招财旺旺牛
来自:广东
近日,DeepSeek大模型引发市场高度关注,多项重大利好接踵而至,推动相关概念股集体走强。
国家队重仓的DeepSeek概念股(社保基金、养老基金、汇金持股名单)
第8名:浪潮信息(社保基金持有384万股)
国内服务器龙头企业
为客户提供一站式AI解决方案。
第7名:神州数码(养老基金持有422万股)
云计算与数字化转型龙头企业
识图:神州数码
第6名:道通科技(社保基金持有650万股)
主要业务涉及新能源充电桩、汽车综合诊断、检测分析系统及汽车零部件
第5名:赛意信息(社保基金持有747万股)
企业级数字化及智能制造解决方案提供商,华为云战略级合作伙伴
第4名:国投智能(养老基金持有907万股)
国内领先的电子数据取证、网络信息安全产品供应商
第3名:汉得信息(社保基金持有2339万股)
专业ERP咨询服务企业,客户包括松下、腾讯、阿里巴巴、中国移动、微软、亚马逊等
第2名:神州泰岳(社保基金持有2610万股)
主要业务为软件和信息技术服务、手机游戏
第1名:远光软件(社保基金+养老基金持有4037万股)
国内电力财务软件龙头企业
旗下AI机器人、RPA机器人、智能硬件机器人全面集成DeepSeek大模型
所有升级后的客户均可体验全新AI智能化服务,提升企业数字化运营能力。
近日,DeepSeek持续破圈,“点燃”AI产业链。云服务厂商、算力企业等率先接入,AI应用等产业链企业竞相使用。多位受访专家表示,2025年或将迎来AI应用落地拐点,中小企业将率先受益,行业进入AI应用爆发期。
垂类AI应用或将爆发
“我们从正月初三就开始忙,很多合作厂商想过来聊合作。不少人都在问,能不能把DeepSeek调用为自己企业的基础模型?”东华软件副总工程师、东华软件云筑AI创新中心总经理杨晓光告诉上海证券报记者。
“AI在企业级应用落地时,常遇到基础大模型质量不高、数据基础设施成本过高等问题。现在,部分企业级应用可以开始重新推动了。”杨晓光表示,这得益于DeepSeek模型的开源、高性能、低成本。
汽车、金融、智能硬件……随着DeepSeek的持续催化,不少产业链下游企业持续展开对DeepSeek系列模型的应用探索。据不完全统计,目前安恒信息、奇安信、美图公司、阅文集团、联想等已接入DeepSeek,吉利汽车、岚图汽车、智己汽车等众多车企实现DeepSeek“上车”。
恒生电子是一家金融IT产品和服务供应商。2月10日,恒生电子表示,该公司大模型系列应用近日全面接入DeepSeek主流模型,覆盖金融投研、投顾、合规、运营、投行等核心业务场景。“接入DeepSeek后,智能投研平台WarrenQ、智能审核助手慧营等应用的产品能力都得到了优化和提升。”恒生电子相关负责人告诉记者。
此前,中控技术称,以DeepSeek为核心基座大模型的工业AI产品预计本年度中期发布,以期为企业研、产、供、销、服、支持保障等各领域推进AI场景应用落地。
“企业级应用将率先落地,中小企业受益明显,垂类AI应用或将迎来井喷式爆发。”杨晓光说,随着需求与场景的不断满足,不少AI应用能加快落地速度,数据挖掘等AI软件,家具、玩具、眼镜、玩具、手机等AI硬件或将率先受益。同时,智能客服等知识密集型场景将最先受到影响。
共建AI产业生态链
DeepSeek持续火爆,产业链中上游企业争相“抢滩”。2月10日,优刻得宣布,公司模型服务平台UModelVerse于近日正式上架DeepSeek-R1、DeepSeek-V3满血版模型。此前,腾讯云、阿里云、百度智能云、火山引擎等国内云计算巨头都已宣布对DeepSeek的支持。
同时,华为昇腾、摩尔线程、海光信息、壁仞科技、燧原科技等十余家国产AI芯片企业相继宣布适配或上架DeepSeek模型服务。
“以DeepSeek等开源模型为核心的‘出圈’,有助于吸引海内外技术生态共同努力:一方面,持续推动底层基础设施的优化,使其兼容国内外不同厂家、不同架构的芯片;另一方面,支持上层的智能应用不断在产业演进、基础科研中发挥价值,实现技术到商业再到技术的正向循环。”阿里研究院秘书长汪源告诉记者,企业坚持在全栈式技术体系上从软到硬推动基础创新,同时对全球生态保持开源开放,AI产业链就可以互帮互助、协同优化。
多位受访专家表示,DeepSeek开源既有望提振整个开源社区共建氛围、推动技术迭代,更有助于吸引上下游共建行业生态。“过段时间,DeepSeek上会‘长’出很多新应用,这些应用会推动默认标准的形成,最终带动整体AI产业链蓬勃发展。”
不过,DeepSeek对AI应用落地仍处于推动阶段。“AI大模型赋能效率工具,提效能力是商业化关键,同时‘AI+’商业化效果仍需观察。具体试验、应用效果预计将在3月至4月落地。”某国产云计算厂商AI产品负责人说,同时,尽管DeepSeek的训练成本较低,但并不代表着其在推理阶段的成本降低,算力成本并非得以“大幅降低”。