1月20日发布的DeepSeek-R1模型引起了一连串的反应。投资者意识到该模型用比预期更少的成本就完成了模型训练，股票市场上的芯片相关企业股价迎来大跌。
DeepSeek-R1不仅训练成本低，而且智能水平能达到OpenAI o1级别，其优秀表现很快吸引了大量用户涌入。更不可思议的是，DeepSeek-R1还以MIT的方式进行开源，支持任何人进行商用部署，云厂商和硬件厂商争相部署上线。
Gartner：DeepSeek将推动AI以更低价和更民主化的方式落地
Gartner长期跟踪技术和市场变化，Gartner高级研究总监Mike Fang认为DeepSeek有两大竞争优势。一个在于，这是一家偏研究导向、而不是以盈利为短期目标的公司。另一个在于，它是在硬件受限的情况下以一系列技术创新训练出了先进模型。
2024年5月，Gartner就注意到了刚发布的DeepSeek V2，凭借低成本的优势引发了一轮大模型服务的降价潮。Gartner在当时也做出预测，认为到2027年，生成式AI的API调用成本仅为现在的1%，未来每年大概会下降90%。
Mike Fang研究发现，DeepSeek V3 有很多算法优化，这使得它不仅比OpenAI这种闭源的耗费几十亿成本训练模型的做法节省了很多，即使是同样开源的Llama模型，DeepSeek V3的成本优势也依然非常明显。
DeepSeek-R1除了有6710亿参数的满血版，同时还发布了六个蒸馏模型，模型参数规模从15亿参数到700亿参数都有，这些模型用更少的硬件资源即可完成部署。Mike Fang认为，DeepSeek能够推动整个AI产业以更低价或者更民主化的方式落地。
此外，DeepSeek发布的R1和V3两个模型，将大大带动国内自主研发生态系统。目前，国内多家芯片厂商、存储和服务器等硬件厂商、算力云以及公有云等服务商都积极对DeepSeek模型做适配，这将积极带动整个AI产业上下游的发展。
Mike Fang还提到，DeepSeek对AI业内的积极影响也非常明显。DeepSeek的启发意义在于，在传统依靠简单暴力扩展、通过预训练方式建立单一的大模型，这一做法的边际收益变得越来越低的情况下，后训练就变得越来越重要。
DeepSeek-R1进一步激发了企业对AI的热情，但仍面临很多挑战
在DeepSeek-R1模型刚发布没几天，许多订阅了OpenAI付费服务的用户就表示想要退订。2月中旬开始，陆续有企业开始宣布使用DeepSeek模型来替代OpenAI的模型，在保证性能表现的同时，降低了成本。
在Gartner最新的CIO问卷调查中看到，国内企业对于生成式AI的关注与海外企业一样，都在持续上升。2024年年底的数据显示，有90%以上的企业表示会增加在生成式AI上面的投入，有一半以上的企业投资增幅会超过40%。
看得出来，在DeepSeek-R1出现之前，企业对于生成式AI的热情已经很高了，有45%的受访企业已经在探索或者在部署应用了，现在企业对AI的热情会更高。但实际上，生成式AI技术在落地过程中碰到了很多问题，中国企业在落地中碰到的问题更为突出。
从Mike Fang的分享中了解到，中国企业在把生成式AI应用在生产环境中的比例要远低于海外企业，很少有中国企业能把生成式AI应用落到生产环境。在阻碍落地的原因中，“缺少用例”、“没有业务价值、模型能力不够”以及“缺乏企业数据”排在前三位。
Mike Fang认为，DeepSeek-R1增强了模型能力，确实能在一定程度上提供新的应用思路，但并不能彻底解决企业数据不足等核心问题。因此，企业想真正落地DeepSeek-R1这样的AI，仍然会面临原有的挑战。
比如，当企业想在本地部署时就需要投入较高成本，在芯片供应受限的情况下，还需要做很多额外优化。虽然利用公有云服务会方便很多，但并非所有企业都愿意用公有云。除了技术和成本限制以外，企业仍需要面对数据治理的问题。
企业在AI就绪数据治理上的投入可能获得20倍以上的效率提升
Mike Fang表示，DeepSeek让我们意识到，数据重要性要比我们之前想象的还要高。他认为DeepSeek通过大量的精密数据的研究、处理，才能得到这样强大的模型，所以，企业应该用数据构建差异化的能力，思考如何运用数据来解锁一些独特价值。
生成式AI的出现让人们可以更充分地利用非结构化数据的价值。想要落地AI，企业就要在数据治理上投入，做好数据标注和管理。Gartner认为，企业在AI就绪数据治理方面的投资未来可能获得20倍以上的效率提升。
Mike Fang认为，DeepSeek-R1让企业看到了新的希望，企业应当利用这一波热潮，探索AI价值。但同时也要理性看待，不是所有问题都要用生成式AI解决，不要盲目依赖大模型，而是要选择最合适的AI技术来应对实际需求。
Gartner在报告中提到，2027年大多数的中国企业都会应用多种AI模型，以小模型来降低成本，用大模型来处理复杂任务。因此，企业需要提前规划，利用AI网关或AI路由来高效管理和分配AI资源。
此外，企业在落地AI时也要关注AI治理，它就像汽车的刹车系统，企业需要建立自己的“刹车系统”来避免风险。企业需要特别关注 AI伦理、负责任的AI 和 AI治理，才能确保AI技术安全、可控地发展。
Mike Fang坦承，虽然目前企业端还没有看到DeepSeek R1解锁新的高价值应用场景，但它带来了很多潜在影响和机会。比如，它提升了科研和工程能力，它在边缘计算场景的适用性较强，由它加持的智能体甚至可以复现OpenAI的一些前沿功能。
无论如何，AI会成为企业核心竞争力，未来AI将深入到各种产品和服务中，成为企业增长的重要驱动力，推动AI优先的业务战略。
