2025 年,AI 領域發展迅猛,DeepSeek 爆火成為焦點。前經緯創投合伙人莊明浩的 74 頁 PPT,為剖析這一現象提供了d特視角。
DeepSeek 成功源于開源策略。2025 年一季度,DeepSeek-V3 模型以 MIT 協議公開訓練代碼和模型權重,打破大廠技術壟斷。其 557 萬美元的訓練成本不到 GPT-4 的十分之一,推理成本降至每百萬 token 0.14 美元,大幅拉低行業門檻,使 AI 服務未來或按需取用,加速技術普及。
技術上,DeepSeek 帶來重要轉變。以往無腦堆參數提升模型性能,而它用 320 億參數實現 4000 億參數模型效果。借助混合專家系統(MoE)和稀疏激活技術,處理任務時只激活部分 “專家模塊”,節省算力且提升效率。若該技術普及,依賴燒錢堆參數的團隊將面臨挑戰,促進行業技術創新。
硬件方面,AI 領域博弈激烈。英偉達 H200 和谷歌 TPU v5 能效差距達 3.7 倍,專用 AI 芯片迭代超傳統顯卡。但能源問題更受關注,微軟重啟核電站,顯示訓練大模型耗電量驚人。未來,獲取便宜穩定電力供應或成 AI 公司核心競爭力。
實際應用中,AI 已在多領域嶄露頭角。AlphaFold4 開源版蛋白質預測精度達 1.2 埃,影響生物研究,實驗室或調整方向。金融領域,摩根大通 AI 系統風險評估比人類準 97%,基金經理工作將有變化。多模態方面,能處理多數據的 AI 系統成熟后,工業機器人應用場景將拓寬。
地緣政治對 AI 發展影響直接。ASML 新一代光刻機使 3nm 芯片自主生產有望,利好ZG AI。華為升騰芯片效率達 92%,繞過 CUDA 生態路線初見成效。中文語料信息密度優勢被證實,或推動 NLP 技術出現 “中文路線” 分支。
展望 2025 年,AI 有兩大趨勢。一是神經符號系統融合,或讓 AI 具備邏輯推理能力;二是量子計算實用化,或重新定義算法優化邊界。但現實問題也不容忽視,預計明年四季度八成網絡內容或由 AI 生成,分辨真假信息將成新課題。
DeepSeek 爆火是 2025 年 AI 發展的縮影。在多因素交織下,AI 領域快速變革。我們需關注動態,應對挑戰,抓住機遇,推動 AI 技術更好發展。

| 資料獲取 | |
安防機器人發現入侵者并驅逐 |
|
| 新聞資訊 | |
| == 資訊 == | |
| » 機器人的自由度,直接影響到機器人的機動性 | |
| » 機器人系統的結構:機械手、環境、任務 和 | |
| » 2025年智能焊接機器人產業發展藍皮書: | |
| » 商用服務機器人控制系統的組成:任務規劃, | |
| » 具身智能工業場景,精準、重復的任務流程成 | |
| » 智能機器人的傳感器的種類:內部傳 感器和 | |
| » 前臺智能機器人對傳感器的要求:基本性能要 | |
| » 各地對具身智能核心發展需求:產業端落地, | |
| » 2025年中國具身智能產業發展規劃與場景 | |
| » 按控制方式進行分類,機器人分為二種:非伺 | |
| » 按機械手的幾何結構進行分類,機器人分為三 | |
| » 智能安防巡檢機器人的起源與發展歷史,De | |
| » 智能交互機器人的主要部件選型參考方案:伺 | |
| » 智能接待機器人的關節機構設計方案參考:運 | |
| » 智能接待機器人機構設計模型分析:機器人運 | |
| == 機器人推薦 == | |
服務機器人(迎賓、講解、導診...) |
|
智能消毒機器人 |
|
機器人底盤 |
![]() |