漆远教授《大模型与产业智能化：从开源生态到自主可控》课程大纲

• 理解大模型技术演进的核心逻辑与关键瓶颈
• 掌握开源大模型生态的构建机制与战略价值
• 分析大模型在金融、制造、医疗、政务等行业的落地路径
• 探讨中国实现AI技术“自主可控”的可行路径与挑战
• 培养学员从技术、产业、政策多维度思考AI发展战略的能力

• 从深度学习到生成式AI：技术跃迁的关键节点
• 大模型的“涌现能力”与Scaling Law
• 全球大模型发展格局：OpenAI、Google、Meta vs. 通义、DeepSeek、百川等
• 中国大模型发展的机遇窗口与核心短板

• 为何开源是构建技术主权的重要路径？
• 全球主流开源模型对比（Llama、Qwen、DeepSeek、ChatGLM、Yi等）
• 魔搭（ModelScope）、Hugging Face等平台的角色
• 开源≠免费：社区治理、贡献机制与可持续发展

• 分布式训练架构：数据并行、模型并行、流水线并行
• 推理优化：量化、蒸馏、稀疏化、MoE架构
• 国产算力适配：昇腾、寒武纪、天数智芯与CUDA生态的差距
• 软硬协同：如何构建高效、低成本的大模型部署栈

• 通用大模型 vs. 行业大模型：必要性与边界
• 领域知识注入：RAG、微调、LoRA、QLoRA等技术选型
• 数据飞轮：如何通过业务闭环持续提升模型性能
• 案例剖析：蚂蚁“支小宝”、阿里“通义仁心”、华为“盘古矿山大模型”

• 金融：智能风控、投研助手、合规审查
• 制造：设备预测性维护、工艺优化、数字孪生
• 医疗：辅助诊断、药物发现、电子病历结构化
• 政务：政策解读、民生问答、城市治理大模型
• 关键成功因素：场景定义、数据质量、组织协同

• “卡脖子”环节识别：芯片、框架、工具链、高质量数据
• 构建国产AI全栈能力：从硬件到应用的垂直整合
• 标准制定权之争：模型评测、安全规范、互操作协议
• 政策建议：如何通过“新型举国体制”加速突破

• 幻觉、偏见与可解释性挑战
• 数据隐私保护：联邦学习、差分隐私、可信执行环境（TEE）
• 内容安全与价值观对齐：红队测试、人工反馈强化学习（RLHF）
• 中国《生成式AI服务管理暂行办法》解读与实践应对

• AI作为新质生产力的核心引擎
• 构建“开放合作 + 自主可控”的双循环AI生态
• 青年人才如何参与这场技术革命？
• 圆桌讨论：中国能否在下一代AI浪潮中引领全球？

• 主题讲授 + 案例研讨 + 小组项目 + 专家对话
• 配套实践：基于魔搭（ModelScope）平台进行微调实验（可选）
• 推荐阅读：《十问人工智能大模型》（漆远著）、MLPerf报告、中国信通院《大模型产业白皮书》等

• 高校研究生（计算机、人工智能、管理科学等专业）
• 企业CTO、AI负责人、数字化转型管理者
• 政府科技/产业政策制定者
• 投资机构科技赛道分析师

备注：本课程可根据受众背景灵活调整技术深度与产业侧重，支持半天工作坊、2天集训或完整学期课程等多种交付形式。