DeepSeek的AI产业影响：所有人的游戏

发布日期： 2025-03-21 阅读量： 作者： 小编

从ChatGPT到DeepSeek，代表着AI产业在进入一个新阶段。不同的玩家是如何被影响的？这将给AI产业带来哪些冲击和机遇？

作者｜陈龙、郑凯文、士森

编辑｜常娜、韩哲力

▼

01丨 “忘掉七姐妹（Magnificent Seven）吧，现在属于中国十杰（Terrific Ten）”

这个夺人眼球的新闻标题，讲述的是 DeepSeek重塑了世界对中国AI 产业格局的想象力，从而改变了中国科技公司估值的故事。

在 DeepSeek-R1 走红后的一个多月里，全球资本市场中一个重要的新名词叫“中国十杰（Terrific Ten）”，说的是以阿里巴巴、腾讯等为代表的十家中国科技公司的组合，其自2024年初以来的回报率达到93%，轻松超过美国AI七大科技公司（“七姐妹”）的48%（见图1）。在企业基本面没有明显改变的情况下，中国科技公司的大部分涨幅发生在2025 年1月24日DeepSeek横空出世之后，而“美国七姐妹”的市值则在同期急转直下。

在此之前，没有人能想象到，中国科技公司会成为 2025 年的交易热点。就在半年以前还表达“中国市场不可长期投资”的华尔街投行，其态度发生了 180 度转变，喊出了“DeepSeek 是又一个‘阿里巴巴 IPO 时刻’（即在2014 年阿里巴巴上市后，中概股吸引了全球资本的长期流入）”、“中国科技交易将会是 2025 年的‘圣杯交易’（即无论市场环境如何，总是能产生盈利的交易）”。

更早，AI投资的“圣杯交易”就是美国“AI七姐妹”。

我们在前一篇研究《DeepSeek的中国式创新：新的AI经济学》中指出，科技革命并非以线性的方式，慢慢渗透入经济社会，而是通过现象级的产品，突然引发对产业的阶段性深刻改变。在过去两年多中，ChatGPT作为现象级产品，其对AI产业格局的影响，体现在美国科技公司集中受益，似乎与其他国家的科技公司关系不大。

DeepSeek成为继ChatGPT之后的第二个现象级产品，标志着AI产业发展进入了一个新阶段。“中国十杰”的新概念，中美科技公司股价的相背而行，其实都在表明，从资本市场到实体经济，游戏规则变了。

那么，在这个AI产业新阶段，不同的玩家是如何被影响的？这将给AI产业带来什么样的冲击和机遇？

在本篇文章中，我们首先提供一个思考框架，用以判断AI产业在这个发展新阶段的核心逻辑和特征。我们然后分别讨论对以下几类玩家的影响：以大模型、芯片、云计算为代表的AI供给侧，以及产业应用为代表的AI需求侧。

02丨从“智能三环”的视角理解AI产业发展的新阶段

要理解AI产业发展的趋势，我们首先需要定义什么是智能。在之前为溪商业洞察的AI系列文章中，我们曾定义过，所谓智能，指的是运用推理技术处理信息，在应用场景中产生价值。所以，智能在本质上可以被理解为“推理✖信息✖应用”（可称之为“智能三环”），在这个时代就是“大模型✖大数据✖场景”。

这个定义的美妙之处在于，它为理解AI 产业的玩家提供了一个供需视角：供给侧是提供推理能力的大模型、芯片、云计算等玩家；需求侧则是拥有数据、场景的应用方（见图 2）。

接下来，我们看一下智能产业的供需两侧是如何互动的。正如OpenAI 首席执行官 Sam Altman指出，AI成本正在以约每12个月下降10倍的速度迭代，这被称为AI的规模定律（scaling law）。规模定律描述的实际上是智能产业供需飞轮的迭代速度：成本的快速下降带来需求侧应用的普及，应用的普及又会进一步驱动企业更多投入，提升效率，降低成本，由此不断循环。

在ChatGPT阶段，AI的规模定律主要是美国的大科技公司在主导的。而DeepSeek通过在以下四个层面的突破，把规模定律由原来少数企业才能参加的“寡头规模定律”，变成了可以由大量玩家参与的“普惠规模定律”（inclusive scaling law），从而带来了AI产业发展的新阶段。

第一，技术透明：DeepSeek通过解密技术和代码开源，大幅度降低了全产业的技术方向探索和工程实现的试错成本。在全世界的顶尖AI 实验室尝试复现 OpenAI-o1却都不得其门而入时，DeepSeek通过发布一篇篇详尽的技术文档，解密了达到现阶段一流水平的预训练模型和推理模型的技术。DeepSeek不但公布技术细节，还直接提供代码和使用说明，从而大幅度降低工程实现的试错成本。就在2月的最后一周，DeepSeek用五天时间发布五个开源代码库，帮助所有人复现DeepSeek的成本效率。在整个开源周里，DeepSeek 带给全世界的可以说是“一本极度详细的英伟达GPU实操教科书”（如图 3）。其最终的效果，是在芯片性能落后数倍的情况下（英伟达上一代的中国特供版GPU H800，性能和H200有两代差距），实现了 3.8 倍于 H200 的推理速度，同时还有接近 85%的毛利率。也因此，不少人惊呼：“DeepSeek团队比英伟达更懂得如何使用 GPU。”

第二，成本普惠：DeepSeek的中国式创新，体现在最一流的大模型水平和最低的成本，这个梦幻组合从商业视角看是颠覆式的，必然催生指数级的需求扩张。一个或许可比的比喻是计算机： ChatGPT 阶段的AI更像IBM当年的大型计算机，因为成本高昂，以致于1943年时的IBM总裁托马斯·沃森说：“全世界最多只需要五台计算机。”而 DeepSeek之后的AI则更像个人电脑和互联网，因为训练成本大幅下降，以及使用成本极低，广泛的场景都可以接入AI，AI普惠由此开始。

