DeepSeek热潮背后：谁在成为中国中小企业的数智化基座？

对中小企业而言，一方面极度渴望AI赋能，寻求新的生产力增长模型；但另一方面又受制于数据、算力与人才瓶颈，进度止步不前。

那么，真正的数智化转型模型到底应该是怎样的？对作为中国经济最核心构成的中小企业而言，怎样的助力方式才是其能紧跟这波AI技术红利的最佳姿态？

作者|斗斗 

编辑|皮爷 

出品|产业家 

数智化转型，正在成为2025年中小企业发展的核心命题。

近年来，国家政策对中小企业数智化的支持力度持续加码。《中小企业数字化赋能专项行动方案（2025—2027年）》明确提出，到2027年，中小企业上云率将超40%，规上工业关键工序数控化率将达到75%。

这不仅是时间表，更是一个明确的信号：对中小企业而言，数字化或者说数智化转型，已从“可选项”升级为关乎生存的“必选项”。

政策之外，技术推动力也在加速显现。

一个关键节点是DeepSeek带来的AI技术落地浪潮。凭借强大推理能力、低成本和开源特性三大核心优势，DeepSeek正在加速推动中小企业数智化转型的意愿和需求，AI技术等数智化转型模型向企业场景的覆盖正在被悄然加速。

然而，现实却并不乐观。

一组来自《中国中小企业数字化转型报告2024》的数据显示，98.8%的中小企业已经开启数字化转型，但数字化水平较高、由智能驱动的中小企业占比仅为3.2%。

这一数字鸿沟的背后，是认知弹性与实践落地的结构性矛盾——对中小企业而言，一方面极度渴望AI赋能，寻求新的生产力增长模型；但另一方面又受制于数据、算力与人才瓶颈，进度止步不前。

那么，真正的数智化转型模型到底应该是怎样的？对作为中国经济最核心构成的中小企业而言，怎样的助力方式才是其能紧跟这波AI技术红利的最佳姿态？

在华为云开年采购季里，一个答案正在出现。

一、中小企业数智化浪潮里，“真需求”和“伪服务”

实际上，更精准的一个总结是：中小企业的数智化转型正呈现出一个复杂的图景——一边是“集体觉醒”，一边是“分层断档”。

2024年，汇丰曾发布过一项面向全球八大主要市场的中小企业调查，显示68%的内地中小企业计划投资AI技术以提升运营效率，重点是这一比例位居全球首位。

这种强烈的AI意愿，随着DeepSeek带来的AI技术平权，在今年被进一步强化。对于中小企业而言，DeepSeek的“物美价廉”且“触手可及”的特性，似乎为它们打开了一扇通往数智化未来的窗口。

面对旺盛的市场需求，卖方市场极为活跃。技术服务商或者不少云厂商纷纷推出面向中小企业的AI产品、应用、服务等，以不同路径切入中小企业需求腹地。

比如当下较火的一体机，再比如不少服务商面向企业推出的AI应用或者AI工具链。

不过，对于中小企业来说，这些“AI加持方式”真的好用吗？答案可能并不乐观。

首先是隐性成本。

一体机包含复杂的软硬件组件，后期维护往往被低估，甚至需要额外支付年度服务费。且高算力设备功耗问题更是不容忽视，长期运行导致的电费支出可能远超企业预期，尤其对于场地和成本敏感的中小企业，这种负担尤为沉重。

其次，从市面上如今的一体机样式来看，其性价也并不高。

许多一体机预装了特定行业的算法，但这些非标配配置往往需要企业支付高额定制费用，而实际功能与通用方案差异却微乎其微。随着企业业务发展，为满足未来扩展需求，企业还可能被迫购买高于当前需求的配置，导致算力资源闲置。

技术层面也存在挑战，一体机与企业现有网络架构、操作系统等IT基础设施的兼容性问题，可能延长部署周期。此外，预置模型无法完全适配企业独特的数据特征，例如方言语音识别、小样本工业检测，企业不得不额外投入人力进行数据标注和模型微调。

更糟糕的是，就当下而言，一体机的开发者工具链往往也并不完善，企业难以实现二次开发能力，进一步限制了其灵活性。

从这个角度看，一体机的部署模式虽能在短期内缓解中小企业的“燃眉之急”，但从长期价值的角度来看，它更像是一种“智商税”。

这样的服务模式，显然无法满足中小企业在数智化路上的长期转型需求。

二、重新理解中小企业的数智化转型

能够清晰感知到的是，中小企业在AI技术应用中的需求与主流AI云服务的供给之间存在显著错位。这种错位的核心矛盾在于：中小企业的业务场景复杂度高、资源有限、组织能力薄弱，而现有AI云服务产品普遍存在“标准化强、适配性弱”“技术先进但落地难”的特点。

这种矛盾不仅限制了AI技术在中小企业中的实际应用，也暴露了现有服务模式与企业需求之间的深层冲突。

例如，许多中小企业缺乏系统整合能力，导致AI应用难以与现有软件工具打通。数据无法流通，企业无法基于数据推动决策，最终形成技术孤岛。

决策层的认知偏差进一步加剧了问题。许多中小企业在这一轮AI浪潮中，过于关注技术参数，却忽视了自身业务场景的复杂性，导致技术难以落地、难以实用。

更深层次的挑战还体现在人才和数据层面。一方面，中小企业缺乏将AI技术转化为实际业务应用的专业团队；另一方面，随着AI时代的到来，数据安全问题日益严峻，企业需要应对更大的合规压力。

那么，什么才是真正适配中小企业的数智化“模型”？

首先，中小企业需要的AI，一定是聚焦于解决具体业务痛点，而非追求技术参数。这要求AI模型需要轻量化、低代码化，能快速嵌入现有业务流程。

此外，AI服务需具备低成本、高灵活性的整合能力，能够与现有的ERP、CRM等系统无缝对接，支持API开放和模块化扩展，避免“数据孤岛”和重复建设的同时，帮助企业实现资源的高效利用。

更重要的是，AI服务需要提供从数据采集、治理到分析的一站式能力，帮助中小企业将数据转化为可操作的洞察。

此外，安全可信的底层架构也不可忽略。服务商的AI服务必须满足数据本地化存储、隐私计算等合规要求，同时通过云原生架构实现弹性扩展和灾备能力，确保企业在技术应用中的稳定性和安全性。

基于这些要求，一个理想云服务范式逐渐显现。

它应该是按需付费的，企业只需简单配置即可快速上线；它应该是一个AIaaS平台，具备开放算法训练和模型微调工具链，支持企业基于自身数据迭代优化模型，而非完全依赖厂商预设；还应该是可以整合ISV、咨询公司、第三方服务商，在“技术+业务+实施”闭环下，为企业提供全生命周期的服务。

总而言之，这个数智化“模型”一定是全生命周期的、全栈式的、具备长期价值的。即其并非标准、泛化的AI产品和AI服务，而是真正能落地到业务、具备组织加持能力以及数据保障能力的数智化方案。唯有如此，才能让AI真正融入中小企业，将技术转化成真正的生产力。

三、华为云，交出一张答卷

实际上，这正是华为云推出的方案。

从行业动作来看，和市场上热炒的“一体机”不同的是，针对中小企业普遍面临的高昂硬件投入与运维成本问题，华为云推出基于云原生架构的昇腾适配版DeepSeek-V3&R1部署方案。企业无需购置昂贵硬件，只需按需调用算力资源，可以实现“用多少付多少”的弹性模式。

和一体机相比，这种模式不仅降低了初始投入，还避免了长期运行中的电费和维护成本，让中小企业能够以极低的门槛迈入AI时代。

此外，面对中小企业业务场景复杂、AI能力与业务脱节的难题，华为云昇腾AI云服务提供开放的模型微调和二次开发工具链，企业可基于自身数据优化模型，确保AI能力与业务场景深度契合。

这种“量体裁衣”的从模型到应用的适配方式，不仅提升了模型的实用性，还帮助企业逐步积累属于自己的AI能力，实现从工具使用到能力沉淀的跨越。

同时，针对中小企业人才短缺和数据治理难题，华为云也更构建了覆盖数据存储、计算资源、AI开发的全栈技术矩阵，提供端到端的数智化转型方案。

比如在算力底层，Flexus云服务器X实例性能达竞品1.6倍，比同规格竞品降本30%。Flexus云服务器L实例让轻量级AI应用部署效率翻倍。Flexus云数据专注中小企业需求，提供开箱即用的轻量级数据管理；

在AI开发落地层面，昇腾AI云服务提供全球算力基础设施，ModelArts Studio平台能够提供简单易用的模型开发工具链，降低大模型定制门槛，通用AI七件套覆盖OCR/语音等7大场景，支持快速构建智能客服等应用；

在安全层面，华为云云上云下一体化方案，涵盖Web应用防火墙，SSL证书管理，oS高防AAD等，实现了统一安全运维，且开发运维工具链覆盖全流程，缩短了AI应用商业化部署。

这与一体机的模式有着本质区别，如果说一体机是“一次性购买的昂贵硬件、预置模型的固定工具箱、割裂的单点工具”，那么华为云的DeepSeek解决方案则是“灵活的云原生算力服务、灵活可塑的工具工厂、全栈整合的数智化平台”。

这些能力的背后，是华为云自身在AI时代的全栈积累。

据了解，如今昇腾云服务面向开发者提供了全流程AI开发工具链，在垂直解决方案层面，更是打造了60+行业提供定制化方案。在算力侧，其整合自研鲲鹏/昇腾处理器、分布式存储及智能化网络架构，相较于其它服务商更多元化、更具适配性。

如今这些从算力到数据再到应用的产品正在被华为云放到台前，比如今年的开年采购季中，为了进一步降低中小企业的转型门槛，华为云特别推出了一些新玩法。

比如，截止4月15日，个人用户注册即领价值7860元通用代金券包，覆盖云服务器、数据库等基础资源；储值返万元券，最高享充10万送39999元；以及活动时间内单笔订单≥1000元或完成企业实名认证，即可获得抽奖机会等等。

此外，更为值得一提的是，华为云还开放百万级扶持通道，完成企业认证并提交申请，最高可获100万元上云代金券，为创新种子提供丰沃的“数字土壤”。

这不是简单的促销活动，而是华为云开年采购季以“开年领跑，乘云智胜”为支点，将昇腾AI云服务、Flexus云服务器等全部核心AI能力转化为可规模化、可真实落地加持的中小企业转型燃料，让政策红利通过云服务基础设施直达企业。

也可以理解为，在这次采购季背后，对应的也更是一个企业接入AI全栈能力的入口，华为云通过各种产品方式、资金方式的组合配比，不仅让中小企业可以迅速接入AI产品体系，也更能以最小的成本构建自身的AI原生进化力，获得持续迭代的数智化动能。

写在最后：

从“授人以鱼”到“授人以渔”，这也正是华为云在AI时代交出的答卷。

诺贝尔得主玛丽·居里曾说过这样一句话，“真正的成长不是被推着走，而是自己长出翅膀。”——这也恰是华为云如今交出的答卷写照，即通过其全栈式的DeepSeek解决方案，中小企业不仅可以解决短期的AI转型痛点，也更可以建立长期发展的底层架构，真正 “内生进化”的质变。

中小企业既是国民经济的晴雨表，更是数智化转型的主战场。在这场关乎产业未来的变革中，需要的不仅是DeepSeek这样的技术突破，也更需要像华为云这样能将AI技术转化为实际生产力加持的云厂商。唯有如此，占企业总数99%的中小主体，才能真正成为中国经济高质量发展的数字基座。

这是AI的价值，也更是华为云等中国云厂商的价值。

AI时代，奥哲的All in One低代码“平权”哲学

AI大爆发的背景下，缺乏灵活的低代码平台支撑，无论是核心业务的高效推进，还是长尾应用的敏捷落地，企业的全员数字化、平台集成化、数据资产化等数字化目标均难以实现。

奥哲的数智平权哲学，便是通过All in One低代码平台，实现全员、全面数字化，进而通过融合AI释放巨大的价值，消弭数智化与业务之间的距离。让AI和低代码从技术神话，变为人人可用的生产力工具。

作者|皮爷 

出品|产业家 

在一家正加速布局海外市场的新能源汽车制造企业，CIO张响正面临前所未有的考验。

业务团队刚刚启动一项全新的跨境项目，却在系统和流程上屡屡受阻——现有的标准化系统难以适应当地的合规要求，财税、供应链管理因缺乏灵活的IT支撑，导致交付周期被一再拉长。

与此同时，伴随着DeepSeek等AI大模型的火爆，企业对数智化的期待被推向新高。AI的火热不仅没能减轻张响的焦虑，反而暴露了企业数字化短板：由于业务部门的数字化意识和能力依然不足，许多末端工作仍依赖线下手工处理，导致AI难以介入。

事实上，AI的应用落地需要强大的数字化支撑，而更深层次的企业数字化问题正浮出水面——创新业务缺乏个性化系统支撑、全员数字化的落地困境、平台集成壁垒重重以及系统数据标准混乱、难以支撑业务决策……

这些问题交织在一起，是张响当前的困境，更是当前中国企业数字化转型的普遍写照。

解题方式在哪？或者说，就当下中国企业的数智化转型需求而言，怎样的模式才是推动其迈向新平权时代的有效钥匙？

2025年，奥哲通过再升级的All in One低代码平台，又交出了一份答卷。

在这个跨越365天的答卷上，能看得见的有AI，也更有对中国企业全面数字化平权体系的更深层思考。

一、水面之上的AI

水面之下的数字化“顽疾”下半场

过去一年，AI成为全球企业争相布局的前沿赛道。然而，在AI浪潮汹涌之下，更多企业意识到一个更为迫切的问题——伴随着数字化的渐渐深入，企业对于更全员、更全面的数字化始终无法得出最优解。

根据一份来自波士顿咨询（BCG）2024年的研究数据显示，在已部署AI大模型的企业中，仅12%的企业通过AI实现业务指标显著优化（如利润率提升5%以上、客户满意度提升20%等）。这种在AI上出现的反差源头恰源于企业不够成熟、不够全面、不够全员化的数字化体系。

国家层面也释放了清晰的信号。网信办等四部门联合印发的《2024年提升全民数字素养与技能工作要点》文件显示，全员数字化被放到首位提及。国家倡导企业培养和建立高水平复合型人才体系，通过让业务人员参与数字化，进而加速企业全员数字化进程。

然而，理想与现实之间仍存在巨大鸿沟。以国内制造业头部企业西子联合为例。西子联合是C919国产大飞机的制造商之一，旗下产业涵盖电梯及电梯部件、航空零部件、锅炉、立体车库等多个领域，员工数量超过万人。

当前，现有IT系统更多采用ERP等标准系统固定化建设的模式，无论是底层开发人员还是前端业务人员，都难以进行个性化、场景化、敏捷化的开发。

例如，航空业务是西子联合新的业务板块，其业务及管理模式相对创新，其CRM、QMS缺乏合适的数字化系统，然而当前合作的厂商难以其个性化定制的需求。

同时，在电梯等传统业务板块，许多一线业务人员对车间的物料管理、5S管理、设备维修等场景实现在线管理。但由于IT资源有限，他们必须先向IT部门报备，经过冗长的开发流程才能完成应用落地。久而久之，不仅应用开发效率低下，更严重打击了业务人员的数字化参与积极性。

这种员工数字化参与度不高的问题也对应着另外的问题，比如由于无法构建全员数字化的体系，企业上下游供应商往往会采购不同的软件系统，由于不同软件的标准不一，因此企业内部会呈现出系统无法集成的难题，导致数据无法形成全业务链路流转，进而很难构建数据资产。

西子联合所面临的数字化挑战，正是当前中国企业数字化困局的缩影。

AI大爆发的背景下，这些问题被进一步放大。无论是核心业务的高效推进，还是长尾应用的敏捷落地，企业的全员数字化、平台集成化、数据资产化等目标因为种种原因始终难以实现。

缺乏灵活的低零代码一体化支撑，AI的巨大潜力更加难以充分释放。

企业数字化的命题正在拷问每一家企业及组织：如何构建一个全面、全员、全场景的数字化体系？

二、奥哲All in One，再进化

这恰是AI时代，奥哲正在思考的问题。

去年，奥哲·云枢All in One低代码平台发布，致力于帮助企业实现业务层面的数字原生。在发布后的一年里，奥哲在更细节场景、更产业聚焦、更全员化角色等环节持续进行深入探索，All in One的内涵与细节也被不断丰富与具象化。

近日，在2025奥哲低代码数智化峰会上，All in One的全新升级，向我们展示了奥哲当下的目光所向。

首先，从低零代码一体化能力来看，关注场景痛点，其核心是面向专业开发者、IT管理员、业务人员等不同角色赋能，云枢All in One低代码平台构建了从“零代码配置”到“深度开发”的不同场景能力支持。

举例来说，云枢进一步拓展了企业ToB/ToC的应用场景，支持企业在B端构建产业链上下游供应商、经销代理商、企业以及内部各地子公司的统一连接，在C端构建营销、成交、服务等全部链路的打通，真正实现特定场景的低零代码一体化。

此外，除了场景的封装支持，云枢All in One低代码平台整个产品层面，也站在时代角度，面向不同企业的市场属性和内部“组织肌理”进行了升级适配。

升级后的云枢All in One低代码平台可以做到自适应多语言与时区，助力海内外业务的顺畅配合、开展。此外，更矩阵化的权限体系设计，让企业内部的权限管理更为清晰，为复杂业务流程提供决策支撑。

在面向业务人员的零代码配置中，更为易用、可视化、低门槛的电子表格视图也跃出水面，保证企业业务人员可以更丝滑、流畅地完成对应的业务配置。

另一方面，奥哲CEO徐平俊在发布会演讲中强调，奥哲已经将AI能力全面融入云枢All in One低代码平台，在不同的低代码模块调用以及对应场景的服务能力、数据处理能力中，AI已经成为最核心的构成分子之一。

相较于市面上大部分将AI能力作为助手角色引入的管理软件而言，云枢All in One更可以看作是打造了一个企业进行AI开发的操作系统。

在云枢上，企业能够全面接入DeepSeek、ChatGPT等国内外主流AI大模型，基于上层的产品工程模块进行企业自身Agent的开发设计，通过从模型调取到知识库搭建，再到将AI能力嵌入足够原子化的低代码模块等全链条的模式，企业可以真正将AI转化为最贴合业务本身的智能化模块能力。

此外，云枢All in One还专门将AI的工程能力封装为一个专门的产品——AI应用设计器。这是一个助力企业AI落地的Agent平台，企业可以基于自身的知识库构建自身的 “专属AI技能”，创建、发布企业级Agent，同时将Agent，按需无缝嵌入到自身的工作流中，完成真正的适配自身业务模型的AI能力接入，为企业与企业内的所有用户插上AI能力的翅膀。

与此同时，原有的集成开放平台和数据可视化能力也进一步升级。全新发布的云枢集成服务Pro，内部预置连接了超过1000个应用，支持与5G、IoT、区块链等不同技术产品的快速对接，帮助企业实现数据一网通，业务一盘棋。

升级后的云枢All in One低代码平台能够推动数据资产化，进一步释放数据价值。报表设计引擎的升级，让业务人员可以通过自然语言交互问数生成报告，深度打通BI能力，帮助业务人员进行更多维度数据分析与数据表达。

可以理解为，云枢All in One低代码平台的进化升级，面向的正是如今企业数字化的难点，为企业迎来数智普惠提供了难以替代的推动力。

企业得以构建真正的全场景、全业务、全员工的安全的数字化体系，将企业内外部的特殊个性化场景以及供应链上下游进行完全意义上的打通，完成全员数字化体系的落地和推进。

如果说人们对低代码的价值认同，在于帮助企业实现数字化平权和技术普惠；那么如今奥哲所做的恰是更加向前一步，通过对低代码工程化能力的打磨，完成从技术开发者到业务人员的数智化赋能，构建更深层次的数智化转型体系。

三、AI时代，重新理解数智平权

实际上，已经有企业在升级后的云枢All in One低代码平台加持下实现了进化。

比如上文提到的西子联合，通过引入奥哲·云枢低代码平台，在极短时间内完成了航空QMS所有系统和功能的调研与开发，囊括12个子模块50余项应用，快速推进业务数字化；电梯等轻应用部分则由零代码技术支撑，让业务人员也可以快速构建6S检查、原料管理等车间应用。

国内某头部证券厂商也通过云枢，在不同场景打造了差异化的应用产品，完成从核心技术场景到前端业务场景的全面统一，构建了更为完备的全员数字化体系；同时在AI的加持下，完成了对前线业务人员的智能化赋能，包括智能审批、智能填报等能力。

一个来自市场层面的共识是，企业的数字化程度和AI价值释放呈绝对的正相关。Gartner报告显示，数字化成熟度高的企业，AI项目ROI最高可以做到4:1，而基础薄弱企业仅为 1.2:1；同样来自埃森哲的数据显示，数字化能力前20%的企业，AI价值贡献占营收比例达 8.5%，后20%仅1.2%。

奥哲构建的恰是一个支持不同企业实现全员数字化、低门槛AI化的平台——不仅能补齐企业在固有数字化全链路、全场景建设上的短板，全面释放业务人员价值，串点成线；还可以帮助企业以最契合自身的方式接入AI能力，完成真正的数智化转型。

