DeepSeek是由杭州深度求索人工智能基础技术研究有限公司‌研发的多模态大语言模型，以其卓越的性能和广泛的应用场景，在全球范围内赢得了广泛的关注。DeepSeek火速登顶至少15个国家和地区的苹果应用商店免费APP下载排行榜，是我国AI技术创新的里程碑，更是全球AI行业的一次“范式革命”。AI大模型已成为全球科技竞争的焦点之一，DeepSeek的创新经验对国产AI大模型从追赶到引领的跨越具有重要启示。

一、DeepSeek创新经验分析

（一）坚持原始创新

DeepSeek采用了混合专家架构（MoE），每个token激活约370亿参数，显著提升模型的处理能力和效率。首次将强化学习（RL）作为推理能力的核心训练方式，摒弃了传统的监督微调（SFT），证明了LLM的推理能力可以通过RL激励实现。DeepSeek的原始创新不仅体现在技术层面（如动态MoE架构、强化学习训练），通过开源策略和成本革命重塑了AI行业的竞争格局。其成功证明在有限资源下通过算法优化和架构创新实现换道超车的可能性，标志着中国在AI领域从“跟随者”向“引领者”的转变。这些创新为AGI的普及和商业化奠定了重要基础，成为全球AI发展的新标杆。

（二）创新人才培育机制

DeepSeek重视年轻本土人才，招聘侧重于清华、北大、浙大等国内顶尖高校的应届毕业生、在读博士生，或者毕业不久的年轻人。注重竞赛成绩和潜力，而非传统经验，开辟了创新人才培育的新路径。团队管理上，DeepSeek采用“小而精”的策略，团队成员经过精挑细选，涵盖计算机、物理和数学等跨学科背景，通过跨学科合作激发创新火花。在激励方式上，DeepSeek不设KPI，鼓励快速试错和迭代，为年轻人才全心投入基础研究提供良好条件。

（三）推动开源创新

DeepSeek采取不同于OpenAI等美国AI巨头的策略，优先考虑开源开发。发布新模型时公布相关论文和模型代码，推动AI技术的普及和应用。DeepSeek开源策略赢得了大量用户的支持和信任，带来了良好的口碑和品牌形象。相比之下，OpenAI逐渐放弃开源理念，保留较新GPT系列模型的专有性，其封闭的生态系统限制了外部开发者的参与和创新。DeepSeek透明技术策略赢得了业内的广泛认可，医疗、金融、教育等多个领域展现了强大的应用潜力，提升了工作效率和服务质量。

（四）加速国产AI生态发展

DeepSeek通过技术突破和生态开放，带动国内AI大模型产业的快速发展，迅速推动了AI应用开发的繁荣。百度智能云、华为云、阿里云、腾讯云、火山引擎等也在争相接入DeepSeek模型，并以优惠条件吸引更多的企业客户和开发者。开源和低成本推动AI应用爆发式增长，为全产业链发展带来一个重要转折契机。

二、我国AI大模型产业发展面临的挑战

《2024-2025年中国AI大模型市场现状及发展趋势研究报告》显示，2024年我国AI大模型市场规模约为294.16亿元。伴随多家科技厂商推出的AI大模型落地商用，各类通用、行业以及端侧大模型已在多个领域取得显著的成果，我国AI大模型产业虽然呈现蓬勃发展的态势，但仍面临诸多挑战。 

（一）以美国为首的技术封锁和科技打压

美西方为了遏制我国科技产业的迅猛发展，利用其在芯片技术上的优势，对我国科技企业实施全方位的“卡脖”打压。自2022年起，美国以“国家安全”为由禁止英伟达高端AI芯片出口，并扩大封锁至芯片制造设备、EDA软件及光刻机，高端芯片成为制约我国AI产业发展的严重障碍。美国还联合日本和荷兰，试图彻底切断我国在芯片生产上的“后路”。

