张景舒  九方智投旗下九方金融研究所博士后研究员

DeepSeek的开源策略正在重构AI产业的价值创造逻辑。当开源模型成为技术普惠的基础设施,行业竞争将从大模型通用能力比拼转向垂直场景的深度博弈。大模型开源显著降低了行业准入门槛,却同时导致了大量表层应用陷入同质化竞争的红海。因此,企业想要在DeepSeek生态的竞争中脱颖而出,需要在特定行业领域垂直深耕,充分发挥开源模型的优势,实现技术与业务的深度融合,将开源模型的通用“势能”转化为垂直领域的专属“动能”。

开源筑基:模型普惠化浪潮下的生态重构

DeepSeek-V3与DeepSeek-R1通过全栈创新实现了AI技术的降本增效。2025年1月20日,DeepSeek发布了R1系列模型,并同步开源其模型权重及架构,采用MIT开源协议,允许用户自由使用、修改和商用。DeepSeek的深度开源策略不仅释放了大模型的核心价值,还为推动AI技术的广泛普及提供了关键支持,使企业无需从零开始构建复杂的模型架构与算法体系,即可快速接入或部署DeepSeek,获取顶尖的AI能力。此外,DeepSeek还支持模型蒸馏,开发者可以将其推理能力迁移至更小型的模型,以满足特定应用场景的需求,真正实现"站在巨人肩膀上的创新"。

DeepSeek推动了大模型开源生态的构建,并引发了全球云服务商的积极响应。国内外云服务商基于DeepSeek开源体系打造出多元化服务形态,为企业和开发者提供便捷的AI应用服务。华为云与硅基流动联合推出昇腾云专属推理服务;腾讯云HAI实现了DeepSeek-R1在3分钟内极速部署;阿里云PAI Model Gallery提供了灵活计费的一键部署方案;京东云和字节跳动的火山引擎也推出了DeepSeek模型的便捷部署方案,为开发者提供灵活、高效的工具和平台。在全球范围内,AWS、微软Azure、英伟达和AMD等云服务平台纷纷支持DeepSeek-R1模型,为全球用户提供快速部署的解决方案。这些云服务商的迅速布局,不仅为企业提供了更加便捷的接入渠道,还有效降低了技术门槛,推动了AI技术的广泛应用与创新。

在普惠化生态支撑下,企业获得多维度的技术赋能路径。目前,企业主要通过调用API和本地化部署两种方式来使用DeepSeek。调用API是指企业通过云服务商提供的标准接口,直接访问DeepSeek的核心功能,如智能问答和逻辑推理等,开发者只需集成少量代码,无需深入了解模型的底层架构或复杂的计算资源管理。云服务商负责算力和运维,企业可专注于业务开发,避免了硬件和运维成本,显著降低技术门槛。本地部署是指企业将DeepSeek部署在自有服务器或私有云中,能够完全掌控数据处理和安全,并确保符合隐私与合规要求,但也需要企业负责维护。同时,本地化部署提供了技术自主性,企业可以根据自身需求定制模型结构和功能,优化其在特定业务场景中的表现。这两种模式形成了技术普惠的“双通道",既能满足企业轻量化应用需求,又可支持特定领域深度定制,推动大模型技术在各行各业的广泛落地与创新。

DeepSeek的开源浪潮不仅重塑了AI产业的技术架构,也推动了产业价值链的深度分工。尽管企业能够通过接入开源模型快速实现AI能力的应用,但如果仅停留在“即插即用”的层面,最终将面临同质化竞争的压力。因此,企业想要脱颖而出,需要将自身积累的领域知识、业务流程与组织智慧注入模型,最终锻造出具备行业专属价值的垂类大模型。

领域铸魂:垂直应用场景中的深度探索

当DeepSeek通过开源生态将大模型基础能力转化为行业基准设施,企业间的竞争从"技术有无"转向"价值密度"。在这场技术普惠化浪潮中,真正的胜出者将是那些能将模型能力与企业"基因密码"深度融合的先行者。目前,多家企业纷纷接入或部署DeepSeek,在汽车、医药等多个领域通过差异化技术路线与行业场景的深度融合展开深度探索。

