21世紀經濟報道記者孔海麗、趙雲帆 北京、上海報道
DeepSeek火成了現象級，中國公司在全球AI競技場投下一枚“算法裂變彈”。
當矽穀巨頭們仍在算力軍備競賽中重兵鏖戰，中國工程師用“更聰明、更便宜、更開放”的三重創新公式，在算法效率、開源生態與能耗成本三個維度同步撕開突破口。
一定程度上，中國公司開始在全球AI敘事中拿到話語權。但這場“智能奇點”的狂歡背後，關於技術倫理的隱憂、算力依賴的困局以及開源商業模式的可持續性爭議，猶如達摩克利斯之劍高懸。
DeepSeek現象既是折射中國AI突圍路徑的多棱鏡，也是觀察全球智能產業格局劇變的切片。
它究竟改變了什麽？哪些底層邏輯正在重構？還有什麽是外界尚未看到，但終將發生的？
21世紀經濟報道團隊針對DeepSeek現象，梳理出了AI產業變遷與趨勢的十大走向趨勢。
1．“AI產業蛋糕”將重新切分
DeepSeek出現的最大意義是什麽？
圖靈獎得主，Meta AI 首席科學家 Yann LeCun 說，DeepSeek 的出現並非是“中國戰勝了美國，而是開源戰勝了閉源。”
從技術發展的視角，過去閉源築起深院高牆，通過人為限製技術交流密度，固化了對算力資本投入的路徑依賴，令整個AI產業在2024年都循著算力“賣水人”的邏輯演繹。
但，DeepSeek極大降低了AI大模型部署的技術門檻與成本，將加速AI的商業化進程，應用場景的大規模崛起成為可能，或者說大範圍鋪開的節奏大大提升。AI產業的經濟價值，從“賣水人”走向應用端。
正如 DeepSeek 創始人梁文鋒預言：在顛覆性的技術麵前，閉源形成的護城河是短暫的。DeepSeek的出現打破了枷鎖和成見，讓AI發展重新切回快速道，AI普惠化成為新趨勢。隨之而來的是，AI賦能千行百業的未來提前到來，產業鏈的價值中樞也將從前端能力，向中端整合服務，以及終端創意和場景平移。
2、算力需求不跌反漲
雖然DeepSeek以獨特的技術路徑有效提升了算法效率，實現了訓練效率3倍躍升與訓練成本60%下降，但因此斷言“DeepSeek擺脫了硬件依賴”尚不現實，算法對算力的重構也遠沒有想象中那麽徹底。
更確切地講，一方麵，DeepSeek的低成本是“站在巨人的肩膀上”，AI探索者的前期成就降低了DeepSeek所需的算力，但它本身的成果仍然依賴於算力。
另一方麵，DeepSeek實現了更低開發和消費成本，可能帶來AI應用的大範圍爆發，未來所需的算力反而是呈指數級增長的。就在2月6日下午，大規模湧進來的需求，讓DeepSeek難以招架，不得不宣告“因服務器資源緊張，已暫停API服務充值”
再者，當訓練成本下降刺激更多公司入場，消費者應用呈指數級增加，催生AI生態鏈全麵繁榮，芯片需求將迎來超乎預期的增長。
推理路線並未超脫Scaling Law，反而是另一種形式的Scaling Law，強化學習之路既然可行，算力需求就不會衰減。
3、AI巨頭投資邏輯生變
DeepSeek掀起的“省錢革命”，本質上是將AI發展從“資源密集型”階段推向“智力密集型”階段。
過去十年，AI巨頭的資本分配遵循“數據-算力-算法”的線性增長模型：數據規模擴大倒逼算力需求激增，進而驅動算法迭代。
然而，DeepSeek的“省錢經濟學”揭示了一個反常識事實——算法創新對算力的替代彈性遠超預期。其“純強化學習框架”將訓練效率提升三倍，意味著同等算力投入可產生三倍模型迭代速度，這直接挑戰了“算力即護城河”的底層假設。
高盛分析師測算，若DeepSeek模式普及，全球AI基礎設施投資需求可能縮減40%-60%，星際之門這類超級項目的經濟合理性將遭遇根本性質疑。
