來源：天風研究

2025年2月11日，在北京2025春季策略會期間成功舉辦了首個DeepSeek專題論壇，論壇聚焦DeepSeek帶來的AI行業變革與發展機遇，特邀多位行業資深專家，就國產模型、AI算力、AI Agent、私有化部署等熱門議題分享了最新觀點。本次會議備受矚目，與會者各抒己見，無疑是一場精彩的交流盛宴。

在全球人工智能技術競爭日趨白熱化的當下，DeepSeek投下的重石激起了千層浪。展望未來，DeepSeek作為AI領域的領軍者，將以其強大的技術實力和創新精神引領整個行業邁向更加智能、高效的發展道路。

精彩觀點

品高軟件 林冬藝

品高軟件林冬藝在題為《品高智算雲攜DeepSeek，以國產異構技術驅動行業革新》的演講中表示：DeepSeek給我帶來非常多的啟示，一是他們的技術精神，在看完他們的論文後我們發現它大膽踐行自己的創新想法，勇於嚐試實踐，最後突破出一條路，這給我們非常重要的啟示，軟件工程依然是非常重要的領域。二是它的技術精神，過去我們看O1，都是很厲害，它是製高點，但DeepSeek創之後給了我們新的起點，我們可以在DeepSeek的基礎上用元碼級的開發，用更深度的結合帶來更高的突破。三是它的創新精神指引著我們全國產化的人工智能發展之路，有跡可循，可以走下去。

超擎數智 唐春峰

超擎數智唐春峰在演講中提到：僅僅在春節之後一個星期的上班時間，我們就有在應用端的快速成交，因為客戶看到的DeepSeek大幅拉近了推理端的需求，因為落地變得便宜了、容易了、好用了，這是一個爆發的趨勢，過去兩年整個公司每年都是倍增的狀況，其實在年前我們也認為應用會會倍增，在今天我可以比較有把握地講，這個市場的天花板很高，我們認為倍增是一個很正常的發展速度，甚至會更快，是一個很大的機會，我相信我們很多夥伴、很多合作方也能一起看到這個機會。

九章雲極 方磊

九章雲極方磊發表了題目為《DeepSeek帶來的三個變和不變》的演講，他認為：三個不變：私有知識學習需要垂類進化不變， 並不能一個模型解決行業問題deepseek也不例外。算力消耗增加不變， Jevons Paradox（傑文斯悖論），更高效率的蒸汽機沒有減少煤炭消耗，反而因為蒸汽機廣泛使用，帶來了好多倍的煤炭消耗。模型演進多強爭霸長期保持競爭格局不變，算法沒有護城河，DeepSeek也是一樣。三個變：模型進入後訓練和深度推理時代，算力構成發生變化，從預訓練轉向更多的後訓練和推理。應用創建的範式在變，RL沙箱自動化會取代人工反饋微調。從而應用成本大大減低，更加廣泛的應用在各個行業加速鋪開。普惠算力的需求更強烈。開源生態會更快的發展，反超閉源生態，開源模型私有部署會超過閉源模型API。

在最後的圓桌討論環節，天風研究TMT團隊的幾位首席分析師圍繞DeepSeek展開討論。

天風研究傳媒 海外首席分析師孔蓉認為DeepSeek最新模型的低成本高效能，驗證中國AI研發效率優勢，模型性價比突破或將加速AI+場景落地，算力需求傳導路徑明確。國際資本開始重估中國AI產業價值，在DeepSeek驅動AI應用與國產算力崛起，中國科技資產或持續向好。

天風研究通信首席分析師王奕紅認為隨著Deepseek加速AI大時代，海外頭部互聯網企業持續加大AI投入，以及國內AI隨著字節效應拉動，中長期趨勢逐步明朗，我們積極看好25年或成為國內AI基礎設施競賽元年以及應用開花結果之年。AI端側和應用百花齊放，有望進一步推動AI算力和應用的閉環效應，強化未來算力需求信心。建議持續重視AI算力、雲基礎設施和端側機會！

天風研究電子首席分析師潘暕表示：近期Deepseek-R1以其較低訓練成本和較強性能引起全球廣泛關注，主要源於其V3基模多項降本提效的創新及R1模型增加的第二階段強化學習訓練對推理能力的大幅提升。Scaling Law VS新推理範式下後訓練和推理環節的迭代或將為ASIC帶來重要成長機遇。近期海外AI鏈公司META、微軟和CLS最新季度業績表現分化，印證了預訓練增速放緩、後訓練及推理驅動ASIC快速成長的產業趨勢。對標傑文斯悖論，持續看好算力投資及算力需求增長趨勢。AI應用成本降低的同時或將顯現增長彈性，看好應用端潛力釋放。海外方麵看好具備垂直應用轉化軟實力的META等，國內方麵看好具備完善生態能力的果鏈及智能硬件創新。

天風研究計算機首席分析師繆欣君指出：DS引領模型平權下，各廠商產品能力有望快速提升，但長期價值分化將取決於三大核心壁壘：1）用戶粘性強：數據和商業化基礎。C/B端剛性流量入口廠商的AI產品落地確定性更高，建議關注付費用戶基數㗦𛲩€率㗁RPU提升潛力的乘數效應。2）數據：數據飛輪下垂直模型競爭力。大模型通用能力僅解決泛化問題，但專業場景需疊加行業know-how數據。同時，需尋找垂直數據的沉澱周期長，並且可形成數據飛輪。3）場景：強付費+深度思考有價值的應用場景。我們認為，具備這兩個因素的行業與R1為代表的大模型推理模型相契合，比如金融、教育、醫療行業等。建議聚焦高壁壘Agent賽道。