专家访谈汇总：DeepSeek最大受益者是“云”？

■

DeepSeek通过创新的架构设计、训练策略、算法优化和硬件适配，实现了在低算力条件下的高效能表现，突破了硬件限制，降低了AI推理的门槛。

■

轻量化架构和量化剪枝技术使得AI模型的推理可以从高端GPU扩展到消费级GPU，显著降低了部署成本。

■

蒸馏技术使得模型在广泛应用中的适应性和效率大幅提升，尤其在国内大模型的发展中起到了缩小与海外先进模型差距的作用，显著降低了算力门槛。

■

云厂商拥有充足的算力资源和广泛的用户覆盖优势，在低门槛算力的前提下，能够迅速推广DeepSeek模型，提升市场需求。

■

随着越来越多的公有云厂商支持DeepSeek，算力资源将回归同一起跑线，竞争的焦点将转向算力池的深度和用户覆盖的广度。

■

顺网科技等边缘云厂商，凭借大量边缘侧中高端消费级GPU资源的积累，能够以极低的成本提供DeepSeek模型的部署服务。

■

边缘云厂商的优势在于拥有覆盖全国的边缘侧算力资源，能提供最佳的延时和算力调配响应，同时为DeepSeek模型提供低成本、高效能的部署。

■

随着DeepSeek应用的逐步推广，云服务商的市场需求有望大幅提升，尤其是通过云电脑等潜在应用的商业化出口。

■

算法与工程创新提升了DeepSeek-V3的效率，使其在性能上超越了许多开源模型（如Qwen2.5-72B和Llama-3.1-405B），并与世界顶尖闭源模型（如GPT-4o和Claude-3.5-Sonnet）相竞争。

■

DeepSeek-V3的生成吐字速度从20TPS提升至60TPS，相比V2.5模型实现了3倍的提升，极大改善了用户体验。

■

在后训练阶段，强化学习技术大规模应用于DeepSeek-R1，显著提升了其推理能力，尤其在数学、代码、自然语言推理等任务上，性能达到OpenAI的正式版水平。

■

推理与多模态能力是大模型发展的主要趋势之一，DeepSeek-R1的低成本推出加速了市场对大模型推理能力提升的需求。

■

这表明市场对大模型能力提升的敏感度较高，成本的下降带来了巨大的用户增长潜力，并加速了大模型产品的商业化落地。

■

DeepSeek-V3与R1的推出不仅增强了国产大模型的信心，也验证了大模型的发展趋势，预计将推动整个行业的商业化进程。

■

这一创新不仅使得国内AI模型能够与国际领先水平竞争，也为智能驾驶等行业带来了新的发展机会。

■

尤其对于国内厂商而言，能够在不依赖大量算力的情况下，实现性能接近特斯拉等全球巨头的自动驾驶算法，降低了进入壁垒。

■

R1模型的蒸馏技术，能够将其强大的推理能力迁移到车端模型，为智能车领域提供更高效、更精确的决策支持。

■

DeepSeek-R1模型的算力节约特性使得智能座舱的AI Agent能在本地部署，带来更高效的用户交互体验。

■

随着车企加速智能座舱功能的开发，DeepSeek-R1的引入将使得座舱交互更加智能，提升用户体验，甚至催生全新的应用场景。