这正是AI时代企业所需要的最适宜土壤。

如今，选择奥哲·云枢的不同行业大型企业，与奥哲共同完成的恰恰是数字化从1到10，再到100的过程。奥哲在更深层赋能企业数智化进阶的同时，完成了企业真正意义上的数智进化。

这种从企业全员数字化，到融合AI、全面加持企业成长与创新的低代码产品持续升级，也恰恰促成了奥哲在过去几年里被更高频地选择。一个数据是，截至目前，奥哲在中国低代码市场中大型客户市场占有率始终多年位列第一；在钉钉上连续8年做到应用市场全品类第一名，中小企业数量超过20万家。

如果说，人们对低代码的固有理解是其实现了企业转型层面的技术平权，那么在如今AI浪潮下，奥哲等低代码厂商所做的恰恰是更进一层的平权——数智平权。

奥哲的数智平权哲学，便是通过All in One低代码平台，实现全员、全面数字化，进而通过融合AI释放巨大的价值，消弭数智化与业务之间的距离。让AI和低代码从技术神话，变为人人可用的生产力工具。

在进化后的云枢All in One低代码平台加持下，企业可以将AI更精准地放置到对应的业务节点或组织节点上，以最低门槛、最适配自身的方式完成数智化转型。人们不再只是单纯地谈论AI，而是更关注数智化如何为企业所用，推动企业的进化升级。

这是奥哲的数智平权哲学，更是云枢所代表的低代码平台在AI时代给出的企业数智化参考答案。

AI来了，“我在钉钉创业”

为什么是钉钉？或者说，这个互联网时代公认最核心TO B阵地，为什么似乎也在成为AI时代的TO B最前沿阵地？

作者|皮爷 

出品|产业家 

2024年10月，销帮帮AI产品团队进行了第一轮内部方案汇报。与会的除了销帮帮的相关负责人，还有钉钉AI团队相关人员。

这次方案的汇报重点，是对销帮帮过往软件形态的CRM产品进行基于AI助理模式的重构和打磨，进而构建更智能的AI竞争力。在这个活动上，经过销帮帮和钉钉团队的一致审定，关于客户录入、客户跟进以及会议的三个AI场景被正式敲定。

实际上，早在这个时间点之前，销帮帮内部就已经启动了关于AI产品形态的预研，但对于选择CRM产品的哪些环节以及哪个场景，内部仍有不同声音，甚至早期相关的AI销售产品也曾一度出现无法价值验证的情况。

这不是个例。

在过去的几年时间里，伴随着AI大模型技术浪潮的涌动，更新一波的创业潮正在加速袭来，这其中不仅有新出现的AI原生应用创业者，也更有多年SaaS软件从业者，以及智能硬件创业老兵等身影的出现。

创业潮对应的是如今生成式AI市场的庞大市场机会。根据一组来自IDC的数据显示，2023年全球AI市场约 4500亿美元，预计到2030年将突破1.8万亿美元，市场年复合增长率超过20%。

但机会背后也更对应着挑战。更准确的表述是，尽管当下从目前的工具层来看，AI技术到产品应用的通路已经跑通，但它的着力点却在面临更为真实的考校：怎样的场景才算是真正的AI价值场景？新产品的商业化是否可以迅速验证？

这也恰是在2025年的如今越来越多AI创业者思考的新命题——即在技术到应用的转化考量之外，AI创业的闭环到底应该是怎样的？以及在如今中国的TO B环境里，是否有能够托举新的AI故事的产业土壤？

答案是肯定的。这些问题的答案背后，一个熟悉的身影，或者说阵地正在被愈发看见。

钉钉来了。

一、AI创业潮，“新机会”和“新挑战”

实际上，在销帮帮的方案汇报现场，钉钉团队的出现并不是偶然。也恰是在后者建议下，销帮帮AI产品团队才最终敲定了相关产品形态以及对应的AI助理能力模块。

不仅如此，更后续的故事细节是，在产品成型后，双方还共同进行了相关客户侧的价值验证和标杆客户打磨。

但客观来看，这并不是所有AI创业者的故事样本。根据来自CB Insights的数据统计，在过去3年时间里，全球AI初创公司失败率约65%-75%，即每成立3家AI公司，就有2家无法存活超过3年。而在中国市场，这个失败率则是更高，根据来自IT桔子数据统计，整个AI市场的创业失败率更是高达70%-80%。

而如果把目前投向距离人们最近的SaaS方向，则更直观的感受是在过去的几年时间里，相较于国外如Saleforce、Notion等企业已经早早开始进行AI产品的研发甚至商业化验证，国内SaaS市场更多企业仍在举步不前，停留最简单的生成式回答层面。

问题出在哪？和之前相比，这波AI创业潮到底有什么不同？

这也是当下市场在核心讨论的问题，即在确定性AI市场的蓬勃发展，以及其逐步向产业、企业落地的大趋势中，企业到底需要注意什么？

首先，是前文所说的场景着力点。即对大部分AI创业企业而言，其在当下最直观需要面对的问题恰是如何寻求真正适合AI发挥价值的场景，并且基于最新的AI技术进行产品构建或进化，这要求创业者需要有一个能快速反应AI温度、调用AI技术的底座平台。

其次，是商业化验证。即对AI创业者而言，如果说技术到产品的难点是可以基于对AI技术的敏感性和场景的理解来完成，那么如何实现产品到市场的商业化验证则是必须要打通的通路，也就是软件创业中常说的PMF验证——这也是大部分AI创业者“倒下”的关卡。

即客观来看，对不论SaaS产品，还是AI产品而言，其PMF验证往往需要花费较长的时间，这其中对应的是一系列面向企业客户的流程以及业务嵌入等等，少则数月，长则几年。

最后，也是最为关键的。即是在商业化验证的同时，需要铺设的渠道商、服务商体系，即对软件创业而言，企业必须要建立对应的渠道商、供应商培训和服务体系，只有这样，才能保证软件实现更好的交付和企业粘性。

也可以说，只有满足上述中的各个要素，才能实现一款AI产品或者AI创业的顺利推进；而在此之外，还有如算力成本、技术范式演进、资金等等问题。

广阔的机会，但也同样对应着巨大的挑战。对中国的AI创业者而言，是否有真正适宜的土壤？以及AI创业的中国最优闭环，是否已经出现？

二、“我在钉钉上开始创业”

实际上，在销帮帮和钉钉共创的同时，在钉钉平台上还有另外一款产品也同样正走在商业化的路上，它就是恩君特。

对恩君特的一个介绍是，其通过“数字员工”的产品形态，帮助中小企业解决其在短视频营销中的痛点，产品方案由四个虚拟助理构成，策划助理负责选题、制作助理负责文案与剪辑、产品助理负责知识库赋能，运营助理负责发布与互动，用户只需发出指令，AI助理即可自动完成抓取热门内容、智能推荐爆款选题、自动生成文案、一键剪辑与场景替换等任务，3-6分钟即可完成一条视频，相比过去提效30倍。

如果从时间线的发展来看，恩君特的产品还要比销帮帮等企业尝试AI产品出现得更早，即在钉钉2024年5月的AI解决方案招募计划中，基于特殊的智能体创意方案，恩君特就脱颖而出。

而后续的故事版本也更和销帮帮一样，在钉钉的全面加持下，恩君特开始进行更为系统化的产品打磨和商业化尝试。据了解，在整个过程中，钉钉投入了超过60人团队帮助恩君特进行产品的细节打磨和后续的路径验证；此外，钉钉也更是利用全国1000多家区域服务商网络，帮助恩君特拓展客户群体。

一个数据是，截至目前，恩君特的客户数量已经超过100家。

同样的故事脉络也更在销帮帮上。据了解，如今销帮帮的AI销售助理产品，已经完成了标杆客户验证，3月份上线以来，意向客户已经超过了100家。

恩君特和销帮帮不是个例。一个足够直观的观察是，在过去的一年时间里，包括恩君特、销帮帮、AIPPT、氚云AI等一大批AI明星产品都在出现在钉钉平台上，这些产品不仅有对技术落地的深刻理解，同时大部分都已经完成了初步商业化验证。

实际上，这个在钉钉平台上发生的新故事并不是意外。

在2024年6月召开的钉钉生态大会上，一系列和生态相关的政策被钉钉集中放到台前，其中不仅包括面向大模型生态伙伴开放的AI助理开发平台，还有一系列针对客户的个性化场景和需求，将与伙伴一起打造定制化智能化解决方案等等。

而在这场大会更早前，钉钉也更是先后发布了AI PaaS底座以及推出AI超级助理，前者的价值在于AI创业者可以基于钉钉强大的企业级数据和场景理解进行低成本的智能体构建，而后者则是对应着钉钉对于打造AI原生环境的决心。

在水面之上的动作之外，变化还更发生在水面之下。“我们在2024年底决定All in AI生态，大力扶持AI应用创业团队，尤其是AI原生应用团队。 ”钉钉副总裁、开放平台负责人王铭表示，“不仅开放模型层能力，还为创业团队提供了大量的客户资源和资金支持，帮助这些企业进行快速的客户验证。”

可以理解为，也恰是这些从底层AI技术到数据、模型开发，到客户资源、资金的扶持，以及能看得见的服务商、经销商体系的全面助力，也恰构成了如今包括恩君特、销帮帮等一系列AI创业团队从0到1已经跑通的AI商业化路径。

为什么是钉钉？或者说，这个互联网时代公认最核心TO B阵地，为什么似乎也在成为AI时代的TO B最前沿阵地？

三、在钉钉，重新理解中国的AI创业土壤

在回答这些问题之前，更需要厘清的一个背景是，AI创业者到底需要怎样的创业土壤，是前文所说的各个创业要素的补齐，还是不同于互联网时代创业的新基础设施？

答案是后者。

这也是钉钉被选择的原因。即如果单从固有的几个创业因素来看，比如AI技术的工程能力和落地能力、客户资源的加持和渠道服务商的配套能力帮扶，这些钉钉固然有优势，但并不是市面上的唯一选择。

钉钉之所以成为诸多明星AI创业团队聚集的最核心本质，恰在于其具备中国最强大的企业数据，以及从软件向AI应用进化的底色。

对前者的描述是，钉钉是目前毋庸置疑的中国最丰富的企业样本库，在这个最大的TO B阵地里，有面向企业客户的一系列需求满足拆解“公式”，有对不同场景的服务流程理解，有面向不同量级企业的特殊软件生态，以及也更有无数企业的数字化“行为习惯”。

这些最强大的数据基座也意味着钉钉不仅能够帮助企业实现从技术到场景的落地，还能帮助其最大程度地补齐和加持其产品“被需要”的能力，比如给予销帮帮等企业的产品模块建议等等，比如基于AI PaaS的底座数据加持，比如能一定程度上加速企业的PMF验证等等。

而在数据之外，同样更值得被看见的是钉钉自身的AI底色。如果说在过去的几年时间里，谁是面向AI转型最坚决的企业？那么钉钉必然是答案之一。

在过去的几年时间里，从底层的软件到AI的能力重构，到超级助理等产品的迭代升级，以及面向生态的一系列政策，都在彰显着钉钉恰在全力将AI努力融入自身最底层的基因中。

而对AI创业者而言，这种面向AI的“决绝”也对应着AI创业政策和配套温度的适宜，即在不断进化的钉钉之上，可以时刻吸收和感知市面上最先进的AI工程化能力。

可以说，这些也恰构成着钉钉被越来越多创业者选择的原因。即在这个适宜的土壤上，AI创业者能享受到的是从技术到场景，到PMF验证等商业的全方面闭环加持，以及在闭环之外的AI平台的助力。

这种助力还在被持续加码。在刚刚举办的钉钉AI生态创新生态大会上，王铭也更表示，在接下来的一年里，钉钉将启动“AI创新N次方计划”，在2025年将首期推出100家共创伙伴，免除佣金、保证金和算力费用，同时在服务、政策、技术等各种各样助力的方式上给予全方位的支持。

此外，据了解，钉钉还会全面加大对生态伙伴的投资，同时面向生态伙伴同步启动钉钉创新创业园区，使生态企业可以和钉钉贴身共创，加速自身产品的成型和PMF验证。

能够预测的是，在更新和更大力度的加持和助力下，像销帮帮、恩君特这样的AI创业故事在未来一年里将会以更高频次的在钉钉这个新的创业土壤上发生。

现代管理学之父彼得·德鲁克在他的个人传记里曾说过这样一句话，“伟大的创新从来不是单点突破，而是更大层面的生态共振。”

这是钉钉的价值，也更是AI时代，这个中国最大TO B阵地的新使命。2025年，“我在钉钉重新创业”。

直击2025硅谷GTC大会：我们距离产业AI落地还有多远？

NVIDIA GTC大会释放的不仅是Blackwell Ultra的算力核爆，更揭示了AI产业化进程中三大核心命题：传统算力基建如何承接指数级增长的推理需求？跨界技术融合怎样催生新的商业生态？企业如何在技术红利与成本悬崖间找到平衡点？

作者|吴铭 

编辑|皮爷 

出品|产业家 

在硅谷的春日里，英伟达GTC大会再次向全球科技界投下几枚技术核弹。

从Blackwell Ultra GPU撕裂物理定律的性能曲线，到量子-经典混合计算平台突破产业应用临界点；从开源人形机器人模型打破制造业自动化僵局，到L4级自动驾驶方案跨越量产生死线——这场技术盛宴的每个章节都在重塑产业规则。

拆解之下，看到的不仅是晶体管堆叠的工程奇迹，更是一幅AI技术渗透实体经济的路线图：

1、击穿推理算力天花板，Blackwell Ultra用288GB HBM3E显存重构数据中心；

2、开辟量子计算新战线，CUDA-Q 2.0在药物研发战场建立混合计算桥头堡；

3、释放机器人通用智能，Isaac GR00TN1双系统架构破解制造业柔性生产难题；

4、突破Agentic AI决策瓶颈，推理效率30倍跃升撕开万亿级企业服务市场；

5、冲破自动驾驶量产迷雾，DRIVEThor计算平台的技术升级推动L4落地；

6、引爆绿色计算革命，液冷系统废热回收缔造数据中心"负碳"神话；

7、改写光通信物理法则，CPO技术115.2Tbps带宽重构算力连接范式；

8、落子中国生态纵深，NIM微服务平台在合规与创新的钢丝上跳出生态探戈。

这些在进一步释放技术想象力的同时，也更在勾勒出英伟达理想中的AI产业新大陆。

当生成式AI的热潮开始向产业腹地渗透的当下，产业家试图通过解读GTC大会中的8大看点，来审视2025年的如今我们距离产业AI完全落地，到底还有多远？

一、Blackwell Ultra GPU架构：

AI推理性能的颠覆性升级

NVIDIA发布了划时代的Blackwell Ultra GPU架构。

288GB的HBM内存容量、50%的运算效能提升、400-600W的液冷散热系统，每一个参数都在挑战现有技术天花板。

相较于前代Hopper架构，其在推理性能上实现了40倍跃升，部分场景甚至突破900倍神话。

更值得关注的是，GB300 NVL72机架级解决方案集成了72个Blackwell Ultra GPU和36个Grace CPU，其推理效率较前代提升11倍，预计2025年下半年开始向微软、亚马逊等云服务巨头供货。

随着生成式AI向具备自主决策能力的代理式AI演进，行业正面临复杂任务分解与实时决策的双重挑战。

而Blackwell Ultra架构通过三大技术突破正在重构算力范式。首先，其采用CPU-GPU异构协同架构，实现计算资源动态调配；其次，集成硅光互联技术，突破传统电信号传输瓶颈；最后，引入智能功耗管理系统，可根据负载需求实时调整能耗配比。

英伟达CEO黄仁勋在发布会上强调："AI推理阶段的算力需求将呈现百倍级增长，'Scaling Law'法则的应用重心正从模型预训练向后训练环节迁移。"

更值得关注的是，到2027年AI推理算力需求将占据整体市场的70%，这将引发三大基础设施变革：一是光模块升级至1.6T规格；二是CPO交换机带宽突破204.8T；三是全球30%的数据中心将转型为生成式计算专用设施。

这种变革不仅重塑算力产业链格局，更将推动"AI即服务"商业模式的快速普及。

二、量子计算战略转型：

混合架构与生态合作

在全球量子计算产业化进程加速的背景下，NVIDIA通过"量子日"活动正式公布其战略布局。

公司联合D-Wave、IonQ等量子计算领军企业，推出新一代混合量子——经典计算平台CUDA-Q 2.0。

该平台通过集成QODA量子算法加速库，在化学模拟等关键领域实现千倍效率突破，标志着经典计算与量子计算的协同创新进入新阶段。

值得关注的是，NVIDIA同步发布了Quantum-X Photonics交换机，其144端口800Gb/s的光互联性能不仅创下行业新标杆，更兼容IBM、Rigetti等主流量子计算机，为构建跨平台量子计算生态奠定硬件基础。

尽管NVIDIA CEO黄仁勋曾公开质疑量子计算的短期实用性，但公司战略布局却显现出不同考量。

当前AI与量子技术融合产生的药物分子模拟、组合优化等高价值场景，正推动技术实用化进程加速。NVIDIA采取"硬件兼容+软件优化"的双轨策略：一方面通过标准接口打通量子计算设备连接，另一方面运用量子纠错算法提升计算可靠性。

这种战略选择实质是瞄准"量子优势窗口期"的生态控制权争夺——即在特定领域量子计算展现优势的临界阶段，建立技术标准与产业协同优势。

行业观察显示，2025-2027年将成为量子计算实用化关键转折期。

NVIDIA凭借在传统计算领域的生态积累，有望主导量子软件中间层标准制定，这将深刻影响化学合成、能源开发等领域的研发范式。

这种渐进式创新路径，既规避了通用量子计算机的技术风险，又能快速形成可量化的行业解决方案。

三、机器人通用智能平台：

开源模型与物理引擎突破

在人工智能与机器人技术深度融合的背景下，NVIDIA近日取得突破性进展：开源全球首个人形机器人基础模型GROOT N1。

据悉，GR00T N1基础模型采用双系统架构，灵感来自人类认知原理。其中，“系统1”是一种快速思考的行动模型，反映了人类的反应或直觉。“系统2”是一种慢速思考的模型，用于深思熟虑的决策。

在视觉语言模型的支持下，“系统2”可以推理其环境和收到的指令，从而规划行动。接着，“系统1”将这些计划转化为动作。从视频来看，GR00T N1可以轻松实现抓取、搬运、包装等一系列任务。

黄仁勋还发布了用于生成合成训练数据的模拟框架和蓝图。与此同时，英伟达正与DeepMind、迪士尼研究中心合作开发新平台Newton，这是一个开源物理引擎，可让机器人学习如何更精确地处理复杂任务。

一个事实是，面对全球制造业自动化需求激增与劳动力结构性短缺的双重挑战，NVIDIA通过构建开放技术生态降低开发门槛。GR00T基础模型整合了Robomimic模仿学习算法与奥比中光3D视觉技术，重点突破"模拟到现实"的技术迁移瓶颈。

这种端到端的解决方案显著提升了机器人对非结构化环境的适应能力，为大规模商用奠定基础。

数据显示，全球智能机器人市场规模有望在2026年突破2000亿美元大关。随着规模化生产推进，单台成本预计将从目前的10万美元级降至5万美元以下，达到企业投资回报的临界点。

技术演进路径显示，开源生态建设与关键部件突破正在形成良性互动。这种 " 软硬件协同创新 " 模式不仅加速技术迭代，更通过降低准入门槛吸引全球开发者共同推动行业进步。未来三年，人形机器人有望从实验室走向真实商业场景，开启智能制造新纪元。 

四、生成式AI向代理式AI演进：

ScalingLaw的范式转移

在NVIDIA年度技术峰会上，黄仁勋提出的AI演进三阶段论引发行业关注。

该理论将AI发展轨迹划分为生成式AI、代理式AI（Agentic AI）和物理AI三个阶段，其中代理式AI作为关键过渡形态，需要突破两大技术瓶颈：支持复杂决策的长程推理能力（Long-Thinking）与多任务协同分解机制。

为支撑这一演进，NVIDIA推出开源推理模型Llama Nemotron Reasoning系列，其创新架构支持从边缘计算到数据中心的弹性部署，实测推理效率较传统模型提升30倍，为代理式AI落地提供了基础设施保障。

技术演进背后是计算范式的根本转变。

随着预训练阶段的算力扩张（Scaling Law）遭遇边际效益递减，行业焦点正转向后训练优化与实时推理架构创新。

典型例证体现在处理需求指数级增长：单个用户查询的Token处理量预计两年内增加100倍，这要求推理系统必须实现从传统串行处理向动态批处理、连续推理优化的架构转型。微软研究院数据显示，新型推理引擎可降低单位Token处理能耗58%，这对实现商业可行性具有决定性意义。

产业落地层面呈现明显的时空梯度特征。

据Gartner预测，到2027年全球60%以上企业将部署AI代理系统，其中制造业智能调度和医疗辅助诊断将成为首批价值验证领域。

这种分化源于行业特性，即制造场景的流程可分解性与医疗领域的决策树结构，天然适配代理式AI的多任务处理范式。

值得关注的是，DeepSeek等厂商推出的自适应压缩技术，可将大模型推理成本压缩至传统方案的1/7，这将实质性降低中小企业的AI部署门槛，加速"AI即服务"生态的形成。

