2025年-AI大模型与AIGC技术在公安领域的应用解决方案-新版

大模型与AIGC技术在公安领域的应用方案汇报人：目录01

人工智能概述

AIGC

与大模型技术

人工智能应用案例人工智能概述人工智能基本概念与发展历程关键技术与研究学派人工智能基本概念与发展历程人类的智能，源于人类的大脑、感觉器官和神经网络从自然环境中感知和解析信息，提炼知识并运用于指挥自身行为的能力，就是“智能”。1.何谓智能?人工智能基本概念人工智能，指由人制造出来的机器所表现出来的智能。人工智能就是把人的智能转移到人造的

机器中，让机器来具备了感知、思考、

决

策的能力。人工智能基本概念2.什么是人工智能?知识星球【无忧智库，星球号：53232205】无忧智库-新基建智慧城市圈子，数字工作者必备的专业行业智库。截止至2025年1月份，星球已稳定

运营1400多天，目前星球已上传资料合计超过5600份+,大小超过100G+(PPT1880

份+、WORD616

份

+

、PDF3119

份+、其他71+),还在不断持续更新中，欢迎微信扫码加入。本星球专注全行业智慧解决方案(数字化转型、数据要素、智慧城市、新质生产力、智能制造、工业

互联网、元宇宙等)、行业报告、高端PPT

模版、商业计划、各类大会峰会资料、标准规范、项目管

理体系、质量管理体系、ITTL

、TOGAF

、Scrum

敏捷管理、软考等考试认证资料等几十个板块，致

力于打造国内领先的行业智库，为数字工作者提供一站式服务。扫码加入后无限制免费下载，希望本广告没有打扰到您的阅读，感谢支持!扫码关注微信公众号扫码添加星主微信扫码加入知识星球图灵与人工智能1950年，图灵在论文《计算机器与智能》中提出图灵测试，将机器智能定义为“若机器能通过自然语言对话让人类无法区分其与人类，则具备智能”。这一测试方法

至今仍是衡量AI智能水平的重要标准，例如ChatGPT

等大模型均以通过类似测试

为目标。图灵通过图灵测试与图灵机构建了人工智能的理论框架，其密码学实践与哲学思考为现代AI技术提供了方法论与伦理基础。尽管他未亲历Al的爆发式发展，但其

思想至今仍是技术突破的核心驱动力。阿兰·

图灵(1912-1954)——现代计算机的奠基人，人工智

能

之父。图灵测试-成为判定机器智能的标准多名评委在隔开的情况下，通过设备向一个机器人和一名人类随意提问。多次问答后，若超过30%的人不能确定被测者是人还是机器，那么,该机具备人类智能。向应答者提问给发问者应答1956年6月，达特茅斯会议并没有得出什么重要的结论或宣言，但是

提出了“人工智能

(ArtificialIntelligence)”的命名，也大致明

确了后续的研究方向。这次会议，标志着人工智能作为一

个研究领域正式诞生，也被后人视

为现代人工智能的起点。纳撒尼尔·

罗切斯特

IBM701

电脑总设计师奥利弗·塞弗里奇机器感知之父艾伦·纽厄尔图灵奖得主马文

·

明斯基图灵奖得主赫伯特·西蒙图灵奖得主诺贝尔经济学奖得主约翰

·麦卡锡

人工智能之父图灵奖获得者克劳德

香农信息论之父达特茅斯会议-首次提出“人工智能”术语，标志着学科诞生发展历程-第一次低谷3.人工智能的历史第一次低谷阶段(1974年-1979年)项目失败、政府撤资在1974年至1979年间，人工智能领域经历了第一次发展低谷，即“Al之冬”。此

前

，Al

在1960年代迎来了黄金时代，得益于符号主义的推动和冷战时期美国政府的资金支

持

，AI研究取得了显著成果。然而，由于学术界对Al的预期过于乐观，加之当时计算机算力和存力有限，Al

系统未能达

到预期效果。特别是机器翻译等领域的失败，导致政府资助减少。1973年，《莱特希尔报告》对Al技术提出严厉批评，随后英国政府、美国DARPA和美国

国家科学委员会等机构大幅削减对AI的投资，使得AI研究陷入低谷。发展历程-第二次高潮阶段3.人工智能的历史

专家系统基于知识整理出来的规则，进行逻辑推理，来模拟和延伸人类专家的决策能力，解决复杂的问题。第二次高潮阶段(1980年-1987年)非专家用户

专家系统

专家样本输入建议规则

引擎知识库用户

界面发展历程-第二次低谷阶段3.人工智能的历史第二次低谷阶段(1987年-1993年)-专家系统遇到瓶颈在1987年至1993年间，人工智能经历了第二次发展低谷。这一阶段的原因主要包括：专家系统(符号主义)在实际应用中遇到能力瓶颈，如应用领域狭窄、缺乏常识性知识、知识获取困难等；

同时，80年代个人电脑技术革命使得通用PC性能超越Al专用计算机，导致AI硬件市场崩溃。此外，专家系统维护更新复杂且成本高昂，使得市场和用户兴趣减退。最终，战略计算促进会和DARPA

等机构削减了对Al的资助，AI研究因此进入第二次低谷阶段。发展历程-第三次高潮阶段3.人工智能的历史第三次高潮阶段(1994年-现在)自1994年以来，人工智能进入第三次高潮，神经网络和机器学习复兴，深度学习诞生。大数据和云计算推动Al发展，重要算法和模型如SVM、LSTM、LeNet

相继提出。Al在图像和语音识别应用广泛。里程碑事件包括深蓝战胜卡斯帕洛夫和AlphaGo

战胜李世石。GANs

和无监督学习推动图

片生成领域。Transformer

架构改变深度学习方向。OpenAl

的GPT系列和生成式AI崛起，

多模态AI处理多种媒体。全球大模型竞争激烈，Al

技术取得显著进展，对社会产生深远影响。神经网络

深度学习ChatGPTTransformer生成对抗网络OpenAl

GPT-1ImageNet

Spaun

AlphaGoHintonBP算法

深度学习卷积神经网络

LSTMCyeoHopfield模型

IBM

WatsonIBM深蓝SVM(支持向量机)XCON

递归神经网络1956

19731980

1987

1994

2006萌芽阶段

第一次高潮

第一次低谷第二次高潮

第二次低谷

第三次高潮规则和推理

复苏探索期

蓬勃发展期知识图谱机器学习3.人工智能的历史发展历程-“三起两落”五阶段ELIZA

Shakey机器学习达特茅斯会议

LISP诞生图灵测试

感知机SNARC195019601970198019902000

2010

2020MYCIN莱特希尔报告DENDRAL人工智能发展图谱专家系统AlexNet窄人工智能(Narrow

Al):也称为弱人工智能，指的是在特定领域或任务上表现出智能的系统，例如语音识别或图像识别。通用人工智能(AG1):也称为强人工智能，指的是具有广泛认知能力的系统，能够像人类一样在多个领域和任务上表现出智能。超级人工智能(Superintelligent

