DeepSeek最新动向：低调升级藏大招，这些突破正在重塑AI应用生态

主要观点总结

本文介绍了DeepSeek在技术突破、行业落地、生态建设和市场动态等方面的进展和成就。包括R1模型的小版本升级、技术论文发布的底层创新、企业应用和政务领域的全场景赋能模式、开源与本地化部署的生态建设、政策支持与资本关注的市场动态等。

关键观点总结

关键观点1: 技术突破：小版本升级带来大跨越，性能直逼国际顶尖模型

DeepSeek的R1模型实现小版本试升级，多项核心能力显著提升，包括代码生成、文本理解与推理等。同时，DeepSeek团队发表的论文披露了底层创新的细节，包括针对大模型训练中的内存不足、计算效率低等问题的解决方案。

关键观点2: 行业落地：全场景赋能模式开启，从企业到政务广泛应用

DeepSeek在企业应用和政务领域展现出强大的赋能能力，通过智能体助力业务升级，实现降本增效，提高财政业务处理的智能化水平和政务服务便捷化水平。

关键观点3: 生态建设：开源与本地化部署并行，推动AI普惠落地

DeepSeek坚持开源策略，在开源生态中再添助力。同时，为了满足不同行业的需求，DeepSeek的一体机市场火热，成为大模型从云端走向本地的重要过渡产品。

关键观点4: 市场动态：政策支持和资本关注带来发展新机遇

DeepSeek的发展得到政府层面的关注和支持，被写入杭州市政府工作报告。同时，市场对其未来发展充满期待，但也面临技术竞争、商业模式探索等挑战。

正文

请到「今天看啥」查看全文

（二）技术论文揭秘底层创新，软硬件协同优化降低成本

DeepSeek团队近期发表的《深入解读 DeepSeek-V3:AI 架构的扩展挑战与硬件思考》论文，披露了其在AI硬件架构与模型设计方面的关键创新。针对大模型训练中的内存不足、计算效率低、通信速度慢等难题，DeepSeek通过多头潜在注意力（MLA）技术压缩键值（KV）缓存，将内存消耗降低一半，每token仅需70 KB的KV缓存大小，是传统方法的1/7到1/4，大幅降低显存压力，尤其适合长文本处理。同时，开发的DeepSeek MoE架构降低了训练成本，利于个人使用和本地部署，在提高推理速度方面，采用多token预测（MTP）方法，使生成速度提升1.8倍，实现了高性能与低成本的平衡。

二、行业落地：从企业到政务，DeepSeek开启全场景赋能模式

（一）企业应用：降本增效新利器，智能体助力业务升级

在企业端，DeepSeek的应用正展现出强大的赋能能力。瑞幸咖啡上线的首个AI智能体（1.0版），接入DeepSeek及豆包大模型，实现“动动嘴就能点咖啡”，提升了用户点餐效率和体验。中科江南基于DeepSeek开发智能体，在财政业务的AI智能助手、智能报告、智能辅助审核等方面为客户提供应用，提高了财政业务处理的智能化水平。保险行业中，DeepSeek通过整合企业内外部数据，生成可视化报告辅助管理层决策，在智能客服领域解决至少80%以上的标准化咨询，还能在保险投保、核保等环节实现自动化，为企业降本增效。

请到「今天看啥」查看全文