中國移動通信聯合會教育與科學技術研究院關于舉辦《DeepSeek 與 Manus Agent 關鍵技術解析及大模型全棧解決方案和產業落地實踐》高級研修班的通知

各有關單位：
當前，新一代人工智能技術已成為全球科技競爭的核心領域。大模型是新質生產力的重要引擎，國家政策層面持續強化對 AI 產業的戰略支持，為技術創新與產業應用提供了堅實的政策保障。

在產業層面，大模型三要素數據、算力、算法協同發展，推動產業鏈上下游深度整合。以 DeepSeek 為代表的國產大模型，依托開源戰略、推理成本優化與模型蒸餾等技術創新，正在加速國產替代進程；Manus Agent 憑借其獨特技術哲學、云電腦產品創新及 GAIA 基準測試 SOTA 表現，持續推動 AI Agent 從理念走向落地。

面對市場對法律、政務、金融、醫療、制造等行業大模型解決方案的迫切需求。為推動大模型技術自主創新與產業深度融合，加速國產大模型在全行業的落地應用，助力企業把握 AI 技術前沿動態、提升核心競爭力。中國移動通信聯合會教育與科學技術研究院特在全國開展舉辦本次高級研修班。經研修合格后中國移動通信聯合會教育與考試中心頒發《人工智能技術應用工程師》專項技術培訓證書。本次研修會務由金賽文（北京）文化交流有限責任公司負責，并收取相關費用開具相關發票。

歡迎積極參與！

中國移動通信聯合會教育與科學技術研究院
金賽文（北京）文化交流有限責任公司
2025 年 4 月 13 日

《DeepSeek 與 Manus Agent 關鍵技術解析及大模型全棧解決方案和產業落地實踐》高級研修班的通知簡介

一、主辦單位

中國移動通信聯合會教育與科學技術研究院

二、協辦與支持單位

玄武大模型工廠
金賽文（北京）文化交流有限責任公司
超云數字技術集團有限公司
四川華鯤振宇智能科技有限公司
北京并行科技股份有限公司
北京國科中小企業科技創新發展基金會
四川華存智谷科技公司
蘇州磐云智能科技有限公司
企商在線（北京）數據技術股份有限公司
南京軍微計算機科技有限公司
支持媒體：柏林云 / IT 技術分享老張 / 新一代信息技術研習社
（協辦單位，支持單位與合作媒體招募中）

三、研修地點、時間

四、研修主要內容

模塊一：人工智能到大模型技術演進路徑與行業最新進展解析
模塊二：大模型三要素數據 - 算力 - 模型與產業鏈全景解析及政策解讀
模塊三：大模型預訓練和 SFT 微調與模型輕量化及推理加速等關鍵技術
模塊四：行業應用案例實戰演練及企業大模型落地挑戰與解決方案
模塊五：文本大語言模型提示詞底層邏輯和使用技巧及企業級應用實戰
模塊六：多模態理解與生成大模型進展及提示詞技巧與應用場景實戰
模塊七：DeepSeek V3 通用模型與 R1 推理模型關鍵技術分析及使用技巧
模塊八：工具增強推理到 AI Agent 架構：ReAct、RAG 與 Manus 全解析
模塊九：智能體全流程實戰：從 COZE 工作流到模型微調與私有化部署
模塊十：AI Agent 和穿戴硬件與具身機器人等前沿技術展望及結語
（研修詳細內容請見：附件一）

五、研修對象

政府機構、電信運營商、科研院所與高校研究人員、人工智能技術負責人與算法工程師、研發團隊骨干與全棧開發工程師、企業 CTO/CIO 與技術決策層、行業解決方案專家與數字化轉型負責人、技術管理人員與生態運營者、法律 / 政務 / 金融 / 醫療等領域從業者、制造業與能源企業技術團隊、人工智能大模型以及智能體公司、數據中心、IT 服務商、芯片制造商、軟硬件供應商、金融和能源行業代表，以及其他相關行業和企業的代表和管理人員技術人員等等。

