网经社陈显中：DeepSeek引领端侧AI发展推动多行业智能化转型

　　DeepSeek爆火后，在本地端部署大模型的热潮迅速兴起业内预测，端侧AI的发展将明显提速。这不仅拓展了人工智能的应用模式，也为相关产业带来了新的发展契机。

　　中共河北省委党校(河北行政学院)国家治理教研部，教授陈显中表示，DeepSeek加速“落地”DeepSeek在AI领域创造了多个引人注目的奇迹：

　　一是全球影响力奇迹。DeepSeek应用在上线仅20天后，其日活跃用户数便迅速突破2000万大关，相当于ChatGPT当前日活的41.6%。DeepSeek还霸榜苹果应用商店150多个国家和地区榜首，这些数据表明，DeepSeek在短时间内迅速吸引了大量用户，成为AI领域的新宠。

　　二是成本奇迹。DeepSeek在提供高质量AI服务的同时，能够保持较低的成本。DeepSeek的训练成本500多万美元，远低于OpenAI的训练成本。DeepSeek的推理成本也较低，单次推理成本仅为OpenAI的百分之几。

　　三是技术架构奇迹。DeepSeek采用了MoE架构，显著降低了计算量和显存需求。相比OpenAI动辄上万张GPU的集群来说，DeepSeek的硬件配置更为经济高效。打破了美国意图利用英伟达和OpenAI等高科技公司来垄断人工智能国家市场的目的。

　　四是开源奇迹。DeepSeek的核心模型是开源的，任何人都可以访问这些模型的源代码，并在此基础上进行二次开发或应用，全面的开源策略降低了技术门槛，使得更多人能够参与到AI技术的研究和应用中来。

　　DeepSeek作为一种先进的人工智能技术，其影响是广泛而深刻的，众多行业和领域将积极拥抱DeepSeek。

　　首先是信息技术和软件行业。DeepSeek的开源特性大大降低了技术门槛，使得更多的信息技术和软件企业能够参与到DeepSeek的应用和开发中来。DeepSeek的低成本优势不仅体现在节约硬件和算力资源，还体现在模型开发和维护便捷，使信息技术和软件企业能够更快地构建和部署模型，降低了开发周期和成本，提高了经济性。

　　其次是端侧人工智能行业和领域。在智能穿戴设备领域，DeepSeek使智能手表和健身追踪器能够实时监测健康数据，并通过本地处理提供即时反馈，还能为用户提供个性化的健康建议。在智能家居领域，DeepSeek助力智能家居系统实现更自然的语言理解和语音识别功能，提升人机交互的流畅度和准确性。在自动驾驶领域，DeepSeek能够在车载电脑上运行，快速处理大量传感器数据，实现物体检测和路径规划等功能，确保驾驶的安全性和可靠性。在工业物联网领域，DeepSeek可用于实时监控工厂设备并分析数据，提前预测故障、优化维护计划，减少停机时间。它还能分析生产线数据，优化工艺流程，提高生产效率和产品质量。此外，DeepSeek凭借轻量化设计、高效能推理引擎，在医疗健康、安防监控、教育、金融服务等行业和领域中，推动人工智能的应用和发展。

　　DeepSeek的开源特性是吸引大量用户的关键因素之一。作为开源模型，DeepSeek允许用户免费获取并本地部署，这一特性极大地降低了使用门槛。相比之下，其他大模型如ChatGPT虽然也提供本地部署方案，但通常需要用户付费才能使用更多功能。DeepSeek不仅开源，而且免费，对用户来说具有极大的吸引力。

　　其次，DeepSeek在硬件与技术门槛方面相对较低，支持多种硬件平台，包括消费级硬件，即使是普通用户也能轻松满足DeepSeek的部署要求。

　　市场关注度也是DeepSeek能够迅速吸引大量用户的原因之一。DeepSeek在短时间内获得了极高的市场关注度，其发布后迅速成为热门话题。此外，DeepSeek还获得了多家云服务提供商的支持，如阿里云和国家超算互联网平台等，这些合作进一步推动了DeepSeek的普及。