多个车企与DeepSeek携手,共同打造智能化生态系统。自2025年2月6日,吉利汽车宣布自研星睿大模型与DeepSeek-R1深度融合后,岚图、比亚迪、东风等20多家车企纷纷接入、部署DeepSeek或完成与DeepSeek的深度融合。目前,多个车企利用DeepSeek在低成本推理和自然语言处理方面的优势,致力于在智能座舱和智能驾驶两大核心场景实现差异化应用,推动技术落地与创新。在智能座舱领域,DeepSeek的深度融合使车企能够构建更智能的人机交互系统。通过多模态感知技术,智能座舱能实时采集驾驶员的语音、面部表情和手势等信息,并结合DeepSeek强大的自然语言处理能力,精确理解驾驶员的意图。例如,广汽集团与DeepSeek的深度融合,将汽车从“响应指令的工具”升级为“预见需求的伙伴”,重新定义了智能座舱的交互体验。在智能驾驶领域,DeepSeek通过提升环境感知精度和决策规划能力,帮助自动驾驶系统更好地应对复杂路况,从而提高驾驶的安全性和可靠性。借助多模态数据融合,DeepSeek将视觉、文本、语音、激光雷达等多种传感器数据深度整合,形成全面的环境感知模型,使自动驾驶系统能够全方位理解所处的复杂环境。例如,自动驾驶系统能够实时理解交通管制、临时施工和异常天气等复杂情况的动态变化,并快速做出反应。

DeepSeek致力于推动AI医疗从实验室走向临床,探索重塑医疗行业的未来。目前,已有包括深圳大学附属华南医院、上海市第六人民医院在内的多家医疗机构试点接入或部署Deepseek,加速推进医疗智慧化进程。基于医疗场景的深度需求,目前行业聚焦临床决策智能化、药物研发加速化、健康管理主动化等大方向展开垂直深耕。在临床诊疗决策领域,DeepSeek将通过整合电子病历、影像学数据、基因检测报告等多模态信息,逐步构建动态诊断推理引擎,并努力实现与国际权威的、有证据支持的医学知识库的定期联动,辅助生成可解释的诊疗路径参考方案。例如,深圳大学附属华南医院试点采用DeepSeek辅助处理复杂病例。在药物研发领域,DeepSeek拟通过整合基因组数据、蛋白质结构信息、临床试验数据集等多模态数据,探索构建生成式分子设计优化平台。同时,将该平台与国际权威药物数据库及药理学知识图谱对接,进而提供有证据支持的研究框架,并致力于输出符合监管要求的候选药物化合物初步筛选建议,为药物研发提供可追溯的优化路径。例如,博济医药正在积极探索DeepSeek在新药研发中的应用前景。在主动健康管理方面,DeepSeek计划融合可穿戴设备、环境传感器与健康档案数据,试点构建个体健康数字镜像雏形,探索通过时序模型预测疾病恶化轨迹的可能性。例如,益健堂以DeepSeek-R1为引擎,推动健康管理从“以治疗为中心”向“以预防为中心”转型。

此外,在金融、教育等领域,DeepSeek同样展现出强劲的应用潜力,正在加速渗透行业核心场景。江苏银行通过本地化部署、微调DeepSeek-VL2多模态模型与DeepSeek-R1轻量推理模型,升级其“智慧小苏”服务平台。九方智投控股通过接入DeepSeek-R1,对智能投顾数字人"九哥"与股票投资对话助手"九方灵犀"进行系统升级,进而为投资者提供更专业、高效的投资决策服务。网易有道通过整合DeepSeek-R1的多步推理能力,优化其AI全科学习助手“有道小P”的个性化答疑功能。中公教育通过将DeepSeek融入其旗下的“云信”垂直大模型,优化AI 在多个核心业务场景的应用。

随着DeepSeek在各行业应用场景中的持续渗透,技术进步与产业需求呈现出相互促进的特征。这种技术融合加速了企业数字化转型的进程,其价值主要体现在生产流程的优化与商业模式的适应性调整。当前智能化发展呈现出从单一技术应用向系统性解决方案延伸的趋势,在此背景下,企业需要重点关注技术应用与业务场景的耦合强度、知识沉淀的系统性以及数据流动的增值路径等维度。在这些要素进行持续深耕,既为技术势能向业务价值的转化提供支撑,也为构建可持续的智能进化体系奠定必要基础。

数智赋能:数据沉淀与深度认知构建业务护城河

越来越多的企业将DeepSeek与自身业务场景相结合,应用方式也逐渐从将DeepSeek嵌入现有产品或平台直接使用,转变为深度集成DeepSeek到行业特定的工作流程中,或在DeepSeek大模型基础上进行微调,以适应行业特定需求或进一步优化性能。然而,面对相同的API和底层模型,企业的核心竞争力不仅在于技术的应用,更在于如何通过高质量的数据整合与深入的业务理解,构建起难以逾越的行业护城河。