通过建立"技术演进-架构创新-产业落地"的三层分析框架，我们可以清晰看到，从生成式到代理式的范式转移，本质是AI发展重心从数据规模驱动转向系统效能竞争，这种转变正在重塑整个产业链的价值分配格局。

五、自动驾驶全栈方案

L4级量产与安全升级

GTC 大会上，NVIDIA 还推出了NVIDIA Halos汽车安全解决方案，其创新性地构建了从芯片级代码验证到整车级功能测试的全链条保障体系。

在关键技术降本方面取得显著进展，激光雷达核心组件成本降低至500美元级，降幅达60%，配合端到端模型的算力优化，成功突破L4系统单套成本3000美元的商业化临界点。Halos安全系统采用形式化验证（Formal Verification）和故障注入测试双重机制，其验证流程覆盖超过2000个功能安全场景，成为全球首个通过ISO 26262 ASIL-D最高安全等级认证的自动驾驶解决方案。这种"成本-安全"双突破为规模化量产奠定基础。

据第三方机构预测，2030年全球L4级自动驾驶市场规模将突破3000亿美元，其中NVIDIA凭借其"硬件-仿真-数据"闭环生态体系，有望占据较大计算平台市场份额。

目前，通用汽车司已经宣布将使用英伟达的人工智能芯片和软件，为其车辆开发自动驾驶技术，并改善工厂的工作流程。两家公司计划共同构建基于英伟达平台的AI系统，以训练用于工厂规划的AI模型。通用汽车还计划使用英伟达的自动驾驶技术来开发未来的高级驾驶辅助系统（ADAS）。

此外，包括丰田和现代在内的多家汽车制造商和供应商今年也与英伟达合作，开发自动驾驶能力，以应对来自特斯拉的竞争压力。

通用汽车预计，其Super Cruise驾驶辅助技术在未来五年内将带来约20亿美元的年收入。Super Cruise免费提供三年，之后客户可以选择每月支付25美元或每年250美元的订阅费用。

这将进一步改变自动驾驶原有格局，推动L4级自动驾驶技术的落地。

六、AI基础设施革新：

液冷与绿色计算革命

NVIDIA BlackwellUltra架构正在引领数据中心散热技术的范式转变。

其创新性地构建了冷板式与浸没式液冷的双轨发展路径。当前阶段以冷板式液冷为市场主力，配套的EcoPowerDGX超算通过精密热管理系统，将PUE值优化至1.05的行业新标杆。值得注意的是，该架构同步升级了电力系统，800V高压直流电源的部署不仅适配兆瓦级算力中心需求，更为浸没式液冷的长期发展预留技术接口。

在全球数据中心年耗电量突破1000TWh的严峻背景下，传统风冷方案已难以支撑BlackwellUltra高达1400W的TDP需求。液冷技术的突破性价值体现在双重维度：其一，通过与东阳光热能转换模块等废热回收系统的协同，将散热能耗转化为可利用资源；其二，设备空间利用率提升40%以上，有效缓解数据中心场地限制。配套的CarbonTrackerAI系统更实现了碳足迹的实时追踪与智能优化，构建起性能与ESG目标的动态平衡机制。

值得关注的是，液冷技术的规模化应用或将催生跨领域协同效应。

浸没式方案与800V高压架构的结合，使数据中心功率密度提升达3倍；废热回收系统与区域供热网络的连接，开创了"数字锅炉"新商业模式。

这种技术融合不仅重构了数据中心TCO模型，更为"东数西算"工程提供了绿色化落地方案，推动算力基础设施向环境正外部性方向进化。

七、光通信与CPO技术

高带宽互联升级

在AI算力爆发式增长的推动下，全球数据中心正经历从400G向800G/1.6T光互联的跨越式升级。

NVIDIA 最新发布的Quantum3400X800 CPO（共封装光学）交换机，通过革命性的硅光子集成技术，可实现115.2Tbps系统带宽和1.6T光模块配置，较传统可插拔方案能耗降低达30%。配套的Spectrum-X硅光子以太网交换机更将单端口速率提升至1.6Tb/s，网络弹性较传统架构增强10倍，这标志着光互联技术进入集成化新纪元。

当前，AI训练规模已突破十万卡级别，传统可插拔光模块在功耗密度（达5W/Gbps）和信号完整性方面面临严峻挑战。CPO技术通过将光引擎与ASIC芯片进行3D异质集成，将电信号传输距离从传统方案的5cm缩短至1mm以内，有效降低传输损耗达60%。这种"光电共生"架构不仅突破现有带宽天花板，更通过减少封装层级使散热效率提升40%，为下一代51.2T交换机奠定基础。

值得关注的是，技术演进正在重塑产业格局。短期看，CPO封装工艺和硅基调制器成为竞争焦点；中长期维度，LPO（线性直驱）技术与CPO的融合创新，或将催生新一代光电协同设计范式，为6G时代的光电共封装开辟更广阔的应用空间。

黄仁勋表示，也将与 T-Mobile、Mitre、思科、ODC 和 Booz Allen Hamilton 合作开发AI原生6G无线网络的硬件、软件和架构。

八、中国市场合作

本土化生态与技术创新

在算力需求持续攀升的背景下，全球科技企业加速布局新一代互联技术。

NVIDIA还在ChinaAI Day专场活动中，联合阿里云、蚂蚁集团等企业展示了多项技术突破：阿里云"通义"大模型通过混合精度训练实现算力成本显著降低；蚂蚁集团GLake技术有效优化显存管理效率；百川智能则采用投机采样技术将推理速度显著提升。与此同时，字节跳动、京东等企业通过多模态AI在商品推荐算法优化、物流路径规划等场景的应用案例，展示了技术落地的商业价值。

面对国际经贸环境变化，NVIDIA正采取双轨策略深化国内市场布局。

技术层面，通过CUDA-Q量子计算平台等技术授权方式保持架构影响力；产业合作方面，与浪潮信息、新华三等本土企业建立联合实验室，开发符合监管要求的定制化解决方案。值得注意的是，其推出的NIM微服务平台通过开源工具链优化，显著降低了AI模型部署的合规门槛，该策略使企业客户在保持技术先进性的同时满足监管要求。

据IDC最新预测，中国边缘AI市场规模将在2025年突破200亿元，这一增长正重塑产业竞争态势。

华为昇腾、寒武纪等本土厂商凭借定制化芯片方案加速进口替代，在智慧城市、工业质检等领域形成差异化优势。但NVIDIA通过液冷数据中心解决方案和CPO（共封装光学）技术，在基础设施层保持关键技术节点的控制力。

行业分析显示，当前供应链呈现"应用层本土化，基础层全球化"的嵌套式结构，这种技术依存关系或将成为未来3-5年AI产业发展的显著特征。

写在最后：

NVIDIA GTC大会释放的不仅是Blackwell Ultra的算力核爆，更揭示了AI产业化进程中三大核心命题：传统算力基建如何承接指数级增长的推理需求？跨界技术融合怎样催生新的商业生态？企业如何在技术红利与成本悬崖间找到平衡点？

这届GTC大会的“中轴线”已十分清晰。

一是推理优先，从BlackwellUltra与Dynamo框架重构算力分配，应对AgenticAI的复杂需求；二是开放协同，通过开源模型（GR00T、Nemotron）和跨领域合作（量子、机器人）降低技术门槛；三是可持续性：液冷与绿色计算从可选变为必选，倒逼供应链技术升级；四是AGI路径，Rubin架构与物理AI推动技术向通用场景渗透，开启“超大规模模拟”新纪元。

AI，正从单点技术创新转向全栈生态竞合，成为是今年甚至是未来几年产业数智化突破的主旋律。

大动作！百度发布文心大模型4.5、文心大模型X1

3月16日，百度正式发布文心大模型4.5及文心大模型X1，在文心一言官网即可免费使用。据介绍，文心大模型4.5是百度首个原生多模态大模型，其多模态理解、文本和逻辑推理能力显著提升，在多项测试中表现优于GPT4.5，API调用价格仅为GPT4.5的1%；文心大模型X1为深度思考模型，性能对标DeepSeek-R1，调用价格约为R1的一半。

作为百度新一代基座大模型，文心大模型4.5的多项基准测试成绩优于GPT4.5、DeepSeek-V3等，并在平均分上以79.6分高于GPT4.5的79.14。据介绍，文心大模型4.5在多模态理解能力上显著提升，不仅有图形推理、图表分析的“高智商”，还具备理解梗图、漫画、歌曲、电影等多模态内容的“高情商”。

文心大模型X1为深度思考模型，不仅在性能上对标DeepSeek-R1，具备“长思维链”，擅长中文知识问答、文学创作、逻辑推理等，而且增加了多模态能力和多工具调用，能理解和生成图片，还能调用工具生成代码、图表等丰富内容。

据介绍，文心大模型X1运用了递进式强化学习、基于思维链和行动链的端到端训练、多元统一的奖励系统等关键技术，并通过飞桨与文心的联合优化，实现从压缩、推理、服务部署的全链路极致调优，大幅降低推理成本。

目前，两款模型均已在文心一言官网上线，用户登录即可免费体验。同时，企业及开发者可在百度智能云千帆大模型平台调用新模型，文心大模型4.5已同步上线，输入价格为0.004元/千tokens，输出0.016元/千tokens，约为GPT4.5价格的1%；文心大模型X1定价为输入0.002元/千tokens，输出0.008元/千tokens，即将在千帆平台上线。

此前，百度曾宣布文心一言将于4月1日免费，本次发布不仅带来两款全新大模型，且将免费时间提前，全面提升了用户体验。近期，百度在AI大模型方面动作频频，依此前预告显示，百度将在6月30日正式将文心大模型开源，并在今年下半年发布文心大模型5.0。

专访数势科技谭李：智能分析 Agent 打通数据平权的最后一公里

作者|斗斗 

编辑|皮爷 

出品|产业家 

伦敦塔桥下的泰晤士河底，埋藏着工业革命的隐秘图腾——布鲁内尔设计的隧道盾构机。在19世纪城市地下轨道建设的过程中，这个直径11米的钢铁巨兽没有选择拓宽河道，而是开创了地下通行的新维度。

“我们不是ChatBI助手，我们是智能分析Agent产品，技术路线是Agent+企业级数据语义平台Enterprise Data Semantics Layer，和传统BI叠加大模型Chat能力的技术路线不同。”在采访前期和后期，数势科技反复和产业家强调。

当整个行业在BI赛道的红海中“厮杀”，数势科技像19世纪发明盾构机的工程师般潜入产业底层，用企业级数据语义平台Enterprise Data Semantics Layer构建起数据价值流动的地下轨道管网，为智能分析Data Agent的实现奠基。

“数据的力量，凭什么只能属于互联网巨头和少数头部企业？”

这一发问来自于数势科技的联合创始人谭李。他在百度和京东亲历了数据如何重塑商业逻辑，也在管理咨询行业作为数据分析师服务过众多世界500强企业。

然而，当目光投向传统行业，他看到的却是另一番景象：一家连锁零售企业的区域经理为了分析月度销售和成本数据，需辗转数仓团队、BI分析师和开发人员，耗时两周才能拿到一张完整报表；一家城商行的业务部门因指标口径混乱，同一份数据在不同部门“吵架”了一周。

数据的价值，在千行百业中仍是一座难以到达的海上孤岛。也正是这些洞察，让数势科技选择了一条与众不同的赛道——指标平台。

指标平台是数势科技2020年推出的第一个产品，也是行业第一款“管研用一体化”智能指标平台，后来成长为数势科技的大模型明星产品SwiftAgent的重要内核——企业级数据语义平台Enterprise Data Semantics Layer。

这一产品不同于传统数仓+BI的“手工业模式”，也不同于上一代数据中台里的“指标管理平台”，企业使用数势指标平台只需一次定义原子指标，所有派生指标、衍生指标均可通过动态业务逻辑计算实时生成，业务团队可以零代码调用，效率大幅提升，需求响应从天级压缩至分钟级。

在行业沉浸在数据中台范式的2020年，数势科技就开始以智能指标平台破圈；而后来让数势科技持续引领行业、脱颖而出的，是他们对大模型技术趋势的敏锐嗅觉。

2023年大模型浪潮袭来时，多数企业还在探索聊天机器人，数势科技已推出 SwiftAgent，将大模型的推理能力与企业私域复杂数据语义深度融合。当竞品仍在“ChatBI”的浅水区徘徊时，SwiftAgent早已不限于“智能问数”，已经成为一个企业级的分析决策智能体平台，既能为用户提供精准数据，也能提供企业级知识，还能自动生成基于企业私域知识的个性化经营分析报告，甚至预判业务异常。

如今，数势科技的成绩单上写满“第一”。国内首个“管研用一体化”的智能指标平台、首家完成中国信通院数据指标管理平台技术要求专项测试、首批通过中国信通院大模型驱动的智能数据分析工具专项测试的智能分析产品、出版了行业首本指标体系与指标平台的专著......

当数据民主化遇见Agent革命，企业经营决策正从“人找数”迈向“数追人”。

一、数据价值释放的基础：

指标平台让企业用数效率提升十倍

某食品连锁企业，拥有13000多家加盟门店，其加盟为主的商业模式，使得面向加盟商的数据透明化需求极高。

“数对不上，对于这类企业是很要命的。”从谭李口中产业家了解到，一段时间里，该食品连锁企业加盟商常遇到“某营业额数据次日重查时不一致”的问题，导致与总部的信任危机。

此外，加盟商收工后会集中查询营业额和佣金数据，以及门店的个性化数据，传统数据架构无法支撑瞬时高并发请求，导致查询延迟甚至系统崩溃。

更为重要的是，对于这类体量庞大的连锁企业而言，系统改造往往需要耗费大量时间、金钱、人力，这样系统化的升级改造，必定会对门店经营带来较大影响。

该食品企业的案例是一个缩影，代表着大部分企业数据智能路上的“隐痛”。

“每次有临时数据需求，先找BI分析师，然后BI分析师帮把需求翻译成各个指标的需求，再找数开团队去写SQL代码……可能一两个礼拜过去了。”谭李告诉产业家。

传统数仓+BI模式下，数据获取需多部门协作，流程冗长，业务需求变更时需技术团队重复开发，严重影响效率。对于业务人员来说，数据工具使用门槛也很高，非技术人员难以自主获取洞察，导致数据价值释放受限。

“指标平台在该食品企业上线后，取数效率提升了至少10倍”，谭李对产业家说。数势科技的指标平台允许企业仅定义10%的核心原子指标，如“订单金额”，剩余90%的派生指标和衍生指标，如“销售毛利”，通过动态计算实时生成，无需重复开发。真正做到了“定义即开发”“一次定义，全局使用”。

这一模式将业务需求响应周期从传统BI模式的“天级”压缩至“分钟级”，解决了加盟商因数据延迟或口径混乱导致的信任危机。

另外，针对加盟商集中查询销售数据的高峰用数场景——如晚结账时段——数势科技通过“指标加速引擎”（Hyper Metrics Engine）实现虚拟化逻辑计算与物化预计算动态融合，即使面临海量并发查询，也能保障秒级性能，避免了传统数仓因瞬时流量过大导致的系统崩溃。

过去4年，越来越多的企业开始采纳指标平台的一体化数据开发和消费范式。指标作为凝结了企业业务逻辑的结构化数据语义，在指标平台上进行统一的定义、加工、管理、应用，使得数据资产真正得以让0技术功底的业务人员去沉淀和复用。

二、加速数据平权：

SwiftAgent让企业用数效率再提升10倍

随着大模型技术浪潮的来袭，生成式AI显著降低了业务人员用数的门槛。但这并未改变根本问题。

“数据分析对企业而言通常是不容出错的关键任务 Critical Mission，如何做到数据100%准确？大模型的幻觉问题以及数理能力缺陷，使市面上绝大多数想要简单通过大模型+BI来解决问题的公司都碰壁了。”谭李接着说。

这是因为大模型在训练过程中使用的是公域数据，缺乏针对特定企业内部的私域知识。这可能导致模型生成不符合企业实际业务情况的内容，经常张冠李戴、似是而非，也就是所谓的“幻觉”。为了解决这一问题，需要通过产品化手段对大模型进行约束和优化。

因此，数势科技推出了第二个拳头产品SwiftAgent，企业级分析决策智能体平台。这款产品采用AI对话式交互，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查数用数，如支持上述食品企业的管理团队问“华东区上周销售异常原因”，“可做到智能问数100%准确、数据安全100%校验，实现真正的‘企业级可用’。”谭李对产业家介绍。

数势科技的产品如何能够做到？

SwiftAgent具体的技术路径是大模型+企业级数据语义平台Enterprise Data Semantics Layer+Agent，让大模型聚焦于用户的自然语言意图识别、任务规划、推理分析和报告生成等其擅长的能力，而将数据分析不容出错的指标查询计算工作交给以指标平台为核心的企业级数据语义平台。

另外，SwiftAgent还可以基于大模型推理能力调用企业私域知识库，如历史经营策略、行业分析范式，自动生成包含归因分析和建议的智能报告。

更重要的是，SwiftAgent摆脱了传统“你问我答”的被动式问数范式，真正做到了主动式数据预警和洞察生成，就像为每个员工配备了一个数据科学家助理一样，7x24小时为其主动服务。

从统一指标定义，终结“数据打架”；到高并发查询的“秒级响应”；从“民主用数”到“洞察生成”，最后奔向“全天候主动分析预警”。数势科技SwiftAgent通过技术架构创新与企业场景深度适配，实现了数据价值的低门槛释放，企业用数效率相比指标平台又提升了10倍。

三、看见数势科技的底层逻辑

为什么是数势科技？

数据智能的竞争，本质是“认知差”的竞争。数势科技与竞品的分野，早在产品设计之初就已注定。

2020年，数势科技推出首代指标平台，在谭李看来，当竞品仍将“指标管理”作为数据中台的附属模块时，数势科技已提出“指标即服务”（Metrics as a Service）理念，将指标层独立为数据价值链的核心枢纽。

在产品架构上，不做“全家桶”，支持对接Power BI、Tableau、帆软、QuickBI等主流BI工具，适配各种数据底座，避免了厂商锁定。

“某指标平台必须绑定其自研OLAP引擎，客户被迫接受过时技术。”谭李告诉产业家，有些厂商则不得不受限于自身的BI产品，强制捆绑生态。

在新兴技术融合方面，数势科技似乎也具备先发优势。

“2022年大模型出来之后，我们第一时间就想到，基于大模型的能力，我们的数据民主化其实可以更进一步。”谭李说道。“在传统BI厂商还在犹豫要不要+AI的时候，我们就在2023年做出了SwiftAgent产品，并在多个商业付费客户交付落地。”

2025年春节，DeepSeek火爆，数势科技称，其是行业首个接入DeepSeek能力的智能分析产品。在可视化生成方面，动态图表样式、数量超越传统BI工具；在深度洞察报告方面，推理分析自由发挥度大幅提升，突破固定范式限制；谭李直言，“很多时候会有惊喜给到你。”

基于对技术趋势的预判和对产业规律的敬畏，数势科技在引领产业数据民主化的路上一直踩准了节奏。从这一点来看，数势科技已然成为开源生态的“放大器”。通过数势科技这个“放大器”，企业可以更好地将大数据和AI的能力最大化地、更好地融入自身企业业务。

正如工业革命时期的隧道盾构机改变了城市扩张的逻辑，数势科技正在数据世界的地下管网中，悄然铺设通向“数追人”时代的铁轨。

四、跑完数据平权的“最后一公里”

不容忽视的一个事实是，中国很多企业仍处于信息化初级阶段，ERP系统未覆盖全流程，数据采集依赖Excel手工填报；在企业内部，业务部门也常将数据问题简单归因于工具，忽视底层治理；中小企业对大模型的成本耐受度低，且缺乏专业团队维护知识库。

据中国信息通信研究院《中国数字经济发展研究报告（2024年）》，2023年，我国一、二、三产业数字经济渗透率分别为10.78%、25.03%和45.63%，第三产业数字化渗透率相对较高，而第一二产业数字化渗透率不及全球平均水平。

需要承认的是，铺设通向“数追人”时代铁轨的路上，依然存在现实的沟壑。“信息化系统本身有缺陷，基于SwiftAgent的查询可能也就会受到一些影响。”

提起客户对SwiftAgent的推广阻力，谭李直言，业务方不会分阶段讨论问题，认为所有痛点都该被一键解决。

当一家制造企业的订单数据因系统割裂导致周结时才能稳定，当一家县域超市的进销存数据仍依赖手工台账，数据智能的愿景便撞上了冰冷的现实——技术普惠的最后一公里，远比想象中漫长。

面对这些根植于产业土壤的难题，数势科技选择了一条“技术普惠”的务实路径。

在轻量化部署方面，针对分散的系统，提供多系统兼容的标准化接口，短时间内完成多源数据对接，避免“推倒重建”。在数据治理方面，避免漫无边际的数据治理，采用应用优先的方式，优先固化核心业务指标，再逐步扩展至边缘场景。采用成本分级策略，简单查询调用轻量模型，复杂归因使用更大的模型，通过Multi-Model动态路由，将大模型调用和算力成本压缩至同行方案的1/10。

