自2025年1月起，深度求索公司推出的AI创企深搜(DepthSearch)大模型在市场内引起了高度关注。该企业现已发布三款深度学习型大模型：基于深度求索V3的基座模型DeepSeek、推理模型R1以及多模态模型JanusPro。这些模型使用了一系列改进算法和优化技术，促使人们对如何最大化性能与产业链升级之间的关系进行了重新考量。

中国大模型/生成式AI市场的兴起在行业内引起了广泛关注，从供应商到基础设施和平台公司都受到了影响。国际数据公司（IDC）最近发布的一份报告《IDC Market Glance: 2025年中国市场大模型/生成式AI市场概览》表明，在产业链中，以下几部分构成了AI生态系统：基础层、模型层、平台层、应用层和公共服务。

从DeekSeek爆红背后分析看，大型预训练语言模型或生成性AI市场的生态系统将面临怎样的潜在影响？基于此，国际数据研究机构IDC对其做出了总结。主要目的是向科技供应方及行业用户们提供参考：

该段落提及到的最新模型框架，已开启了另一种新的演进方式，那就是通过采用一系列简化成本和复杂的创新技术和工具，从而让NLP等大型语言处理系统在未来的竞争中具有更大的竞争力。

降低成本/复杂性的创新优化技术：DeepSeek引入了创新性多令牌预测(MTP)技术和对注意力模块的扩展，通过在训练和推理过程中于较低计算量条件下显著提升模型性能，从而实现了成本和效率的有效平衡。团队采用了FP8精度进行训练，并构建了混合专家模型，利用高效的“门控网络”实现令牌路由优化，进一步降低推理成本。 此外，私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596其多头潜在注意力机制(MLA)的引入也大大降低了对KV缓存的需求，有效节省硬件资源。DeepSeek广泛应用于强化学习技术中，在试错和反馈优化决策能力方面具有优势，在模型训练和推理过程中均展现了显著效果。 DeepSeek通过内置生成工具收集并压缩计算资源，进一步提高了研发与定价机制的有效性。该技术架构因其显著的成本效益正在改变AI模型的研发与定价体系。

降低门槛：DeepSeek已决定将其核心技术向公众开放，包括源代码及模型权重。这策略不仅降低了用户进入大型机器学习（AI）工具的门槛，而且还吸引着全球开发者社群积极参与到开源项目中来。通过公开参与，DeepSeek能够加速技术演进并促进生态系统的建设。另外，这也意味着行业用户可以在不投入大量基础设施和硬件的前提下，引入大模型。

差异化竞争促使大模型产生进一步更新升级：经过IDC分析师初步测试，DeepSeek R1在数学推理代码任务上表现不错，在这些领域并不占绝对优势，但与开源商业基础大模型相比，它的性能仍有差距。从短期内来看，大模型的生成效果会继续有差异，不过开源和商用基础大模型之间的差距将会缩小；长期看，人工智能（NLP）的大模型将在成本、任务质量、用户体验及安全上做出调整演进，供应商需要私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596在这些方面寻找差异化优势来赢得市场。

平台层面：多样化的模型选择，以及高效且可靠的部署方式是实现大型模型商业化的关键。

自2024年以来随着基础能力的不断提升以及应用形态不断创新连接大模型和应用场景之间的平台产品呈现出多样化趋势预计未来大模型会分化为底层平台和智能体开发平台等产品平台层的产品往往深度绑定于模型层使得大模型更加友好、普惠化随着大模型日益普及平台中如何满足多种模型选择高效部署于生产环境成为当前焦点目前全球供应商如英伟达微软英特尔AMDAWS及国内企业阿里云百度智能云华为云腾讯云京东云天翼云用友360云轴科技等已接入DeepSeek模型同时部署大模型需考量高并发低延迟数据安全、隐私保障资源弹性扩展以及系统维护等因素DeepSeek提出了多种许可模式挑战全球大模型技术提供商主要商业化方法目前提供的方式有云端部署本地内网边缘混合容器化微服务联邦部署模式等。

基础设施层：硬件软件协同创新发展

以往行业用户依赖于高端GPU芯片来进行大规模训练和推理的工作量，导致计算资源短缺成本高昂。但是随着DeepSeek的推出，已经引起了人们对于算力重新思考的想法，当然也会导致更多企业部署AI从而产生算力市场增长的机会，而这个功能商业化后也可能会促使整个生态体系向硬件与软件协同创新模式转变。

应用层：广泛的使用场景和加速的商业实施。

大型模型的持续升级更新有望推动应用领域的发展。未来除了文案撰写和内容创作、在线会议总结及AI助手外，在线客服、客户服务、营销等业务部门也会受到关注，尤其是在面向个人的生产力提升以及专业领域的商业落地方面会是2023年市场的主要驱动力

IDC中国研究经理程荫认为，DeepSeek引领基础大模型开启新发展范例——通过一系列降低成本、简化复杂性优化技术与手段，降低门槛，未来差异化竞争结果是NLP大模型升级更新，软件和硬件供应商应提供多样选择的大模型开发平台及高效可靠的应用开发工具，并进行软硬件协同创新。预计到2025年业界更重视基础大模型及生成式AI的落地应用，整个生态系统需要合作加速应用场景创新与商业化进程。