六、研修亮點

1. 全面覆蓋 AI 大模型技術演進與行業進展

• 歷史脈絡梳理：從 70 年 AI 演進簡史到最新大模型時代 AI 2.0 的五大發展階段，系統解析 AI 技術發展歷程。

• 流派與技術哲學：深入探討 AI 三大流派（符號主義、連接主義、行為主義）及其技術哲學，理解不同視角下的 AI 發展。

2. 深入剖析大模型三要素與產業鏈

• 三要素協同：詳細解析數據、算力、模型三要素在大模型預訓練范式中的系統性協同作用。

• 產業鏈全景：從上游芯片、數據基礎設施到中游模型研發、訓練平臺，再到下游應用集成，全面梳理 AI 大模型產業鏈圖譜。

3. 關鍵技術實戰分享

• 預訓練與微調：深入解讀 ChatGPT 的誕生過程，包括預訓練、模型微調 Fine - Tuning 與強化學習 RLHF 等關鍵技術。

• 輕量化與推理加速：分享模型輕量化技術，如參數剪枝、量化與知識蒸餾，以及主流推理引擎 vLLM 和 DeepSpeed 框架。

4. 行業應用案例與落地方法論

• 廣泛行業覆蓋：探討大模型在金融、電商、制造、能源、醫療、教育等多個行業的落地方式及最佳實踐。

• 落地方法論：提供大模型在企業、供應商、行業三個視角下的落地挑戰分析及應對策略。

5. 提示詞工程與企業級應用

• 提示詞技巧：從入門到進階，全面講解提示詞工程原理、技巧及實操，包括主流大模型提示詞原則、結構化表達金字塔原理等。

• 企業級應用：介紹 langGPT 等面向 LLM 的 prompt 編程語言，以及提示詞在企業級應用中的優化與實踐。

6. 多模態大模型應用與實戰

• 多模態生成與理解：探討多模態大模型的概念、分類及當前進展，分享圖與視頻及 3D 生成、圖片結構化文本提取等技巧。

• 應用場景實戰：將多模態大模型應用于生活、學習、工作等多個場景，提升個人與團隊的生產力。

7. DeepSeek 與 R1 推理模型關鍵技術

• 技術創新：介紹 DeepSeek V3 的技術創新點及 R1 推理模型的誕生背景與關鍵技術。

• 使用技巧：分享 DeepSeek R1/V3 推理模型的使用技巧與思維鏈 CoT 應用，以及蒸餾小模型 Qwen、Llama 的原理及實操。

8. AI Agent 架構與前沿技術展望

• Agent 架構解析：深入剖析 AI Agent 的概念、主流設計模式及工作流模式，探討大模型工具調用原理及常見工具應用。

• 前沿技術展望：展望大模型在 AI Agent 智能體、穿戴硬件、具身機器人等前沿領域的應用前景與發展趨勢。

9. 智能體應用與模型微調全流程實戰

• COZE 平臺實戰演練：以 COZE 平臺為基礎，從零構建電商客服智能體，系統掌握工作流設計、系統提示詞配置、知識庫 RAG 接入、長短期記憶管理與工具調用等核心功能。

• 模型微調全流程解析：系統講解從模型選型、數據清洗與標注、訓練配置、指令微調到評估與部署的全鏈路操作，全面理解模型微調的技術要點及其在特定業務場景中的應用方法。

七、專家介紹

1. 孫富春：清華大學計算機科學與技術系教授、博士生導師、清華大學人工智能研究院中心主任，同時擔任智能技術與系統國家重點實驗室（清華大學）副主任、國家杰青獲得者、智能技術學報編委、國家 863 計劃專家組成員、清華大學校學術委員會委員、中國教育發展戰略學會人工智能及機器人教育專委會理事長。孫教授的主要研究領域包括智能控制、機器人與飛行器的導航與控制、網絡控制系統，以及人工認知系統的信息感知和處理。申請受理發明專利 8 項、授權 3 項，發表論文《機械手神經網絡穩定自適應控制的理論與方法》等 58 篇。曾獲北京市科學技術進步二等獎等。他提出了神經變結構控制和神經模糊動態逆的設計思想，建立了較為完整的機器人神經網絡穩定自適應控制的理論與方法，并完成了主要理論方法的實驗驗證。此外，他在多時標非線性系統和馬爾可夫跳變系統的控制與濾波方面也有深入研究，提出了基于攝動參數無關和相關解的自適應和魯棒控制方法。

