通信世界網消息（CWW）當前，DeepSeek掀起的“模型熱”還在持續升溫。

正如通信世界全媒體年初所預測的，2025年大模型乃至智能體將迎來進一步繁榮，行業大模型將深度融入核心業務與應用、AI終端以及智能體將加速落地。具體到如何實現，DeepSeek仿佛一陣“及時雨”，憑借低成本、高效能以及廣泛的應用場景，為行業實踐提供了良好的技術支撐與應用基礎。

可喜之余，對于渴望在未來大模型領域闖出一片天的企業來說，結合自身的業務需求與數據特點，在充分發揮DeepSeek優勢之上，“卷”出更具有獨特競爭力的自研大模型乃至智能體，似乎更值得深思。

前期“卷”接入

實現“共進共生”

最直觀來看，目前DeepSeek掀起的“模型熱”主要表現為DeepSeek的“接入熱”。

其中既包括英偉達、亞馬遜以及微軟等國外科技巨頭，也包括極具市場潛力的中國本土企業，從底層的軟硬件設計研發企業到互聯網大廠、運營商、垂直領域AI公司再到中小型初創企業，選擇DeepSeek似乎已成為當下算力成本飆升與商業化路徑尚未明晰的必然抉擇。

自DeepSeek開放API以來，其生態版圖快速擴張。據不完全統計，目前全球已有超過200家企業宣布接入DeepSeek。就目前來看，接入方式主要分為三類：一是API直接調用，即企業直接調用DeepSeek的云端API，快速集成其通用能力，如文本生成、代碼編寫等。二是模型微調，即企業基于DeepSeek基座模型，注入私有數據進行領域適配，從而實現自身模型優化。三是開源共建，這主要體現在底層架構與設計層面，企業針對DeepSeek開放的部分模型權重，借助社區協作進行自身優化。

總體來看，接入是方式，優化是目的。隨著企業對接入方式的逐漸深入，我們可以發現，企業自研模型與DeepSeek的接入部署，逐漸呈現出全面化、智能化、差異化的特點，兩者結合的模式也逐漸呈現“共生進化”特征。

針對功能補充類，調用API逐漸深入到應用場景接入，例如三大運營商在云能力率先接入的基礎上，已逐漸拓展至to B端、to C端的特色場景與產品服務；多家車企探索將DeepSeek接入智能座艙，實現語音助手功能升級、AI多語義指令識別等。

針對模型部署開發類，私有化部署與產品成為保障安全的選擇，多家企業如中國電信、聯想、新華三、浪潮等均推出了DeepSeek智算一體機，實現一體化開箱即用的私有化部署。與此同時，DeepSeek模型私有化部署服務也涵蓋安裝部署、系統調優和運行維護，可提供適配多種算力的部署包及支持，幫助企業在自有業務場景中構建安全可靠的智能環境。

針對技術融合類，單向的知識蒸餾訓練，即單純接入DeepSeek，可提煉其模型能力至自研模型，降低自身部署成本；多向的模型聯合訓練，即企業自研大模型與DeepSeek大模型進行深度聯合訓練，可以促進聯合創新，為企業帶來更廣闊的發展空間。

中期“卷”經驗

挖掘價值站穩市場

接入與優化滿足當前初步部署應用的需求，但也不可否認，DeepSeek的崛起為自研通用大模型以及行業大模型帶來了沖擊。

在技術競爭方面，DeepSeek的低成本訓練模式和高效推理能力是其優勢所在，也為自研大模型帶來了新的技術競爭壓力。就拿DeepSeek V3來說，其訓練成本僅為557.6萬美元，使用 2048 張 H800 GPU 卡，相比同等規模的模型（如GPT-4、GPT-4o、Llama 3.1），訓練成本大幅降低。這迫使大模型研發者不得不重新審視技術路線，加大在降低訓練成本和提升推理效率方面的研發投入。

在應用場景拓展方面，DeepSeek-R1在科研、數據分析、代碼生成等復雜場景表現出色，DeepSeek-V3適合內容創作、長文本生成等場景?？陀^來看，這兩類大模型已較為廣泛地覆蓋了當下通用大模型的應用場景，行業開始出現了新的選擇，即對已入局者以及仍觀望者亮出了新挑戰。

在市場格局重塑方面，DeepSeek的開源和低成本特性，吸引了大量合作伙伴，包括云服務廠商、算力企業等，改變了通用大模型的市場格局。對于行業大模型來說，強調其自身價值之前，似乎必須先證明自己模型對行業專屬數據與場景的理解，比直接調教通用模型懂得更多。

基于此，對于企業自研大模型來說，想要在市場繼續站穩腳跟，正視挑戰與機遇，揚長避短、提升差異化競爭力迫在眉睫。

面向低成本、低算力部署趨勢，大模型行業應借鑒經驗，與自身結合的基礎上更傾向于研發和應用能夠在低成本、低算力條件下運行的技術和模型，以降低使用門檻、擴大應用范圍。

面向當下訓練需求逐漸轉向推理需求，充分挖掘數據價值有望使部分企業脫穎而出。對此，企業應重視數據質量的提升，解決數據孤島問題，加強數據的整合和共享，借助日漸先進的數據處理技術和算法，充分挖掘數據的價值，為大模型優化提供有力支持。

證明自研大模型存在的必要，企業仍需挖掘自身的差異化優勢，結合自身所在行業的特點和資源，找到獨特的應用場景和價值點，實現差異化競爭。例如，猿輔導的猿力大模型在與DeepSeek融合后找準了教育場景下的個性化學習體驗，通過定制化學習方案，并自動調整學習節奏，使孩子逐漸找到學習自信。

后期“卷”效用

兼顧效率與商業化

隨著大模型出現并滲透進日常生活，大模型競爭也進入2.0階段，從長遠來看，大模型已由傳統的技術競賽轉向商業化效率競爭。

就行業啟示來看，低成本推理成為剛需。隨著市場競爭的加劇，算力成本曲線已然成為決定市場格局的關鍵因素。數據閉環能力成為新價值。不同于單純追求數據量，當下更為數據的內容質量以及應用質量。

從效率角度出發，企業應全方位提升模型的研發、訓練與應用效率。首先，在研發環節，企業可以嘗試在算法和架構設計下功夫，同時借助自動化代碼生成工具，減少人工編寫代碼的時間和錯誤。其次，在訓練過程中，合理利用分布式計算技術，優化訓練算法值得探索。最后，進入應用階段，注重推理效率提升，借助模型壓縮等先進技術與經驗，提高推理速度。

從商業化角度出發，企業應精準定位市場需求，制定合理的商業模式。一方面，企業可以針對特定行業的需求，開發定制化的大模型解決方案。另一方面，企業可以將大模型作為基礎平臺，開發一系列的應用產品和服務。

以運營商為例，憑借其自身龐大的用戶數據資源，可以充分發揮自身的網絡和服務優勢，優化迭代一系列to C端的應用產品和服務。例如：基于自然語言處理大模型優化智能客服系統、5G新通話應用以及AI智能助手等，并且根據用戶的使用習慣和歷史數據，為用戶提供個性化的服務推薦，從而增強用戶黏性，挖掘存量市場。

總而言之，大模型2.0時代已經來臨，低成本推理、差異化競爭、數據價值挖掘以及產業鏈定位，構成了這個時代大模型企業發展的關鍵拼圖。企業有待將這些要素緊密結合，積極調整戰略，以適應時代的變化，在市場競爭的洪流中穩步前行，不斷發展壯大。