美高梅(有限公司)官方网站-Made in China

Q1

DeepSeek是AI原生应用的临界点吗？

吴昊宇：从推理模型引起的热潮和社会反响来看，DeepSeek R1的影响力远超之前OpenAI o1，其历史意义怎么夸赞都不为过。然而，是否是AI原生应用的临界点，仍有待商榷。目前，DeepSeek R1在应用层面的直接帮助有限，它的核心价值在于推理逻辑给大家带来的震撼。

AI作为工具的plus功能，与完全构建在AI之上的工具，是两种截然不同的应用。目前大多数AI应用仍需要人类主导思路调整和纠错，未来AI编程工具是否会完全取代人类干预，成为真正的AI原生应用，这不仅是技术问题，更是对工程师的严峻挑战。

Q2

如果所有企业都用相同的基座模型，差异化还存在吗？企业真正的护城河将建立在哪些维度？

吴昊宇：用数学公式Y = f(X)来类比，其中X是数据，f是大模型，Y是最终结果。过去，各企业掌握的f（模型能力）存在差异，但如今，当大家的f趋同，决定结果的关键就变成了X。

X主要是指场景或者行业数据，在其他因素趋同的情况下，企业拥有的数据将成为影响结果最大的变量。谁掌握了垂直行业中的独特数据或独家数据，谁就能在行业中占据先机，而更多的垂直行业经验和场景可以带来更多的垂直行业数据。未来，数据将成为企业的核心护城河。

Q3

DeepSeek的能力边界在哪？

吴昊宇：能力边界是一个复杂问题。我们看到，网上有人直接让DeepSeek推荐股票，这其实就是错用了DeepSeek的能力边界，因为它并不对结果负责。在不同的场景下，能力边界要进行严格的测试。

大模型在发布时要通过各种标准数据集，进行数学能力、常识能力、推理能力，以及编程能力等多项评测，但这些测试集是否能完全代表其真实能力，需要大家在实际场景中验证。

目前的测试多以填空题、选择题为主，只能证明模型在标准化问题上的表现。实际业务场景却往往并不是以标准化问题的形式出现。模型的回答能否满足企业需求，需要在不同场景中不断测试。此外，如何通过提示词或提供更好的上下文消除幻觉，也是需要在实际应用中不断评测模型的方向。

Q4

针对DeepSeek R1的生态链，美高梅是否进行相应的开发调整？

吴昊宇：我们主要进行了针对R1的适配工作。包括在内部的Agent Builder平台、知识库管理平台，以及企业级一站式大模型应用“小明助理”上，将R1的推理过程进行了明确展示。无论是底层架构、中间件平台，还是上层应用，我们都围绕推理模型进行了相关适配工作。

受访专家｜

相关阅读｜

企业AI落地最后一公里：美高梅官网正网×DeepSeek-R1实战指南（附直播实录）

AI落地四大实战策略：私有化部署+RAG技术+多模态处理详解｜直播回顾第二弹