2025年DeepSeek将如何改变AI应用？

Big Picture：从基础模型的能力上限 和应用成本谈起

应用的分析框架：能力上限与应用成本共同决定应用场景

AI随模型能力的提升和应用成本的降低，共同解锁更多应用场景。

能力上限之一：DeepSeek系列模型拥有比肩GPT-4o、Claude3.5和o1的能力

DeepSeek V3再次展现出能力上限突破，在MMLU、MATH 500等任务中均表现除了优于GPT-4o和Claude-3.5-Sonnet 的SOTA能力。其发布的推理模型DeepSeek-R1在数学、编程等推理任务中接近或达到了o1的水平。

能力上限之二：后训练阶段大规模应用强化学习，表现推理能力扩展

DeepSeek模型在Post-Train阶段大规模应用了强化学习方法。R1使用了冷启动微调+强化学习方法，R1-Zero版本模型 使用纯强化学习方法。随训练过程推进，模型展现出了推理能力的扩展（高准确率和long-CoT能力涌现等）。

RL下模型展现出了自主开发先进问题解决策略的行为：1）模型表现出了“Aha moment”，突然学会更有效的推理方 式，也增加了推理复杂度；2）模型在训练过程中出现了Reflection能力，能够重新评估初始方法来学习为问题分配更 多的思考时间。虽然应用纯强化学习方法的R1-Zero在稳定性、可读性上仍有差距（存在多语言混杂生成现象），但 Aha Moment、Reflection等能力的出现展现出了纯强化学习方法的巨大潜力。

能力上限之三：开源Janus-Pro模型，图像生成和多模态理解能力大幅提升

Janus-Pro 结合了优化的训练策略，扩展了训练数据集和模型规模。通过这些改进，Janus-Pro 在多模态理解和文本到 图像的指令跟踪功能方面都取得了重大进步，同时还增强了文本到图像生成的稳定性。 作为在GenEval等评测中超越DALL-E 3和Stable Diffusion 3-Medium的开源模型，Janus-Pro也展现出了更多应用潜力。

应用成本之一：极致优化的工程化方法，大幅降低训推成本

DeepSeek在训练阶段采用了多种方法降低训练成本，并保证模型的良好表现。1）冷启动：构建并收集少量 LongCoT 数据来微调模型，而非单纯运用大规模RLHF或RL，很好地平衡了性能和成本；2）MLA（多头潜在注意力机制） 的优化：降低了键值量缓存需求，减少算力压力；后续的ALFS（无辅助损失负载均衡策略）方法：能让MoE的专家 在偏好值和工作量上达成平衡状态，当负载比较大的时候能够转移到其他专家上，加强了模型整体性能的负载均衡与 稳定性。

应用成本之二：低推理成本+开源，api成本仅为o1几十分之一

对V3进行蒸馏的R1在数学、代码能力上再次显著提升。MoE架构的R1模型共有671B规模，激活后的参数量为37B， 部署时能够大大节省推理成本。  DeepSeek开源了模型，API的调用价格也大幅低于OpenAI。以Output API价格为例，DeepSeek-R1大约是OpenAI的 3.7%。以R1为代表的优秀开源模型的能力也离闭源模型越来越近。

应用成本之三：蒸馏小型模型展现Test-time Scaling，有极高应用潜力

通过将DeepSeek-R1的推理能力蒸馏到更小的模型中，较小的模型也能具备强大的推理能力。DeepSeek开源了从15 亿 到700亿参数的R1蒸馏版本。这些模型基于Qwen和Llama等架构蒸馏，表明复杂的推理能力可以被封装在更小、更高效 的模型中。从论文结论看，蒸馏比单独依赖强化学习训练更为高效，且蒸馏与强化学习的结合可以进一步提升模型性能。 2025年2月，科学家李飞飞团队带领以不到50美元的费用训练了一个能力比肩DeepSeek-R1的s1模型，也展现了蒸馏模 型应用的更多应用潜力。

应用场景：通用+行业场景不断解锁， 关注B端SaaS落地+AI安全

理解应用层公司的价值创造：取代人力，瞄向万亿级别的服务市场

应用层AI公司不仅是基础模型之上的前端界面，而是拥有复杂的认知架构的应用产品。通常包括多个基础模型，上面 有某种路由机制，用于检索增强生成（RAG）的向量和 / 或图数据库，合规性和安全性防护手段，以及模仿人类在工 作流程中进行推理思考方式的应用逻辑。  借助Agent，应用层软件公司能够将服务转化为软件（Service-as-a-Software）。这意味着应用的目标市场不是软件 市场，而是以万亿美元计的服务市场。而随着基础模型推理成本快速下降和性能提升，这种应用的价值创造增速将远 超传统软件模式。

通用场景之一：生产力工具对应生成能力，AI加速渗透

生产力工具能够较好嵌入和应用大模型的生成能力，将最先受益于模型能力上限提升和成本下降。如以Office 365 Copilot、WPS AI为代表的AI+办公软件和以Midjourney、Sora为代表的多模态生成模型正在加速渗透。据智联招聘调 研，2025年春招首周约60%职场人已经在工作中使用AI工具，明显高于去年同期的44%。