第三，开源升级：中国的两家大模型企业，DeepSeek和通义千问，通过比OpenAI和Meta更加彻底的开源模式，正在做成“真正Open的AI”，会比以往更加推动智能的平权，带来行业进入门槛的下降，形成一个更多元、更分散的玩家生态。

其具体表现是，如图4，短短上线几个星期，在最大的开发者社区HuggingFace里，DeepSeek的受欢迎程度（点赞量）几乎以 90 度垂直向上增长，已经成为全球第一。同样，在Huggingface社区中，基于通义千问的衍生模型数量也位居全球第一；而且社区排名前十的开源大模型全部是基于通义千问。在企业侧，从芯片层的英伟达、AMD，到几乎所有的云计算公司，再到微信、Perplexity 等软件应用，以及华为手机、联想电脑这样的硬件终端，几乎每天就会看到某家公司宣布接入DeepSeek。

由于DeepSeek和通义千问的开源性，许多中国企业原本担心将数据发送到公有云上的API存在信息泄露风险。但现在，无论是政府、金融机构还是国有企业，都在大力部署私有化大模型，把开源大模型与本地数据相结合，这将给 AI产业中的玩家带来新的商业需求与机遇。

第四，推理透明：DeepSeek推出了全球第一个完整展示思维链的推理模型，打破了原来对大模型黑箱的困扰，可以大大增强使用者对大模型的信任，成为最好的应对模型“幻觉”的机制设计，尤其对信任有要求的场景，比如AI医疗等，会因此加速。

智能的信任机制的发展是非常有意思的。OpenAI更早推出GPT-o1的时候，因为竞争、安全等原因，只提供思维链的压缩总结版，并且还专门解释了为什么“隐蔽的思维链”是有意义的。DeepSeek则完整提供了思维链的过程。有人说，这其实是因为 DeepSeek 没有“认真”做产品，在没有做好充分的对齐就把产品发出来了，而OpenAI 更加规范。但两者用户增长曲线的对比足以说明，无论是否有意，设计一个信任机制，缓解用户对模型“幻觉”的担忧，这个机制不一定是多么先进的技术，而是更多的坦诚和透明，并且让用户知道大模型的推理和自己有什么不同。越是需要复杂思考的问题，对于推理过程的透明度的要求也就越高。但信任之外如何降低幻觉率，仍是其挑战。

我们现在可以总结DeepSeek做到了什么。在技术本身之外，它通过在技术透明、成本普惠、开源升级、推理透明四个方面不同以往的创新，大大降低了技术成本、使用成本和信任成本，从而改变了驱动规模定律背后的供需玩家和参与度。同时，AI产业会加速向产业应用过渡。

有意思的是，上面提到的四个创新，大部分和技术不直接相关，而是和DeepSeek的初心以及商业设计相关。试想如果DeepSeek只是自己研发出了赶上OpenAI的大模型，却像别的企业一样保密，其结果，必然既不会改变全球AI产业的状态，也不会改变自身的命运。DeepSeek的初心、对产业本质的理解和商业设计能力、以及和技术突破能力的结合，对其成功的重要性，是被低估的。

至此，AI产业在进入一个新阶段。

在余篇中，我们首先讨论这个新阶段对大模型、芯片和云计算等AI供给侧的影响，然后讨论对智能需求侧的改变和新趋势。

03丨给大模型产业带来的三个新趋势

在 ChatGPT 阶段，除了OpenAI，几乎所有叫大模型的公司几乎都过得“不太好”。最重要的挑战主要有两个：一方面，在模型性能上，即便不断能追上行业天花板，差异化也很小，又没有天花板的品牌心智。另一方面，在成本上，在需要大规模储备先进算力的同时，还面临疯狂的价格战。所以，很多当初以追逐 AGI 为目标而成立的大模型创业公司，都在事实上放弃了这个梦想。

DeepSeek改变了大模型的成本，实际上给了很多大模型企业新的生机，并在驱动一些重要趋势的发生。

第一个趋势是大模型普惠，即各种大模型企业都能以很低的成本追平行业天花板，“快思考基础大模型 + 慢思考推理大模型”会成为所有大模型公司的标配。

因为路径和实现成本大幅度下降，我们的判断是，如果原来基础大模型的能力能做到GPT4o的90%以上（如图6），各种大模型企业都可以在比较短的窗口期里做出自己版本的推理大模型，性能追上甚至在某些维度超越DeepSeek-R1和OpenAI-o1。事实上，在DeepSeek-R1发布后，已经有数家大模型公司发布了自己的推理大模型，包括月之暗面、百川智能、谷歌、Anthropic等。

之所以基础大模型和推理大模型都需要做，是因为推理大模型是基于基础大模型的，所以基础大模型决定了智能的上限（类似人类天生的IQ），同时推理大模型还可以反过来训练基础大模型。可以预期，在2025年内就能看到二者的融合发展，比如Claude4和GPT5。

因此，新阶段在大模型产业发生的第一个大的趋势，是基础大模型（快思考）和推理大模型（深度思考）能力在产业的拉平，以及两种大模型的融合发展。

第二个趋势，是开源打败闭源成为主导模式，并在此基础上和垂直产业结合。

开源模型战胜闭源，是一个里程碑式的胜利。用Meta首席科学家杨立昆的话说：“对于那些看到DeepSeek表现并认为中国在AI领域正超越美国的人而言，你的解读显然错了。正确解读应该是开源模型正超越闭源模型......DeepSeek从开放研究和开源获益良多，他们提出新想法，并从其他人的工作基础加以建构，每个人都能从中受益，这就是开放研究和开源的力量。”

