踏入2025年，AI技術已深度融入社會發展的脈絡。DeepSeek的崛起不僅成功喚醒了國人對 AI 的全新認知，更如一條行業的“鲇魚”，充分激活了國内科技公司潛藏的巨大能量。此刻，AI 領域中創新與實踐的中國加速度，再度毫無保留地展現在全世界眼前。那麼，在 AGI 技術突破與産業智能化轉型的交彙點上，哪些落地場景應用最值得我們期待？未來，這一波新的 AI 浪潮又将走向何方，為行業帶來怎樣長期的影響？
近日，由騰訊雲 TVP 主辦的「TVP AI 創變研讨會——DeepSeeK探技術創新與未來風向」活動在上海成功舉辦。此次活動特邀了NLP、知識圖譜、AIOps、AI 辦公應用等多個領域的學界專家和企業高管，通過主題分享和模拟路演的方式，深入探讨了以 DeeSeek 為代表的生成式 AI 技術的落地與發展，分享行業前沿動态與企業實戰經驗。
開場緻辭
本次活動由vivo 專家、騰訊雲 TVP 邵浩主持。他在開場時表示：在過去的三個月裡，DeepSeek 以周均 240% 的代碼提交增速展現出驚人的技術演進速度，并獲得各類企業在不同應用場景競相接入，技術疊代的加速度正在轉化為實實在在的生産力提升。本次活動的舉辦，正是希望在 AGI 技術突破與産業智能化轉型的交彙點上，彙聚各方賢達，共同探讨最值得期待的落地場景應用，挖掘 AI 浪潮的趨勢深遠的行業影響。
vivo 專家、騰訊雲 TVP 邵浩
DeepSeek技術路徑與創新價值解讀
《知識增強大模型》作者、前達觀數據副總裁、騰訊雲 TVP 王文廣發表了題為《DeepSeek 開始的中國式全球化機遇》的演講。他介紹，DeepSeek 通過算法-模型架構-數據-計算機工程的垂直整合創新，驗證了“優化現有技術鍊”的可行路徑。其開源策略不僅打破技術黑箱，更推動行業建立全球生态，不僅使得國産大模型成為全球模型，更帶來了中國式全球化的新機遇。
《知識增強大模型》作者、前達觀數據副總裁、騰訊雲 TVP 王文廣
算法創新上，DeepSeek 提出 R1-ZERO 強化學習算法，将類似訓練圍棋AI Alphago zero所使用的純強化學習機制遷移到大語言模型領域，通過設計 GRPO 實現推理過程的獎勵機制，将複雜推理任務分解為規則可量化的多步決策過程，持續疊代優化推理路徑選擇。這使得 DeepSeek-R1 在複雜推理任務中達到接近 o1 水平，尤其在數學問題求解場景表現突出，支撐其成為具備國際競争力的大模型。
模型架構上，DeepSeek 結合多頭潛在注意力（MLA）技術和混合專家（MoE）框架，采用微型專家網絡，通過動态路由激活機制降低激活參數量的數量，激活參數量僅為模型參數的 1/18，在同等算力下獲得更高吞吐量，大幅降低推理成本；并首創專家參數共享方案，實現通用知識複用效率提升。
工程實踐上，DeepSeek 配套開發 FlashMLA 框架優化專家網絡并行計算，結合 GEMM 算子重構較 NVIDIA 原生實現提升2.7 倍性能，采用 DualPipe 雙流水線加速訓練吞吐，并構建自動化數據合成管道解決數據碎片化、标注成本高的短闆，最終支撐 DeepSeek-R1 版本低成本強複雜推理能力突破。
此外，通過一系列開源動作，DeepSeek 已經吸引全球實驗室參與模型評測驗證和複現，推動 R1-Zero的訓練方法成為行業主流方案，可以說建立了可複現的千億參數推理模型的新基準。
Agentic RAG 範式演進與挑戰