在中国庞大而复杂的产业体系中，走这样务实路径的技术服务商，不只存在于数据智能这个赛道，而是存在于各行各业：不设置高门槛，而是用最小化改造撬动最大价值。

19世纪铁路网的建设从未等待所有城镇准备好站台，像数势科技这样的技术服务商们，选择的是先让数据流动起来，再在流动中释放价值。

重新理解百度智能云：写在DeepSeek政企接入潮背后

DeepSeek在政务企业的落地是如今中国产业AI落地的一个催化剂，也更是一个AI行业的展示舞台。即技术本身值得所有人狂欢，但在狂欢之后，技术到现实场景的工程模块和落地能力也恰在成为越来越多云计算厂商、AI服务商的底色考校场。

“我们始终相信DeepSeek是一个真正的起点，不是终点，在共识的基础上，大家要一起往这个方向跑，未来的想象力会无穷大。”

作者|皮爷 

出品|产业家 

“忙，真的忙，那几天电话都快被打爆了。”百度智能云政务业务部张响（化名）告诉产业家，“很多DeepSeek的适配工作春节期间就已经开始了。”

快马加鞭的不仅这些。

在张响电话被“打爆”的同时，在百度智能云内部，一个数十人的政务“DeepSeek战时团队”被悄悄拉齐，这个团队中不仅配备有专门的售前和客户经理，还更有专门的产品、研发支持，其规模堪比一个微型“AI云团队”，张响也是其中一员。

这种不同寻常的应对背景恰是DeepSeek引起的AI热潮，如果说在过去两年时间里，对于AI产业市场更多的是持肯定但不迫切的态度，那么DeepSeek的出现则是将这个进度条极大快进。

这种加速度出现的最先战场，正是政务。张响告诉我们，不少客户的要求就是一个字—“快”。而这个在过去2年时间里在产业AI战场出现频次很少的需求，也构成着百度智能云 “战时团队”在过去50多天的核心发力点。

一个数据是，如今包括江西省南昌市、辽宁省沈阳市皇姑区、河南省信阳市等地都已经基于百度智能云千帆大模型平台，完成政务系统DeepSeek系列大模型部署，此外，还有陆续超过数百家机构正在部署进程中。

在真正的技术奇点到来之时，市场往往会给予超出预期的正向反馈，互联网是如此，云计算是如此，AI也更是如此。

但在这些需要被肯定的正向反馈中，还是有一些话题需要被厘清，即DeepSeek的爆发对政务数智化以及产业AI意味着什么？在这个热点国民动作之后，AI的下一步会走向哪？包括最核心的，到底什么才是中国产业AI落地的最优解，以及如何求解？

甚至，还不仅如此。“这次也是一个真正的AI实战场。”张响告诉我们，“机构和企业要能更快速、更高效地落地，这并不是所有企业都能做到的。”对中国的AI厂商而言，过去的50天，也更等同于踏上了一个前所未有的新考场。

政务和百度智能云恰在成为审视和观察这些问题的最佳窗口。如今，第一场交卷铃声已响。

一、DeepSeek接入潮：

快节奏，和“新AI实战场”

如果说DeepSeek是今年春节科技和产业界最核心的主题，恐怕没人会反驳。

从社会热点事件能感受到这场“全民DeepSeek”热潮的疯狂涌动。根据新闻数据显示，从2月中旬开始，有超过80多个城市就宣布开始或者已经完成和DeepSeek的对接，“第一时间”、“尽快”等字样开始频繁出现在相关的政务热点新闻上。

百度智能云团队对这个政务“热点”的体感还要靠前。

“我们几条线的同事基本是在第一时间就动起来了，但客户甚至比你还急。”张响告诉产业家，“春节后的第一周，就已经有政务客户上线使用DeepSeek了。”

一个不完全的调查数据是，如果说之前仅有10%的政务企业和机构对于AI有较强的接受和使用意愿，那么如今这个数据已经飙升至70%，甚至80%。

此外，在张响的观察里，这波AI潮水的到来方式也不尽相同。“之前的几年更多是技术和产品驱动，我们需要告诉客户AI可以做到什么程度、可以帮助做哪些事情，但今年是纯粹的需求驱动，客户会直接告诉你我需要什么。”

实际上，这也是DeepSeek带来的特殊的产业AI加速度。

即如果说之前的两年时间里，国内AI市场不论是政务、金融，还是教育、能源、制造，大部分企业尽管摩拳擦掌，但对于AI的布局仍处于观察和考校的状态，那么如今，DeepSeek更等同于建立起了一场直接从“需求”倒寻产品/技术的新产业AI模式。

在张响和百度智能云团队的观察里，这种骤然而至的需求可以分为三类，其中一类是直接帮助政务企业部署DeepSeek，替换原有的AI模型，或者从0到1建立算力层；另一类是在算力层之外，构建自身的MaaS平台，类似之前的PaaS中台，企业可以基于MaaS平台进行上层的AI Agent探索；此外，另外一类也更有企业有专门的特定场景需求，比如基于DeepSeek对前端客服等环节改造。

这种金字塔式的“三层需求”也是当下DeepSeek落地的三种方式，即一种是纯算力侧，一种是算力+操作平台，以及从算力到产品的端到端全栈部署。

但从AI行业的视角而言，对这些需求的满足都不是容易的事情。

比如对纯算力侧需求的政务企业，尽管目前市面上不少大模型厂商都有充足的GPU卡资源，但对政务行业的这波DeepSeek需求而言，厂商需要在公有云以及私有云环境下都具备相应的适配部署能力，根据不同政务企业的IT基础进行满血版或蒸馏版DeepSeek部署。

再比如“算力+MaaS”的部署，与之对应的也正是行业最近热议的AI infra建设，即需要服务商具备足够扎实的AI云底层框架，进而帮助企业构建最具成本和最灵活的调用方式；同样的还有端到端的需求，这要求AI服务商不仅要具备算力侧的基础，更要有对应的场景和环节理解。

可以说，对于这个“骤然出现”的考卷，拿到满分甚至及格分都不是一件容易的事，其中涉及到的题目不仅是水面之上的DeepSeek大模型本身，更有底层一系列的基础和工程考校，在其中如异构算力的管理、AI infra的基础构成、对AI Agent的理解和工程部署能力等等，都是足够难的题目。

实际上，这也恰对应了张响所说的迅速而来的“AI实战场”。即就政务市场而言，尽管DeepSeek带来的是一波迅速飙升的市场机会，但并不是所有人都做好了上战场的准备。

机会，只留给有准备的人。

二、“1+N”，

百度智能云的一场工程闪电战

“我们内部有非常成熟的对接交付流程，但为了更好地满足这次的需求，我们才专门拉齐了一个新的‘team’。”张响告诉我们，“基本春节前团队就已经就绪，后续的两三周内我们迅速对人员、流程进行了相关梳理和培训。”

这恰是前文所说的“DeepSeek战时团队”。更形象的理解是，这更等同于一个面向政务企业需求的“特战部队”，这其中对应的人员和流程都是为这次政务“DeepSeek大潮”量身准备。

比如前文提到的金字塔分层需求，在这个团队内部，三层需求被作为三个“共识”进行足够细颗粒度的拆解，保证在接受到客户需求的第一时间，百度智能云的售前人员和客户经理就可以能迅速反馈到执行侧，保证客户“快需求”的满足。

此外，据了解，在核心中控团队之外，百度智能云也更在每个地区设立了不同的执行和运营维护团队，从线下为不同的政务企业提供足够适配的DeepSeek部署服务。

而在这个“1+N”的战时团队底层，则是百度智能云的全栈自研的端到端大模型解决方案，从最底层的昆仑芯到上层的AI异构计算平台百舸，再到上层的模型和AI Agent部署平台千帆，以及再到最上层的应用如政务AI助手、客悦智能客服、曦灵数字人等产品。

这种端到端的能力，保证了在完备的团队架构加持下，百度智能云可以迅速满足来自不同政务客户不同基础能力的需求。

“我们是实打实的交付，基本客户看到的是什么样子，我们就能部署到什么程度，不是期货。”张响表示，“基本上一旦百度进入到某个项目，大概率都能成为最终的被选择方。”

以福建漳州市为例，据了解，从漳州相关负责人来百度实地调研，到开座谈会，再到后续“漳州通”通过百度智能云千帆大模型平台接入DeepSeek大模型，整个时间周期不超过2周。

如今，“漳州通”打造的福建首名“AI公务员‘候喜’”已经在“漳州通”APP “上岗”，成为福建省率先完成政务服务领域Deepseek部署的城市。而据了解，后续漳州市还将会基于千帆平台将大模型能力扩散到更多场景，如交通、民生，乃至智慧城市的多个领域。

这也恰是这次政务Deepseek部署需求的另一面，即尽管政务机构的最核心需求是“快”，但对不少政务企业而言，其也更倾向于“快”“质”结合，即在速度之上，选择更具后续成长力的建设方案，比如当下聚焦算力侧，但机构同样希望服务商给到后续的完整规划，再比如客户提出的是MaaS层的建设，但其同样也对后续的AI Agent部署有较高的要求。

而这些都是百度智能云的强项。一个数据是，在过去的几年时间里，百度智能云已服务国家电网、中国石油等超过60%央企，这个数据背后对应的是对更细节政务场景的理解，对特定数据表达、数据安全以及整体数字化、AI化框架的产业深厚积淀。

截止2025年3月，一个最新的数据是，选择百度智能云的政府客户已经超过1000家。

三、DeepSeek热潮后思考：

什么才是中国AI落地产业的最优解？

“模型代表的还是技术本身，技术如何落地，如何真正发挥价值才是真正的考量。”张响表示。

这也正是在政务DeepSeek部署热潮背后，市场在不断热议的问题——即对政务，以及不同行业的中国企业而言，怎样的AI技术落地方式是最适配的方式？以及在DeepSeek部署之后，下一步产业AI到底应该继续向哪走？

实际上，这张正在交卷的考试已经给了答案。即客观来看，百度智能云之所以成为大部分政务企业的选择，其本质被看重的还是其最核心的底层能力。

比如百舸AI异构计算平台，其基本能力覆盖创建、开发实验到模型训练、模型推理等一系列算力底层服务，同时其也更是业内最早打磨10万卡能力的厂商之一。

其可以根据客户拥有的不同算力卡，以及公有云、私有云部署需求帮助政务企业快速完成部署，一个数据是，在万卡规模上，百度智能云可以将两种芯片混合训练下的效率折损控制在5%以内。

再比如百度智能云千帆大模型开发平台，一个业内不太熟知的数据是，千帆是全球首个一站式企业级大模型平台，同时也是截至目前国内模型精调数量最多、调用量增长最快的大模型平台，其最早就支持国内企业对一系列如Llama等国内外开源模型的调用部署，以及基于模型的精调和面向上层应用的开发。

可以说，这也是百度智能云在这波DeepSeek浪潮中可以迅速满足需求的原因，即在过去两年时间里，基于千帆大模型平台，一系列从模型调用（蒸馏）、模型精调、以及应用开发等AI全栈工具链条已经被无数次使用和验证，在一众包括政务、金融、教育、能源等央国企、大型民营企业的核心场景和特殊场景中有足够的效果实践。

这些产品的组合也构成着政务企业客户选择百度智能云的原因。即百度智能云可以为企业加持的不仅是DeepSeek的接入，更同时会基于百舸、千帆构建出一个具备成长力和后续开发基础的底层AI操作系统，真正可以保障技术的后续落地和实用价值。

甚至相较于DeepSeek的大模型技术本身，这些AI的工程能力也才是政务机构更为看重的选择要素。“我们其实之前这些工程能力，以及包括昆仑芯等宣传的较少，但这次我们面向我们全部客户都进行了推荐，告诉大家我们有这样的能力，政务客户也都很认可。”张响表示。

这也是百度智能云的基因所在。

即从AI技术的发展迭代而言，包括DeepSeek、月之暗面等国内明星C端技术企业是绝对的话题掌控者，不过技术的狂欢固然重要，在这些狂欢背后，对应的更应该是技术在产业的最真实表达，这才是AI大模型之所以被谈论和被推动最大价值点。

而这也正是百度智能云等企业不被市场熟知，却一直深耕的领域。即相较于技术的沸腾，技术到产业的工程能力需要有人付出实践，和客户一道甚至贴身打磨出真实的技术价值。这其中有对不同中国产业土壤的适配，有对固有企业软件范式的重构和思考，以及也更有对产业发展的更深层次思考和下一阶段预判。

政务如此，金融如此，医疗如此，工业、农业、教育等等行业也都需要如此。但能看到的是，伴随着DeepSeek对产业AI的催化，这些不被人熟知的积累也在悄然浮上水面。

比如在千帆大模型平台接入DeepSeek后首日调用客户就多达1.5万家，价格全行业最低，再比如在2025年1月份，百度智能云的中标项目和中标金额双双取得第一，以及前文所说的，春节后有超过数百个政务客户都选择了基于百度智能云接入DeepSeek。

也可以说，DeepSeek在政务企业的落地是如今中国产业AI落地的一个催化剂，也更是一个AI行业的展示舞台。即技术本身值得所有人狂欢，但在狂欢之后，技术到现实场景的工程模块和落地能力也恰在成为越来越多云计算厂商、AI服务商的底色考校场。

技术需要仰望天空，但也更需要脚踏实地。这是DeepSeek热潮带给我们的思考，也更是百度智能云在2025年的如今带来的新启示。

“我们始终相信DeepSeek是一个真正的起点，不是终点，在共识的基础上，大家要一起往这个方向跑，未来的想象力会无穷大。”张响说道。

注：文章人物为化名

2025年，我们应该对供应链金融有怎样的考校？

在这些市场讨论的水面之上的数字之外，一个辐射出的更本质问题恰是市场对于供应链金融企业的愈发关注——即在经济逐步昂头的如今，刨除之前的波动不谈，作为产业经济的催化剂，供应链金融企业能否承担起应有的动力角色？或者说在面对不同市场水温和风险之中，供应链金融企业能否有更抗击风险、跨越周期的能力？

作者|皮爷 

出品|产业家 

“最近几个月，我们明显看到入场的资金开始变多了。”一位证券机构人员告诉产业家，“不仅是内地资本，甚至包括一部分外资也都开始回流。”

这个信号的更鲜明注解来自日前的一则招聘新闻，即“不少券商机构纷纷开始扩招相关人员，不仅局限在金融科技。”

这种回暖的信号也更体现在一众中小企业，甚至出现的时间更早。一组来自国内头部供应链金融企业联易融的相关数据显示，在2024 年第三季度，企业供应链科技解决方案处理的资产总量达 1050 亿元，同比增长 18%，单季度服务规模首次突破千亿元。

供应链金融，一个形象的比喻是其等同于企业和银行之间的一个桥梁。供应链金融企业负责将产业链中一众企业的相关价值资产（不仅固定资产，更包括如订单、交易数据等虚拟资产）转化为对应的企业信用，从而连接起企业和银行，帮助银行完成基于企业信用的面向企业的资金加持。

对产业经济而言，供应链金融不仅是一面镜子，也更是其核心的发动机和动力引擎，尤其是在微笑曲线向上仰头的当下，金融更是充当着绝对的动力源角色。

被誉为竞争战略之父的迈克尔·波特曾有一个著名的价值链理论，即“价值链的高效运转依赖于资金流、信息流和物流的协同，而金融则是优化这一链条的催化剂。”这也恰是对供应链金融的最好描述。

那么，在2025年技术和经济并发向上的当下，这个催化剂走到哪了？或者说，在中国市场，供应链金融的发动机的角色和价值是否正在成为撬动产业发展和经济向上的新支点？以及这个产业发展的必备角色，伴随着AI时代的到来，它的下一步或将走何方？

金融，对于用户而言，从来不是小事。而供应链金融，对于产业而言，也更需要放大镜式的持续考校。

一、从联易融，

理解「供应链金融」的双向支点

2024年年初，渣打银行面向金融机构颁发了一项名为“最佳可持续金融解决方案”的奖项评选，最终获奖者是一家来自中国的供应链金融企业——联易融。

在中国产业市场，谈及供应链金融，联易融是一个绕不开的企业，这种话题的必然性不仅来自于它是中国第一家上市的供应链金融SaaS企业，更来自于联易融服务的一众企业。根据官方数据显示，联易融覆盖中国百强企业中的45家以及全部中国前商业银行，此外，也更服务了超过25万中小微企业。

从某种程度来看，联易融的模式也恰代表着中国广大供应链金融企业的商业模式和价值锚点。

比如在产品侧，其核心产品为核心企业云、金融机构云、跨境云、SME场景云，分别面向不同类型的企业以及金融机构；此外，在如SME场景中，还有专门面向电商等更为特殊的场景提供特殊的产品方案。

这也正是供应链金融企业在中国产业发展中的特殊价值之处。即在欧美等地区，尽管企业更多的数据有所不同，但由于其底层规定的IT框架和数据格式具备统一完整性，对于银行而言，其可以基于统一格式和标准的数据信息进行定向授信，不论对银行还是企业都风险极低。

但在中国的产业环境则是有所不同。

首先，从品类来说，中国拥有全世界最全的产业链，拆解到局部则是企业被广泛分布在无数个标准不一的场景；其次，除金融之外，不少行业的信息化程度较低，而且缺乏统一标准，对企业而言，很难构建自身的数据信用。

这种样本的多样性和信息化数据的匮乏性，也恰导致了如果基于普通的信用机制，企业很难从银行获得对应的金融支持，而金融上的匮乏传导到产业链则是产业交易链条的运转缓慢，甚至近乎停滞。

联易融等供应链金融企业的不同产品恰面向的是这些卡点。更细节的理解是，在“核心企业云、金融机构云、跨境云、SME场景云”的产品背后，其对应的都是适配不同产业企业、不同场景和金融机构的金融解决方案，这些方案一方面可以定向帮助不同产业链的企业构建不同于C端的信用逻辑，加持企业获得对应的金融支持；另一方面，也更通过对金融机构的不同程度的加持，帮助其可以以更低的风险和不同维度的指标充分释放自身的想象力。

如果从其核心价值来看，不仅中小微企业，包括一系列大型企业也都需要供应链金融企业的加持，以联易融为例，在其服务版图中，更有如长城汽车、山东高速集团、中粮等一系列大型民营以及国央企。

这些分散在各个产业链的链主企业在被服务加持的同时，也也恰构成着联易融等中国供应链金融企业的产品进化动力，进而辐射到更多不同的其它产业链，催化产业经济的加速流转。

一个数据是，截至目前，联易融的产品共计拥有1900个微服务、2300个组件，这些模块如今可以转化为面向不同场景、不同产业、不同企业量级的定制化解决方案，帮助企业获得最大程度的金融加持。

二、AI时代，

供应链金融正在走向哪？

那么，在价值之外，中国供应链金融的健康度到底如何？或者说，他们的产品模型在当下的中国市场，是否被充分验证？

实际上，这也是最近的出圈话题之一。即就在刚刚过去的3月，联易融发布了一份相关公告，内容大致为预计2024年将亏损增加，但公司仍然保持充裕的现金流。

与之而来的市场谈论则是针对这家中国头部供应链金融企业的质疑，比如“联易融科技自2018年至2024年累计亏损额约为172亿”等等观点。

首先，从联易融官方公布的上市财务报告来分析，在企业年报中，按照经调整利润口径，公司2018至2024年上半年累计利润为2.22亿（其中2018年、2019年、2020年、2021年、2022年、2023年、2024年上半年经调整利润分别为-0.14亿、0.37亿、1.92亿、3.02亿、1.96亿、-2.86亿、-2.04亿）。

那么，问题到底出在哪？或者说，172亿亏损的市场批评到底是否为真？

在评判联易融的数据准确性之前，可以先来看一份来自不同互联网企业的财报，比如在2019年，美团曾以接近1155亿元亏损额的出圈，但与之对应的是美团在港股市场股价的长期向好，原因是当时的美团选择将部分资金投入到打车、酒旅等相关业务上，同时也更有主动对外卖骑手的补贴；

再比如在2018年上市的小米，外界传闻亏损439亿，但小米仍然以1000亿美金的估值上市，其本质是两者的计算逻辑不同。小米财务报表，采用的是国际财务报告准则（IFRS），这是在香港上市的要求。实际上，小米在2015~2017年的经调整利润应该为-3亿元、+18.9亿元和+53.6亿元。

净利润和经调整利润之所以有如此大的差距，是因为净利润在经调整利润的基础上，还算入了可转换可赎回优先股（上市前融资的股份等）公允价值变动、以股份为基础的薪酬、投资公允价值增益净值、收购导致的无形资产摊销等成本。

这也是联易融172亿背后的理解口径偏差。比如2021年联易融显示的“亏损129.92亿元”，其本质也更是提前加入了可转换可赎回优先股公允价值变动预期，和实际业务关联不大。

换言之，在资本市场的角度之外，从真正业务的角度来看，联易融官方公布的经调整利润恰反应的是企业业务的真实晴雨表。

但在这些市场讨论的水面之上的数字之外，一个辐射出的更本质问题恰是市场对于供应链金融企业的愈发关注，即在经济逐步昂头的如今，刨除之前的波动不谈，作为产业经济的催化剂，供应链金融企业能否承担起应有的动力角色？或者说在面对不同市场水温和风险之中，供应链金融企业能否有更抗击风险、跨越周期的能力？

