2025从DeepSeek探讨大语言模型在建筑及能源行业的应用趋势和技术方法报告.pptxVIP

从DeepSeek探讨大语言模型

在建筑及能源行业的应用趋势和技术方法;

报告提纲;

在人工智能发展史上，DeepSeek掀起首次中国Al热潮3/80

deepseek;;

Alperformancevshumanperformanceonselectbenchmarks

HumanLevelPerformance

20002004420082012201620202024;

Claude3Opus

Gemini15Pro(2024-02-15)

GPT-4Turbo(2023-11-06)

Claude2

fGPT-4(2024-06-13)

Randomguessing;

以ChatGPTo1为代表的Al技术在不断刷榜(2024年11月数据)7/80

口ChatGPTo1在数学等领域正确率大幅上升，甚至博士级科学问题要比人类专家解答正确率高8.3%。

竞赛数学(AIME2024)竞争代码(CodeForces)博士级科学问题;

Modelreleasedate

FrontierMath:AdvancedmathematicsGPQA:Graduate-levelscience

ARC-AG:Abstractreasoning(semi-secretevaluation)◆AIME2024:MathematicscompetitionSWE-bench:Real-worldsoftwareengineering;

DeepSeek横空出世，各项指标逼近或超越ChatGPTo19/80

口核心意义：打破Al垄断，带来AI平权，尤其是中文Al普惠，激发大众创造力;

开源与平权的AI将加速把能源行业带向阶跃式的新高度

先前认知(摘自本人2018年的一个报告)

4.发展趋势与展望;

多源数据深度挖掘

融合建筑领域各类数据，联动设备运行指标、能耗信息及环境监测·实现精细用户画像·助力科学调度与资源配置

智能故障识别与诊断

结合人工智能算法·自动提取设备特征，识别潜在异常，构建以专家经验为核心的诊断体系·为故障根源定位和问题处理提供有力建议;

工业流程中的大语言模型典型应用场景(截止2024年9月)12/80

工业大语言模型的应用已经渗透到研发设计、生产制造、经营管理、产品服务等多个环节。其中生产制造环节的落地案例最多(占比44.8%),当前主要以知识问答助手和产品交互等方式辅助人快速获取知识和进行决策;;

报告提纲;

长期以来，能源领域人工智能止步于信息化阶段，发展范式陷入困境15/80

口能源领域智能化目前大多停留在数据采集和信息展示阶段，???管研究成果丰富，但实际应用有限，尤其难以突破落地应用的瓶颈;

范式困境主要原因一：场景多、碎片化、个性化，定制化开发成本高

口有限的人力、物力和财力去应对复杂而多变的需求，最终的平衡点大多位于信息化阶段

可再生能源热力系统燃煤电厂区域供冷站

公共建筑空调城市/区域集中供冷/热建筑供热

工厂能动系统

太阳能供热污水废水余热余热驱动制冷热电联产;

范式困境主要原因二：多学科交叉、技术门槛高、木桶理论效应凸显17/80

口多学科交叉人才极其稀缺，而且非常昂贵

口普通人才天花板效应明显，最不靠谱的人/环节是整个项目的天花板;

范式困境主要原因三：周期长、链条多、人员配合难度大效率低18/80

口需要多个团队深度长期协作，难度大成本高

口从经济性角度而言，大部分项目支撑不起如此开销

迭代

需求分析运维算法设计Al模型开发测试升级

口碎片化口长链条口长周期口难维护;

计算机程序完成推理和决策

这一过程严重依赖