DeepSeek在企业侧的落地：技术盘点与路径解析

DeepSeek的崛起不仅是技术革新，更是一场从“机器语言”到“人类语言”的范式革命，推动了AGI时代到来。各个行业的应用场景不断拓展，为企业数字化发展带来了新机遇，同时也面临诸多挑战。不同企业在落地部署过程中存在诸多待解决的问题和实践难点。

本文将围绕与企业交流中所总结的部署落地路径，并给出相关建议，与大家分享解读以下核心观点：

• 推理模型元年，新模型、新技术依然可期

• 推理模型使得大模型向决策场景迈出重要一步

• 企业为模型付费意愿下降,公有云推理支出增加

01

02

• 在能源领域，推理模型的角色场景在去年四五月份就有体现，当时出现的AutoGPT被用于电力负荷预测、电力价格预测以及电力交易策略优化。然而，上一版本的大语言模型所支撑的AutoGPT难以满足这些决策场景的需求，效果欠佳。如今，随着推理能力的提升，电力企业基于DeepSeek新模型重新进行决策场景的探索，依然围绕需求预测、价格预测以及交易优化展开，这是能源领域正在突破的决策场景。
• 在金融领域，由于授信风控对模型的可解释性要求较高，因此更多通过可解释的方式来构建角色场景。比如在反洗钱方面，传统大语言模型主要协助反洗钱工作人员撰写报告，而现在推理模型能够智能识别反洗钱可能存在的新模式。此外，新型反欺诈识别、财务对账与分析等，对于传统大语言模型而言复杂度较高的场景，也成为银行重点探索的新方向。金融和能源领域是目前重点突破的决策场景。
• 在制造和医疗领域，相关企业也在进行尝试，不过预期所需时间比金融和能源领域更长。例如，制造领域持续探索的智能排查、工艺自适应，以及医疗领域的疾病预测、风险预测等，这些普遍是大部分企业正在尝试的与决策高度相关的新场景。