小葳 | 智能進(jìn)化論

2025年開年，憑借與頂尖模型相當(dāng)?shù)男阅?、極高的成本效益與開源模式，DeepSeek系列模型成為攪動全球AI行業(yè)的新星。DeepSeek應(yīng)用上線僅20天，日活就突破了2000萬，這讓其超越ChatGPT成全球增長最快的AI應(yīng)用。

DeepSeek的橫空出世，并沒有改變模型爭霸的本質(zhì)——頂尖模型不斷刷新性能、成本、速度的極限，不斷為全球頭部大模型的比拼按下快進(jìn)鍵。

在用戶端，使用DeepSeek模型很簡單，下載APP或在網(wǎng)頁端直接使用就可以了。然而DeepSeek在企業(yè)端的應(yīng)用，還需要跨越很多挑戰(zhàn)。幫助企業(yè)解決DeepSeek在生產(chǎn)場景的應(yīng)用，更像一場看不見硝煙的隱形戰(zhàn)場。

過去一周，全球各大云計算廠商紛紛上線DeepSeek模型，通過更靈活、安全、穩(wěn)定的云端部署方式，試圖拉平DeepSeek與企業(yè)應(yīng)用之間的鴻溝。比如，1月31日亞馬遜云科技率先宣布DeepSeek-R1模型已在Amazon Bedrock Marketplace和Amazon SageMaker JumpStart全面上線，并提供四種部署方式。

由此看出，模型爭霸只是表面，企業(yè)級AI真正的競爭在于工程化落地能力，而云服務(wù)商將成為關(guān)鍵推動者。

企業(yè)要真正用好DeepSeek，需要跨越哪些挑戰(zhàn)？云端部署大模型又能帶來哪些價值？我們不妨以亞馬遜云科技對DeepSeek R1模型的支持為例，做個拆解。

工程化能力
從模型到企業(yè)應(yīng)用的挑戰(zhàn)

當(dāng)AI大模型從消費(fèi)者端走向產(chǎn)業(yè)戰(zhàn)場，工程化能力成為決定勝負(fù)的關(guān)鍵壁壘。智能進(jìn)化論認(rèn)為，企業(yè)部署DeepSeek等頂尖模型時，需要跨越性能適配、成本懸崖和安全鴻溝三重挑戰(zhàn)。

性能適配：從通用智能到垂直場景的最后一公里

模型性能的工程化考驗首先體現(xiàn)在場景適配層面。以DeepSeek為例，其技術(shù)迭代速度已超越傳統(tǒng)AI模型的演進(jìn)周期。

從2014年12月推出的 DeepSeek-V3模型；到2025年1月20日發(fā)布的參數(shù)規(guī)模達(dá)6710億的DeepSeek-R1、DeepSeek-R1-Zero模型，以及參數(shù)范圍覆蓋15億至700億的DeepSeek-R1-Distill系列模型；再到2025年1月27日最新發(fā)布的多模態(tài)模型Janus-Pro-7B，DeepSeek家族短時間內(nèi)迅速壯大，企業(yè)如何根據(jù)不同類型、不同參數(shù)模型，完成場景最佳適配是挑戰(zhàn)。

除了模型版本、尺寸管理難題，企業(yè)還面臨不同智能體協(xié)同調(diào)度、根據(jù)自身私有數(shù)據(jù)進(jìn)行定制優(yōu)化等系統(tǒng)工程。

成本懸崖：從百萬硬件到彈性算力的范式革命

AI模型本地化部署的成本門檻正在倒逼企業(yè)轉(zhuǎn)向云端彈性架構(gòu)。

如果要完整部署DeepSeek R1并實(shí)現(xiàn)完美推理和響應(yīng)，需要如Amazon EC2 P5e性能級別的硬件和配套工具。以Amazon EC2 P5e的48xlarge型號為例，單個實(shí)例包含8顆H200 GPU，僅算力成本就需要至少上百萬人民幣。在算力之外，大模型要實(shí)現(xiàn)高階水平的推理效果，所需的網(wǎng)絡(luò)、數(shù)據(jù)存儲成本亦不容小覷。