实际上，能看到的是，伴随着中国产业数智化的升级，一系列的升级也更发生在供应链金融产业版图内。

比如联易融近日宣布接入DeepSeek官方API，据了解，在业务高峰期，单日资产规模超50亿元时，通过AI技术的自动化处理能力，可以极大地减轻人工操作的负担，同时也降低出错率。

此外，基于AI Agent的实践，更多的自动化操作也在被加速引入联易融的产品服务中，比如实在风控领域，AI技术能够快速分析复杂的Excel数据，为风控人员提供精准的决策支持。此外，AI还可以通过自然语言处理技术，实现与企业内部系统的无缝对接，提升业务流程自动化水平。

不仅联易融，一众其它供应链金融相关企业也更在不断行动。比如有企业基于AI自主研发技术平台，基于AI等技术，与更细节的产业生态进行链接，为中小微企业构建更精准的交易画像，让原本因数据不足而难以获得融资的中小微企业，获得了更多的融资机会。

以及也更有供应链金融企业将AI智能体引入到数据分析前端，帮助企业构建更为完整的数据交易链路，通过更精准的链上数据帮助企业构建数据资产等等。

如果说金融的风险始终没办法完全消弭，那么AI技术的到来则恰是将这种风险性更进一步降低，通过对数据更细维度的处理和采集，以及基于AI大模型和AI Agent等不同形式的应用，更好更科学地完成产业信用体系的构建，真正让产业金融的流动、数据资产的验证做到安全可控。

而从另一个角度来看，这种真正基于技术层面的进化不仅提升的是一众产业链企业和金融机构的更充分黏连，其也恰是帮助供应链金融企业构建更为健全的产品能力和更加坚实的抗风险底盘。

从发展的视角来看，这才恰是当下乃至未来十年供应链金融企业最应该被考校的底色，即科技含量如何？AI进化走到哪一步了？

写在最后：

供应链金融是一面镜子，但其更重要的角色是中国一个个产业链的金融动能发动机，从业务范围来看，伴随着经济周期的波动，其对应的企业状况必然会有对应的波动。

但在这些弹性的波动之外，更应该看到的是一个个企业在当下不断优化、进化，乃至全力以赴构建的适配中国产业环境的不同产品和服务流程。同时，也能更加清晰感知到的是，AI时代，包括联易融在内的无数中国供应链金融企业将会释放出更强的金融科技动能，成为更为智能化、科学化的产业连接桥梁，成为千行百业的更强力增长支点。

行稳致远，价值为王。2025年，期待供应链金融企业的千帆进化。

透视京东物流财报：一个长期主义的产业样本

“企业的使命不是预测未来，而是创造未来。但创造的前提是理解什么值得坚守百年。” 

从某种角度来说，京东物流恰在成为当下国内研究长期主义的一个样本。这些亮眼的财报数据背后，对应的不仅是向上的业务增长本身，其中更需要被看见、被发掘的还有长期以及最新的技术专注、技术定力，以及不断向产业纵深跃进的服务厚度和服务边界。

作者|皮爷 

出品|产业家 

全年营收1828亿元，同比增长9.7%，第四季度营收同步增长10.4%——这是来自京东物流财报的三组数据。

这个成绩单可以说是对「长期主义」的最好诠释。

和这两组数据一同出现的还有一系列更为细节的业务增长数据。2024年，京东物流来自外部客户的收入为1278亿元，同比增长9.6%，已服务外部一体化供应链客户超8万家；此外，包含快递、快运等在内的来自其他客户的收入约955亿元，同比增长12.1%。

此外，同样亮眼的数据也更在海外，根据财报数据显示，截止目前，京东物流已拥有超100个保税仓库、直邮仓库和海外仓库，总管理面积超100万平方米，海外仓已覆盖全球19个国家和地区。

对京东物流而言，市场乃至消费者都并不陌生。而对于京东物流的长期坚持投入的故事，也更是被无数商业市场所熟知。

但越是在这种熟悉的背景下，我们似乎越要探索和理解这家长期主义企业的增长逻辑，尤其是在AI热潮不断涌动的如今，即——技术和产业的结合范式应该是什么？对中国企业而言，在技术曲线不断向上、摩尔定律不断突破的当下，企业应该寻求的核心价值锚点到底应该是什么？

技术，带来新想象力的同时，也同步带来的是无数企业对自身业务和战略思考的迷茫。而京东物流，似乎正在成为这些问题的答案。

彼得·德鲁克在面向企业咨询时曾说过这样一句话，“企业的使命不是预测未来，而是创造未来。但创造的前提是理解什么值得坚守百年。”

从某种角度来说，京东物流恰在成为当下国内研究长期主义的一个样本。这些亮眼的财报数据背后，对应的不仅是向上的业务增长本身，其中更需要被看见、被发掘的还有长期以及最新的技术专注、技术定力，以及不断向产业纵深跃进的服务厚度和服务边界。

“技术锐度+产业深度”，京东物流正在走出新的想象力。

一、稳稳的增长，

“出圈”的京东物流

实际上，在财报之前，越来越多人的一个感受是：京东小哥的身影，出现地越来越频繁了。

这种在2024年的频繁感的表现不仅在一众电商平台的下单和派单，也更在包括家电、大件商品的配送，以及在包括生鲜、鲜花等特殊产品的配送。可以说，在过去的一年里，京东物流给人的感觉更像是在加速“出圈”。

这种出圈也恰在财报中得到了近一步印证。比如前文提到的在过去的2024年，京东物流来自外部客户的收入为1278亿元，而从整个收入构成来看，其在总收入中的占比接近70%。

这也是外界对于京东物流“破圈”印象的最主要原因之一。即对外部构成的一个理解是，其在如今互联网平台互联互通的大背景下，对应的是足够充分竞争的市场条件，对京东物流有需求不仅是基于一体化供应链服务的一众独立企业品牌，也更有包括不同外部电商平台企业的需求。

而在这种充分自由的物流环境里，京东物流则是成为越来越多独立企业和电商企业的选择。在产业家之前不少面向产业带企业的调研中，一个较为广泛的问卷调查是，不少企业最开始使用的是其它物流，但在最近两年都开始改用京东物流。

这也足够清晰地反映在财报数据中，即京东物流在2024年包含快递、快运等在内的来自其他客户的收入约955亿元，同比增长12.1%。

此外，一体化供应链的服务也更是构成京东物流出圈的原因。单从一体化供应链的数据来看，2024年，京东物流一体化供应链收入为874亿元，外部一体化供应链客户数量超过8万家。

实际上，外界对于京东的一体化供应链能力和方案并不陌生。甚至从更市场化的视角来说，作为中国最大的零售商，也恰只有京东物流可以提供真正的从营销前端到配送终端的一体化供应链解决方案，而对越来越多的企业而言，这种贯穿企业生产、制造、运输、仓储、以及销量预测、生产规划、存货管理等增值服务一体化供应链方案，在当下恰等同于被直接加持的增长势能。

这也是京东物流的基因所在，即其不仅有足够强的重物流属性，也更有电商侧的强市场理解，能为企业提供适合自身的一体化供应链方案。

而在这些破圈的数据之外，京东物流在海外的布局也更在成为一大亮点，财报显示，其如今运营海外仓、保税仓、直邮仓超过100个，覆盖全球国家和地区19个，此外，京东物流也更在全力发力建设海外供应链，预计至2025年底海外仓面积将翻番，构筑海外仓配“2-3日达”时效圈。

从路线来看，京东物流是将国内的模式在海外进行投射，即优先构建不同类型的仓储，基于不同的仓之间的配合进而实现“跨境备货+本地化履约”的一体化链路，为企业提供足够高时效的体验。

从某种层面来看，这些全部数据都很具备“京东属性”。不论是京东物流在自由物流市场的持续被选择，还是一体化供应链的不断加持，以及海外等市场的不断发力，这也恰都显现着京东物流的特殊典型性——长期主义，厚积薄发。

二、再交卷的数智化供应链：

技术向下，产业向深

在商业咨询市场，很多企业在发展中都会遇到这样一个问题，即如何坚持长期主义，或者说如何保证在长期主义保持不断精进和不断向前。

京东物流的答案是技术，如果更近一步，则是“产业+技术”。

从更具体的角度来看，对这个问题的演绎也更可以延展到最核心的业务视角，即京东物流的增长是从哪里来？这种增长的最底层构成和最底层支撑引擎到底是什么？

早年谷歌多项业务持续增长，有记者也曾问过谷歌联合创始人拉里·佩奇相似的问题，他的回答是“企业真正的‘加速度’，藏在实验室里，而不是财报中。”

这也是京东物流的回答之一。

早在2023年的云峰会上，京东物流就推出了物流大模型应用——“京东物流超脑”，而在2024年，京东物流又再次全面升级基于大模型的数智化供应链技术全景“京东物流超脑”，将AI、大数据、运筹学、数字孪生等数智化技术与物流各环节深度融合，专注于供应链全链路的降本增效。

可以说，这个两年前的AI布局如今正在成为京东物流越发核心的底层引擎。

比如在仓储环节，京东物流可以基于AI销售预测动态优化储位布局，实现拣货和补货效率大幅提升；在运输环节，基于自研的分布式仿真技术，京东物流具备亿级订单全网线路分钟级孪生模拟及百万级数据分钟级的处理能力，可以结合货量预测、动态路由、智能调度等AI算法，实现动态调整运输资源、优化运输线路，大大降低运输费率等等。

根据数据显示，截至目前，京东物流大模型已被应用于异常管控、流程自动化、智能交互等数十个场景中，累计调用超6亿次，赋能数十万一线员工。

不仅在AI侧。在行业一直公认的前沿物流机器人侧，京东物流也更在持续发力。比如2024年，京东物流推出了智狼货到人解决方案，并已经应用在京东物流北京大兴临空智能物流园区的童装仓，存储坪效相比普通仓库提升4倍以上；全仓使用近百台智狼飞梯机器人和搬运机器人，实现自动化入库、上架、拣选、出库等，上架效率提升5倍，拣货效率提升3倍以上，可以大大降低仓内运营成本。

如果说“技术”给京东物流带来的是基于全物流链条的智能深化和产品的良性降本，那么“产业”则带来的是越发纵深的行业积累。

这些也恰都在过去的一年被印证。比如在产业带方向，京东物流和众多产业带合作，打造了多条高价值生鲜产品解决方案，一个数据是，如今京东物流已经覆盖了超过2000个产业带；再比如在家电大件方向，2024年，京东物流在依托行业首创的“送装拆收”一体化和送货上门等服务之外，还为家电产品提供回收质检、正逆向一体化服务等等。

同样的产业细分布局也还更在快消品等等不同的领域。在过去一年的京东物流服务版图里，越来越多“行业化”“垂直化”“场景化”的服务方案恰都在逐步落地。

也可以理解为，技术的创新实践和产业细分场景的持续加码构成的也更是京东物流最前端的企业竞争力：越发智能优质、越发实用适配、越发性价比的物流服务。

实际上，这也是前面几个问题的答案，即在能看得见的财报背后，水面之下对应的是不断积累的技术深度和产业厚度，而这也恰是京东物流的最核心动力引擎。

三、从京东物流，

理解真正的「长期主义叙事」

长期主义，一直是中国企业，乃至世界众多企业所信奉的一个词。而与之形成后缀的是“馈赠”，即坚持长期主义的人/企业，一定会得到馈赠。

而如果这种馈赠，再加上最敏感的技术锐度，会是如何？这也恰是京东物流的故事，也是这次亮眼财报带来的真正思考。

即在这次财报背后，一个最真实的感受是真正长期的技术投入、产业投入是可以跑通甚至跑赢市场大盘，但在这之中需要长期的坚持，需要甚至很长时间的沉默成本，以及面对技术、面对产业的足够专注和垂直。

根据不完全统计，截至2024年底，京东物流已获得授权的专利和软件许可超过5000项，其中涉及自动化技术和无人技术的专利数量超过3000项。在自动驾驶、数据治理、地图服务、绿色低碳等方面，京东物流的创新技术也更是得到国家高度认可，全年累计获得国家级科技奖项以及技术示范案例超30次。

此外，京东物流如今已在全国运营自营仓库及云仓超3600个，总管理面积超3200万平方米，仓储网络几乎覆盖全国所有县区。根据京东物流内部人士透露，在接下来的时间里，京东物流还进一步探索行业化、定制化仓储供应链。

可以说，不论是物流AI大模型，还是“智狼”系统，抑或是逐步深入各个产业带、细分垂直场景的一体化供应链方案，以及正在快马加鞭布局的全球“一盘货”体系，在京东物流身上，能看到的是一个基于长期主义底盘之上长出来的战略惯性和战略专注。

这种基于技术进行提质降本增效的理念，和不断深入物流产业的纵深战略，构成的不仅仅是这次京东物流给出的财报数据，还更体现在一位位破圈出圈的京东小哥，一个个深入线下场景、之前很难被覆盖的产业带和特殊商品地，以及一条条横跨国内乃至全球各个地区的仓储配送体系。

在越来越多人对纯粹技术追求的大背景下，这种对产业的默默坚持和长期主义耕耘恰更显得难能可贵，而这些“难而正确”的事情也恰构成着技术和产业的最强链接，也更构成着企业持续向上且不可替代的最强想象力。

2024全年，京东物流经调整后的净利润达到79亿元，同比增长186.8%。这家坚持长期主义的企业，一直在路上。

DeepSeek到底给中国TO B服务带来了什么？｜产业深度

DeepSeek引发的技术地震只是序章。当潮水退去，最终留在舞台的，必是那些完成“价值操作系统”升级的破壁者。 

作者|斗斗 

出品|产业家 

DeepSeek的出现，仿佛在平静的湖面上投入了一颗石子，激起了层层涟漪，引发了各层技术服务商的广泛关注与响应。

“原来那些我们比较珍惜、甚至有些不舍得用AI的地方，现在都可以大胆地使用AI了。”合思告诉产业家。

与过去一年中涌起的AI浪潮不同，DeepSeek带来的并非仅仅是技术的热度，而是一种基于深度思考的技术范式。它以独特的方式改变了人们对AI的认知：即使在数据资源有限的情况下，依然能够训练出高质量的模型；模型蒸馏技术则赋予了小型模型更大的价值，使其能够发挥出与大型模型相媲美的作用；同时，开源战略和低价策略更是为AI技术的普惠化铺平了道路。

这些新变化，让本次AI技术浪潮比以往更加激烈，也更具影响力。

这种新的技术路径带来了截然不同的变化。随着AI技术的普惠化，企业对融合AI技术的信心大增。SaaS服务商也开始积极拓展更多应用场景，探索AI在更多领域的落地可能。这种技术的普惠化，不仅推动了行业的发展，也让各层级的技术服务商真正受益，吃到了实实在在的红利。

阿里云的最新财报也从侧面反映了这一趋势。数据显示，阿里云实现营收317.42亿元，同比增长13%。虽然AI产品的需求与云用量不能直接等同，但阿里在财报会议上提到，客户对AI相关产品的新需求中，约有60%-70%用于推理。这也证实了低价策略确实激发了市场的一部分需求，增加了对底层云基础设施的调用量。

然而，尽管DeepSeek的爆火在各行业掀起了一股热潮，其创新的技术范式和超低价策略对国内TOB厂商和云厂商产生了显著影响，但这些影响并非外界所渲染的“全面AI化”。大厂云并没有盲目地全面接入DeepSeek，反而是呈现出明显的分化和阶段性特征。

在复杂多变的行业环境中，我们需要拨开云雾，看清本质，深入探究DeepSeek热潮之下服务商们的真实变化，以及这些变化背后的故事——DeepSeek到底给TO B服务商带来了什么？中国的TO B产业服务，在DeepSeek的影响下正在发生怎样的变化？

一、DeepSeek潮水里：

被加速释放的AI热情和AI想象力

“银行复杂文本问答准确率提升至96%，外呼效率提升300%-400%。”“接入DeepSeek后，在智能分析报告生成和图表可视化的方面，我们的产品比现在市面上大部分自然语言交互式数据分析产品都做得更好。”

无论是前者容联云AICC3.2版本整合DeepSeek后带来的数据，还是后者数势科技接入DeepSeek后的产品优化，都验证了DeepSeek带来的AI新技术范式的优异之处。

这一明显的成果，这也让客户侧发生了十分明显的变化。

数势科技联合创始人谭李告诉产业家，“很明显，年后来咨询的客户数量，增长了很多”。他提到，连锁类客户的需求尤为突出：“过去给每个店长配一个分析师是不可能的，但现在通过数势科技智能分析平台SwiftAgent，他们能直接获取数据洞察并自动生成周报。”

这种从“集中式人工取数问数”到“民主式智能分析助手”的转变，正在重塑企业用数的范式。

国际电商 SaaS 公司AfterShip也在和产业家的沟通中提到：“DeepSeek相比GPT有着1/70的价格，而且它出色的推理能力赋予了较好的理解能力和可解释性，激发了公司众多团队、个人去实践和探索更多应用场景的热情。”

“目前公司已落地多个AI Agent，如AI Copilot和AI客服，40%以上客服问题由AI处理，准确率超95%，响应时间和满意度优于人工客服，节省成本且提升服务质量。”AfterShip 数据总监 Harvey 对产业家说。

这一点，也在PaaS层服务商那里，得到了清晰地验证。

“在大年三十，我们就已经开始尝试与部署让DeepSeek开口说话。”声网告诉产业家，其对话式AI引擎通过640ms超低延时、智能打断等功能，让开发者无需二次开发即可实现多模态交互，“客户对语音互动的需求显著增加”。

从技术服务商侧来看，这种变化意味着垂直赛道的进一步深化以及项目预算门槛的降低。

容联云对产业家说道，“在DeepSeek出现之前，我们更倾向于使用自己的行业专属模型+多模型管理，但现在从客户的应用诉求来看，优先使用以DeepSeek为主的多模型接入+行业专属模型，优先级发生了变化。”谭李也提到，“以往调用大模型的一大笔成本是阻碍客户大规模推广Data Agent的一道门槛，现在客户和我们共同的目标是如何让越来越多的人使用SwiftAgent来提升工作效率。”

从客户层面的积极性增加，到应用层的爆发，无一不在增加底层云基础设施的调用量。而大厂云无疑成为了这波技术狂潮最大地承接者。

从各大云基础设施服务商的动作来看，策略也各不相同。

腾讯云采取双线推进的策略，一方面通过API接口调用云与模型直接部署元宝、微信，另一方面将微信生态中的搜一搜、、视频号作为DeepSeek落地的核心场景，实现了产品之间的高效协同。

百度智能云则通过搜索入口整合，如推出「AI+」入口，以及模型切换功能，让文心与DeepSeek并行，实现了快速落地，为用户在搜索等场景中融入了更强大的AI能力。

与腾讯云和百度智能云不同，阿里云对DeepSeek的接入则主要聚焦于自己的主营业务侧产品，如阿里的1688、钉钉、阿里云相继接入DeepSeek，给自研的大模型产品保留了一部分空间。这也显示出阿里云在AI布局上的策略考量，既积极引入外部优质模型，又注重自身技术体系的协同发展。

近日阿里Qwen团队发布新推模型QwQ，称会展示完整的思维链，也确定了上述猜想。

字节的接入策略与阿里有相似之处，最近被曝出豆包小范围测试深度思考模型，接入的并不是DeepSeek，可见其也是注重自身技术体系的协同发展。

总体而言，从应用层技术服务商们的接入动作来看，AI技术正在从通用能力向行业Know-How渗透；而腾讯的生态绑定（微信）、百度的入口整合（搜索）、阿里的业务协同（1688/钉钉），反映出云厂商正通过差异化定位将AI能力转化为自身生态护城河，而DeepSeek暂时成为其补齐短板的战略资源。

二、2025年

被重构的AI TO B服务链条

DeepSeek引发的技术普惠浪潮，正在悄然重构TO B服务的价值链条。

当银行外呼效率因AI介入提升300%-400%时，传统行业对AI的认知已从“试水工具”转向“效率引擎”。

这种转变催生了服务商角色的进化——不再满足于单纯部署AI模型，而是将通用模型适配至风控、客服、数据分析等垂直场景。

数势科技的SwiftAgent产品便是典型代表，面向企业“刚需”的写报告场景，使用者可直接上传历史报告模板，SwiftAgent能够自动基于最新数据生成符合企业偏好的深度报告。“过去需要数据科学家做的归因分析和异常下钻，现在一线业务人员就能完成。”谭李表示。

在技术门槛持续降低的背景下，服务商的竞争焦点也从“谁能提供AI能力”转向“谁能更懂行业痛点”。

这种深度渗透的趋势，与多模态交互的爆发形成共振。正如声网基于底层音视频技术，从技术底层优化解决方案，将DeepSeek的语音生成与实时音视频技术融合。

值得关注的是，AI正从辅助工具升级为“决策执行者”。例如，容联云旗下数据智能平台诸葛io通过全链路数据采集，优化营销效率等核心指标；数势科技SwiftAgent实现从数据分析到策略建议的高效闭环，并对接企业的IM系统实现即时通知与反馈。

而站在浪潮之巅的云厂商们，已悄然展开生态卡位战。腾讯云将DeepSeek深度植入微信生态，让搜一搜的答案推荐、视频号的智能剪辑都流淌着AI的血液；百度智能云则通过搜索框的“AI+”入口，让文心与DeepSeek在用户无感切换中完成体验升级；阿里云在钉钉智能办公套件中嵌入多模态能力，使工作汇报自动转化为可视化看板。

