一、从AI到DeepSeek

1、通用VS专用

▪ 什么是AI：AI是用数学模拟人类智慧的技术

▪ 专用AI技术：用自己企业的数据，训练专属自己的AI算法

▪ 通用AI技术：使用别人做好的AI算法，做自己企业的业务

▪ 通用AI技术的代表：大语言模型（DeepSeek，chatgpt等）

2、专用&通用技术对比

▪ 专用AI技术：数据、算力、专业知识门槛高，不容易落地

▪ 通用AI技术：各方面门槛低，比较容易落地

3、通用工具的落地形式

▪ 提示词工程：人直接用大语言模型工具

▪ 智能体：有思维链，不需要人实时驱动，真正能够解放生产力

案例：微软百度等顶尖科技公司，如何让使用通用工具

二、DeepSeek如何在企业应用

1、提示词工程对企业和员工的影响

▪ 量变：让员工效率暴增

▪ 量变案例：3小时完成原本需要2个月周期的定制方案

▪ 质变：让员工掌握原本不增拥有的能力

▪ 质变案例：用人话完成3D建模设计，用人话完成数字仿真

▪ 质变案例：人人都能编程（用人话编程）

▪ 质变案例：办公自动化（大模型帮你完成所有需要用电脑完成的工作）

▪ 质变案例：数据分析（大模型帮你完成商业智能和人工智能建模分析）

▪ 结论：提示词工程能使员工效率暴增，但是对企业几乎没有效果

2、智能体

▪ 智能体：把大模型的使用过程固化下来

▪ 智能体供应链自动化案例

▪ 智能体合规性审查案例

▪ 结论：智能体会让办公室里的人越来越少

▪ 问题：是谁代替了这些人？（谁来主导智能体开发）

▪ 答案：率先选择拥抱新技术的员工，替代那些不愿意拥抱的

（有效的智能体只能有企业内部业务专家主导）

三、DeepSeek落地企业的操作手册

1、DeepSeek如何私有化部署到企业

▪ 私有化部署所需的硬件资源

▪ 私有化部署所需要的软件环境

▪ 三行代码教你快速私有化部署DeepSeek

2、提示词工程进阶

▪ 误区：提示工程就是套模板

▪ 提示词开发框架，助你把提示词效果推到极限

▪ 资料搜索：如何把提示词效果推到极限

▪ 文案撰写：如何把提示词效果推到极限

▪ 素材收集：如何把提示词效果推到极限

▪ 代码编写：如何把提示词效果推到极限

▪ 总结：提示词工程的要领是转变思维（从一线员工转变为领导）

▪ 万用的提示词模板

▪ 提示词工程的局限性

3、智能体开发进阶

▪ 误区：IT牵头能做好智能体开发

▪ 智能体开发框架1-巧妙定义问题场景

▪ 智能体开发框架2-尝试大力出奇迹（判断是否真的需要开发智能体）

▪ 智能体开发框架3-回顾人类专家的思维逻辑

▪ 智能体开发框架4-根据人类思维逻辑，策划智能体工作流

▪ 智能体开发框架5-动手完成基础智能体构建

▪ 智能体开发框架6-少量真实用户试用，增量开发

▪ 真实案例：展示智能体开发的全过程

▪ 智能体开发工具如何选型

四、不是所有业务问题都能被大模型解决

1、大模型解决问题的边界

▪ 显性知识VS隐性知识

▪ 大模型能解决显性知识的问题

▪ 专用AI才能解决隐性知识的问题

▪ 真实业务需要二者配合才能闭环

案例：某500强外企的AI结局方案

2、专用AI的核心原理

▪ 机器究竟如何学习

▪ 机器学习中的关键过程

▪ 机器学习效果取决于什么

▪ 什么是高质量的数据

案例：完整机器学习过程展示

3、专用AI落地框架

1、智能化起点：不是数据而是业务痛点

2、如何找到业务痛点：客观（精益）VS主管（决策需求）

3、如何折算痛点价值：业务逻辑&一组数据

4、选择工具：只有隐性知识需要用到AI工具

5、智能化项目最大的坑：数据而不是算法

6、数据的坑在哪：缺少关键特征&数据缺乏代表性

7、如何排除数据上的坑：依靠业务专家的业务知识

8、如何选择模型：大模型VS小模型

9、AI项目成功的三大核心要素

10、AI项目的最大门槛：行政可行性

制造行业案例：汽车焊接质量预测，制造设备故障预测，制造耗品寿命预测，某著名汽车品牌销量预测，工业智能无损检测

五、新一代人工智能技术会如何影响未来

1、AI会如何影响我们

▪ AI为我们带来的终局

▪ 绝大部分的工作会被替代

▪ 只有两类人会留下：做决策&有想法

案例：18年图灵奖得主案例，智能化终局解读，元宇宙加持下的后AI时代。辨析大模型和小模型选择对行业的影响

2、AI的3大套路和后AI时代展望

▪ 在无人化的时代，人应该做什么

▪ 应对办法：回归人“本身”的价值

▪ 没有工作的人会做什么：“爱”干嘛干嘛

▪  企业应该如何应对即将到来的AI浪潮

案例：openAI官方给出最容易受chatGPT影响的岗位， 领域未来展望：马太效应加强