新書推薦：
《
从“四夷”到“外国”：《宋史·外国传》研究 国家社科基金后期资助项目
》
售價：HK$
96.8
《
苏格拉底的虔敬：读柏拉图《游叙弗伦》笔记
》
售價：HK$
86.9
《
思辨者的罗盘：从逻辑谬误到严谨表达
》
售價：HK$
61.6
《
面具之下：近代日本报人对华情报活动
》
售價：HK$
96.8
《
广东省博物馆藏品大系 端砚卷
》
售價：HK$
547.8
《
你的降落伞是什么颜色：就业市场不是一场录用游戏，而是一场淘汰游戏，直到准备充分的人胜出
》
售價：HK$
82.5
《
美国军事战略研究
》
售價：HK$
184.8
《
一对一沟通
》
售價：HK$
120.9
|
| 內容簡介： |
这是一本为技术人员打造工业智能系统的实用指南。本书条理清晰地介绍了从AI基础到大语言模型在工业中的应用知识，并且围绕DeepSeek，深入讲解了多模态数据处理、模型训练与部署、智能设备集成和垂直系统构建方法。
本书通过多个实战案例，展示如何以AI赋能工业应用场景，帮助工程师与开发者快速掌握模型应用与系统实现的完整流程。适合智能制造、工业AI、嵌入式开发等领域的技术人员阅读学习。
本书内容丰富、知识体系完整，具有以下优势：
?系统全面：从DeepSeek切入，覆盖AI基础、深度学习、多模态融合与垂直系统构建，从0到1建设工业智能系统。
?工程落地：基于真实企业项目，覆盖典型的工业应用场景，推动AI在工业领域的全流程落地。
?注重实战：附随书源码，通过多个完整实战案例，兼顾个人与企业级的大模型部署应用。
?多模态融合：强调图像、传感器、文本等数据源的融合，提升模型的泛化能力。
|
| 關於作者： |
刘冰 AI技术专家，工业智能系统架构师
10年深耕人工智能技术，现任某大中型科技企业的资深产品与算法经理。长期推动前沿AI技术在工业制造等垂直领域的创新应用与落地。
主导多个大型精密智能设备制造项目的研发与交付，精通从底层算法到顶层业务与系统架构的完整技术链路。擅长复杂智能系统架构设计，曾带领团队将项目交付效率提升40%。
研究与实践领域涵盖工业智能、机器视觉与控制系统、数据分析等，目前聚焦于高精度视觉检测系统与工业专家系统。
基于深厚的理论功底与丰富的项目经验，出版《贝叶斯算法与机器学习》《AIGC驱动工业智能设备》等著作。
|
| 目錄：
|
Contents 目 录
前 言
第1章 从AI到LLM 1
1.1 LLM技术概述 1
1.2 LLM在工业中的应用场景 3
第2章 AI技术基础 5
2.1 机器学习 5
2.1.1 机器学习原理 5
2.1.2 监督学习 11
2.1.3 半监督学习 12
2.1.4 无监督学习 13
2.2 深度学习 14
2.2.1 深度学习原理 14
2.2.2 神经网络 19
2.2.3 深度学习框架 25
2.3 常用的算法 28
2.3.1 监督算法 28
2.3.2 无监督算法 29
2.3.3 半监督算法 31
第3章 模型训练与数据集制作 33
3.1 基于深度学习的模型训练原理 33
3.1.1 模型训练过程 34
3.1.2 针对不同场景选择训练方式 36
3.1.3 针对特定环境选择设备 41
3.2 制作数据集 44
3.2.1 工业数据的相似性 44
3.2.2 图像类数据的处理 54
3.2.3 非图像类数据的处理 60
3.3 模型调整与效果评估 64
3.3.1 结合应用场景与需求平衡模型的性能 64
3.3.2 什么样的工业模型是合格的 65
3.3.3 如何使模型趋于合格 66
第4章 多模态数据处理 68
4.1 融合不同信息源的数据 69
4.1.1 不同类型传感器数据的融合 69
4.1.2 传感器数据与图像数据的融合 73
4.1.3 不同视觉端的图像数据融合 77
4.2 模型从不同信息源学习目标知识 77
4.2.1 对不同信息源数据进行主成分分析 77
4.2.2 对不同信息源数据进行相关性分析 81
4.2.3 多模态学习的原理 86
4.3 多模态感知案例分析 90
4.3.1 案例场景描述 90
4.3.2 需求分析 90
4.3.3 数据处理 93
4.3.4 主成分提取与相关性分析 95
4.3.5 多模态学习的过程 98
第5章 DeepSeek部署 101
