DeepSeek引发的效应正在每一个行业发生。“客户直接指定了，非常明确地说要DeepSeek。”蜜度首席技术官刘益东对第一财经提及客户对一体机的要求突然转向。在今年1月初就提出需要一体机产品的客户，1个月后新的需求是，在原来功能基础上，希望能将模型换成DeepSeek，同时，也有更多用户开始来咨询一体机产品。

从手机、办公到影像，甚至是农田无人机，DeepSeek撬动了越来越多的产业，让更多的企业、更多的人开始真正思考，“我必须要用大模型去做一些事情”。陈希认为，这是一个起点，未来一定会驱动产生一系列的AI实践。但这场风暴催生的变革初期，挑战同样存在。

“小步快跑”用起来

作为一线从业者，刘益东认为大模型目前经历了两个重要的阶段。第一个阶段是2022年ChatGPT发布之后，引起了市场的广泛关注和讨论，完成了基础的市场的教育，但客户对AI仍然将信将疑，担忧模型是否真的能够解决问题。

第二个阶段是今年初的DeepSeek，刘益东认为，它完成了更大一轮大模型的市场教育，“大家已经不再怀疑大模型到底能不能给我带来工作上的变革或者效率上的提升，绝大部分不再犹豫，甚至是我的家人在和我吃饭交流的时候都在讨论DeepSeek，基于此我认为它已经是一个全民现象级的话题和认知”。

数据中心服务厂商超云在2023年就已发布一体机，但连续一年多的时间，“大家对于一体机这事儿并不是很感冒”。在一场直播中超云产品运营中心副总经理任世杰提到，背后原因一方面是部署成本过高，另外一方面或许与业务相结合的效果没有达到客户的预期。任世杰发现，直到DeepSeek出现后，一体机的需求开始旺盛。

蜜度主要做B端政企和机构的智能办公、城市治理等服务，也推出了一体机产品，在今年1月他们发布了针对智能办公场景的“模力通”。在节前已经沟通过需求的客户，在节后新的需求是，希望有一个DeepSeek的选择。

“客户问一体机能不能放DeepSeek的模型，我们也紧急在春节期间，包括节后就开始产研，做适配和验证，将它放进去。”刘益东感受到DeepSeek对业务促进明显，1月后，更多的客户来咨询了，也有已经达成的商业合作。

“在一个大致正确的方向上，我们信奉小步快跑，不断更精细化地去验证用户精细颗粒的需求。”OPPO是第一批接入DeepSeek的手机厂商，谈及接入前的思考，陈希表示，在这一确定性很高的趋势上，内部没有经过太长的纠结，“我们想的是怎样尽快把DeepSeek第一个融入到我们的产品中来，这是一个非常好的一个机会点。”目前ColorOS对外表示“月月有更新”，甚至以周为单位迭代新的功能。

DeepSeek让更多企业、更多的人开始思考，“必须要用大模型去做一些事情”。

2024年11月，第一财经问及极飞科技创始人兼CEO彭斌大模型在农业无人机的应用，彼时这位创业老兵对这一问题较为谨慎，他提到计算机视觉这样传统AI技术已经在无人机的避障中用起来了，但大模型当下仍有待探索。

四个月后彭斌的答案变了。在3月的采访中，他对记者表示，DeepSeek的出现是一个有象征意义的节点，带来的改变是全方位的。极飞的研究团队已经转为“作战团队”开始尝试落地。

“（以前）我们觉得（大模型的应用）太贵太远，突然间这么一招，我过年七八天每一天都兴奋，和同事一直在群里聊，我们还在电脑上去部署一些蒸馏版的模型，也特别惊艳。”彭斌觉得，2025年新年那一段时间大家经历了有意义的变化，DeepSeek给行业注入了全新的可能。

“一个通用的大模型，给它一张照片，它会告诉你这是一块农田。但是我们的大模型微调以后，它应该会告诉你这是种的棉花，长势如何、什么地方有一点问题，你得去看看。甚至可以给出更重要的意见，比如灌溉没做好，缺肥缺微量元素，这也是常年在农场里干活的农业专家的工作。”彭斌表示，极飞一定会有这样的AI功能出来。

在DeepSeek之前，没有厂商将有用且便宜做到一个完美的平衡点。DeepSeek给出了选择，之后可能也会拉动整个行业，激活大量应用场景的变化。彭斌表示，虽然短期可能看不太出来，但是它会孕育一种生态，慢慢就会发生，可能再过半年一年去看会很有意思。

成本和性能的平衡

成本和性能的平衡，是不少应用厂商评价DeepSeek催生变革的关键点。

“成本、性能是跷跷板的两端，DeepSeek这个跷跷板是平的，不是歪的，如果生成的结果很差，那么再低的成本都没有意义，也是因为效果好，大家才会对它这么低的成本感到惊讶。”陈希表示。