2. 陸超：中國科學技術大學博士，前百度杰出架構師（T10），知識圖譜技術委員會主席，百度智慧醫療技術負責人，現任上海容易鏈智能科技有限公司（EasyLink）聯合創始人兼 CTO。從 0 到 1 帶領團隊構建全球規模最大中文知識圖譜，建立了包含知識構建、計算及知識應用引擎的完整認知技術體系。在 NLP、知識圖譜、AIGC 等領域具有長期的經驗積累和業界領先成果，發表論文數十篇、授權國內外專利二十余項，曾榮獲中國電子學會科技進步一等獎。

3. 曹彥賓：清華圖靈人工智能研究院駐場企業家、江蘇省網信辦大模型服務基地首席專家、南京市玄武大模型工廠首席數據官、前圖靈人工智能研究院大模型事業部總監，前科大訊飛智慧醫療 AI 產品專家，開源項目可視化 API 開發平臺 FireBoom 創始人。技術方案 “大模型 MaaS 平臺賦能產業化應用示范” 入選清華大學交叉信息研究院技術創新孵化案例庫。作為政府招商顧問，深度訪談智譜華章、階躍星辰、硅基流動等大模型產業鏈頭部企業創始人；作為大模型產品技術專家，主導江蘇、北京、青海等多地政府及央國企、上市企業 AI 示范項目的規劃與落地。深耕大模型技術的工程轉化與應用實踐，構建 “學術預研 - 工程轉化 - 商業驗證” 的全鏈路體系，推動大模型在政務與產業場景中的規模化應用。

八、研修證書

經研修合格后由中國移動通信聯合會教育與考試中心頒發高級《人工智能技術應用工程師》專項技術培訓證書，證書可作為單位聘用、任職、定級、晉升重要參考依據。

九、研修費用及報名材料

1. 本次研修班限額 50 人，報滿為止。

2. 研修費用：4380 元 / 人（費用包含：會議費、報名費、資料費、專家費、考核建檔及證書費），現場專家咨詢和指導。住宿可統一安排，費用自理。

3. 早鳥票：4 月 20 日之前報名繳費享受 9 折優惠。（限 10 名）

4. 團隊報名：報名參會人員滿 5 人贈送一人名額，滿 10 人贈送 3 人名額

5. 報名材料：填寫報名回執表（見附件二）；2 寸證件照兩張（藍底白底均可）

6. 參會福利：

• 報名參會單位以及學員，成功報名后，可帶單位相關資料介紹、產品以及解決方案等放入資料袋，供全體參會人員學習、研討。

• 報名參會學員可享受參加會議期間沙龍 “破冰行動”，靈魂碰撞，項目拓展，人脈結交，做好學員之間交流的平臺。

• 參會學員可獲得參會學員可公開通訊錄（注：學員自愿公開的通訊錄）

7. 本次課程可預約內訓，預約電話：13817964035（微信同號）

十、報名咨詢方式

中國移動通信聯合會教育與科學技術研究院
聯系方式：13817964035（微信同號）

附件一：課程詳細大綱

1.1 70 年 AI 演進簡史：從規則系統到大規模預訓練
1.1.1 1930s–1950s 人工智能的理論奠基
1.1.2 1956 - 1970s 符號主義與專家系統的興衰
1.1.3 1980s - 1990s 神經網絡與連接主義的復興
1.1.4 2000s–2012 從特征工程到端到端的沉默十年
1.1.5 2012–2020 深度學習架構從 CNN、RNN 到 Transformer
1.1.6 2020 - 2022 預訓練范式到 GPT - 3 的智能涌現