5.1 DeepSeek的核心原理 101
5.1.1 稀疏注意力机制 102
5.1.2 动态计算图 107
5.1.3 多模态融合技术 109
5.1.4 自适应学习机制 113
5.1.5 知识图谱 115
5.1.6 计算推理能力 118
5.2 PC部署 120
5.2.1 环境准备 120
5.2.2 DeepSeek安装与配置 126
5.3 服务器部署 130
5.3.1 环境准备 130
5.3.2 DeepSeek安装与部署 135
5.4 嵌入式部署 137
5.5 训练与微调 138
5.5.1 数据准备 139
5.5.2 训练模型 143
第6章 DeepSeek与智能设备集成 149
6.1 数据采集与处理 149
6.1.1 不同类型传感器数据的采集方式 149
6.1.2 数据传输与存储 153
6.2 结合设备资源进行模型优化 158
6.2.1 资源环境受限时的模型优化 158
6.2.2 动态资源分配 163
6.2.3 实时性能监控 167
6.3 模型与硬件接口交互 169
6.3.1 调用硬件接口 169
6.3.2 实时反馈接收 172
6.4 复杂任务协同 174
6.4.1 复杂任务拆解 174
6.4.2 多任务协同 177
6.4.3 多设备协同 182
第7章 垂直智能系统构建 186
7.1 数据传输链路设计 186
7.1.1 选择硬件层面的通信协议 187
7.1.2 选择软件层面的通信协议 187
7.1.3 设计数据链路 188
7.2 功能模块设计 190
7.2.1 设计硬件相关功能 190
7.2.2 设计软件相关系统功能 193
7.2.3 设计人机交互功能 196
7.2.4 设计数据存储功能 198
7.3 系统业务逻辑设计 201
7.3.1 设计整机概念层的逻辑 202
7.3.2 设计整机数据流 203
7.3.3 设计各硬件的独立逻辑 207
7.3.4 设计系统内集成逻辑 209
7.4 系统安全性设计 211
7.4.1 硬件状态的监控与预测 211
7.4.2 面对整机急停的系统响应逻辑 213
7.5 构建完整系统 215
第8章 基于DeepSeek打造知识助手 218
8.1 工业视觉缺陷检测案例分析 218
8.1.1 案例背景 218
8.1.2 需求拆解 220
8.1.3 项目任务拆解 222
8.1.4 项目实施注意点 225
8.2 知识库搭建 226
8.2.1 数据采集与存储 227
8.2.2 知识表示与存储设计 230
8.2.3 知识库维护策略 234
8.2.4 知识库设计实例 235
8.3 模型训练 236
8.3.1 加载数据集 236
8.3.2 训练模型 243
8.4 案例总结 246
第9章 基于DeepSeek打造智能设备 248
9.1 微米级自动化检测整机设备案例分析 248
9.1.1 案例背景 248
9.1.2 需求拆解 249
9.1.3 项目任务拆解 250
9.2 系统架构设计 251
9.2.1 硬件架构设计 252
9.2.2 软件架构设计 254
9.2.3 系统集成设计 256
9.3 知识库搭建 259
9.3.1 数据采集与清洗 259
9.3.2 知识表示与存储设计 261
9.3.3 知识库维护策略 263
9.4 系统稳定性保障设计 265
9.4.1 硬件监控机制设计 265
9.4.2 软件监控机制设计 267
9.4.3 交互接口监控机制设计 272
9.5 交互与反馈机制设计 273
9.5.1 交互机制设计 273
9.5.2 反馈机制设计 275
9.6 案例总结 278
第10章 未来的挑战与趋势 280
10.1 不确定性挑战 280
10.2 技术成本挑战 282
10.3 未来的发展趋势预测 284
|
| 內容試閱：
|
Preface?前 言
为何写本书
近年来，随着大型语言模型（LLM）技术在全球范围内的火爆发展，国内各行各业纷纷宣布接入DeepSeek的LLM系统，试图借助人工智能（AI）技术提升自身的产品能力与服务效率。尤其是医疗、金融、政务等行业，对基于自然语言理解和智能问答的应用需求日益增长。这种基于自然语言的人工智能系统通常被称为AIGC（人工智能生成内容）系统，它能够自动理解、分析并生成各类文本内容，为企业在客户服务、数据分析、业务咨询、报告撰写等环节提供智能化支撑。
