2025年DeepSeek系列报告-DeepSeek与AIGC应用.docx

Deepseek内部研讨系列

Deepseek内部研讨系列

AI肖睿团队

（孙萍、周嵘、李娜、张惠军、刘誉）

2025年2月20日

?北大青鸟人工智能研究院

?北大计算机学院元宇宙技术研究所

?北大教育学院学习科学实验室

摘要

1.本次讲座为DeepSeek原理和应用系列研讨的讲座之一，主要介绍DeepSeek的基本概念，以及大模型技术和AIGC工具应用，不需要大家具备专业的AI或IT技术背景。

2.本次讲座首先分析当前备受瞩目的DeepSeek-R1的概念、优势和历史地位。然后进一步探讨大模型和AIGC的底层工作机制，旨在帮助读者突破工具应用的局限，理解

DeepSeek和AIGC的深层次价值。最后，介绍如何科学选择与高效使用AI工具，为大家提供更具深度与实用性的应用场景的指导，给听众带来更落地的AI应用价值。

3.尽管DeepSeek-R1以其低成本和开源策略为行业带来变革，但当前网络上的大量相关内容仅停留在工具应用层面，易对初级AI应用人员造成概念和思维方式的误导，这也是本次讲座希望解决的问题。

NI

898

目录

CONTENTS

AIGC的概念和应用选择AIGC工具详解DeepSeek

AIGC的概念和应用选择AIGC工具

PART01

PEKINGUNIVERSITY

PEKINGUNIVERSITY

详解DeepSeek-R1

简介

本部分介绍了DeepSeek-R1模型的技术特性、发展历程、应用场景及其在AIGC领域的定位。

首先介绍人工智能的发展历程，以及大模型相关术语，并对比DeepSeek-R1与其他模型的性能表现。DeepSeek-R1以其低成本、开源策略和卓越的推理能力脱颖而出，尤其在复杂逻辑推理、数学和编程任务中表现优异。

随后介绍DeepSeek公司的背景、市场定位以及DeepSeek-R1的技术原理和应用场景，揭示了其在推理密集型任务、教育、科研、知识应用和文档分析等领域的独特优势，并列举接入该模型的第三方应用。

通过对人工智能发展历史以及DeepSeek-R1的介绍和分析，本部分旨在为听众提供一个对DeepSeek的客观、全面的认识，并理解该模型在AIGC领域的重要地位和应用潜力。

人工智能发展历程

●

2023年GPT-4

AIGC的发展历程

1950s-1990S

1950s-1990S

1990s-2010S

2010s-2022年

大模型相关术语

l多模态

文本、图片、音频、视频

lAI工具（国内）

DeepSeek、豆包、Kimi、腾讯元宝、智谱清言、通义千问、秘塔搜索、微信搜索...

l通用模型

大语言模型（LLM，LargeLanguageModel）

视频模型

多模态模型……

l行业模型（垂直模型、垂类模型）

教育、医疗、金融等

大模型的关键发展

生成模型推理模型

ref:中文大模型基准测评2024年度报告(2025.01.08)

生成模型与推理大模型的对比

比较项

GPT-4o（生成模型）

DeepSeek-R1（推理模型）

模型定位

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。

推理能力

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。

多模态支持

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。

应用场景

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。

用户交互体验

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。

推理模型的优劣势

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