DeepSeek 走热全球，标杆之下国产 AI 仍需求索 近日，一款由国内企业“深度求索”研发的 AI 模型“deep seek”走热全球。根据公开信息，该模型在性能上已经非常 接近 OpenAI 研发的 ChatGPT，但在研发成本上远低于 ChatGPT。据官方技术论文披露，DeepSeek-V3 模型的总训练 成本为 557.6 万美元，而 GPT-4o 等模型的训练成本约为 1 亿美元。这一成果迅速引发了业界广泛关注。1 月 27 日， Deepseek 应用先后登顶苹果中国地区和美国地区应用商店 免费 APP 下载排行榜 据网络资料整理：deepseek 发展历程 不少业界人士对这一模型给出极高评价。区块链行业媒 体“Cointelegraph”发文称，DeepSeek R1 的发布打破了 人们对人工智能的长期假设；风险投资家尼克·卡特 (Nic Car Carter）表示，中国开发的人工智能模型的发布打破了人们 对于中国只会生产闭源人工智能的观念，并削弱了硅谷相对 于全球竞争对手的优势。《黑神话：悟空》制作人冯骥更称 其“可能是个国运级别的科技成果”。DeepSeek 出现的意义何在？ 首先，DeepSeek 的出现具有标杆意义。当下，伴随特朗 普的二度上台，美国后续的对华政策愈发引发关注。在上一 任期时，特朗普以“美国优先”为核心，通过抬高关税、技 术封锁、投资审查和经济制裁等一系列措施，企图削弱中国

方面并没有太大跨度，远称不上是智能体的“DeepSeek 时刻”。更 有网友犀利地指出，当前一些头部营销号过度带节奏、蹭流量，使得 Manus 的功能被严重夸大，这一批 AI 的出现，最忙碌的竟是自媒体 博主们。 国内大模型企业人士对此深感忧虑，认为头部营销号的行为严重 透支了国内民众对 AI 行业的信任。猎豹移动董事长兼 CEO 傅盛更是 直言，Manus 与 DeepSeek 完全不同，其本质是用工程代码实现通用 完全不同，其本质是用工程代码实现通用 智能体，这种方式如果可行，那早就不需要大语言模型了，专家系统 早就被证明无法实现真正的智能化。 思考启示对比此前走热全球的 DeepSeek，Manus 显然还有很长的路要走。 DeepSeek 在模型训练、技术创新以及应用场景拓展等多方面都有着 开创性的突破，其在全球范围内的广泛应用和高度认可，已然成为了 行业内的一个标杆。而 Manus 目前还处于早期阶段，诸多功能尚不

第一批“AI”公务员上岗后，安全风险与舆论质疑不容忽视 一、事件概况 近日，深圳市福田区上线福田区率先推出基于 DeepSeek 开发的 AI 数智员工，首批 70 名已“上岗”，引发广泛关注。 据了解，此次上线的福田区政务大模型 2.0，以全尺寸 DeepSeek R1 作为底座，开展本地化细分领域训练，同时构 建了覆盖政策法规、办事指南、历史案例等专属知识库，为 基层工作提供强大的智库支持和工作辅助，其公文格式修正 表示，目前，大模型已覆盖政务服务全链条，应用在公文处 理、民生服务、应急管理、招商引资等多个部门的政务流程 中，但该模型仅为“数智助手”，是辅助角色，没有决策权。 此外，查询发现，不止深圳，江苏、江西等均有地区宣布将 DeepSeek 应用于政务系统。 二、数据情况 图 1：舆情走势图监测数据显示，国内外相关信息共计 2.1 万余条，其中， 本次舆情信息的峰值出现于 2 月 18 日，主要由微博平台信 息带动传播，经查，当日微博话题# 要人 类来完成。 三是有网民担忧数据安全问题。如有网民认为，政务工作涉及许多敏感数据和居民隐私，如何确保数据安全是有关 部门需要关注的重点问题。 四、舆情分析 深圳市福田区上线基于 DeepSeek 开发的 AI 数智员工， 作为一项技术创新，具有重要的探索意义。AI 数智员工的推 出不仅能够提升工作效率、减少人工成本，还可以推动更多 行业的数字化转型。福田区作为深圳的核心区，率先采用这

extGov DeepSeek 在红队测试后披露开源 R1 模型存在“越狱”风险。该发现来⾃ DeepSeek 使⽤⾏业基准以及⾃⾝测试对其模型的评估。DeepSeek 测试机制的细节包 括基于 Anthropic 引⼊的框架的“红队”测试，测试⼈员试图让⼈⼯智能模型产⽣有害⾔ 论。DeepSeek 发现，在移除外部“风险控制”机制后，其 R1 模型“相对不安全”。 DeepSeek ⾸席执⾏官梁

，卢旺达⽀持的“M23”叛军占领了东部 地区 ，加剧了刚果⻓期以来的动荡局势。路透社半岛电视台世界报 08 ⽹络、科技与市场 DeepSeek 的在线帖⼦引发了⼈们对下⼀代中国AI 芯⽚的猜测。中国AI初创公司 DeepSeek 暗⽰ ，中国的下⼀代AI 芯⽚即将发布。DeepSeek 在微信上发布的⼀条帖⼦ 指出 ，其 V3.1 AI模型的“UE8M0 FP8 规模”是专为“即将发布的⾃主研发芯⽚”⽽设计 计 的。华为、海光信息技术和 MetaX Integrated Circuits 等公司被提及可能⽣产这款突破 性芯⽚ 。DeepSeek 并未透露新的AI芯⽚将⽤于模型训练还是推理（即AI 系统将其学 习付诸实践）。Omdia 研究公司⾸席分析师苏连杰指出：“DeepSeek 团队⼀直使⽤英伟达芯⽚开发模型，”苏连杰表⽰ ，“因此，向中国AI芯⽚的过渡在稳定性、连接速 度和软 件⽣态系统⽅⾯遇到了挑战

