DeepSeek 從熱潮到應用，騰訊雲攜手行業專家共探 AI 下一步

　　2025年，技術圈的新晉“頂流”DeepSeek 在短短七天内完成一億用戶的增長，成為全球增速最快的 AI 應用，其發展堪稱現象級。DeepSeek 在全球範圍内掀起新一輪技術熱潮，徹底颠覆人工智能行業的發展模式，國内外廠商紛紛積極擁抱 DeepSeek。

　　随着 DeepSeek 的疊代發展，新的應用場景和産品如雨後春筍般湧現，推動全球的智能化變革。面對這股 AI 熱潮，如何結合 DeepSeek的優勢來落地 AI 應用，以迎接 AGI 新時代的到來，成為每個開發者和企業必須思考的問題。

　　3 月 1 日，由騰訊雲 TVP 主辦的「DeepSeek 從熱潮到應用」TVP AI 創變研讨會在北京成功舉辦。本次活動彙聚多位 AI 領域大咖，圍繞 DeepSeek 的技術演進、應用趨勢及行業實踐展開深度研讨，共同探索大模型從“技術爆發”到“價值創造”的躍遷邏輯，更設置“DeepSeek 熱點頭腦風暴”環節，各位專家暢所欲言，進行精彩的觀點碰撞，梳理技術發展脈絡，共探AI 創新發展未來。

　　主持人文因互聯 CEO、聯合創始人、騰訊雲TVP 鮑捷

　　主持人文因互聯 CEO、聯合創始人、騰訊雲TVP 鮑捷在開場時表示，他期待 DeepSeek 所帶來的新一輪應用狂潮，這股浪潮正在重新點燃人們内心對人工智能的激情和信心，而這種激情與信心是非常珍貴的。在場的老師們作為“種下種子的人”，不僅見證 AI 的發展并積極貢獻自己的經驗和能力，還為年輕人帶來希望，激發他們的潛力，共同開拓出全新的世界，推動科技的進步。從DeepSeek的成功看大語言模型的技術演進與未來趨勢

　　碳矽智慧聯合創始人、騰訊雲TVP鄧亞峰

　　碳矽智慧聯合創始人、騰訊雲TVP鄧亞峰發表題為《從DeepSeek的成功看大語言模型的技術演進與未來趨勢》的主題演講，解讀DeepSeek 的發展曆程、技術創新、總結成功經驗，展望未來語言模型應用和技術發展。

　　鄧亞峰從 DeepSeek 的成功講起，指出 DeepSeek 作為史上增速最快的産品，僅用七天就增長了1億用戶。DeepSeek得到廣泛的認可的主要有以下幾個原因：它是由中國團隊開發;DeepSeek開源開放，賦予它強大的生命力;DeepSeek 是大多數人接觸到的推理模型，讓每個人無需任何成本就能體驗到 AI 。

　　鄧亞峰介紹 AI 學習範式的四個發展階段：

　　●傳統AI階段(1956-2012年)，主要依賴于傳統機器學習方法，特征提取多為手工完成;

　　●新AI階段一(2012-2018年)，以有監督學習和深度模型為特點;

　　●新AI階段二(2018-2024年)，該階段的标志是自監督學習和通用大模型的發展;

　　●新AI階段三(2024年及以後)，思維鍊與強化學習相結合，緻力于開發推理模型。

　　在新 AI 階段三中，DeepSeek在開源屆一直是中國頂流。DeepSeek 系列模型從最初的 LLM 版本到 V2、V3 和 R1 版本，逐步在架構設計、訓練效率和推理能力上實現突破。随後，鄧亞峰詳細介紹DeepSeek在提高計算效率和降低訓練成本方面的工作，包括使用混合專家(MOE)系統，在每次預測時激活部分網絡參數以加快速度;通過 MLA 方法壓縮中間信息來提升處理速度;使用 fp8 訓練以及 PTX 等底層優化技術，DeepSeek在保持效果的同時大幅降低成本，DeepSeek-V3 使用1/20 的算力訓練就達到 Llama 同等效果，DeepSeek-V3使用成本約為 GPT 4o 的1/100，DeepSeek R1 使用成本約為 GPT-o1 的 1/30，顯著提升速度和效率。

