文章核心观点 - Grok - 3和DeepSeek - R1代表AI发展两种路径，行业或从追求规模转向融合算法突破与工程实用主义，需平衡规模扩展与算法效率 [1][4][5] 模型对比 - Grok - 3性能略优于DeepSeek - R1、GPT - o1和Gemini2，是闭源模型，训练动用约20万块H100GPU，依托xAI“巨像”超级计算机，代表“蛮力策略”，投入大但ROI递减 [2][4] - DeepSeek - R1开源，性能堪比全球前沿推理模型，仅用约2000块NVIDIA H800GPU完成训练，采用混合专家模型等技术，展现算法创新力量，追求以最小硬件代价实现顶尖性能 [1][4] 行业发展路径 - Grok - 3代表“蛮力策略”，通过巨额GPU计算规模提升边际性能，只有富有科技巨头或政府机构能负担 [4] - DeepSeek - R1代表“战略效率优先”，用少量计算资源实现可比性能，标志AI发展或从“原始规模主导”转向该模式 [4] 对未来AI发展的启示 - 耗资大的集中式训练项目或超出多数企业承受范围，AI公司将重视优化与效率策略，如混合专家模型等技术 [5] - 持续新数据训练与强基础模型结合有潜力，中小规模系统可通过检索增强生成或定期微调模拟，避免大规模计算负担 [5] - 行业将从单纯追求规模法则转向融合算法突破与工程实用主义，自研大语言模型机构需平衡规模扩展与算法研究 [5][6]

文章核心观点 - 安安快寄与DeepSeek合作推出“全国寄快递4 - 6元”普惠服务，以技术革新为物流行业注入新动能，推动行业智慧化转型 [1][6] 合作亮点 - DeepSeek大模型技术落地，具备强大自然语言处理和多模态理解能力，为物流全链路带来智能化升级，可提升配送效率30%以上 [2] 价格与服务优势 - 新服务首重价格低至4 - 6元，支持主流快递公司，提供免费上门取件服务，价格透明无隐藏费用，通过规模化运营与AI降本实现可持续低价 [3] 用户体验特点 - 用户可通过微信公众号或小程序一键下单，自主选快递品牌，操作流程与官方渠道一致；智能客服系统能实时追踪包裹状态，异常时主动推送解决方案 [4] 行业影响 - 此次合作是物流行业“技术 + 低价”双轨战略标杆案例，或倒逼传统快递企业加速技术投入，推动行业从“价格战”向“效率战”转变 [5] 未来展望 - 计划将DeepSeek技术应用于生鲜冷链、医药配送等精细化场景，开放API接口吸引生态伙伴接入，构建完善物流生态体系 [6]

文章核心观点 金融界客户端的AI选股游戏中三大模型选股PK，今日DeepSeek选中的联科科技夺冠，其给出选择逻辑认为联科科技具备日内领涨潜力 [1][4] 分组1：AI选股游戏情况 - 金融界客户端有AI选股游戏，每天让三大模型选股PK，以当天收盘价相对于开盘价的日内涨跌幅评出胜负 [1] - 今日参与PK的是AI大鱼（使用DeepSeek - R1模型）、AI豆子（使用豆包 - Pro - 32k模型）、AI小花（使用通义千问 - Max模型） [1] - 今日DeepSeek选中联科科技（001207），以日内涨跌幅+5.25%夺冠；同义千问选择的中国汽研（601965）日内涨幅4.91%获亚军；豆包选择的中船防务（600685）按开盘价买入实际涨幅0.56%，排名垫底 [1] 分组2：联科科技上涨潜力逻辑 - 业绩超预期驱动：公司2025年一季度扣非净利润达8100 - 8400万元，同比增长48.16% - 53.64%，核心驱动是产品量价齐升，产能释放和高附加值产品占比提升改善毛利率，盈利能力增强 [4] - 政策与行业共振：政策聚焦“新质生产力”与制造业升级，公司高压电缆屏蔽料用纳米碳材料项目契合国产替代趋势，二期项目投产后有望抢占高压海缆领域市场，技术壁垒突破和产能规划明确形成短期催化剂 [4] - 成本与费用优化：公司通过供应链优化和数字化管理，期间费用率同比下降2 - 3个百分点，成本控制能力强化支撑利润弹性 [4] - 抗外部风险属性：美国加征关税对出口依赖型行业压制明显，公司业务以内需为主，产品广泛应用于国内基建领域，受外部冲击较小 [4] - 技术面修复需求：公司股价前期受市场情绪拖累超跌，一季度业绩超预期或触发估值修复，量价齐升的基本面改善与低位筹码结构形成共振 [4]

