DeepSeek到底给中国TO B服务带来了什么？｜产业深度_风闻

DeepSeek引发的技术地震只是序章。当潮水退去，最终留在舞台中央的，必是那些完成“价值操作系统”升级的破壁者。 

作者|斗斗 

出品|产业家 

DeepSeek的出现，仿佛在平静的湖面上投入了一颗石子，激起了层层涟漪，引发了各层技术服务商的广泛关注与响应。

“原来那些我们比较珍惜、甚至有些不舍得用AI的地方，现在都可以大胆地使用AI了。”合思告诉产业家。

与过去一年中涌起的AI浪潮不同，DeepSeek带来的并非仅仅是技术的热度，而是一种基于深度思考的技术范式。它以独特的方式改变了人们对AI的认知：即使在数据资源有限的情况下，依然能够训练出高质量的模型；模型蒸馏技术则赋予了小型模型更大的价值，使其能够发挥出与大型模型相媲美的作用；同时，开源战略和低价策略更是为AI技术的普惠化铺平了道路。

这些新变化，让本次AI技术浪潮比以往更加激烈，也更具影响力。

这种新的技术路径带来了截然不同的变化。随着AI技术的普惠化，企业对融合AI技术的信心大增。SaaS服务商也开始积极拓展更多应用场景，探索AI在更多领域的落地可能。这种技术的普惠化，不仅推动了行业的发展，也让各层级的技术服务商真正受益，吃到了实实在在的红利。

阿里云的最新财报也从侧面反映了这一趋势。数据显示，阿里云实现营收317.42亿元，同比增长13%。虽然AI产品的需求与云用量不能直接等同，但阿里在财报会议上提到，客户对AI相关产品的新需求中，约有60%-70%用于推理。这也证实了低价策略确实激发了市场的一部分需求，增加了对底层云基础设施的调用量。

然而，尽管DeepSeek的爆火在各行业掀起了一股热潮，其创新的技术范式和超低价策略对国内TOB厂商和云厂商产生了显著影响，但这些影响并非外界所渲染的“全面AI化”。大厂云并没有盲目地全面接入DeepSeek，反而是呈现出明显的分化和阶段性特征。

在复杂多变的行业环境中，我们需要拨开云雾，看清本质，深入探究DeepSeek热潮之下服务商们的真实变化，以及这些变化背后的故事——DeepSeek到底给TO B服务商带来了什么？中国的TO B产业服务，在DeepSeek的影响下正在发生怎样的变化？

一、DeepSeek潮水里：

被加速释放的AI热情和AI想象力

“银行复杂文本问答准确率提升至96%，外呼效率提升300%-400%。”“接入DeepSeek后，在智能分析报告生成和图表可视化的方面，我们的产品比现在市面上大部分自然语言交互式数据分析产品都做得更好。”

无论是前者容联云AICC3.2版本整合DeepSeek后带来的数据，还是后者数势科技接入DeepSeek后的产品优化，都验证了DeepSeek带来的AI新技术范式的优异之处。

这一明显的成果，这也让客户侧发生了十分明显的变化。

数势科技联合创始人谭李告诉产业家，“很明显，年后来咨询的客户数量，增长了很多”。他提到，连锁类客户的需求尤为突出：“过去给每个店长配一个分析师是不可能的，但现在通过数势科技智能分析平台SwiftAgent，他们能直接获取数据洞察并自动生成周报。”

这种从“集中式人工取数问数”到“民主式智能分析助手”的转变，正在重塑企业用数的范式。

国际电商 SaaS 公司AfterShip也在和产业家的沟通中提到：“DeepSeek相比GPT有着1/70的价格，而且它出色的推理能力赋予了较好的理解能力和可解释性，激发了公司众多团队、个人去实践和探索更多应用场景的热情。”

“目前公司已落地多个AI Agent，如AI Copilot和AI客服，40%以上客服问题由AI处理，准确率超95%，响应时间和满意度优于人工客服，节省成本且提升服务质量。”AfterShip 数据总监 Harvey 对产业家说。

这一点，也在PaaS层服务商那里，得到了清晰地验证。

“在大年三十，我们就已经开始尝试与部署让DeepSeek开口说话。”声网告诉产业家，其对话式AI引擎通过640ms超低延时、智能打断等功能，让开发者无需二次开发即可实现多模态交互，“客户对语音互动的需求显著增加”。