开源模式不但更加符合“Open式AI”的初心，而且在表现不逊色的情况下，“更开源→更多用户参与→规模效应带来成本下降→更好的开源”已经成为具备可持续竞争力的商业模式。这会逼使最坚定的闭源模型拥护者们改变。Altman不得不承认：“OpenAI在开源问题上站在了历史错误的一边”，并在推特上发起了一次关于开源的公开投票：“OpenAI的下一个开源项目是o3-mini还是最好的端侧模型？”。曾经坚持“开源是智商税”的百度，在情人节当天宣布“数月内将推出文心大模型的最新版本，并于6月30日开源”。

如DeepSeek创始人梁文锋所说：“ 从长远来看，我们希望建立一个生态系统，让行业直接使用我们的技术和成果，其他公司基于我们的模型开发他们的 B2B/B2C服务，而我们专注于基础研究。如果产业链完整，我们无需亲自做应用。研究和创新将始终是我们的核心优先级。”梁文锋表述的是开源的商业逻辑。实际上，因为开源、透明、可信的生态战略，DeepSeek-R1正在快速成为世界级的大模型底座，全球最大的聊天机器人，以及有望成为AI搜索一个最有潜力的玩家。其商业设计在如此短期内达到的成功，在商业史上是罕见的。

第三，DeepSeek的一个重要启示是，智能不只是靠芯片的“大力出奇迹”来突破。在各种智能的环节，都存在大量的工程化创新的空间，做好了都可能是一次接近于DeepSeek级别的技术创新，带来类似效果的应用爆发。

借用 OpenAI 定义的“智能的五阶段”框架（如图7），当前我们正处于从智能的 L2（推理， Reasoning）走向 L3（智能体，Agent）的交汇处。要让 AI 真的成为能够完成复杂任务的智能体，帮人类完成从规划到执行的全过程，还需要如下的一些关键技术的创新。推理能力的平民化只是开始，但DeepSeek的经验告诉大家，这些方面都存在很多的“工程化创新空间”。

多模态的推理能力。即在语言之外，理解并生成其他模态信息的能力，它的终点或许就是李飞飞定义的“空间智能”。
‍
存储和记忆的能力。即如何以低成本实现近乎“无限记忆”的效果，而不是一个“左耳朵进右耳朵出”的智能体。
‍
持续学习的能力。即不再是训练完再拿来应用，而是在应用推理的同时，接收新的信息输入，并完成在线的学习，就像人类的搜索一样。
‍
复杂推理的能力。即推理能力的持续进阶，目前的 o1 和 R1，实际上仍然是仅局限于简单推理的场景之中。

因此，模型能力快速拉齐、开源模式主导、效率和能力结合的更多维度的创新，是三个正在发生，以及可以预见的大模型产业在新阶段的趋势。

04丨芯片产业格局的重塑

大模型成本降低了，将会如何改变芯片产业的格局？

第一个大的趋势，是需求赛道的扩张。就在DeepSeek爆火之后一周内，美国各家科技大厂都陆续公布了非常激进的资本开支计划，全部高于前一季度时的指引，而且都在业绩会中特别表达了对推理芯片旺盛需求的判断，包括（图8）：亚马逊资本开支1000 亿美元（同比增长+40%，下同）、微软800亿美元（+ 15%）、谷歌750亿美元（+ 50%）、Meta650 亿美元（+ 50%），整体超过3200亿美元，相对于在2024 年2460亿美元开支的基础上增长30%，相对于2023年的1510亿美元则暴增了111%。

换言之，虽然DeepSeek展示了要达到当下一流的大模型水平并不需要那么多芯片，但更加重要的效果，是因为大模型成本的大幅度下降，产业应用会有大幅度新增，从而带来对芯片的新增需求。这一现象正是经济学理论中的“杰文斯悖论”的体现。19世纪，杰文斯在研究蒸汽机时发现，当技术进步使得煤炭的使用效率提高、成本降低时，人们反而会消耗更多的煤炭。他指出，尽管技术进步减少了某种资源的单位使用量，但成本的降低会刺激需求的增加，从而导致资源的消耗速度不仅没有减缓，反而加快。

第二个大的趋势，是对芯片产业玩家格局的改变。

首先，英伟达应该仍然保持龙头老大的地位，但相对重要性则在下降。

从芯片性能看，英伟达仍然是最佳选择。就在刚刚过去的财报会后，英伟达公布了最新的“B200芯片+DeepSeek-R1”结合后的成果：与四周前的“H100 + DeepSeek-R1”组合相比，DeepSeek-R1的推理性能（每秒的吞吐量）提升了25倍，每个token的成本降低了20 倍。

但是，硬件的性能从来不是唯一的决定因素。非头部的硬件性能和挖掘芯片性能方法的结合，可以追平最顶尖的芯片，这是DeepSeek在其开源周带给我们的一个重要启示：H800芯片和开源周的五个代码库，代表了落后两代的芯片和工程创新的结合，DeepSeek展示出其在推理效率上可以追赶甚至超越最先进的芯片（见图9）。

所以，性能落后一代的硬件，如果配合一个可以帮助客户挖掘算力潜力的软件系统，是一种可能的追赶方式。这条路线的代表，就是GPU的追赶者AMD和部分如Groq的芯片初创企业。Groq在成立之初就确定了“编译器优先”的策略，即由官方提供一个帮助客户拆分计算任务、最大化并行计算的软件，提升推理效率。在DeepSeek之前，Groq就已经在Llama 2-70B推理任务中实现了较英伟达H100十倍的性能提升。

这意味着企业会越来越在意芯片的“质价比”。在ChatGPT阶段，英伟达是一家“双 90%”的公司：市占率达到了惊人的 90%，核心产品（H 系列GPU）的毛利率也达到了 90%（公司整体毛利率始终高于 60%）。在DeepSeek阶段，可以预期的是，英伟达每一个90%的表现都会遇到很多挑战。

其次，需求重心从训练到推理的转变，也会给其他芯片厂商带来机会。具体而言，GPU的根本架构缺陷在于计算和存储的分离，即每一次计算时，GPU都需要先把数据从存储模块中调用出来，算好了再放回去，大量的资源被耗费在这个频繁的数据“搬运”过程中。这源于GPU早期的核心场景是游戏显卡。