文章核心观点 - AI2.0创投市场技术革新快，投资逻辑易变，DeepSeek爆火带动行业转暖，投资人关注转向AI应用层，行业投资理念也在转变 [1] AI行业发展阶段与DeepSeek影响 - AI1.0时代有很多人工智能领域机会、企业与积累，如旷视科技、云知声等能赋能部分垂直领域，AI2.0时代DeepSeek横空出世是中国人工智能行业发展重要里程碑，让大家相信AI可落地且成本降低 [3] - DeepSeek对硅谷市场有积极冲击，其开源对创业公司利好，向OpenAI发射竞争性信号，还让硅谷投资人与创投圈对中国创业者高看一眼 [4] - DeepSeek改变中国AI“卷”的方向，使大模型玩家开始开源、发论文、贡献代码，市场聚焦技术创新 [4][5] 投资人态度与投资理念转变 - 金沙江创投朱啸虎对DeepSeek罕见表达投资态度，达晨财智肖冰认为大模型公司未来会分化，局面未最终确定 [6] - 明势资本黄明明将AGI发展类比自动驾驶级别，目前多数头部AI模型达L2水平正迈向L3，多位投资人侧重AI应用端投资，2025年AI应用爆发值得期待 [7] 海内外AI应用差异与创业建议 - 美国一级市场对AI产业链应用侧投资占主导，中国产业生态投资中硬件和软件较平衡，硬件投资更符合资本市场鼓励方向，因中国供应链完整 [8] - AI应用创业判断下一个模型能力浪头和灵活转型很关键，太早固定PMF不是好事 [8][9]

文章核心观点 安安快寄与DeepSeek合作推出"全国寄快递4 - 6元"普惠服务，以AI技术赋能物流全链路，为用户提供高性价比服务，推动物流行业智慧化转型 [1][7] 合作内容 - 安安快寄与人工智能领军企业DeepSeek达成战略合作，推出"全国寄快递4 - 6元"普惠服务，覆盖小件包裹跨省及同城配送 [1] 技术驱动 - DeepSeek多模态大模型凭借自然语言处理和多模态理解能力，实现订单分配、路径规划及资源调度的智能化升级，预计将整体配送效率提升30%以上 [2] 价格与服务 - 新服务首重价格低至4 - 6元，支持主流快递公司，提供免费上门取件，价格透明无隐藏费用，通过规模化运营与AI降本实现可持续低价 [3] 用户体验 - 用户可通过微信公众号或小程序一键下单，自主选择快递品牌，流程与官方渠道一致 [4] - DeepSeek的智能客服系统可实时追踪包裹状态，针对异常情况主动推送解决方案，兼具价格优势与售后保障 [4] 行业影响 - 此次合作是物流行业"技术 + 低价"双轨战略的标杆案例，或倒逼传统快递企业加速技术投入，推动行业从"价格战"转向"效率战" [5] 未来展望 - 安安快寄计划将DeepSeek技术应用于生鲜冷链、医药配送等精细化场景，并开放API接口，吸引生态伙伴接入，降低全链路成本 [6]

文章核心观点 - DeepSeek月访问量超ChatGPT，在消费决策推荐方面表现突出，但存在推荐不可靠问题，虽对种草社区等有冲击，但难以完全取代，未来其推荐可能受商家操控 [2][13][16] DeepSeek的影响力 对消费者的影响 - DeepSeek月访问量达5.25亿次，每天约3000万人使用，消费者用其做消费决策的人增多，决策时长从平均12分钟缩短到3分钟 [2][8] - 消费者选择DeepSeek种草的原因一是赶时髦，二是省时省力，且认为其推荐更客观中立、可信度高 [8][10] 对商家和文旅部门的影响 - 商家将“DeepSeek推荐”作为营销标签，如手串商家、餐饮店等 [10] - 各地文旅部门把“DeepSeek推荐”作为宣传点，安徽黄山、江西庐山等景区宣布接入DeepSeek大模型 [12] DeepSeek推荐存在的问题 推荐信息不可靠 - DeepSeek被互联网营销号、硬软广文案语料喂养，推荐参考来源可能是小网站 [13] - DeepSeek存在“AI幻觉”问题，编造不存在的信息，如推荐的店铺不存在、专业领域信息推荐错误等 [13][14][16] DeepSeek与种草社区的对比 小红书的优势 - 小红书答案来自真实用户分享，能塑造消费场景，激发用户需求，这是DeepSeek无法替代的 [16][17] - 小红书日活超1.2亿，日搜索量达6亿次，每天发生1.2亿次笔记截存行为，是超级流量入口，用户量远超DeepSeek [17] - 小红书电商心智成熟，用户找到商品后可直接购买，而DeepSeek需用户到电商平台挑选 [17] DeepSeek的商业化路径 - DeepSeek等大模型商业化路径几乎是to B，缺乏to C路径，业内人士认为其做种草推荐缺乏动力 [17] 行业未来趋势 电商市场变革 - 经济学家吴晓波认为未来三年内手机里一半App会消失，携程、美团等可能成为DeepSeek功能插件 [18] 传统APP与AI的关系 - 传统APP与AI从竞争取代变为相互配合是大势所趋，国内互联网产品纷纷接入AI功能，如百度、知乎、美团等 [18] DeepSeek推荐的未来走向 - DeepSeek推荐可能受商家操控，因无法避免SEO优化策略，品牌方会影响其推荐结果 [19][20]