　　在實現推理能力上，DeepSeek采用的路線是無需收集大量思維鍊數據(無SFT)，直接采用強化學習機制，模型自己學會自我驗證、反思和長思維鍊，從而獲得更好的效果。

　　鄧亞峰總結 DeepSeek 團隊獲得成功的三大原因：由 AI 算法系統成功經驗的技術專家領銜，創始人梁文峰有堅定的技術信仰，持續在對的方向上不斷嘗試;有足夠的算力及對數據的重視;團隊的工程優化。

　　鄧亞峰預測大預言模型的未來發展：基礎模型的推理能力将進一步增強;DeepSeek的開源将極大地促進應用的普及和發展，特别是在 AI 搜索、AI 助手等領域;大模型的下一步是讓模型能自動完成任務。這一輪 AI 革命為什麼影響深遠?鄧亞峰表示，關鍵是通用，技術統一和能力通用。他強調，模型架構統一是未來趨勢。

　　最後，他從人類的角度探讨 AI 帶來的影響。随着 AI 的發展，教育和學習方式正在發生根本性的變化，這不僅影響下一代的學習模式，也讓我們反思自身在新時代中的價值與作用，人類需要重新定義自身的價值所在。鄧亞峰說，“我們非常幸運，既見證中國的蓬勃發展，也親曆 AI 技術的巨大飛躍。” 騰訊雲大數據+DeepSeek，共創 Data 新生态

　　騰訊雲大數據基礎産品中心總經理 程彬

　　騰訊雲大數據基礎産品中心總經理 程彬在《跨越邊界：騰訊雲大數據+DeepSeek 共創 Data 新生态》的主題演講中，分享騰訊雲大數據如何結合 DeepSeek 等大模型技術，創新打造 Data+AI 一體化平台。

　　程彬介紹了以 DeepSeek 為代表的大模型對傳統大數據領域帶來的三大變革與思考：如何使用AI技術來提升數據系統的效率、如何提升數據開發和數學科學為代表的 Data+A鍊路的生産效率;如何使用已有的大數據來實現production 級别的LLM應用。

　　然而，當前傳統數據平台在面對這些變化時遇到一些挑戰。例如，大數據和 AI 平台是割裂的，基于兩套獨立系統建設的，因此企業需要不同的團隊來完成相關任務;大模型應用對接困難，傳統數據平台的使用對象是人，AI Agent 難調用平台分析能力;面向 SQL 專業用戶而生，限制數據平台的服務範圍，想通過自然語言查詢獲取确定性信息面臨諸多挑戰;運維投入大，海量告警、監控需要人力處理，大多數系統為傳統 AIOps 設計，缺乏“自動駕駛”的能力。

　　針對上述挑戰，騰訊雲大數據團隊提出構建基于 AI 時代的統一數據平台的設想。該平台旨在簡化用戶的使用界面，比如引入自然語言查詢技術，同時提供一體化平台支持實時數據分析，并将數據從采集到分析再到模型訓練和推理的過程整合起來。具體來說，下一代數據平台涵蓋四大關鍵能力：一是集成 DataOps+MLOps+LLMOps 的一體化平台;二是面向 Agent 的數據分析工具;三是支持自然語言查詢 NL2SQL;四是 AIOps 實現運維數據平台的“自動駕駛”。

　　基于 DeepSeek 出色的多模态推理能力與性價比，它可以推動下一代數據平台加速往數據智能演進。因此，騰訊雲大數據+DeepSeek 構建 Data+AI 一體化平台。該平台架構分為四層：層為 Lakehouse 底座服務，第三層為基礎大模型服務，第二層為 Data+AI 一體化分析和訓推;最上層為統一DataOps+MLOps+LLMOps 開發平台。