在基础大模型阶段，因为训练需求明确，GPU的这个缺陷可以通过一系列的规划（如数据的循环使用、异步预读取数据等方法）降低这个架构的影响。但到了推理为主的阶段，需求更加不确定而且小量，难以有计划地调用数据，这就带来更高的资源耗费和成本。也因此，亚马逊的总裁 Andy Jaasy 说：“我们在两个自有的 AI 助理业务（智能音箱 Alexa和智能电商助手 Refus）中得到的教训是，一旦开始大规模地应用推理，使用英伟达芯片的成本曲线就会突然变得陡峭。这也是为什么我们要发展自己的芯片的原因。”

也因此，大部分的竞争者都探索不同于GPU的架构，追求推理成本的下降。例如：

以“谷歌+博通、亚马逊+Marvel”等组合为代表的ASIC（Application Specific Integrated Circuit，定制化AI 芯片）路线。其核心思路是对内存、算子进行定制化的优化，可以理解为专为大模型推理计算设计的芯片。比如AWS的Trainium 2，可以比英伟达的H100更快速完成推理任务，且性价比提高30-40%。博通的CEO Hock Tan乐观地表示：“未来 50%的AI负载都会跑在ASIC上，所有云厂商内部自用的计算资源是100%的ASIC”。

以 D-Matrix为代表的芯片初创公司，其设计思路从一开始就是“存算一体”。比如 D-Matrix 提出的“存内计算”路线，推理效率（每秒 Token 吞吐量）是 H100 的 12 倍，同时每百万 Token 的成本仅为 H100 的 40%，且硬件部署的总成本和 H100 基本保持一致。

综上，我们可以看到一个新的芯片产业格局正在形成。首先，因为推理能力的平民化，带来“杰文斯悖论”，整体的需求总量翻了一个数量级；其次，在竞争格局上不会再是寡头垄断，而是多点开花，各种类型的玩家不再需要去追逐纯粹性能上的领先，而是可以通过硬软件的组合、架构设计和成本优势参与竞争。这些在带来芯片市场的整体繁荣，以及英伟达作为龙头企业的相对地位的下降（图10）。

05丨对云计算产业的影响：市场规模和定位的改变

云计算通过灵活调度算力，用计算中心替代企业IT，已经成为数字化商业基础设施的重要部分。

大模型能力的提升，不会替代云计算的这个作用，而是会改变云计算的市场规模，云计算自身的定位，以及云计算和智能的关系。

第一个改变和芯片类似，是扩大了云计算市场的规模，这是因为算力供给很多是通过云计算企业建立的数据中心完成的。如前所述，“推理”和“投资”是大部分云计算企业最近一次财报季中最重要的两个关键词。

第二个改变是，随着大模型能力的提升和普及，云计算企业需要调整自身的战略定位。我们可以用两个企业案例来说明：

第一个案例是微软：微软是一个围绕AI不断调整自身战略定位的极佳范本。

Vision和前瞻性投入：微软作为云计算产业的追赶者，是最早把智能作为未来战略方向的云计算企业，并提出了智能云的前瞻性概念。也因为这个vision，押注OpenAI，成为最受益的云计算企业。用纳德拉自己的话说：“对OpenAI的投资给微软带来了两年的先发优势，我们基本没有遇到任何竞争，再也不会有其他企业能获得这样的优势了”。
‍
ChatGPT阶段的智能云：在这个阶段的智能云，就是云计算和最领先的的大模型的独家绑定，围绕智能做云。因为和 OpenAI 的独家合作，行业老二的微软云得以借助最好的模型，带动企业客户的迁移和投入，比如Shopify、Stripe、Spotify这样的数字原生公司，都从谷歌云或AWS迁移到微软云中。
‍
在大模型普及背景下的智能云：这时大模型实际上已经不再是稀缺资源，就需要重新定义智能云，回归云计算的本质，围绕云做智能。首先是和独家大模型松绑。微软和OpenAI不再紧密绑定，在2025年初微软就提出了投资Anthropic的意向，并在DeepSeek走红后以最快的速度接入，比国内企业都早。其次是不再投入巨资追求最领先的大模型。纳德拉解释得非常清楚：“现实就是，网络效应最终是在应用层面产生的。既然如此，为什么还要在模型上投入巨资呢？”
‍
那么在这个阶段，除了和不同的大模型开放合作之外，智能战略的重心在哪里呢？纳德拉表示：“宣称达到了AGI的某个里程碑只是毫无意义的基准测试游戏，真正的赢家将是那些能充分运用这种普及化AI技术的广泛产业......那才是真正的里程碑。”也就是说，智能战略到了这个阶段的重点，是产业应用的价值创造。美国前十位的AI应用至少有一半都运行在微软云上，比如 ChatGPT、GitHub Copilot、Microsoft Copilot。微软的AI业务收入已经达到了 100 亿美元，是唯一敢于披露这项收入的科技公司，也无疑是最高的，表达出微软在这个阶段用价值实现来衡量AI成功度的清晰目标。这个状态，实际上和绝大部分企业所处的状态都决然不同。
‍
在产业应用上，微软找到的突破口是通用的AI工作助手，“在 1-2 年内，相比于ToC开放环境，企业环境中的AI Agent会大有可为，因为即使是GPT-4o模型（更不用说o1了）在函数调用方面也已经相当不错”。所以，微软要做的就是为这个工作助手打好更多基础，其2025 年的主题是三个方向：记忆、agent自身会使用的工具、权限管理，“把这三个要素做好，AI助手就会更容易管理，而且是可验证的，从而开启一个全新的自主工作时代”，此外，To B做好了显然也可以用到To C的应用里。
‍
相比在应用能力上的战略注意力，微软在算力储备上反而比别家保守。在谷歌、Meta、亚马逊都宣布了高达40%-50%同比增长的资本支出计划时，微软提出的是一个仅增长15%的支出计划，以及取消了两个数据中心的决定。用纳德拉的话说：“算力的过度建设一定会发生”，所以现阶段的策略是专注于“思考如何高效地利用现有设备，而不是一味地购买新设备”。
‍
总结来看，微软的智能战略经历了三个阶段。第一个阶段，作为云计算的追赶者，制定以智能为核心的战略，并押注OpenAI。第二个阶段，在OpenAI成功突破之后，通过把微软云和OpenAI独家绑定，带动追求智能的企业上云。到了第三个阶段，大模型正在普及，对大模型和算力本身的投入相对谨慎，把战略目标投入到ToB的agent，推动进入一个自主工作时代。微软智能战略的三个阶段是依据技术的成熟度和产业要素稀缺性而制定的，值得很多企业借鉴。