彭斌很早就用了ChatGPT，这一AI助手的智能化也给了他非常大的震撼，但当时在团队的判断里，大模型这件事情会特别费钱，因为一般的公司不可能做大模型基座，动不动几万张卡、大量的数据训练等。

“所以我们会认为AI大模型国内未来就算做出来，成本也会很高。每一次询问和分析输出结果，代价太大了。在农业里，我雇一个员工可能3000-5000元每月。但可能问大模型，也会用上三五千块，还没人来得灵活，那这个事情就不可能行得通。”极飞无人机的场景里有大量复杂场景需要分析，团队觉得最终的成本一定远远大于雇佣一个人。

彭斌并未完全否定大模型的可能性，但当时觉得离真的落地还有更远的距离，这个距离可能是三到五年。DeepSeek出现了以后，团队现在认为这个距离迅速拉近到一两年了。现在极飞的判断是，这件事情无限可能。

彭斌坦言，这个过程确实是过去几个月带来的变化，这种变化最大的原因是DeepSeek带来的大模型平权，这一改变对他本人来说也是很大的刺激。

智能体平台创企枫清科技的产品也接入了DeepSeek大模型，创始人兼CEO高雪峰对记者表示，在R1推出了之后，团队先后在自身的测试环境以及客户环境中进行了部署和适配，他认为，R1 模型展现出的明显优势是，性能突出和高性价比。

高雪峰认为，R1推出时，在性能效果上的表现、推理能力，特别是在某些应用场景中，已可与国际领先的闭源模型一较高下。其相对较低的推理成本，以及蒸馏出来的各种尺寸的中小模型，对于客户和市场具有强大的吸引力。DeepSeek 模型显著降低了大模型的本地化部署的复杂度与成本。

影像企业美图在去年12月就部署了DeepSeek，当时他们将DeepSeek用到了美图设计室的LivePPT功能上，也为AI口播视频制作工具开拍接入了DeepSeek。他们发现，DeepSeek对PPT逻辑的理解和AI脚本的撰写帮助很大。

在采访中，美图创始人、董事长吴欣鸿对第一财经提到，相比其他开源模型， DeepSeek在中文的理解上会更好。其次，DeepSeek的工程优化做得非常极致，推理速度很快，成本很低，这实际上是很多公司切换成DeepSeek一个重要的原因。

吴欣鸿认为，DeepSeek会带来一些更宏观的影响，某种意义上它成为了行业的共识，从大厂到小企业都在接入，一个事实上的标准。“有了这个标准，比百模大战、千模大战要好，就像以前的移动操作系统里一旦有一个很强的产品出现，大家就可以放心用，而不用纠结到底用什么。”

其次，DeepSeek确实让AI走进了大众，这个很关键，“AI不能是阳春白雪，必须让普通人都能用上，而DeepSeek的出现让我们看到很多人用起来了，他们可能是第一次用AI助手，感受AI的魅力。”这一意义重大。

“买菜无需豪华车”

尽管DeepSeek效果很好，但在应用场景里单一模型也并非所有情况下的最优选。商业化面临的一个选择是，在不同场景里挑选性价比最高的模型“应答”。如果追求大参数量的满血版本，用户是否会为模型更高的成本买单？这是商业化需要考虑的核心问题。

在蜜度，内部曾花了一两周的时间去验证 DeepSeek在公司业务场景的表现，在智能办公、智能客服、城市治理这类不同场景下，同时测与DeepSeek同类型同等参数量的其他解决方案模型。

刘益东对第一财经表示，基本上DeepSeek带思维链或者深度思考的R1满血版本，效果要优于原来的解决方案里不带深度思考的版本。而原来方案里采用的模型的表现，可能要略好于DeepSeek同类型参数不带深度思考的版本。他强调，这是在公司的业务场景里，积累下来的数据集跑出来的结果，并不代表所有应用。

与此同时，这带来的一个问题是，虽然带深度思考的模型会优于其他版本，但算力成本和时间成本都会高不少。“问一个问题，以前模型秒回应，但深度思考就需要过程输出，另外模型输出的思维链是要消耗token成本的，如果开启深度思考，一个问题给到模型，假设输出2000个token，那不开启慢思考，可能500个token就够了。”刘益东解释。

DeepSeek目前主要有两个最新的模型，一个是推理模型R1，也就是有思维链的深度思考模型，消耗更多的token、更多的时间带来更加详细的回答，另外一个则是基础的V3模型，用更少的token和更快地响应，带来更简单的回答。这是不同的两个技术路线，在应用场景里用来解决不同深度的问题。除这两个模型之外，在应用中还可以选择DeepSeek不同参数量的蒸馏版模型，减少部署成本。