　　基于以上理念和設計，騰訊雲大數據在去年底推出新一代數據智能平台TCHouse-X，擁有一體化架構、易用、高性能、實時高效、智能化等優勢。

　　DeepSeek 為 Data+AI 一體化平台帶來哪些價值?程彬以智能自治、AI Search 和 NL2SQL 三個場景為例，詳細闡述 DeepSeek 所具備顯著的差異化優勢：複雜任務推理能力出色，語義理解和意圖識别能力，推理成本低，強數學推理和代碼推理，更重要的是開源開放。程彬着重強調DeepSeek開源開放的重要性。他認為，一個好的平台不應該鎖定用戶，而是要讓用戶自由選擇。正因如此，騰訊雲大數據平台遵循開源開放的原則，希望為更多人提供一個易于上手的開發環境，無論是傳統數據工程師還是從事 AI 研究的專業人士，都能在這個平台上輕松實現數據分析和 AI 應用的落地，共創 Data+AI 新生态。 DeepSeek 發展啟示錄與未來展望

　　矽基流動聯合創始人、增長副總裁、騰訊雲 TVP楊攀

　　在本次大會上，矽基流動聯合創始人、增長副總裁、騰訊雲TVP 楊攀帶來《聊聊 DeepSeek 的那些事兒：發展觀察與未來展望》的分享。他指出，大模型算力正在經曆根本性轉變——從訓練向推理傾斜，"訓練在這個星球上所占用的 GPU 比重會越來越小，最後應該大部分都放在推理上"。作為專注于大模型推理服務的創業公司，矽基流動在 DeepSeek 官網癱瘓期間承接了大量用戶流量，親曆了這一變革。

　　楊攀表示，“DeepSeek 的曆史意義在于認知上的破圈，讓所有企業都意識到可以低成本的擁有一個自己的模型，當模型成本趨近于零的時候，帶來下一波應用和算力的爆發。”楊攀以“傑文斯悖論”來分析 DeepSeek 帶來的影響。具體來說，成本每下降十倍就會催生百倍千倍市場——看似 DeepSeek 降低了算力需求，實則是用推理成本重構打開了千萬級新場景。

　　關于 DeepSeek 的商業應用，楊攀提出了三個明确方向：一是 AI 編碼，企業大量采購用于内部員工提效;二是 AI 搜索，不僅整合結果還形成深度分析;三是 Agent 能力提升，随着 Reasoning 能力增強，複雜工作流可被簡化甚至直接内化到模型中。關于中國 AI 應用出海，楊攀指出兩條明确路徑：一是以低成本複制已被矽谷驗證的産品;二是專注發展 AI 工具本身。他同時坦言，目前将 AI 融入既有業務的商業價值仍不明朗，真正有收益的往往是專門針對 AI 的新工具和應用。

　　他同時提出随着模型能力提升，可能從"模型作為能力"轉變為"模型本身成為産品"："随着R1推出以後，我越來越覺得的AGI或ASI，它有可能本身就變成一個産品，這個産品不是你手機裡裝的APP，本身它就具有完整的功能，能解決問題，能做事，正在往這個方向發展。"

　　最後，楊攀總結道："如果有一個技術誕生出來，整個産業迅速達成共識，意味着它已經形成了事實上的标準。标準形成後，産業整體成本會大幅降低，因為降低了溝通成本、協作成本、接口成本和認知成本。"他強調，企業越早對齊 DeepSeek 這樣的新标準，越能享受到産業紅利，這是每個企業需要深刻思考的問題。 DeepSeek 時代的 AI 投研變革：機遇、挑戰與實踐