从技术服务商侧来看，这种变化意味着垂直赛道的进一步深化以及项目预算门槛的降低。

容联云对产业家说道，“在DeepSeek出现之前，我们更倾向于使用自己的行业专属模型+多模型管理，但现在从客户的应用诉求来看，优先使用以DeepSeek为主的多模型接入+行业专属模型，优先级发生了变化。”谭李也提到，“以往调用大模型的一大笔成本是阻碍客户大规模推广Data Agent的一道门槛，现在客户和我们共同的目标是如何让越来越多的人使用SwiftAgent来提升工作效率。”

从客户层面的积极性增加，到应用层的爆发，无一不在增加底层云基础设施的调用量。而大厂云无疑成为了这波技术狂潮最大地承接者。

从各大云基础设施服务商的动作来看，策略也各不相同。

腾讯云采取双线推进的策略，一方面通过API接口调用云与模型直接部署元宝、微信，另一方面将微信生态中的搜一搜、公众号、视频号作为DeepSeek落地的核心场景，实现了产品之间的高效协同。

百度智能云则通过搜索入口整合，如推出「AI+」入口，以及模型切换功能，让文心与DeepSeek并行，实现了快速落地，为用户在搜索等场景中融入了更强大的AI能力。

与腾讯云和百度智能云不同，阿里云对DeepSeek的接入则主要聚焦于自己的主营业务侧产品，如阿里的1688、钉钉、阿里云相继接入DeepSeek，给自研的大模型产品保留了一部分空间。这也显示出阿里云在AI布局上的策略考量，既积极引入外部优质模型，又注重自身技术体系的协同发展。

近日阿里Qwen团队发布新推模型QwQ，称会展示完整的思维链，也确定了上述猜想。

字节的接入策略与阿里有相似之处，最近被曝出豆包小范围测试深度思考模型，接入的并不是DeepSeek，可见其也是注重自身技术体系的协同发展。

总体而言，从应用层技术服务商们的接入动作来看，AI技术正在从通用能力向行业Know-How渗透；而腾讯的生态绑定（微信）、百度的入口整合（搜索）、阿里的业务协同（1688/钉钉），反映出云厂商正通过差异化定位将AI能力转化为自身生态护城河，而DeepSeek暂时成为其补齐短板的战略资源。

二、2025年

被重构的AI TO B服务链条

DeepSeek引发的技术普惠浪潮，正在悄然重构TO B服务的价值链条。

当银行外呼效率因AI介入提升300%-400%时，传统行业对AI的认知已从“试水工具”转向“效率引擎”。

这种转变催生了服务商角色的进化——不再满足于单纯部署AI模型，而是将通用模型适配至风控、客服、数据分析等垂直场景。

数势科技的SwiftAgent产品便是典型代表，面向企业“刚需”的写报告场景，使用者可直接上传历史报告模板，SwiftAgent能够自动基于最新数据生成符合企业偏好的深度报告。“过去需要数据科学家做的归因分析和异常下钻，现在一线业务人员就能完成。”谭李表示。

在技术门槛持续降低的背景下，服务商的竞争焦点也从“谁能提供AI能力”转向“谁能更懂行业痛点”。

这种深度渗透的趋势，与多模态交互的爆发形成共振。正如声网基于底层音视频技术，从技术底层优化解决方案，将DeepSeek的语音生成与实时音视频技术融合。

值得关注的是，AI正从辅助工具升级为“决策执行者”。例如，容联云旗下数据智能平台诸葛io通过全链路数据采集，优化营销效率等核心指标；数势科技SwiftAgent实现从数据分析到策略建议的高效闭环，并对接企业的IM系统实现即时通知与反馈。

而站在浪潮之巅的云厂商们，已悄然展开生态卡位战。腾讯云将DeepSeek深度植入微信生态，让搜一搜的答案推荐、视频号的智能剪辑都流淌着AI的血液；百度智能云则通过搜索框的“AI+”入口，让文心与DeepSeek在用户无感切换中完成体验升级；阿里云在钉钉智能办公套件中嵌入多模态能力，使工作汇报自动转化为可视化看板。