同樣，資本市場對AI公司的估值模型長期包含兩個核心：算力儲備規模（硬件資產）與數據壟斷優勢（軟件資產）。但DeepSeek的技術路徑正在催生第三個關鍵變量——算法效率係數。未來AI公司的估值溢價將更多取決於“每單位算力產生的智能增量”，而非單純的算力卡數量。
當資本開始用“每美元創造的智能效率”而非“每季度采購的GPU數量”衡量AI公司價值時，一個更注重技術創新純度、更警惕算力泡沫的新投資時代正在降臨。
4，雲計算，第一風口
我們認為，DeepSeek 的出現將令AI產業鏈價值重心從算力前端向中間端和終端平移。目前最明確的方向，無疑是雲計算。
2023年以來，生成式AI應用場景不斷在B端、C端落地，大型企業數據“上雲”熱情大增。海外雲計算巨頭亞馬遜率先看到了這一趨勢，並針對生成式AI提供了“業務雲”服務，成功將該公司雲計算收入提升至千億美元級別。
DeepSeek的出現讓“模型平權”進一步照進現實。但部署模型所需要的算力和技術支持受客觀原因限製，仍然不是所有企業都可以參與或敢於大額投入的領域。
DeepSeek大火之後不斷出現的官方係統卡頓和服務器過載，也說明初創企業的資源投入無法幫助其應對海量的使用需求。
從這一角度來說，雲計算雖然也是“AI賣水人”，但卻能在模型平權的帶動下幫助所有企業和個人使用足夠優質的AI資源。近日，包括國內的騰訊雲、阿裏雲、華為雲、百度雲、天翼雲、聯通雲等，海外的亞馬遜、微軟等知名雲計算平台紛紛上線DeepSeek也足夠說明這一點。
5、開源與閉源長期共存
閉源路線似乎一時之間落了下風，但DeepSeek的成功並不必然意味著AI大模型閉源路線“不再主流”，生存法則反而變成了長期共存。
DeepSeek的開源策略之所以成功，在於開源版本降低了AI技術門檻，使中小企業和開發者能夠以極低成本接入頂級模型能力，這加速了AI技術的商業化落地。而且，DeepSeek在短時間內構建了一個龐大的技術生態，形成了“開發者越多-模型越好-吸引力越強”的正向循環。另外，開源策略為DeepSeek贏得了“技術民主化先鋒”的美譽，這種品牌勢能為其商業化產品帶來了溢價空間。
盡管開源模式風頭正勁，但閉源路線仍具備不可替代的優勢，垂直領域的深度布局，端到端控製，仍然是閉源的長處。
閉源模型可通過專有數據與定製化訓練，在特定領域如醫療、金融等，建立遠超開源模型的能力壁壘。閉源模式允許企業對模型開發、部署與迭代的全流程進行嚴格控製，這在高度敏感的場景具有獨特價值。
未來，開源與閉源路線會形成融合，開源模型將主導通用能力與長尾市場，而閉源模型將聚焦高價值垂直領域與超級應用，並且，企業可能根據發展階段與市場策略靈活選擇開源或閉源策略。
6、通用大模型創企的寒冬
DeepSeek的國民度迅速上升，大有超越文心一言、豆包之勢，將通用大模型的門檻推高到一個令人窒息的高度。
對於國內AI創業企業而言，這場技術躍遷既是機遇，更是生死考驗——在DeepSeek的陰影下，通用大模型創業的窗口已經關閉，而垂直化、場景化的轉型之路同樣布滿荊棘。
技術跟不上，成本下不來。DeepSeek的算法創新與係統優化能力，已與國內大多數創業企業拉開代際差距。其純強化學習框架、算法-係統協同優化等技術壁壘，需要長期積累與巨額投入，成本方麵，也很難打過DeepSeek的性價比。
隨著DeepSeek確立技術優勢，資本對通用大模型創業項目的投資熱情還會進一步降溫。去年傳出“AI六小虎中已有三家放棄通用大模型預訓練”，如今看來，更應該慶幸而非惋惜。
