该报告由山东大学李铁岗教授撰写，围绕DeepSeek展开全面介绍，涵盖AIGC与大语言模型发展背景、DeepSeek技术细节、应用场景、部署方案等多方面内容，为深入了解和应用该模型提供了丰富信息。
1. AIGC与语言模型发展历程：AIGC自2014年起不断演进，生成式AI借助Attention、Transformer等技术发展。自然语言处理旨在让计算机具备人类语言能力，语言模型通过预测句子下一个单词实现自然语言统计建模，大语言模型在2018 - 2024年快速发展。
2. DeepSeek模型概述
发展历程与架构创新：2023年推出，历经版本迭代。V2采用DeepSeekMoE和MLA技术，实现稀疏激活与低秩压缩；V3引入MTP，优化通信与训练精度。
推理模型技术：基于强化学习的GRPO框架，减少计算存储开销；采用多种奖励模型，避免复杂过程奖励。
3. 应用场景与能力层级
应用场景广泛：与多种工具组合，用于制作PPT、短视频、代码、海报等，覆盖办公、创作等多领域。
能力层级分明：包含基础到终极四层能力，从多模态数据处理到自主进化，满足不同复杂程度需求。
4. 模式对比与提示词工程
模式差异显著：V3为通用模型，适合日常任务；R1专注复杂推理；联网搜索基于RAG获取实时信息，各有优势与适用场景。
提示词工程多样：不同模型提示语有别，提示词涵盖十类，可依CO - STAR框架等技巧构建。
5. 部署方案与API调用
部署方式多元：有本地部署、第三方UI接入、云端接入等，可通过ollama、阿里云等多种平台实现。
API调用便捷：提供统一接口，不同平台有差异，需申请API key，按token用量计费。
6. 模型蒸馏与本地部署
模型蒸馏高效：将大模型知识传授给小模型，降低成本，提升小模型能力。
本地部署可行：对硬件有要求，可借助Hugging Face Transformers等工具实现。
7. 业务流应用与行业赋能
业务流丰富：结合Coze、Dify等搭建业务流与知识库，拓展应用边界。
行业赋能广泛：在酒企、房产等多行业发挥重要作用，推动产业智能化升级。
8. 应用风险与人机协作
风险需关注：涉及数据隐私、模型偏见等多方面风险，需采取对应措施防范。
人机协作增效：通过提升人机协作意识与技巧，实现高效协作。