A1):指的是在所有领域都远远超过人类智能的系统

。人工智能的分类1.从自然环境中感知和解析信息，提炼知识并运用于指

挥自身行为的能力，就是“智能”。2.人工智能把人的智能转移到人造的机器中，让机器来具

备了感知、思考、决策的能力。3.人工智能从20世纪50年代出现，发展至今，经过了

“三起两落”五个阶段。4

.人工智能的分类(按智能程度分类)窄(弱)人工智能通用人工智能超级人工智能小结关键技术与研究学派人工智能硬件基础，包括GPU

(图形处理单元)、TPU(张量处理单元)等专门为AI计算优化的芯片，能够高效处理大量数据和复杂的算法。二

、关键技术1.人工智能的关键技术机器学习(一种实现AI的方法)深度学习(一种ML技术)机器学习深度学习强化学习人工智能(弱人工智能+强人工智能)基础算法技术智能芯片技术强化学习(一种ML技术)二

、关键技术感知设备

解释器图像(或视频)解释花园，春天，

桥，水，树，计算机视觉

花，绿色等1.人工智能的关键技术感知技术自然语言处理语音处理多模态分析推理技术The

BasicsofNLPfora

TextABSentence

SegmentationWordsTokenizationText

LemmatizationStopWordsDependency

Parsing

in

NLP

Named

Entity

RecognitionCoreference

Resolution感知维度技术载体性能指标应用案例视觉感知超光谱摄像机200米车牌识别率>95%①边境车辆查控713听觉感知麦克风阵列75dB噪声下声纹识别80%2重点场所异常声纹监测12时空感知北斗+UWB融合定位室内定位精度<0.3米13大型活动人流热力图14生物感知多模态采集仪指纹+虹膜采集<8秒7出入境核验27三、感知技术：智能系统的感官延伸(一)多模态感知体系人工智能研究的三个门派符号主义联结主义行为主义人工智能三大学派1、符号主义符号主义，又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源于数学逻辑，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。典

型

代

表

：1997年5月，名为“深蓝”的IBM超级计算机打败了国际象棋世界冠军卡斯帕罗夫，这一事件

在当时也曾轰动世界，其实本质上，“深蓝”就是符号主义在博弈领域的成果。人工智能研究的三个门派注：深蓝是美国IBM

公司生产的一台超级国际象棋电脑，重1270公斤，有32个大脑(微处理器),每秒

钟可以计算2亿步。“深蓝”输入了一百多年来优秀棋手的对局两百多万局。人工智能研究的三个门派2、行为主义行为主义，又称进化主义或控制论学派，是一种基于“感知——行动”的行为智能模拟方法，思想来源是进化论和控制论。其原理为控制论以及感知——动作型控制系统。该学派认为：智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的控制结构。生物智能是自然进化的产物，生物通过与环境及其他生物之间的相互

作用，从而发展出越来越强的智能，人工智能也可以沿这个途径发展。典

型

代

表

：著名的研究成果还有波士顿动力机器人和波士顿大狗，以及国内的宇树科技的人型机器人和四足机器狗。SOURCE

Brighom

and

women's

Hos检测病人体温按照设置好的路线行走扫描工地上监工Construction

Site

Data收集施工现场的数据变身“牧羊犬”放羊应急排险人工智能研究的三个门派典型代表：波士顿大狗。宇树科技军用机器狗亮相中柬“金龙-2024”联合演习

机器狗参与联演智能无人化装备受关注星期六16:55的联系。C

TV新间以军24日发布通告称，以军当天早间拦截从黎巴嫩境内袭来的可疑柬埔寨

中柬“金龙-2024”联演l9网

古

：

回

0ZL4

冥狂专

1

Oa¥I典型代表：在人工智能的算法、算力、数据三要素齐备后，连接主义学派就开始大放光彩了。2016年DeepMind

公司

(AlphaGo)击败围棋冠军李世

石

。AlphaGo

战胜李世石2016人工智能研究的三个门派联结主义，又称仿生学派或生理学派，是一种基于神经网络和网络间的连接机制与学习算法的智能模拟方法。连接主义强调智能活动是由大量简单单元通过复杂连接后，并行运行的结果，基本思想是，既然生物智能是由神经网

络产生的，那就通过人工方式构造神经网络，再训练人工神经网络产生智能。3、联结主义学派AlphaGo战胜柯洁2017联结主义：从生物神经网络到人工神经网络30输入3连接权值(输入层输入1输入2输出2神经元连接权值(a)

生物神经网络(b)人工神经网络输出层输出1隐含层小结2.人工智能研究的三个门智能的关键技术包括：智能芯片技术、基础算法技术和感知技术。联结主义符号主义行为主义AIGC

与大模型技术大模型与AIGC概述DeepSeek

推理大模型提示词与提示工程人工智能(Artificial

Intelligence):符号主义、联结主义、行为主义、统计主义…机器学习

(Machine

Learning)

:从数据中学习模式和规律深度学习(Deep

Learning):使用深度神经网络进行机器学习Transformer模型大模型

(FoundationModels)1966年Eliza-第一款人机对话机器人1984

—

1986年Tangora-语音控制打字机2007年《1

TheRoad》-第一部完全由AI创作的小说2

0

1

2

年微软-全自动同声传译系统2

0

1

4

年LanJ.Goodfellow-生成式对抗网络GAN2

0

1

8

年英伟达StyleGAN模型-自动生成高质量图片2

0

1

9

年受限于技术水平，AIGC仅限于小

范围实验20世纪90年代—21世纪10年代中期沉淀积累阶段AIGC从实验性向实用性转变，受

限于算法瓶颈，无法直接生成内容20世纪90年代—21世纪10年代中期快速发展阶段AIGC与GPT(通用大模型的代表)生成式预训练Transfomer

模型，GPT

的全称，是Generative

Pre-Trained

Transformer(生成式预训练Transfomer

模型)是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型。大模型的基本概念-ChatGPT概述各大热门平台产品月活跃用户数破亿所需时长。TikTok

qnstagram9个月

1

30个月

!X

MetaSpotify

Lwitter5

4

个

月

!

