通信世界網(wǎng)消息（CWW）當(dāng)前，DeepSeek掀起的“模型熱”還在持續(xù)升溫。

正如通信世界全媒體年初所預(yù)測(cè)的，2025年大模型乃至智能體將迎來(lái)進(jìn)一步繁榮，行業(yè)大模型將深度融入核心業(yè)務(wù)與應(yīng)用、AI終端以及智能體將加速落地。具體到如何實(shí)現(xiàn)，DeepSeek仿佛一陣“及時(shí)雨”，憑借低成本、高效能以及廣泛的應(yīng)用場(chǎng)景，為行業(yè)實(shí)踐提供了良好的技術(shù)支撐與應(yīng)用基礎(chǔ)。

可喜之余，對(duì)于渴望在未來(lái)大模型領(lǐng)域闖出一片天的企業(yè)來(lái)說(shuō)，結(jié)合自身的業(yè)務(wù)需求與數(shù)據(jù)特點(diǎn)，在充分發(fā)揮DeepSeek優(yōu)勢(shì)之上，“卷”出更具有獨(dú)特競(jìng)爭(zhēng)力的自研大模型乃至智能體，似乎更值得深思。

前期“卷”接入

實(shí)現(xiàn)“共進(jìn)共生”

最直觀來(lái)看，目前DeepSeek掀起的“模型熱”主要表現(xiàn)為DeepSeek的“接入熱”。

其中既包括英偉達(dá)、亞馬遜以及微軟等國(guó)外科技巨頭，也包括極具市場(chǎng)潛力的中國(guó)本土企業(yè)，從底層的軟硬件設(shè)計(jì)研發(fā)企業(yè)到互聯(lián)網(wǎng)大廠、運(yùn)營(yíng)商、垂直領(lǐng)域AI公司再到中小型初創(chuàng)企業(yè)，選擇DeepSeek似乎已成為當(dāng)下算力成本飆升與商業(yè)化路徑尚未明晰的必然抉擇。

自DeepSeek開(kāi)放API以來(lái)，其生態(tài)版圖快速擴(kuò)張。據(jù)不完全統(tǒng)計(jì)，目前全球已有超過(guò)200家企業(yè)宣布接入DeepSeek。就目前來(lái)看，接入方式主要分為三類：一是API直接調(diào)用，即企業(yè)直接調(diào)用DeepSeek的云端API，快速集成其通用能力，如文本生成、代碼編寫(xiě)等。二是模型微調(diào)，即企業(yè)基于DeepSeek基座模型，注入私有數(shù)據(jù)進(jìn)行領(lǐng)域適配，從而實(shí)現(xiàn)自身模型優(yōu)化。三是開(kāi)源共建，這主要體現(xiàn)在底層架構(gòu)與設(shè)計(jì)層面，企業(yè)針對(duì)DeepSeek開(kāi)放的部分模型權(quán)重，借助社區(qū)協(xié)作進(jìn)行自身優(yōu)化。

總體來(lái)看，接入是方式，優(yōu)化是目的。隨著企業(yè)對(duì)接入方式的逐漸深入，我們可以發(fā)現(xiàn)，企業(yè)自研模型與DeepSeek的接入部署，逐漸呈現(xiàn)出全面化、智能化、差異化的特點(diǎn)，兩者結(jié)合的模式也逐漸呈現(xiàn)“共生進(jìn)化”特征。

針對(duì)功能補(bǔ)充類，調(diào)用API逐漸深入到應(yīng)用場(chǎng)景接入，例如三大運(yùn)營(yíng)商在云能力率先接入的基礎(chǔ)上，已逐漸拓展至to B端、to C端的特色場(chǎng)景與產(chǎn)品服務(wù)；多家車(chē)企探索將DeepSeek接入智能座艙，實(shí)現(xiàn)語(yǔ)音助手功能升級(jí)、AI多語(yǔ)義指令識(shí)別等。

針對(duì)模型部署開(kāi)發(fā)類，私有化部署與產(chǎn)品成為保障安全的選擇，多家企業(yè)如中國(guó)電信、聯(lián)想、新華三、浪潮等均推出了DeepSeek智算一體機(jī)，實(shí)現(xiàn)一體化開(kāi)箱即用的私有化部署。與此同時(shí)，DeepSeek模型私有化部署服務(wù)也涵蓋安裝部署、系統(tǒng)調(diào)優(yōu)和運(yùn)行維護(hù)，可提供適配多種算力的部署包及支持，幫助企業(yè)在自有業(yè)務(wù)場(chǎng)景中構(gòu)建安全可靠的智能環(huán)境。