同濟大學特聘研究員、博導、騰訊雲TVP、OpenKG發起人 王昊奮帶來了《Agentic RAG 時代：DeepSeek 引領推理模型升級下的知識檢索增強》主題演講。他表示，RAG（檢索增強生成）作為大模型落地的核心手段，經曆了從樸素 RAG（基礎索引-檢索-生成流程）到模塊化 RAG （融合搜推技術、組件化編排）的演進。DeepSeek 帶來推理專用模型，通過數學推理強化和形式化驗證能力，克服了模型幻覺問題突出、信息時效性不足、參數化知識表達低效、領域适配能力弱、複雜推理能力待提升等挑戰，為Agentic RAG 提供了關鍵基座能力。
同濟大學特聘研究員、博導、騰訊雲TVP 王昊奮
針對傳統 RAG 的碎片化檢索局限，王昊奮解析了 Graph RAG 的核心價值：1）基于圖結構實現知識全局關聯，解決分散信息整合難題；2）通過實體-關系網絡提升檢索可解釋性；3）支持多跳推理路徑動态規劃。然而，原生Graph RAG存在資源消耗過大問題——如 300 篇文檔處理需 2000 倍 Token 消耗，而 DeepSeek 通過高效 RLHF 框架和路徑動态剪枝算法，将圖推理成本降低至工業可用水平。
王昊奮提出了推理模型與RAG三重協同優化方法論：
● 推理主體分層：通用模型（如 DeepSeek-R1）負責意圖理解，專用模型/符号系統執行确定性推理；
● 檢索策略動态化：采用蒙特卡洛樹搜索（MCTS）實現檢索-生成多路徑優化，結合強化學習反饋機制；
● 知識原子化重構：通過 PIKE RAG 框架将知識分層為事實層-信息層-知識層，匹配不同複雜度查詢需求。
在此框架中，DeepSeek 提供數學驗證基座，确保推理鍊邏輯嚴密性。
王昊奮舉了金融場景複雜推理任務+高頻更新的外部專業知識，以及醫療場景複雜推理任務+強領域知識+低幻覺容忍的例子，說明推理模型與 RAG 的結合，兼顧了外部知識依賴和複雜推理的需求，使得大模型更加勝任複雜的真實場景。
DeepSeek 技術突破加速 AI 原生雲治理
騰訊雲顧問産品總監 劉慶興在《騰訊雲顧問 x DeepSeek：雲上治理應用趨勢探索及實踐》主題演講中介紹，騰訊雲顧問産品平台正在基于 DeepSeek 構建“智能體協同治理”體系，推動雲上治理從規則驅動向 AI 原生演進。
騰訊雲顧問産品總監 劉慶興
雲計算時代，IT 研發和運營團隊面臨三大挑戰，一是架構複雜，信息孤島多；二是治理零散，協作效率低；三是背靠業務，價值呈現難，騰訊雲顧問平台定位為一站式可視化治理平台，緻力于向用戶提供高效繪雲、正确用雲、精益管雲三大核心能力，實現“被看見的價值”。
基于騰訊雲卓越架構“3層×6支柱”理念（3層：應用層、架構層、資源層，6支柱：安全、性能、成本、可持續、卓越運營、可靠性），騰訊雲顧問平台構建了「可視化-協同化-度量化」三位一體的雲治理方法論體系：首先通過智能繪圖将雲上架構可視化；然後将風險巡檢、容量監測、混沌演練等豐富的垂直應用能力一站式集成，圍繞雲架構進行高效協同治理；最後，雲顧問還提供卓越架構評估能力，全方位量化和追蹤架構治理的旅程和成效，并支持歸檔治理報告，讓治理價值看得見。
随着 DeepSeek 等 AI 大模型技術的發展，雲顧問也迎來了“AI原生”大升級，以大模型強大的推理能力，重點解決了傳統運維無法解決的複雜場景問題：
● 調用鍊路生圖：通過學習多模态數據，重構 AI 架構拓撲推理算法，提升架構鍊路生成準确率，支持跨VPC業務的上下遊調用鍊路自動發現，架構圖繪制效率大大提升
