中国移动通信联合会教育与科学技术研究院关于举办《DeepSeek 与 Manus Agent 关键技术解析及大模型全栈解决方案和产业落地实践》高级研修班的通知

各有关单位：
当前，新一代人工智能技术已成为全球科技竞争的核心领域。大模型是新质生产力的重要引擎，国家政策层面持续强化对 AI 产业的战略支持，为技术创新与产业应用提供了坚实的政策保障。

在产业层面，大模型三要素数据、算力、算法协同发展，推动产业链上下游深度整合。以 DeepSeek 为代表的国产大模型，依托开源战略、推理成本优化与模型蒸馏等技术创新，正在加速国产替代进程；Manus Agent 凭借其独特技术哲学、云电脑产品创新及 GAIA 基准测试 SOTA 表现，持续推动 AI Agent 从理念走向落地。

面对市场对法律、政务、金融、医疗、制造等行业大模型解决方案的迫切需求。为推动大模型技术自主创新与产业深度融合，加速国产大模型在全行业的落地应用，助力企业把握 AI 技术前沿动态、提升核心竞争力。中国移动通信联合会教育与科学技术研究院特在全国开展举办本次高级研修班。经研修合格后中国移动通信联合会教育与考试中心颁发《人工智能技术应用工程师》专项技术培训证书。本次研修会务由金赛文（北京）文化交流有限责任公司负责，并收取相关费用开具相关发票。

欢迎积极参与！

中国移动通信联合会教育与科学技术研究院
金赛文（北京）文化交流有限责任公司
2025 年 4 月 13 日

《DeepSeek 与 Manus Agent 关键技术解析及大模型全栈解决方案和产业落地实践》高级研修班的通知简介

一、主办单位

中国移动通信联合会教育与科学技术研究院

二、协办与支持单位

玄武大模型工厂
金赛文（北京）文化交流有限责任公司
超云数字技术集团有限公司
四川华鲲振宇智能科技有限公司
北京并行科技股份有限公司
北京国科中小企业科技创新发展基金会
四川华存智谷科技公司
苏州磐云智能科技有限公司
企商在线（北京）数据技术股份有限公司
南京军微计算机科技有限公司
支持媒体：柏林云 / IT 技术分享老张 / 新一代信息技术研习社
（协办单位，支持单位与合作媒体招募中）

三、研修地点、时间

四、研修主要内容

模块一：人工智能到大模型技术演进路径与行业最新进展解析
模块二：大模型三要素数据 - 算力 - 模型与产业链全景解析及政策解读
模块三：大模型预训练和 SFT 微调与模型轻量化及推理加速等关键技术
模块四：行业应用案例实战演练及企业大模型落地挑战与解决方案
模块五：文本大语言模型提示词底层逻辑和使用技巧及企业级应用实战
模块六：多模态理解与生成大模型进展及提示词技巧与应用场景实战
模块七：DeepSeek V3 通用模型与 R1 推理模型关键技术分析及使用技巧
模块八：工具增强推理到 AI Agent 架构：ReAct、RAG 与 Manus 全解析
模块九：智能体全流程实战：从 COZE 工作流到模型微调与私有化部署
模块十：AI Agent 和穿戴硬件与具身机器人等前沿技术展望及结语
（研修详细内容请见：附件一）

五、研修对象

政府机构、电信运营商、科研院所与高校研究人员、人工智能技术负责人与算法工程师、研发团队骨干与全栈开发工程师、企业 CTO/CIO 与技术决策层、行业解决方案专家与数字化转型负责人、技术管理人员与生态运营者、法律 / 政务 / 金融 / 医疗等领域从业者、制造业与能源企业技术团队、人工智能大模型以及智能体公司、数据中心、IT 服务商、芯片制造商、软硬件供应商、金融和能源行业代表，以及其他相关行业和企业的代表和管理人员技术人员等等。

