“DeepSeek比過去兩年多以來，全行業(yè)對于用戶的教育都要更加有效。”近日，談及DeepSeek帶來的變化，OPPO ColorOS系統(tǒng)設(shè)計總監(jiān)陳希對第一財經(jīng)感慨，一夜之間幾乎全民都知道了什么是大模型，對應用企業(yè)來說，這種普及是關(guān)鍵的機會點。

DeepSeek引發(fā)的效應正在每一個行業(yè)發(fā)生。“客戶直接指定了，非常明確地說要DeepSeek。”蜜度首席技術(shù)官劉益東對第一財經(jīng)提及客戶對一體機的要求突然轉(zhuǎn)向。在今年1月初就提出需要一體機產(chǎn)品的客戶，1個月后新的需求是，在原來功能基礎(chǔ)上，希望能將模型換成DeepSeek，同時，也有更多用戶開始來咨詢一體機產(chǎn)品。

從手機、辦公到影像，甚至是農(nóng)田無人機，DeepSeek撬動了越來越多的產(chǎn)業(yè)，讓更多的企業(yè)、更多的人開始真正思考，“我必須要用大模型去做一些事情”。陳希認為，這是一個起點，未來一定會驅(qū)動產(chǎn)生一系列的AI實踐。但這場風暴催生的變革初期，挑戰(zhàn)同樣存在。

“小步快跑”用起來

作為一線從業(yè)者，劉益東認為大模型目前經(jīng)歷了兩個重要的階段。第一個階段是2022年ChatGPT發(fā)布之后，引起了市場的廣泛關(guān)注和討論，完成了基礎(chǔ)的市場的教育，但客戶對AI仍然將信將疑，擔憂模型是否真的能夠解決問題。

第二個階段是今年初的DeepSeek，劉益東認為，它完成了更大一輪大模型的市場教育，“大家已經(jīng)不再懷疑大模型到底能不能給我?guī)砉ぷ魃系淖兏锘蛘咝噬系奶嵘^大部分不再猶豫，甚至是我的家人在和我吃飯交流的時候都在討論DeepSeek，基于此我認為它已經(jīng)是一個全民現(xiàn)象級的話題和認知”。

數(shù)據(jù)中心服務廠商超云在2023年就已發(fā)布一體機，但連續(xù)一年多的時間，“大家對于一體機這事兒并不是很感冒”。在一場直播中超云產(chǎn)品運營中心副總經(jīng)理任世杰提到，背后原因一方面是部署成本過高，另外一方面或許與業(yè)務相結(jié)合的效果沒有達到客戶的預期。任世杰發(fā)現(xiàn)，直到DeepSeek出現(xiàn)后，一體機的需求開始旺盛。

蜜度主要做B端政企和機構(gòu)的智能辦公、城市治理等服務，也推出了一體機產(chǎn)品，在今年1月他們發(fā)布了針對智能辦公場景的“模力通”。在節(jié)前已經(jīng)溝通過需求的客戶，在節(jié)后新的需求是，希望有一個DeepSeek的選擇。

“客戶問一體機能不能放DeepSeek的模型，我們也緊急在春節(jié)期間，包括節(jié)后就開始產(chǎn)研，做適配和驗證，將它放進去。”劉益東感受到DeepSeek對業(yè)務促進明顯，1月后，更多的客戶來咨詢了，也有已經(jīng)達成的商業(yè)合作。

“在一個大致正確的方向上，我們信奉小步快跑，不斷更精細化地去驗證用戶精細顆粒的需求。”OPPO是第一批接入DeepSeek的手機廠商，談及接入前的思考，陳希表示，在這一確定性很高的趨勢上，內(nèi)部沒有經(jīng)過太長的糾結(jié)，“我們想的是怎樣盡快把DeepSeek第一個融入到我們的產(chǎn)品中來，這是一個非常好的一個機會點。”目前ColorOS對外表示“月月有更新”，甚至以周為單位迭代新的功能。

DeepSeek讓更多企業(yè)、更多的人開始思考，“必須要用大模型去做一些事情”。

2024年11月，第一財經(jīng)問及極飛科技創(chuàng)始人兼CEO彭斌大模型在農(nóng)業(yè)無人機的應用，彼時這位創(chuàng)業(yè)老兵對這一問題較為謹慎，他提到計算機視覺這樣傳統(tǒng)AI技術(shù)已經(jīng)在無人機的避障中用起來了，但大模型當下仍有待探索。