然而，尽管市场上关于LLM技术的讨论热度极高，但是真正能将这项技术顺利落地，并在具体业务中稳定应用的项目却并不多见。为了了解目前国内LLM产品化落地的真实情况，笔者特意花3个月时间，走访调研了华东、华南地区数十个相关企业和项目案例。调研结果表明，当前很多企业对于LLM应用还处在初级阶段。绝大多数项目选择了相对简单的实现方式：直接基于开源的DeepSeek模型，构建一个“提示库”，相当于提前准备好一批标准问题和指令，再接入一个知识库管理工具，如AnythingLLM之类的系统。用户将本地的文档、知识文件上传后，模型便能根据这些内容进行检索和回答。
这种方式在一些通用性较强的应用场景中，如内部知识问答、通用FAQ咨询、简单文档查询等，确实能够发挥一定作用。但在一些对专业知识要求高、业务流程复杂、数据安全敏感的垂直行业应用中，这种“开箱即用”的实现路径存在较多问题。例如，模型无法理解企业内部复杂的业务规则，无法处理多环节、多接口的数据传递，模型回答的内容不具备稳定性和可追溯
性，遇到异常情况时也缺少完善的监控、日志与故障排查机制，导致结果错误时难以定位原因。
更重要的是，很多企业在项目设计初期未能系统性规划好大型语言模型与现有业务系统之间的对接方式和调用规范，导致后期系统扩展困难，模型功能更新难以同步，甚至需要频繁改动底层代码才能适应新的业务需求。这种方式不仅效率低下，还难以保障系统长期的稳定运行和维护便利性。
事实上，LLM系统真正带来效益，依赖于开发团队在项目初期就清晰定义模型与业务系统之间的对接规范、调用规则、权限管理以及监控体系。一旦这些机制完善，无论后续新增多少业务系统或服务，均可以通过统一标准的方式直接接入，无须对模型核心或业务系统底层代码进行反复修改，从而大幅提升开发效率和系统可扩展性。
因此，本书围绕大型语言模型（以DeepSeek为例）在专业行业场景中的落地实践展开，系统性梳理了从环境部署、接口设计、知识管理、异常监控、日志追溯、性能优化到完整AIGC智能系统集成的全过程。通过结合笔者调研的真实案例和工程化项目经验，逐步剖析当前LLM产品化落地过程中常见的问题与解决方法，帮助企业及相关从业人员避开常见误区，少走弯路，顺利实现大型语言模型在垂直行业的业务应用。
本书所涉及的案例内容，均来源于国内当前正在研发的实际项目。在其中部分案例项目的推进过程中，笔者参与了需求梳理、技术方案优化与产品化实现路径调整等工作。特别是第8章与第9章所引用的案例，均选自真实行业场景下的LLM产品化落地实践。为了提升案例的代表性与实操指导价值，笔者对其进行了系统性拆解与技术脉络梳理，力求还原项目实施过程中的关键节点与核心问题。
值得说明的是，出于对项目商业信息保护及合作方数据安全的考量，书中所有涉及实际项目名称、具体场景细节、业务逻辑数据、接口规范以及商业敏感内容的部分，均在整理过程中进行了必要的脱敏、模糊化或删除处理。同时，为了便于读者理解，对部分案例细节进行了合理化改编与简化，但不影响核心技术实现路径与解决方案逻辑。所有案例内容均确保在合法合规、尊重商业协议的前提下，兼顾技术分享价值与行业参考意义。
另外，由于笔者长期从事技术开发与产品项目实施相关工作，职业路径由基础技术开发逐步延展至项目管理、产品方案设计，因此本书的结构规划与内容组织主要是以项目实施流程与技术实现逻辑为核心线索来进行的。而具体的章节安排和知识点串联，主要围绕项目需求梳理、技术方案制定、工程化实现与产品化落地等角度展开。
基于这一组织方式，书中某些章节在知识点衔接与案例推进上，可能存在少量“跳越式”发展，即在部分基础概念未做系统性铺垫的情况下直接进入应用场景或工程实践讲解。这种安排主要是为了保证案例内容贴合真实的项目节奏，保持技术方案描述的连贯性与完整性。对于尚不具备相关基础的读者，建议结合书中提供的术语解释、拓展资料或推荐书籍阅读，以便更好地理解书中涉及的技术背景与应用逻辑。
同时，由于笔者的职业习惯及思维方式的影响，部分章节在表述上可能偏向技术风格。非技术背景的读者在阅读时可能会遇到一些技术术语或偏工程化的描述，敬请这部分读者谅解。不过，本书在整体编排上已尽量通过案例化、场景化的方式降低理解门槛，力求兼顾实用性、可操作性，同时提升阅读的流畅性与趣味性。