六、研修亮点

1. 全面覆盖 AI 大模型技术演进与行业进展

• 历史脉络梳理：从 70 年 AI 演进简史到最新大模型时代 AI 2.0 的五大发展阶段，系统解析 AI 技术发展历程。

• 流派与技术哲学：深入探讨 AI 三大流派（符号主义、连接主义、行为主义）及其技术哲学，理解不同视角下的 AI 发展。

2. 深入剖析大模型三要素与产业链

• 三要素协同：详细解析数据、算力、模型三要素在大模型预训练范式中的系统性协同作用。

• 产业链全景：从上游芯片、数据基础设施到中游模型研发、训练平台，再到下游应用集成，全面梳理 AI 大模型产业链图谱。

3. 关键技术实战分享

• 预训练与微调：深入解读 ChatGPT 的诞生过程，包括预训练、模型微调 Fine - Tuning 与强化学习 RLHF 等关键技术。

• 轻量化与推理加速：分享模型轻量化技术，如参数剪枝、量化与知识蒸馏，以及主流推理引擎 vLLM 和 DeepSpeed 框架。

4. 行业应用案例与落地方法论

• 广泛行业覆盖：探讨大模型在金融、电商、制造、能源、医疗、教育等多个行业的落地方式及最佳实践。

• 落地方法论：提供大模型在企业、供应商、行业三个视角下的落地挑战分析及应对策略。

5. 提示词工程与企业级应用

• 提示词技巧：从入门到进阶，全面讲解提示词工程原理、技巧及实操，包括主流大模型提示词原则、结构化表达金字塔原理等。

• 企业级应用：介绍 langGPT 等面向 LLM 的 prompt 编程语言，以及提示词在企业级应用中的优化与实践。

6. 多模态大模型应用与实战

• 多模态生成与理解：探讨多模态大模型的概念、分类及当前进展，分享图与视频及 3D 生成、图片结构化文本提取等技巧。

• 应用场景实战：将多模态大模型应用于生活、学习、工作等多个场景，提升个人与团队的生产力。

7. DeepSeek 与 R1 推理模型关键技术

• 技术创新：介绍 DeepSeek V3 的技术创新点及 R1 推理模型的诞生背景与关键技术。

• 使用技巧：分享 DeepSeek R1/V3 推理模型的使用技巧与思维链 CoT 应用，以及蒸馏小模型 Qwen、Llama 的原理及实操。

8. AI Agent 架构与前沿技术展望

• Agent 架构解析：深入剖析 AI Agent 的概念、主流设计模式及工作流模式，探讨大模型工具调用原理及常见工具应用。

• 前沿技术展望：展望大模型在 AI Agent 智能体、穿戴硬件、具身机器人等前沿领域的应用前景与发展趋势。

9. 智能体应用与模型微调全流程实战

• COZE 平台实战演练：以 COZE 平台为基础，从零构建电商客服智能体，系统掌握工作流设计、系统提示词配置、知识库 RAG 接入、长短期记忆管理与工具调用等核心功能。

• 模型微调全流程解析：系统讲解从模型选型、数据清洗与标注、训练配置、指令微调到评估与部署的全链路操作，全面理解模型微调的技术要点及其在特定业务场景中的应用方法。

七、专家介绍

1. 孙富春：清华大学计算机科学与技术系教授、博士生导师、清华大学人工智能研究院中心主任，同时担任智能技术与系统国家重点实验室（清华大学）副主任、国家杰青获得者、智能技术学报编委、国家 863 计划专家组成员、清华大学校学术委员会委员、中国教育发展战略学会人工智能及机器人教育专委会理事长。孙教授的主要研究领域包括智能控制、机器人与飞行器的导航与控制、网络控制系统，以及人工认知系统的信息感知和处理。申请受理发明专利 8 项、授权 3 项，发表论文《机械手神经网络稳定自适应控制的理论与方法》等 58 篇。曾获北京市科学技术进步二等奖等。他提出了神经变结构控制和神经模糊动态逆的设计思想，建立了较为完整的机器人神经网络稳定自适应控制的理论与方法，并完成了主要理论方法的实验验证。此外，他在多时标非线性系统和马尔可夫跳变系统的控制与滤波方面也有深入研究，提出了基于摄动参数无关和相关解的自适应和鲁棒控制方法。

