2025年春節(jié)前后，DeepSeek憑借開源多模態(tài)模型Janus-Pro與DeepSeek-R1推理模型的發(fā)布，以“低成本、高性能”的顛覆性優(yōu)勢橫掃全球市場。其開源策略不僅讓開發(fā)者以API調(diào)用成本僅為GPT-4的1/30的極低成本調(diào)用頂尖模型，更打破了此前行業(yè)內(nèi)對于“算力決定效用”的認知，甚至導致英偉達單日市值蒸發(fā)4.3萬億元人民幣（約合6000億美元）。

DeepSeek爆紅之后，迅速迎來各行各業(yè)的“接入潮”。其AI助手在140個國家和地區(qū)的應用商店下載量登頂。隨著越來越多大模型和小模型的接入，行業(yè)內(nèi)也由此引發(fā)了不少爭論，其中關于技術替代性和生態(tài)主導權的討論比較激烈。

所謂“技術替代性”，是指DeepSeek通過MoE架構（混合專家模型）與FP8混合精度訓練技術，將訓練成本壓縮至557.6萬美元，僅為GPT-4o的1/18，卻實現(xiàn)了與GPT-4o和Claude-3.5相媲美的性能。這種“算法創(chuàng)新+有限算力”的路徑，是否意味著傳統(tǒng)“算力堆砌”范式的終結？如果算力不再是門檻，模型訓練的準入成本將大幅下降，中小企業(yè)有望基于開源模型快速開發(fā)行業(yè)應用，極大推動AI的普及。但對依賴高算力的云服務商而言，則可能意味著被邊緣化的風險。

而“生態(tài)主導權”之爭，則聚焦于開源代碼的復刻與再開發(fā)。DeepSeek的開源成果甚至被微軟、亞馬遜等美國科技巨頭納入產(chǎn)品體系。閉源廠商擔憂“開源即統(tǒng)治”的策略可能重構行業(yè)權力結構，形成類似Android的生態(tài)霸權，從而進一步壓縮其商業(yè)利潤空間。

因此，隨著企業(yè)紛紛接入DeepSeek，其引發(fā)的，不僅是技術替代路徑的再思考，更是生態(tài)主導權爭奪的全面博弈，值得深入分析。

廠商接入DeepSeek的路徑與模式

DeepSeek的開源策略如同一塊磁石，吸引了從云服務商到垂直軟件廠商，再到獨立大模型公司的廣泛接入。不同類型的廠商基于自身資源與戰(zhàn)略需求，探索出差異化的融合路徑。

數(shù)據(jù)猿對各類企業(yè)接入DeepSeek的路徑和模式進行梳理和總結，從云廠商、垂直軟件廠商和獨立大模型廠商三類企業(yè)展開分析。

云服務商接入DeepSeek主要是進行技術整合和業(yè)務協(xié)同，作為算力基礎設施的提供者，云廠商率先將DeepSeek融入自身生態(tài)，形成了“底層算力+模型服務”的雙引擎模式。在接入的方式上，云廠商的接入方式有三種：

1.API直連：通過云平臺直接調(diào)用DeepSeek模型。例如騰訊云HAI平臺提供DeepSeek- R1等模型的服務，允許開發(fā)者一鍵創(chuàng)建API接口，直接調(diào)用DeepSeek的模型服務滿足其業(yè)務需求。

2.私有化部署：這種方式主要針對安全性要求比較高的行業(yè)或企業(yè)，比如金融、政務等行業(yè)，云服務廠商一般會提供本地化部署方案。例如：中國電信天翼云憑借以“息壤”為核心的一體化智算服務體系和能力，實現(xiàn)昇騰芯片+MindSpore框架+DeepSeek模型全棧國產(chǎn)化適配，推理性能比肩國際高端GPU，從昇騰硬件、推理引擎到模型服務，實現(xiàn)技術鏈路100%國產(chǎn)化。

3.混合架構：有自研模型的云廠商也會采用這種融合的方式實現(xiàn)業(yè)務的協(xié)同，例如：阿里云PAI平臺支持DeepSeek-V3、R1及蒸餾模型的一鍵部署，結合vLLM加速框架實現(xiàn)推理吞吐量的提升。

無論是哪種接入方式，DeepSeek的融入確實給云廠商帶來了業(yè)務的協(xié)同發(fā)展，實現(xiàn)了算力資源的高效變現(xiàn)。例如：華為云通過昇騰910B集群優(yōu)化DeepSeek推理效率，推出“ModelEngine”本地化部署工具，幫助車企大幅壓縮模型加載時間 。

