2025年伊始，以DeepSeek為代表的開源大模型正如火如荼的私有化部署和構建，各行各業(yè)都展示出了對大模型技術的熱忱與信心，本文整理了滿足會議舉辦相關需求的DeepSeek技術及應用信息，希望能為各主辦方提供參考，同時由于AI與行業(yè)產業(yè)的結合有很多共同性，相信其它行業(yè)領域的需求也可以借鑒。為了方便閱讀，本文盡量精簡優(yōu)化及分成不同部分，這是其中第一部分。

第一部分，DeepSeek能做什么？

相信這幾年接觸過AI大模型的人士對ChatGPT,文心一言，通義千問，騰訊混元等語言模型都有所了解，也有過體驗，簡單說DeepSeek實現(xiàn)的基本上其它大模型都可以實現(xiàn)，比如咨詢問題，輔助推理，代碼生成，翻譯，總得來說是基于NLP技術的語言解碼與編碼，從這點上說DeepSeek并不是有功能上大的改變，也就是說它能滿足的需求上邊提到的各大模型都可以滿足。

在會議領域，DeepSeek的幾個典型應用示例

信息檢索：在會議中，DeepSeek 可以幫助與會者快速找到相關的文檔、研究論文或其他資料，提升信息獲取的效率。

內容分析：通過分析會議記錄或討論內容，DeepSeek 可以提取關鍵主題、趨勢和見解，幫助與會者更好地理解會議的核心內容。

智能推薦：根據(jù)與會者的興趣和需求，DeepSeek 可以推薦相關的演講者、主題或后續(xù)的討論內容，增強會議的互動性。

實時翻譯和轉錄：在多語言會議中，DeepSeek 可以提供實時翻譯和轉錄服務，幫助不同語言的與會者更好地溝通。

數(shù)據(jù)可視化：通過將會議數(shù)據(jù)可視化，DeepSeek 可以幫助與會者更直觀地理解復雜的信息和數(shù)據(jù)。

后續(xù)跟進：會議結束后，DeepSeek 可以幫助與會者整理會議紀要、行動項和后續(xù)任務，確保會議成果的落實。

第二部分，DeepSeek為什么特別？

說到功能方面，DeepSeek并沒有特別之處，但是在發(fā)布形式及授權方面就大不同了，原因有二：其一，它是開源的，可以免費商用的，這在它的發(fā)布方式（Github.com平臺發(fā)布）及相關聲明中都有體現(xiàn)。其二，它的硬件需求相對較低。我們知道多數(shù)語言大模型建設需要巨大的開發(fā)和試錯成本，雖然NLP技術發(fā)展時間已經(jīng)很漫長了，但是通信、計算技術和可用數(shù)據(jù)量級還從來沒有達到過現(xiàn)在的程度，所以以自然語言處理為核心的技術產品一直無法突破，就算是技術及數(shù)據(jù)量級達到足夠的級別，運用和整合這些資源需要的相關成本還是很高的，雖然說截止2024年人類所有已經(jīng)產生的數(shù)據(jù)都已經(jīng)被收集并用于訓練語言大模型并且開發(fā)人員已經(jīng)發(fā)現(xiàn)并不需要把所有的數(shù)據(jù)用于訓練即可完成準確性達到一定級別的大模型產品，但是這個探路過程是不可省略的，因此相關的成本是很大的。在以OpenAI為代表的第一代大模型基礎上，理論上說通過不斷優(yōu)化一定會產生性價比更高的產品，而DeepSeek就是其中的代表。

補充一個大模型向小模型轉化的原理：

比如，一個國家有10億人，有50個城市，每個城市的人口結構都類似，人們都需要研究數(shù)學，語文等學科，也離不開吃穿住行各種活動，那么可以得出，雖然各個城市有大小，但是居住其中的人們的需求是相似的，這是前提。

