□ 黄伟 靳嘉林

DeepSeek自2023年11月首次发布以来，迅速成为全球AI技术领域的焦点。凭借其开源、低成本的优势，DeepSeek成功突破了传统大语言模型（LLM）高昂的计算与运维门槛，使更多企业，尤其是中小型企业与发展中国家，能够低成本接入并应用这一先进技术。2024年12月发布的DeepSeek-V3采用FP8混合精度训练，进一步提升了模型的推理速度和计算效率，并加入多模态数据处理能力，可同时处理文本、图像与语音，拓宽了其在教育、医疗、金融等多领域的应用空间。

DeepSeek发展面临的困难和问题

随着人工智能技术的不断发展，DeepSeek作为一款先进的大语言模型，已经在国内多个行业取得了显著应用成果，尤其在金融、医疗、智能制造等领域快速落地，但其进一步发展仍面临多重挑战：其一，核心技术自主性亟待突破，国产芯片生态尚未成熟；其二，垂直行业适配存在显著缺口，暴露出专业精度与数据特征匹配不足的核心矛盾；其三，数据合规压力传导至产业链末端，中小企业因技术能力不足频踩“合规雷区”，进一步加剧市场分化；其四，区域发展失衡形成结构性制约，中西部与发达地区差异扩大，导致技术下沉受阻；其五，产学研协同机制尚未打通，高校成果转化率不足，开源社区商业化乏力，标准体系缺失，凸显创新链条的“三明治断层”。这些挑战相互交织，共同构成DeepSeek本土化攻坚的关键障碍。DeepSeek需要不断克服以下挑战，以更好地推动其技术落地和行业应用。

一、技术本地化适配困难，行业数据短缺制约应用效果。

尽管DeepSeek在多个领域取得了一定的应用，但在一些特定行业，特别是智能制造和医疗健康领域，技术本地化的适配仍面临困难。行业数据的匮乏以及数据的多样性使得DeepSeek在这些领域的效果并不理想。

二、数据安全与隐私保护合规趋严，技术部署增加复杂度。

随着中国《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》的实施，DeepSeek在国内的应用必须遵守严格的数据安全和隐私保护要求。特别是在涉及敏感数据的领域，如医疗、金融等，DeepSeek在数据存储和传输过程中面临合规性压力。

三、市场竞争激烈程度加剧，本土技术巨头制约市场扩展空间

国内AI市场竞争异常激烈，尤其是面对一些本土技术巨头的强劲竞争，DeepSeek在市场上的推广面临不小的压力，这些企业依靠强大的资金和先发优势在市场中占据了垄断地位，DeepSeek需要通过技术创新和差异化的市场应用，才能在激烈的竞争中站稳脚跟。

四、技术创新进程缓慢，核心技术突破问题突出

尽管DeepSeek在人工智能领域取得了不小的进展，但与国际领先的AI技术相比，在关键技术创新方面仍存在不小差距，尤其是在深度强化学习和生成式AI模型等前沿领域。

五、人才短缺问题突出，制约行业健康高速发展

尽管国内许多高校和企业都在加大AI领域的投入，但与产业发展与需求增长相比，高水平的算法研发人员和工程师仍然供不应求。高水平AI技术、经营人才的确实，制约了行业的持续高速发展。

六、政策和法规的变化带来不确定性，影响DeepSeek的合规发展

随着中国政府逐步出台更多关于人工智能的政策和法规，DeepSeek的应用和发展面临着政策不确定性的风险，政策变动带来的不确定性可能影响DeepSeek的长期发展战略和市场布局。此外，随着《新一代人工智能发展规划》等政策文件的实施，DeepSeek在技术合规、隐私保护等方面需要不断做出调整，以满足日益严格的政策要求。

推动DeepSeek应用的本地化与合规化发展的建议

目前，许多省份国内企业、高校和科研机构已经开始部署和使用DeepSeek技术，中国国家互联网信息办公室和工业和信息化部等机构正在积极推动DeepSeek在智慧城市和智能制造等领域的应用。为了进一步推动以DeepSee为代表的AI新质生产力发展，并确保其健康、有序地融入促进河南经济发展，提出以下建议：

一、实施“地方激励”，推动DeepSeek本地化落地。

应出台专项政策，鼓励AI企业进行本地化部署，尤其是在数据存储和隐私保护方面。如深圳通过的《人工智能产业促进条例》，对医疗领域部署企业提供单项目最高500万元的定向补贴；在长三角、粤港澳大湾区等区域建立行业数据枢纽，推动金融、医疗等敏感数据的本地化处理；上海浦东新区要求金融机构将AI训练数据存储于临港新片区数据中心，并配套建设联邦学习共享平台，同时联合华为、曙光等企业，在西部算力枢纽节点建设DeepSeek专用超算集群，提供优惠算力价格，吸引中小企业迁移部署，促进企业顺利实现AI技术落地。

二、构建“行业标准”，推动AI技术本地化适配

组织相关部门和行业协会，推动AI技术的本地化标准建设，特别是针对深度学习模型的合规要求，制定明确的AI技术在数据隐私、模型可解释性等方面的行业标准，推动DeepSeek在国内市场的合法应用。

三、启动“技术攻坚工程”，突破关键领域“卡脖子”难题

针对国际技术封锁与核心算力依赖问题，建议设立大模型专用芯片攻关专项，重点突破FP8混合精度计算单元设计，同步研发光子计算分布式训练架构，建设试验场，将千卡集群通信延迟压缩至3微秒以下，同时研发“知识隔离”增量训练技术，使新增训练数据不改变既有知识结构。

四、夯实“数据防线”，确保AI合规性与隐私保护。

应加强市场监管，推动数据隐私保护技术和标准的快速落地，并在AI技术应用过程中引入完善的审查机制。可设立“数据海关”，对出境训练数据进行详细审查流程；按照《重要数据识别指南》分类，采用NISTAIRMF框架评估风险，完成ISO27001安全处理，并接入国家数据跨境管理平台备案登记；推动数据脱敏和匿名化技术的研发，确保用户数据安全。

五、完善“伦理审查”，加强AI技术的社会责任监管。

要求AI技术公司建立完善的伦理审查机制，并推行行业自律，推动建立基于透明性、公平性和社会责任的AI技术应用框架，确保DeepSeek等技术的使用不会侵犯用户权益或被滥用。考虑引导AI技术公司定期向政府报告技术审查结果和社会影响评估报告，强制提供可扫码查询的伦理溯源信息，包括训练数据地域分布、算法偏见修正记录、以及参照ISO14064标准的能耗碳足迹。

六、推动“人才培养”，稳固AI技术的创新基础。

加大对AI领域人才培养的投资，出台支持政策，鼓励地方高校开设人工智能专业课程，并推动企业与高校共同开发AI技术应用研究项目。可通过资助计划支持高校开展DeepSeek相关研究，推动高水平AI人才的培养和技术创新；建设“DeepSeek开发者小镇”，提供每月定量的免费算力池、预装数据脱敏工具包的合规沙盒环境；以及对接投资机构的商业化平台，对参与开源项目的海外开发者发放“数字人才签证”，给予个税优惠、国家超算资源优先接入等权益；引进国际AI专家，加强人才国际交流。

（作者单位：华北水利水电大学）