5

4

个

月

1

90个月AIWhatsApp42个月

1ChatGPT被称为AI的

“iPhone时刻”,以

ChatGPT为代表的生成式AI让每个人命

令计算机解决问题成为了可能。可对生

产工具、对话引擎、个人助理等各类应

用，起到协助人、服务人甚至超越人的

角色。海量下游应用也因此捕捉到新的技术与

产业机会，希望通过各类大模型与工程

化能力，将类ChatGPT产品能力输送到原

有的应用中，关于应用革命的序幕就此

拉开。凭借此革命性突破，ChatGPT

在搜索引擎

与各类工具软件中率先掀起应用热潮，

引起了广大用户对ChatGPT相关技术的

关注与学习。NVIDIA.大模型的基本概念大型语言模型(又称：大语言模型、大模型，英文：LargeLanguageModel,缩写LLM)是在大量语料库上训练的机器学习模型，使用自监督或半监督学习在大量未标记文本上训练数十亿个参数。大模型在语言理解方面表现出

非凡的能力，也能够执行从情感分析到数学推理的各种任务。大模型与搜索引擎有着本质的不同：大模型通过理解问题直接给出答案；搜索引擎则是给出你要查询信息的参考链接，答案需要用户查看返回链接的内容并自行进行总结。总之，大模型经过训练，可以执行简单任务，如预测句子中的下一个单词。然而，它们也能够理解人类语言

的大部分结构和含义，并具备丰富的常识，能够在训练中“记住”大量的事实。将大模型想象成一个巨大

而灵活的大脑，只要它们有足够的数据和处理能力，就可以学会执行各种任务。因此，当与大模型互动时，

请记住您正在与一种令人印象深刻的人工智能技术进行交流。核心是两个，一个是理解自然语言，明白人的意图；另

一个是产生自然语言的文本，满足人的要求。“是谁”“什么时候”“在哪里”“发生了什么事”解决了什么问题?容易问题”为什么”“怎么做”ChatGPT背后的技术是什么?跟逻辑推理

有关的问题跟事实有

关的问题难的问题大模型生态系统大语言模型也可按照其生态系统进行层次划分，包括场景层、应用层、功能层、模型层、平台层、算力层和社区层医疗、教育、金融、游戏等机器翻译、对话系统、智能客服等语言理解、语言生成、对话交互等闭源大模型、开源大模型平台层大语言模型训练和推理平台算力层

CPU

、GPU

、DPU

、TPU等社区层知识共享与

合

作

，开发者支持与资源分享等场景层应用层功能层模型层生成式AI应用：内容制作，从辅助人到“替代”人什么是AIGC?AIGC(Artificial

IntelligenceGeneratedContent)指

的

是

利

用

人

工

智

能

技

术自

动

生

成

内

容

的生产方式。

这些内容可以是文本、图片、音频、视频甚至3D模型等多种形式。生成图像

日

B

生成音频生成文本

自

生成视频生成内容从决策到生成，Al

技术与应用迎来跨越发展GPT-3

dog

5cat

27Al的急速发展使得Al模型在手写识别、语音识别、图像识别、阅读理解、语言理解等领城的表现加速超越人类平均水平20202017Transformer网络结构进化

为后续大型模

型打下基础2020GPT-3能够完成大多数NLP

任务OpenAI2021CLIP以40亿个文

本-图像对为

训练数据实现文本到图像跨模态2022DALL·E2由文本生成的高清具有

独创性图像Al绘

画1990s机器学习算法D□GAN生成图像但

分辨率不高2012DNNsIBM

'沃森

物体识别益智问答打败人类

自动驾驶神经网络基础模型大规模模型2012年至今生成式Al急速发展195

6感知器模型三三蒸

毒Al学科成立机器语言翻译1980sProlog&Lisp专家系统解答特定领域

的问题Robot前神经网络专家系统

概率推论2011年以前决策式/分析式Al时代2014化推荐系统0.0-0.2

推荐算法

-0.4

amazon-0.61994GroupLens首个自动

02

+-0.8ByteDance字节跳动1.020142000

2005

20102015GoogleTranslate人类平均水平线2011大数据+SOuAD

20+Saitchboard—imageviet

SQuAD11川IBMWatsonMNST

GLUEG+类型决策式AI生成式AI技术路径已知数据分别求解输出类别标签，区分不

同类型数据，例如将图像区分为猫和狗分析归纳已有数据后创作新的内容，例如生成

逼真的猫或狗的图像成熟程度技术成熟，应用广泛，辅助提高非创造性

工作效率2014年开始快速发展，近期发展速度呈指数级

爆发，部分领域应用落地应用方向推荐系统、风控系统、决策智能体等内容创作、科研、人机交互以及多个工业领域应用产品人脸识别、精准广告推送、金融用户评级、

智能辅助驾驶等文案写作、文字转图片、视频智能配音、智能

海报生成、视频智能特效、代码生成、语音人

机交互、智能医疗诊断等Al:决策式Al与生成式AI对比Al模型可大致分为决策式/分析式AI(Discriminant/AnalyticalAI)和生成式AI(GenerativeAl)两类。决策式Al:学习数据中的条件概率分布，根据已有数据进行分析、判断、预测，主要应用模型有用于推荐系统和风控系统的辅助决策、用于自动驾驶和机器人的决策智能体。生成式Al:学习数据中的联合概率分布，并非简单分析已有数据而是学习归纳已有数据后进行演技创造，基于历史进行模仿式、缝合式创作，生成了全新的内容，也能解决判别问题。Al技术里程碑