和微软相反，亚马逊的AWS是一个传统业务补课，直到新技术成熟普及的案例。

在ChatGPT阶段，作为最老从而惯性最大的云计算企业，AWS一方面需要补大模型的功课，一方面被迫容忍对手更快的增长。当世界都在调转船头走向智能云时，AWS 既没有OpenAI的独家合作，也没有谷歌自研的Gemini，一开始只能选择仓促地接入一些AI初创公司的模型以及推出自研的Titan模型，效果并不好，到了2023年9月才完成了对 Anthropic 的第一次投资，此时距离 ChatGPT 发布已经快要一周年。对AI的准备不足，导致了企业客户的迁移，在瑞银 2023 年底的一项调研中，在所有部署了AI工作负载的企业中，62%受访者表示使用的是微软云的服务，已经超过了AWS。落到数字上，就是当微软云和谷歌云都保持着30%甚至35%以上的营收增速时，AWS 的增速始终在20%以下，只能眼睁睁地看着市场份额下滑到 30%，甚至有可能丢掉云计算第一名的位置。到了被DeepSeek提速的大模型普及阶段，AWS在智能领域的落后状况得到了决定性转机。因为不同云平台之间的智能水平差距被极大地缩小，用顶尖模型带动云增长的方式不再是最强的引擎，更重要的是“如何帮助企业把推理和生成式AI注入到应用之中”。亚马逊就基于这个目标构建了一个新的定位：建立“全面的功能领导力（Functionality Leadership）”。这实际上是在说，AWS 要将自己在云计算时代建立的最完整的云服务基础设施和AI 结合起来。具体而言：

首先是研发更适合推理应用的芯片。目前，Anthropic、Databricks、Adobe、Poolside、Qualcomm 等公司都已经开始大规模应用亚马逊的Trainium芯片，性价比比英伟达的H100高出30%-40%；并且亚马逊在自研芯片上的技术积累显著领先于微软。

其次是围绕AI应用做好关键基础设施。AWS主要解决两个问题：一是如何便捷、安全地调用模型，对应的是结合了隐私保护设计的Bedrock平台，接入了包括 Claude、DeepSeek在内的100多个模型；二是如何让构建自己的模型和应用更加容易，也就是SageMake开发环境。亚马逊看到的是，要构建AI应用，不是自己做AI，而是解决好一些非AI的关键基础架构，比如存储、计算、数据库、分析，这是 AWS 积累了二十多年的强项。

最后是ToB的AI助手Amazon Q。在发布两年后，Amazon Q 也找到了两个真正能发挥价值的场景：一是和Anthropic的结合，带来最好的代码能力（超过 GPT）；二是智能上云，即用AI高效地从本地数据中心迁移到云。即使是亚马逊自己，因为这两个功能场景，也已经节省了 2.6 亿美元和 4500 个开发人员，同时将迁移的时间压缩了 50%以上。

这些逆境和追赶也反映在财报基本面上。从2021年到2023年初，美国三大云计算企业的增速都在放缓，表明云计算的边际价值创造正在放缓。到2023年中开始，受益于ChatGPT突破，微软云和谷歌云增速开始上扬，而AWS直到2024年初才开始明显上扬（图12）。可以预见，DeepSeek为大模型带来的普及会给AWS带来更多机遇。

我们花了很多时间讲微软云和AWS的案例，因为对照非常精彩。前者经历了用智能带动云计算业务，到战略重点迁徙到在云上发展智能业务的阶段。后者则经历了从智能补课，到在AI技术更可得的阶段，回归在云上做智能业务的阶段，可谓一赶一追，殊途同归。前者是智能的先行者，后者是追赶者。两者的机遇和对策，对中国企业如何制定智能战略，应该有很多的启发。

06丨应用层：“智能三环”的需求侧落地

如果说AI技术突破是这场革命的原因，那么应用侧的商业落地才是检验价值的试金石。这是一个激动人心、正在各行各业发生的现象。我们在这里尝试总结几个趋势：

第一，所有数字化信息丰富的应用场景，都有机会迎接，伴随智能模型效率提升的，场景自身的效率变革。

一个典型的例子是Meta。

在DeepSeek面世并显然成为开源模型的强大竞争者之后，以开源模型著称的 Meta并没有被重创，其股价反而实现了历史级的二十连涨（图13）。

为什么？ Meta 最核心的四大应用（Facebook、Instagram、WhatsApp、Messenger）的广告收入和利润已经连续多个季度实现了超预期增长。以刚刚过去的 2024年第四季度为例，从营收增长看，市场一致预期为17.8%，但 Meta 实际上做到了 21%；从营业利润看，市场一致预期为 253 亿美元，Meta 则交出了 283 亿美元的成绩单。