如果說云服務廠商的接入是技術整合和業(yè)務協(xié)同，那垂直軟件廠商的接入則是圍繞功能增強和成本優(yōu)化。軟件廠商將DeepSeek看作“智能引擎”，通過嵌入現(xiàn)有產(chǎn)品中，實現(xiàn)產(chǎn)品AI功能和服務的快速升級。軟件廠商的接入模式也主要有三種：

1.輕量級API調(diào)用：通過簡單接口調(diào)用模型能力，例如釘釘集成DeepSeek-R1的AI會議紀要功能，實現(xiàn)語音轉文字、任務自動生成和多語言實時翻譯等功能。

2.私有化定制開發(fā)：針對企業(yè)需求定制模型。例如，冪律智能基于DeepSeek-R1開發(fā)的合同審查系統(tǒng)，實現(xiàn)條款風險識別準確率的大幅提高。

3.端側輕量化部署：在終端設備嵌入小型化模型。例如，比亞迪DiPilot 5.0引入DeepSeek-R1模型后，提升了云端和車端的AI推理能力。

對于垂直軟件廠商而言，接入DeepSeek的主要目的就是降本增效，一切都是圍繞著服務和成本出發(fā)。同時，也在一定程度上實現(xiàn)了功能差異化競爭。而對于獨立大模型廠商而言，DeepSeek的爆火給他們帶來了較大沖擊，從目前獨立模型廠商的動作看，兩極分化的狀況非常明顯。開源的大模型廠商積極擁抱合作，而閉源的大模型廠商則開始出現(xiàn)賽道分化。

開源陣營與DeepSeek的合作主要體現(xiàn)在兩個方面，一是在合作模式上，不少廠商基于DeepSeek微調(diào)自家的行業(yè)模型，從而加深了行業(yè)的深耕力度。例如：智譜AI推出“GLM-DeepSeek”金融模型，針對銀行風控場景優(yōu)化，某城商行使用后壞賬識別準確率大幅提升。二是貢獻代碼反哺開源社區(qū)。例如：MiniMax開源的新一代MoE多模態(tài)訓練框架，采用線性注意力機制替代傳統(tǒng)Transformer架構，支持高達400萬token的上下文處理能力，顯著提升長文本場景的計算效率。而DeepSeek的MLA架構優(yōu)化了資源受限場景的推理效率，雙方技術路線形成互補，為開發(fā)者提供從長文本解析到高效推理的全棧解決方案。這種技術的合作和共享，吸引了越來越多的開發(fā)者參與生態(tài)建設，促進了行業(yè)的快速發(fā)展。

與開源陣營不同，閉源陣營面臨的挑戰(zhàn)更大，其中最大的挑戰(zhàn)就是“三不夠”，即：錢不夠、卡不夠、數(shù)據(jù)不夠。在這種情況下，“AI六小虎”已經(jīng)開始分化賽道，當然這并非完全因為DeepSeek的影響，更多的是資源不足下，企業(yè)不得不轉而求其次。例如：百川智能再收縮和裁撤金融業(yè)務、all in醫(yī)療；零一萬物放棄了原定的萬億參數(shù) Yi-X-Large 模型訓練計劃，轉而訓練更輕量化、更具商業(yè)落地前景的 MoE（混合專家）模型 Yi-Lightning。

不得不說，在DeepSeek的影響下，獨立大模型廠商的分化正在重塑產(chǎn)業(yè)格局，開源陣營通過生態(tài)合作快速擴張，而閉源陣營則被迫在細分領域尋找機會和生存空間。

DeepSeek重塑產(chǎn)業(yè)格局

從目前眾多廠商接入DeepSeek的方式和對公司業(yè)務產(chǎn)生的影響來看，DeepSeek的開源策略和技術突破，確實改變了企業(yè)的技術選擇邏輯，同時也影響了企業(yè)的業(yè)務和戰(zhàn)略選擇。但如果站在更高的維度觀察和思考，DeepSeek也進一步引發(fā)產(chǎn)業(yè)鏈上下游的連鎖反應，其影響已經(jīng)超越了單純的技術競爭，正逐漸演變?yōu)樯虡I(yè)生態(tài)的重構。