我国AI大模型产业发展起步晚，产业链和安全链存在诸多短板。尽管近年来我国在芯片设计、芯片制造等领域取得较大进展，与全球顶尖技术相比，在高端芯片制造以及光刻机产业链方面仍存在显著差距。目前，国产光刻机在性能上可能还未能超越ASML公司2006年推出的产品。美、日、欧等西方科技强国已结成光刻机技术联盟，不断加大对中国技术封锁力度，提升AI产业链和安全链水平成为亟待解决的重大问题。

（二）基础研究与原始创新有待加强

国内AI大模型产业一直以跟随战略为主，以应用为主，导致对基础研究的重视和投入不足，国内AI企业发展基本上都侧重于商业化应用，缺少对基础研究的重视和投入，基础研究相对薄弱，重大理论和技术创新多源自西方。基础研究薄弱、原创能力不足已成为制约我国科技自立自强的主要障碍。

国内AI企业和研究机构多倾向于采用国外成熟技术和模型架构，如在深度学习领域，大量研究基于TensorFlow、PyTorch等国外开源框架。这种做法虽能快速应用，但缺乏从底层原理出发的自主创新，导致技术发展严重依赖国外路线，长期处于跟随阶段，很难突破和超越。基础研究需长期资源投入、周期长、风险高，多数AI企业不愿投入，喜欢赚快钱，喜欢短期见效益的项目。

（三）AI人才供不应求

一方面AI人才培养面临挑战。智联招聘《2024人工智能人才趋势报告》显示，我国AI人才供需比已显著扩大至1∶8，算法工程师岗位平均招聘周期长达43天。麦可思研究院推出的《2024年中国本科生就业报告》（就业蓝皮书）数据显示，由于人工智能专业设置时间较短，人才培养尚未形成较大规模，人工智能相关岗位主要依靠计算机、电子信息类传统专业支撑。自2018年AI专业纳入本科目录后，全国500余所高校虽开设相关课程，但教学内容普遍滞后于行业发展，理论与实践脱节，导致人才培养和产业发展需求严重脱节。

另一方面，AI人才流失较严重。据美国麦克罗波洛智库最新发布的关于全球AI人才分布调查，在最顶级(前2%)AI研究人员的就业国家中，我国仅有12%，远落后于美国(57%)。我国在本科阶段培养了全球近半的顶尖AI人才，这些人才在研究生阶段大多数选择前往美国深造，并在取得学位后选择留在美国工作。美国拥有众多世界顶尖的大学和研究机构，给AI人才提供了巨大的吸引力，如斯坦福大学、麻省理工学院等，形成众多全球顶尖AI研究的中心。

（四）成本与资源投入巨大

大模型的训练和基础设施建设投入巨额资金资源，包括硬件、数据以及人才成本，这对企业和研究机构构成了较高的门槛，而资源主要集中在头部企业和科技机构，中小企业和初创公司难以获得足够的支持，制约了产业的整体和可持续发展。

2024年，美国在AI领域投资额约为641亿美元，我国仅为55亿美元，近年我国AI风险投资增速呈下降趋势。发达国家在这一领域投资涉及领域广，早期天使投资和种子融资多，对起步期AI发展促进作用大，且投资全球占比持续上升。我国AI风险投资大额交易多，具有更强的交易属性，不利于创新型小微企业发展。

三、DeepSeek创新经验对国产AI大模型产业发展的启示

（一）构建自主可控的AI产业生态

一是加强自主创新能力，突破核心技术瓶颈。引导对AI芯片、光刻机等关键技术的基础研发投入，设立AI国家重大科技专项基金，为关键技术突破提供资金保障。构建产学研协同创新体系，建立AI企业、高校、科研机构产学研协同创新平台，推动产学研各方资源共享，构建以原始创新为驱动的产业链上下游合作机制，实现产业链各环节的自主可控。

二是提升产业链安全水平，抵御外部风险。加大国产芯片制造设备、EDA软件等产业链关键环节的基础研发投入，提升产业链安全水平。通过政府采购、政策引导等方式，推动国产技术在关键领域的应用，减少对外部技术的依赖。支持国产AI产品和服务发展，不断提升AI产业链韧性和安全水平。