这些差异化路径背后，藏着同一个逻辑：云服务的战场已从基础设施层跃升至应用生态层，谁能将AI能力与场景流量深度耦合，谁就能在客户心智中筑起护城河。

狂欢之下，暗礁也在隐现。当阿里云财报揭示AI推理需求激增时，鲜少人注意到底层算力成本正随模型微调需求攀升——低价策略撬动的市场，也可能反噬利润空间。

更棘手的挑战来自数据安全的灰色地带：某医疗企业混合部署自研模型与DeepSeek时，因患者数据脱敏不彻底引发合规争议，这类案例正倒逼服务商重建技术伦理框架。

而字节跳动自研“深度思考模型”的举动，则暴露出头部企业对技术依赖的警觉——当AI能力日趋同质化，真正的护城河或许不在技术本身，而在谁能更快将行业Know-How沉淀为智能资产。

这场由DeepSeek点燃的技术革命，终将走向价值深水区。服务商们逐渐意识到，AI普惠不是终点而是起点。

当技术民主化消除准入壁垒后，决胜关键已转向如何用AI重构生产流程、如何将碎片化场景串联为生态闭环。正如跨境电商企业借助模板化AI客服实现全球市场快速复制，或制造企业通过低代码平台将质检模型落地为标准化模块，技术浪潮的最终指向，是一场悄无声息却影响深远的产业智能化迁徙。

三、去伪存真的AI后序：

谁会留在舞台中央？

开源技术的普及与DeepSeek的超低价策略看似扫清了AI落地的经济门槛，但产业实践揭示出更深层的矛盾，那就是价格门槛的突破并未消除产业深水区的暗礁，反而让长期被忽视的短板加速浮出水面。

当技术狂欢退潮，产业界正在形成新共识，即大模型突破的是技术天花板，而商业价值的释放仍需穿越"工程化鸿沟"和"场景化深水区"。

这一点在企业客户侧也有所体现。

“以前客户见面就问‘你们用的是什么模型’，现在第一句话变成‘能帮我降本多少’。”某SaaS企业销售总监的观察，印证了客户需求的转变。

这种分化背后，反映出产业对技术落地的务实需求——低价仅是起点，真正的竞争在于能否解决实际场景中的“水土不服”。就像买了辆特斯拉，但村里没充电桩技术再牛，配套跟不上也白搭。

**当技术触达率快速攀升时，未被狂欢掩盖的真实困境正在悄然酝酿。**毕竟，把AI技术变成实际可用的系统，中间还有各种麻烦事，不是价格低就能解决的。

面对汹涌的技术浪潮与复杂的落地困境，产业界正在形成新的突围共识——AI价值的释放不再依赖单一技术突破，而是需要构建“技术-工程-场景”三位一体的新型基础设施体系。

这一共识的形成，标志着AI产业从单纯的技术追求，转向了更为务实的应用与价值实现。在这个过程中，数据治理、算力重构和模型演进成为了关键的三个环节。

过去，数据的收集和存储更多是无序和粗放的，就像原始的原料开采，只注重数量而忽视了质量。如今，随着AI技术的深入应用，数据治理已经转向精细化管理，通过先进的技术和严格的标准，对数据进行清洗、分类和标注，使其成为高质量的“精炼产品”。

算力重构也在经历着从“军备竞赛”到“精准调度”的转型。

过去，算力的提升往往依赖于硬件的堆砌，企业之间展开了激烈的“军备竞赛”，追求更高的计算能力。然而，这种模式不仅成本高昂，而且效率低下。现在，随着算力调度技术的发展，企业开始注重算力的精准分配和高效利用。

模型演进则从“参数崇拜”到“价值锚定”的觉醒。

过去，模型的性能往往被简单地等同于参数规模，企业之间展开了对参数数量的盲目追求。然而，这种“参数崇拜”并没有带来预期的性能提升，反而导致了资源的浪费。现在，企业开始更加注重模型的实际应用价值，通过优化模型结构和算法，提高模型的效率和准确性。

DeepSeek技术的突破就是一个典型例子，通过独创的DeepSeekMoE架构和MLA机制，该模型以较低的实际开发成本，实现了训练效率的巨大提升、训练成本较较其他模型也大幅降低。这种转变不仅降低了开发成本，还提高了模型的实用性和竞争力。

当技术民主化进程完成时，真正的竞争才刚刚开始。**未来的赢家不是最会训练模型的企业，而是最懂如何将AI原子嵌入业务DNA的组织。**在这个过程中，企业需要构建“技术-工程-场景”三位一体的新型基础设施体系，实现技术与业务的深度融合。

在这场静悄悄的产业革命中，DeepSeek引发的技术地震只是序章。当潮水退去，最终留在舞台中央的，必是那些完成“价值操作系统”升级的破壁者。