● Multi-agent協同：基于Multi-agent框架構建上層AI應用生态，用戶可通過自然語言和運維工具交互，完成隐患發現、容量預測、混沌驗證等一系列複雜任務。雲上治理從傳統規則驅動進階為意圖驅動，提升了人機協作效率，多智能體之間無縫協同，共同打造智能化的“聊天作戰室”
● ChatBI：整合用雲隐患數據、監控日志、專家經驗等多模态數據，構建雲顧問統一數倉，支持用戶 NL2SQL 自然語言實時查詢架構圖節點的指标情況，并生成智能洞察結論，最終形成千人千面的自定義報表，提高架構治理效率。
劉慶興強調，AI 大模型落地到 AIOps 生産必然存在強知識依賴、低幻覺容忍等挑戰，所以一定要構建一套自己的知識庫，作為智能體的外置大腦。
目前，騰訊雲顧問平台已服務 13000+ 企業，累計生成 10000+ 架構圖，有效助力了數以萬計的騰訊雲客戶提升雲上系統的穩定性。
基于 DeepSeek 的 WPS AI辦公應用實踐
金山辦公産品總監 趙九州發表了《基于 DeepSeek 的 WPS AI辦公應用實踐》的主題演講。他介紹，金山辦公通過“大模型生成+工程化函數調用+場景化應用切片”的應用路徑，将 DeepSeek 能力與辦公工具深度耦合，驗證了 Agent 框架在複雜任務調度、格式保留等場景的技術可行性。
金山辦公産品總監 趙九州
金山辦公采用“不造大模型，專注應用集成”的策略，與 DeepSeek 等主流模型廠商深度合作，構建了技術架構。在應用層面，面向企業客戶提供 Office 協作功能，通過統一網關實現多模型調度，并支持模型私有化部署。工程化調度層面，将大模型輸出與傳統工具API（如格式引擎、虛拟機、按鍵模拟）結合，解決純模型能力無法覆蓋的格式保留、多模态處理等問題。
推理模型給辦公帶來了新的應用範式，但推理模型并非萬能。趙九州強調了模型選型邏輯：在确定性任務，如翻譯，要選擇通用模型；複雜工作流場景則采用 DeepSeek-R1 的 Agent 框架優化任務拆解效率，如 PPT 生成場景。
在産品設計上，考慮到用戶不擅長 Prompt 輸入，WPS推出了“AI寫作助手”模式：
● 上下文感知：将用戶輸入的上文作為隐式 Prompt，通過 DeepSeek-V3 實時生成聯想内容（灰色字體），用戶可通過快捷鍵采納建議，避免交互中斷。
● 格式保留技術：在修訂模式中注入 AI 能力，記錄修改軌迹并說明原因，确保用戶對格式與内容的雙重控制權。
● 場景化切片：聚焦辦公最小切片（如 PPT 風格克隆、表格數據清洗），通過 Agent 框架串聯 RAG、語料庫與工具 API。
趙九州總結了 WPS AI用戶級産品的五大原則：
● 不要讓用戶輸入 Prompt，讓 AIGC 回歸創作本身
● 聚焦用戶的辦公、效率場景的最小切片
● 避開不能接受幻覺的領域
● 增強召回，減少噪音
● 圍繞小切片做上下遊工作流産品
目前，WPS AI辦公助手系列已成為金山辦公的年度活躍度的産品線，沉浸式交互設計使AI采納率提升，加上 PPT 風格克隆、多模态濾鏡等功能，此類AI應用為WPS貢獻了億元規模的年收入。而在政務材料生成場景中，文本規範性、詩詞典故引用準确率都得到提高。
金山辦公的實踐表明，AI 辦公應用需以用戶體驗為錨點，通過工程化能力彌補大模型短闆，最終實現技術價值與商業價值的閉環。
頭腦風暴：DeepSeek 落地暢想
活動的分組讨論模拟路演中，與會者還針對 DeepSeek 多個相關熱點話題展開激烈的辯論，并就看好的應用場景進行模拟路演，直觀展現了DeepSeek技術成果轉化為生産力的不同可能。
話題1：DeepSeek 會加速人才流動，還是形成大廠壟斷
