一、從AI到DeepSeek

1、通用VS專用

? 什么是AI：AI是用數學模擬人類智慧的技術

? 專用AI技術：用自己企業的數據，訓練專屬自己的AI算法

? 通用AI技術：使用別人做好的AI算法，做自己企業的業務

? 通用AI技術的代表：大語言模型（DeepSeek，chatgpt等）

2、專用&通用技術對比

? 專用AI技術：數據、算力、專業知識門檻高，不容易落地

? 通用AI技術：各方面門檻低，比較容易落地

3、通用工具的落地形式

? 提示詞工程：人直接用大語言模型工具

? 智能體：有思維鏈，不需要人實時驅動，真正能夠解放生產力

案例：微軟百度等頂尖科技公司，如何讓使用通用工具

二、DeepSeek如何在企業應用

1、提示詞工程對企業和員工的影響

? 量變：讓員工效率暴增

? 量變案例：3小時完成原本需要2個月周期的定制方案

? 質變：讓員工掌握原本不增擁有的能力

? 質變案例：用人話完成3D建模設計，用人話完成數字仿真

? 質變案例：人人都能編程（用人話編程）

? 質變案例：辦公自動化（大模型幫你完成所有需要用電腦完成的工作）

? 質變案例：數據分析（大模型幫你完成商業智能和人工智能建模分析）

? 結論：提示詞工程能使員工效率暴增，但是對企業幾乎沒有效果

2、智能體

? 智能體：把大模型的使用過程固化下來

? 智能體供應鏈自動化案例

? 智能體合規性審查案例

? 結論：智能體會讓辦公室里的人越來越少

? 問題：是誰代替了這些人？（誰來主導智能體開發）

? 答案：率先選擇擁抱新技術的員工，替代那些不愿意擁抱的

（有效的智能體只能有企業內部業務專家主導）

三、DeepSeek落地企業的操作手冊

1、DeepSeek如何私有化部署到企業

? 私有化部署所需的硬件資源

? 私有化部署所需要的軟件環境

? 三行代碼教你快速私有化部署DeepSeek

2、提示詞工程進階

? 誤區：提示工程就是套模板

? 提示詞開發框架，助你把提示詞效果推到極限

? 資料搜索：如何把提示詞效果推到極限

? 文案撰寫：如何把提示詞效果推到極限

? 素材收集：如何把提示詞效果推到極限

? 代碼編寫：如何把提示詞效果推到極限

? 總結：提示詞工程的要領是轉變思維（從一線員工轉變為領導）

? 萬用的提示詞模板

? 提示詞工程的局限性

3、智能體開發進階

? 誤區：IT牽頭能做好智能體開發

? 智能體開發框架1-巧妙定義問題場景

? 智能體開發框架2-嘗試大力出奇跡（判斷是否真的需要開發智能體）

? 智能體開發框架3-回顧人類專家的思維邏輯

? 智能體開發框架4-根據人類思維邏輯，策劃智能體工作流

? 智能體開發框架5-動手完成基礎智能體構建

? 智能體開發框架6-少量真實用戶試用，增量開發

? 真實案例：展示智能體開發的全過程

? 智能體開發工具如何選型

四、不是所有業務問題都能被大模型解決

1、大模型解決問題的邊界

? 顯性知識VS隱性知識

? 大模型能解決顯性知識的問題

? 專用AI才能解決隱性知識的問題

? 真實業務需要二者配合才能閉環

案例：某500強外企的AI結局方案

2、專用AI的核心原理

? 機器究竟如何學習

? 機器學習中的關鍵過程

? 機器學習效果取決于什么

? 什么是高質量的數據

案例：完整機器學習過程展示

3、專用AI落地框架

1、智能化起點：不是數據而是業務痛點

2、如何找到業務痛點：客觀（精益）VS主管（決策需求）

3、如何折算痛點價值：業務邏輯&一組數據

4、選擇工具：只有隱性知識需要用到AI工具

5、智能化項目最大的坑：數據而不是算法

6、數據的坑在哪：缺少關鍵特征&數據缺乏代表性

7、如何排除數據上的坑：依靠業務專家的業務知識

8、如何選擇模型：大模型VS小模型

9、AI項目成功的三大核心要素

10、AI項目的最大門檻：行政可行性

制造行業案例：汽車焊接質量預測，制造設備故障預測，制造耗品壽命預測，某著名汽車品牌銷量預測，工業智能無損檢測

五、新一代人工智能技術會如何影響未來

1、AI會如何影響我們

? AI為我們帶來的終局

? 絕大部分的工作會被替代

? 只有兩類人會留下：做決策&有想法

案例：18年圖靈獎得主案例，智能化終局解讀，元宇宙加持下的后AI時代。辨析大模型和小模型選擇對行業的影響

2、AI的3大套路和后AI時代展望

? 在無人化的時代，人應該做什么

? 應對辦法：回歸人“本身”的價值

? 沒有工作的人會做什么：“愛”干嘛干嘛

?  企業應該如何應對即將到來的AI浪潮

案例：openAI官方給出最容易受chatGPT影響的崗位， 領域未來展望：馬太效應加強