工联网消息(IItime) 在生成式AI快速发展的背景下，国产开源大模型DeepSeek迅速崛起，凭借出色的模型性能、开放共享的生态体系和创新的工程化实践，获得了全球AI领域的广泛关注，成为增长最快的人工智能应用之一。DeepSeek通过强化学习优化算法及高效的工程优化实践，大幅降低了AI模型的部署与运行成本，为企业实现智能化转型提供了重要支持。在各行业纷纷接入DeepSeek应用的趋势下，它对于工业领域的实际影响究竟体现在哪些方面？

DeepSeek：工业大模型构建的理想之选

自DeepSeek问世以来，智洋创新工业大模型、卡奥斯天智工业大模型平台、浪潮云洲“知业大模型”等多个工业大模型及平台已接入DeepSeek，在多个工业场景中实现技术融合与智能化升级。

在中国工业互联网研究院智能化研究所高级工程师李优看来，工业大模型率先行动接入DeepSeek，原因在于DeepSeek平衡了成本效益、决策精度和定制灵活性，为工业大模型的构建提供了一条经济高效、可定制化且能适应复杂实际场景的创新路径。

一是支持定制化开发和场景拓展。由于DeepSeek全系列模型都开源，企业可以在DeepSeek原有模型基础上，根据自身行业数据进行微调和定制开发，对于需要整合特定领域专业知识、满足个性化应用需求的工业场景尤为重要。

二是显著减少了训练费用。DeepSeek采用多头潜在注意力与混合专家机制，使得模型在预测时只激活部分参数，大幅降低内存占用和计算成本，让大规模工业模型在硬件资源有限的环境中也能高效运行。

三是拥有较强推理能力。DeepSeek-R1的强推理能力能够帮助工程师在工业现场融合工艺知识和操作经验，为故障预测及智能决策等应用提供更丰富的数据与推理支撑。较于其他模型，在解决复杂问题、逻辑推理和实时决策方面表现出色，为工业自动化、智能控制和预测维护等需要快速响应的应用场景提供了技术支撑。

四是保障数据安全和用户隐私。DeepSeek可本地部署，满足了强安全性要求的公司对数据安全和隐私的需求。通过本地部署和数据不出域的方式，DeepSeek有效保障了工业数据的安全和用户隐私，避免数据外泄风险。

DeepSeek重塑工业产业链格局

DeepSeek技术的发展对工业产业链产生了全方位、深层次的影响，有利于促进产业链上下游企业协同合作，深化软硬协同。在芯片算力领域，面对美国芯片出口管制，DeepSeek采用英伟达中低端芯片并通过算法优化实现性能突破，验证了国产芯片替代的可能性，推动了国内芯片产业的战略转型和国产替代进程。在基础设施领域，DeepSeek对数据中心计算能力提出了较高要求，促使数据中心技术不断创新，优化数据中心与基础设施领域，如研发更高效的冷却系统和先进的网络架构等。在软件服务领域，DeepSeek带动了上下游产业链协同发展，从芯片设计、数据中心建设到软件开发和服务配套，整个生态系统都将因此获得新的发展契机。如国产芯片企业加速与它进行技术适配，形成“软硬协同”的产业链闭环。