「架構師之路」主理人、騰訊雲 TVP 沈劍
一組代表「架構師之路」主理人、騰訊雲 TVP 沈劍表示，技術疊代天然促進市場細分和新領域出現，加速人才流動是必然結果，DeepSeek也不例外。他解釋說，DeepSeek 降低技術門檻，使中小廠無需依賴硬件資源即可參與 AI 競争，人才不再因資源限制而被迫蹲在大廠。同時，對于人才追求技術實現和職業發展機會，DeepSeek生态可以提供更多創新賽道，當前小公司創新産品頻出就是證據。另一方面，AI 效率提升也導緻崗位需求出現變化，倒逼人才被動流動以适應新領域。
《知識增強大模型》作者、前達觀數據副總裁、騰訊雲 TVP 王文廣
二組代表《知識增強大模型》作者、前達觀數據副總裁、騰訊雲 TVP 王文廣則從曆史案例論證：新技術會通過人才聚集形成壟斷而形成大廠，大模型領域也會重複這一路徑。在資源與生态方面，大廠不僅通過高薪、穩定性吸引人才聚集，形成技術壁壘，還通過開源、生态合作擴大影響力，中小廠難以與之競争。大模型基模領域頭部效應顯著。DeepSeek 可視為“新大廠”，自身從人數上看規模還小，但生态龐大。
話題2：DeepSeek 應用趨勢下，企業是否應該考慮建設 AI 中台？
ClickPaaS CPO、騰訊雲 TVP 馬俊
三組代表ClickPaaS CPO、騰訊雲 TVP 馬俊從标準化、降本增效、以應用場景為中心，說明了建設 AI 中台的重要性，并以騰訊等大廠的實踐作為背書。具體而言，AI 能力是企業的核心能力，也是成本比較高的能力（如 API 調用、模型訓練）标準化程度高，集中管理中台可避免重複開發，降低資源浪費，提升企業AI治理能力。對于私有化部署定制模型（如結合内部數據微調），以及未來的多模型共存，中台可也提供 RAG 等工具鍊支持，以及統一調度和模型優化能力。利用企業構建的數據中台和業務中台，打造企業完整的能力共享中心。
《軟件研發效能提升之美》作者、騰訊雲TVP 吳駿龍
四組代表《軟件研發效能提升之美》作者、騰訊雲TVP 吳駿龍則從業務不确定性、成本與靈活性矛盾、組織管理挑戰等角度提出相反的觀點。對于中小企業和單一業務線，公司無需中台，定制化需求可通過輕量工具解決。對于大企業，中台需業務穩定性支撐，而AI領域“破壞性創新”頻發，技術疊代非常快，場景不成熟，建設中台可能因業務變化而失效。同時中台建設成本高且周期長，可能拖累業務響應速度。此外，中台還會限制業務部門創新自由度，與 AI 領域快速試錯的需求沖突。
項目路演1：365智慧學伴
Microtop AI CTO 齊國峰
Microtop AI CTO 齊國峰帶來了「365智慧學伴」助教助管項目路演。該項目面向中小學生，試圖用 AI 引導和激發學習興趣與特長，解決教育内卷下個性化學習需求。
産品形态是軟硬件結合提供給學生，終端覆蓋平闆、智能音箱、智能手表，通過大模型分析學生特長，用思維鍊引導學習，如拆解作文框架，主打将思考邏輯帶給學生，而不是直接提供答案。
金山辦公産品總監 趙九州
對于該項目，金山辦公産品總監 趙九州點評認為，項目定位過于模糊，同時做 2B 和 2C 會導緻資源分散，影響推廣效果，建議聚焦單一場景。同時，學生需求間歇性，家長付費意願低，需找到更剛需的切入口，類似拍照搜題。此外，思維鍊功能非常容易被大廠複制，需強化獨特體驗才能保證産品競争力。
項目路演2：AI與寺廟文化
上海安暢網絡架構師 孫家卿