文章核心观点 - SaaS行业受通用大模型冲击，需从后端到前端积极应对变化，参与AI大潮，重构后端数据，探索新商业模式，AI Agent有望重塑互联网生态，产业智能化将让技术回归价值本质 [2][12] 行业面临的冲击与挑战 - 有了DeepSeek等通用大模型，企业软件部分功能可能被AI接管，SaaS运行逻辑将被重塑，后端系统可能变得多余 [2] 市场教育与企业实践 - DeepSeek和Manus AI完成SaaS公司在不同业务场景使用AI的市场教育，客户迫切需求用上AI，企业已用实际行动投票 [3] - 百丽集团内部落地超800个AI Agent，由BetterYeah提供服务；某保险集团基于DeepSeek落地业绩管理与提升AI项目，由跬智信息提供解决方案 [3] 战略控股案例 - 腾讯控股销售易，销售易发布首款AI CRM NeoAgent产品矩阵，涵盖6大智能体，实现全新AI式交互 [5] 后端数据重构 - AI Agent对SaaS行业影响深远，SaaS公司可能需提供许可接口，允许AI智能体访问和操作数据，提高数据使用强度 [6] - 销售易推出统一的客户全域数据资产平台，为AI智能体提供多维度实时数据燃料，需解决实时数据处理、算力弹性、数据治理与权限穿透等问题 [6][9] - 百丽集团因后端数据治理基础好，能短时间规模化落地AI Agent，与滴普科技合作实现多模态数据统一管理，摸索出“左右脑”逻辑 [7] 商业模式变化 - SaaS运行逻辑变化为其提供新商业化思路，企业端将围绕许可接口构建新商业生态，从简单使用许可转变为更动态的数据交互和应用集成 [10] - 通用大模型能挖掘新价值，企业更愿为其付费，SaaS从卖软件订阅转向卖业务结果，从“功能收费”转向“价值分成” [10][11] 行业发展趋势 - Agent应用进入工程化落地关键阶段，有望在2025年进入放量元年，AI Agent产品形态创新有强大商业化变现和落地潜力，或将重塑互联网生态 [12]

