美高梅(有限公司)官方网站-Made in China

Q1：如何看待DeepSeek发布后一两周迎来爆火？

吴昊宇：

最近一周大家都很关注DeepSeek，他们把这周定为“开源周”，每天发布一个重磅炸弹，都是提升模型推理效率的代码库，这对大模型领域特别重要。前几天社媒都在讨论大模型厂商是不是亏本，有人算过按1000亿token处理量，厂商每月要亏四个亿。但DeepSeek开源这些工具后，大家发现其实是有盈利可能的，这些开源库极大地提高了推理效率，相当于给争论画了句号：用好算力，确实是未来方向。

Q2：作为首批接入DeepSeek的企业，美高梅官网正网接入R1背后经历了哪些具体过程？做了哪些工作和考量？

吴昊宇：

DeepSeek-R1发布后，我们在第一时间就启动了R1接入工作。

第一个关键是在流量最高峰、最拥堵的阶段，面向企业用户开放了满血版R1。即使在公有API或在公共服务波动期间，我们依然保障了客户的流畅使用体验。

第二个关键是应用场景问题，只接对话模型对企业服务是远远不够的。很多企业客户现在会主动向我们咨询：能不能把知识库也接入这类推理模型来优化结果，甚至数据分析服务？客户也在追问：接入R1之后分析会不会更准？

不过虽然R1效果好，但它依然存在幻觉问题，响应速度也有波动。还有个重要考量是：如何用适合的方式展示大模型的推理过程。从年前到整个二月份，我们基本没休息，一直在做三件事：测试不同场景、调整参数、筛选能落地的业务场景。

Q3：从紧急接入到后续优化阶段，我们既要处理用户反馈又要解决内部问题，很多开发者调侃“接入R1比训练R1还刺激”。咱们当时的应急机制具体怎么运作的？

吴昊宇：

美高梅官网正网有明确的团队分工，算法团队专门攻坚模型研究和接入，各业务线的场景组负责各自agent的调优，大模型网关层作为流量入口则由专人统一管理，包括模型接入、客户权限分配、余额预警这些琐碎但重要的事都得盯住。

不过接入只是刚开始，R1作为推理模型有个特殊点：它返回的“reasoning”字段会暴露思考过程。这和之前对接的其他模型完全不同，以前都是直接给结果，模型的响应速度比较快；推理模型的推理过程比较耗时间，需要在功能设计上，合理的展示推理过程，减少用户焦虑感。各个业务模块为了兼容这个特性都得重新测试，像知识库这种需要稳定输出的场景，突然多出个会犯错的“大脑活动记录”，产品设计和技术适配都得从头摸索，这是从底层逻辑到上层应用的全新考验。

Q4：有没有遇到过让你们特别意外的客户反馈指标？或者说哪些客户痛点需求倒逼咱们做了关键优化？

吴昊宇：

以美高梅官网正网推出的企业级一站式大模型Copilot“小明助理”举例，这个工具在美高梅内部已经全员使用了。DeepSeek R1上线后我们分析了数据，发现两个有意思的现象：

第一是模型选择权重颠覆认知，R1上线不到一周就冲到模型使用量榜首，颠覆了原本默认效果最好的主流模型；

第二是对话黏性暴增，和其他模型平均聊2轮就结束，用户跟R1的平均对话轮数直接涨了98%。一些企业客户的分析师告诉我们：“答案对不对不重要，我看它推理的过程就像有个高手在旁边拆解解题思路”，比如做客户场景分析、用户分析等，反而帮分析师打开了新视角。

Q5：企业接入DeepSeek-R1这类推理模型的“最后一公里”会遇到哪些挑战？特别是IT基础设施与业务流程的无缝集成层面。

吴昊宇：

先说现实问题，私有化部署成本。对很多企业来说，这笔预算是道硬门槛，所以我们常建议他们先通过API接入服务，等业务跑顺了再考虑私有化。另外一个问题是适配性。企业里那些陈年老系统既找不到供应商改造，又不能推倒重来。

在这种情况下，Copilot模式是更适合企业落地AI的。基于“on the same page”理念，小明助理以浏览器插件形式为主，用户通过操作小明助理，完成从A系统抓取表格、B系统截取界面、C系统提取文本信息，最后生成分析报告的路径，能够解决原本旧系统的通路问题。

场景选择要兼顾两头，既要满足领导层用上AI的要求，又要让员工真实感受到AI好用，愿意去用。比如做行业研究，研究员原先要手动翻几十个网页、写摘要、做总结才能出报告，现在 OpenAI 推出了深度搜索的功能，可以用大模型解决海量数据收集和复杂分析的问题，这种方式解决了原来的难题，大家愿意用起来。

我们的经验是：先解决企业的业务现存痛点，再找到能够真正解放员工重复性工作的场景，这样作为切入点去落地AI，才能看到进步，企业才会有动力继续往下持续推进。落地AI是一件很重要的事情，企业要看到效果才行。

受访专家｜