Deepseek在药企研发领域的本地化部署和应用场景（33页 PPT）.pptxVIP

Deepseek在药企研发领域的本地化部署和应用场景

;

01大模型的发展阶段和deepseek

02Deepseek-R1在药企的本地化部署

03芽仔与Deepseek-R1对接

04Al融入生物医药产品;

2022.122023.062023.122024.062025.01时间

;

oDeepseek出圈引爆全行业的原因?

·基础能力：进入推理模型阶段，跻身全球第一梯队

·推理能力跃升：DeepSeek大模型核心技术突破，实现复杂推理任务的精准处理与高效执行，覆盖

多模态场景应用。

·国际竞争力对标：模型综合性能跃居全球第一梯队，技术指标与国际顶尖水平(如GPT系列、Claude等)直接对标，奠定国产大模型的行业标杆地位。

·加分项：开源、低成本、国产化;

筋

京始前平台

动

她米N附大

等A附大

理白练

第三方乘道

AaMN

火山0

出元建

阿白

MolyR1(向量智能))

本地部署;

01大模型的发展阶段和deepseek

02Deepseek-R1在药企的本地化部署

03芽仔与Deepseek-R1对接

04Al融入生物医药产品;

Model;

oDeepseek-R1在药企的本地化部署

·个人部署：Ollma框架适合个人用户私有化本地部署，但在多用户并发场景下性能衰减明显。

·企业部署：推荐使用Transformers来快速验证模型能力，使用VLLM框架借助PagedAttention

技术实现24倍于Transformers的吞吐量实现大模型的高效推理，针对不同企业场景，则提供不同的企业级部署方案。

·其他方式：近期出现的KTransformers、Unsloth等多套低成本动态量化模型的DeepSeek部署解决方案。目前暂不够成熟。

·LLM部署简单，更适合中小型企业做大模型推理部署，对于大型企业，可以使用配置较为复杂的TensorRT框架。;

Deepseek-R1满血版模型部署方案

·DeepSeekR1模型就成了很多应用场景下的当务之急。受限于DeepSeekR1671B(6710亿参数)的模型规模，通常

情况下部署DeepseekR1满血版模型需要1200G左右显存(考虑百人内并发情况),需要双节点8卡H100服务器才能运行(??成本约在260万-320万左右),即便是INT4半精度下，也至少需要490G显存，需要单节点8卡H100服务器才

能运行。

·为了实现低成本DeepSeekR1模型的高性能部署，目前大多数方案都采用了牺牲模型推理速度的策略。使用

CPU+GPU混合推理的方式，将一部分推理计算转移到CPU上，降低GPU的负载。由于CPU并不适合深度学习计算，

导致模型整体推理速度较慢。

9;

方案;

01大模型的发展阶段和deepseek

02Deepseek-R1在药企的本地化部署

03芽仔与Deepseek-R1对接

04Al融入生物医药产品;

Deepseek出圈引爆全行业：仍有幻觉问题，例如出现专利号需要查证

●技术路径：

●双组分控释：沙库巴曲(Sacubitril,前药)需快速释放以转化为活性代谢物(LBQ657),而缬沙坦(Valsartan)需缓释以维持长效作用，需解决两种成分释放动力学的兼容性。

o制剂工艺：采用多层包衣、微丸压片或渗透泵技术(如OROSR)实现差异化释放。

●临床阶段：

o临床前研究：已完成体外释放度、稳定性及动物药代动力学(PK)验证(2021-2022年)。

oI期临床试验：72023年启动，评估健康