文章核心观点 - Llama 4 未追求参数领先，而是通过三款模型重新布局，体现架构、多模态和训练方面的转向，宣告了路线调整 [2][24][25] Llama 4 模型布局 - Llama 4 通过三款模型重新布局，分别为一个实用、一个主力、一个教学，不追求通吃所有任务 [2] 架构转向 - Llama 3 是 Dense 架构，Llama 4 是 MoE 架构 [4] - Scout 为 109B 参数、17B 激活、16 专家 MoE，可部署在单张 H100 上，有 10M token 长上下文，适用于文档分析等任务 [5] - Maverick 为 400B 参数、17B 激活、128 专家 MoE，1M token 长上下文，对标 GPT - 4o，性能不逊色且推理成本仅为其十分之一 [5] - Behemoth 为 2T 参数、288B 激活、16 专家 MoE，不部署不开放，仅用于训练阶段生成训练数据 [5] - 过去 MoE 多为“实验室选项”，自 DeepSeek 大火后，Meta 等厂商开始用于主力模型，推理时 Scout 和 Maverick 都只激活两个，激活量为 17B [7] - MoE 不适合所有任务场景，存在调度复杂等训练难题，但参数使用方式值得设计 [9] 多模态转向 - Llama 3 图像输入依赖外挂 encoder，Llama 4 图像直接作为 token 输入参与语言上下文建模 [10] - 原生多模态结构使 Maverick 在 DocVQA 等任务表现提升，推理成本仅为 GPT - 4o 的十分之一 [12] - Scout 虽为轻量模型，但在 DocVQA、ChartQA 上表现高于同尺寸及部分大模型 [15] - DeepSeek 的 V3/R1 仍未引入图像 token [18] 训练转向 - Behemoth 不对外，作用是为 Scout 和 Maverick 生成训练数据、提供能力示范并优化行为，Meta 更注重训练系统本身 [19][22] - 类似 OpenAI 开发“草莓”训练新 GPT、DeepSeek 开发 DeepSeek - R1 - Light 训练 DeepSeek V3 [23] 跑分成绩对比 Maverick 与其他模型对比 | Category Benchmark | Llama 4（Maverick） | Gemini 2.0 Flash | DeepSeek v3.1 | GPT - 4o | | --- | --- | --- | --- | --- | | Inference Cost（$ per 1M input & output tokens (3:1 blended)） | $0.19 - $0.495 | | | | | Image Reasoning（MMMU） | 73.4 | 71.7 | | 69.1 | | MathVista | 73.7 | 73.1 | | 63.8 | | Image Understanding（ChartQA） | 90.0 | 88.3 | | 85.7 | | DocVQA (test) | 94.4 | - | | 92.8 | | Coding（LiveCodeBench） | 43.4 | 34.5 | 45.8/49.23 | 32.33 | | Reasoning & Knowledge（MMLU Pro） | 80.5 | 77.6 | 81.2 | - | | GPQA Diamond | 69.8 | 60.1 | 68.4 | 53.6 | | Multilingual（Multilingual MMLU） | 84.6 | - | - | 81.5 | | Long Context（MTOB (half book) eng → kgv/kgv → eng） | 54.0/46.4 | 48.4/39.84 | | | | Long Context（MTOB (full book) eng → kgv/kgv → eng） | 50.8/46.7 | 45.5/39.64 | | | [14] Scout 与其他模型对比 | Category Benchmark | Llama 4（Scout） | Llama 3.3（70B） | Llama 3.1（405B） | Gemma 3（27B） | Mistral 3.1（24B） | Gemini Flash - l | | --- | --- | --- | --- | --- | --- | --- | | Image Reasoning（MMMU） | 69.4 | No multimodal support | No multimodal support | 64.9 | 62.8 | 68.0 | | MathVista | 70.7 | | | 67.6 | 68.9 | 57.6 | | Image Understanding（ChartQA） | 88.8 | | | 76.3 | 86.2 | 73.0 | | DocVQA (test) | 94.4 | | | 90.4 | 94.1 | 91.2 | | Coding（LiveCodeBench） | 32.8 | 33.3 | 27.7 | 29.7 | - | 28.9 | | Reasoning & Knowledge（MMLU Pro） | 74.3 | 68.9 | 73.4 | 67.5 | 66.8 | 71.6 | | GPQA Diamond | 57.2 | 50.5 | 49.0 | 42.4 | 46.0 | 51.5 | | Long Context（MTOB (half book) eng -> kgv/kgv -> eng） | 42.2/36.6 | | | | | 42.3/3! | | Long Context（MTOB (full book) eng -> kgv/kgv -> eng） | 39.7/36.3 | | | | | 35.1/30 | [17] Behemoth 与其他模型对比 | Category Benchmark | Llama 4 Behemoth | Claude Sonnet 3.7 | Gemini 2.0 Pro | GPT - 4.5 | | --- | --- | --- | --- | --- | | Coding（LiveCodeBench） | 49.4 | | 36.03 | - | | Reasoning & Knowledge（MATH - 500） | 95.0 | | 82.2 | - | | MMLU Pro | 82.2 | - | 79.1 | - | | GPQA Diamond | 73.7 | | 68.0 | 71.4 | | Multilingual（Multilingual MMLU (OpenAl)） | 85.8 | | 83.2 | 85.1 | | Image Reasoning（MMMU） | 76.1 | | 71.8 | 74.4 | [21]