除了调用API的模式外，私有化部署也存在用不同模型成本的问题。

任世杰提到，“不见得部署自己的模型，就非要是满血版的。”他表示，有客户看到单机就可部署DeepSeek 671B满血版本的模型，就也要满血版，但没有考虑到，单机部署虽然把这些模型容纳进去，但实际使用中能并发出来的模型专家数量也就8个到10个，利用率会变得非常低。

“将选模型的问题看作是买车的话，如果需求更多是买菜、送孩子上学，那没必要买一辆豪华跑车。”中国人民大学校级计算平台负责人、高级工程师鲁蔚征认为，虽然豪华跑车更好，安全性或者荣誉感都很好，但是带来的成本也会很高，同时还有维护成本。

对于这个问题，超聚变AI首席结构师赵迪的观点是，满血版大模型是综合能力强，每一个细分场景都能取得一个不错的分数。如果场景或者行业的属性不明确的情况下，预算又不受限制，满血版部署会更好。但业务如果具体到细分领域，专业训练的小模型一定是更好的选择。

实际上，大部分业务部署必须要考虑成本的问题。“现在因为DeepSeek刚火不久，大家都是先去拥抱DeepSeek的生态。越往后业务量起来之后，推理的请求多了之后，算力成本或者推理成本是不是能接受得了，这是一个比较大的问题。”UCloud优刻得华北解决方案架构师马杰提到。

这个问题放在手机厂商这里，为了做到性能和成本的平衡，OPPO系统团队在做的是“意图分流”。陈希提到，OPPO ColorOS会做一个系统级的AI，和多个大模型进行合作，除了DeepSeek，还有其他视觉大模型、声音大模型以及其他多模态的模型，系统要把这些模型整合在一起。

“我们的挑战就是要把这种不同能力类型的模型整合成一个用户体验，到用户层面上，他使用的是一个产品，这个很重要。”陈希发现，用户场景里不同用户的需求非常繁杂，这背后涉及的是复杂的技术问题，要不断进行调试。

“假如用户问一个很简单的问题，今天天气怎么样，也许不需要用到大模型，不需要调用很多操作、消耗算力，就能达成结果，这个时候怎么能从用户的意图分流上，把这一类的问题分流成所谓的简单问题，从而减少调用，这就是在系统层面上未来要去持续构建的意图分流框架。”陈希解释，在进行分流后，一方面是大幅度降低成本，另外也能够更精准地去判断用户意图，带来更准确的答案，不是每个问题都需要“长篇大论”。

在DeepSeek的应用端，这个选择题实际上是留给了用户，用户可以在界面选择“深度思考R1”版本，或者“联网搜索”来让模型解答自己的问题，相当于提前做了分流。但陈希认为，在手机系统里，这种问题不应该留给用户，“用户去想用什么方法解决问题，本身也是一种复杂，我们更想把这个复杂留给自己，那么技术就要去判断用户的意图”。

除了模型整合上的挑战外，在手机系统上，用模型做一些更复杂的应用同样还存在难题。例如，谷歌曾于去年发布 AI 智能体项目Project Astra，可以通过手机摄像头与大模型进行实时的视觉与语音交互，在今年3月底终于上线，但也并未完全开放。

陈希认为，视频对话这样的场景会更复杂，怎么能让技术的尝鲜变成用户场景的常用，这一步比较困难的是要做大量泛化的努力。这本质上还是技术的问题，因为现在的技术并不能充分满足各种各样的应用场景，用户场景是复杂的、千变万化的，有可能在车上晃来晃去，有可能在暗光环境下看不清楚，都会对技术的可靠性造成很大影响，而现有的技术还不能完全泛化地去处理所有产品，这也是OPPO仍然在探索的方向。

除了一些技术的挑战外，不少从业者都提及的一个点是，客户内部的数据源质量会决定企业能否将大模型的潜力挖掘出来。

在实际项目落地中，马杰发现很多用户数据的质量是参差不齐的，存在错误或者偏离，模型最终输出的结果、训练效果都不是特别理想，尤其在金融、医疗等领域，对数据的安全性、私密性和准确度要求较高，也会存在不同格式的数据，质量也不一样。适配业务的时候，需要大量的清洗和预处理的工作。

“之前接触的一个定制类项目，客户的数据分类有很多，如图片、音频、文档、流程图，会涉及多个模型和业务的结合，数据的转化降噪，清洗等工程量也非常大。”马杰表示，模型落地如果要达到一个很好的效果，对客户数据的质量要求很高。

抛开具体业务层面的难题，赵迪认为，落地中一个更核心的问题是，企业机构拥抱AI的决心有多大，相应的业务流程和组织结构，是否会根据新的技术进行调整。他发现，现在的客户部分是因为DeepSeek比较火，需要“尝一下鲜”，但实际上，公司整个业务流程和组织结构还需要做好准备。