智能产业发展培训

课程目标：
了解人工智能发展阶段与国内市场现状
人工智能的技术要素及国内外行业格局
熟悉人工智能领域的产业链上下游构成
知晓人工智能的社会价值与未来发展前景

课程对象：
高层管理者、企业家、私人银行、高净值客户、产业投资人、股权投资人

课程大纲:
前言
一、人工智能的初步认知
3.人工智能行业概述
（五）人工智能定义
（六）人工智能分类
（七）人工智能发展特征
（八）三要素：数据、算力、算法
4.人工智能发展历程
（一）第一次浪潮：核心是符号主义
（二）第二次浪潮：专家系统推动人工智能从理论走向实际
（三）第三次浪潮：深度学习的突破

二、人工智能的竞争格局
3.行业格局分析
（三）竞争格局
（四）行业现状
4.国内市场现状
（一）人工智能行业迎来新一轮发展浪潮
（二）人工智能上升至国家战略层面，场景应用是近期关注重点

三、DeepSeek的基础认知
5.DeepSeek是什么？
6.DeepSeek的优越性有哪些？
7.为什么DeepSeek这么火爆？
8.DeepSeek与其他大模型对比有何优势？

四、DeepSeek出圈对中国人工智能产业发展意义重大
5.技术层面：为创新协作提供平台，全球开发者可基于此进行二次开发等，激发行业创新活力；降低技术学习和应用门槛，促进AI技术普及，提升全球AI技术整体水平；众多开发者的实践会逐渐形成技术规范和标准，影响行业技术发展方向。
6.商业层面：通过开源构建起庞大生态系统，吸引大量开发者和用户，提升自身商业价值和市场竞争力；创造更多商业机会，带动相关技术服务、培训、硬件配套等产业发展。
7.产业层面：助力国产算力发展，加速适配国产算力，推动国产AI算力链成熟；各行业基于其模型开发应用，能加速智能化转型，实现产业资源更合理配置。
8.国际层面：推动全球AI均衡发展，为发展中国家提供便捷经济的AI解决方案；在国际AI领域构建去中心化技术生态，提升中国在全球AI领域的话语权和影响力。

五、DeepSeek产业链概况
4.上游：主要是算力基础部分，包括服务器、算力芯片、交换机、光模块等。像浪潮信息为DeepSeek于北京亦庄设立的智算中心提供AI服务器集群；中科曙光承建DeepSeek杭州训练中心液冷系统。
5.中游：为模型研发、训练与优化环节，这是产业链核心，价值占比最高。DeepSeek团队在此投入大量资源，进行技术架构创新、数据策略优化和工程实践改进等，如提出MLA架构、数据蒸馏技术、3D并行训练等。
6.下游：是商业应用和技术合作服务等环节。云服务商如天翼云推出息壤智算一体机-DeepSeek版；华为小艺助手、钉钉AI、极氪汽车等均深度集成DeepSeek模型，在多领域实现应用。

六、人工智能大模型的产业应用
5.金融领域：在券商中用于信息检索、文档处理、行业研究及市场分析等，如广发证券在“广发智汇”上线DeepSeek客户服务模块；银行用于提升内部流程效率、营销宣传等，如江苏银行用其实现邮件处理自动化；保险领域可用于员工日程管理、提供保险销售方案等，如新华保险的应用。
6.教育领域：网易有道、云学堂推出AI学科助手，辅助教学和学习。
7.汽车领域：吉利、岚图等车企完成模型融合，岚图知音将成为首款搭载DeepSeek的量产车型，助力汽车智能化。
8.其他领域：在传媒、办公等领域也有应用，如提升内容创作效率、实现办公自动化等。

七、社会经济价值与发展前瞻
3.社会经济价值
（一）促进数字技术与实体经济深度融合，赋能传统产业转型升级
（二）人工智能助力产业经济价值实现
4.市场前景前瞻
（一）中国人工智能行业整体呈快速发展趋势，行业大环境持续向好
（二）政策：人工智能政策红利日益凸显
（三）技术：应用驱动创新、积极补齐短板，已基本形成创新高地
（四）产业融合：AI持续泛化，持续深入赋能传统行业并保持健康发展态势
（五）产业规模持续扩大，市场份额将进一步集中
3.人工智能发展对就业形势的影响
（三）人工智能对就业形势的总体影响
就业岗位增减分析
劳动力市场结构变化
对不同技能水平劳动者的影响
（四）容易被取代的行业分析
制造业中的重复性工作岗位
数据录入与基础客服行业
简单文档处理与翻译行业
基础金融数据处理与分析岗位

八、AI在制造业的应用现状与趋势
9.重要性与准备度：多数企业意识到AI重要性，但缺乏专业人才和培训，准备不足。
10.应用场景：覆盖制造业全价值链，生产制造是首要应用领域，包括优化生产排程、提升机器人智能化等；质量管控中AI质检提高效率和准确性；研发设计用于产品辅助设计等；物流供应链实现智能分拣等；营销服务可进行销售预测等；还涉及教学培训、IT运维等其他领域。
11.应用模式与技术要素：应用模式多样，以合作伙伴和购买服务模式居多；常用AI框架各异；监督学习算法应用率较高；基于图像处理模型的应用较突出。
12.应用效果与期望：企业关注降本增效，生产排程与调度等应用效果好；期望通过AI提高效率、降低成本、提升产品服务和创新能力。
13.挑战与投入：面临认知不足、人才缺乏等挑战；投资谨慎，依赖厂商能力，关注厂商提供的服务和解决方案。
14.应用展望：未来有望多点开花，不同行业聚焦不同应用环节，相关技术迭代为深化应用提供可能。
15.生成式AI在制造业的应用现状与前景：部分企业试点或考虑应用生成式AI，前景被看好，主要应用于研发设计、生产制造和营销服务环节，但生产制造应用受安全性限制。
16.对制造企业推动AI应用的建议：
（七）明确AI战略目标
（八）加强AI技术学习
（九）结合自身特点确定应用需求
（十）扎实做好技术储备和数据准备
（十一）通过试点由点到面推进
（十二）加强人才培养和团队建设
课程总结

智能产业发展培训