針對(duì)技術(shù)融合類，單向的知識(shí)蒸餾訓(xùn)練，即單純接入DeepSeek，可提煉其模型能力至自研模型，降低自身部署成本；多向的模型聯(lián)合訓(xùn)練，即企業(yè)自研大模型與DeepSeek大模型進(jìn)行深度聯(lián)合訓(xùn)練，可以促進(jìn)聯(lián)合創(chuàng)新，為企業(yè)帶來(lái)更廣闊的發(fā)展空間。

中期“卷”經(jīng)驗(yàn)

挖掘價(jià)值站穩(wěn)市場(chǎng)

接入與優(yōu)化滿足當(dāng)前初步部署應(yīng)用的需求，但也不可否認(rèn)，DeepSeek的崛起為自研通用大模型以及行業(yè)大模型帶來(lái)了沖擊。

在技術(shù)競(jìng)爭(zhēng)方面，DeepSeek的低成本訓(xùn)練模式和高效推理能力是其優(yōu)勢(shì)所在，也為自研大模型帶來(lái)了新的技術(shù)競(jìng)爭(zhēng)壓力。就拿DeepSeek V3來(lái)說(shuō)，其訓(xùn)練成本僅為557.6萬(wàn)美元，使用 2048 張 H800 GPU 卡，相比同等規(guī)模的模型（如GPT-4、GPT-4o、Llama 3.1），訓(xùn)練成本大幅降低。這迫使大模型研發(fā)者不得不重新審視技術(shù)路線，加大在降低訓(xùn)練成本和提升推理效率方面的研發(fā)投入。

在應(yīng)用場(chǎng)景拓展方面，DeepSeek-R1在科研、數(shù)據(jù)分析、代碼生成等復(fù)雜場(chǎng)景表現(xiàn)出色，DeepSeek-V3適合內(nèi)容創(chuàng)作、長(zhǎng)文本生成等場(chǎng)景?？陀^來(lái)看，這兩類大模型已較為廣泛地覆蓋了當(dāng)下通用大模型的應(yīng)用場(chǎng)景，行業(yè)開(kāi)始出現(xiàn)了新的選擇，即對(duì)已入局者以及仍觀望者亮出了新挑戰(zhàn)。

在市場(chǎng)格局重塑方面，DeepSeek的開(kāi)源和低成本特性，吸引了大量合作伙伴，包括云服務(wù)廠商、算力企業(yè)等，改變了通用大模型的市場(chǎng)格局。對(duì)于行業(yè)大模型來(lái)說(shuō)，強(qiáng)調(diào)其自身價(jià)值之前，似乎必須先證明自己模型對(duì)行業(yè)專屬數(shù)據(jù)與場(chǎng)景的理解，比直接調(diào)教通用模型懂得更多。

基于此，對(duì)于企業(yè)自研大模型來(lái)說(shuō)，想要在市場(chǎng)繼續(xù)站穩(wěn)腳跟，正視挑戰(zhàn)與機(jī)遇，揚(yáng)長(zhǎng)避短、提升差異化競(jìng)爭(zhēng)力迫在眉睫。

面向低成本、低算力部署趨勢(shì)，大模型行業(yè)應(yīng)借鑒經(jīng)驗(yàn)，與自身結(jié)合的基礎(chǔ)上更傾向于研發(fā)和應(yīng)用能夠在低成本、低算力條件下運(yùn)行的技術(shù)和模型，以降低使用門(mén)檻、擴(kuò)大應(yīng)用范圍。

面向當(dāng)下訓(xùn)練需求逐漸轉(zhuǎn)向推理需求，充分挖掘數(shù)據(jù)價(jià)值有望使部分企業(yè)脫穎而出。對(duì)此，企業(yè)應(yīng)重視數(shù)據(jù)質(zhì)量的提升，解決數(shù)據(jù)孤島問(wèn)題，加強(qiáng)數(shù)據(jù)的整合和共享，借助日漸先進(jìn)的數(shù)據(jù)處理技術(shù)和算法，充分挖掘數(shù)據(jù)的價(jià)值，為大模型優(yōu)化提供有力支持。