首先，算法革新和開源模型降低了進入門檻，使得整個供應鏈下游的機會成本降低，加快了場景應用的落地。過去十年，大模型的發(fā)展依賴“算力堆砌+數(shù)據(jù)膨脹”的路徑，以GPT-4為例，其訓練成本約1億美元。這種模式導致AI行業(yè)陷入“算力軍備競賽”，中小企業(yè)根本無力參與。然而DeepSeek的出現(xiàn)帶來了“算法革命”和工程優(yōu)化，前者通過MoE架構（混合專家模型）動態(tài)激活8/256個專家模塊，使得硬件利用率提升4.8倍，后者通過MoE架構和FP8混合精度技術，訓練成本壓縮至557.6萬美元（僅為GPT-4的1/18），并實現(xiàn)昇騰910B芯片推理效率的大幅提升。

這意味著AI的入局門檻大幅降低，算力效率大幅提高，各行各業(yè)的中小企業(yè)也將會積極參與，由此導致行業(yè)下游的企業(yè)不再被動的觀望，而是可以基于開源模型快速開發(fā)應用，享受技術革新帶來的好處。比如，山東壽光某農(nóng)場，使用DeepSeek開發(fā)的智能灌溉系統(tǒng)，在節(jié)水40%的情況下，使種植的番茄增產(chǎn)18%。類似的行業(yè)應用落地場景在不斷增加，并向更多的領域擴散。

其次，市場競爭也面臨重構，大廠開始分化，創(chuàng)業(yè)公司“斷臂求生”。對于云廠商而言，他們的發(fā)展方式出現(xiàn)“雙軌制”，也就是“兩條腿”走路：一是將DeepSeek與自研大模型結合，用戶可以自由選擇底層模型，比如騰訊的元寶，用戶在使用時，可以選擇DeepSeek或混元模型；二是將DeepSeek與當前業(yè)務協(xié)同起來，幫助客戶實現(xiàn)降本增效。

對于垂直軟件廠商而言，盡管他們沒有自研大模型，但可以在現(xiàn)有的產(chǎn)品和服務中增加DeepSeek的功能，從而進一步實現(xiàn)與用戶的深度綁定，比如用友網(wǎng)絡在ERP系統(tǒng)中基于DeepSeek-R1開發(fā)的合同審查系統(tǒng)，實現(xiàn)合同條款自動解析與風險預警。

最難的就是AI行業(yè)中的創(chuàng)業(yè)公司，尤其是閉源廠商，在原有的“三不夠”挑戰(zhàn)沒有被完全解決的情況下，開源的Deep Seek和抱團取暖的開源廠商們，已經(jīng)將其逼近“懸崖邊”，不少閉源廠商不得不另辟蹊徑，尋找適合自己的優(yōu)勢領域和場景。

由此可見，無論是大公司還是中小企業(yè)，無論是云廠商還是軟件廠商，對于DeepSeek的積極接入總算是沒有讓自己在激烈的競爭中落后。然而，對于大模型廠商而言，這場可能重塑產(chǎn)業(yè)格局的“風暴”可能才剛剛開始，未來大模型廠商的生存邏輯是什么？可能選擇的方向在哪里呢？

大模型廠商的“十字路口”

回首2023年初，當ChatGPT問世時，全球震驚，人工智能的熱潮迅速席卷全球。很快，大模型也在國內(nèi)熱鬧起來，一時間各大科技公司紛紛宣布已經(jīng)投入研發(fā)大模型，并紛紛在最短的時間內(nèi)發(fā)布相關產(chǎn)品，引發(fā)了“百模大戰(zhàn)”。然而，隨著DeepSeek的問世，大模型企業(yè)也或多或少的受到了沖擊，對于大模型企業(yè)未來發(fā)展和轉型的討論也越來越多。

第一個被熱議的話題就是有了DeepSeek之后，底層模型的競爭是否還有意義？認為仍有必要的加大底層模型研發(fā)投入的人認為，首先，不同行業(yè)對底層模型的需求存在差異，而底層模型的競爭可以推動技術適配細分市場；其次，DeepSeek的成功依賴于算法優(yōu)化與硬件效率的協(xié)同，但其他廠商在異構計算、邊緣設備推理等領域仍有創(chuàng)新空間，例如，AMD通過集成DeepSeek-V3模型優(yōu)化Instinct MI300X GPU推理性能，結合SGLang框架實現(xiàn)吞吐量提升，說明底層模型的競爭可驅動硬件生態(tài)多樣化；第三，DeepSeek的開源策略雖降低了應用門檻，但單一技術路徑可能抑制創(chuàng)新活力，例如，Meta被迫開源線性注意力框架支持400萬token長文本處理，OpenAI考慮部分開源應對競爭，印證行業(yè)探索多技術路線的壓力，這種壓力促使行業(yè)探索更多技術路線（如多模態(tài)、跨平臺整合），避免形成技術霸權。

