DeepSeek加速AI智能体落地

大模型垂类应用落地时间表提前

作者／ IT时报记者  贾天荣

编辑／  王昕  孙妍

从大模型到AI Agent（智能体 ） ，是AI真正走向落地应用的关键一步。相比大模型，智能体更像是拥有自主决策和执行能力的“AI助手”，能主动分析、规划，并根据不同场景提供更精准、实时的服务。

市场咨询机构Gartner将AI Agent列为2025年十大战略技术趋势之首。业界认为，2025年有望成为AI Agent的商业化应用元年。

DeepSeek的横空出世大大加速AI Agent的落地速度，不到一个月，一场深刻的科技变革悄然展开。

尽管舆论对智能体的成熟速度呈现出越来越乐观的态度，但业内人士仍普遍认为，智能体应用发展仍处于早期阶段，即业务场景探索和技术验证阶段。

泛微副总裁杨国生在接受《IT时报》记者采访时表示，当大模型应用到企业的垂直产品领域时，精准度显得尤为关键，“很多业务场景并不是简单的问答模式，而是需要更复杂的业务逻辑和场景化需求。这需要大量的工程技术介入，才能确保其真正实现企业级应用的效果。”

杨国生说，ChatGPT等通用大模型虽然在基础知识应用、数学运算和代码生成等方面展现了强大的推理能力，但当这些模型应用于垂直领域时，其稳定性却难以令人满意，“当推理某个结果时，今天的表现可能令人满意，但明天就会出现波动，甚至效果下降。这是大模型通用性与垂直精度之间的矛盾所带来的挑战，且常常伴随‘幻觉’等问题”。

此外，算力资源的限制也是当前智能体应用的一大瓶颈。在企业级应用中，由于大模型需要处理海量的参数，企业直接部署这样的模型面临巨大的算力成本压力。尤其在当前的经济环境下，许多企业无法投入大量预算购买专用的算力卡，这成为制约企业级大模型应用的基础性障碍。

因此，出于成本、精度等多方面的考虑，相较于针对个人用户的AI助手，初创企业更愿意针对垂直领域开发有针对性的行业应用垂类模型。

短短一个春节，DeepSeek不仅大幅降低AI大模型部署的技术门槛与成本，还加速了AI的商业化进程，推动应用场景的大规模崛起，甚至大大提升AI的普及速度。AI产业的经济价值，正在从“卖水人”转向应用端。

越来越多的企业开始接入DeepSeek，更多垂直领域人工智能公司尝试或升级自己的AI Agent。

作为一家专注于能源大模型的企业，达卯智能近期接入DeepSeek，并推出最新产品——能源小达DeepSeek-R1671B。达卯智能CTO刘净在接受《IT时报》采访时表示，DeepSeek的推理能力是其最为突出的亮点之一。

刘净表示：“相比传统的大模型，DeepSeek在推理能力上实现了质的飞跃，甚至在用户体验上，它可能优于OpenAI的o1模型，甚至o3模型。”

对于像达卯智能这样的垂类能源应用企业而言，DeepSeek的推理能力填补了此前的空白。刘净进一步解释： “ 我们公司并不开发基座大模型，之前我们一直依赖国产自主可控的开源大模型，但为了更好地满足客户需求，我们迫切需要具备强大推理能力的模型，因此选择了DeepSeek的V3版本，并迅速接入。”

在实际使用中，刘净表示，DeepSeek提供了全链条的推理过程，真正实现从数据输入到最终用户反馈的完整闭环，“DeepSeek不仅展示了推理过程，还能将整个推理流程呈现给最终用户，极大提升了用户体验。通过结合我们的行业知识库和DeepSeek的强大推理能力，用户可以得到一个全面的解决方案，这种全新的体验之前是无法实现的。 ”

例如，在电费账单分析和电费解析方面，DeepSeek的推理深度相比之前的产品有了质的飞跃。

同样近期接入DeepSeek的达观数据CEO陈运文告诉《IT时报》记者，DeepSeek改变了AI Agent的发展路径。在技术路线上，它没有一味依赖大模型和大算力，而是通过优化模型和蒸馏技术降低对算力的需求，让AI Agent能在边缘设备进行轻量化推理。

开发模式上，DeepSeek的开源降低了开发门槛，吸引了更多开发者参与，加速AI Agent从实验室研究向工业级应用的转变，推动了多主体协同开发，开发者的关注焦点也从注重“语言生成”转变为更重视“任务执行”，让AI Agent“实际做事”的价值更受关注。

陈运文认为，在功能上，DeepSeek能实现多模态交互，理解复杂指令，还能在复杂场景里生成最优路径；应用场景也拓宽了，在金融、医疗、制造、媒体娱乐等多个领域都能构建智能Agent，比如智能投顾、诊断辅助、供应链优化、内容创作等；协作集成方面，它预置了常用API，降低了集成成本，还支持多Agent分工协作，适用于供应链管理、智慧城市这些场景。

