新一代AI技术落地工作坊

“人工智能是新的电力，他讲彻底重塑我们现在的所有产业”，很多大咖都这样描述AI。但是作为普通人，我们肯定对AI存在很多这样那样的疑问。

• AI的发展史是什么样的，我们正处在什么样的历史时期？

• 我们常常听到的“大模型”到底属于哪一类AI技术？

• 大模型等新一代AI技术的原理是什么样的？

• 我们能如何使用这些技术赋能公司业务？

• 除了大模型，还有哪些AI技术？

• 这些AI技术能够如何影响企业，如何影响社会？

• 企业想要应用AI技术，具体该怎么办？

所有答案将在课上揭晓！

• 掌握AI的发展史

• 了解AI技术的分类

• 明确的知晓新一代AI技术能够如何在企业落地

• 掌握AI的三大技术浪潮

• 掌握一套AI落地框架

• 动手规划最合适自身企业的AI项目

• 看清未来，知晓AI究竟会如何影响产业和社会

【课程特色】

够专业，内容前沿且正确；讲俗话，将复杂技术具象清晰有趣化；重互动，巧妙设计提升参与感；能落地，反复验证的方法及真实案例。

一、AI技术的分层

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

一、 通用大模型的细分

1、推理模型VS通用大模型

• 通用大模型：能够胜任简单明确的任务

• 推理模型：能够胜任需要多步思考的复杂任务

• 简单任务vs复杂任务：写个宣传稿VS写个项目策划书

2、两类模型的特点和用法

• 两类模型特性对比

• 两类模型提示词技巧

• 总结：推理模型更厉害，更好用

3、中美两国的推理模型

• 美国推理模型王 者：GPT-o1

• 中国推理模型冠 军：DeepSeek-R1

• 中美推理模型的性能对比

• 结论：DeepSeek打破了美国的技术垄断和封锁

案例：用珠穆朗玛峰攀登竞赛类比此次大模型技术竞赛

三、DeepSeek对中国的价值

1、DeepSeek的突破点在哪

• 足够好：能够跟世界最顶 尖的模型比肩

• 省算力：开发成本足够低

• 全开源：彻底解决数据保密问题

2、DeepSeek对中国科技的价值

• 开辟了全新的技术路径

• 美国的算力封锁宣告失效

• 技术水平已经跟美国相当

• 彻底打破了美国的技术封锁

• 为何说DeepSeek是典型的中国式的胜利

3、DeepSeek对中国经济的价值

• 美国龙头芯片厂股价大跌

• 中国科技股价格飞涨

• 中国资产整体上扬

• 引发港股新一轮牛市

3、DeepSeek对中国产业的影响

• 国内产业界也能接入最顶 尖的大模型

• 开源导致大模型落地的数据保密问题彻底被解决

• 中国的产业化能提全球领 先

• AI最终比拼的是落地效果，中国赢面很大

四、DeepSeek等新一代大模型工具如何影响企业

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）

五、动手掌握DeepSeek等新一代大模型工具

1、如何把DeepSeek等新一代大模型的作用发挥到最大

• 提示词工程是一切的基础

• 写好提示词，需要解锁三个“隐藏功能”