　　本地部署有哪些优势：

　　一是数据安全性好。本地部署DeepSeek可以确保数据始终保留在本地环境中，避免了数据在网络传输中的泄露风险。对于需要处理敏感信息的行业和领域，满足了数据隐私保护要求。

　　二是响应速度快。本地部署减少了网络延迟，可以提供更快的响应速度和更高的性能。对于需要实时交互的应用场景，如在线客服、实时翻译等，具有显著的优势。

　　三是节约成本。对于高频调用AI服务的用户，本地部署的性价比更高。

　　四是定制化灵活。可以根据需要对DeepSeek进行定制化开发，调整模型参数、优化算法，能够更好地适应特定的业务需求。

　　本地部署有哪些缺点：

　　一是硬件要求较高。虽然DeepSeek对硬件的要求较低，但本地部署还是需要一定的硬件支持，如高性能的CPU、GPU和足够的内存。

　　二是有一定的技术门槛。本地部署需要用户具备一定的技术能力，包括系统配置、软件安装和调试等。

　　三是维护与更新。用户需要自行负责系统的维护和更新工作，包括定期更新模型参数、修复漏洞以及确保系统的稳定性和安全性。这需要用户投入一定的时间和精力，增加了使用成本。、

　　三是性能优化的挑战。为确保模型在处理大量数据或复杂任务时的效率和稳定性，需要用户自行优化，这就要求用户具备一定的算法和机器学习知识。

　　在DeepSeek出现之前，端侧AI已经取得了一定的发展。

　　从技术基础来看，随着芯片制造工艺的进步，边缘设备的计算能力得到了显著提升，将大型模型转换为适合边缘设备的小型版本的工具也已出现，软硬件的进步为端侧AI的发展奠定了基础。

　　在应用场景方面，端侧AI已经渗透到了智能穿戴设备、智能家居以及工业物联网等多个领域。

　　尽管端侧AI取得了一定的进展，但在技术、应用场景和成本等方面仍存在诸多挑战。一是技术方面，部署和优化边缘AI模型的技术门槛较高，增加了端侧AI的推广难度。二是应用场景方面，由于硬件性能和资源限制，在小型化、低功耗设备上运行高性能AI模型仍然具有挑战性，限制了端侧AI在更广泛场景下的应用。三是成本方面，为了实现高效能，往往需要采用高端硬件，这在大规模部署时会对成本控制提出严格要求。

　　国内很多厂商宣称接入DeepSeek或提供相关支持，将对国内AI产业链产生了积极影响。

　　一是可以推动AI技术的普及和成本的优化，DeepSeek的开源和低成本不仅丰富了AI的应用生态，还提升了用户体验，使得消费者能够享受到更加智能、便捷的服务。

　　二是促进产业链协同。这些厂商的接入或支持，促进了硬件制造商、软件开发商以及AI技术提供商之间的紧密合作。硬件需求随着端侧AI应用的增加而上升，推动了相关硬件制造商的技术创新和产能扩展。软件生态也得到了完善，更多开发者被吸引参与到AI算法和工具的开发中，进一步推动了AI技术的进步。

　　三是提高了数据安全性。端侧AI在本地进行数据处理和分析，减少了数据传输的风险，从而增强了用户数据的保护。

　　DeepSeek下一步的动作可能是什么?

　　DeepSeek可能会在端侧AI与边缘计算结合、行业生态建设、国际市场拓展方面进行深耕。

　　在端侧AI与边缘计算的深度结合方面，进一步优化模型，使其在资源受限的端侧设备上高效运行，以满足低功耗和高实时性的需求。

　　在行业生态建设方面，针对金融、医疗、教育和智能制造等垂直行业，提供定制化的AI解决方案，助力这些行业的智能化转型。

　　在国际市场拓展方面，加快全球化布局，积极开拓国际市场，提高品牌知名度和竞争力。通过建立广泛的合作伙伴关系，吸收借鉴先进的技术和管理经验，进一步增强自身的技术实力和创新能力。