而反對底層模型競爭的人也有三個方面的觀點，首先，DeepSeek通過“低成本推理+開源生態(tài)”重構行業(yè)標準，其模型性能和成本優(yōu)勢形成護城河。中小廠商若重復投入底層研發(fā)，可能因資源不足陷入“無效內(nèi)卷”；其次，DeepSeek的開源模式使開發(fā)者可基于其框架快速構建應用，無需從零開發(fā)底層模型。例如，騰訊元寶、百度文心等通過接入DeepSeek能力實現(xiàn)產(chǎn)品升級，說明行業(yè)重心已從底層競爭轉向應用層創(chuàng)新；第三，在DeepSeek的沖擊下，頭部廠商轉向商業(yè)化落地，中小廠商聚焦細分場景。這種分工模式更符合資源配置效率，底層模型的集中化可能成為常態(tài)（類似安卓系統(tǒng)與手機廠商的關系）。

數(shù)據(jù)猿認為，這個問題的爭辯目前很難有定論，底層模型競爭的意義需分階段看待：短期內(nèi)，DeepSeek的領先地位可能削弱重復性競爭；但長期來看，技術突破仍需多元探索。行業(yè)的未來或將呈現(xiàn)“一超多強”格局，通用模型由頭部主導，垂直領域則由專業(yè)化模型補充。

第二個被關注較多的話題是大模型廠商的轉型路徑選擇。從目前大模型廠商的動作分析，轉型的方向主要有三個：一是To B服務升級，從模型銷售轉向“模型+行業(yè)Know-how”解決方案；二是垂直領域深耕，聚焦長尾場景構建壁壘；三是通過開源社區(qū)運營，構建生態(tài)影響力和長尾創(chuàng)新。

To B服務升級：大模型廠商通過將通用能力與垂直行業(yè)知識結合，解決企業(yè)數(shù)據(jù)隱私、場景適配等核心問題，例如：阿里云與一汽合作，通過通義千問+DeepSeek混合架構，將車型開發(fā)周期大幅壓縮。

垂直領域深耕：大模型廠商可以針對某些專業(yè)性強、數(shù)據(jù)敏感性要求高的行業(yè)，打造具備行業(yè)專屬知識庫的輕量化垂直模型，例如：醫(yī)療大模型融合醫(yī)學文獻、臨床數(shù)據(jù)和專家經(jīng)驗，解決診斷與藥物研發(fā)的“最后一公里”問題。這些垂直領域的大模型有兩個競爭壁壘，一是數(shù)據(jù)壁壘，二是場景壁壘，雙重壁壘為大模型廠商的市場競爭和商業(yè)化帶來足夠的保障。

開源社區(qū)運營：開源策略是優(yōu)勢是能夠降低企業(yè)使用門卡，同時又能通過社區(qū)貢獻反哺技術迭代，有利于行業(yè)的快速發(fā)展，但是它的難題在于商業(yè)化面臨挑戰(zhàn)。開源的大模型廠商需要平衡開源生態(tài)與核心商業(yè)利益，目前，OpenAI雖未完全開源GPT-4，但通過API服務與開發(fā)者形成共生關系，而DeepSeek則采用MIT協(xié)議開源，允許商業(yè)用途并推動下游應用創(chuàng)新。

當前大模型廠商的轉型呈現(xiàn)三大特征：技術深度垂直化（從通用到行業(yè)專用）、商業(yè)模式分層化（基礎服務免費+增值服務收費）、生態(tài)協(xié)作開放化（開源與產(chǎn)業(yè)鏈協(xié)同）。預計未來大模型的競爭將圍繞著技術（多模態(tài)能力提升與邊緣計算優(yōu)化）、商業(yè)（探索MaaS與AI Agent集成）、政策（數(shù)據(jù)合規(guī)與開源治理體系完善）展開，而廠商需要根據(jù)自身資源稟賦選擇路徑，找到公司的生態(tài)位。例如，頭部企業(yè)可布局全棧能力（如百度文心一體機），初創(chuàng)公司則需聚焦細分場景（如巖芯數(shù)智深耕金融AI）。