这些差异化路径背后，藏着同一个逻辑：云服务的战场已从基础设施层跃升至应用生态层，谁能将AI能力与场景流量深度耦合，谁就能在客户心智中筑起护城河。

狂欢之下，暗礁也在隐现。当阿里云财报揭示AI推理需求激增时，鲜少人注意到底层算力成本正随模型微调需求攀升——低价策略撬动的市场，也可能反噬利润空间。

更棘手的挑战来自数据安全的灰色地带：某医疗企业混合部署自研模型与DeepSeek时，因患者数据脱敏不彻底引发合规争议，这类案例正倒逼服务商重建技术伦理框架。

而字节跳动自研“深度思考模型”的举动，则暴露出头部企业对技术依赖的警觉——当AI能力日趋同质化，真正的护城河或许不在技术本身，而在谁能更快将行业Know-How沉淀为智能资产。

这场由DeepSeek点燃的技术革命，终将走向价值深水区。服务商们逐渐意识到，AI普惠不是终点而是起点。

当技术民主化消除准入壁垒后，决胜关键已转向如何用AI重构生产流程、如何将碎片化场景串联为生态闭环。正如跨境电商企业借助模板化AI客服实现全球市场快速复制，或制造企业通过低代码平台将质检模型落地为标准化模块，技术浪潮的最终指向，是一场悄无声息却影响深远的产业智能化迁徙。

三、去伪存真的AI后序：

谁会留在舞台？

开源技术的普及与DeepSeek的超低价策略看似扫清了AI落地的经济门槛，但产业实践揭示出更深层的矛盾，那就是价格门槛的突破并未消除产业深水区的暗礁，反而让长期被忽视的短板加速浮出水面。

当技术狂欢退潮，产业界正在形成新共识，即大模型突破的是技术天花板，而商业价值的释放仍需穿越"工程化鸿沟"和"场景化深水区"。

这一点在企业客户侧也有所体现。

“以前客户见面就问‘你们用的是什么模型’，现在第一句话变成‘能帮我降本多少’。”某SaaS企业销售总监的观察，印证了客户需求的转变。

这种分化背后，反映出产业对技术落地的务实需求——低价仅是起点，真正的竞争在于能否解决实际场景中的“水土不服”。就像买了辆特斯拉，但村里没充电桩技术再牛，配套跟不上也白搭。

当技术触达率快速攀升时，未被狂欢掩盖的真实困境正在悄然酝酿。毕竟，把AI技术变成实际可用的系统，中间还有各种麻烦事，不是价格低就能解决的。

面对汹涌的技术浪潮与复杂的落地困境，产业界正在形成新的突围共识——AI价值的释放不再依赖单一技术突破，而是需要构建“技术-工程-场景”三位一体的新型基础设施体系。

这一共识的形成，标志着AI产业从单纯的技术追求，转向了更为务实的应用与价值实现。在这个过程中，数据治理、算力重构和模型演进成为了关键的三个环节。

过去，数据的收集和存储更多是无序和粗放的，就像原始的原料开采，只注重数量而忽视了质量。如今，随着AI技术的深入应用，数据治理已经转向精细化管理，通过先进的技术和严格的标准，对数据进行清洗、分类和标注，使其成为高质量的“精炼产品”。

算力重构也在经历着从“军备竞赛”到“精准调度”的转型。

过去，算力的提升往往依赖于硬件的堆砌，企业之间展开了激烈的“军备竞赛”，追求更高的计算能力。然而，这种模式不仅成本高昂，而且效率低下。现在，随着算力调度技术的发展，企业开始注重算力的精准分配和高效利用。

模型演进则从“参数崇拜”到“价值锚定”的觉醒。

过去，模型的性能往往被简单地等同于参数规模，企业之间展开了对参数数量的盲目追求。然而，这种“参数崇拜”并没有带来预期的性能提升，反而导致了资源的浪费。现在，企业开始更加注重模型的实际应用价值，通过优化模型结构和算法，提高模型的效率和准确性。

DeepSeek技术的突破就是一个典型例子，通过独创的DeepSeekMoE架构和MLA机制，该模型以较低的实际开发成本，实现了训练效率的巨大提升、训练成本较较其他模型也大幅降低。这种转变不仅降低了开发成本，还提高了模型的实用性和竞争力。

当技术民主化进程完成时，真正的竞争才刚刚开始。未来的赢家不是最会训练模型的企业，而是最懂如何将AI原子嵌入业务DNA的组织。在这个过程中，企业需要构建“技术-工程-场景”三位一体的新型基础设施体系，实现技术与业务的深度融合。

在这场静悄悄的产业革命中，DeepSeek引发的技术地震只是序章。当潮水退去，最终留在舞台的，必是那些完成“价值操作系统”升级的破壁者。

当红炸子鸡DeepSeek，为何花心思自研存储？

存储，这个一直被谈论的IT“旧话题”，正在重新站在聚光灯下。 

作者|吴铭 

出品|产业家 

DeepSeek再次成为破圈话题。

这两天，DeepSeek开源3FS并行文件系统的消息，犹如向AI基础设施领域投下一枚深水炸弹。3FS每秒能搬运6.6TB数据，相当于1秒钟传输完700部4K高清电影。还能自动调资源，国产芯片用了它，跟国际大牌的差距直接缩到15%。

这并非简单的技术迭代——当Llama3 70B模型单次训练需吞掉15PB数据（相当于连续播放250万小时4K视频）时，全球AI实验室突然意识到：决定大模型训练效率的不仅是GPU算力，存储系统正成为影响AI进度的一大瓶颈。

存储，这个一直被谈论的IT“旧话题”，正在重新站在聚光灯下。

一、当AI算力狂飙时

存储正在成为隐形战场 

2024年，某头部AI公司曾因存储带宽不足，导致2000张A100显卡的算力利用率长期低于40%，单日经济损失超百万美元。这暴露了AI时代的"木桶效应"——当GPU计算速度进入微秒级时，一次突发的存储抖动就可能导致整个训练任务崩溃，让数周的计算成果瞬间蒸发。这或许也是DeepSeek自研存储的原因。

数据显示，存储优化可直接将175B参数模型的训练周期压缩30%，对应百万美元级的成本被填平。而在推理端，当10%的异常请求遭遇存储延迟波动时，P99响应时间会瞬间突破SLA红线，这正是某自动驾驶公司在线服务突发降级的根本诱因。

从DeepSeek的角度来看，其之所以选择自研3FS的本质，也正是发现了存储架构在AI应用中的重要性。《金融行业先进AI存力报告》》报告中提到，在同样的GPU算力规模下，存储性能的高低可能造成模型训练周期3倍的差异。在算力军备竞赛的背后，一场关于存储性能密度的暗战悄然升级，自研存储显得尤为重要。

二、5家头部厂商角逐AI存储

国产能否拔得头筹

相比于传统AI的需求，大模型对存力需求场景具有数据量大、参数规模大、训练周期长等特点。

为了提升大模型训练速度，需要对大规模数据集进行快速加载，且一般采用数百甚至上万张GPU构成计算进行高效的并行计算，需要高并发输入/输出（I/O）处理，而训练数据集呈现海量小文件的特点，文件量在几亿到几十亿量级，对应的带宽需求可能每秒要达到上TB，这就要求存储系统具备强大的数据管理能力，业界能达到该能力的仅寥寥几家。

小编搜集了国内外优秀的并行存储产品做了对比，发现除了国外主要做并行文件的几家公司，国内真正并行文件自主研发的产品并不多，带着好奇心我们也看了一下华为存储、京东云云海，行业目前有四家优秀的并行存储产品。

IBM作为老牌存储品牌，其产品从HPC场景成功向AI场景演进，但受制于其在国内市场的萎缩，在产品研发上的投入也有所收缩。在全球AI场景得到广泛应用的N，多个读、写带宽等关键上表现突出，但N由于技术封闭性、专有化硬件等原因，导致用户建设成本过高。

国产厂商DeepSeek 3FS虽然是开源的新产品，但相对老牌存储也有不错的表现，在读带宽能力上表现优异。我们还惊喜发现，另一家国产厂商京东云云海，在这个专业领域表现出色，以单节点95GB/s的读带宽、60GB/s的写带宽，进一步拉低了国产存储与国际老牌厂商的差距。相较于DeepSeek的3FS，京东云云海在提供高性能的同时适用性更广，可以同时满足DeepSeek、ChatGPT、LLaMA等20余种主流大模型的存力需求。

综上来看，随着大模型快速向纵深场景演进，对存储的要求也越来越高，DeepSeek、京东云云海等国产存储，显示出在处理大规模数据集时的优越性能，未来国产存储能否拔得头筹，我们拭目以待。

销售易和腾讯联手后思考：中国SaaS正式驶向「AI战场」

如果说在过去的两年时间里，AI技术在产业侧的最小触点和终端表达是数据相关的非核心场景，那么在接下来的2025年，包括CRM、ERP、OA、MES等越发核心的模块也必将成为AI落地的核心模块。 

比如CRM中的前端客户筛选、触达，中间客户线索和数据的流通，以及后续的客户运营等等，这些都将以更新的AI需求传递到SaaS企业侧，在成为其新机会的同时也更为企业的服务能力提出新的挑战。

作者|皮爷 

出品|产业家 

“其实我觉得这是利好SaaS行业的。”一位主要面向B+轮次的投资人告诉产业家。从前年开始，他的投资方向从软件服务转向AI。

“国内SaaS企业的反应相较于国外太慢了，而伴随着AI Agent潮流的到来，未来SaaS的服务形式必然存在，但产品形态肯定是会发生变化的。”

他口中的“利好”对应的恰是今年开年伊始震动整个SaaS圈的一件大事——腾讯和销售易达成更深一层的合作，根据官方公告显示，双方接下来会从不仅局限于投资的角度，更从渠道、分销、产品等多方面融合大同；而架构上的变化则是，腾讯集团副总裁、政企业务总裁李强将兼任销售易董事长，销售易创始人史彦泽继续担任CEO。

从某种角度来看，这件事情恰可以作为接下来SaaS行业潮水流向的讨论锚点。

即在过去两年，一个水面之上的现象是，不少国内SaaS经营出现问题，包括如整体营收的下滑、客户粘性降低等等，行业似乎开始重新定位“盈利”的问题；但与此同时，AI的洪流正在全球范围内滚滚而来，国外的OpenAI、国内的AI六小龙引领技术变革，而在这些基座大模型之上，包括如Salesforce等也都推出了基于AI的新产品，在AI的映衬下，SaaS变革似乎也已成必然。

这种“内部管理模型”和“外部趋势洪流”的交汇，也构成着如今不少SaaS企业对2025年的迷茫。“单从过去的发展来看，我们正在稳固ARR/NDR这些指标，但AI到底要投入多少，做到什么程度，是不是和国外的路径一样，我们也没底。”

这是不少SaaS企业创始人都在尝试回答的问题。

如果说过去的十年，对中国SaaS企业而言是蓬勃向上，发展扩充的十年，那么如今，也或者说伴随着资本的重新审视和AI潮水的蜂拥而至，这些应该被思考的深度问题也恰摆在前进的必经道路上：中国企业需要的SaaS模式应该是怎样的？未来十年的AI时代，最好的SaaS服务形态是什么？

以及，最核心的，对中国一众SaaS企业而言，企业的最佳定位在哪里？

AI，在带来新技术变革的同时，也更带来的是SaaS企业服务的新形态和身置其中的对自身发展的新思考。前有Salesforce和阿里携手作战，如今更有销售易和腾讯深度合作绑定。

实际上，一场中国SaaS的变革之路已经悄然拉开帷幕。

一、联手背后，

销售易发出的“另一重信号”

把视角拉回销售易和腾讯合作当天的公告，有一个点尤为引起大家关注，即其中对于双方接下来的合作细节——“腾讯将充分发挥平台能力支持销售易长期发展，在企业管理SaaS领域沉淀可复制的健康增长模式。同时双方也将借助敏捷智能的产品、精细化的运营深挖CRM自主创新和 AI 大模型、出海增长机遇。”

AI大模型，恰是这个合作公告中被异常关注的重心点。甚至从更行业化的视角来看，在合作背后，对应的也恰是销售易向外界传递出的另一个有力信号——联合腾讯之后，销售易将全力开启“AI in All”。按照销售易创始人史彦泽的话是“我们强调的更多是基于AI能力去塑造我们原本产品的使用场景，而不是真要投入做AI大模型或者技术本身。”

这种信号对应的是目前全球SaaS行业的不同分布现状。

在大洋彼岸，今年Salesforce的最新动作是宣布增设2000名销售，旨在帮助企业更好地使用公司的AI产品，其中除了已经融入各个云产品的Einstein之外，在去年9月12日发布的Agentforce也更在成为今年推广重头戏，而这个产品已经成为如今Salesforce股价拉升的最核心引擎。

实际上，不仅Salesforce、Workday、ServiceNow等一系列的国外TO B软件巨头也恰都在去年乃至前年更早时候全面推出企业自身的核心生成式AI产品，已经开始大规模落地应用。

但这种“决绝“在国内SaaS企业身上并没有足够鲜明的信号。

如果把视角拉回过去的一两年里，能明显感知到的是尽管基座大模型的氛围热火朝天，包括智谱、月之暗面、Minimax、以及包括腾讯在内的互联网大厂等基座模型厂商在前沿技术侧的探索热火朝天，甚至称之为资本的宠儿也不为过，但在应用侧，尤其是以SaaS服务形态为主的AI软件/Agent侧，包括CRM/ERP/MES等国内TO B垂直场景泛起的水花很小。

这种“下冷上热”的情况不难理解。在中国土壤中成长起来的SaaS企业本身就有其独特性，包括“甲方要求”“项目定制化”“集成”等等，这种“粗放式”的企业成长模型伴随着最近5年的资本退潮正在重新回归理性，对不少SaaS企业而言，过去5年甚至接下来的核心指标更多的是实现“盈利”，同时更好地优化企业自身的SaaS经营指标，如客户粘性，如ARR/NDR等。

这种重心的偏移一定程度上也恰对应着如今不少SaaS企业面对AI的行动迟缓。“现在不少SaaS企业的生成式AI产品还仅仅停留在生成式对话的阶段，距离软件服务的落地应用还差很多。”一位软件相关行业人员告诉产业家。

此外，这其中也更关乎到成本。即从AI自身的视角来看，尽管伴随着国内算力成本的下降，以及DeepSeek特殊训练推理方法的出炉，对于一家SaaS企业而言，如果想要构建适配自身服务模式的AI产品，其中所需要的投入也不在少数，不仅需要企业进行特殊的SFT（监督微调），也更需要进行面向垂直行业/场景环节本身的推理训练，同时也需要结合固有产品进行工程化适配。

以Salesfoce为例，根据财报数字显示，其最近两年的研发投入均超过50亿美元，并以每年超过15%的速度增加，其中AI侧投入占其中的20%-30%，据了解这个比例还在逐渐提升。

可以理解为，这些数据也恰对应的是开篇投资人提到的“行业利好”原因之一。即客观来看，销售易和腾讯的合作或将为SaaS行业呈现一种新的模式，即如何彻底地基于底座大模型进行核心SaaS赛道（CRM/ERP/MES）产品的升级打磨。

也或者说，在这次合作背后，一个能在最短时间里看到的新动作或许也将是“CRM+AI”模型的新组合，在这个组合里，腾讯作为底层AI大模型能力的提供者，销售易作为前端CRM服务形态的提供者，基于“AI in All”真正打磨出一个适合中国土壤的新式AI SaaS产品。

这是国内SaaS赛道打响的真正的“全面AI第一枪”。

二、AI时代

重新理解CRM的锚点

在这一枪之外，实际上还有更为核心的一个命题——中国SaaS，或者说销售易等CRM企业在AI中的锚点是什么？或者更准确来说则是，伴随着AI以及AI Agent形态的颠覆式发展，包括CRM、ERP等身处中国传统SaaS赛道的企业的核心抓手是什么？

实际上，这个命题也恰是过去两年整个软件行业都在讨论的核心主题。但从时间跨度来说，如果说最早市场更多的声音是“AI会颠覆SaaS企业”，那么如今更多数人的观点则“AI会重构并对SaaS企业的价值进行重新表达”。

这些价值，对应的正是中国SaaS企业自身的“产业know-how”，如果向更细颗粒度拆分则是——对于企业内部环节流程的服务拆解、对不同细分行业的产业理解，以及在中国土地上和不同软件生态（企业微信、钉钉、飞书等）的融合打通。

以销售易为例，实际上，在“全面AI”第一枪打响的背后，对应的是销售易这家中国CRM领跑企业的一系列底色，几个外界都能清晰可见的信息是：销售易是国内唯一一家连续8年入围Gartner SFA象限的企业；其服务的中大型客户超过5000家，在大中型企业市场占有率位居第一；其ARR/NDR对应的数字都位列国内SaaS企业头部。

在这些外界看得见的信息背后，对应的是它足够具象的产品力，比如在汽车、制造、医疗等重资产行业的深耕，再比如其中间层构建的是目前国内为数不多能对标Salesforce的PaaS平台，以及早在2018年，销售易就全面接入微信，深度绑定集成，通过小程序、实现轻量化连接。

可以理解为，这些底色构成的恰是销售易在AI时代的新锚点。即在Scaling law仍然奏效的如今，在不断叠加的数据之上，这些独特的上层产品力、底层PaaS模块，恰可以演绎成AI技术和中国产业生态的最强链接。

实际上，在国外的“SaaS+AI”的生态组合中，这些现象已经被初步印证。比如基于企业服务流程特殊构建的知识库，比如基于TO B服务流程构建的AI图谱等等，以及基于固有服务流程进行的定向监督微调等等。

“现在其实不是缺少技术，而是更缺乏能识别的服务场景，只要我们能找到对应的AI落地场景，我们再对应过去的数据，就可以生成对应的AI产品。”一位海外SaaS电商企业告诉我们。

这些场景对应的恰是销售易和中国一众头部SaaS企业构建的特殊产品模块，以及在产品中对应到不同产业的数据流转流程，这些对企业特定环节的深刻理解在过去形成的是一个个完备的CRM产品/模块云，而在AI时代，它们也恰会以AI Agent或者其他形式成为AI技术的最终端表达，以及企业在新的产业数智化转型/AI转型中的最直接触点。

这些从核心锚点出发的表达和触点，也恰是未来SaaS企业的新定位。也可以理解为，这也是销售易和腾讯、Salesforce和阿里合作的更深一层故事想象。

三、下一个十年

中国SaaS企业应该路向何方？

这些想象力空间已经在延展。根据相关人士透露，销售易和腾讯的AI团队已经在进行接洽，双方正在基于AI大模型进行更深层次的产品适配和打磨。

这是专属于中国的SaaS路径实践。

相较于国外土壤的SaaS企业，中国SaaS企业有自身的独特性，不论是面向客户层面更深入的服务定制，还是在产品侧基于更为广泛需求的特殊标准化产品，抑或是基于不同行业/产业的服务团队，这些“特殊性”催生的是对千行百业客户的更细致的场景和需求理解，不论是CRM，抑或是其他赛道都是如此。

因此，从路径来看，和Salesforce自身投入大量资金路径不同的是，中国SaaS企业可以选择基于自身的强前端服务能力和基座大模型厂商协作，以更快速、更高效地、更低成本的方式打磨产品，跑步进入AI战场，满足客户需求。

实际上，这也是外界对这次腾讯和销售易联手看好的原因。

即如果说互联网大厂的优势在于基座大模型相关的模型训练、推理等等产业链工程，那么对互联网大厂而言，如销售易这种有多年产业积累的SaaS厂商恰是可以成为它们最前端、最尖端的AI落地点，可以帮助腾讯在自身基座大模型之上构建更为完备的从底层IaaS到MaaS，再到上层SaaS的AI产品版图，补齐最后一块产业数智化的能力拼图，以更好地满足企业需求。

从供需来看，这种版图布局的时间迫切性已经在提前。IDC相关数据统计，2025年中国AI市场规模预计同比增长25%-30%，而据了解，伴随着DeepSeek的出现，这个数字还在上浮，其中典型需求来自制造、金融、医疗等重度使用CRM/ER/MES产品的垂直产业方向。

此外，从最新放出的AI项目标的来看，除了预训练项目外，这些需求的最直接表达形式也正是“SaaS+AI”，即在企业固有的产品模块上提供对应的AI能力，或者帮助企业构建对应环节的AI产品（AI Agent）。

实际上，也可以说，在销售易和腾讯合作背后，其给行业带来一个新组合形态的同时，也更对应带来的是一个更大的确定性想象空间——即在AI涌动的浪潮里，中国SaaS企业更新的机会和卡位点正在来临。

如果说在过去的两年时间里，AI技术在产业侧的最小触点和终端表达是数据相关的非核心场景，那么在接下来的2025年，包括CRM、ERP、OA、MES等越发核心的模块也必将成为AI落地的核心模块，比如CRM中的前端客户筛选、触达，中间客户线索和数据的流通，以及后续的客户运营等等，这些都将以更新的AI需求传递到SaaS企业侧，在成为其新机会的同时也更为企业的服务能力提出新的挑战。