四個月后彭斌的答案變了。在3月的采訪中，他對記者表示，DeepSeek的出現(xiàn)是一個有象征意義的節(jié)點，帶來的改變是全方位的。極飛的研究團隊已經(jīng)轉(zhuǎn)為“作戰(zhàn)團隊”開始嘗試落地。

“（以前）我們覺得（大模型的應用）太貴太遠，突然間這么一招，我過年七八天每一天都興奮，和同事一直在群里聊，我們還在電腦上去部署一些蒸餾版的模型，也特別驚艷。”彭斌覺得，2025年新年那一段時間大家經(jīng)歷了有意義的變化，DeepSeek給行業(yè)注入了全新的可能。

“一個通用的大模型，給它一張照片，它會告訴你這是一塊農(nóng)田。但是我們的大模型微調(diào)以后，它應該會告訴你這是種的棉花，長勢如何、什么地方有一點問題，你得去看看。甚至可以給出更重要的意見，比如灌溉沒做好，缺肥缺微量元素，這也是常年在農(nóng)場里干活的農(nóng)業(yè)專家的工作。”彭斌表示，極飛一定會有這樣的AI功能出來。

在DeepSeek之前，沒有廠商將有用且便宜做到一個完美的平衡點。DeepSeek給出了選擇，之后可能也會拉動整個行業(yè)，激活大量應用場景的變化。彭斌表示，雖然短期可能看不太出來，但是它會孕育一種生態(tài)，慢慢就會發(fā)生，可能再過半年一年去看會很有意思。

成本和性能的平衡

成本和性能的平衡，是不少應用廠商評價DeepSeek催生變革的關(guān)鍵點。

“成本、性能是蹺蹺板的兩端，DeepSeek這個蹺蹺板是平的，不是歪的，如果生成的結(jié)果很差，那么再低的成本都沒有意義，也是因為效果好，大家才會對它這么低的成本感到驚訝。”陳希表示。

彭斌很早就用了ChatGPT，這一AI助手的智能化也給了他非常大的震撼，但當時在團隊的判斷里，大模型這件事情會特別費錢，因為一般的公司不可能做大模型基座，動不動幾萬張卡、大量的數(shù)據(jù)訓練等。

“所以我們會認為AI大模型國內(nèi)未來就算做出來，成本也會很高。每一次詢問和分析輸出結(jié)果，代價太大了。在農(nóng)業(yè)里，我雇一個員工可能3000-5000元每月。但可能問大模型，也會用上三五千塊，還沒人來得靈活，那這個事情就不可能行得通。”極飛無人機的場景里有大量復雜場景需要分析，團隊覺得最終的成本一定遠遠大于雇傭一個人。

彭斌并未完全否定大模型的可能性，但當時覺得離真的落地還有更遠的距離，這個距離可能是三到五年。DeepSeek出現(xiàn)了以后，團隊現(xiàn)在認為這個距離迅速拉近到一兩年了?，F(xiàn)在極飛的判斷是，這件事情無限可能。

彭斌坦言，這個過程確實是過去幾個月帶來的變化，這種變化最大的原因是DeepSeek帶來的大模型平權(quán)，這一改變對他本人來說也是很大的刺激。

智能體平臺創(chuàng)企楓清科技的產(chǎn)品也接入了DeepSeek大模型，創(chuàng)始人兼CEO高雪峰對記者表示，在R1推出了之后，團隊先后在自身的測試環(huán)境以及客戶環(huán)境中進行了部署和適配，他認為，R1 模型展現(xiàn)出的明顯優(yōu)勢是，性能突出和高性價比。

高雪峰認為，R1推出時，在性能效果上的表現(xiàn)、推理能力，特別是在某些應用場景中，已可與國際領(lǐng)先的閉源模型一較高下。其相對較低的推理成本，以及蒸餾出來的各種尺寸的中小模型，對于客戶和市場具有強大的吸引力。DeepSeek 模型顯著降低了大模型的本地化部署的復雜度與成本。

影像企業(yè)美圖在去年12月就部署了DeepSeek，當時他們將DeepSeek用到了美圖設(shè)計室的LivePPT功能上，也為AI口播視頻制作工具開拍接入了DeepSeek。他們發(fā)現(xiàn)，DeepSeek對PPT邏輯的理解和AI腳本的撰寫幫助很大。

在采訪中，美圖創(chuàng)始人、董事長吳欣鴻對第一財經(jīng)提到，相比其他開源模型， DeepSeek在中文的理解上會更好。其次，DeepSeek的工程優(yōu)化做得非常極致，推理速度很快，成本很低，這實際上是很多公司切換成DeepSeek一個重要的原因。