控制论

NLP

CV

深度学习GAN

Al4S

ChatGPT

…安防-视觉互联网-推荐AI产业发展“三叠浪”专家系统AI重点事件里程碑

1956年

1997年

2007年达特茅斯会议

深蓝机器人战胜人类

视觉识别超过人类从感知世界到生成创造世界感知理解世界分析数据给出建议生成创造世界合成数据创造结果2020年Alpha

Fold!2022年ChatGPT恩2AIGC的核心价值个人赋能企业赋能获快取速信息工作效率提高AIGC:生成式AI在娱乐媒体领域的应用AIGC(AI-Generated

Content)指利用人工智能技术自动生成的内容，是继专业生成内容(PGC)

和用户生成内容(UGC)

之后一种新型生成内容的方式。国际上被称为人工智能合成媒体(Al-generatedMedia或Syntheticmedia),是通过人工智能算法对数据或媒体进行生产、操作和修改的统称。Al绘画作品出圈、

一级投资活跃，2022年AIGC

爆发式发展。2022年8月，在美国科罗拉多州举办的新兴数字艺术家竞赛中，

参赛者提交AIGC

绘画作品《太空歌剧院》获得了此次比赛“数字艺术/数字修饰照片”类别一等奖，而参赛者没有绘画基础，通过Al

绘图软件MidJourney耗时80个小时创作了该作品。AI绘画技术发展快速，从年初的技艺生疏到目前能够生成专业级别的图像仅过去几个月的时间，目前国外已有Stable

Diffusion

Midjourney等多个成熟的AIGC

平台。其中技术领先的Al公司Open

Al当

前

估

值

或

达

2

9

0

亿

美

元

，StableDiffusion背

后的StabilityAI估值也达到10亿美元。图：内容生成的四个阶段

图

：Al绘画作品《太空歌剧院》获奖出圈Al辅助生成内容用户和专业团

队在Al的协助

下生成内容，

具有较高的生

产效率Al生成内容人工智能技术

自动生成内容，

生产内容的质

量、效率、自

由度均较高用户生成内容用户自由创作

内容，对技术要求不高，内容质量参差不

齐受限于人的制造能力、想象能力、知识水平

所产出的内容数量和质量有限专业生成内容专业创意团队生产内容，对

专业性要求高，

内容质量高文本生成：对话机器人、新闻稿撰写广泛应用文本生成是生成式Al最早应用的领域之一，已经在对话机器人、内容续写、新闻稿撰写、诗歌小说创作等领域具有广泛的应用。对话机器人：包括问答型机器人、闲聊型机器人、任务型机器人、知识图谱型机器人、多轮对话机器人，在智能客服场景中

能够显著降低企业人力成本。新闻稿撰写：在全球范围具有广泛的应用，很多新闻机构使用Al生成稿件，尤其是体育、天气、股市交易变动、公司业绩报

道等结构性新闻报道。自然语言生成公司Automated

Insights仅在2014年就产生了10亿篇新闻文章，每秒可撰写多达2000篇新

闻报道，用户包括雅虎、美联社等。Dralt

SummaryRaintomatostbokahaapaadamedaitoapapfbersppadapueedoodat940(1.67E

pon)Thuy

ahoudsebrettughmesto201608Schou

sLLoago

anherwaybaproctodsamphea

te

wh

tburRBsanha

rone

RasnefonacoshasaguybatettarPBproecdted

to

avrae

t

on

tas

sano6bse

so

the

sop

avrape

o1145Tiey

sse

edes

uo

landngto

tgsomg

TE

duontnt

eage,a

Bey

haeTrasKoiceindEk

Ebon.ScheduleWenetygoodtonurewweprcedstonadneTonadoeshasseouredataroablebyokshedetortospersOftetohepamtedpoltronestaieaconmoofkledanteropoespopcedpom,feyhaiwcneresnetaintesFucieonabeshacunepon

oit

o

the

sat

ecusrg

abon

f

wndhslfor

g

ofthmnanspo

isdfeutan

th2FcapDaft

Pous☑

f

t

口Share

tisdratgradeand

recapl0d

Bm

ahOel

TaDraft

NotesStrenghinfunbersnente

the

Brebetpostions

tor

FaoneTomadoes

aro

TE

Q8,antDEEYouvuGotTo

BeKaeding

MeRooneTomasokchdgoo

kckn,aher

e

kfng

degoherpescore图

：AutomatedInsights为雅虎生成的体育新闻FueledbySomeEarly-RoundValuePicks,RacineTomadoesHasLegitShotatPlayoffsDrat

GadesBoston

PabiotAemePacYAHOO'SPORTS

DAILYFANTASYFapotCadFipot

CndAUTOMATEDINSIGHTSeepuntEstu

Conto文本生成：内容续写、文学创作部分达到专业水平内

容

续

写

：基于给定的文本续写新的内容，续写的内容包括文学创作、商业写作、教学内容等，典型应用有Google

推出的Wordcraft

、OpenAI

推出的GPT-3等

。Wordcraft:2

021

年由谷歌推出，作者和AI以对话的形式共同编辑故事，支持续写、扩写、改写、生成大纲等功能，能够极大提升写作效率，激发创作者灵感。文学创作：2017年微软研发的AI“小冰”出版了人类历史上第一部人工智能诗集《阳光失了玻璃窗》,其中包含139首现代诗；2018年，Al

创作的小说《1The

Road》出版；2022年谷歌子公司DeepMind发布剧本写作AI

Dramatron,能够从一句话表述的戏剧冲突中生成剧本标题、角色、场景、对话；越来越多的Al文学创作平台进入公众视野，Al创作的内容包括剧本、诗歌、小说、对联等等。

图

：Wordoraft

图

：《阳光失了玻璃窗》失

阳了

光玻璃窗thikkfogtolledin

likeaoutinfrunt

ofhiafaceAahegn使用流程使用方法进入AIGC用户可以通过计算机、手机或其他设备打开AIGC的应用平台，并进行注册或登录操作。需要注意的是，不同的AIGC平台可能具有不同的使用方式和功能特点。用户在使用AIGC时，需要根据

自己的需求和实际情况选择合适的平台，并了解其使用方法和功能特点。提问与对话在AIGC的主界面，用户可以在文本框中输入问题或对话内容，并单击发送按钮进行发送。AIGC

会分析用户输入的内容，然后生成回答或建议，并将其显示在对话框中。除了简单的提问，用户还可以与AIGC进行更深入的对话。用户可以输入一个或几个完整的句子，然后AIGC会根据上下