一组不完全的数据统计，截止2024年年底，中国AI SaaS企业收入增速超50%，远高于传统软件（15%）。此外，在包括制造业、金融行业等对于AI采购的预算也更呈现逐年上涨的需求，据了解，在2024年，头部银行AI采购预算几乎占IT总投入的20%-30%。

从中国SaaS企业的角度来看，也可以说，谁先构建出成熟的、具备工程落地能力的AI产品和服务团队，满足企业AI需求，谁就能率先拿到AI时代的新SaaS入场券。

这是销售易和腾讯正在做的事情，也是未来一年中国头部SaaS企业或将纷纷付诸实践的新战场。

如果说AI技术带来的是无数新的想象力，那么这种想象力的最前端必须要有足够扎实的产业理解和足够细致的工程表达。而这些更具体的表达，正是一众中国SaaS企业需要正视的价值，也更会成为在机会和挑战兼备的AI时代的新卡位点。

AI浪潮里，产业资本正在重新相信「中国新故事」

无论是无人驾驶还是具身智能，两者都不是新概念，如今看到的上市潮和融资热也仅是冰山一角，在冰山之下，真正受资本宠爱的依旧是扎根到垂直行业的具体应用。AI大模型的兴起，让资本重新看到它们的商业价值。 

作者|思杭 

编辑| 皮爷 

出品|产业家 

激增101.9%，这是2024年资本在AI领域做出的回答。

产业家统计，2024年，AI领域融资金额高达6619亿元人民币，同比增长101.9%；然而投资事件数与上一年并无相差太多。AI项目中出手最频繁的知名投资机构“红杉中国”，在过去一年投资金额整整翻了一番，而投资数量却同比减少55.6%。可以看到，在不少明星AI公司的投资方中，都有它的身影。

然而，上述并非2024年资本叙事的全貌。在冰山之下，还隐藏着一些其他信号。如果事情照常发展，2025年本应该走到一个巨大的分岔路口。

但2025年初，DeepSeek掏出一张“王炸”牌，搅乱了原本的故事走向。

2024年的AI领域，资本描摹出了怎样的叙事？接下来的一年里，新的舵向正在飘向哪？又或者说，新的AI故事，正在呈现怎样的故事脉络？

一、红杉中国频繁出手，

腾讯阿里抢投明星AI公司

从2023年初至今，持续了两年的大模型不仅没消火，反而火越烧越旺。

参投AI最活跃的除了知名LP，还少不了互联网大厂的身影。尤其是过去一年最火的明星大模型公司，那些估值跨越10亿美元、20亿美元大关的背后，是知名LP和互联网公司纷纷抢投的结果。它们谁也不想在这场AI军备赛中被落下，谁也不想错过AI这波果实。

过去一年，在知名投资机构当中，触及AI行业，以及高估值的明星AI公司，最常见的身影非红杉中国莫属。尽管从投资数量来看，红杉中国2024年投资的AI公司比2023年少了近一倍，但从投资金额来看，却整整翻了一番。据相关数据统计，2024年红杉中国在人工智能行业投资金额达28.74亿元，同比增长111.6%；投资数量为9家，同比减少55.6%。

这种"量减质增"的投资策略转变，折射出市场正在从初期的概念验证阶段迈入商业价值兑现期。

到了2024年，以红杉中国为首的知名LP，开始将2023年"广撒网"式的分散投资，转向2024年聚焦头部项目的集约化投资，市场也呈现出明显的马太效应。

而在这场愈加白热化的AI军备赛中，以BAT为代表的中国科技巨头代表，其投资策略却明显分化。

其实，阿里巴巴和腾讯的投资策略较为相似，都旨在估值高的明星AI公司中分一杯羹，同时也旨在扩大自身的生态联盟。

可以看到，腾讯在过去一年明显缩窄了自身的投资版图，但所投公司全部为明星AI企业。

腾讯2024年在人工智能领域的投资版图，来源：IT桔子

腾讯2023年在人工智能领域的投资版图，来源：IT桔子

同样地，2024年，阿里巴巴的投资版图也与之相近。

阿里巴巴2024年在人工智能领域的投资版图，来源：IT桔子

而与上述两者都不同的是，百度2024年的投资版图却略显“异类”，其并没有投资任意一家明星AI企业。但其目标也更为清晰，押注产业智能化，All in大模型商业化。

百度2024年在人工智能领域的投资版图，来源：IT桔子

与2023年相比，百度明显扩充了自身的弹药库。

百度2023年在人工智能领域的投资版图，来源：IT桔子

2025年，中国AI产业已进入到"巨头主导创新"的新阶段。

对于创业者而言，或在细分场景中寻找生态位，或选择成为巨头技术版图中的关键模块。

二、激增3000亿，

大模型“六小龙”彻底分化

激增3000亿，2024年AI领域融资金额创十年来新高。

据IT桔子，2024年AI领域融资金额高达6619亿元人民币，同比增长101.9%；而投资数量与上一年几乎持平。由此可见，过去一年AI领域的单笔融资金额十分可观。

其中，还诞生了几家估值过20亿美元大关的明星AI大模型公司。这些公司单单是估值就甩了其他AI公司好几条街。从单笔融资金额来看，TOP10融资事件中"六小龙"占据六席，头部企业吸金量占行业总额超60%。其中月之暗面和智谱AI在过去一年完成多轮融资，后者已走到D轮。

2024年AI大模型融资事件前十一（按融资金额排名）

通常情况，企业在完成B轮融资后，已经对自身的战略布局和路线图有了较为清晰的认知和规划。而从上述融资轮次来看，大模型“六小龙”当中，月之暗面、MiniMax、阶跃星辰都已完成B轮融资，智谱AI更是已完成D轮融资。

而Scaling Law失效、算力瓶颈、大模型商业化加速，2024年大模型行业的一些变化，让“六小龙”彻底走向分化。再加上2025年初，DeepSeek以"开源+极简架构"颠覆行业认知，其日活用户20天突破2000万，倒逼OpenAI加速产品迭代。

DeepSeek的横空出世不仅加速了AGI的进程，更是改写了整个大模型行业的叙事。迄今为止，较为显著的一大变化是，曾经坚持闭源的大模型都开始积极拥抱开源，但月之暗面除外，其目前对是否开源暂未表态。

关于大模型“六小龙”的另一些信号是，1）2024年底，阿里云收购零一万物团队强化基础设施；2）2025年初，MiniMax副总裁魏伟离职，此前主要负责公司的ToB商业化业务。

另外，值得一提的是，据外媒The Information，一直对外声称暂无融资打算的大模型新秀DeepSeek（中文名：深度求索），近日首次考虑融资，包括阿里巴巴和国资均表示有兴趣提供资金。此前，百度和一直不看好AGI的朱啸虎也曾表示，只要DeepSeek开放融资，他们一定会跟。

三、AI基础层融资规模断崖式下跌，

应用层迅速崛起

一场深刻的资本结构重构正在发生。

缺卡，是过去两年的关键词。但在一级市场，投资者似乎并未表现出太多信心。一方面受限于较高的技术壁垒，AI芯片企业自身存在很大难题；另一方面，资本层面回报周期拉长，AI芯片企业平均盈利周期延长至8-10年，远超VC基金存续期限。

产业家统计，AI基础层融资事件从2023年的104起锐减至2024年的70起，降幅达32.7%；单笔融资峰值更是从20亿元（燧原科技D轮）萎缩至5亿元（无问芯穹A轮），资本强度缩水75%。

然而，不同于基础层，投资者对上层应用层则更为乐观。据统计，2024年AI应用层的融资事件当中，新成立企业占比近50%，36%融资事件集中于天使轮。资本“抢滩”早期项目迹象明显。

原因并不难理解。对于AI这个站在风口上的行业，无论是投资人还是创业者都想从中分一杯羹。而像AI应用层这类更容易商业化，难度也相对较低的领域，是最容易的切入点。

然而，时间来到2025年，AI基础层和AI应用层，或将迎来一场资本重构。

随着MaaS模式成熟，基础层与应用层的界限将逐渐消融。拥有自主算力的应用企业（如月之暗面）和具备场景落地能力的基础设施商（如华为昇腾），或将重构产业价值分配格局。

四、机器人+智能驾驶占比一半，

资本押注的究竟是什么？

2024年，除了持续火热的大模型，另外两大热点几乎全部集中在自动驾驶和具身智能的身上，资本当然也不会错过这波机会。

据IT桔子，2024年AI行业应用融资事件共209起，占比41.22%，比例与去年几乎持平。产业家统计，2024年AI行业应用融资事件当中，资本主要集中在五大行业，分别为工业制造、医疗、智能驾驶、生物和航空航天。其中，绝大多数的机器人都被归为工业制造领域，而自动驾驶和无人驾驶也都归为智能驾驶一类。

自动驾驶多年来起起伏伏，这次终于等来机会，2024年自动驾驶上市潮持续升温。

10月24日，地平线在港交所正式挂牌上市；

10月25日，文远知行在纳斯达克上市；

11月7日，希迪智驾向港交所递交上市申请；

11月27日，小马智行挂牌纳斯达克。

据21世纪经济报道不完全统计，2024年以来，共有14家中国自动驾驶相关企业在各大交易所上市或推进上市流程。然而，从具体的行业分布来看，在智能驾驶类别上，L2赛道辅助驾驶依然是资本的首选。

而自动驾驶上市潮还未结束，紧接着又迎来具身智能融资热。比如登上春晚舞台的宇树科技，也在去年完成两轮融资，目前已完成C轮，截至目前，估值达100亿元人民币；再比如尤为出圈的智元机器人，自2023年初成立一年，接连完成六轮融资，投资方包括百度、比亚迪、高瓴创投，截至目前，估值达70亿元人民币。

从估值来看，具身智能的受宠程度不亚于大模型“六小龙”。

但实际上，无论是无人驾驶还是具身智能，两者都不是新概念。上述看到的上市潮和融资热也仅是冰山一角，在冰山之下，真正受资本宠爱的依旧是扎根到垂直行业的具体应用。只是，AI大模型的兴起，让资本重新看到它们的商业价值。

因此，无论是机器人还是智能驾驶，资本所追捧的从来不是某个概念，而是货真价实的收益回报。

写在最后：

整体来看，2024年对于大模型来说，是急于商业化的一年。2024年末，一些信号已经显现，然而2025年初，DeepSeek的出现打乱了关于AI的一切叙事。

DeepSeek引来的或是一场海啸。

乔布斯曾说过，“创新并非是创造完全新的产品”。站在当下的语境，DeepSeek的创新在于用新的技术，疏通了困扰国内AI公司两年的缺卡难题。从此，国内AI厂商积极拥抱开源，甚至积极开放产品边界。

一年前，朱啸虎曾表示不相信AGI。但一年后的今天，朱啸虎重新表态，“DeepSeek快让我相信AGI了。”AI时代，中国的新创业故事正在重新走上资本台前。

写在DeepSeek持续发酵背后：中国互联网大厂的想象力还在吗？

如果说在AI技术尚不足以构成产品内核的如今，创新的AI技术尚且很难对社交、电商、本地生活、供应链、游戏等基本盘业务构成威胁；那么当AGI时代真正到来呢，当下一个AI应用的DeepSeek到来呢，这些才是对互联网企业未来想象力的最大拷问。 

杭州和深圳的押注告诉我们，这个时间并不会太久远。 

作者| 皮爷 

出品|产业家 

碎发，银框眼镜，习惯不打领结。这个春节，梁文峰和他的DeepSeek成了绝对的焦点。

如果把时间拉回今年1月，没有人能想到这个结局。“去年我们也有关注DeepSeek，但当时没有这么惊艳，包括模型能力、模型参数都不算特别出彩。”一位投资人告诉产业家，“但一个春节后，一切都变了。”

中国的AI确实变了。从技术侧来看，最新的一个数据是，DeepSeek在开源社区Hugging Face（最权威的AI开源社区）上的点赞数跃居第一，获约8730次点赞，这一数字仍在持续上涨。

排在DeepSeek之后的均是在过去几年时间里的某个阶段引领AI潮流趋势的模型企业，比如排名第二的是曾以AI生图“新王”名号横空出世的FLUX.1，排名第六的是全球1000名科学家组成BigScience打造的参数高达1760亿个的超大NLP模型BLOOM。

从世界AI格局的视角来看，这是独属于中国AI的突破。

但这个在短短几个月内让国内AI玩家达成共识的命题如今也更带来着一些新的思考，即如果技术实力上DeepSeek的能力最强，那么中国各大互联网大厂，在过去两年的布局等于什么？

过去两年时间里，在中国的AI版图里，互联网大厂是足够重要的一环，不论是从模型自身的技术路线和实力侧，还是从AI大模型的工具链、生态环节构建侧，都在通过不断完善自身的AI拼图进而拿下AI时代的船票。

尽管其中的策略有快有慢，有投资激进派，也有开源、闭源派。

但DeepSeek的出现让这些布局在外界眼中似乎成了“陈旧的包袱”。其中几个被鲜明提出的问题恰是：之前大量投入到预训练的算力布局是否被浪费了？基于各家自身大模型的工具链、生态是否需要推翻重建？以及在2024年各互联网大厂达成共识的AI应用到底应该是怎么样的？

这些问题背后都在折射出一个更为本身的问题，即伴随着DeepSeek的出现，AI时代的大门正在或者说已经被悄然推开，在这个几乎聘美第一次工业革命的新时代里，包括BAT在内的互联网大厂接下来应该采取怎样的动作，继续深耕模型层，还是加注产品？或者说，从当下的目光来看，它们的想象力到底在哪？

伴随着国民级应用微信接入DeepSeek以及腾讯一改常态的产品和战略架构“动作”，这个问题正在被愈发摆到台面上。

一、DeepSeek，

共识背后的“共振”

在谈及大厂想象力之前，一个更应该被重新理解的问题是：DeepSeek到底强在哪？它的能力边际线是否可以覆盖部分或者全部大厂的业务范围？

答案是没有。

从本质来看，DeepSeek的模型能力强是毋庸置疑的，包括DeepSeek-V3基座模型以及微调后的DeepSeek-R1都让全球AI玩家眼前一亮，而更向底层延伸的重强化学习的训练思路以及基于开源模型蒸馏的模型构建方式也同样给了AI行业新的启发。

此外，DeepSeek的“强大”之处不仅在于模型单体能力，其如今有足够强的影响力的最核心关键在于DeepSeek采取的全面开源路线。即和之前国内大模型厂商以及国外Llama等AI企业开源路线不同的是，其不仅开源了训练方式，更开源了包括训练数据在内的诸多模型训练要素。

从某种角度来看，这种开源更可以理解为“AI普惠”。即基于DeepSeek的开源模型，企业可以以更低（接近十分之一）的成本构建出效果更好的模型。

这种接近公益的“普惠”也恰是如今举国推崇DeepSeek的核心原因。即在强技术和强开源的基础上，商业边界和商业业务壁垒被极大地弱化，对于各方而言，DeepSeek提供的都是一个不需成本即可站上的巨人肩膀。

实际上，这也是如今各家纷纷宣布接入DeepSeek的原因。

对互联网厂商而言，接入DeepSeek可以直接提升自身的产品力和服务力，中间没有任何“水土不服”，比如腾讯元宝这次的大动作；对一众中大型企业而言，其不需要再像之前一样面向市场直接进行AI大型项目的招投标，而是自己可以“先试一试”；对于如今各地宣布接入DeepSeek的政务企业而言，DeepSeek的开源模型可以让其更为安全地部署在本地，不用担心性能。

除了这些水面之上的影响，波纹还在延伸向更远处。比如对于AI应用开发者而言，其尝试AI应用的成本更低，效果更好，等等都在成为DeepSeek这波浪潮的受益者。

这种声势的加持也更来自于各个互联网大厂自身核心产品的接入。比如微信，比如腾讯元宝，比如百度文心，百度地图，阿里的1688、国际站等等，这些在过往只能使用自家AI大模型的核心业务产品也都在重磅宣布接入DeepSeek。

这种共识之后的共振，在商业能量足够旺盛，区隔度向来较高的中国市场鲜有如此。

但如果向更底层来审视，能够看到的更为本质的是DeepSeek本身贡献的是技术能力，而非业务产品能力（AI应用）。这其中的区别在于前者对应的是可以无限叠加、可增可删的能力，而后者则是各家互联网大厂的产品壁垒和商业故事空间。

这也恰是如今对于DeepSeek的几个描述中有一条较为贴切的表达，即从宏观看，DeepSeek一方面影响了中国优质资产的重估标准，另一方面正在从底层拔高了当下中国软件应用的服务能力。

二、重新理解互联网大厂的基本盘

那么，这种共识之后的共振，或者说DeepSeek的出现以及普及会影响中国互联网大厂的未来想象力吗？或者说，这种绝对性是否完全成立？

同样，在看待这些问题之前，我们需要先来重新梳理当下互联网大厂的业务基本盘以及核心优势壁垒。

对于互联网大厂，现如今的核心业务类型更多可以被看作C端业务和B端业务，C端业务比如搜索、电商、社交、短视频、游戏等等，B端业务则主要指云业务和企业业务（如阿里国际站、1688、京东政企业务等）。

在过去的多年时间里，尽管云计算和软件颠覆一切的口号被持续发声，但几乎所有互联网大厂的核心阵地仍然在C端业务，或者说起核心营收来源依然在电商、游戏、广告等业务。而伴随着中国人口红利的消失，对应的也恰是C端的收入放缓，与之对应的是各家对包括云计算、企业服务、物流等等B端业务的加码。

这种加码更可以理解为是长期的布局，比如算力的不断投入，除了DeepSeek所在的幻方，几乎所有的GPU算力卡都集中分布的各个大厂手中，如字节、腾讯都是英伟达大客户，再比如对于开发者社区的建立，如阿里的魔搭、字节火山的稀土掘金，以及包括TO B渠道和生态体系的构建等等，全部汇聚到一起共同构成着各家对于TO B的布局。

可以说，这些C端产品背后对应的用户关系/需求供给，以及B端业务背后对应的产业链积累如今恰是各个互联网厂商的基本盘。

换言之，在过去两年被讨论的大模型之外，对于中国用户社交关系、需求逻辑、算法机制、需求场景等生意的理解、占据，和在TO B产业链的版图布局才更是中国互联网厂商的隐形并且逐渐递增的壁垒。

而这些壁垒在AI大模型的加持下，基于自身的平台数据、场景数据可以被逐渐加厚，实际上，这也恰是过去两年时间里各家互联网大厂纷纷赛马AI大模型的核心原因，也更是如今DeepSeek以开源姿态出山后，各家都毫不犹豫地切换的本质考量。

其实，在过去的几个月内，在DeepSeek用户量不断创新高的数据背后，另外一些数据也更在悄然更新，比如各家基于AI大模型在不同产业项目上的落地，如金融、政务，一个真相是，伴随着AI大模型的爆火，大模型厂商的算力生意会越来越好，对应的工具链、渠道生态建设也在越来越健全，而这些也恰是独立厂商不能承接超大规模AI项目标的的底层支撑。

比如各家基于DeepSeek对于自身产品的升级进化，最典型的莫过于微信，选择强产品路线的腾讯，如今几乎全线产品都全部宣布接入DeepSeek，最近也更是基于DeepSeek的流量对元宝进行更近一步的推广下载，这种果敢的态度背后背后对应的也更是腾讯一直以来的“产品公司”哲学。

即这些行为背后的思考是，在AI大模型技术目前尚且无法构成一个成熟的产品之前，这种路线带来的必然是对固有产品的增量。同样行动的还有阿里的电商，百度的地图等等，相信接下来各个传统的互联网厂商也会陆续跟进。

虽然说各个大厂的基本盘不能完全谈不可动摇，但就当下的AI技术发展而言，DeepSeek的出现（路线的出现）对于几乎所有互联网大厂的核心业务产品而言，都是想象力的加分项，壁垒的加分项，而非减分项，这里面甚至涵盖搜索。

三、互联网大厂的新“创业模型”：

挑战在哪？机会在哪？

那么，在场景、产品、TO B版图之外，DeepSeek到底是够给互联网大厂带来一些新的挑战？再或者说，对标DeepSeek的出现，我们应该对中国的最头部科技力量——互联网大厂有怎样的考校？

在过去的2月18号，DeepSeek梁文峰和kimi杨植麟撞车了一个论文主题，即如何强化推理侧的模型速度。通俗来讲，就是模型如何更好地落地到产品侧（软件和端侧）。从技术的视角来看，两者似乎成了这次AI创新的绝对主角。

这也恰是对互联网大厂的最重要也是第一考校点——创新。

也如李彦宏所说，“创新是不可以被规划的”，但这种“不可规划”性正是需要互联网大厂警示的点，尽管腾讯、阿里、字节、京东等在这次的AI浪潮中展现出来的是不同的战略路线，但从最本质的底层模型和产品创新来看，在单纯的算力叠加、预训练的基础上，都需要在固定的投入之外，重新思考企业自身的AI时代的创新力架构（从产品定位来看，腾讯已经在架构侧有所动作）。

这种创新力甚至可以是中国式的，不跟踪国外AI路线的，不以商业为最核心的底层考校的。从算力的调用效率、AI大模型的训练方法、思维链的构建到上层的对于AI应用和场景的理解（字节底层创新度表现可圈可点），这些从DeepSeek身上都可以看到新的创新点。而这种土壤在人才密度极大的互联网大厂需要被尊重，需要被划分出成长自留地，和商业之外自上而下的强思考和强想象力表达。

