DeepSeek爆火的背后，大模型/生成式AI市場(chǎng)生態(tài)的潛在影響引人關(guān)注

2025年1月以來(lái)，中國市場(chǎng) AI 創(chuàng )企深度求索開(kāi)發(fā)的 AI開(kāi)源 大模型 DeepSeek的爆火引起廣泛關(guān)注，深度求索共發(fā)布了三款大模型，包括基座模型DeepSeek V3、推理模型R1、多模態(tài)模型JanusPro，DeepSeek 創(chuàng )新的使用了一系列模型訓練和推理的優(yōu)化技術(shù)，這促使市場(chǎng)重新審視他們對大模型性能如何最大化和促進(jìn)產(chǎn)業(yè)鏈升級的假設。

中國市場(chǎng) DeepSeek AI 模型的推出在大模型/生成式AI市場(chǎng)上引起了轟動(dòng)，從大模型供應商到基礎設施和平臺供應商的整個(gè)AI產(chǎn)業(yè)生態(tài)都掀起了一波“新浪潮”。國際數據公司（IDC）于近日發(fā)布的最新報告《IDC Market Glance: 中國生成式AI市場(chǎng)概覽, 1Q25》（Doc#CHC52821325，2025年2月）中，所定義的AI產(chǎn)業(yè)鏈主要包括如下幾個(gè)部分：基礎設施層、模型層、平臺層、應用層及服務(wù)層。

DeekSeek爆火的背后，對于大模型/生成式AI市場(chǎng)生態(tài)帶來(lái)的潛在影響有哪些? 基于此，IDC進(jìn)行了總結，旨在為技術(shù)供應商和行業(yè)用戶(hù)提供參考：

模型層：基礎大模型開(kāi)啟另一開(kāi)發(fā)新范式——將以一系列降低成本/復雜性的創(chuàng )新優(yōu)化技術(shù)/手段，降低門(mén)檻，未來(lái)差異化競爭的結果是NLP大模型的進(jìn)一步更新升級。

降低成本/復雜性的創(chuàng )新優(yōu)化技術(shù)/手段

DeepSeek引入了創(chuàng )新性的多令牌預測（MTP）技術(shù)，對注意力模塊進(jìn)行了拓展，從而在模型訓練與推理過(guò)程中，于較低計算量條件下實(shí)現了性能的顯著(zhù)提升。團隊也采用了FP8精度進(jìn)行訓練，并成功構建了混合專(zhuān)家模型，通過(guò)高效的“門(mén)控網(wǎng)絡(luò )”實(shí)現令牌的路由，進(jìn)一步削減了推理成本。此外，其多頭潛在注意力機制（MLA）的創(chuàng )新，使得KV緩存需求大幅降低，極大程度上降低了硬件資源的消耗。DeepSeek在模型訓練中廣泛應用強化學(xué)習技術(shù)，通過(guò)試錯機制和環(huán)境反饋優(yōu)化模型的決策能力，特別是在推理和復雜問(wèn)題解決方面。DeepSeek還通過(guò)開(kāi)發(fā)內部工具生成訓練數據，并使用“蒸餾”技術(shù)（去噪、降維、提煉等）進(jìn)一步壓縮計算資源。DeepSeek憑借極具成本優(yōu)勢的架構，正在重新定義 AI 模型的研發(fā)與定價(jià)機制。

降低門(mén)檻

DeepSeek選擇將其技術(shù)開(kāi)源，包括代碼和模型權重。這種策略不僅降低了用戶(hù)進(jìn)入大模型領(lǐng)域的門(mén)檻，還吸引了全球開(kāi)發(fā)者社區的廣泛參與，通過(guò)開(kāi)源，DeepSeek加速了技術(shù)的迭代和生態(tài)系統的建設。另外，這也意味著(zhù)行業(yè)用戶(hù)可能不需要在基礎設施和硬件方面進(jìn)行大量投資，從而降低大模型的引入門(mén)檻。

差異化競爭帶來(lái)進(jìn)一步更新升級

經(jīng)過(guò)IDC分析師初步試驗，DeepSeek R1 在數學(xué)、推理、代碼任務(wù)上不乏優(yōu)勢，但其性能并非在所有任務(wù)及指標上均領(lǐng)先。從短期來(lái)看，未來(lái)無(wú)論是開(kāi)源還是商業(yè)的基礎大模型還會(huì )進(jìn)行進(jìn)一步的差異化競爭，國內外大模型的生成效果差距會(huì )趨于收斂。從長(cháng)期來(lái)看，NLP大模型會(huì )朝著(zhù)經(jīng)濟高效、上下文準確、高質(zhì)量、安全可靠演進(jìn)，技術(shù)供應商需要在成本、不同任務(wù)/應用領(lǐng)域的生成質(zhì)量、用戶(hù)體驗及安全性等多方面尋找產(chǎn)品差異化優(yōu)勢。