文和语义进行回应。这种对话方式使用户可以与AIGC进行自然而流畅的交流，就像两个人在交

谈一样。AIGC能够保存先前的对话记录，并在此基础上生成新的回应。这意味着用户可以和AIGC逐步深入地探讨一个问题，不断获得新的信息和视角。问题追问当用户的问题不够清晰或不够具体时，AIGC会进一步追问用户以获取更多信息。用户可以根据AIGC的追问进行补充说明，以便AIGC能够更好地理解问题并给出准确的回答。例如，如果用户提问：“什么是人工智能?”AIGC可以进一步追问：“您是指人工智能的定义、历史、应用领域，还是其他方面?”通过追问，AIGC可以更好地理解用户的意图，并提供更有针对性的答案。查看历史记录AIGC会自动保存与用户的对话历史记录，用户可以通过查看历史记录来回顾以往的对话内容。这

有助于用户了解之前的问题和回答，避免重复提问。此外，查看历史记录还可以帮助用户更好地理解对话的上下文，从而更好地参与到对话中。为了方便用户查看历史记录，AIGC提供清晰的界面和易于操作的工具。用户可以自行选择使用市面上已有的AIGC工具，在使用AIGC工具之前，需要去对应的平台或者网站注

册才能使用。AIGC的使用方法DeepSeekDeepSeek

是什么?DeepSeek是一家专注通用人工智能

(AGI)的中国科技公司，主攻大模型研发与应用。DeepSeek-R1

是其开源的推理模型，擅长处理复杂任务且可免费商用。性能对齐OpenAl-01

正式版OpenAI-o1-1217

Deepseek-R1-32B100-6.316690.690280-7479Z62.662160-

a74424n2040-20-0SWE-bench

VerifiedResovenDeepSeek-R1已发布并开源，性能对标OpenAl

ol正式版，在网页端、APP

和

API

全面上线，点击查看详情.deepseek探索未至之境获取手机A

ppD

eepSeek

官方推出的免费AI

助手

搜索写作阅读解题翻译工具AI+

国产+免费+开源+强大Deepseek-R1

在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力在数学、代码、自然语言推理等任务上，性能比肩OpenAl

o1正式版。开始对话免费与DeepSeek-V3对

话

使用全新旗舰模型GPQADiamondPas02OpenAL-a1-minl

DeepSeek-V3AIME

2024

Fag1Accuracy/Percentile(%)Codeforces(ercenthe)MATH-500IFasse1)MMLU

Fasse1)Deepeek-R16

at029对Al行业的重大影响01打破垄断DeepSeek-R1

以低成本和开源特性打破以往头部企业巨头割据局面02价格下调DeepSeek-R1

的API定价仅为行业均价的1/10,推动了中小型企业低成本接入AI,对行业产生了积极影响03推动创新DeepSeek-R1

促使行业开始从“唯规模论”转向更加注重“性价比”和“高效能”方向Deepseek可以做什么?直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景，支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中

的文字内容。DeepSeek

应用场景：√

自然语言处理：DeepSeek

可以进行语言翻译、文本摘要、情感分析和命名实体识别等任务√智能对话：能与用户进行智能对话，理解用户的意图和情感，并给出相应的回答√

代码生成和辅助：DeepSeek-Coder-V2

支持338种编程语言，可以生成代码、解释代码含义、修复代码错误等√问答系统：回答用户提出的各种问题，包括常识、专业、历史和科技等领域√

内容创作：根据用户提供的关键词和主题，自动生成相关的文章和内容√智能客服：代替人工客服，回答用户的咨询和问题，提高客服效率和质量√

多模态交互：处理图像、音频等多种数据形式，适用于智能助手和移动应用等场景√数学和推理任务：在数学计算和复杂推理任务方面表现出色√信息推荐：根据用户的历史行为和偏好，推荐相关的内容和信息概率预测(快速反应模型，如ChatGPT

4o)链式推理(慢速思考模型，如OpenAl

o1)性能表

现响应速度快，算力成本低慢速思考，算力成本高运算原

理基于概率预测，通过大量数据训练来快速预测可能的答案基于链式思维(Chain-of-Thought),逐步推理问题的每个步骤来得到答案决策能

力依赖预设算法和规则进行决策能够自主分析情况，实时做出决策创造力限于模式识别和优化，缺乏真正的创新能力能够生成新的创意和解决方案，具备创新能力人机互动能

力按照预设脚本响应，较难理解人类情感和意图更自然地与人互动，理解复杂情感和意图问题解决能

力擅长解决结构化和定义明确的问题能够处理多维度和非结构化问题，提供创造性的解决方案伦理问

题作为受控工具，几乎没有伦理问题引发自主性和控制问题的伦理讨论快思幔想：效能兼顾全局视野CoT

链式思维的出现将大模型分为了两类：“概率预测(快速反应)”模型和“链式推理(慢速思考)”模型。前者适合快速反馈，

处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合适的模型，实现最佳效果。已深度思考(用时15秒)入嗯，用户问的是”什么是量子力学”。首先，我需要确定用户的知识背景。可能是一个学生刚开始接触物理，或者只是出于好奇想

了解基本概念。我需要用简单易懂的语言来解释，避免太专业的术语，或者如果用了术语，就要解释清楚。接下来，我应该从量子力学的基础开始讲，比如它是物理学的分支，研究微观粒子。然后可能需要对比经典物理，说明为什么量

子力学是必要的，比如在原子和亚原子层面经典理论不适用。然后要提到关键概念，比如波粒二象性、量子态、叠加态、不确定性原理、量子纠缠。每个概念都需要简要解释，但不要太过深

入，否则可能会让用户感到困惑。可能用户还想知道量子力学的应用，比如半导体、激光、量子计算等，这些实际应用的例子能帮助用户理解其重要性。另外，可

能需要提到一些著名实验或人物，比如薛定谔的猫、双缝实验，或者爱因斯坦、玻尔等人的贡献，但要注意不要偏离主题。同时，需要注意用户可能存在的误解，比如认为量子力学只↓而没有实际应用，或者对量子纠缠等概念有科幻式的理解，这

