李明宇
中科院计算所副教授（高级工程师）
历任国家重点实验室课题组负责人、创业公司CTO、上市公司事业群技术总监和首席技术专家。
十余年来致力于IT新技术在企业的落地，作为项目技术负责人为多家知名企业和单位开发和交付过产品及服务，包括：国家信息中心、国防科技大学、中石化、银联、交通银行、首都在线、中国电信天翼爱音乐、中国移动研究院等。
在AI大模型领域，在B端和C端均有AI应用从技术研发到落地变现的闭环实践经验，自研技术 CodeGraphRAG 性能达到国际领先水平。企业客户包括电信运营商、大型上市企业、国内知名芯片公司等，受到一致好评。
荣获中国软件协会“优秀CTO”等多项荣誉，兼任中国新一代IT产业联盟分委会秘书长、全国高校人工智能与大数据创新联盟专家委员、北京开源创新委员会委员、中国开源软件创新大赛总决赛评委。
待定
待定
3小时工作坊：DeepSeek技术及企业级应用实践
培训目标
1. 帮助企业IT管理及研发、运维人员了解DeepSeek及其大模型技术的基本原理、核心优势与实际应用价值
2. 探讨如何利用DeepSeek技术优化企业信息化建设和数字化转型
3. 分析技术集成、部署策略及未来发展趋势，助力企业在激烈竞争中保持领先
建议受众
1. 企业各级IT主管、部门负责人及CIO
2. 信息系统研发和运维工程师
课程提纲
1. 大模型的概念及其发展历程
1.1 目前全球主流大模型的特点及关键技术
1.2 大模型企业应用场景：知识管理、智能客服、软件研发、辅助决策等
2. DeepSeek简介
2.1 DeepSeek 公司背景
2.2 DeepSeek 的产品：从 V1 到 V3 再到 R1
2.3 DeepSeek-V3 和 DeepSeek-R1 的区别与各自优势、R1的重要意义
3. DeepSeek核心技术解析
3.1 DeepSeek-V3 模型技术解析
3.1.1 模型架构与参数规模
3.1.2 MoE、MLA、混合精度优化等关键技术与工程优化
3.1.3 训练流程及成本控制
3.2 DeepSeek-R1 模型解析
3.2.1 在DeepSeek-V3基础上，通过强化学习（RL）激发“链式思维”能力
3.2.2 “R1-Zero”：纯RL训练的初步探索及存在的问题
3.2.3 “R1”改进：引入冷启动数据、SFT+RL组合、语言一致性奖励等方法
3.2.4 开源模式及后续蒸馏小模型的部署优势
4. DeepSeek在企业的应用架构及案例剖析
4.1 部署及应用架构
4.1.1 云端部署：DeepSeek官方平台API调用、第三方MaaS服务
4.1.2 本地化部署：算力评估、开源模型部署环境搭建
4.1.3 API：典型DeepSeek部署环境的API
4.1.4 DeepSeek企业级应用基本架构及关键技术：RAG、GraphRAG、AI Agent、强化学习与思维链蒸馏等
4.2 企业落地方案及应用案例（一）情报收集与分析
4.2.1 商业情报、公共舆情收集与分析的痛点
4.2.2 RAG架构及基于DeepSeek V3的多模态情报库与智能问答系统构建
4.2.3 智能体架构的Agentic RAG技术及基于DeepSeek R1的情报分析
4.3 企业落地方案及应用案例（二）企业级软件研发智能助手
4.3.1 企业级软件研发的痛点及已有AI Coding工具的不足
4.3.2 CodeGraphRAG 技术及在企业软件研发智能体中的应用
4.3.3 基于 DeepSeek R1 的代码审查助手
4.3.4 基于 DeepSeek V3 的 UI 测试助手
4.4 企业落地其他场景探讨
4.4.1 销售与运营数据分析、供应链预测、客户投诉处理与体验升级等
4.5 风险管理与供应商选择
4.5.1 安全风险和业务风险及应对策略
4.5.2 利用开源社区及生态寻找第三方DeepSeek合作伙伴
5. 竞争格局、行业影响与未来趋势
5.1 全球与国内竞争态势及行业影响
5.1.1 美国和其他国家在大模型和AI基础设施方面的投入现状
5.1.2 中国各大模型公司、云厂商及应用生态的竞争格局和发展趋势