在工业产业链的各个环节，DeepSeek也发挥着重要作用。在研发设计环节，以DeepSeek-R1为代表的高智能大模型，在制药、航天、汽车等高科技领域，能够快速处理海量数据、构建精细化模型，辅助工程师进行多方案仿真与优化，缩短研发周期、降低研发成本，实现从概念验证到产品原型的快速转化。生产流程环节，DeepSeek技术通过对生产全过程的数据分析，找出瓶颈环节并提出优化措施。例如，优化工艺参数、物料流动路径和生产节拍，以提高整体产线效率和产能。借助数字孪生模拟和深度优化算法，DeepSeek可以持续迭代生产流程方案。生产制造阶段，DeepSeek赋能智能制造，借助大模型对生产线各环节数据的实时处理和智能决策，可实现生产过程的精细化管理和动态优化。智能机器人、自动化检测系统、供应链协同平台将在大模型的引领下高效协同工作，从而提高产品质量和生产效率。智能化改造不仅能够提升制造业的数字化、柔性化和高端化水平，还能更好地满足市场对定制化产品和快速响应的需求。经营管理环节，DeepSeek技术的应用能够推动生产流程的智能化管理。通过对历史数据与实时监控数据的深度分析，基于DeepSeek的大模型系统可以提前识别设备故障和工艺瓶颈，实现精准调度和资源优化，降低生产中断风险，提升设备利用率和整体运营效率，在能源、化工以及重工业等领域，有效降低能耗和运营成本，提升生产效益。

DeepSeek技术的突破推动产业生态壮大

李优着重指出，DeepSeek所推行的开源策略成效显著。通过开放核心技术与算法，让众多中小型企业、个人开发者得以轻松获取关键技术资源，显著降低了创新的门槛，为产业生态注入了一股强劲的活力源泉，有力推动了整个产业生态的初步构建。大量初创公司、科技企业和科研机构已敏锐捕捉到 DeepSeek 技术开源带来的机遇，纷纷投身其中，积极尝试将其技术进行二次开发和应用。新兴业态不断涌现。

在产品智能客服领域，借助DeepSeek技术对自然语言处理能力的优化，更为精准地理解客户意图，快速响应并解决客户问题，极大提升了客户服务的效率与质量，为众多企业节省了大量人力成本。在软件自动化编程方面，基于DeepSeek技术开发的工具可依据功能需求自动生成代码框架，甚至完成部分代码编写工作，大幅提高了软件开发的速度，让开发者能够将更多精力投入到复杂逻辑与创新功能的实现上。随着这些新兴业态的蓬勃发展，DeepSeek所引领的产业生态正不断壮大，未来有望在更多领域实现创新应用，重塑行业格局。

加快人工智能技术赋能新型工业化的建议

尽管DeepSeek发布时间尚短，其实际应用效果仍有待时间的进一步检验，但大模型在智能工厂管理中的潜力已初现端倪。为更好地促进DeepSeek等技术的应用落地，加快新旧动能转换，李优认为在四个层面下功夫：

一是基础层面，全力推动高质量工业语料的收集与整理工作。制定和推广科学合理的规范与流程，广泛收集工业领域内多维度、多模态的数据信息。同时，积极促进数据要素的自由流动，出台相关激励政策，鼓励企业向社会公开数据集。打造高质量、专业化的工业语料资源库，涵盖机械制造、化工、电子信息等多个重点工业领域，为大模型在工业场景中的精准训练与持续优化升级筑牢坚实的数据根基。

二是模型层面，大力引导大模型在制造业、能源业等关键工业场景的应用落地。积极推动人工智能大模型技术深度嵌入工业领域的各个环节。加强大模型的应用测评工作，构建科学严谨的评估体系，对各类大模型在工业场景下的性能表现等关键指标进行全面量化分析。引导大模型研发企业针对工业场景特性强化模型能力，为工业企业筛选优质大模型提供权威且可靠的依据。

三是安全合规层面，高度重视安全合规体系建设。建立完善的数据安全和模型合规体系。从数据的采集、存储、传输到使用，以及模型的训练、部署、运行等全生命周期进行严格把控，确保跨平台数据融合过程中的数据安全，防止数据泄露、篡改等风险，为工业领域的数字化转型保驾护航。

四是平台搭建层面，加快搭建人工智能供需对接平台。深入挖掘企业在技术与应用衔接过程中的痛点与难题，通过精准匹配、线上线下交流活动等方式，切实解决企业面临的问题。助力制造业企业快速获取所需的人工智能技术与解决方案，推动新技术与传统制造业深度融合，从而实现制造业新旧动能的高效转换，促进产业的高质量发展。