LogenicAI联合创始人李博杰告诉《IT时报》记者，随着DeepSeek的出现，AI Agent领域发生了两方面的重要变化：首先是成本显著降低，其次是许多人的心态发生改变。

李博杰指出，要实现真正有效的AI Agent，能够解决实际问题并达到商业需求，需要像R1或更高级别的模型。但以往，如OpenAI等模型成本非常高，比如OpenAI的o1模型，每100万个Token的成本为60美元，而现在，DeepSeek-R1的成本仅为2美元100万个Token，缩减30倍，大幅降低成本。

对于OpenAI来说，这无疑是一个挑战，因为它长期以来锁定自己的技术，并通过高价盈利，但现在DeepSeek的出现迫使OpenAI调整策略，甚至降低o3Mini版本的价格，这表明推理模型的成本正在普遍下降。

值得一提的是，2月13日凌晨，OpenAI首席执行官萨姆·奥尔特曼公布了GPT-4.5和GPT-5的最新消息。奥尔特曼宣布，OpenAI将在未来几个月内推出名为GPT-5的模型，该模型将整合OpenAI的大量技术，包括o3模型，并应用于聊天机器人ChatGPT以及API平台，此外，更重要的是，免费版ChatGPT能在标准智能设置下无限制地与GPT-5进行对话。

李博杰还提到，成本的降低让AI Agent类应用得以普及，过去由于模型能力不够强大，效果并不理想。如今，借助DeepSeek或OpenAI o3等更强大的模型，AI Agent能够帮助解决更复杂的问题。

李博杰认为，DeepSeek的成功不仅在于技术的突破，还在于它的开源模式，这使得其对更多开发者开放，打破了以往AI技术需要巨额投入的“迷思”。OpenAI的收费体系一直较高，且最先进的模型也只限特定合作伙伴使用，而DeepSeek的出现让这些技术变得平民化，带来了根本的认知变化。

这种变化尤其体现在投资者的态度上。金沙江创投主管合伙人朱啸虎曾明确表示，他不会投资中国的AI大模型创业公司。然而，随着DeepSeek的出现，朱啸虎的看法发生180度转变，表示“大开眼界”“DeepSeek让我开始相信AGI的可能性”。

提到个人智能助手，许多人最先想到的可能是科幻电影《钢铁侠》中的贾维斯。然而，要拥有属于普通大众自己的“贾维斯”，所需要的远远不止一家能够生产“贾维斯”的公司。

在杨国生看来，未来的 AI Agent 几乎会渗透每一个软件，支撑着每个功能的实现。如今，我们通常通过编写代码来开发程序，并经过测试和调试来实现功能，但未来，很多功能可能不再依赖传统的编码方式，而是由智能体自动完成。例如，计算每月的良品率，未来可能由智能体自动处理，而无需我们手动编写和调试代码。

陈运文坦言，AI Agent的全民普及仍面临瓶颈。大众对其功能和价值的理解不深，接受度较低，且专业人才匮乏，尤其缺少既懂技术、产品，又熟悉商业和生态的复合型人才。在伦理、法律与安全方面，AI决策往往缺乏可解释性，责任归属不清晰，且存在隐私泄露和被攻击的风险。未来的技术突破方向主要包括：优化模型，提高准确性、泛化能力和可解释性，减少算力需求；发展多模态技术，促进更自然的多模态融合；强化学习与自主决策能力，使AI Agent能够在复杂环境中自主学习和决策。

从技术角度看，AI模型可能面临偏差风险。例如，算法歧视可能导致不公平结果，训练数据不足或应用不当也可能导致模型失效。此外，网络安全问题也不容忽视，DeepSeek曾遭遇过DDoS攻击，因此，加强大模型的安全防护至关重要。

李博杰以雷军和小米公司举例，在移动互联网的早期阶段，尽管有数百家公司涉足手机行业，但最终，只有小米等少数公司取得了成功，最终市场上的主流手机品牌依然是那些早期就有基础的公司。

对于从事AI行业的人来说，并不一定需要像OpenAI那样打造基础大模型。与其直接与巨头竞争，不如选择像小米的空气净化器或插线板这样的生态链产品，在AI应用领域找到特定的突破口，与巨头形成互补关系。例如，OpenAI投资了多个垂直领域的公司，如语音学习应用Speak、编程教育平台Canvas、法律应用等，这些公司专注于特定行业，与OpenAI的基础模型形成互补，而不是直接竞争。

李博杰强调，未来AI行业需要更多的人愿意深入垂直领域。许多创业者往往只关注大模型，但那些看似“小”的垂直领域应用，恰恰是AI技术实现商业化的重要突破口。

排版／  季嘉颖