本书特色
本书围绕当前行业关注度极高的LLM国产代表产品DeepSeek及AIGC系统展开，聚焦其在工业垂直场景中的工程化应用与产品化落地实践。不同于市面上以算法原理或开发教程为主的AI技术书籍，本书从项目实施与技术产品化的角度出发，系统梳理DeepSeek在项目中的环境部署、训练微调、功能实现、性能监控、异常处理与业务集成全流程，覆盖从研发到上线运维的完整闭环。
本书具备以下几大特色。
（1）聚焦工业、半导体等垂直应用领域
结合华东、华南地区数十个企业项目的调研结果，深入分析LLM技术在专业领域落地过程中常见的问题与解决思路，避免陷入“开源模型+知识库+简单Prompt”的浅层集成误区，提供真正具备参考价值的行业落地方案。
（2）案例来源真实，脱敏处理严谨
全书涉及案例均来源于笔者参与的实际项目。为确保项目核心信息安全，案例内容在保留业务逻辑与工程实施细节的基础上，对涉及商业、客户及敏感信息的部分进行了合理脱敏、简化或重构，兼顾真实应用价值与可读性。
（3）项目驱动式结构设计
在内容编排上以项目实施流程为主线，分阶段讲解AIGC系统的部署、集成、功能开发、监控体系搭建及优化改造等关键环节，帮助读者全面了解从0到1构建智能系统的全过程，便于企业团队直接参考应用。
（4）贴合工程实践，降低理解门槛
针对非AI技术背景的工业从业者，书中大量采用流程图、系统架构示意图、请求链路追踪图等直观形式，配合通俗易懂的语言和术语解释，避免过多的算法公式与晦涩理论，使读者在不具备深厚AI背景的情况下，也能快速掌握核心技术要点与应用方法。
（5）结合当前主流开源工具
内容覆盖DeepSeek、vLLM、OpenAI、Flask等主流工具与框架的工程化应用，帮助读者跳过对抽象概念的学习，直达项目实战。
读者对象
本书适合以下读者阅读：
工业领域从业人员。
对AIGC、DeepSeek、LLM相关概念或技术感兴趣的人员。
高等院校学习AI技术的学生。
企业数字化转型相关人员。
LLM产品化落地方案设计者或项目经理。
如何阅读本书
本书面向工业自动化场景，以其中的智能设备为载体，介绍LLM相关技术（聚焦于DeepSeek）在工业自动化领域的渗透应用，并且对涉及的单点技术进行详细拆解分析。本书的内容逻辑如下。
首先，着重介绍AI相关的基础知识，如机器学习、深度学习的原理以及一些常见的算法。其中，涉及原理的部分均会列出实际案例来辅助理解；涉及应用的部分均会结合工业应用的实际场景进行介绍，例如如何根据需求或硬件设备进行技术选型。
然后，从系统设计的角度出发，自下而上逐步讲解数据传输链路、功能模块、业务逻辑以及宏观方案的设计，涵盖DeepSeek在工业智能系统中的具体应用，包括多模态融合、不同环境部署、对话系统设计、生成任务实现、数据链路传输、接口设计等专项技术。
最后，面向垂直应用场景，讲解知识助手、智能设备两大案例，侧重于案例项目的概念与方案，包括需求分析、系统部署、系统架构设计、知识库搭建、模型训练、监控机制与反馈机制设计等。探讨未来该技术在应用过程中需要注意的挑战及发展趋势。
为了方便不同背景、不同需求的读者有针对性地获取所需知识，推荐按照以下方式阅读本书。
对AIGC与LLM技术完全陌生的读者，建议从第1章开始，逐步了解AI、DeepSeek相关的基础概念及基本原理，为后续章节打下认知基础。
对基础概念已有了解，关注实战应用的读者，可直接阅读第5章至第9章。这些章节聚焦于智能系统的环境搭建、接口设计、功能实现以及实际项目案例，适用于希望快速掌握项目落地方法的人群。
只关注具体场景案例与解决方案的行业管理者、项目负责人，可优先查阅第8章、第9章。这里汇集了典型项目案例，并详细说明了项目执行过程中遇到的问题、解决策略及效果评估，便于读者直观地理解LLM落地路径。
希望将AIGC系统应用于自身业务的企业技术团队成员及负责人，推荐完整阅读第3章到第7章，逐步了解如何从零搭建一套完整的AIGC系统。这部分内容能为读者后续项目的实施提供参考模板。
本书代码附件，见随书书签二维码。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