　　熵簡科技聯合創始人、騰訊雲 TVP李漁

　　熵簡科技聯合創始人、騰訊雲 TVP李漁進行《DeepSeek 時代的 AI 投研機遇、挑戰與落地實踐》的主題分享。

　　李漁認為，DeepSeek 團隊的核心優勢之一在于基礎設施層面的優化。例如，使用 FP8 混合精度訓練、MLA 架構以及GRPO算法，這些改進顯著降低計算開銷和顯存消耗。通過這些優化，DeepSeek 能在 60 多天内完成 V3 版基座模型的訓練，成本為 600 萬美元，相比同等規模的Llama 模型節省約 20 倍的成本。此外，DeepSeek 通過純強化學習的方式實現自我提升的能力，這在業界是一個重要的裡程碑。DeepSeek 的成功表明，在偏通用場景下，關鍵在于為模型提供更廣闊的探索空間和更明确的反饋信号，使其能持續自我提升。這一技術路線 DeepSeek 在 2025 年繼續推進，包括後續 R2 和 R3 的工作。

　　接着，李漁分享熵簡科技在 AI 投研的場景探索。2018年，熵簡科技開始探索構建智能投研體系，旨在構建基于大數據和AI的全天候自動化投資研究系統。其智能投研體系架構包括海量外部數據和私有數據的接入與治理，并通過統一的數據中台處理後，利用AI邏輯實現投資信号挖掘和最終執行。

　　熵簡的技術路線分為 L1 到 L5，當前正處于從 L2 向 L3 過渡階段。L2 階段的大模型可以實現部分投資研究過程的自動串聯，但無法做出最終決策;L3 階段預計在未來一兩年内實現特定市場的端到端投資決策。具體應用場景包括數據層的海量數據接入及治理工作，覆蓋全球資本市場的一手資料;模型層采用大小模型配合的方式，結合 DeepSeek R1 開源基座和行業小模型，用于推理和生成任務;應用端的AlphaEngine平台提供了面向全球資本市場的 AI 工具，支持實時會議記錄、紀要生成AI深度研究等功能，提升分析師的工作效率。

　　技術創新方面，熵簡采用大模型代理層來負責編排和調度各種應用，連接模型底座和數據底座，優化推理鍊路。文本模型方面，早期針對金融文本進行增量訓練，現已升級并集成DeepSeek-R1模型，提升有用性和用戶滿意度。語音識别方面，專業詞彙識别能力提升38%。向量化模型上，FinBERT模型已擴展至 640 億金融語料，廣泛應用于金融機構和學術研究團隊。

　　李漁表示，目前有一個初步結論，即對于資管機構而言，AI 已成為其超額收益的重要來源。随着DeepSeek-R1 等模型的發展，它們接近專業分析師的水平，這種能力仍在不斷增強。未來幾年内，這些模型的能力将會越來越強，進一步提升超額收益的可能性。

　　最後，李漁表示，AI 技術發展日新月異，當下我們正在經曆一場持續至少 20 年以上的生産力大變革，并且是全行業的。隻要真心想參與，任何時候開始都是的時機。從投資角度來類比，一旦确定某個趨勢具有确定性，買入點并不那麼重要，關鍵是能“上車”。 頭腦風暴，開放論道

　　TVP AI 創變研讨會以注重交流互動為特色，特别設計開放式的頭腦風暴環節作為本次活動的壓軸部分。在這一環節中，數十位 AI 專家被分為十個小組，圍繞主持人鮑捷提出的五個關于DeepSeek 的熱點問題展開讨論。每相鄰的兩個小組聚焦同一話題，分别從正反兩方的角度深入探讨PK，激發思維碰撞。各小組代表随後進行總結發言，分享讨論成果。現場氣氛熱烈，專家們見解獨到、妙語連珠，為AI創新帶來新的靈感與思路。

　　話題一：企業部署DeepSeek是否需要建立行業專屬的數據壁壘?

