哈希游戏- 哈希游戏平台- 哈希游戏官方网站

　　但是AI中台在实际建设中进展较慢，Gartner在2024年甚至将数据中台划入“未成熟即面临淘汰”之列。我们认为，技术层面，由于传统分析式AI泛用性较弱，针对特定业务或流程构建的AI体系难以迁移至其他场景，使得不同业务的中台工具难以协同，且后续扩展性不足。生成式AI出现之后，又由于其高昂的前期投入，众多企业持观望态度。组织层面，技术部门与业务部门彼此沟通了解有限，使得中台工具的供给方与需求方不相匹配。

　　DeepSeek的出现，有望增强AI中台能力，加速其在企业中的落地。DeepSeek通过软件算法的创新以及硬件工程化优化，实现了算力资源的充分挖掘以及算法性能的进一步升级。我们认为，基于DeepSeek大模型的企业AI中台，模型泛化能力有望增强，进而能够处理不同模态数据、理解不同业务流程，降低AI中台的建设门槛。同时，DeepSeek推理成本更低，且开源后企业可通过私有化部署兼顾数据隐私与安全。我们认为，DeepSeek的出现有望加速企业AI中台在内部业务的落地。

　　传统“前台+后台”的平台架构存在“烟囱式”困境。传统企业架构只有“前台”和“后台”：“前台”直接面向产品或企业客户，其职能在于快速响应用户需求、持续迭代产品性能；“后台”聚焦企业内部运营，为前台部门提供内部管理与服务。然后在实际运营中，前台业务需求的变化往往比后台服务的迭代要快得多，在后台能力无法满足前台需求时，前台往往会自行开发相应工具，长此以往形成“烟囱式单体应用”。阿里巴巴指出，“烟囱式”系统存在三大弊端：1）重复功能建设和维护带来的重复投资；2）打通“烟囱式”系统间交互的集成和协作成本高昂；3）不利于业务的沉淀和持续发展。

　　伴随人工智能技术的发展，中台架构向智能化转型。传统中台解决了企业数字化早期阶段的基础效率问题，将各类业务数据形成可复用的标准化接口，支持前端业务的快速迭代。然而，传统中台多停留在数据存储与简单分析层面，缺乏智能化处理能力，难以应对如实时决策以及多模态数据处理等任务。伴随技术的发展，中台架构向智能化转型。通过嵌入AI能力，AI中台能够支持文本、图像、视频等多元数据的实时处理与分析，逐渐成为企业数字化转型深化的核心引擎。

　　我们认为，AI中台是企业创新发展的必由之路。AI中台通过构建统一特征库与联邦学习机制，实现跨域数据融合与价值释放。不仅能够打通产品研发设计、生产制造、客户需求反馈等不同环节的全链条数据，进一步化解不同业务线之间数据孤岛问题；还能够通过关联分析挖掘出数据之间的内在关系，赋能企业经营决策。我们认为，AI中台在研发侧能够助力产品快速迭代、在生产侧能够优化排产流程，提高对客户需求的快速响应能力，最终有望实现公司管理能力与竞争力的提升。

　　大模型技术出现之后，AI模型的性能确实呈现了阶跃式提升，但成本亦随之增长。企业部署生成式AI有多种方法：直接购买第三方的AI应用程序的部署成本最为可控，Gartner估测前置成本仅需要10-20万美元，但实现的功能也较为局限；若从头开始开发模型或微调模型，前置成本则上升至500-2000万美元。我们认为，生成式AI部署成本较高，但是其带来的效果与回报又需要更长周期去显现，导致企业望而却步。Gartner站在2024年的时点预测，到2025年底至少有30%的生成式AI项目或在概念验证后流产。

　　DeepSeek大模型快速“破圈”，引发全球范围、社会各界的广泛讨论。中国AI团队DeepSeek于2025年1月开源DeepSeek-R1模型，其通过软件算法的创新（如MLA注意力机制、GRPO强化学习算法等）以及硬件工程化优化（如专家并行等），实现了算力资源的充分挖掘以及算法性能的进一步升级。不仅如此，DeepSeek团队还于2月末开启为期一周的“开源周”，将技术细节向AI社区开源共享，丰富AGI领域的开源生态。我们认为，本轮社会对AI的广泛讨论，源于DeepSeek-R1比肩OpenAI GPT-o1的性能、更加亲民的推理成本、以及更为积极开放的开源姿态。Xsignal数据显示，截至2025年2月16日，DeepSeek系列模型的日调用量超过1.5万亿tokens、APP日活用户数超过6700万，自1月R1开源以来呈现明显攀升。

　　DeepSeek有望发挥技术外溢效应。DeepSeek陆续开源了FlashMLA、DeepEP、DeepGEMM、并行优化策略等项目，涉及大模型推理框架、MoE模型、FP8计算性能等方面提升，降低了前沿AI技术的获取门槛。我们认为开源策略不仅促进了技术的传播和应用，也为社区提供了进一步优化和改进模型的机会。我们预计后续能够很快看到更多厂商发布基于DeepSeek开源模型的衍生模型，或者参考DeepSeek优化策略的高效模型。

　　其鲶鱼效应亦有望降低行业整体成本。在DeepSeek推出开源模型后，OpenAI宣布GPT-5调整产品战略，免费版ChatGPT用户将获得“标准智能设置”下的“无限聊天权限”，而付费用户将享受更高智能水平的服务；也宣布其计划在未来几个月陆续推出文心大模型4.5系列，并于6月30日起正式开源。我们看到DeepSeek开源的鲶鱼效应明显，有望带动AI大模型厂家降低大模型的接入成本，为大模型被广泛应用奠定基础。

　　感知层作为数据源头，有望受益于企业数字化转型。第三方大模型基于网络公开信息训练而成，通识能力较强，足够处理日常事务性工作。但我们认为，企业还包括一些聚焦于垂直场景且与实际业务相耦合的专业性工作，通用大模型的能力或难以覆盖。企业需要自主采集业务数据，并基于此微调大模型，方能更好地契合自身业务需求。文字类数据的采集与整理已经成熟，其他如图片、视频、音频等多模态数据有望成为企业决策的重要补充，对于工业企业尤其是如此。我们认为智能传感器以及承担数据传输职能的通信模组有望受益于企业数字化转型。

　　国产算力产业链全方位适配DeepSeek。1）芯片端，国产主流GPU厂商均宣布适配DeepSeek，并结合AI infra厂商的算法优化，提供性能较优的推理体验。例如2月1日硅基流动宣布与昇腾云合作推出DeepSeek R1/V3推理服务，据官方称在自研推理加速引擎赋能下可实现持平全球高端GPU部署模型的推理效果。2）整机端，多款一体机产品密集推出，满足下游对数据安全、数据隐私的需要。例如联想基于沐曦N260，其Qwen2.5-14B的推理性能达英伟达L20的110-130%，支持DeepSeek各参数蒸馏模型的本地部署。3）IDC端，华为云、天翼云、腾讯云、阿里云、火山引擎等龙头厂商均已上线DeepSeek，供下游企业单位调用。