模塊 1：人工智能到大模型技術演進路徑與行業最新進展解析

1.2 AI 三大流派（符號主義、連接主義、行為主義）與技術哲學
1.2.1 符號主義：讓 AI 像 “哲學家” 一樣思考
1.2.2 連接主義：神經網絡背后的學習魔法
1.2.3 行為主義：沒有思考，只有本能的反應
1.3 圖靈獎得主視角下的 AI 技術演進
1.3.1 Marvin Minsky：神經網絡奠基人，Perceptron 推崇者又批判者
1.3.2 John McCarthy：計算機語言界的 “歐幾里得”，LISP 語言之父
1.3.4 Edward Feigenbaum：專家系統之父，把醫學知識裝進計算機
1.3.5 Raj Reddy：李開復導師，語音識別之父
1.3.6 Judea Pearl：貝葉斯網絡之父，讓 AI 理解 “為什么”
1.3.7 Geoffrey Hinton：OpenAI CTO 導師，反向傳播之父
1.4 大模型時代 AI 2.0 的五大發展階段
1.4.1 L1 | 對話者：AI 學會了 “說話”（Transformer + RLHF）
1.5.1 開源對標閉源，DeepSeek 能力全面追平
1.5.2 推理成本驟降，大模型應用場景大規模落地
1.5.3 模型蒸餾提效，小模型加速端側部署
1.5.4 國產替代提速，國產芯片生態快速成熟
1.5.5 推理需求激增，智算云廠商迎來結構性利好
1.6 黑紅的 Manus，引爆 AI Agent 的 iPhone 時刻
1.6.1 Less structure, more intelligence 的技術哲學
1.6.2 拋棄瀏覽器，擁抱云電腦的產品創新
1.6.3 GAIA 基準測試 SOTA 成績（超 Deep Research）
1.6.4 Agent Killer 覆蓋 YC W25 76% 智能體項目
1.6.5 Labor Scaling，算力即生產力
1.7 垂直領域 AI 技術演進簡史：文本、語音、圖像與視頻
1.7.1 文本理解演進：從詞袋模型到大語言模型（LLM）
1.7.2 文本生成演進：從規則模板到大模型對話系統
1.7.3 語音識別演進：從 HMM 到端到端語音模型
1.7.4 語音生成演進：從拼接合成到端到端語音克隆
1.7.5 圖像識別演進：從傳統特征到深度卷積網絡
1.7.6 圖像生成演進：從 GAN 到擴散模型（Diffusion）
1.7.7 視頻生成演進：從幀合成到時空擴散與多模態融合

模塊 2：大模型三要素解讀

2.2.4 數據服務鏈條與代表性企業生態
2.3 算力基礎：從芯片、云平臺到一體機的供給格局
2.4 模型本體：開源趨勢下行業模型、多模態與端側部署
2.3.1 大模型為何 “饑渴” 算力：計算成本與階段性差異
2.3.2 AI 芯片生態格局：從 NVIDIA 主導到國產替代加速
2.3.3 云平臺與算力服務：從訓練中心到推理分發樞紐
2.3.4 一體機與端側部署：模型推理場景的多樣化演進
2.5 產業鏈圖譜：上中下游結構分工與關鍵企業生態
2.6 我國大模型政策體系梳理與關鍵動向解讀
2.4.1 開源生態演化：從閉源主導到國產開源體系崛起
2.4.2 行業模型崛起：通用基座向垂直場景的遷移適配
2.4.3 多模態模型演進：從語言理解走向通用感知能力
2.4.4 端側模型路徑：面向隱私與低時延的模型輕量化
2.5.1 上游：芯片、數據與技術基礎設施
2.5.2 中游：模型研發、訓練平臺與算法框架
2.5.3 下游：應用集成、行業方案與 2B/2C 終端用戶
2.6.1 戰略定位與政策脈絡：大模型發展的國家級方向
2.6.2 安全合規與監管機制：大模型服務的紅線與底線
2.6.3 算力基礎設施與國產替代：支撐大模型的底層政策
2.6.4 開源生態與產業應用：推動國產大模型走向實用化
3.1 大模型骨架：Transformer 技術解讀《Attention is All You Need》
3.2 ChatGPT 的誕生：預訓練和模型微調 Fine - Tuning 與強化學習 RLHF
3.3 模型輕量化：參數剪枝、量化與知識蒸餾技術分享及實操
3.4 超長上下文技術：稀疏注意力機制、滑動窗口與降采樣解析
3.6.2 KV Cache 的基本原理與難點解讀
3.6.3 DeepSpeed 的 MoE 支持（專家路由、負載均衡）
3.6.4 LLM 推理引擎功能與優化策略對比分析
3.8 Transformer 最強挑戰者 Mamba 架構原理與優勢解讀
3.7.3 可視圖解：一張圖快速掌握調參路徑與思路
3.7.4 監控實操：微調過程中常用監控指標與調優技巧分享

模塊 4：行業應用案例實戰演練及企業大模型落地挑戰與方法論解讀

4.6 制造業：輔助 CAD、輔助 CAE、多模態質檢、預測性維護等
4.7 能源電力：時序預測、多模態知識問答、設備巡檢、CAD 解析等
4.8 醫療健康：輔助診斷、合力用藥、

。。。。。。。。。

聯系方式：13817964035（微信同號）