以OpenAI為代表的第一代語言大模型是將這個國家10億人的數(shù)據(jù)和需求作為目標進行分析解讀，所以它需要計算的數(shù)據(jù)量級就很大，因為大模型的臨界點以前沒有人達到過，所以需要盡可能的增大數(shù)據(jù)樣本，直到能實現(xiàn)類智能的突破。所以這個數(shù)據(jù)及難度量級一定是大于等于實際需求的量級的。

當?shù)谝淮竽Ｐ蛯崿F(xiàn)之后，向下優(yōu)化就是更加合理的方式，因此如果不是以國家為目標而是以城市為目標，那么按此假設，只需要針對10億/50 = 0.2億的數(shù)據(jù)樣本及需求進行分析即可滿足這一需求，當然現(xiàn)實中網(wǎng)絡數(shù)據(jù)并不是按城市來區(qū)分的，需要進行數(shù)據(jù)切分。 這樣成本就會下降許多，DeepSeek雖然不是完全按照這個邏輯開發(fā)的但是離不開二次優(yōu)化的路徑。

同理，不同垂直領域如代碼生成，大模型并不需要了解全世界所有人的需求，只需要針對軟件開發(fā)人員這一群體使用和產生的數(shù)據(jù)進行處理即可，所以我們知道大模型最早做成熟的就是代碼生成這一功能，因為全世界有一個超大的開源代碼平臺github.com,DeepSeek也在代碼生成原理這部分提到了如何從Github提取代碼再做整理優(yōu)化，提取最有價值的部分提供給開發(fā)人員。

所以說，DeepSeek之所以特別，是它找到了更小樣本進行訓練的方法，部署的數(shù)據(jù)集及運算量都在很大的下降，同時它又通過開源授權讓所有人使用，所以這是一個突破，將人類應用大語言模型的門檻大大降低了。

第三部分，什么人需要DeepSeek？

簡單說，就是需要針對垂直業(yè)務進行二次開發(fā)的企業(yè)或個人。我們知道如果只是對話和代碼生成，使用通用語言大模型已經(jīng)足夠滿足需求，象百度的文心一言已經(jīng)決定2025年4月正式免費，可以說通用需求并不需要DeepSeek來提供支持，因為截止目前DeepSeek官網(wǎng)的網(wǎng)頁及API服務都已經(jīng)持續(xù)不堪重負，而且看不到有緩解的跡象，從它開源的決策來看，DeepSeek可能并不想象第一代大模型一樣自己運營，它的商業(yè)模式或許是提供技術支持，或許未來會有其它形式，因為開源產品一般不會直接從產品本身獲益。另外很多平臺都在接入DeepSeek為用戶提供服務，所以DeepSeek開發(fā)商可能會離用戶比較遠。

另一方面，對于行業(yè)用戶來說，業(yè)務與通用需求不同，數(shù)據(jù)又有自身的敏感性及保密要求，部署私有化的大語言模型會更可控，服務也方便定制化。從目前來看各行各業(yè)，從生產到管理都有DeepSeek這樣的開源大模型的用武之地。

第四部分，如何部署DeepSeek？

DeepSeek的部署主要分為兩種形式，一種是私有服務器，另一種是使用云資源。

前者需要自行購置910b之類的大模型服務器，8卡成本大約在170萬左右，也可以選擇英偉達的h100等GPU，硬件方面需要一定的成本。當然基于無GPU的硬件架構也可以運行輕量級的DeepSeek版本，主要還是看對結果和效率的需求。對于國企或涉密單位，自行購置及維護服務器似乎是必然選項，不過也有國產天翼云之類的云服務商提供性價比更高的方案。

對商業(yè)用戶，選擇GPU云解決方案會更適合，尤其是對中小企業(yè)開發(fā)商而言，基于業(yè)務靈活性的需求采用可擴展性的云GPU方案，初始階段可采購基本資源，業(yè)務成熟后再擴容或者升級方案即可。

不同的硬件方案確定以后部署相對就比較簡單，這里就不再詳細列出。

下一部分將提供更細節(jié)的介紹，敬請關注。