1 杜厚良分析DeepSeek对AI产业的影响。

杜厚良指出，DeepSeek的出现并非完全意外，其成本下降符合大模型发展规律他强调，DeepSeek的成功得益于人才和算力密度，特别是其团队的高质量AI人才和背后的万卡算力集群杜厚良认为，DeepSeek通过开源方式复现OpenAI的强化学习逻辑，对AI产业链产生了重要影响。

2 杜厚良介绍了DeepSeek的创新优势。

DeepSeek通过人才密度和算力密度，以低成本实现了高效AI模型训练，推动了AI技术的普及其创新包括低精度调用、架构优化和模型蒸馏技术，显著降低了训练成本，使更多用户能够使用先进AI工具。

3 模型蒸馏与数据压缩。

杜厚良介绍了模型蒸馏和数据压缩的概念模型蒸馏通过减少参数实现基座模型60%到80%的能力，便于部署在端侧数据压缩则是提炼数据规律，减少数据集规模他还提到DeepSeek通过减少人工标注和模型微调，降低了成本开源和闭源各有优劣，开源推动科技进步，闭源则保护知识产权。

4 开源与闭源的选择需结合企业价值。杜厚良讨论了开源与闭源的选择，指出企业应根据自身价值、社会价值和国家价值来决定是否开源。他提到DeepSeek在post

train领域的贡献，提升了模型准确率，并强调大模型的发展仍在探索中，未来可能追求更多参数和更大数据集的模型。

5 大模型能力评价与未来展望。

杜厚良讨论了多模态大模型的能力，强调其在文字、语音、图片和视频等模态间的流畅转换他提到DeepSeek在回答中表现出更多情绪，使其更人性化杜厚良还分析了全球大模型技术的前沿，指出中国与海外顶尖技术的差距约为7到12个月他预测下一代大模型可能在2025年下半年到年底落地，并提到OpenAI和特斯拉在人才密度和算力密度方面的优势最后，他讨论了算力需求的变化，指出DeepSeek的出现并未减少算力需求，反而推动了国内外大厂对算力的需求激增。

6 DeepSeek推动AI产业链变革。

杜厚良介绍了AI产业链的四个主要领域：海外算力、国内算力、端侧、大模型和应用他指出，DeepSeek的出现加速了算力需求，特别是在芯片和光模块领域他还提到，AI应用的落地将提速，但具体细分领域和场景的落地速度仍需关注。

7 AI大模型推动企业服务发展。

杜厚良指出，AI大模型在企业服务领域的应用前景广阔，尤其是在本地部署和数据利用方面他提到，DeepSeek在文字模型上实现了大幅降本，提升了企业运营和投资决策效率此外，AI大模型在营销、教育、法律等领域的应用也有望率先爆发杜厚良认为，AI大模型的出现已经带来了质变，未来在基座大模型能力提升的基础上，将涌现更多创新应用。

8 AI国产化前景广阔。

杜厚良分析了AI国产化的硬件和软件两个维度硬件方面，DeepSeek模型降低了推理成本，带动了国产算力需求，中美关系紧张也促使国内厂商转向国产算力软件方面，DeepSeek拉近了国内外大模型厂商的差距，国内厂商积极发论文，模型能力大幅提升AI加医疗和AI加金融目前处于从0到1的阶段，AI在疾病早期发现和蛋白质探索等方面有较大帮助。

9 AI在医疗和金融领域的应用前景广阔。

杜厚良提到，AI在医疗领域可以加速细胞结构的探索，未来十年可能解决大部分疾病在金融领域，AI可提升企业内部管理和客户营销效率，尤其在投资和资产配置方面有潜力尽管AI无法完全替代人类，但将显著增强个人能力。

10 AI投资需专业判断。

杜厚良认为AI是强有力的工具，但难以替代最有能力的人他建议投资者关注科技产品，把握投资浪潮对于AI板块的估值，他提到不直接评估板块估值，但在细分领域会评估投资价值他看好海外和国内算力，以及AR眼镜等应用在未来的爆发对于本地部署大模型，他认为对个人而言成本高且收益有限，更适合数据保密性要求高的企业。