芯耀
1053
撰文?| 郝 ? 鑫，編輯?| 吳先之
DeepSeek沖擊影響下，云和AI正在成為重估阿里的標尺。
2月20日，阿里發(fā)布2025財年第三季度業(yè)績報告（截至2024年12月31日止）。報告期內，阿里云實現營收317.42億元，同比增長13%，相比上一季度7%的增速接近翻倍。整體收入（不計來自阿里巴巴并表業(yè)務的收入）實現雙位數同比增長11%。調整后EBITA增長33%至31.38億。
財報顯示，該增長得益于AI相關產品推動的公共云收入增長，阿里云AI收入已連續(xù)六個季度三位數增長。
受云業(yè)務增長表現，阿里在美股盤前交易中上漲10%。相關數據顯示，今年以來，阿里港股股價上漲了48.7%，一度創(chuàng)下了接近60%的漲幅。
而這背后都離不開AI和云的影子。李飛飛利用開源大模型Qwen，以不到50美元的成本復刻DeepSeek-R1模型性能。蘋果選擇與阿里通義合作，為蘋果國內手機提供AI服務，一連串消息都獲得了市場的認可。
春節(jié)期間，DeepSeek給世界拋下了一枚重磅炸彈，也重新點燃了行業(yè)對大模型的熱情。似乎每個人都想抓住這波流量，并試圖將流量商業(yè)化變現。
從結果來看，在由DeepSeek引發(fā)的流量大戰(zhàn)中，贏面較大的仍是以阿里云為代表的云廠商。一方面是有穩(wěn)健的基礎設施和維護能力來接納DeepSeek-R1“難民”，另一方面也通過接入DeepSeek推理模型，完成了留存拉新的階段性任務。特別在開源領域，Qwen系列大模型仍具備競爭力，是國內不少中小企業(yè)決策和部署模型選項。
不可否認的是DeepSeek已經對國內大模型行業(yè)產生了影響：開源的價值被肯定，大模型技術的護城河被擊，玩家加速分化和優(yōu)勝劣汰。但短期熱度過后，仍需思考“推理”模型落地場景產生的實用價值。
Qwen與DeepSeek的距離
阿里財報會上提到，“春節(jié)以來，推理需求呈爆炸性增長”，客戶對AI相關產品的新需求約有60%-70%用于推理。
未來式智能CEO楊勁松對上面的數字有著清晰的感知，他回憶在春節(jié)期間，至少有一半的老客戶咨詢在DeepSeek，潛在和尚在溝通的新客戶也有二三十個。此前，這些人大部分是Qwen或智譜的客戶。
楊勁松介紹來咨詢的客戶大致分為兩類，一類是之前就在使用大模型的客戶，他們比較關注新模型的性能有哪些提升，以及自身能否部署和應用。第二類是尚未下決策的群體，開源正在改變他們的認知，意味著未來或許不需要花錢去找模型廠商采購。
盡管去年閉源大模型打到了“骨折價”，但動輒百萬元級別的大模型對許多中小企業(yè)來說，仍是奢望。受困于預算，大模型決策鏈條十分長，涉及了選擇哪家大模型，配套何種資源以及怎么去驗證大模型價值等。
開源的優(yōu)勢凸顯出來，能夠以輕便的模式跑模型，體驗性能的同時得到結果。目前，在開發(fā)者和To B客戶中，通義千問的32B和72B最受歡迎。開源版的Qwen同樣在海外得到了認可，官方數據顯示，海內外開源社區(qū)中Qwen的衍生模型數量已突破9萬，超越Llama系列衍生模型，通義千問Qwen成長為世界最大的生成式語言模型族群。
簡單算一筆賬，假設使用開源版的通義千問模型搭建一個AI應用項目。模型是免費的，大頭支出就變成了硬件，剩下少部分是使用MaaS平臺工具和構建應用的服務費用。預估下來，總體成本預算能控制在百萬以內。
DeepSeek帶著新推理模型殺回了開源領域，風頭一下子蓋過了Qwen和Llama。截至目前，DeepSeek相繼開源了671B參數的MoE模型“DeepSeek-V3”，對標OpenAI o1的“DeepSeek-R1”和代碼模型“DeepSeek Coder”等幾款重要的模型。
當在開源的戰(zhàn)場狹路相逢，Qwen和DeepSeek能否構成直接競爭？
楊勁松認為“暫時影響不太大”，Qwen在開源生態(tài)的優(yōu)勢仍十分明顯。
目前，通義千問就像是阿里“全家桶”，實現了“全尺寸、全模態(tài)、多場景”開源。包含了長文本、代碼生成、多模態(tài)、推理等多款模型，尺寸上也從3B跨越到72B，覆蓋了企業(yè)日常知識問答、客服對話、代碼生成、數據分析等常用場景。據悉，基于Qwen2.5-Max的深度推理模型也即將上線。正是這種“全”，給了用戶更多靈活的選擇。
國內阿里是較早選擇開源的，Qwen系列模型就是以開源起家。當前，基于模型底座已經積累起了很多開發(fā)者用戶、工具，生長出了一些應用產品。成熟的生態(tài)會給予用戶便利性，促使其繼續(xù)使用千問模型。
“一定程度上要取決于DeepSeek后期資源分配，在團隊規(guī)模有限的情況下，是專注模型研發(fā)還是花費一定精力去維護開源生態(tài)”，行業(yè)中有部分人認為DeepSeek的重心依然在AGI研究上。
如果DeepSeek在開源上一直能保持領先，不排除將演變?yōu)樯鷳B(tài)系統之爭。不過，DeepSeek和Qwen現在更偏向互為補充。一部分小尺寸DeepSeek-R1開源版本，就是基于Qwen模型蒸餾而來。
