DeepSeek所代表的资源消耗更小、算法效率更高、推理更精确的技术路径，正在进一步助推AI应用成本下降。

从近期企业动作来看，不仅包括大语言模型领域积累较弱的手机、家电、PC、汽车厂商，就连已经开发出AI大模型的腾讯、360、百度等大厂，也在为自家的AI工具注入新动力。

但这会产生新的问题，所有人都接入了，等于所有人都没接。家家户户都有DeepSeek这把“金钥匙”，打开市场的、或者说驱动业务增长的核心差异化能力体现在哪里？在新的环境下，企业又该如何竞争？

关于这一点，Gartner的Mike Fang告诉我们，企业若仅满足于“简单接入”，就无法在竞争中脱颖而出。关键是要找到适合自身业务场景的AI解决方案，深度挖掘大模型的潜力，将其与行业特点、客户需求和特定场景紧密结合，并注重工程化落地与治理，从而实现高效且负责任的技术应用。

也就是说，大模型赋予产品强大的技术力，但如何将这一能力转化为无可替代的产品体验，让用户发自内心地接受使用，才是竞争的最终目标。

Mike Fang举例表示，当下，从车企到券商纷纷宣布接入DeepSeek，但也仅仅是接入，距离真实大规模应用落地还需要更长时间。“这其中涉及到模型切换，面对新的业务场景，企业要通过不断的流程测试以及在真实业务当中检验。”

但这里要注意数据问题，对于AI来说，有三大要素需要分析：大模型、算力和数据。在大模型迎来颠覆式创新之后，对算力的需求开始降低，下一个重要的瓶颈是数据。

通过Gartner研究表示，海外AI公司应用数据的能力较高，已经支持企业大模型的落地。反观国内，数据方面的数值一直徘徊在较低位，只有少部分企业能够实际把生成式AI应用从实验到最后的生产落地。

这就要考验企业是否具备构建一个从技术到市场的良性循环，不仅仅是关于产品的迭代与优化，更是如何在短期内通过市场数据和产品调整，不断提升大模型的能力。未来，谁能够获取专有数据，并能实现实时更新，将是竞争的关键所在。

单个企业是如此，而对于整个中国的AI产业来讲，DeepSeek还可以带动很多开发、推理，甚至是芯片方面的额外的机会，这将进一步加速企业“出海”。此外，AI接下来的治理也会变得更为重要，“如果把DeepSeek的能力比作高速行驶的一辆车，企业就需要自建或者管控出一个原生的刹车系统，这样才会使得大模型更健壮，‘车’能够开得更快。”Mike Fang表示。

可以说，DeepSeek搅动起的，早已不是AI大模型竞技规则变化的风云，而是影响多个产业迭代的深层变革浪潮。我们都站在了时代潮头，更需要以开放的心态拥抱变化。