三是深化国际合作，拓展多元化市场。在遵守国际规则和保障国家安全的前提下，鼓励科技交流与合作。支持AI企业开拓国际市场，尤其是“一带一路”沿线国家市场，充分利用国内和国外两个市场，提升AI产业发展空间。加大出口信贷、海外投资保险等政策支持，提高AI企业应对国际市场风险的能力，实施AI产业走出去战略。

（二）引导AI企业加强基础研究

一是增加对AI基础研究的科研支持。引导科研资金投向AI研究，重点支持长期、高风险、前沿性的基础研究，鼓励原始创新，引导高校、科研机构和企业聚焦于 AI 的基础理论、核心算法、新型架构等基础研究工作。通过税收优惠、财政补贴等方式，鼓励企业加大对基础研究和原始创新的投入。发挥大规模设备更新等政策的引导作用，推动AI企业基础研究投入。

二是投资建设一批具有国际影响力的AI科研基础设施。加大对超级计算中心、大数据中心、人工智能实验室等支持力度，为AI基础研究和技术创新提供强大的计算和数据支持。推动公共科研基础设施向高校、科研机构和企业开放共享，降低全社会的科研成本，提高研究效率。建立国家级的AI超算中心，为科研人员提供大规模的并行计算能力，加速复杂算法的训练和模型的优化。

三是创新支持与市场差异化引导策略。支持基于原始创新成果的初创企业，提供创业指导、资金支持、市场对接等服务，培育一批具有核心竞争力的AI企业。引导AI企业选择差异化的技术路线，通过产业发展规划，明确不同技术领域的发展重点和方向，避免盲目跟风和同质化竞争。

（三）构建AI人才培育创新机制

一是政府通过加大对AI教育的投入，培育更多高素质的本土AI人才。引导高校和职业院校调整专业设置和课程体系，紧跟市场需求，培养急需的各类AI人才，如算法工程师、数据科学家、机器学习工程师等，为AI产业健康发展提供人才支撑。营造创新的文化氛围，提升新生代人才成长空间，引导新生代人才投身基础研究，培育大批创新型科技人才。

二是吸引海外AI高端人才回流。提高薪酬待遇和科研经费支持力度，设立专门的科研项目和基金，引导高端科研人才回国开展科研工作，为AI高端人才提供良好的工作和生活环境，包括住房、子女教育、医疗等方面的保障。积极营造宽松的科研环境，吸引高端人才回国发展。

三是推动国际AI教育合作。积极推动与国际先进教育机构和研究机构的合作，通过联合培养项目、交换生计划、国际研讨会等形式，促进AI教育资源的共享和人才的国际交流，提升我国AI人才的国际视野和竞争力。鼓励和支持我国AI专家积极参与国际标准的制定和国际学术组织的活动，提升在国际AI领域的话语权。

（四）构建AI多元投资体系

一是培育天使投资。制定天使投资发展政策，鼓励天使投资发展，如提供税收减免、风险补偿等，提升天使投资人投资意愿，为初创企业提供更多的融资渠道。

二是推动风险投资与AI原始创新技术的深度融合。引导风险投资机构聚焦AI原始创新技术，通过设立专项基金、提供精准投资引导等多种方式，促进风险投资与AI原始创新技术的深度交融，加速科技成果的高效转化。

三是优化AI企业上市条件。建立专门针对AI企业的资产评估方法和模型，如基于技术创新能力、知识产权价值、用户数据量等维度的评估方法。建立多元化的上市标准体系，允许不同类型、不同规模的AI企业选择合适的板块上市，拓宽AI企业的直接融资渠道。

作者简介：

张新勤，黄淮学院副教授，苏州高新区（虎丘区）长江产业经济发展研究院特约研究员；

邵莲芬，黄淮学院产业创新发展研究院院长，苏州高新区（虎丘区）长江产业经济发展研究院特约研究员。