第五組代表上海安暢網絡架構師 孫家卿帶來的項目，核心是結合 AI 與寺廟文化，面向海外年輕人及有信仰人群，連接到不同的寺廟，基于RAG技術對寺廟特色文化進行層層探索與解析，提供線上虛拟方丈/主持/小師傅的信仰指導服務，并計劃與寺廟合作推出文化周邊。商業模式上，項目分三個等級訂閱制服務，聯動寺廟資源進行線上線下推廣。
《知識增強大模型》作者、前達觀數據副總裁、騰訊雲 TVP 王文廣
《知識增強大模型》作者、前達觀數據副總裁、騰訊雲 TVP 王文廣點評認為首先就項目合規性提出疑問，認為國内寺廟多為非營利機構，商業合作難度大，且宗教内容宣傳受限。另一個問題是需求不明确。不過，他建議參考 AI 算命類産品，出海東南亞、港台市場。
項目路演3：AI 國産化單機數據庫
杭州雲貝數據技術有限公司 CTO 郭一軍
杭州雲貝數據技術有限公司 CTO 郭一軍帶來一個 AI 國産化單機數據庫的路演。項目針對中小企業及需國産化替代的政企客戶需求，基于 DeepSeek 技術打造單機分布式一體化數據庫，主打“四高兩低”（高可用、高性能、高擴展、高安全；低成本、低風險），通過 AI 實現智能化運維，支持彈性擴縮容。商業模式上，項目按節點收費，3 節點起售，100 萬/套，主打國産化政策紅利市場，預估 500 億規模。
騰訊雲顧問産品總監 劉慶興
騰訊雲顧問産品總監 劉慶興表示，項目商業邏輯可行，因為國産化替代需求明确，價格優勢吸引中小企業，但存在兩大挑戰：一是相對雲廠商的成熟方案，還需解決單機數據庫的運維 Know how，二是自動索引、彈性擴展等功能需證明技術壁壘。
項目路演4：軟件智能化 Agent
描路科技創始人、騰訊雲TVP 施德來
第八組是描路科技創始人、騰訊雲TVP 施德來的路演。他首先分享了一個 AI 應用的三個核心要素：數據（Data）→處理（Insight）→執行（Action），目前的大模型主要在最後的執行部分發揮作用。他根據其公司現有的成熟先進的手機軟件界面和操作流程數據的收集能力，提出來利用這些數據結合包括大模型在内的多種 AI 模型，推出 AI 生成産品原型的産品。它的優勢是：使用門檻更低、更契合實際設計疊代的産品。
騰訊雲顧問産品總經理 許小川
嘉賓騰訊雲顧問産品總經理 許小川點評認為，項目的關鍵在于，B端軟件公司是否願意為實現智能化改造而付費使用第三方SDK。客戶普遍關注SDK是否能真正解決他們的核心痛點、帶來實際ROI回報。同時，是否具備差異化的技術優勢、低門檻的集成體驗、可信的服務能力以及清晰的價值主張。
結語
活動在各種奇思妙想的碰撞中圓滿結束。邵浩最後提到"廣深高速進出行"，“廣”是指市場的廣闊性；“深”是指創新的深厚性；“高”是指團隊的高配性（團隊本身的能力包括了情商、智商和逆商）；“速”是指成長的快速性；後面三個字就是投資所關注的财務層面，“進”是指選擇合适的進入時點，是A輪、B輪還是C輪，“出”是指在什麼時候退出，再加上“行”-綜合判斷可行性，就形成了“廣深高速進出行”的要訣，但實際上判斷項目是非常難的，尤其是對于早期的AI項目。
DeepSeek 的成功，源于技術理想主義者對邊界的無畏突破，以科技重塑世界的信念。他相信，在 TVP AI 創變研讨會的牽引下，與會嘉賓們，不管來自大廠還是創業公司，如果能堅守對 AI 技術的理想與熱忱，持續探索創新，推動技術與場景向演進，必将創造更美好的未來。
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。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