安全鴻溝：從傳統(tǒng)安全到負(fù)責(zé)任AI的系統(tǒng)工程

安全可控是大模型在企業(yè)深度應(yīng)用的首要原則。大模型安全已超越傳統(tǒng)網(wǎng)絡(luò)安全范疇，形成包含數(shù)據(jù)隱私、可信度、可解釋性、倫理合規(guī)在內(nèi)的立體安全體系。這一完整的安全體系，僅靠單一企業(yè)自身的力量很難實(shí)現(xiàn)。

三大優(yōu)勢
企業(yè)用好DeepSeek的路徑拆解

針對上述工程化挑戰(zhàn)，亞馬遜云科技通過全棧式創(chuàng)新構(gòu)建三大優(yōu)勢，為企業(yè)運(yùn)用全球領(lǐng)先模型提供三大獨(dú)特優(yōu)勢。

第一， 為企業(yè)級AI量身定制的云端基礎(chǔ)設(shè)施

云是企業(yè)運(yùn)用生成式AI最好的方式。

在基礎(chǔ)設(shè)施層，亞馬遜云科技提供從芯片、網(wǎng)絡(luò)到開發(fā)平臺在內(nèi)的全棧創(chuàng)新。基于自研芯片Amazon Trainium2的EC2 Trn2實(shí)例，實(shí)現(xiàn)比同時期GPU實(shí)例性價比高30%-40%。第二代UltraCluster網(wǎng)絡(luò)架構(gòu)，支持超過20,000個GPU協(xié)同工作，帶寬達(dá)10Pb/s，延遲低于10ms，可將模型訓(xùn)練時間縮短至少15%。

新一代Amazon SageMaker將快速SQL分析、PB級大數(shù)據(jù)處理、數(shù)據(jù)探索和集成、模型開發(fā)和訓(xùn)練以及生成式AI等功能一站式集成，非常適合進(jìn)行高級定制、訓(xùn)練和部署模型的企業(yè)。

第二， 多樣化的模型選擇

目前，多模型混用已經(jīng)成為企業(yè)使用生成式AI的主流方式。企業(yè)會根據(jù)不同的場景需求，根據(jù)不同的延遲、成本、微調(diào)能力、知識庫協(xié)調(diào)能力、多模態(tài)支持能力等，對模型進(jìn)行取舍。顯然，強(qiáng)如DeepSeek也不是萬能的。

“不會有一個模型一統(tǒng)天下”，也是亞馬遜在技術(shù)發(fā)展歷程上的洞察。

亞馬遜CEO Andy Jassy在此前的演講中表示：“就像數(shù)據(jù)庫領(lǐng)域，探討了10年，大家會使用各種各樣的關(guān)系型數(shù)據(jù)庫或者非關(guān)系型數(shù)據(jù)庫。當(dāng)我們讓開發(fā)者自由選擇他們想要使用的模型時，模型的多樣性顯而易見。我們一次又一次地學(xué)到同樣的教訓(xùn)：永遠(yuǎn)不會有單一的工具能夠統(tǒng)治世界。”

目前Amazon Bedrock平臺已支持AI21 Labs、Anthropic、Cohere、Meta、Mistral AI、Stability AI、Luma AI和poolside等公司的領(lǐng)先模型。Amazon Bedrock Marketplace功能能夠為客戶提供100多個熱門、新興及專業(yè)模型，其中就包括DeepSeek-R1。

第三， 企業(yè)級AI工具全家桶

解決模型的工程化問題需要大量專業(yè)工具，亞馬遜云科技提供的工具集全家桶幾乎涵蓋企業(yè)級AI創(chuàng)新的方方面面，包括四類：

優(yōu)化效果、延遲和成本：如低延遲優(yōu)化推理、模型蒸餾、提示詞緩存等功能。以模型蒸餾功能為例，它能夠?qū)⑻囟ㄖR從功能強(qiáng)大的大模型轉(zhuǎn)移到更小、更高效的模型，運(yùn)行速度最快可提高500%，成本降低75%。