2. 陆超：中国科学技术大学博士，前百度杰出架构师（T10），知识图谱技术委员会主席，百度智慧医疗技术负责人，现任上海容易链智能科技有限公司（EasyLink）联合创始人兼 CTO。从 0 到 1 带领团队构建全球规模最大中文知识图谱，建立了包含知识构建、计算及知识应用引擎的完整认知技术体系。在 NLP、知识图谱、AIGC 等领域具有长期的经验积累和业界领先成果，发表论文数十篇、授权国内外专利二十余项，曾荣获中国电子学会科技进步一等奖。

3. 曹彦宾：清华图灵人工智能研究院驻场企业家、江苏省网信办大模型服务基地首席专家、南京市玄武大模型工厂首席数据官、前图灵人工智能研究院大模型事业部总监，前科大讯飞智慧医疗 AI 产品专家，开源项目可视化 API 开发平台 FireBoom 创始人。技术方案 “大模型 MaaS 平台赋能产业化应用示范” 入选清华大学交叉信息研究院技术创新孵化案例库。作为政府招商顾问，深度访谈智谱华章、阶跃星辰、硅基流动等大模型产业链头部企业创始人；作为大模型产品技术专家，主导江苏、北京、青海等多地政府及央国企、上市企业 AI 示范项目的规划与落地。深耕大模型技术的工程转化与应用实践，构建 “学术预研 - 工程转化 - 商业验证” 的全链路体系，推动大模型在政务与产业场景中的规模化应用。

八、研修证书

经研修合格后由中国移动通信联合会教育与考试中心颁发高级《人工智能技术应用工程师》专项技术培训证书，证书可作为单位聘用、任职、定级、晋升重要参考依据。

九、研修费用及报名材料

1. 本次研修班限额 50 人，报满为止。

2. 研修费用：4380 元 / 人（费用包含：会议费、报名费、资料费、专家费、考核建档及证书费），现场专家咨询和指导。住宿可统一安排，费用自理。

3. 早鸟票：4 月 20 日之前报名缴费享受 9 折优惠。（限 10 名）

4. 团队报名：报名参会人员满 5 人赠送一人名额，满 10 人赠送 3 人名额

5. 报名材料：填写报名回执表（见附件二）；2 寸证件照两张（蓝底白底均可）

6. 参会福利：

• 报名参会单位以及学员，成功报名后，可带单位相关资料介绍、产品以及解决方案等放入资料袋，供全体参会人员学习、研讨。

• 报名参会学员可享受参加会议期间沙龙 “破冰行动”，灵魂碰撞，项目拓展，人脉结交，做好学员之间交流的平台。

• 参会学员可获得参会学员可公开通讯录（注：学员自愿公开的通讯录）

7. 本次课程可预约内训，预约电话：13817964035（微信同号）

十、报名咨询方式

中国移动通信联合会教育与科学技术研究院
联系方式：13817964035（微信同号）

附件一：课程详细大纲

1.1 70 年 AI 演进简史：从规则系统到大规模预训练
1.1.1 1930s–1950s 人工智能的理论奠基
1.1.2 1956 - 1970s 符号主义与专家系统的兴衰
1.1.3 1980s - 1990s 神经网络与连接主义的复兴
1.1.4 2000s–2012 从特征工程到端到端的沉默十年
1.1.5 2012–2020 深度学习架构从 CNN、RNN 到 Transformer
1.1.6 2020 - 2022 预训练范式到 GPT - 3 的智能涌现