未來，國內AI創業生態或將呈現“巨頭通吃通用市場，創業企業深耕垂直領域”的二元格局，但在馬太效應的定律下，垂域部署的空間也並不充沛。
7、AI平權，越來越多的國家參與AI經濟
DeepSeek通過創新性算法，實現了算力成本的 “斷崖式下降”，最起碼目前，矽穀已無法一家獨攬AI技術優勢，硬件堆砌的話語權也被部分削弱。
DeepSeek的技術路線，為更多國家與經濟體示範了可能性。
2月6日，韓國政府稱將成立“國家AI委員會”，DeepSeek的最新人工智能模型有可能重塑產業格局，並評價說，“全球人工智能競爭可能會從簡單的基礎設施規模擴大競爭，擴展到增加軟件競爭力的複雜競爭。”韓國政府將盡快成立一個“國家人工智能委員會”，以使韓國成為全球三大人工智能領先國家之一。
此外，全球的AI經濟格局也將發生變化。各國在AI領域加大投入，會形成一種多元化的競爭態勢。這種多元化發展，不僅豐富了AI經濟的內涵，也意味著更多的創新和合作機會。
8.AGI將便宜到不可思議
過去六十年年以來，計算機能力的發展幾乎都在遵循著摩爾定律的預言。然而，自從OpenAI將AGI的概念帶火之後，並沒有任何行業大拿提出一個屬於AI的摩爾定律。AI模型企業的海量融資需求，算力企業的海量收入需求構成了一個簡單的AI經濟閉環，整個食物鏈中，所有參與者對AI的摩爾定律都心照不宣。
DeepSeek的橫空出世則指出了“房間裏的大象”，讓山姆ⷥ姧‰‚於首次說出了：“單位智能成本每年能下降約10倍”的說法。不妨想象一下，OpenAI的GPT-3訓練成本高至10億美元，而十年後，同樣的訓練隻需要一枚硬幣。
很大膽的想法？其實有跡可循，不同於摩爾定律隻線性聚焦晶體管密度，AI算力成本的下降除了依靠算法工程能力，亦可以依靠低廉的能源成本，全新的計算機科學，以及不斷累積的高效數據集等等。
做個不太恰當的比喻，如果AI是一個頂尖的科學家，那麽他完成某個劃時代思考所需要的所有物質和能量基礎，隻不過是一顆1.5公斤的大腦，以及一顆500克的蘋果。
9．家庭版AI的到來
DeepSeek大火之後，一個新的行業應運而生——“一節課教會DeepSeek本地化部署”，“十節課AI從入門到精通”等網絡教程層出不窮。雖然借著DeepSeek的東風“賣課”顯得有些荒誕，但這至少告訴我們，在開源模型將私有化架設成本打到極低的未來，在家運行一個像《鋼鐵俠》係列電影中“賈維斯”一樣的人工智能，再讓它賦予“馬克係列”一般的人形具身智能，真的不再遙不可及。
屆時，普通人也許並沒有AI的專業能力，但未來會有針對家庭的AI代理服務，就像修個電腦，空調一樣便利。AGI的普惠的，也將真正到來。
10．下一個 “DeepSeek” 將出現在多模態
DeepSeek顛覆了我們對AI產業的眾多認知——但若說DeepSeek沒有解決的問題，可能依然是多模態。
雖然此前 DeepSeek 發布了多模態模型Janus-Pro-7B，但因數據和算力的限製，仍然與其他多模態模型一樣。僅限於解決特定問題的範疇。即便是當下，許多多模態模型仍然以閉源和基於定向開發為應用場景服務的模式推進其業務。
隻有文字的交互無疑是單一的，未來的AGI人機交互也勢必向著多模態的方式去推動。時至今天，我們仍然很難想象一個披著人類皮囊的人工智能能夠在日常交互中通過圖靈測試。不過，DeepSeek至少證明了一點，AI的創新還遠遠沒有到達讓規模化法則低效化的地步。僅僅依靠算法等工程能力的創新，可能就能湧現下一個 DeepSeek。