这个超预期的增长，是在Meta四大应用的用户数量没有显著增长的情况下（同比增长约5%），由广告效率的提升驱动了营收和利润的增长。Meta实际上在刻意控制广告负载率（即用户看到的广告数量）的增长，同比仅增长了 6%，几乎和用户数量的增长持平，而去年同期的水平则是 21%。所以，基本面超预期的真正驱动力，是平均广告单价的增长上升了 14%。它代表了 Meta 四大应用中的广告效率提升，所以有更多的商家愿意为此付费。

Meta是如何做到的呢？根本上是推荐系统因为AI变得更“聪明”了。传统的推荐系统，本质上是一种密集的搜索和匹配，即服务器中存储着大量的用户偏好数据和商品或信息数据，依赖超大规模的存储和计算来完成推荐。而Meta刚提出的“生成检索（Generative Retrieval）”改变了推荐的方法论，不再基于数据库，而是在推荐之前,先由AI预测用户的下一个问题和意图，避免了大量的存储和计算，将更多的算力资源运用到推理和记忆中，比如将用户过去的反馈转化为对其偏好的理解，并记住它。所以，信息处理效率的升级，让一个成本更低、但却更聪明、更个性化的推荐系统成为了可能。

这个案例的普遍启示是，通过对关键流程和方法论的改变，AI可以显著提升业务和组织效率。换言之，如果没有对关键流程和方法论的改变，AI带来的效率提升可能有限。

第二，DeepSeek的成本创新，让越来越多AI创新应用的商业可持续性成为可能，对于AI创业是很大的利好。

在 ChatGPT 阶段，AI 产业中最大的遗憾之一，或许是 Characater.ai（角色扮演对话类AI应用）被以 25 亿美元的价格出售。就在出售前夕（2024年7月），根据Sensor Tower的一项统计，Characater.ai的用户时长已经达到了TikTok的近80%，相当于每个用户每天在Characater.ai上要花费接近一个小时的时间。相比之下，ChatGPT 的时长仅为它的 6%（图15）。

如此高的用户粘性，Characater.ai却还要卖身，最重要原因就在于算不过账来。在DeepSeek之前，用户时长越长，往往意味着推理成本以更快的速度上升，应用的玩家就越算不过来账（类似前述的亚马逊的体验）。有一段时间，Characater.ai 甚至只能采取一些下下策，比如拼命地压缩模型的大小，带来体验的下降，比如有用户反馈“明显感受到模型变笨了”，实际上是没有能量烧脑。最终，Characater.ai 也不得不卖身谷歌。

类似的烦恼也出现在AI游戏公司中：用户越喜欢，玩的时间越长，反而越难以承受。一款AI叙事游戏“1001night”就曾因为高额的模型成本（每位玩家每通关一次，开发者就要付出的1块钱的成本，这个游戏一共有超过200个关卡），不得不给玩家设置了每天可游玩的额度上限。这对于做出了好产品的公司来说，绝对是一件非常痛苦的事情。

DeepSeek的出现根本性地解决了这个成本问题。3D AI乙游“如意情探”的开发者说：“DeepSeek现在的调用成本大概是我们之前使用模型成本的1/20”、“现在，我们基本不用考虑成本了。而且R1的推理能力和交互能力都很强。”

第三，随着推理能力的提升，AI产品的形态正在发生根本创新，真正从APP走向 Agent。即推理能力和其他维度的技术创新（比如记忆、工具使用）的结合，让AI可以真正自主调用各种技能，解决完整的复杂任务，让AI进入 L3阶段。

在C端，最快落地的场景很可能是“搜索Agent”。

仔细回想一下，因为推理能力的提升，以DeepSeek、o3-mini为代表的新一代聊天机器人，其实已经显著区别于上一代以 ChatGPT、豆包为代表的聊天机器人，最大的差别在于，这一代的聊天机器人是由“推理 + 联网搜索”组合而成的，这两个维度在体验上显著区别于单一的预训练生成式。这意味着，AI 已经可以基于用户的输入（往往是一个问题），通过构建思维链去处理多步骤的任务，以及在这个过程里使用搜索这样的工具。

也因此，所有做搜索的玩家开始拥抱Agent。从2024年12月开始到今年2月，谷歌、OpenAI、Perplexity全都发布了一款名叫“Deep Research（深度研究）”的AI 应用，连名字都一模一样。其核心功能也很相似，几乎就是一个会思考、会使用搜索工具、会总结的 AI 助手。实际上，聊天机器人本质上就是AI搜素。

以OpenAI的Deep Research为例，当用户提出问题后，Agent 会生成一个思维导图的大纲，并通过自问自答的方式模拟抛出问题、讨论问题、解决问题的过程，如果遇到无法解答的问题，模型会使用搜索工具，必要时编写python代码等方式来解题。最后，Agent会按照一定的行文规范来生成一份完整的报告（如列出明确的引用出处等）。目前Deep Research在一些发散性的问题中仍然表现不稳定，但已经是一个完整的“Agent 雏形”，也是最有希望在C端最快落地的Agent。

AI搜索已经在发起对传统搜索的有力挑战。以AI初创公司Perplexity为例，从用户使用量看，2024年8月，Perplexity 披露了一个重要的数字：这款 AI 搜索引擎现在一个月就要回答超过25亿个问题，而2023年全年只有50亿次查询；虽然这个数字距离谷歌 1050 亿次的月查询量还很远，但已经是一个重要的玩家，而且增速极快。从商业模式看，从2024年下半年开始，ChatGPT和Perplexity实际上都已经在试水广告模式，通过问答的形式直接连接商品、服务等，甚至成为新的电商渠道。同样是 Perplexity，2024年初时预期的年化收入约500万美元，而到了2024年中已经达到3500万美元，在可见的未来，广告一定会超过订阅成为主要收入。

在中国，如其名字所暗示，DeepSeek正在成为AI搜索的强大入局者。此外，AI搜索的形态更加多样。比如最新的微信AI 搜索功能。通过接入DeepSeek-R1，结合微信公众号等公域优质数据，以及一定的拖拉拽形式的产品（如ima知识库），这样一个轻量化的技术和产品组合，已经带给了微信用户很大的想象力。