吳欣鴻認為，DeepSeek會帶來一些更宏觀的影響，某種意義上它成為了行業(yè)的共識，從大廠到小企業(yè)都在接入，一個事實上的標準。“有了這個標準，比百模大戰(zhàn)、千模大戰(zhàn)要好，就像以前的移動操作系統(tǒng)里一旦有一個很強的產(chǎn)品出現(xiàn)，大家就可以放心用，而不用糾結(jié)到底用什么。”

其次，DeepSeek確實讓AI走進了大眾，這個很關(guān)鍵，“AI不能是陽春白雪，必須讓普通人都能用上，而DeepSeek的出現(xiàn)讓我們看到很多人用起來了，他們可能是第一次用AI助手，感受AI的魅力。”這一意義重大。

“買菜無需豪華車”

盡管DeepSeek效果很好，但在應用場景里單一模型也并非所有情況下的最優(yōu)選。商業(yè)化面臨的一個選擇是，在不同場景里挑選性價比最高的模型“應答”。如果追求大參數(shù)量的滿血版本，用戶是否會為模型更高的成本買單？這是商業(yè)化需要考慮的核心問題。

在蜜度，內(nèi)部曾花了一兩周的時間去驗證 DeepSeek在公司業(yè)務場景的表現(xiàn)，在智能辦公、智能客服、城市治理這類不同場景下，同時測與DeepSeek同類型同等參數(shù)量的其他解決方案模型。

劉益東對第一財經(jīng)表示，基本上DeepSeek帶思維鏈或者深度思考的R1滿血版本，效果要優(yōu)于原來的解決方案里不帶深度思考的版本。而原來方案里采用的模型的表現(xiàn)，可能要略好于DeepSeek同類型參數(shù)不帶深度思考的版本。他強調(diào)，這是在公司的業(yè)務場景里，積累下來的數(shù)據(jù)集跑出來的結(jié)果，并不代表所有應用。

與此同時，這帶來的一個問題是，雖然帶深度思考的模型會優(yōu)于其他版本，但算力成本和時間成本都會高不少。“問一個問題，以前模型秒回應，但深度思考就需要過程輸出，另外模型輸出的思維鏈是要消耗token成本的，如果開啟深度思考，一個問題給到模型，假設(shè)輸出2000個token，那不開啟深度思考，可能500個token就夠了。”劉益東解釋。

DeepSeek目前主要有兩個最新的模型，一個是推理模型R1，也就是有思維鏈的深度思考模型，消耗更多的token、更多的時間帶來更加詳細的回答，另外一個則是基礎(chǔ)的V3模型，用更少的token和更快地響應，帶來更簡單的回答。這是不同的兩個技術(shù)路線，在應用場景里用來解決不同深度的問題。除這兩個模型之外，在應用中還可以選擇DeepSeek不同參數(shù)量的蒸餾版模型，減少部署成本。

除了調(diào)用API的模式外，私有化部署也存在用不同模型成本的問題。

任世杰提到，“不見得部署自己的模型，就非要是滿血版的。”他表示，有客戶看到單機就可部署DeepSeek 671B滿血版本的模型，就也要滿血版，但沒有考慮到，單機部署雖然把這些模型容納進去，但實際使用中能并發(fā)出來的模型專家數(shù)量也就8個到10個，利用率會變得非常低。

“將選模型的問題看作是買車的話，如果需求更多是買菜、送孩子上學，那沒必要買一輛豪華跑車。”中國人民大學校級計算平臺負責人、高級工程師魯蔚征認為，雖然豪華跑車更好，安全性或者榮譽感都很好，但是帶來的成本也會很高，同時還有維護成本。

對于這個問題，超聚變AI首席結(jié)構(gòu)師趙迪的觀點是，滿血版大模型是綜合能力強，每一個細分場景都能取得一個不錯的分數(shù)。如果場景或者行業(yè)的屬性不明確的情況下，預算又不受限制，滿血版部署會更好。但業(yè)務如果具體到細分領(lǐng)域，專業(yè)訓練的小模型一定是更好的選擇。

實際上，大部分業(yè)務部署必須要考慮成本的問題。“現(xiàn)在因為DeepSeek剛火不久，大家都是先去擁抱DeepSeek的生態(tài)。越往后業(yè)務量起來之后，推理的請求多了之后，算力成本或者推理成本是不是能接受得了，這是一個比較大的問題。”UCloud優(yōu)刻得華北解決方案架構(gòu)師馬杰提到。