这种创新一定程度上也可以带来更深一层的两个思考。

从B端服务视角来看，首先是在新的产业升级时代，互联网厂商的新的价值锚点在哪？在这次民营企业家座谈会，除了互联网企业，更多参与的是新型制造业，这其中既包括比亚迪、小米等传统制造业企业，也更覆盖如宇树科技等机器人硬科技方向，这些未来必然影响国运，甚至决定国运的产业方向对互联网企业有更高的要求。

不论是作为云计算、算力等服务的底层，还是作为大模型生态和工具聚合的加持，抑或是基于SaaS或AI产品的特殊数智化加持，都需要互联网企业有更深的产业积累和更向上的“技术沉淀”。这些都需要创新。

其次是C端价值视角，也恰是回到文章提到的最核心问题，即互联网企业的真正想象力到底在哪？“颠覆一家企业的往往不是同赛道的企业，而是跨界玩家”，这句在互联网时代被奉为圭臬的话，一定程度上恰在成为对互联网企业的真实拷问。

如果说在AI技术尚不足以构成产品内核的如今，创新的AI技术尚且很难对社交、电商、本地生活、供应链、游戏等基本盘业务构成威胁；那么当AGI时代真正到来呢，当下一个AI应用的DeepSeek到来呢，这些才是对互联网企业未来想象力的最大拷问。

杭州和深圳的押注告诉我们，这个时间并不会太久远。

技术需要被重视，需要被尊重。可以肯定的是，在如今的AI技术边际之上，互联网大厂的想象力依然存在，这些在过去多年被凝结的用户理解、场景加持、供应链积累以及TO B服务版图，在AI上半场都在被源源不断地转化为新的业务空间和真金白银。

但挑战时刻存在，危机也更在愈发彰显。

在最近字节的内部会上，梁汝波给字节的新定调——是“务实的浪漫”。他的解释是，“字节过去说要做有想象力的公司，其实是就是科技公司。但去年我们讨论后觉得，做科技公司还不够，得做创新科技公司，不仅要应用好新技术，还要能探索、发明新技术。

互联网时代的潮头，能否继续成为AI时代的弄潮儿。在未来的几年，这个关于想象力的答案或许会愈加明显。这个回答可能是产品战略、新式战略架构、持续的人才战，但也更可能是未来十年的不同企业面孔的新商业故事。

交流纪要，DeepSeek、昆仑芯内部进展｜产业家独家

关于DeepSeek，百度智能云怎么看？ 

作者| 吴铭 

出品|产业家 

问：伴随着DeepSeek的出现，外界对咱们百度也有一些讨论。想聊下目前百度智能云在部署适配方面有哪些最新动作？效果如何？

答：首先DeepSeek的爆火给AI行业注入了一股全新的活力，其实相较于外界的讨论，我们更首要关注的是如何让企业快速使用上优质模型去开发自身的应用，千帆大模型平台在近期上架了DeepSeek-R1和DeepSeek-V3模型，并同步推出了行业领先的超低价格方案。在整体部署适配过程中我们也结合百度智能云的优势去做了3个关键动作，在保证模型效果的同时进一步降低使用成本以及使用门槛：

第一个，在算力层面，目前百度智能云成功点亮了昆仑芯P800万卡，我们也基于百舸算力平台适配了国产化P800芯片，来提供整个模型推理服务，为DeepSeek提供优质且适配性强的环境，使模型发挥出更高的性能。同时，百度百舸基于昆仑芯P800，发布部署 “满血版 DeepSeek R1 + 联网搜索” 服务，通过联网搜索功能，将最新的互联网数据融入答案生成，为企业提供更及时、准确的信息支持。

第二个，在平台层面，我们基于DeepSeek做了千帆大模型平台工程架构的优化，通过自身在大模型推理性能优化方向的技术积累，针对DeepSeek模型进行了极致的性能优化，比如通过高效的PD分离式推理架构，实现模型吞吐的大幅度提升，进而显著降低模型推理成本。

我们为有进一步应用需求的企业，千帆ModelBuilder提供基于模型开发工具链进行一键部署、蒸馏这样的能力，能让企业客户更好的将DeepSeek用起来，完成特定模型需求的再开发；千帆AppBuilder全面接入DeepSeek模型，具备百度AI搜索及其他组件能力，还有更多RAG、Agent、工作流工具助力大模型应用搭建。

千帆大模型平台作为企业级一站式大模型与AI原生应用开发及服务平台，我们很高兴可以看到像DeepSeek这样拥有优质效果的国产模型出现，来带动国内对于大模型的应用，那自千帆上线R1和V3后首日就吸引超过1.5万家客户调用，这个客户量还在不断增长，我们也期待可以给更多企业高性能低成本模型的更好体验，千帆也会为更多诸如DeepSeek这样的优质模型提供优质土壤，带来增益赋能。

第三个，在应用层面，百度智能云旗下客悦、曦灵、一见、甄知四款大模型应用产品，也正式上线接入DeepSeek模型的新版本，为企业智能外呼、数字人视频脚本生成、视觉智能分析、知识管理等高价值业务场景，提供更加丰富的AI大模型应用选择，满足用户多元化落地需求。

同时，百度智能云正加速推进金融、交通、政务、汽车、医疗、工业等行业应用产品与DeepSeek模型的适配验证工作，积极探索大模型在智能问数、公文写作、理财助手、合规管理、医疗辅诊等行业垂直业务场景中的能力拓展与应用进化。

问：随着国产大模型的兴起，万卡已从单纯算力供给逐渐向“有效”算力供给过渡，百度智能云在国产算力的构建上有什么规划？这些规划实现起来对百度而言难度大吗？（硬件、软件都可以聊聊）

答：难度肯定是有的，但我们也在持续深耕算力基础设施的建设。比如，最近百度智能云已经成功点亮国产昆仑芯万卡，未来还将进行三万卡的建设，在这个过程中，从硬件到软件，技术挑战是全方位的。而24年9月升级的百度百舸AI异构计算平台4.0，围绕落地大模型全旅程的算力需求，在创建、开发实验、模型训练、模型推理四大方面，能为企业提供“多、快、稳、省”的AI基础设施，在万卡的建设中发挥了至关重要的作用。

首先，突破硬件扩展性瓶颈，如卡间互联的拓扑限制，避免通信带宽成为瓶颈；同时，围绕芯片及功耗，基于万卡规模常规方案功耗可达十兆瓦或更高，采用创新性散热方案，从而解决万卡的能效与散热问题；完善模型的分布式训练优化，采用高效并行化任务切分策略，训练主流开源模型的MFU提升至58%；在提升稳定性方面，提供容错与稳定性机制，避免由于单卡故障率随规模指数上升而造成的万卡有效性大幅下降，保障有效训练率达到98%；最后，针对机间通信带宽需求，建设超大规模HPN高性能网络，优化拓扑结构，从而降低通信瓶颈，带宽有效性达到90%以上。

昆仑芯作为百度自研的AI芯片，凭借其独特的技术优势，在百舸4.0的能力加持下，在生成式人工智能时代展现出了巨大的竞争力。未来一年，将是各种AI原生应用爆发的黄金时期。自研芯片和万卡的建成带来了强大的算力支持，同时有效提升百度和客户的资源整体利用率，降低大模型训练成本，推动了模型降本的趋势，为整个行业提供了新的思路和方向。

除此之外，百度智能云也提供百舸DeepSeek一体机、千帆DeepSeek一体机，国产首个单机8卡支持DeepSeek满血版和蒸馏版模型，实现模型的本地化开箱即用。

问：最近，我们也看到一个新的现象，百度智能云针对此次DeepSeek模型上线提供了超低推理价格，低至DeepSeek官方刊例价3-5折，这背后是由于什么样的技术驱动的？是新一轮的价格战打响了吗？

答：真正的低价都是由技术驱动的。在看到的这个新价格背后，对应的是百度智能云在推理引擎性能优化技术、推理服务工程架构创新以及推理服务全链路安全保障上的深度融合。百度智能云千帆ModelBuilder始终致力于为用户提供全流程、一站式的 AI 服务，除了强大的模型资源，还匹配了完善的一站式模型效果调优工具链，包含数据加工、模型精调、模型评估、模型量化等关键环节，助力企业根据自身业务需求深度优化模型性能。同时，百度智能云千帆ModelBuilder具备卓越的模型推理托管能力，支持vLLM、LMDeploy、TensorRT-LLM、SGLang等各类主流推理框架，还支持模型的自定义导入与部署，为开发者提供了高度灵活的开发环境。

（1）推理引擎性能优化技术

基于百度智能云在大模型推理性能优化方向的技术积累，针对DeepSeek模型MLA结构的计算进行了极致的性能优化，并通过计算、通信、内存不同资源类型算子的有效重叠及高效的Prefill/Decode分离式推理架构等，在核心延迟指标TTFT/TPOT满足SLA的条件下，实现模型吞吐的大幅度提升，进而显著降低模型推理成本。

（2）推理服务的工程架构创新

在推理服务层面，进行了深入的优化与创新。针对推理架构，做了严格的推/拉模式的性能对比。经验证拉模式在请求处理的成功率、响应延时以及吞吐量等关键指标上均展现出更为卓越的性能。为了进一步提升系统的稳定性和用户体验，巧妙地设计了一种请求失败的续推机制，这显著增强了系统的容错能力和服务SLA达标率。同时针对多轮对话和system设定等场景中存在重复Prompt前缀的情况，实现了主流的KV-Cache复用技术，并辅以全局Cache感知的流量调度策略。这一举措有效避免了Token KV的重复计算，从而大幅降低推理延迟，提高了推理吞吐。

（3）推理服务的稳定安全保障

千帆平台基于百度自身长期的大模型安全技术积累，集成独家内容安全算子，实现模型安全增强与企业级高可用保障，基于大模型全生命周期数据安全与模型保护机制，在千帆平台上的模型均拥有使用安全的安全保障；基于在安全方面的专项优化，确保DeepSeek-R1&DeepSeek-V3模型，企业用户在使用过程也具有更高的安全性。

问：现在不少企业会选择直接通过模型API的方式来接入DeepSeek，想问下通过云平台来调用新模型，为各行业应用普及AI有怎样的不同和优势？

答：通过云服务平台来调用模型，我们觉得主要是从三个方面去渗透以及普及行业的，云平台的核心为降低成本、提升大模型落地易用性以及助力企业更好地构建AI原生应用，通过云平台提供的便捷的工具型服务，企业能更聚焦在自身的业务发展。

首先我们觉得推动行业应用普及最关键的就是降低成本，那以往企业引入 AI 需投入大量资金购买和维护硬件设备，而云平台可以通过提供弹性计算资源，从“购买”到“租赁”，企业按需租用付费，在避免资源浪费同时，大大降低了AI应用的初始成本。

其次，云平台的另一个重要优势就是它具备很强的易用性，这对于各行业应用 AI 起到了极大的推动作用。云平台需要配备各种各样丰富且实用的工具链，比如精调工具链、数据工具链、压缩工具链等等，能够帮助企业更好地构建数据飞轮，实现模型效果的不断迭代，更好的赋能应用。那与此同时，平台提供的工具链也要适配各种模型，企业随时可以切换模型并且更快速便捷的用上效果更好的模型；以上两点目前我们的千帆ModelBuilder也都提供了这样高效便捷的工具链服务。

那最后，各行业AI的使用探索其实基于原生应用的构建。云平台上面提供的多样化组件及应用开发的能力降低了AI原生应用的构建门槛，也为行业内的应用场景和商业模式带来了更多创新可能。千帆AppBuilder也是这样的一站式模型应用开发平台，高效、低门槛解决大模型应用落地最后一公里问题。

有了应用后，云平台提供的完善日志分析及告警系统，也确保了企业AI应用的稳定性，同时云平台具备完善的模型安全以及高可用保障措施，提供模型使用的全方位安全保障。

所以整体从构建、到运行，云平台为企业在模型使用上提供了全流程保障，降本增效的同时也让企业聚焦自身业务，更好的推动整个AI行业的发展。

问：作为一家出身创业公司的产品，DeepSeek这次爆火，在百度看来，它的出现有出乎咱们的意料吗？咱们百度对待这次“爆火”内部的态度是怎么样的？

答：创新是不能被计划的。你不知道创新何时何地到来，你所能做的是，营造一个有利于创新的环境。我们生活在一个非常激动人心的时代。在过去，当我们谈论摩尔定律时说，每18个月性能会翻倍、成本会减半；但今天，当我们谈论大语言模型时，可以说每12个月，推理成本就可以降低90%以上。这比我们过去几十年经历的计算机革命要快得多。大语言模型是一个非常庞大的领域。在中国，我们必须在推理和训练方面创新以降低成本。幸运的是，过去一年，我们看到了显著进步。

百度的技术背景是搜索引擎，它天然接近大语言模型，所以我们在2023年3月就推出了文心一言，我们也是上市公司中第一个推出类ChatGPT应用的。谷歌后来推出了Bard,并将其更名为Gemini。正如我们今天所知。这是一个非常激动人心的时刻，我们到处都能看到创新，我们必须适应这种快速变化的创新。

问：我们也观察到，伴随DeepSeek的爆火，全球许多大型芯片厂商和许多大型交易所的股价大幅下跌。原因是之前有令人瞠目结舌的数十亿美元被投资于推理数据中心、训练这些人工智能系统和模型，伴随着DeepSeek的出现市场不少人开始“看衰”这类投资，咱们百度对此怎么看？对于数据中心和AI基础设施的未来咱们的理解是怎样的？

答：从基本面来看，最重要的主题仍然是技术进步非常快，成本每年降低约90%，性能越来越好。当技术发展如此之快，你无法停止投入。你必须投入，以确保处于这场技术创新或革命的最前沿。我们仍需对芯片、数据中心和云基础设施进行持续投入，用于打造更好、更智能的下一代模型。

为此，需要使用更多的算力来尝试不同的路径。也许，在某个时刻你会找到一条捷径，比如说只需600万美元就能训练出一个模型，但在此之前，你可能已经花费了数十亿美元，用来探索哪条路才是花费这600万美元的正确途径。

我们对人工智能的未来持乐观态度。我们认为，即使在当前水平下，大语言模型也已经在各种场景中创造大量价值。我们有数十万客户在使用大模型提高招聘、电子商务、医疗保健甚至能源、电力等领域的效率。

我们已经看到了很多这样的应用案例。在过去，他们可能需要花费不到1万美元来实现某些目标，而使用大型语言模型后，只需花费大约1000美元。所以，这已经为他们创造了价值。

问：抛开外界的声音，想正式了解下，此次DeepSeek-R1的发布及开源，对百度智能云业务有什么影响？

答：DeepSeek R1发布及开源，推动应用爆发、带动算力增加，最利好百度智能云。

1、首先产品上DeepSeek降低大模型应用门槛，快速普及推动应用落地更早，带动算力增加；百度智能云在GPU时代更有优势地位。

a、全栈AI技术能力，尤其是近期点亮的昆仑芯万卡：独有的四层架构，实现从云基础设施、框架、模型到应用端到端优化；

b、2025年2月5日，百度智能云成功点亮昆仑芯三代万卡，是国内首个正式点亮的自研万卡，并将进一步点亮 3 万卡。

c、百舸产品提供稳定、极速、高效的算力平台，极速满足客户全旅程算力需求，10万卡时代企业保持领先的第一选择。

d、领先的千帆大模型平台：支持国内外各种主流模型+丰富工具链，近期接入DeepSeek后首日调用客户就多达1.5万家，价格全行业最低；

2、商业化：百度智能云具备广泛的市场认可，GPU云优势带动商业化进展快速

a、中国最大的大模型产业落地规模，超60%以上的央企及大量民营企业使用，2024年大模型中标第一（从中标厂商看，百度智能云在中标项目数、行业覆盖数、央企中标项目数这三个维度里均为第一。从行业分布看，百度智能云在能源、政务、金融这三个行业的中标项目数位于所有厂商第一。）

b、2025年1月份，百度中标项目和中标金额双第一

天润云（02167.HK）：正式接入DeepSeek，大模型赋能客户服务，效率与体验双提升

2025年2月11日，下午14时，天润云（02167.HK）对外宣布其下在线客服、呼叫中心、工单、文本机器人、语音机器人、企业知识库等产品已完成DeepSeek大模型的全面接入。

作为国内客户联络领域香港联交所主板上市企业，天润云（02167.HK）此举将大力推动企业客户在营销、销售、服务、内部效能等场景中的智能化进程。

目前天润云（02167.HK）已开启公开测试招募，期待与广大客户一同探索DeepSeek大模型在企业服务领域的无限可能。

据了解，天润云根据当前的测试与应用反馈，发现DeepSeek 在自然语言理解、推理、代码生成，上下文情感分析等方面拥有强大能力，让它在客户服务的多个关键场景表现出色。

在汽车营销领域，DeepSeek优秀的自然语言理解能力，能精准识别经销商在邀约潜在车主到店看车时的话术问题，并给出修订建议与最佳话术，提高邀约成功率。同时，它还能通过长期积累的数据分析出邀约过程中车主普遍关注的问题。

在消费零售行业，DeepSeek可以精准识别客户售前咨询和售后服务的不同问题并进行精准分流。比如售前场景，DeepSeek能够帮助处理查询经销商、了解加盟制度、咨询产品信息、市场活动参与条件等需求；在售后场景，DeepSeek能在复杂语境中准确判断客户是对产品不满、咨询退换货流程，还是提出新的投诉建议，以此精准匹配下一步服务流程，提高客户服务效率。

在商业连锁行业，门店经营的各个环节，如耗材申报、设备报障，DeepSeek都能助力门店与品牌方、供应链快速流转服务诉求，实现快速补货、自动填写服务单、自动应答催单，以及上报超时订单、升级告警，减少运营卡点等问题，让门店更专注于线下的消费者服务。

天润云认为，DeepSeek的关键创新在于通过算法优化（如MoE架构、动态学习率调度器）和数据效率提升，以约OpenAI二十分之一的成本实现类似目标。这为大模型研发企业和科学家开辟了一条通往AGI的捷径。

对于应用大模型的企业，DeepSeek在“模型商店”中提供了更强性能、更低门槛的产品。其更强的适配能力，透明的思维链和更低的部署使用成本，可显著增强模型可用性，可推动AI与业务的深度融合，加速应用场景落地。

具体来看，作为面向企业的商业级平台，天润云在企业客户收入和服务保障中扮演着至关重要的角色。

因此，天润云始终保持对前沿技术的高度关注。在DeepSeek崭露头角之时，便立即关注到相关进展，并迅速启动了内部可行性测试。

天润云表示，经过紧张的工作安排，其在短时间内完成了先行版本的内部发布，并随即展开了公开测试的招募工作。

在测试过程中，天润云发现了DeepSeek的一些优点与目前使用DeepSeek需要注意的部分。

优点方面，DeepSeek拥有更强的推理能力、更低的部署成本和使用价格，同时其提供的多尺寸蒸馏模型能够更好地适配各种商业环境，让私有化部署拥有更具性价比的落地机会。而基于成本优势和更强的推理能力，DeepSeek可以帮助企业增强对海量知识的管理能力，极大降低了大模型的应用门槛。

需要注意的部分：

1、目前DeepSeek-R1模型暂不支持Function Call、Json Output功能；V3模型Function Call功能效果不稳定，会出现循环调用、空回复的情况。

2、DeepSeek-R1输出内容中容易出现“final answer”"action input"等词，可能内置提示词被输出，也可能与我们部署的32B模型能力相关，可以通过编排提示词、增加输出要求加以控制。

3、DeepSeek输出时，会将思考过程和最终结果无差别输出（此功能在部分大模型开发平台被改善）；在线客服侧显示若做适配需单独处理。

4、DeepSeek回复时存在不稳定性，时而只显示结果，时而两者都不显示，在业务场景中，适配需单独处理。

5、开发者角度来说，Claude-3.5-Sonnet 做了 tool use（工具使用）专门训练，对于做agent非常有利，但DeepSeek目前暂未提供，未来DeepSeek可能会逐步优化。

6、作为推理模型，DeepSeek回答问题需要较长时间的推理，因此回答问题的速度相对缓慢。这导致其在在线客服场景的应用中需要进行特别优化。 

7、最后，目前DeepSeek实在太火了，可能由于测试人数过多，其官方API时常宕机；同时如阿里云、火山引擎等云平台也出现部署资源紧张的情况，但这些情况相信会随着时间推移逐渐得到改善。 作为全球领先的AI技术，DeepSeek在短短7天内便达到了1亿日活跃用户，充分彰显了其惊人的社会关注度。目前官方团队仍在持续优化，天润云也在积极推进测试工作。

从历史信息得知，天润云于2023年率先推出微藤大模型平台，凭借其创新的大模型网关技术，实现各类底层大模型的一键切换，提升了模型应用的灵活性与便捷性。目前天润云微藤大模型平台已经接入通义千问，豆包，文心一言、Kimi、DeepSeek、和ChatGPT(海外地区）等多个基础大模型，可以为客户提供多元化的解决方案。 

纵观国内外TO B行业现状，天润云作为客户联络领域的上市企业，已服务了各行业知名企业，在科技创新与商业落地之间找到了最佳的平衡点，其发展潜力与势头会逐步提高，也会被更多企业客户和投资者所关注到。