在B端，很有希望的则是“代码Agent”。

在推理大模型出现之前，以Github Copilot为代表的代码助手，已经吸引了超过200万的付费用户，是聊天机器人之外最成功的AI应用之一。但这一类助手的问题是，从实际效果看，其代码验收率其实不到 40%，很可能用几十秒生成了一段代码，但仍然需要几个小时来调对。

但在推理能力提升后，结合一些搜索工具，代码Agent完全有可能独立、高效地处理一个多步骤的复杂代码任务。

以明星初创公司Cursor为例，在DeepSeek走红之前，它已经在用户意图处理上做出了很强的差异化，定位于“最好的代码补全能力”，在几乎被 Github 统治的领域里，做成了一家 26 亿美元的独角兽。DeepSeek走红之后，Cursor迅速接入了其基础大模型和推理大模型，刚刚推出的Agent显然会因为一流推理模型的助力进一步加强（过去的底层模型主要是顶尖的基础大模型Claude），包括用户意图的推理能力、多步骤代码任务的处理能力。尤其重要的是，在性能提升的同时，成本增长幅度不大。

第四，DeepSeek的创新，降低了先进模型对算力的要求，在端侧跑一个足够小、同时足够好用的小模型，越来越成为一种可能。也因此，很多人也将“DeepSeek时刻”称为“端侧的拐点”。

端侧的一个重要代表是苹果。从2024年开始，苹果展现的就是一条从硬件侧拥抱 AI 的路线：在去年最新一代的手机升级中，最重要的就是一个可以支撑30亿参数模型的芯片组合（8GB的运行内存和A18芯片的结合），也就是目前的 Apple Intelligence。而DeepSeek的突破，恰恰让30亿参数的推理小模型越来越接近现实。今年3月5日，苹果的高端型号搭载了M3 Ultra芯片，这意味着在本地运行DeepSeek-R1的满血版成为可能。从资本市场的反应看，当另外两家大科技公司（英伟达和微软）都受到挑战跌破3万亿美元时，苹果仍然平稳，以3.5万亿美元市值占据全球第一。

在电脑和手机之外，AI 眼镜也可能是很大的受益端。扎克伯格说：“2025年将是一个决定性的年份，我们将看到全世界是否能够走上一条通向数亿甚至数十亿AI眼镜用户的道路，使眼镜成为下一代计算平台。”据悉，Meta Rayben的全年出货量已经超过 200 万台。在刚刚结束的CES （美国国际消费电子产品展览会，被国内粉丝称为“科技春晚”）上，就有近 50 家AI眼镜公司，其中中国玩家至少有 14 个，一场“百镜大战”也极有可能因为DeepSeek的突破加速了。

第五，DeepSeek突破了原有的AI扩散路径，让AI和全球化的结合成为新的大赛道。

拜登在卸任前留下的最后一份重磅文件是《人工智能扩散出口管制框架（The Export Control Framework for AI Diffusion）》，其核心原则是通过对先进芯片、先进模型权重的出口管制，保持美国在AI产业中的领导地位，掐住中国等“禁运国家”的AI发展。

开源的DeepSeek的崛起，推动了AI大模型在全球的平权，让AI和全球化的结合成为新的大赛道。对中国企业而言，中国制造、全球化和AI三者的结合，将成为更大的竞争优势。

根据为溪的谈访调研显示，随着DeepSeek的出现，许多国家开始主动找中国企业，希望其能够利用他们的显卡，为他们训练出符合当地宗教信仰、文化和语言的主权人工智能。不少海外客户开始用中国大模型的API去平替OpenAI的API。另外，之前中国芯片公司机会不多，很多国外企业不愿意做适配，只想跟着美国走。但现在大概有20多家国产芯片公司都能适配起来了，这样肯定会有大批芯片公司快速成长起来，价格也会进一步降下来。

AI和全球化的结合已经成为“必争之地”。就在DeepSeek走红后，OpenAI首席执行官Altman从2月3日起启动了一次对亚洲的“旋风式访问”（包括日本、韩国、印度等）。从结果看，这一次的访问目的就是通过与本地应用的深度合作，得到本地政府、本地 AI 产业链对 OpenAI 的支持，推动OpenAI的全球化。其标准动作是，Altman每到一个地方，都会与当地的政府高层讨论本国的 AI 应用，宣布与一家实力雄厚的本地应用合作，同时与本地的芯片等产业链公司展开合作讨论。

与此同时，可以预期美国会设定更严格的芯片出口规则和更严格的出口转运监管。2025年2月，在参议院的人事听证会上，特朗普提名的商务部长霍华德·卢特尼克(Howard Lutnick)已经提出“英伟达的芯片驱动了DeepSeek，这必须叫停”。

美国对芯片更加严格的管制，其效果可能有限，甚至是存疑的。这是因为随着AI产业到了一个非头部芯片可以支持一流大模型应用的阶段，一个非头部芯片的规模定律（scaling law）也会发生作用，从而让非头部芯片越来越有竞争力。这是英伟达非常担心的问题。用其自己的话说：“H20 的性能大约比最新的Blackwell低25倍，如果再低，就真的会很困难，因为这涉及到中国的竞争。”H20的性能已经低于中国自己能生产的芯片水平，如果再被禁止，实际上会催生中国自研芯片的繁荣。所以新阶段带来的另外一个结果，是美国在芯片限制政策上的两难。

07丨 AI新阶段给资本市场带来的新故事

资本市场对于AI新阶段显然是最敏感的，这里可以看到两个趋势。

首先，“中国十杰”概念的提出，以及对中国科技公司的关注表明，全球资本市场已经意识到，在这个AI产业新阶段，尤其在中国，会出现很多不同于美国“AI七姐妹”的现象级的AI驱动的企业。这既是实体经济的机遇，也是资本市场的机遇。越来越多的人在问：这个新阶段的赛道有多大？中国的“AI七姐妹”到底是谁？第一家突破万亿美元的中国科技公司是谁？

