1. 講座為DeepSeek原理和應(yīng)用系列研討的講座之一，讓大家可以決策是否需要自己部署DeepSeek系列模型，并了
解自己本地化部署DeepSeek的基本方法，同時了解更專業(yè)的企業(yè)級部署方法，有助于選擇DeepSeek一體機型號，并
能理解DeepSeek云服務(wù)的工作機制和原理，用好DeepSeek云服務(wù)的API調(diào)用方法。
2. 本講座的內(nèi)容分為四個主要部分：
① 首先，除了DeepSeek滿血版之外，還有各種各樣的蒸餾版和量化版，以及DeepSeek的不同專業(yè)模型。我們將介紹人工智能大模
型的基本概念，以及DeepSeek各個模型的特點與適用場景，對比不同規(guī)模模型的性能表現(xiàn)，幫助大家選擇最適合自己需求的版本。
② 其次，對于普通用戶在自己的電腦上部署和體驗DeepSeek（蒸餾版）的情況，我們會評估和建議硬件要求，演示如何通過Ollama
命令行高效部署DeepSeek模型，解決下載過程中可能遇到的常見問題。為了提升在自己的電腦上安裝DeepSeek模型后，大家與
DeepSeek模型的交互體驗，我們還將介紹Open WebUI和Chatbox等前端展示工具的配置與使用方法。
③ 然后，對于專業(yè)級的企業(yè)部署DeepSeek，或把DeepSeek（蒸餾版和滿血版）部署在專業(yè)的昂貴的推理機上，本講座將探討基于
Transformers快速驗證和vLLM的高性能部署方案，并提供真實企業(yè)基于vLLM的部署DeepSeek-70b的相關(guān)數(shù)據(jù)和經(jīng)驗。
④ 最后，作為補充內(nèi)容，針對計算資源受限的場景，我們專門設(shè)計了"低成本部署"環(huán)節(jié)，詳細(xì)講解Unsloth R1動態(tài)量化部署的三種實
現(xiàn)路徑：基于llama.cpp、KTransformers以及Ollama框架動態(tài)量化部署。
3. 在技術(shù)學(xué)習(xí)的道路上，優(yōu)質(zhì)學(xué)習(xí)資源至關(guān)重要。推薦大家參考《人工智能通識教程（微課版）》這本系統(tǒng)全面的入門教
材，結(jié)合B站“思睿觀通”欄目的配套視頻進(jìn)行學(xué)習(xí)。此外，歡迎加入ai.kgc.cn社區(qū)，以及“AI肖睿團隊”的視頻號和
微信號，與志同道合的AI愛好者交流經(jīng)驗、分享心得。
附件：DeepSeek私有化部署和一體機,低成本部署,Unsloth R1動態(tài)量化部署的三種實現(xiàn)路徑
美國在 GenAI領(lǐng)域的領(lǐng)先地位正在被中國迎頭趕上,AI 供應(yīng)鏈格局將被重塑;開放權(quán)重模型正在推動基礎(chǔ)模型層商品化,為應(yīng)用開發(fā)者帶來新機遇;擴大規(guī)模并非通往 AI 進(jìn)步的唯一途徑
突破大模型訓(xùn)練固定思維,敢于嘗試在低精度 FP8 的模式下訓(xùn)練大模型,出現(xiàn)了較好的效果,每10年計算成本降低約1000倍，但人們的購買量增加了 10 萬倍
DeepSeek大模型的開源,低成本和高性能將大幅降低大模型的獲得,部署和應(yīng)用成本,將加快大模型在 B 端和 C 端應(yīng)用場景的落地;已應(yīng)用于端側(cè)、教育、金融、辦公、傳媒、醫(yī)療、智能汽車、企業(yè)服務(wù)等多個應(yīng)用場景，應(yīng)用領(lǐng)域廣闊
DeepSeek 降低了單個模型的部署成本,AI 應(yīng)用有望大規(guī)模落地， 推理算力需求將顯著增長，相關(guān)廠商有望加速進(jìn)入業(yè)績兌現(xiàn)期,在 AI 應(yīng)用前沿落地 場景中，全球 AI 應(yīng)用產(chǎn)業(yè)有望迎來共振期
PI 調(diào)用層面，DS/OpenAI 的輸入費用分別為 0.55/15 美元/百萬 token，DS 推理使用成本僅為 OpenAI 的 4%，顯著的降低資金門檻，推動了 AI 技術(shù)平權(quán)
精準(zhǔn)數(shù)據(jù)洞察與自動化效能提升方法論;DeepSeek將在企業(yè)服務(wù)、科研創(chuàng)新等垂直領(lǐng)域深度滲透;DeepSeek將通過開源戰(zhàn)略擴大開發(fā)者社區(qū)規(guī)模，并推出模型微調(diào)平臺和低代碼部署工具
周鴻祎以DeepSeek帶來的變革為切入點，深入剖析AI行業(yè)發(fā)展趨勢，并分享了AI技術(shù)于創(chuàng)業(yè)的應(yīng)用前景,未來應(yīng)用將從六大方向?qū)崿F(xiàn)爆發(fā),企業(yè)內(nèi)部未來一定是多個大模型組合工作
AI生成的回答重復(fù)相似,缺乏新意,即使改變提問,無法提供不同的結(jié)論;使用更多樣的訓(xùn)練數(shù)據(jù)和算法，提高AI的多樣性;優(yōu)化訓(xùn)練參數(shù)， 避免模型陷入局部最優(yōu)
模型難以處理訓(xùn)練集外的復(fù)雜場景,模型過度依賴參數(shù)化記憶,普通用戶難以辨別AI內(nèi)容的真實性，可能對醫(yī)療建議、法律咨詢等專業(yè)場景的可 靠性產(chǎn)生長期懷疑
DeepSeek技術(shù)突破與應(yīng)用場景,冷啟動數(shù)據(jù)與多階段優(yōu)化,本地部署與端云協(xié)同,垂直領(lǐng)域深耕（醫(yī)療、金融、教育）;智能協(xié)作與自動化轉(zhuǎn)型,消費決策與商業(yè)研究賦能
你想要生成什么樣的文案？ 這樣的文案具備哪些特征？ 你要針對什么生成類似文案？ 篇幅、用詞、結(jié)構(gòu)優(yōu)化;批量生成新媒體文案
提示語（Prompt）是用戶輸入給AI系統(tǒng)的指令或信息,包括指令、上下文和期望,為了更有效地進(jìn)行任務(wù)分解，可以采用SPECTRA模型,能夠掃描讀取各類文件及圖片中的文字內(nèi)容