时候需要纠正，但用温和的方式。什么是量子力学有问题，尽管问，shift+enter

换

行比较项GP

T-4o(生成模型)DeepSeek-R1(推理模型)型定位专注于通用自然语言处理和多模态能力，适合日常对

话、内容生成、翻译以及图文、音频、视频等信息处

理、生成、对话等。侧重于复杂推理与逻辑能力，擅长数学、编程和自然语言推理任

务，适合高难度问题求解和专业领域应用，在中文表达上容易出彩。理能力在日常语言任务中表现均衡，但在复杂逻辑推理(如

数学题求解)上准确率较低。在复杂推理任务表现卓越，尤其擅长数学、代码推理任务，在部

分基准测试(如GPQA)中准确率高于GPT-4o。模态支持支持文本、图像、音频乃至视频输入，可处理多种模

态信息。当前主要支持文本输入，不具备图像处理等多模态能力。用场景适合广泛通用任务，如对话、内容生成、多模态信息

处理以及多种语言相互翻译和交流；面向大众市场和

商业应用。适合需要高精度推理和逻辑分析的专业任务，如数学竞赛、编程

问题和科学研究；在思路清晰度要求高的场景具有明显优势，比

如采访大纲、方案梳理；在对中文语言表达和情感表达方面有明

显优势。户交互体提供流畅的实时对话体验，支持多种输入模态；用户

界面友好，适合大众使用。可展示大部分链式思考过程，便于专业用户理解推理过程；界面和使用体验具有较高的定制性，但整体交互节奏较慢。生成模型与推理大模型的对比优势劣势演绎或归纳等推理能力强(如谜题、数学证明)响应速度慢且计算成本高(需要更多推理时间)-链式思维推理出色(善于分解多步骤问题)-基于知识的任务更容易出错(容易产生幻觉)擅长复杂决策任务一处理简单任务的时候效率低(容易"过度思考")可以呈现思考过程推理模型的优劣势比较方面生成模型(V3)推理模型(R1)设计初衷想要在各种自然语言处理的任务中都

能表现好，更通用重点是为了搞定复杂的推理情况，比如

深度的逻辑分析和解决问题性能展现在数学题、多语言任务还有编码任务里表现不错，像Cmath能得90.7分，HumanEval编码任务通过率是65.2%在需要逻辑思考的测试里很棒，比如DROP任务F1分数能达到92.2%,AIME2024的通过率是79.8%应用的范围适合大规模的自然语言处理工作，像对话式AI、多语言翻译还有内容生成

等等，能给企业提供高效的Al方案，满足好多领域的需求适合学术研究、解决问题的应用和决策支持系统等需要深度推理的任务，也能拿来当教育工具，帮学生锻炼逻辑思维DeepSeek最新的生成模型和推理模型版本对比模型名称DeepSeek-R1-671B满血版，能力最强DeepSeek-R1-Distill-Qwen-7B蒸馏版，能力稍弱--实际上是增加了推理能力的Qwen或Llama模型DeepSeek-R1-Distill-Llama-8BDeepSeek-R1-Distill-Qwen-14BDeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Llama-70BDeepSeek-R1版本DeepSeek-R1应用场景●推理密集型任务编程任务中的代码生成、算法设计，媲美Claude3.5Sonet数学问题求解、科学推理和逻辑分析等需要复杂推理的场景。●教育与知识应用可用于解决教育领域的问题，支持知识理解与解答。可用于科研任务的实验设计、数据分析和论文撰写。●文档分析与长上下文理解适合处理需要深入文档分析和理解长上下文的任务，例如复杂信息提取与整合。●开放领域问答与写作在内容生成、问题回答以及创造性写作中具有广泛应用，例如生成高质量文本或进行内容编辑。含算力部署总价(万/套/月)18118121811812每套显存(GB)12801128153620481280112815362048每套算力(FP16/TFLOPS)31664158322368100163166415832236810016部署DeepSeek-R1满血版的算力要求和性能模型DeepSeek

R1671BDeepSeek

V3671B模型精度FP8FP8FP8BF16FP8FP8FP8BF16算力型号NV

H800NVH200NVH20昇腾910BNVH8O0NVH200NVH20昇腾910B每套卡数16816321681632模型越大，效果越好，所需硬件配置越高。配置不高就回答慢模型越小，所需硬件配置低，但效果差671B——404G——满血以下都是蒸馏模型70B——43G32B

20G——40608G

(笔记本)非常折磨14B

9G

——40608G

(笔记本)会爆显存，生成较慢，10token每秒

7B——4.7G——主流的4060显卡可流畅运行，40token每秒左右1.5B——1.1G(以上全为Ollama

默认的int4

量

化

)

Sek回答效果怎么样、存在的问题如果问些常识性问题，比如夹逼准则、熵增等一些概念，可能效果较好接入本地知识库后，8B模型答非所问，也看不懂你的文件，胡说八道14B不会答非所问，但是文本量较大时，理解还是不太行，有明显错误。支持Word、PPT、Excel、PDF

等文件，但除了只有TXT文本文件效果较好，

有其他格式文件就会胡说八道。目前可能文字量不多、里面就有确定答案的知识库，才能有理想的回答效果。提示词与提示工程依次向大模型输入以下三个提示，体会大模型输出内容的区别：1.写一首关于大模型的诗。2.写一首关于大模型的诗，要包含标题和正文。3.写一首关于大模型的七言律诗，要包含标题和正文，正文共8句，

注意严格遵守七言律诗的格式并押韵。什么是提示工程?提示词成的关佳

笞

是

提

示

IGc

中用干指导用户进行文本输入而内客生大模型生成内容时，会先处理

Prompt,

再根据对其的理解进行输出。大模型的工作原理是根据

用户的输入预测下一个词出现的

概率，逐字生成下文。Prompt

会直接影响输出结果的质量。对大模型来说，Prompt

就是用户的输入，它可以是一

个简单的问题，

一段较长的

文本，也可以是一组指令，

这取决于用户的具体需求。Prompt

的设置可以影响模型处理信息的方式，从而影响最终的输出结果。主体描述人物描述一位戴着眼镜的地点描述在办公桌上动作描述查看医疗仪器物件描述医疗设备什么是提示词举例：绘画提示词提示词原理对传统计算机来说，计算机按指令执行，不存在提示计算机该怎么做。但语言模型不这样工作，NLP