这意味着，无论中美，也无论是不是科技公司，会有越来越多的企业，向资本市场讲述自身和AI结合的新故事。这个现象已经在最新一个季度的财报电话会议中体现。根据摩根士丹利策略师Michael Wilson的分析的统计，本季财报会中提及AI应用的次数达到了历史新高。

回到智能的定义，越是数字化数据和场景丰富的企业，也就越是AI应用需求越大的企业，拥抱AI的潜力就越大。这其中既包括原来的互联网场景大厂，也包括例如：做了3-5年以上的有海量数据的企业；传统企业数字化转型3-5年以上、且有不少数据的企业；天生依赖数据、场景也多的金融公司；以及能够不断沉淀数据的硬件终端公司。

其次，资本市场会越来越关注“故事”和企业基本面的耦合度。即AI要能表现到基本面中，“AI含量”会成为未来资本市场最主要的一个考量标准。

很多人以为同样靓丽的美国AI七姐妹就是很好的例子（图16）。从2025年年初至今，“七姐妹”整体已经跌去了近10%，成为标普 500 指数中最重要的拖累（除去“七姐妹”的 493 家公司仍然实现了近 5%的上涨）。而里面唯一正增长的公司是Meta，年初至今仍然上涨了近10%，Meta和其他六姐妹最重要的区别，就在于连续超预期的营收增长和利润增长。反观下跌幅度最大的特斯拉（-30%+），刚刚交出了一份被称为“灾难级”的财报，包括史上首次全年汽车交付量的同比下滑，和历史新低的毛利率水平。在这个背景下，即使马斯克在业绩会中花了 70%的时间谈论自动驾驶、人形机器人的未来，也仍然无济于事。

另一个例子是 Palantir，这家公司是2024 年标普500 中涨幅最高的公司（+283%），2025 年至今在此基础又上涨了近 20%。这家AI数据分析平台公司在去年第四季度交付了一个让投资者满意的成绩单，比如超过 40%的客户数同比增长，以及超过 120%的客户留存率（即不仅百分百续费，而且支出同比增加 20%）。

所以，讲一个动人的AI故事是重要的，但更重要的是兑现这个故事。

结语

AI产业在因为DeepSeek进入一个新阶段。我们想通过这篇很长的文章，总结一下对AI产业供给侧和应用需求侧的影响，判断趋势。其中也包括了很多技术的细节、商业的取舍。科技对商业的影响，就是这样发生的。

以下是一些或许值得带走的思考和洞见：

科技革命并非线性地慢慢渗透入经济社会，而是通过现象级的产品，突然引发对产业的阶段性深刻改变。
在过去两年多中，ChatGPT作为第一个现象级产品，其对AI产业格局的影响，具备鲜明的美国科技公司主导的寡头和地域优先特征。
DeepSeek成为继ChatGPT之后的第二个现象级产品，标志着AI产业发展进入了一个新阶段。在技术创新之外，DeepSeek通过在技术透明、成本普惠、开源升级、推理透明四个方面不同以往的创新，大大降低了技术成本、使用成本和信任成本，从而改变了玩家数量和参与度。一方面，由少数寡头主导的规模定律会变成更普惠的规律定律（inclusive scaling law）；另一方面，AI产业的重心会加速向产业应用过渡。DeepSeek的初心、对产业本质的理解和商业设计能力、以及和技术突破能力的结合，对其成功的重要性，是被低估的。
‍

在这个AI新阶段，有一些特征和可以预判的趋势：

一个更大的市场和更多的玩家：这条规律对于 AI 产业链的每个环节都适用。
更大的赛道，带来了对智能的供给侧，包括芯片、云计算和大模型企业，在位者的冲击，和追赶者的机会。DeepSeek的逆袭固然惊艳，Meta的归来、微软和亚马逊的一赶一追，都是非常好的AI战略案例。
‍

可能更值得期待的是应用需求侧的一些趋势：

第一，所有数字化信息丰富的应用场景，都有机会迎接因为AI能力提升带来的，场景自身的效率变革。但这种变革往往需要对关键流程和方法论做出创新。
第二，大模型成本大幅度下降，让越来越多的AI创新应用的商业可持续性成为可能，对于AI创业是很大的利好。
第三，随着推理能力的提升，AI产品的形态正在发生根本创新，从APP走向 Agent，让AI可以自主调用各种技能，解决完整的复杂任务，进入 L3阶段。
第四，因为降低了先进模型对算力的要求，在例如手机、眼镜这样的端侧跑一个足够小、同时足够好用的小模型，越来越成为一种可能。也因此，很多人也将“DeepSeek时刻”称为“端侧的拐点”。
第五，DeepSeek突破了原有的AI扩散路径，让AI和全球化的结合成为新的大赛道。对中国企业而言，中国制造、AI和全球化的结合，是很长的赛道。

最后，全球资本市场已经意识到，在AI产业新阶段，尤其在中国，会出现很多不同于美国“AI七姐妹”的现象级的AI驱动的企业。这既是实体经济的机遇，也是资本市场的机遇。

越来越多的人在问：这个新阶段的赛道有多大？中国的“AI七姐妹”到底是谁？第一家突破万亿美元的中国科技公司是谁？

同时，资本市场会越来越关注“故事”和企业基本面的耦合度，即AI要能表现到基本面中，“AI含量”会成为未来资本市场的一个核心考量标准。

讲一个动人的AI故事是重要的，但更重要的是兑现这个故事。

互动

你看好哪家中国AI企业？留言聊聊你的“Top Pick”！

上一篇: 教师必看！DeepSeek超全使用指南

下一篇: 深度：DeepSeek会取代文学创作吗？

DeepSeek的AI产业影响：所有人的游戏

随便看看