模块 1：人工智能到大模型技术演进路径与行业最新进展解析

1.2 AI 三大流派（符号主义、连接主义、行为主义）与技术哲学
1.2.1 符号主义：让 AI 像 “哲学家” 一样思考
1.2.2 连接主义：神经网络背后的学习魔法
1.2.3 行为主义：没有思考，只有本能的反应
1.3 图灵奖得主视角下的 AI 技术演进
1.3.1 Marvin Minsky：神经网络奠基人，Perceptron 推崇者又批判者
1.3.2 John McCarthy：计算机语言界的 “欧几里得”，LISP 语言之父
1.3.4 Edward Feigenbaum：专家系统之父，把医学知识装进计算机
1.3.5 Raj Reddy：李开复导师，语音识别之父
1.3.6 Judea Pearl：贝叶斯网络之父，让 AI 理解 “为什么”
1.3.7 Geoffrey Hinton：OpenAI CTO 导师，反向传播之父
1.4 大模型时代 AI 2.0 的五大发展阶段
1.4.1 L1 | 对话者：AI 学会了 “说话”（Transformer + RLHF）
1.5.1 开源对标闭源，DeepSeek 能力全面追平
1.5.2 推理成本骤降，大模型应用场景大规模落地
1.5.3 模型蒸馏提效，小模型加速端侧部署
1.5.4 国产替代提速，国产芯片生态快速成熟
1.5.5 推理需求激增，智算云厂商迎来结构性利好
1.6 黑红的 Manus，引爆 AI Agent 的 iPhone 时刻
1.6.1 Less structure, more intelligence 的技术哲学
1.6.2 抛弃浏览器，拥抱云电脑的产品创新
1.6.3 GAIA 基准测试 SOTA 成绩（超 Deep Research）
1.6.4 Agent Killer 覆盖 YC W25 76% 智能体项目
1.6.5 Labor Scaling，算力即生产力
1.7 垂直领域 AI 技术演进简史：文本、语音、图像与视频
1.7.1 文本理解演进：从词袋模型到大语言模型（LLM）
1.7.2 文本生成演进：从规则模板到大模型对话系统
1.7.3 语音识别演进：从 HMM 到端到端语音模型
1.7.4 语音生成演进：从拼接合成到端到端语音克隆
1.7.5 图像识别演进：从传统特征到深度卷积网络
1.7.6 图像生成演进：从 GAN 到扩散模型（Diffusion）
1.7.7 视频生成演进：从帧合成到时空扩散与多模态融合

模块 2：大模型三要素解读

2.2.4 数据服务链条与代表性企业生态
2.3 算力基础：从芯片、云平台到一体机的供给格局
2.4 模型本体：开源趋势下行业模型、多模态与端侧部署
2.3.1 大模型为何 “饥渴” 算力：计算成本与阶段性差异
2.3.2 AI 芯片生态格局：从 NVIDIA 主导到国产替代加速
2.3.3 云平台与算力服务：从训练中心到推理分发枢纽
2.3.4 一体机与端侧部署：模型推理场景的多样化演进
2.5 产业链图谱：上中下游结构分工与关键企业生态
2.6 我国大模型政策体系梳理与关键动向解读
2.4.1 开源生态演化：从闭源主导到国产开源体系崛起
2.4.2 行业模型崛起：通用基座向垂直场景的迁移适配
2.4.3 多模态模型演进：从语言理解走向通用感知能力
2.4.4 端侧模型路径：面向隐私与低时延的模型轻量化
2.5.1 上游：芯片、数据与技术基础设施
2.5.2 中游：模型研发、训练平台与算法框架
2.5.3 下游：应用集成、行业方案与 2B/2C 终端用户
2.6.1 战略定位与政策脉络：大模型发展的国家级方向
2.6.2 安全合规与监管机制：大模型服务的红线与底线
2.6.3 算力基础设施与国产替代：支撑大模型的底层政策
2.6.4 开源生态与产业应用：推动国产大模型走向实用化
3.1 大模型骨架：Transformer 技术解读《Attention is All You Need》
3.2 ChatGPT 的诞生：预训练和模型微调 Fine - Tuning 与强化学习 RLHF
3.3 模型轻量化：参数剪枝、量化与知识蒸馏技术分享及实操
3.4 超长上下文技术：稀疏注意力机制、滑动窗口与降采样解析
3.6.2 KV Cache 的基本原理与难点解读
3.6.3 DeepSpeed 的 MoE 支持（专家路由、负载均衡）
3.6.4 LLM 推理引擎功能与优化策略对比分析
3.8 Transformer 最强挑战者 Mamba 架构原理与优势解读
3.7.3 可视图解：一张图快速掌握调参路径与思路
3.7.4 监控实操：微调过程中常用监控指标与调优技巧分享

模块 4：行业应用案例实战演练及企业大模型落地挑战与方法论解读

4.6 制造业：辅助 CAD、辅助 CAE、多模态质检、预测性维护等
4.7 能源电力：时序预测、多模态知识问答、设备巡检、CAD 解析等
4.8 医疗健康：辅助诊断、合力用药、

。。。。。。。。。

联系方式：13817964035（微信同号）