语言模型的工作原理是不断地预测一句话中下一个应该出现的单词是什么,有点类似于词语接龙。问：今天我要去

。提示：家里没菜了。答：菜市场。根据提示“家里没菜了”

,Al就会生成菜市场或者超市，或者生成更加复杂的输出。今天我想去

。提示：很久没游泳了。答：游泳池。简单来说，类似ChatGPT

这样的语言模型做的是复杂的计算和逻辑推理，而不

是执行指令或者从数据库里提取数据。“提示”是影响大模型生成答案的质量的重要因素。什么是提示词又例如：提示语的本质特征描述示例沟通桥梁连接人类意图和AI

理解“将以下内容翻译为法语：Hello,world”上下文提供者为AI提供必要的背

景信息“假设你是一位19世纪的历史学家，评论拿破仑的崛起”任务定义器明确指定AI需要完成

的任务“为一篇关于气候变化的文章写一个引言，长度200字”输出塑造器影响AI输出的形式

和内容“用简单的语言解释量子力学，假设你在跟一个10岁的孩子说

话

”AI能力引导器引导AI使用特定的能

力或技能“使用你的创意写作能力，创作

一个关于时间旅行的短篇故事’1.指令型提示语：直接告诉AI需要执行的任务。2.问答型提示语：向AI提出问题，期望得到相应的

答案。3.角色扮演型提示语：要求AI扮演特定角色，模拟特定场景。4.创意型提示语：引导Al进行创意写作或内容生成。5.分析型提示语：要求Al对给定信息进行分析和推

理。6.多模态提示语：结合文本、图像等多种形式的

输入。提示语的类型提示语类型什么是提示工程?提示工程(Prompt

Engineering)也叫「指令工程」。就是探讨如何设计出最佳提示词，用于指导语言模型帮助我们高效完成某项任务。Prompt

(提示词)即发送给大模型的指令，比如「讲个笑话」、「制定一份哈尔滨三天的旅游攻略」等。Prompt是AGI时代的「编程语言」Prompt

工程是AGl时代的「软件工程」

提示工程师是AGI

时代的「程序员」PromptCompletionTASKDESCRIPTIONCURRENT

INPUTOUTPUTINDICATORLanguage

Model提示工程是一种利用人工智能模型生成内容的方法，用户需要给模型提供输入，模型会根据输入生成输出(Response)提示工程可以让人们更好地与人工智能对话，更好地利用人工智能的能力和潜力，从而更好地进行创造和创新工作一个过程提示工程的难点在于如何设计合适的输入，让模型能够理解用户的意图和需求，并生成高质量的输出提示工程(PromptEngineering)

是大语言模型开发、训练和使用过程中的一个基本元素认识提示工程希望模型执行的特定住务或指令，常见的指令包括写入、分类、总结、翻译、排序等。例如，“请将以下文本翻译成英文”“请对以下文章进行分类”等。

用户输入的指令应该清晰明了，以便模型能够准确理解任务要求。提供模型所需的背景信息或上下文，以帮助模型理解任务并生成相关输出。上下文可以是对问题的描述、场景的背景、先前的对话等。通过提供上下文，模

型可以更好地理解任务的具体要求。提示工程要素指令(Instruction)上下文(Context)提供一些示例输入或输出，以帮助模型理解任务的具体要求和期望的输出格式。示例可以是实际的问题和答案、对话片段、文本段落等。通过提供示例，模型可以生成与示例类似的输出。示例可以是已经存在的数据样本，也可以是手动创建的样例。

它们可以展示期望的输出样式或结构，并指导模型生成符合要求的输出。指定模型在执行任务时应遵循的限制条件。这些限制条件可以是特定的格式要求、输出的主题或内容要求、输出长度限制等。设置限制条件可以使模型的输出满足特

定需求。例如，在生成文本的任务中，可以限制输出长度，避免生成内容过长。明确指定模型需要达到的目标或期望的结果。目标可以是生成特定类型的回答、提供特定类型的建议、解决特定类型的问题等。明确的目标可以帮助模型更有针对性地生

成输出。示例(Examples)限制条件(Constraints)提示工程要素目

标(Objective)1.编写清晰的提示2.提供参考示例3.让模型一步步思考4.调用外部工具5

.将复杂任务分解成子任务6.采用系统的提示框架7.用结构化方式进行提示编写提示词的原则与策略工具类型国内国外聊天对话机器人DeepSeek、腾讯元宝、豆包、Kimi、智谱清言…)ChatGPT,Claude,X.com(Grok图像生成工具通义万相、即梦、豆包ChatGPT,Midjourney,StableDiffu音频工具音疯、网易天音、海绵音乐Suno视频生成工具SkyReels、Vidu、可灵、海螺AI、即梦Sora,Runway,Pika搜索工具秘塔、纳米AI、天工PerplexityAIGC工具AIGC工具工具特点大模型DeepSeek文本模态、推理能力强DeepSeek-R1豆包多模态、语音情感能力强火山Kimi多模态、超长文本、搜索和推理能力强Kimi-1.5智谱清言多模态GLM-Zero-Preview通义千问效率工具、代码能力强Qwen2.5-Max腾讯元宝可以使用微信生态接入：DeepSeek-R1如何选择AIGC工具1.明确自身需求2.评测工具能力3.关注使用成本人工智能典型应用与未来大模型与AIGC概述DeepSeek