“后DeepSeek時代”的趨勢

目前來看，DeepSeek的出現(xiàn)和眾多廠商的接入，并非短期的熱點現(xiàn)象，行業(yè)的發(fā)展趨勢可能會因此而發(fā)生轉變，其中，大模型廠商的轉型發(fā)展也是“后Deep Seek時代”的短期趨勢之一。數(shù)據(jù)猿認為，中國的大模型產(chǎn)業(yè)，正在從之前的“規(guī)模擴張”轉向“價值深挖”。

短期來看，兩個趨勢非常明顯，一是大模型行業(yè)的市場整合在加速，缺乏差異化能力的中小廠商被并購或退出，頭部效應加劇。DeepSeek開源模型帶來的技術普惠化顯著降低了行業(yè)門檻，但也加劇了市場競爭的“馬太效應”。當前，中國大模型市場已形成“頭部企業(yè)主導+細分賽道差異化競爭”的格局。頭部企業(yè)如阿里云、騰訊云憑借算力資源、行業(yè)數(shù)據(jù)積累和生態(tài)整合能力，加速搶占市場份額；而中小廠商若無法在垂直場景中建立技術壁壘（如醫(yī)療領域的診斷精度、制造業(yè)的實時質檢能力），則面臨被并購或退出的風險。例如，智譜AI等“六小虎”企業(yè)已通過聚焦政務、金融等場景的定制化服務穩(wěn)固地位，而部分通用模型初創(chuàng)公司因同質化嚴重被頭部企業(yè)整合。

二是政策引導強化，數(shù)據(jù)安全與國產(chǎn)化要求推動DeepSeek在關鍵行業(yè)的深度滲透。在國產(chǎn)化替代與數(shù)據(jù)主權強監(jiān)管的雙重驅動下，DeepSeek的“開源+國產(chǎn)芯片適配”模式成為關鍵行業(yè)首選。例如，華為昇騰等國產(chǎn)芯片廠商通過與DeepSeek的深度優(yōu)化，完成適配。政策層面，國家超算互聯(lián)網(wǎng)平臺已上線DeepSeek-R1、V3、Coder等系列模型，要求能源、交通等關鍵基礎設施優(yōu)先采用國產(chǎn)化大模型解決方案。同時，數(shù)據(jù)分類分級與隱私計算技術的強制應用，進一步鞏固了具備本地化部署能力的頭部廠商優(yōu)勢。

站在3-5年的長期維度看，大模型的技術融合和全球化競爭仍然值得關注。技術融合方面，未來大模型將突破單一模態(tài)局限，向“多模態(tài)+邊緣計算+可信機制”的融合架構演進。例如，DeepSeek R1模型已通過強化學習框架實現(xiàn)與物聯(lián)網(wǎng)設備的協(xié)同推理，在智能制造場景中可實時分析生產(chǎn)線數(shù)據(jù)并動態(tài)調(diào)整參數(shù)。區(qū)塊鏈技術的引入則解決了數(shù)據(jù)溯源與模型可信問題，如政務領域的合同審核系統(tǒng)通過鏈上存證確保決策透明。此外，類腦計算與神經(jīng)符號系統(tǒng)的結合將推動大模型從“感知智能”向“因果推理”躍遷，在生物醫(yī)藥、材料研發(fā)等科學領域開辟新場景。

在全球化競爭方面，DeepSeek開源生態(tài)或成中國AI技術輸出的核心載體，挑戰(zhàn)Meta、OpenAI主導地位。目前，DeepSeek的開源策略正在重構全球AI技術生態(tài)。其MIT協(xié)議開源框架已吸引幾十個國家開發(fā)者參與貢獻，形成“基礎模型開源-垂直插件商業(yè)化”的生態(tài)閉環(huán)。例如，東南亞金融科技公司通過微調(diào)DeepSeek模型快速開發(fā)本地化風控系統(tǒng)，而歐美企業(yè)則利用其多語言能力降低跨國服務成本。這一模式直接沖擊OpenAI的API訂閱制與Meta的封閉生態(tài)，成為發(fā)展中國家AI技術自主化的重要依托。

“后DeepSeek時代”的中國大模型產(chǎn)業(yè)，正從“規(guī)模擴張”轉向“價值深挖”。短期內(nèi)的市場整合與政策合規(guī)化將為行業(yè)奠定穩(wěn)健基礎，而長期的技術融合與全球化生態(tài)競爭，則考驗著中國能否將工程化優(yōu)勢轉化為基礎理論突破。未來的AI競爭，不僅是算力與算法的比拼，更是開放協(xié)作與治理智慧的較量。

來源：數(shù)據(jù)猿