高质量的数据资产是企业探索DeepSeek在垂直领域深耕的关键基础,其核心在于将企业特有的数据资源与大模型平台能力深度整合。企业在日常运营中积累的客户行为数据、生产流程记录、供应链信息等私有数据,蕴含了行业独特的运营规律和业务逻辑。当这些数据与DeepSeek的通用智能结合时,有望突破标准化模型的局限,在特定业务场景中实现精准的决策支持。实现这一目标,企业需要建立一套系统化的数据管理策略。首先,企业应围绕核心业务场景设定清晰的数据采集目标,并通过数字化系统、物联网设备等多渠道获取结构化数据,从而避免无目的的信息堆积。其次,企业需要建立标准化的数据清洗与标注流程,在确保隐私安全的前提下,利用智能工具提升数据质量。最后,企业应构建一个“数据—模型”双向驱动的闭环机制。具体而言,当模型应用于业务场景时,它能揭示数据中的不足,从而推动数据的定向优化与补充,进而形成持续改进的闭环。数据与模型的互动将为企业创造独特的价值,企业的数据为DeepSeek注入行业特定知识,推动通用模型向行业专用大模型演化;同时,模型的专业化也促进了数据体系的完善。通过这种动态协同,企业不仅能够更高效地发掘数据价值,还能在行业竞争中构建基于数据智能的差异化优势。

在数据要素构建的基础上,深度业务认知的系统化构建是企业打造差异化护城河的关键驱动力。业务认知的本质在于“质”的升华,即将分散在业务链条中的隐性经验、行业规律和动态洞察,转化为可编码、可迭代、可迁移、可复用的知识资产。为此,企业需要循序渐进地提升认知深度,并将其转化为核心竞争力。首先,企业应关注隐性知识的显性转化。这要求企业建立将长期积累的专家经验与具体业务场景深度融合的机制。例如,在复杂设备运维领域,操作人员的直觉判断应与传感器数据交叉验证,并通过特征分析提炼出可量化的故障诊断规则。其次,企业需要将对行业的深度理解转化为机器可执行的逻辑框架,实现业务机理的模型化表达。只有深入掌握业务本质规律,企业才能准确拆解复杂决策中的关键要素。以医疗领域为例,构建诊断模型不仅仅是录入医学条文进行模型调优,还要理解临床决策的底层逻辑,比如为何优先排查某些高风险疾病,如何根据检查结果动态调整治疗优先级等。最后,企业应构建认知与模型的共生系统,形成反馈闭环。模型输出的结果能够持续优化认知体系。当模型在业务场景中产生预测偏差时,需要通过归因分析识别传统经验中的认知盲区,进而触发知识库的定向更新。例如,在零售行业,若销量预测模型与传统经验产生偏差,企业应分析潜在因素,如消费行为变化、竞品策略调整等,并将这些新的市场规律转化为知识图谱的增量节点。

在DeepSeek引发的数智化转型的浪潮中,数据资产与业务认知的深度融合正在重塑企业竞争力边界。企业以业务场景为牵引,通过数据与认知的双轮驱动,将逐步形成包括行业规律总结、业务逻辑表达、决策范式迭代在内的完整体系,既能够指导数据价值的精准挖掘,又能通过持续加深业务认知在行业竞争中构筑起随时间增值的行业护城河。

当开源浪潮使技术褪去神秘感,DeepSeek生态的演进逐渐揭示了,通用智能的民主化只是起点,真正决定商业价值的,是企业通过结构化数据资产与领域知识融合,构建垂直场景认知体系的能力。这种从"技术平权"到"认知深耕"的范式迁移,或许正在勾勒出AI普惠更加本真的前景:让算法回归工具属性,将创新聚焦于产业需求。

九方金融研究所是九方智投控股(9636.HK)旗下品牌九方智投下设的金融研究机构。九方金融研究所以“聚焦金融、着力创新、引领行业、打造品牌”为指导方针,致力打造国内一流、特色鲜明的投资研究服务平台,为广大投资者提供长期稳定、成体系、可信赖的专业研究服务。研究所拥有超100人证券研究服务团队,研究范围涵盖宏观经济、行业公司、证券投资策略、指数与投资工具设计等领域。