通信世界網(wǎng)消息（CWW）當前，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測的，2025年大模型乃至智能體將迎來進一步繁榮，行業(yè)大模型將深度融入核心業(yè)務與應用、AI終端以及智能體將加速落地。具體到如何實現(xiàn)，DeepSeek仿佛一陣“及時雨”，憑借低成本、高效能以及廣泛的應用場景，為行業(yè)實踐提供了良好的技術(shù)支撐與應用基礎(chǔ)。

可喜之余，對于渴望在未來大模型領(lǐng)域闖出一片天的企業(yè)來說，結(jié)合自身的業(yè)務需求與數(shù)據(jù)特點，在充分發(fā)揮DeepSeek優(yōu)勢之上，“卷”出更具有獨特競爭力的自研大模型乃至智能體，似乎更值得深思。

前期“卷”接入

實現(xiàn)“共進共生”

最直觀來看，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、亞馬遜以及微軟等國外科技巨頭，也包括極具市場潛力的中國本土企業(yè)，從底層的軟硬件設(shè)計研發(fā)企業(yè)到互聯(lián)網(wǎng)大廠、運營商、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開放API以來，其生態(tài)版圖快速擴張。據(jù)不完全統(tǒng)計，目前全球已有超過200家企業(yè)宣布接入DeepSeek。就目前來看，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)進行領(lǐng)域適配，從而實現(xiàn)自身模型優(yōu)化。三是開源共建，這主要體現(xiàn)在底層架構(gòu)與設(shè)計層面，企業(yè)針對DeepSeek開放的部分模型權(quán)重，借助社區(qū)協(xié)作進行自身優(yōu)化。

總體來看，接入是方式，優(yōu)化是目的。隨著企業(yè)對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，兩者結(jié)合的模式也逐漸呈現(xiàn)“共生進化”特征。

針對功能補充類，調(diào)用API逐漸深入到應用場景接入，例如三大運營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端的特色場景與產(chǎn)品服務；多家車企探索將DeepSeek接入智能座艙，實現(xiàn)語音助手功能升級、AI多語義指令識別等。

針對模型部署開發(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)如中國電信、聯(lián)想、新華三、浪潮等均推出了DeepSeek智算一體機，實現(xiàn)一體化開箱即用的私有化部署。與此同時，DeepSeek模型私有化部署服務也涵蓋安裝部署、系統(tǒng)調(diào)優(yōu)和運行維護，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)務場景中構(gòu)建安全可靠的智能環(huán)境。

針對技術(shù)融合類，單向的知識蒸餾訓練，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)合訓練，即企業(yè)自研大模型與DeepSeek大模型進行深度聯(lián)合訓練，可以促進聯(lián)合創(chuàng)新，為企業(yè)帶來更廣闊的發(fā)展空間。

中期“卷”經(jīng)驗

挖掘價值站穩(wěn)市場

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

在技術(shù)競爭方面，DeepSeek的低成本訓練模式和高效推理能力是其優(yōu)勢所在，也為自研大模型帶來了新的技術(shù)競爭壓力。就拿DeepSeek V3來說，其訓練成本僅為557.6萬美元，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，加大在降低訓練成本和提升推理效率方面的研發(fā)投入。

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

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

基于此，對于企業(yè)自研大模型來說，想要在市場繼續(xù)站穩(wěn)腳跟，正視挑戰(zhàn)與機遇，揚長避短、提升差異化競爭力迫在眉睫。

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

面向當下訓練需求逐漸轉(zhuǎn)向推理需求，充分挖掘數(shù)據(jù)價值有望使部分企業(yè)脫穎而出。對此，企業(yè)應重視數(shù)據(jù)質(zhì)量的提升，解決數(shù)據(jù)孤島問題，加強數(shù)據(jù)的整合和共享，借助日漸先進的數(shù)據(jù)處理技術(shù)和算法，充分挖掘數(shù)據(jù)的價值，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，結(jié)合自身所在行業(yè)的特點和資源，找到獨特的應用場景和價值點，實現(xiàn)差異化競爭。例如，猿輔導的猿力大模型在與DeepSeek融合后找準了教育場景下的個性化學習體驗，通過定制化學習方案，并自動調(diào)整學習節(jié)奏，使孩子逐漸找到學習自信。

后期“卷”效用

兼顧效率與商業(yè)化

隨著大模型出現(xiàn)并滲透進日常生活，大模型競爭也進入2.0階段，從長遠來看，大模型已由傳統(tǒng)的技術(shù)競賽轉(zhuǎn)向商業(yè)化效率競爭。

就行業(yè)啟示來看，低成本推理成為剛需。隨著市場競爭的加劇，算力成本曲線已然成為決定市場格局的關(guān)鍵因素。數(shù)據(jù)閉環(huán)能力成為新價值。不同于單純追求數(shù)據(jù)量，當下更為數(shù)據(jù)的內(nèi)容質(zhì)量以及應用質(zhì)量。

從效率角度出發(fā)，企業(yè)應全方位提升模型的研發(fā)、訓練與應用效率。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)計下功夫，同時借助自動化代碼生成工具，減少人工編寫代碼的時間和錯誤。其次，在訓練過程中，合理利用分布式計算技術(shù)，優(yōu)化訓練算法值得探索。最后，進入應用階段，注重推理效率提升，借助模型壓縮等先進技術(shù)與經(jīng)驗，提高推理速度。

從商業(yè)化角度出發(fā)，企業(yè)應精準定位市場需求，制定合理的商業(yè)模式。一方面，企業(yè)可以針對特定行業(yè)的需求，開發(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，開發(fā)一系列的應用產(chǎn)品和服務。

以運營商為例，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)和服務優(yōu)勢，優(yōu)化迭代一系列to C端的應用產(chǎn)品和服務。例如：基于自然語言處理大模型優(yōu)化智能客服系統(tǒng)、5G新通話應用以及AI智能助手等，并且根據(jù)用戶的使用習慣和歷史數(shù)據(jù)，為用戶提供個性化的服務推薦，從而增強用戶黏性，挖掘存量市場。

總而言之，大模型2.0時代已經(jīng)來臨，低成本推理、差異化競爭、數(shù)據(jù)價值挖掘以及產(chǎn)業(yè)鏈定位，構(gòu)成了這個時代大模型企業(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，以適應時代的變化，在市場競爭的洪流中穩(wěn)步前行，不斷發(fā)展壯大。