　　碳矽智慧聯合創始人、騰訊雲 TVP鄧亞峰

　　來自第一組的發言代表，碳矽智慧聯合創始人、騰訊雲 TVP鄧亞峰表示，企業系統架構分為業務層、數據層和模型能力層，其中模型能力又分為通用能力和差異化能力。其中，通用模型能力如 DeepSeek 等提供行業紅利，可以直接利用，無需自行開發。若要實現差異化競争，則需專注于小模型層面進行差異化設計。

　　鄧亞峰小組有以下觀點：一是通用模型能力是基礎模型公司要做的工作，其投入成本高，對于業務型企業而言，無需在裡邊過多投入;二是除了業務層的産品體驗優勢外，企業的差異化主要通過高質量數據構建來實現的;三是由于AI技術是動态發展的，持續的數據疊代對于提升系統的AI能力至關重要。四是除了數據壁壘外，企業在業務上也應尋求差異化或壁壘，以确保競争力。

　　彩食鮮CTO、騰訊雲 TVP喬新亮

　　針對以上發言，第二組持反方觀點，彩食鮮CTO、騰訊雲 TVP喬新亮表示，一是通用模型能力不應僅由基礎模型公司承擔，而應通過開源開放的方式共享，如DeepSeek所示，開源開放更有助于社會進步。二是針對通過數據構建差異化壁壘的觀點，業務本身也能建立壁壘，但實際操作中難度較大且與數據壁壘無關。他還強調，企業在追求差異化價值時，需要關注數據質量，因為數據質量差往往是業務執行不佳的結果。最後他提出，要做好人工智能必須先做好數字化轉型。

　　話題二：金融、制造、醫療行業中挑選一個行業，如何落地DeepSeek智能客服平台?

　　騰訊雲TVP 蔣錦鵬

　　發言代表騰訊雲TVP 蔣錦鵬表示，我們重點探讨在醫療領域如何落地 AI 應用，如何通過 AI 客服提升患者體驗。系統架構設計覆蓋患者就診的診前、診中和診後全過程，包括預問診、導診、檢驗、檢查、解讀及康複指導等場景。為了實現這一目标，我們設計一個基于DeepSeek的系統，該系統不僅包含一個支持語音交互的Chat BOT，還需要與醫院的HIS(醫院信息系統)和EMR(電子病曆系統)打通，以獲取患者的詳細信息并提供個性化建議。此外，系統還需具備與真實世界交互的能力，如自動挂号等功能，确保流程的完整性和實用性。

　　然而，醫療行業的保守性和數據質量問題為 AI 的應用帶來諸多挑戰。首先，現有數據庫如 EMR 和 HIS 的數據質量參差不齊，難以直接用于 AI 分析。其次，醫學領域的知識庫需要從大量的文獻、指南和臨床路徑中提取并結構化，才能被 AI 理解并應用于實際場景。此外，AI 的幻覺問題在醫療行業尤為重要，任何錯誤的指導都可能對患者健康産生嚴重影響，因此必須确保所有建議都有臨床循證的支持，并通過人類專家的校驗來保證安全性。他強調，在證明 AI 價值時，不應僅着眼于替代現有業務人員的存量市場，而應關注提升用戶滿意度和增加服務使用量的增量市場，這才是 AI 在醫療領域更大的價值所在。

　　話題三：在互聯網巨頭、垂直AI企業和傳統行業轉型中各選擇一家公司作為研究對象，讨論其在DeepSeek布局中的三大核心優勢和三大劣勢。預測未來三年内哪一類玩家最有可能在DeepSeek應用領域取得成功，并分析其發展趨勢。

　　智鶴科技首席科學家、騰訊雲 TVP王晔

　　智鶴科技首席科學家、騰訊雲 TVP王晔代表發言，他們選擇了互聯網行業作為研究對象，特别是像騰訊這樣的企業，具有以下顯著優勢：第一，互聯網行業的數據量且增量持續，遠超傳統行業，這使得其在AI應用上更具潛力，能基于DeepSeek不斷訓練出更強大的模型。第二，互聯網行業彙聚大量人才，随着DeepSeek的發展，人才的價值被進一步放大。第三，互聯網公司在數字技術積累方面更為深厚，化發揮大模型的商業價值。然而，互聯網行業也存在劣勢，由于它太通用了，在垂直領域缺乏數據壁壘，這反而促使它們通過激烈的競争來彌補不足。互聯網公司面臨資本市場壓力，可能會影響其長期戰略方向，不像 DeepSeek 那樣能在無資本壓力下專注于學術研究和追求 AGI 成就。