文章核心观点 本周全球聚焦关税议题，科技界目光集中在AI领域，Meta发布Llama 4系列，OpenAI宣布O3和O4 - mini上线及GPT - 5推迟，DeepSeek与清华联合发布新论文 [1] Meta发布Llama 4系列 - Meta周六发布Llama 4系列模型，全系采用混合专家（MoE）架构，实现原生多模态训练 [2] - 发布模型包括Llama 4 Scout（17B激活参数，109B总参数量，支持1000万 + Token上下文窗口，可在单张H100 GPU上运行）、Llama 4 Maverick（17B激活参数，400B总参数量，上下文窗口100万 + ，性能优于GPT - 4o和Gemini 2.0 Flash）、Llama 4 Behemoth预览（288B激活参数，2万亿总参数量，训练使用32000块GPU和30万亿多模态Token） [7] - Llama 4 Scout和Maverick是开源软件，但新许可证对使用有限制，月活用户超7亿的公司需申请特殊许可并遵守多项品牌和归属要求 [4] - Meta强调Llama 4 Scout和Maverick是“迄今为止最先进的型号”“同类产品中多模态性最好的版本” [6] - Llama 4 Scout速度极快，原生支持多模态，拥有业界领先的1000万 + Token多模态上下文窗口，Int4量化后能在单张H100 GPU上运行；Maverick在多个主流基准测试中击败GPT - 4o和Gemini 2.0 Flash，推理和编码能力与DeepSeek v3相当，但激活参数量不到后者一半 [13] - Llama 4 Behemoth仍处训练中，被定位为“世界上最智能的LLM之一”，有网友指出其训练的性能潜力，在阶段已表现出超越Claude 3.7和Gemini 2.0 Pro的能力 [9] - Meta计划今年投入高达650亿美元扩展其AI基础设施 [10] OpenAI模型动态 - OpenAI首席执行官确认O3和O4 - mini将在未来几周内发布，GPT - 5将在未来几个月与公众见面 [11] - OpenAI改进了O3模型，会让用户满意 [14] - GPT - 5将整合语音、Canvas、搜索、Deep Research等多项功能，成为统一模型战略的核心，是集成多种工具和功能的综合系统，能自主使用工具，胜任复杂任务 [15] - GPT - 5将对免费用户开放无限使用权限，付费用户体验更高智力水平版本，因DeepSeek影响考虑让用户免费使用，发布时间反复推迟 [15] DeepSeek与清华合作成果 - DeepSeek与清华大学研究团队联合发布关于推理时Scaling的新论文，提出自我原则点评调优（SPCT）学习方法，构建DeepSeek - GRM系列模型 [17] - SPCT方法将“原则”变为奖励生成一部分，包括拒绝式微调冷启动阶段和基于规则的在线强化学习优化阶段，引入元奖励模型提升输出准确性和可靠性 [19] - DeepSeek - GRM - 27B在多个RM基准测试中显著优于现有方法和模型，在推理时扩展性方面表现出色，增加推理计算资源有强大性能提升潜力，成果或在DeepSeek R2展示 [21]

文章核心观点 全球科技巨头AI军备赛激烈，Meta推出强大开源AI大模型Llama 4系列并将训练2万亿参数模型，力争成为全球顶尖AI公司 [1][2][19] 分组1：Llama 4系列模型介绍 - Meta于当地时间4月5日推出最强大开源AI大模型Llama 4，是多模态大模型，采用混合专家架构，支持12种语言 [3][4] - Llama 4系列已推出Scout和Maverick两个版本，Scout有170亿活跃参数、16个“专家”模型、1090亿总参数，Maverick有170亿活跃参数、128个“专家”模型、4000亿总参数 [5][6][7] - Scout最高支持1000万上下文输入，在广泛基准测试中分数超过多个模型；Maverick用一半参数使推理编码能力与DeepSeek - v3 - 0324相当，在多项基准测试中碾压同类模型 [8][9][11] - 用户可从llama.com和Hugging Face下载Llama 4 Scout和Llama 4 Maverick模型，很快也将在主流云和数据平台等提供 [12][13] 分组2：Llama4 - Behemoth模型介绍 - Meta正在训练的2万亿参数的Llama4 - Behemoth模型未来几个月面世，是多模态专家混合模型，有2880亿活跃参数、16个专家、总参数量2万亿 [14] - 该模型在多个STEM基准测试中表现优于GPT - 4.5等模型，Meta称其将是未来全球最智能的大模型之一 [15][16] 分组3：Meta公司目标与计划 - 扎克伯格表示Meta目标是建立世界领先人工智能并开源普及，Meta AI得到重大升级 [17][19] - Meta将于4月29日举办首届LlamaCon AI大会，力争赶超竞争对手成为全球顶尖AI公司 [19] - 公司计划今年斥资650亿美元扩建AI基础设施，可能包括近10亿美元在美国威斯康星州中部建立数据中心项目 [19]