先放个图，我严重怀疑，这版根本不是浙大出的，而是某个无良机构借浙大的名头水了个资料。本来这东西我无所谓，但是看到周围从事AI相关的人也开始推荐，我觉得我有义务出来谈一下看法。总不能大家的人工智能先被美术老师教，再被骗子教吧！
怀疑错误1: P6-P7 智能灌溉与施肥决策 数据源说“使用DeepSeek的图像识别技术，如DeepSeek-R1-Lite_Preview模型”， 实际DeepSeek-R1 迄今为止都是个LLM模型，没有多模态能力。 “DeepSeek-Vision” 更不是DeepSeek本身的官方多模态模型的称呼。
怀疑错误-2: P11， “在金融行业，某银行利用 DeepSeek 构建智能风控系统” DeepSeek引起全球/全国关注在2025/1/20左右，我完全不敢相信，一个银行会这么快把基于DeepSeek的模型应用到风控。这个是超乎常理的不可能！
怀疑错误-3:P12， “富士康在其智能手机组装线中引入DeepSeek 技术， 利用强化学习模型协调 2000 多台机器人协同作”。 在P13页引用的数据源里可以看到，这是一个把任何一个CNN/LLM相关的模型都改成DeepSeek来说的没有任何公信力的自媒体的洗稿之作。从P13页到P20页，没有任何一个案例是真实的！
怀疑错误-4: P22-P24， 这个依然是引用的自媒体，里边既没有厂家名称，也没有任何可信度。只要把DeepSeek与视觉关联上了，那就是在胡编乱造。完全无法想象有任何人工智能，尤其是对DeepSeek有一点点了解的人，能够编出这样的案例。
正和岛无愧于他们的公信力，内容我大概看了，没有任何错误。
怀疑错误-5: P39 “利用 DeepSeek 强大的深度学习和推理能力，实现了一系列先进的智能驾驶辅助功能。 ” 以DeepSeek的参数与响应速度，要做到“当车辆有偏离车道趋势时， DeepSeek及时发出预警并辅助调整方向盘” 无异于“把乘客放到悬崖边上”。 又是引用了无良自媒体。
P51页， 依然是“DeepSeek 支持文本、图像、语音的实时融合分析，使车辆能更好地感知周围环境。” 任何一个了解DeepSeek的人都清楚，现阶段DeepSeek R1/V3都不可能达成这个。语音更没有出现在DeepSeek的模型列表中过。
jrhz.info怀疑错误-6:P66页， 明显文科生写的稿子，“结合DeepSeek 在意图理解、多模态生成等优势”。说的像那么回事，但是技术事实就是完全错的！
怀疑错误-7: P71， 看一眼这个引用的资源，自媒体，就知道这事在扯淡。DeepSeek 适用路线规划系统。 我无法打破自己的想象力！
以我短暂的翻阅就能看出，这份报告是充满了谬误的，而且极其不符合一个LLM从业者的基础认知，所以我相信这个文档，完全不可能是浙大出的。
至此我不得不推荐一下：北大的DeepSeek相关的资料才是值得大家认真阅读的。 这两份资料才是无愧于中国顶级学府的公众化信息普及才教育。
做学问，做知识普及，请向北大看齐！！！