　　話題四：結合技術成熟度、商業價值、市場規模、實施難度，談談 DeepSeek 落地潛力的五大企業級應用場合。

　　立購在線CTO、騰訊雲架構師同盟名人堂專家闫國旗

　　小組代表立購在線 CTO、騰訊雲架構師同盟名人堂專家闫國旗表示，我們基于 DeepSeek 對未來場景的深度預測分析進行深入探讨，發現很多場景更側重于當下企業的的發展現狀。各組員結合自身所在行業和經驗，從各個場景的跨行業适用性、落地可行性和商業回報率聚焦出在線客服、企業知識庫、AI編程、智能營銷和銷售管理五大核心場景。

　　數據質量與算力支持是AI落地的關鍵因素。企業落地 AI 應用需要針對自身的需求特點進行模型的訓練或微調。避免因為數據質量問題，導緻模型得不到預期的落地效果。算力部署方面，企業可根據自身需求選擇私有部署或MaaS雲服務。随着 DeepSeek 技術疊代，本地化部署成本持續降低，在滿足數據合規的同時有效控制企業投入。此外，需持續關注法規完善對AI應用提出的新要求。

　　他強調”與其追逐技術空想，不如深耕落地價值。"通過場景驅動實現 AI 技術與業務需求的深度耦合，确保技術投入能快速轉化為實際商業價值與社會價值。這一務實策略既符合當前技術發展階段，也為企業在不确定環境中建立可持續的競争優勢提供有效路徑。

　　話題五：DeepSeek如何變革行業與就業崗位，五年之内哪些行業和崗位會受到DeepSeek的沖擊或利好?

　　軟通動力研發總監、騰訊雲架構師同盟名人堂專家鮑丹

　　小組代表軟通動力研發總監、騰訊雲架構師同盟名人堂專家鮑丹說，随着大模型的發展，許多傳統崗位正在經曆變革。初級投研顧問、初級醫生、法務助理、客服、流水線操作員等重複性腦力勞動崗位需求量正在減少。這些崗位的工作可以被 AI 替代，例如審計助理、合同審查和翻譯等任務可通過 AI 更高效地完成。然而，新的職業機會也在出現，比如模型部署與微調專家、垂直領域的數據專家及數據倫理治理師等。

　　在崗位進化方面，強依賴于 AI 提效的崗位更容易被替代，那些需要高度人際互動的崗位則較難被替代。例如銷售和複雜決策者仍需人類獨特的社交技能和背景知識來做出準确判斷，則不容易被替代。此外，教師和研發人員雖然面臨 AI 帶來的挑戰，但如果能掌握并運用 AI 工具，則能顯著提升工作效率和質量。 結語

　　在精彩的觀點 PK 讨論下，本次「DeepSeek從熱潮到應用」TVP AI 創變研讨會圓滿落幕。通過今天的交流與探讨，各位專家幫助我們梳理DeepSeek技術發展脈絡，分析熱潮背後的邏輯與創新，更重要的是探索 AI 落地實踐，為我們帶來許多啟發與思考。

　　TVP AI 創變研讨會，是為 TVP 等技術管理者、AI 創業者打造的專屬交流活動，旨在聚焦 AI 前沿，通過系列專題研讨，共同探索 AI 變革浪潮下的創業與創新機遇。未來，TVP AI 創變研讨會将走進更多城市，期待與您見面。

　　TVP，即騰訊雲價值專家(Tencent Cloud Valuable Professional)，是騰訊雲授予雲計算領域技術專家的一個獎項。TVP 緻力打造與行業技術專家的交流平台，促進騰訊雲與技術專家和用戶之間的有效溝通，從而構建雲計算技術生态，實現“用科技影響世界”的美好願景。