的自然性。例如，快手自研的可灵 AI 模型率先落地了真实影像级视频大模型产品可灵 AI，实现了从文本输入直接生成高分辨率视 频的能力。2025 年，AIGC 模型迭代进一步加速，涌现出如 DeepSeek、ChatGPT Agent、 Grok4 等更“聪明”的模型，不仅实现更高效的理解与生成能力，还具备更强的自主任务执行 与协作能力。迈入“智能体”时代，AIGC 正全面驱动产业形态、内容创作与人机协同的深度 精调在内的全流程工具链，使研究人员能更专注于算法创新而非底层实现细节，从而加速新 模型的研发进程。 模型层是生成式人工智能能力的核心载体，涵盖了大语言模型（如 OpenAI 的 GPT-4、 深度求索的 DeepSeek）、视觉生成模型（如 Stable Diff usion、Midjourney）以及多模态 模型（如快手的可灵 AI）等多种类型。得益于芯片层提供的澎湃算力与框架层提供的优化工 具，这些模 小企 业的技术应用率。 在产业形态方面，我国 AIGC 产业已形成三类主要业态，其一面向 C 端用户，提供“文本 生成、图片生成、音频生成、视频生成”等多样内容形态的产品，其中代表如 DeepSeek、可 灵 AI、豆包、讯飞听见等。得益于庞大的人口规模及高程度的教育普及，中国的数字化人口 增长速度迅猛，截至 2025 年初，互联网普及率已提升至 78.6%，其中约 17.7% 的人使用过生

体为商业利益制造的虚假信息、历史记录的多版本等，都 成为 AI 模型的“事实陷阱”，形成“垃圾进－垃圾出”的 恶性循环。例如，近期成都官方辟谣了“成都艾滋病 17 万 人”的虚假信息，随后就有网民向 DeepSeek 询问四川艾滋 病感染人数，AI 给出的答案仍然是“新增 17.47 万例”。此 外，还有一些网民利用 AI 技术对谣言进行“二创”，如谣 言“上海退休教授在阳台搞核发电”在传播过程中，有网

认“全栈”⼈⼯智能战略 的必要性 ，但如果美国不调整其发展⽅式，就有可能输给中国。中国的 DeepSeek 模型 表明 ，⼤多数国家并⾮追求最先进的⼈⼯智能——他们想要的是价格合理、易于与现 有基础设施集成的交钥匙解决⽅案。北京已经提供了捆绑的数字套餐（例如华为的 5G 和云服务），⽽通过 DeepSeek，它现在可以将强⼤的⼈⼯智能添加到其中，从⽽削弱 美国公司。Nemeroff 强调，美国的成

按照总结、 说明、推理和结论四个阶段逐步进行，从而提高推理的准确 性和一致性 DeepSeek DeepSeek- R1-Lite 根据DeepSeek官方发布的报告显示，通过强化学习训练，在 数学、代码和复杂逻辑推理任务上表现媲美o1-preview； 目前模型仍在开发阶段，经持续迭代，正式版DeepSeek-R1模 型将完全开源，包括公开技术报告并提供API 月之暗面 k0-math

学内容尚未真正契合教学需求，难以适配实际应用场景，教师需 要进行二次创作才能满足教学需求。目前，部分学校中具备一定 信息素养的一线教师群体，正在积极利用 DeepSeek 设计包含详 细教学要求的提示词，进而生成教学方案、教研文献总结等内容。 同时，还通过组合多种大模型，例如将 DeepSeek 与 Kimi 相结合 构建智能体，利用智能体生成课件、教学虚拟视频等教学资源， 以支撑教育教学需求。12 从实际应用角度审视，以大模型为核心的智能平台生成的教 提供详细且针对性的解答；语音答疑功能则允许学生以自然对话 的方式提出问题，系统借助语音识别与语义理解技术快速理解意 图，并以文字或语音反馈答案，提升了答疑的便利性和交互体验。 某市某区县基于 DeepSeek-R1 大模型构建智慧教育人工智能助 手，为学生提供自适应答疑与分层辅导功能。通过移动端或电脑 端登录，在对话框内输入问题，几秒钟内便可得到回复。多家学 校反映效果良好，系统不仅提供即时反馈，还通过引导性提问帮21 目前，学习路径规划仍处于技术探索阶段，尽管已有部分基 于大数据分析和机器学习的学习路径系统，但这些方案大多处于 探索性阶段，尚未有成熟产品实现大规模应用。而借助强大的理 解、推理和生成能力，部分大模型，如 DeepSeek 和 GPT 等，已 经能够在特定条件下实现基础性的学习规划功能。例如，用户向 系统提供学习目标、现有基础、可用时间等信息，大模型会智能 分析这些信息，自动分解学习目标为合理步骤，规划出循序渐进