證明自研大模型存在的必要，企業(yè)仍需挖掘自身的差異化優(yōu)勢(shì)，結(jié)合自身所在行業(yè)的特點(diǎn)和資源，找到獨(dú)特的應(yīng)用場(chǎng)景和價(jià)值點(diǎn)，實(shí)現(xiàn)差異化競(jìng)爭(zhēng)。例如，猿輔導(dǎo)的猿力大模型在與DeepSeek融合后找準(zhǔn)了教育場(chǎng)景下的個(gè)性化學(xué)習(xí)體驗(yàn)，通過(guò)定制化學(xué)習(xí)方案，并自動(dòng)調(diào)整學(xué)習(xí)節(jié)奏，使孩子逐漸找到學(xué)習(xí)自信。

后期“卷”效用

兼顧效率與商業(yè)化

隨著大模型出現(xiàn)并滲透進(jìn)日常生活，大模型競(jìng)爭(zhēng)也進(jìn)入2.0階段，從長(zhǎng)遠(yuǎn)來(lái)看，大模型已由傳統(tǒng)的技術(shù)競(jìng)賽轉(zhuǎn)向商業(yè)化效率競(jìng)爭(zhēng)。

就行業(yè)啟示來(lái)看，低成本推理成為剛需。隨著市場(chǎng)競(jìng)爭(zhēng)的加劇，算力成本曲線已然成為決定市場(chǎng)格局的關(guān)鍵因素。數(shù)據(jù)閉環(huán)能力成為新價(jià)值。不同于單純追求數(shù)據(jù)量，當(dāng)下更為數(shù)據(jù)的內(nèi)容質(zhì)量以及應(yīng)用質(zhì)量。

從效率角度出發(fā)，企業(yè)應(yīng)全方位提升模型的研發(fā)、訓(xùn)練與應(yīng)用效率。首先，在研發(fā)環(huán)節(jié)，企業(yè)可以嘗試在算法和架構(gòu)設(shè)計(jì)下功夫，同時(shí)借助自動(dòng)化代碼生成工具，減少人工編寫(xiě)代碼的時(shí)間和錯(cuò)誤。其次，在訓(xùn)練過(guò)程中，合理利用分布式計(jì)算技術(shù)，優(yōu)化訓(xùn)練算法值得探索。最后，進(jìn)入應(yīng)用階段，注重推理效率提升，借助模型壓縮等先進(jìn)技術(shù)與經(jīng)驗(yàn)，提高推理速度。

從商業(yè)化角度出發(fā)，企業(yè)應(yīng)精準(zhǔn)定位市場(chǎng)需求，制定合理的商業(yè)模式。一方面，企業(yè)可以針對(duì)特定行業(yè)的需求，開(kāi)發(fā)定制化的大模型解決方案。另一方面，企業(yè)可以將大模型作為基礎(chǔ)平臺(tái)，開(kāi)發(fā)一系列的應(yīng)用產(chǎn)品和服務(wù)。

以運(yùn)營(yíng)商為例，憑借其自身龐大的用戶數(shù)據(jù)資源，可以充分發(fā)揮自身的網(wǎng)絡(luò)和服務(wù)優(yōu)勢(shì)，優(yōu)化迭代一系列to C端的應(yīng)用產(chǎn)品和服務(wù)。例如：基于自然語(yǔ)言處理大模型優(yōu)化智能客服系統(tǒng)、5G新通話應(yīng)用以及AI智能助手等，并且根據(jù)用戶的使用習(xí)慣和歷史數(shù)據(jù)，為用戶提供個(gè)性化的服務(wù)推薦，從而增強(qiáng)用戶黏性，挖掘存量市場(chǎng)。

總而言之，大模型2.0時(shí)代已經(jīng)來(lái)臨，低成本推理、差異化競(jìng)爭(zhēng)、數(shù)據(jù)價(jià)值挖掘以及產(chǎn)業(yè)鏈定位，構(gòu)成了這個(gè)時(shí)代大模型企業(yè)發(fā)展的關(guān)鍵拼圖。企業(yè)有待將這些要素緊密結(jié)合，積極調(diào)整戰(zhàn)略，以適應(yīng)時(shí)代的變化，在市場(chǎng)競(jìng)爭(zhēng)的洪流中穩(wěn)步前行，不斷發(fā)展壯大。