通用场景之二：AI Coding大幅提升编程效率，用户数快速上升

Cursor是AI驱动的代码编辑器，能够无缝与VS Code集成。通过先提供新用户2000次代码免费生成功能，再转化付费的方式， 目前Cursor已经拥有超过36万名个人开发者。个人用户每月支付20-40美元，平均合同价值为276美元，ARR从$1M到$100M仅 用了不到两年时间。  Github Copilot发布以来，帮助开发人员将Coding速度提高55%。随用户数超过1.5亿，GitHub也宣布将开设免费的GitHub Copilot服务，并将服务集成到了新版的VS Code中。新用户也可拥有每月2000 次代码补全和50条聊天消息的免费额度。

通用场景之三：AI搜索以Overviews形式落地，Perplexity AI等SaaS公司崛起

AI搜索已经能够为用户提供精确的信息来源，大幅提升搜索效率。Google等搜索引擎提供了AI Overviews功能，通过 综合来自多个来源的信息以提供更全面的摘要。这种方法让用户更广泛地了解搜索结果，无需点击多个链接。AI搜索 公司Perplexity以对话形式为用户提供搜索的答案，每月处理约4亿次搜索查询。公司估值实现了24年初的5.2亿美元到 年底90亿美元的快速增长。 AI搜索也将赋能私域数据搜索。据Hebbia，Google仅索引了全球4%的数据。大部分的私有数据，如企业ERP、CRM 或者OA系统中的各种数据未得到充分利用。

通用场景之四：AI营销重构传统营销模式，降本增效潜力初显

AI营销通过数据智能、自动化和个性化技术，正在重构传统营销模式，成为企业降本增效、提升客户体验的核心工具。 IDC预计GenAI在未来五年内将营销生产力提高40%以上的潜力。 Applovin提供了提升ARPDAU、增加广告库存、获 取App用户和增加应用内购买。 未来GenAI有望直接生成广告并创造收入。据Accenture的预测，到2029年30%的社交媒体广告，将由AI自动生成。

通用场景之五：AI + ERP / HR等企业SaaS场景

AI能够赋能B端SaaS软件，在企业通用领域提供AI能力。AI+ERP（如SAP、金蝶）产品能够实现对财务和运营数据的 分析跟踪；AI+HR（如北森）产品能够赋能人力资源管理，在AI面试等场景实现降本增效。

行业场景之一：医疗行业诊断/治疗跟踪、行政任务的各类流程自动化

AI在医疗领域的应用涉及各部门的优化与效率提升。1）诊断辅助和医学图像分析：人工智能代理使用深度学习算法分 析医学图像，以协助放射科医生检测异常并做出准确诊断；2）个性化治疗计划和预测分析：AI代理使用患者数据和医 学文献制定针对个人患者需求和病史的个性化治疗计划；预测分析模型可预测疾病进展和治疗结果；3）药物发现和开 发：人工智能代理通过分析大量数据集来识别潜在的候选药物、预测疗效并优化临床试验流程，从而加快药物发现；4） 虚拟健康助手和患者监测：人工智能虚拟健康助手为患者提供实时指导、健康建议和提醒。人工智能代理还可以实现 远程患者监测，以便尽早发现健康问题并采取主动干预措施；5）行政任务自动化： AI代理自动执行行政任务，例如预 约安排、医疗转录和计费流程，以简化医疗保健运营并减轻行政负担。

行业场景之二：法律行业取证、尽调、诉讼支持等各类流程自动化

AI在法律行业已经渗透至各工作流程中。可以参与的过程包括：1）电子取证与调查，涉及大量电子数据的识别、收集 和分析，加速过程；2）合同审查与尽职调查，自动化和增强劳动密集型的合同审查和尽职调查流程；3）诉讼支持， 自动化大量文档的处理；

行业场景之三：多模态突破大幅增强人形机器人泛化能力

多模型大模型为具身智能发展打开空间。 “具身智能（EmbodiedAI）”指有物理载体的智能体，在与物理世界的交 互过程中，通过感知、控制和自主学习来积累知识和技能，形成智能并影响物理世界的能力。人工智能算法的发展，尤其是多模态大模型技术的突破性进展，将显著加速机器人产业的发展，提升机器人的智能水 平，使得机器人能够自主进行判断和识别，执行复杂的多阶段语义推理任务，不仅提高了机器人的泛化能力，也快速 推动了人形机器人通往量产的进程。

AI安全：与技术进步相伴相生，永不过时的话题

DeepSeek遭受了大规模恶意攻击，引发了AI安全的关注。1月28日，DeepSeek官网服务状态页面显示：近期 DeepSeek线上服务受到大规模恶意攻击，为持续提供服务，暂时限制了+86手机号以外的注册方式。DeepSeek面临 的核心网络安全事件可能包括数据泄露、越狱攻击和DDoS等。 我们认为，AI的部署和应用必然诞生新的安全问题，但另一方面AI技术的突破也可促进主动防御技术创新、数据隐私 与合规增强、身份认证和访问控制升级与安全响应效率提升。

报告节选：

编辑：火腿肠