這個問題放在手機廠商這里，為了做到性能和成本的平衡，OPPO系統(tǒng)團隊在做的是“意圖分流”。陳希提到，OPPO ColorOS會做一個系統(tǒng)級的AI，和多個大模型進行合作，除了DeepSeek，還有其他視覺大模型、聲音大模型以及其他多模態(tài)的模型，系統(tǒng)要把這些模型整合在一起。

“我們的挑戰(zhàn)就是要把這種不同能力類型的模型整合成一個用戶體驗，到用戶層面上，他使用的是一個產(chǎn)品，這個很重要。”陳希發(fā)現(xiàn)，用戶場景里不同用戶的需求非常繁雜，這背后涉及的是復雜的技術(shù)問題，要不斷進行調(diào)試。

“假如用戶問一個很簡單的問題，今天天氣怎么樣，也許不需要用到大模型，不需要調(diào)用很多操作、消耗算力，就能達成結(jié)果，這個時候怎么能從用戶的意圖分流上，把這一類的問題分流成所謂的簡單問題，從而減少調(diào)用，這就是在系統(tǒng)層面上未來要去持續(xù)構(gòu)建的意圖分流框架。”陳希解釋，在進行分流后，一方面是大幅度降低成本，另外也能夠更精準地去判斷用戶意圖，帶來更準確的答案，不是每個問題都需要“長篇大論”。

在DeepSeek的應用端，這個選擇題實際上是留給了用戶，用戶可以在界面選擇“深度思考R1”版本，或者“聯(lián)網(wǎng)搜索”來讓模型解答自己的問題，相當于提前做了分流。但陳希認為，在手機系統(tǒng)里，這種問題不應該留給用戶，“用戶去想用什么方法解決問題，本身也是一種復雜，我們更想把這個復雜留給自己，那么技術(shù)就要去判斷用戶的意圖”。

除了模型整合上的挑戰(zhàn)外，在手機系統(tǒng)上，用模型做一些更復雜的應用同樣還存在難題。例如，谷歌曾于去年發(fā)布 AI 智能體項目Project Astra，可以通過手機攝像頭與大模型進行實時的視覺與語音交互，在今年3月底終于上線，但也并未完全開放。

陳希認為，視頻對話這樣的場景會更復雜，怎么能讓技術(shù)的嘗鮮變成用戶場景的常用，這一步比較困難的是要做大量泛化的努力。這本質(zhì)上還是技術(shù)的問題，因為現(xiàn)在的技術(shù)并不能充分滿足各種各樣的應用場景，用戶場景是復雜的、千變?nèi)f化的，有可能在車上晃來晃去，有可能在暗光環(huán)境下看不清楚，都會對技術(shù)的可靠性造成很大影響，而現(xiàn)有的技術(shù)還不能完全泛化地去處理所有產(chǎn)品，這也是OPPO仍然在探索的方向。

除了一些技術(shù)的挑戰(zhàn)外，不少從業(yè)者都提及的一個點是，客戶內(nèi)部的數(shù)據(jù)源質(zhì)量會決定企業(yè)能否將大模型的潛力挖掘出來。

在實際項目落地中，馬杰發(fā)現(xiàn)很多用戶數(shù)據(jù)的質(zhì)量是參差不齊的，存在錯誤或者偏離，模型最終輸出的結(jié)果、訓練效果都不是特別理想，尤其在金融、醫(yī)療等領(lǐng)域，對數(shù)據(jù)的安全性、私密性和準確度要求較高，也會存在不同格式的數(shù)據(jù)，質(zhì)量也不一樣。適配業(yè)務的時候，需要大量的清洗和預處理的工作。

“之前接觸的一個定制類項目，客戶的數(shù)據(jù)分類有很多，如圖片、音頻、文檔、流程圖，會涉及多個模型和業(yè)務的結(jié)合，數(shù)據(jù)的轉(zhuǎn)化降噪，清洗等工程量也非常大。”馬杰表示，模型落地如果要達到一個很好的效果，對客戶數(shù)據(jù)的質(zhì)量要求很高。

拋開具體業(yè)務層面的難題，趙迪認為，落地中一個更核心的問題是，企業(yè)機構(gòu)擁抱AI的決心有多大，相應的業(yè)務流程和組織結(jié)構(gòu)，是否會根據(jù)新的技術(shù)進行調(diào)整。他發(fā)現(xiàn)，現(xiàn)在的客戶部分是因為DeepSeek比較火，需要“嘗一下鮮”，但實際上，公司整個業(yè)務流程和組織結(jié)構(gòu)還需要做好準備。