今年伊始，来自中国的AI大模型DeepSeek凭借好用、开源、免费三大特点火爆全球。AI大模型是指使用大规模数据和强大的计算能力训练出的人工智能模型，这些模型通常具有高度的准确性和泛化能力，可应用于自然语言处理、图像识别、语音识别等领域。

　　随着DeepSeek的“出圈”，新一轮人工智能大模型落地应用的热潮也随之而来。各行各业都在积极拥抱DeepSeek，与之相关的应用“遍地开花”。近日，总台记者在对多个行业领域进行探访后发现，DeepSeek的应用正在推动多个行业质效齐升。

　　赋能千行百业

　　DeepSeek落地再提速

　　在湖北武汉，这家12年来从事农业遥感技术研究与应用的高科技企业，已经快速接入了DeepSeek，企业负责人介绍，过去团队积累了大量的卫星图像、种植指导、病虫灾害等方面的数据，通过使用这些专业农业知识库对DeepSeek进行训练，团队很快得到了一个全能高效的“农业专家”。

　　武汉珈和科技有限公司CEO 冷伟：我们接入DeepSeek的一个对话平台，是可以直接问它种植情况怎么样，它就有点像一个农业小助手，它可以给你一个好的建议或者是一些方案。另外，我们可以通过这样的数据快速获取到这个区域的灾损情况，通过大模型调用小模型，快速能够得到终极的分析报告或分析内容。

　　大模型的能力加持下，原本需要几天绘制出的农作物受灾图，现在可以在几秒之内完成，帮助农民更快生成保险评估报告。而在建筑行业，DeepSeek大模型也已担当起了建筑工程师“智能助手”的角色，从专业领域知识问答到建筑模型质量检测，甚至繁复的成本测算，这些工程管理领域的“重活难活”，现在都可以由它来处理。

　　中建三局数字工程公司产品经理 颜露：一般来说，一个中型项目涉及的成本清单项有2000多条，如果人工一一比对的话，需要耗时4到6天。现在在包括DeepSeek在内的AI技术的赋能下，逻辑推理与计算能力得到了显著提升，在系统内部能够自动生成成本清单项，经过人工核对之后点击确认，就可以完成成本清单匹配的工作，工作耗时缩短为2到3天，整体效率也提升了50%，推荐清单正确率也得到了有效提升。

　　开源的DeepSeek可以让负载的工作更加准确、智能、高效，大幅降低使用AI大模型技术的门槛。记者来到位于北京的一家人工智能生活实验室，他们正在开发更加简单方便的、面向普通人的大模型应用平台。接入DeepSeek大模型后，它强大的推理能力可以分析拆解普通人的交互意图，让大模型的使用变得更加简单。经过系统和界面的重新设计，只需简单说上几句话，就可以创造出订制的页面、软件甚至游戏。

　　生活实验室技术负责人 卢梦凡：DeepSeek的思维链有个最大优势，就是它可以对于一个非常简单的要求进行非常系统性的分析和理解。我们在前期的程序设计或者说优化的过程中就可以大大减负，我们可以把更多精力放在怎么去优化后续的这些工作，怎么能提供更多更复杂的一些功能，所以这是DeepSeek对我们来说最大的一个价值。

　　优化算力

　　推动大模型应用低成本落地

　　随着DeepSeek的火热，最近各地的政务、企业业务等都在纷纷接入DeepSeek大模型，大家希望利用大模型的能力赋能自身业务的进一步提质增效。此外，围绕大模型的产业链，比如本地化部署的算力，也在加速创新。

　　大模型是效率工具，不少团队都希望将DeepSeek部署到自己的私有化环境中，在保障数据安全的同时，可以更好地对模型进行微调和私有训练。记者来到一家专门做大模型推理算力优化服务的技术团队，他们的技术人员告诉记者，从DeepSeek爆火到现在，他们的算力产品也出现了供不应求的场景。

　　大模型能力虽然强，但是想把它部署到本地并不简单。比如，本次国内技术团队DeepSeek开源的671B参数的“满血版”大模型，有6710亿不同的参数。如果把这个“数字大脑”装进本地电脑，就像要把一座图书馆塞进自家书房。这671亿本书的图书馆要在本地运行，相当于要在自家书房里快速查阅图书馆所有671亿本书，并即时生成新知识。

