成創新高地

（四）產業融合：AI持續泛化，持續深入賦能傳統行業并保持健康發展態勢

（五）產業規模持續擴大，市場份額將進一步集中

3.人工智能發展對就業形勢的影響

（三）人工智能對就業形勢的總體影響

就業崗位增減分析

勞動力市場結構變化

對不同技能水平勞動者的影響

（四）容易被取代的行業分析

制造業中的重復性工作崗位

數據錄入與基礎客服行業

簡單文檔處理與翻譯行業

基礎金融數據處理與分析崗位

八、AI在制造業的應用現狀與趨勢

9.重要性與準備度：多數企業意識到AI重要性，但缺乏專業人才和培訓，準備不足。

10.應用場景：覆蓋制造業全價值鏈，生產制造是首要應用領域，包括優化生產排程、提升機器人智能化等；質量管控中AI質檢提高效率和準確性；研發設計用于產品輔助設計等；物流供應鏈實現智能分揀等；營銷服務可進行銷售預測等；還涉及教學培訓、IT運維等其他領域。

11.應用模式與技術要素：應用模式多樣，以合作伙伴和購買服務模式居多；常用AI框架各異；監督學習算法應用率較高；基于圖像處理模型的應用較突出。

12.應用效果與期望：企業關注降本增效，生產排程與調度等應用效果好；期望通過AI提高效率、降低成本、提升產品服務和創新能力。

13.挑戰與投入：面臨認知不足、人才缺乏等挑戰；投資謹慎，依賴廠商能力，關注廠商提供的服務和解決方案。

14.應用展望：未來有望多點開花，不同行業聚焦不同應用環節，相關技術迭代為深化應用提供可能。

15.生成式AI在制造業的應用現狀與前景：部分企業試點或考慮應用生成式AI，前景被看好，主要應用于研發設計、生產制造和營銷服務環節，但生產制造應用受安全性限制。

16.對制造企業推動AI應用的建議：

（七）明確AI戰略目標

（八）加強AI技術學習

（九）結合自身特點確定應用需求

（十）扎實做好技術儲備和數據準備

（十一）通過試點由點到面推進

（十二）加強人才培養和團隊建設

課程總結