国产大模型商业化与 DeepSeek 技术路径交流纪要

摘要： 本次会议深入探讨了国产大模型（以 DeepSeek 为代表）的商业化进展、与海外领先模型的代差、底层算力适配情况及国内竞争格局。

行业主线：

1. 商业化与定价平权：DeepSeek 通过极致性价比推动“大模型平权”以抢占市场份额，但导致行业推理毛利整体下降，目前 DeepSeek V4 Pro 的推理毛利约在 25%-30%。
2. 算力适配现状：国产算力（如华为昇腾 910B/950P）在推理端已实现较好适配，性能在部分维度可比肩 H200，但训练端依然高度依赖英伟达，生态建设仍处于初级阶段。
3. 技术演进方向：下一代模型将重点突破多模态识别、Agent 运行能力及进一步优化国产算力适配。

关键变化与分歧：

1. 中美差距核心：差距源于应用场景成熟度、算力储备及数据闭环。海外模型依托闭源生态实现快速迭代，而国内模型在公开数据匮乏且倾向开源的情况下，难以形成高效的数据回传闭环。
2. 开源策略转型：预测国产模型在 2026 年左右将由开源转向闭源，以构建商业化壁垒。

受益方向与风险：

1. 受益方向：具备海量用户数据反哺能力的厂商（如豆包）、在特定专业领域（如医疗）有深度数据积累的厂商，以及能主导国产化算子与生态建设的厂商。
2. 核心风险：地缘政治导致的高端算力受限、与海外第一梯队技术代差被拉大、商业化盈亏平衡点推迟（预计 2027 年以后）。