　　按照传统的方式，在本地直接部署DeepSeek“满血版”大模型，算力门槛动辄也要数百万。这个团队与清华大学相关团队合作研发，设计并开源了一套全新的推理算力架构，改变了大模型算力过分依赖GPU、成本过高的计算模式，专门针对中小团队使用场景，大大降低了计算成本。

　　趋境科技CEO 艾智远：计算强度低的、参数量大的，我应该放在CPU，计算强度强的、参数量小的，我应该放在GPU，这样就可以形成GPU和CPU协同工作的过程，这是我们这次架构的全新创新，相比于整个大的部署来讲的话，我们的部署门槛降低了大概90%的成本，让这种比如说小几十万的这样级别的机器就可以运行一个大的模型，能让更多的人用得上DeepSeek的这样一个模型。

　　数字线虫“天宝”

　　开启生物智能新范式

　　人工智能大模型需要极大的算力、电力资源消耗等，很难做到环境友好。而我们人类的智能却是功耗极低的，只要营养到位，体能充沛，就能够思考、行动。那么，能否像人脑一样，研究出更快、更便宜、更通用的人工智能新范式呢？在基础研究领域，科学家们也正在探索，而且近期已经取得了阶段性成果。

　　在北京智源研究院，记者看到了这只名叫“天宝”的秀丽线虫，它正在电脑里扭动身体缓慢前进。和普通的线虫一样，它可以自主地完成觅食、避障、排便等生物行为，但不同的是，它是科学家在虚拟世界中模拟出的一条“数字生命”。为什么要“复刻”这样一条身长不足一毫米的虫子呢？

　　北京智源人工智能研究院生命模拟研究中心负责人 马雷：我们人脑，我们一天消耗的能量，两个鸡蛋，有时候一个鸡蛋就够了，但是我们能产生非常复杂的行为，但是你要让现在的大模型来给你产生刚才等同于我那样信息量的一个表述，它可能是要烧掉一片森林产生的热能发的电量才有可能。我们研究生物智能，其实是可以去稍微地去缓解一下这个问题，我们吸取一些精华的思想去用到现在的一些模型构建里面，就可能会造出一种非常低功耗的模型。

　　秀丽线虫只有302个神经元，每个神经元与肌肉的关联已有完整的研究数据，是理想的生物智能研究对象。此前也有科学团队在虚拟环境中还原过秀丽线虫的行为模式，而这一次，科学家则通过力学仿真、强化学习等技术，首次实现了秀丽线虫神经、身体与环境的闭环仿真，让“天宝”能像真的线虫一样，基于环境刺激自主触发行为、感知所处的水流环境作出反应，甚至还能进行团队协作，整个过程没有任何预设程序，完全依赖生物神经网络的“自然涌现”。

　　北京智源人工智能研究院生命模拟研究中心负责人 马雷：这是整个神经元的细节，你会看到线虫运动的时候，它的头部的神经元不停地往下放电，这里面的颜色亮的地方代表产生了比较强的神经信号，一个动作电位，然后往下传输，同时刺激肌肉不停地在往前走。

　　目前，线虫“天宝”正在一个巨型“数字丛林”里继续进化，而团队更大的愿景是在计算机中复现智能的进化史——从线虫到果蝇，从斑马鱼到小鼠，不断逼近人类大脑的奥秘，最终探索出更低功耗、更高效的通用人工智能全新范式。

　　北京智源人工智能研究院理事长 黄铁军：过去几年人工智能发展特别快，但是主要是集中在认知智能，以语言与信息处理为代表的这样的一个方向。但是往未来发展，除了我们这些比如人的高级的认知之外，我们还要感知这个世界，我们还要做行动，也就是这一两年热起来的叫具身智能，就是智能是要有身体的，构造一个有身体的智能，其实是要学习生命，在学习生命的过程中有能促进我们对生命本身的理解和认识，也对我们自身的医疗、健康起到促进作用。

李春晖