平臺層：多模型選擇、高效且可靠地部署方式是實(shí)現大模型商業(yè)化的基石

從2024年以來(lái)，隨著(zhù)大模型基礎能力的提升，以及應用形態(tài)的不斷創(chuàng )新，連接大模型和應用側的平臺產(chǎn)品演變出現了多種形式，預計未來(lái)大模型平臺會(huì )分化成底層平臺以及智能體開(kāi)發(fā)平臺等產(chǎn)品。平臺層產(chǎn)品往往跟模型層深度綁定，使得大模型更加易用、普惠。隨著(zhù)大模型的日益普及，平臺中多種模型選擇、如何將大模型高效且可靠地部署于生產(chǎn)環(huán)境，已成為當前備受矚目的核心議題。當前，全球技術(shù)供應商如英偉達、微軟、英特爾、AMD、AWS以及國內技術(shù)供應商如阿里云、百度智能云、華為云、騰訊云、火山引擎、京東云、天翼云、用友、360、云軸科技等已接入了DeepSeek模型。同時(shí)，大模型的部署過(guò)程需同時(shí)滿(mǎn)足高并發(fā)與低延遲的嚴苛要求，并需全面考量數據安全、隱私保障、資源彈性擴展以及系統維護等多重因素，DeepSeek推出了多種部署模式許可也挑戰了全球大模型技術(shù)提供商的主要商業(yè)化方法，目前推出的方式有云端部署、本地/內網(wǎng)部署、邊緣部署、混合部署、容器化/微服務(wù)部署，以及聯(lián)邦部署模式等。

基礎設施層：軟硬件協(xié)同創(chuàng )新

以往行業(yè)用戶(hù)依賴(lài)高端 GPU芯片進(jìn)行規?；柧毢屯评?，導致計算資源緊缺、成本高企。隨著(zhù)DeepSeek的推出，一方面引發(fā)大家對于算力的重新思考，當然另一方面也可能會(huì )驅動(dòng)更多企業(yè)部署AI進(jìn)而帶來(lái)算力市場(chǎng)增長(cháng)，而此功能的商業(yè)化將促使整個(gè)生態(tài)系統向硬件與軟件協(xié)同創(chuàng )新的模式轉型。

應用層：廣泛的應用場(chǎng)景，加速商業(yè)化落地

大模型的更新升級將有助于加速應用場(chǎng)景的創(chuàng )新及商業(yè)化落地，未來(lái)無(wú)論是像文案撰寫(xiě)和內容生成、在線(xiàn)會(huì )議總結、AI助手、搜索等面向個(gè)人生產(chǎn)效率提升的應用，還是面向客服、營(yíng)銷(xiāo)等水平業(yè)務(wù)職能的場(chǎng)景，亦或是行業(yè)特有場(chǎng)景的商業(yè)化落地都將會(huì )是今年市場(chǎng)關(guān)注的重點(diǎn)。

程蔭

IDC中國研究經(jīng)理

IDC中國研究經(jīng)理程蔭表示，DeepSeek引領(lǐng)基礎大模型開(kāi)啟另一開(kāi)發(fā)新范式——以一系列降低成本/復雜性的創(chuàng )新優(yōu)化技術(shù)/手段，降低門(mén)檻，未來(lái)差異化競爭的結果是NLP大模型的進(jìn)一步更新升級，軟件及硬件供應商應提供多模型選擇、高效且可靠地部署方式的大模型開(kāi)發(fā)平臺或應用開(kāi)發(fā)工具，并進(jìn)行軟硬件協(xié)同創(chuàng )新。2025年產(chǎn)業(yè)界也更加關(guān)注大模型和生成式AI的落地，整個(gè)生態(tài)系統應通力合作加速應用場(chǎng)景的創(chuàng )新及商業(yè)化。

如需進(jìn)一步了解AI研究相關(guān)的信息，請與IDC中國研究經(jīng)理程蔭或IDC中國研究總監盧言霞聯(lián)系。

免責聲明

本文中的內容和數據均來(lái)源于IDC所發(fā)布的報告，所有內容及數據均為我公司所有。未經(jīng)IDC書(shū)面許可，任何機構和個(gè)人不得以任何形式翻版、復制、刊登、發(fā)表或引用。