2、使用DeepSeek等新一代大模型提升工作效率

• 国内外AI工具的区别和优势

• 案例演示1：用AI新工具搜索信息和素材（DeepSeek VS Perplexity）

场景1.1-AI工具对比搜索引擎

场景1.2-AI搜索工具的一般用法和高质量用法

场景1.3-极限案例：10分钟了解竞争对手市场占有率

• 案例演示2：用大语言模型完成文案写作（Claude VS Chatgpt VS DeepSeek）

场景2.1-万用文案撰写套路（含国内外工具对比）

场景2.2-如何让你的文案有个性更易于传播

场景2.3-利用ChatGPT预判客户反馈及竞争对手动向

场景2.4-如何逼出AI工具的全部潜力

• 案例演示3：用大语言模型高效抽取会议信息（Claude VS Chatgpt VS DeepSeek）

场景3.1-通用会议总结套路

场景3.2-从大段文本中整理表格

场景3.3-从大规模文本中提取信息（政策文件、技术手册等）

• 案例演示4：真·人人都能写代码-办公自动化/数据分析（chatgpt vs 智谱清言VS DeepSeek）

场景4.1-专业程序员如何使用AI工具完成5倍以上的效率提升

场景4.2-不写一行代码，用“人话”完成办公自动化编程（表格整理，文件批处理）

场景4.3-用“人话”从表格中完成商业智能数据分析

场景4.4-外行也能完成机器学习算法开发，预测客户流失

• 案例演示5：如何完成创意视觉设计（MJ vs SD vs DALLE vs Ideogram）

1. 场景6.1-对比主流的视觉设计工具

2. 场景6.2-如何选择不同的视觉设计工具

• 案例演示6：如何制作爆款视频（剪映、快影VS pika、Gen2）

1. 场景7.1-复制现有爆款视频（形象生成+文案生成+数字人）

2. 场景7.2-用新一代AI工具定制爆款营销视频（文案+长视频+短视频素材）

• 案例演示7：如何生成PPT（微软Copilot VS 讯飞星火 VS WPS VS 智谱清言）

1. 场景8.1-从零开始生成高质量PPT

2. 场景8.2-从大段文本生成总结PPT

3、通用的提示词套路

• 1、所有问题从方法论开始，如何让大模型说真话

• 2、“喊几个”顶 尖专家帮你厘清思路

• 3、万用提示词套路-让LLM帮你写提示词

• 4、让LLM持续帮你优化工作结果

• 5、一些通用的小技巧

4、走入听众工作场景

• 此部分案例请甲方提供一些基础素材

• 老师将根据甲方提供的素材定制演示案例

案例：让大语言模型帮你活动创意。

六、专用AI技术的底层原理及应用趋势

1、人工智能的核心原理

• 通过小互动理解人类智能产生过程并类比机器

• 工人（拟合模型）负责预测

• 质检（损失函数）负责挑错误

• 车间主任（梯度下降）负责纠正

• AI的本质：把学习知识的过程转化为一系列计算

小互动：如果你正在跟心仪的女神约会……

案例：预测男生是否会受女生欢迎

2、趋势一：大模型有大力量

• 大模型&大数据 VS 小模型VS高质量数据

• 大模型可能导致通用人工智能出现

• 大模型的落地应用及前景

案例：设备故障预测，质量缺陷诊断，耗品寿命预测，未来销量预测等

3、趋势二：生成模型以假乱真

• 什么是生成模型

• 生成模型能够生成什么内容

• 生成模型的落地应用

案例：生成李小龙视频、AI重塑营销，AI重塑设计行业，明知是假但仍无法分辨的数字虚拟人

4、趋势三：强化学习超越人类

• 阿尔法狗的核心原理

• 强化学习的核心潜力

案例：具身智能让工业现场实现进一步无人化，微软流程自动化提升25%效率并减少30%错误，AI实现可控核聚变， AI自动排产，AI优化工艺

七、AI落地制造业的具体框架步骤

1、智能化落地方法

• 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

案例：产线良品率提升，大型工程机械故障预测，工业品缺陷检测等

八、动手产出人工智能项目-工作坊（可选）

1、以价值为导向的头脑风暴

• 痛点问题罗列

• 痛点问题排序

2、数据准备阶段的可行性收敛

• 数字化项目机理分析

• 数字化项目数据关联性分析

• 数字化项目数据质量分析

3、数据使用阶段的可行性收敛

• 谁可以成为AI的“师傅”

• 我们能否请得起这个“师傅”

4、行政可行性收敛

• 横向行政跨越分析

• 纵向行政跨越分析

5、方案展示及讨论

• 专业可行性提升

• 行业可行性提升