云廠商“收割”DS流量
高漲的情緒摻雜著些許沖動，一夜之間，比DeepSeek更火的是“接入DeepSeek”。
“不管怎么樣，本地來一套DeepSeek，讓我們能夠向上匯報”，大到國央企和政府部分，小到大廠、中小企業(yè)和個人開發(fā)者都想做第一批“吃螃蟹的人”。
現實的問題是，在開源社區(qū)只能部署和跑得通R1蒸餾后的小模型，32B、70B小尺寸模型效果并不是很驚艷。
“接入”DeepSeek看上去很熱鬧，好像每家都在宣傳，但其實大部分還是量化后的版本。要部署“滿血版”6710億參數的DeepSeek V3/R1，既要求得有硬件層面做推理優(yōu)化的能力，還得扛得住經濟成本。
以往一個新模型出來，因為時間差的原因，總會誕生一批賣API的人，但這回屬實讓一批人望而卻步。有人大致推算，要把6710B拉滿，至少需要1000G內存的卡，16臺八卡A100的機器，即使定價與DeepSeek漲價后價格持平，也是虧錢的狀態(tài)。與此同時，還得承受流量涌進后服務器的壓力和用戶消耗成本。
沒有誰比云廠商更熟悉這套玩法，嗅到流量味道的云廠商們伺機而動了起來，相繼官宣MaaS平臺接入“滿血版”的R1。送token還限時免費，恢復原價后的模型輸入、輸出價格也低于DeepSeek官方價格。
云廠商不靠賣API賺錢，最終獲益的還是整套云計算基建規(guī)?；笮б妗Π⒗镌苽儊碚f，搶奪AI時代流量入口才更重要，云上多模調用已經是大趨勢，以更開放的心態(tài)才能吸引來更多用戶。一旦調用R1的API鎖定在一家云上，后期服務器、存儲、構建應用等持續(xù)消費也將留在該廠商上。
對開發(fā)者和企業(yè)來說，調用哪家的API沒有差別，最終還是要落到價格上。在沒有明顯效果差距下，傾向于哪家價格便宜用哪家。于是，大廠的價格優(yōu)勢就很明顯。
結果也是顯而易見，阿里云們接住了這波流量，token調用量、股價和市值隨之上漲。
DeepSeek或許讓阿里云等廠商愈發(fā)明確了生態(tài)站位。也許未來，國內外還將會出現性能優(yōu)越的模型。這其中不變的是對云基礎設施、釋放模型能力和普惠的需求。
財報會上，阿里也明確了AI未來三年內的投資方向，強調“重投入”。
投資AI基礎設施，計劃在未來三年內對云和AI基礎設施的投資將超過過去十年的總和；大幅增加對AI基礎模型的研發(fā)投入，以保持技術領先地位，并推動AI原生應用的發(fā)展；增加對AI應用研發(fā)和計算能力的投資，并將AI深度整合到電商和互聯網平臺業(yè)務中，抓住AI時代的新增長機會。
短期熱度與長期價值
短期的熱度屬于云廠商，風暴中心的DeepSeek已經move on，下周將陸續(xù)開源五個代碼庫。
把視線拉遠，DeepSeek的長期價值應當回歸到，推理模型究竟能解決什么問題?！皫装偌医尤隓eepSeek公司，可能自己也沒想明白到底能干什么”。
楊勁松觀察到，整個行業(yè)仍處于技術亢奮狀態(tài)，還未達到R1大規(guī)模應用落地的階段。結合國外的發(fā)展，還是有幾個方向值得探索。
行業(yè)普遍看好的方向之一是AI Coding。海外Cursor等AI編程產品大火，基本確立了Claude 3.5 Sonnet加上o1的組合，即Claude 3.5 Sonnet負責生成代碼，再用o1思維鏈去推理證明使用方式。這套組合之前在國內沒有平替，現在DeepSeek有了自己代碼+推理組合。這意味著有了構建一套Coding Agent的可能性。
“基于R1基座，通過強化學習的方式在垂直領域達到媲美人或超越人的能力，這是我覺得未來應用方向”，楊勁松表示道。
之前模型應用的路徑是，先有基模，然后收集數據，再通過微調訓練調整模型，來預測下一個token能力。但在實際業(yè)務場景中，采用行業(yè)數據和機器學習訓練出的通用模型能力效果差強人意。
現在有了推理模型以后，就可以把行業(yè)專家在特定領域和工作流的最佳實踐，通過強化學習方式喂給推理模型。這樣一來，它就可以熟悉企業(yè)內部流程，掌握業(yè)務邏輯，做到像一位專家一樣去工作。楊勁松認為，R1真正的價值在于，可以上升到決策層面，完成垂直領域的任務，且達到不錯的效果。
例如在電力場景，日常存在許多分析電網圖譜的工作。它要基于內部規(guī)則做推導，再去進行決策?，F在接入R1推理模型，并配備一些行業(yè)知識后，一定程度上就可以模擬電力專家完成電網調度、專改公等非常專業(yè)的任務。
OpenAI已經在探索把推理功能落地到場景中。其由o3大模型支持的“Deep Research”功能，可以從互聯網上收集信息，并將其合成為簡明的報告。OpenAI聲稱，“只需數十分鐘就能完成人類需要數小時才能完成的工作”。
這本質上是復制行業(yè)分析師和咨詢顧問的思考鏈條。使用模型還原分析過程，過程中調用搜索引擎、圖表等工具。圍繞一個研究主題，先推理、檢索再進行深度分析，其生成的報告基本可以達到中級行業(yè)分析師的水平。
目前，國內大廠已經開始逐漸上線類似的“深度搜索”功能。要大規(guī)模地落地生產力場景，仍需時間驗證。