基于企業(yè)自有數(shù)據(jù)的定制優(yōu)化：模型微調(diào)功能，知識庫功能現(xiàn)已支持GraphRAG等圖數(shù)據(jù)。Amazon Bedrock Data Automation功能可以從非結(jié)構(gòu)數(shù)據(jù)中提取信息，并將其轉(zhuǎn)換為結(jié)構(gòu)化格式。

負(fù)責(zé)任AI的安全和審查：Amazon Bedrock和Amazon SageMaker中的企業(yè)級安全功能，保障企業(yè)數(shù)據(jù)不會與模型提供商共享，也不會被用于改進(jìn)模型。Amazon Bedrock Guardrails功能提供自動推理檢查功能，幫助企業(yè)識別生成內(nèi)容的事實(shí)性錯誤，提升生成回答的準(zhǔn)確性。

實(shí)現(xiàn)復(fù)雜功能的多智能體功能：Amazon Bedrock多智能體協(xié)作功能，使客戶能夠輕松地構(gòu)建和協(xié)調(diào)專業(yè)智能體來執(zhí)行復(fù)雜的工作流程，通過編排多個并行工作的智能體來加速任務(wù)。

極簡部署
降低企業(yè)AI創(chuàng)新門檻

目前針對DeepSeek-R1模型的云端部署，亞馬遜云科技提供以下4種方式：

第一， 在Amazon Bedrock Marketplace部署DeepSeek-R1模型

通過Amazon Bedrock Marketplace部署DeepSeek-R1，可選實(shí)例包括EC2 P5e的48xlarge型號，單個實(shí)例包含8顆H200 GPU，以及3200Gbps的網(wǎng)絡(luò)帶寬，充分滿足DeepSeek-R1的性能需求。

用戶只需提供一個端點(diǎn)名稱、選擇實(shí)例數(shù)量、選擇實(shí)例類型，就可以直接部署DeepSeek-R1模型。

第二， 通過Amazon SageMaker JumpStart部署DeepSeek-R1模型

Amazon SageMaker JumpStart是一個機(jī)器學(xué)習(xí)中心，提供基礎(chǔ)模型、內(nèi)置算法以及預(yù)構(gòu)建的機(jī)器學(xué)習(xí)解決方案，用戶只需點(diǎn)擊幾次即可完成模型部署。

第三，利用Amazon Bedrock的自定義模型導(dǎo)入功能部署DeepSeek-R1-Distill模型

這種方式支持自定義導(dǎo)入?yún)?shù)規(guī)模在15億到700億之間的DeepSeek-R1-Distill Llama模型，可以利用6710億參數(shù)的大型DeepSeek-R1模型，也可以蒸餾訓(xùn)練更小、更高效的模型。

第四， 使用Amazon Trainium和Amazon Inferentia部署DeepSeek-R1-Distill模型

此外，在價格方面，無論Amazon Bedrock Marketplace、Amazon SageMaker JumpStar以及Amazon EC2任何一種部署方式，用戶僅需支付基于所選推理實(shí)例小時數(shù)的基礎(chǔ)設(shè)施費(fèi)用。

結(jié)語

在大模型爭霸的時代浪潮下，DeepSeek 的異軍突起與云服務(wù)商的深度賦能，共同勾勒出企業(yè)級 AI 應(yīng)用的嶄新藍(lán)圖。

基礎(chǔ)模型性能的競賽固然重要，但真正決定 AI 能否在企業(yè)應(yīng)用場景開花結(jié)果的，是工程化落地能力與AI云服務(wù)的堅實(shí)支撐。

本文為「智能進(jìn)化論」原創(chuàng)作品