5.1.3 DeepSeek对美国科技股（如Nvidia）和中美风险投资市场影响
5.2 未来趋势与战略思考
5.2.1 大模型时代是否已开启下半场？
5.2.2 出口管制、数据安全、信创方案及对未来技术发展的影响
5.2.3 新业务、新岗位、新就业与企业转型
1. 帮助企业IT管理及研发、运维人员了解DeepSeek及其大模型技术的基本原理、核心优势与实际应用价值
2. 探讨如何利用DeepSeek技术优化企业信息化建设和数字化转型
3. 分析技术集成、部署策略及未来发展趋势，助力企业在激烈竞争中保持领先
建议受众
1. 企业各级IT主管、部门负责人及CIO
2. 信息系统研发和运维工程师
课程提纲
1. 大模型的概念及其发展历程
1.1 目前全球主流大模型的特点及关键技术
1.2 大模型企业应用场景：知识管理、智能客服、软件研发、辅助决策等
2. DeepSeek简介
2.1 DeepSeek 公司背景
2.2 DeepSeek 的产品：从 V1 到 V3 再到 R1
2.3 DeepSeek-V3 和 DeepSeek-R1 的区别与各自优势、R1的重要意义
3. DeepSeek核心技术解析
3.1 DeepSeek-V3 模型技术解析
3.1.1 模型架构与参数规模
3.1.2 MoE、MLA、混合精度优化等关键技术与工程优化
3.1.3 训练流程及成本控制
3.2 DeepSeek-R1 模型解析
3.2.1 在DeepSeek-V3基础上，通过强化学习（RL）激发“链式思维”能力
3.2.2 “R1-Zero”：纯RL训练的初步探索及存在的问题
3.2.3 “R1”改进：引入冷启动数据、SFT+RL组合、语言一致性奖励等方法
3.2.4 开源模式及后续蒸馏小模型的部署优势
4. DeepSeek在企业的应用架构及案例剖析
4.1 部署及应用架构
4.1.1 云端部署：DeepSeek官方平台API调用、第三方MaaS服务
4.1.2 本地化部署：算力评估、开源模型部署环境搭建
4.1.3 API：典型DeepSeek部署环境的API
4.1.4 DeepSeek企业级应用基本架构及关键技术：RAG、GraphRAG、AI Agent、强化学习与思维链蒸馏等
4.2 企业落地方案及应用案例（一）情报收集与分析
4.2.1 商业情报、公共舆情收集与分析的痛点
4.2.2 RAG架构及基于DeepSeek V3的多模态情报库与智能问答系统构建
4.2.3 智能体架构的Agentic RAG技术及基于DeepSeek R1的情报分析
4.3 企业落地方案及应用案例（二）企业级软件研发智能助手
4.3.1 企业级软件研发的痛点及已有AI Coding工具的不足
4.3.2 CodeGraphRAG 技术及在企业软件研发智能体中的应用
4.3.3 基于 DeepSeek R1 的代码审查助手
4.3.4 基于 DeepSeek V3 的 UI 测试助手
4.4 企业落地其他场景探讨
4.4.1 销售与运营数据分析、供应链预测、客户投诉处理与体验升级等
4.5 风险管理与供应商选择
4.5.1 安全风险和业务风险及应对策略
4.5.2 利用开源社区及生态寻找第三方DeepSeek合作伙伴
5. 竞争格局、行业影响与未来趋势
5.1 全球与国内竞争态势及行业影响
5.1.1 美国和其他国家在大模型和AI基础设施方面的投入现状
5.1.2 中国各大模型公司、云厂商及应用生态的竞争格局和发展趋势
5.1.3 DeepSeek对美国科技股（如Nvidia）和中美风险投资市场影响
5.2 未来趋势与战略思考
5.2.1 大模型时代是否已开启下半场？
5.2.2 出口管制、数据安全、信创方案及对未来技术发展的影响
5.2.3 新业务、新岗位、新就业与企业转型
请务必携带电脑参加本工作坊
关注QECon公众号
关注QECon视频号
议题投稿
lijie@qecon.net
票务联系
159-0126-5561 小娟
媒体合作
135-1619-6409 皮皮
商务合作
151-2264-3988 木子
购票咨询
15901265561 小娟