推理大模型提示词与提示工程行业应用领

域金融、医疗、交通、公安、能源…场

景C端应用、平台类应用、B端私有部署或私域

数据类服务、深度定制化应用应用模式平台+插件Al

as

OS应用开发开

发范

式基于任务：内容生成、cot推理、text-to-command

、text-to-code。自有数据模型微调或对齐：自有数据微调、自有模型对齐工具链、思维链：LangChain

相关、ChatGPTplugin串连应用、HuggingGpt开源模型链、AutoGpt

推理思维链。VectorStore扩展：扩展大模型领域知识和上下文记忆、向量数据库、text-embedding

、text-completion行业模型数

据行业数据库、行业知识库、行业模型库…行业理解行业知识提取、行业知识融合、行业大脑…训

练Prompt

engineering

、Instruct-tuning.Full

Fine-Tuning

、RLHF

…基础模型基础模型内容：文本、图像、代码、语音、视频、多模态…量化：fp16

、int8

、int4...参数：千亿、百亿…语言：中文、英文、混合…工具平台平台工具

开发工具云平台、向量数据库、算力租赁、模型托管…PEFT

、DeepSpeed

、LangChain

、SqlChain..基础设施算

力GPU、加速卡…数

据市场、标注商…算

法GPT

、Transformer...大模型行业落地生态技术原理实现难度算力投入门槛效果工程提示词通过构建特殊的问法，比如角色扮演等，实现

相对领域知识的问答应用。实现难度简单较低较低一般知识增强基于数据集做上下文语义补充，将外部知识在

询问时加入问句背景中。实现难度一般一般一般一般Al

Agent基于知识库、提示词做对齐，实现扩展功能。实现难度较高一般较高较好微聘/预训练将行业知识进行Lora等微调训练，让大模型直

接学习到行业知识。实现难度极高最高极高最好

令大模型行业知识结合的几种方式数据治理平台

超级搜索系统大数据平台警案情分析系统

关系人分析系统智慧公安--新一代公安信息网人像大数据

车辆大数据

督察大数据视频云智慧公安新一代公安信息网重点人员分析系统

团伙串并案系统严重精神障碍

患者救治系统警务云数据治理平台

超级搜索系统大数据平台大模型技术警案情分析系统

关系人分析系统智慧公安--新一代公安信息网人像大数据

车辆大数据

督察大数据视频云智慧公安新一代公安信息网重点人员分析系统

团伙串并案系统严重精神障碍

患者救治系统警务云数字人技术数字人技术(Digital

Human

Technology)是一种结合人工智能、计算机图形学、语音合成、自然语言处理(NLP)等多领域技术的综合应用，旨在创造高度拟人化、可交互的虚拟角色。这些数字人能够模拟人类的外貌、表情、动作和语言，并

在特定场景中替代或辅助人类完成工作，是元宇宙、虚拟现实(VR)和人工智能领域的前沿研究方向。3D

数字人制作流程原图设计

灰模制作

材质制作

渲染测试数据采集面捕动捕数据精修驱动模型

训练引擎能力集成上线浙江公安来了新同事!“浙小荷”“浙小安”为你服务腾讯新闻()数字警察浙江公安多了两名特别的同事——“数字警察”主播，

一

个名叫浙小荷，另一个名叫浙

小安。他们走上社交媒体，24小时不知疲倦地给大家报路况、宣传

反诈知识。腻

级

五

同

事几

R

影

公

安全网首发

·护航

亚运数字警察杭州市西湖区作为国家知识产权强县试点，联合浙江警察学院研发了“AI知产警官小西”,旨在提升服务范围和响应企业需求。

通过分析知识产权案件经验，构建知识库

供“小西”深度学习，以便快速提供侵权线

索给民警，有效打击侵权行为。24年4月，借助“小西”,西湖公安破获跨省童装侵权案，抓获21人，查获大量童装和商标，保护了企业权益。数字警察-“AI知产警官小西”AIGC

解决方案提升南京公安培训质量和效率需求：

一套智慧公安科创方案，包括智能化警校培训，节约教学时间与警力成本、AI写作协助案件处理、智能外呼、大屏数字人宣传党史党建、24小时数字人警察主播等。√

解决方案：√建立一套专属的播报声音模型：选取优质的播报人员声音，通过声音模型训练，多音字、生僻字配置，完成声音克隆。√建立一套视频合成平台：将编辑好的内容文字输入，即可选择采用专属的播报声音模型配合基础服务人员形象播报材料的视频。效果：通过2.5D

真人形象克隆技术和声音克隆技术实现：只需将

编辑好的内容文字输入，即可选择采用专属的播报声音、

配合服务人员的形象，生成播报材料的视频，让培训视频

新颖生动又有深刻的教育意义。数据“大整合”:全域全链支撑实战发展近日，慈溪凌晨3时许发生一起入户盗窃案。接到报案后，侦查民警第一时间通过多维数据研判，确定犯罪嫌疑人身份，用时5小时将其抓获，并追回群众被盗财物。如此高效处置得益于慈溪公安智慧警务联合实验室。科学布建前端感知网络，夯实算力、算法、数据、组件等

基础支撑能力，梳理、融合、应用警务数据，为全警大数据分析研判和实战运用提供精准数据资源库。自运行以

来，数据库不仅实现了对海量信息的高效整合，还通过利用智能分析引擎，实现了对海量视频、图片的大数据智

能分析、智能检索、关联分析、多轨碰撞，为民警提供了多维数据，实现了第一时间感知、第一时间预警、第一

时间调度，做到了全域全链服务警务实战和社会治理。项目背景社会治安维护工作复杂多变，传统警情分类方式

依赖人工判断，效率低、准确性难以保障。处

理

重复警情时，关键词搜索分析排查方式易遗漏和

误判，无法及时、准确把握社会治安态势。技术应用警情数据自动监测与闭环管理，从时效性、分

类

准确性、要素完整性监测，建立审核机制，形成

闭环。公安专有场景应用训练与辅助分析，采用

多种微调方法训练，支持民警自定义分析。智能

辅助决策与警情报告生成，提供决策建议，自动

生成报告模板。大模型功能警情自动分类，将“关键词被动检索”转变为“语义主动发现”,及时精准识别矛盾源头。深

度分析警情趋势，助力公安机关提前介入，预防

事态恶化。实时监测警情，分类统计并以直观图表呈现，方便了解警情分布状况。应用成效警情质量监测，人工审核时间大幅缩短，审核及

时性提升，实现全面检查。事件风险研判，召回

率和精准率超90%,分析耗时从分钟级缩至秒级。

警情编报工作，平均耗时降低，效率提升200%。安庆智算中心暨公安城市治安巡查大模型网络谣言打击与整治成效统计：利用AI大模型技术全面纵深推进打击整治网络谣言专项行动，查处网络谣言384起，处理

造谣传谣人员530余人，清理谣言信息53000余条，关停账号5000余个。案例：2023年上海浦东海滩女童走失事件，AI大模型助力追踪查处造谣团伙。智慧警务与社区管理AI社区构建：利用监控系统、智能门禁、人脸识别等数据，建立“一人一档”。警力分配与预警：实现毫秒级