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]

文章核心观点 报告聚焦消费电子行业大模型应用，介绍大模型产业生态、DeepSeek模型优势、腾讯云TI平台能力及大模型应用开发平台实践等内容，助力企业快速搭建和部署大模型应用，加速大模型在各行业落地 [1] 大模型产业生态 - 大模型产业链企业分四级，包括自研模型结构的Google、Microsoft等，研发预训练模型的华为云、智谱·AI等，基于数据微调或直接调用API的长安汽车、金蝶等 [1] - 国内外大模型百花齐放，开源模型在技术上取得显著进展 [1] DeepSeek模型优势 - DeepSeek系列模型在自然语言处理方面成果显著，DeepSeek - V3是强大的混合专家语言模型，在知识类任务表现出色；DeepSeek - R1强化推理能力突出，在复杂推理任务上表现优异 [1] - 与ChatGPT - 3.5、Llama 3相比，DeepSeek在中文写作、代码生成、数学题解答等方面准确率更高，且研发成本更低、资源利用更高效 [1] - DeepSeek - V3在14.8万亿高质量token上完成预训练，拥有6710亿参数（激活参数370亿），在知识类任务领域表现出色 [7] - DeepSeek - R1基于DeepSeek - V3 - Base训练生成，在数学、代码生成和逻辑推断等复杂推理任务上表现优异 [9] 腾讯云TI平台助力模型应用 - 腾讯云TI平台为大模型研发至应用提供全栈技术支持，具备AI建模部署、大模型精调、数据构建等核心能力，支持多机多卡大规模训练、故障自动重启续训，还提供多种精调模式与推理加速能力 [2] - DeepSeek部署方案提供一体化服务管理，可实现灵活的算力调度与资源分配；精调方案注重实战灵活性，能提升训推效率；蒸馏方案可迁移高级推理能力至小尺寸模型，满足垂直场景需求 [2] 大模型应用开发平台实践 - 腾讯云大模型知识引擎提供标准、工作流、Agent三种应用模式，标准模式结合RAG与私域知识库，适用于智能客服等场景，能精准解析复杂文档，提升检索准确率；工作流模式适合复杂业务场景，通过可视化编排原子能力构建业务流程；Agent模式由大模型自主规划任务和调用工具，回复灵活，适用于办公提效等场景 [2] - 腾讯云提供DeepSeek API服务与知识引擎应用开发平台，满足不同开发者需求，助力企业快速搭建和部署大模型应用，加速大模型在各行业的落地应用 [2]

文章核心观点 国内半导体设备行业或迎发展契机，新凯来在展会上发布多款设备引发关注，但行业分析师认为其暂未产生直接影响，同时行业呈现产品升级、竞争力提升、需求增长和产业整合等趋势 [1][7][8] 新凯来公司情况 - 新凯来在2025年上海国际半导体展览会上人气火爆，发布31款覆盖半导体制造全流程的设备，带动多只“新凯来概念股”及相关板块上涨 [1] - 新凯来2022年6月成立，母公司为深圳市新凯来技术有限公司，背靠深圳市国资委，脱胎于华为旗下“星光工程事业部” [2] - 新凯来核心团队有20年以上电子设备技术开发经验，设备100%自主可控，核心零部件自主研发或通过战略合作伙伴取得 [3] - 新凯来公开产品线包括外延沉积EPI设备等多种设备，新品名称指向关键技术节点，有意打破国际竞争格局 [4] - 新凯来高精度薄膜沉积设备技术参数接近国际领先水平，新一代涂胶显影设备突破国外技术垄断 [4] - 新凯来已完成13类关键量检测产品开发，并在主要半导体制造企业量产应用 [5] 行业人士观点 - 电子创新网创始人张国斌认为新凯来有前景，但不应过度神化，中国半导体产业发展需尊重客观规律 [2][3] - 半导体行业人士陈启质疑初创公司能否攻坚高端技术，认为设备验证更重要，发布会意义不大 [5][6] 行业市场数据 - 2025年中国在计算芯片制造设备投资额将达380亿美元，全球半导体设备投资将增长2%至1100亿美元，2026年预计再增长18% [7] - 2024年中国半导体设备市场规模约2400亿元，多家国内半导体设备企业营收和利润大幅增长 [7] - 北方华创2024年度营业收入预计276亿 - 317.8亿元，净利润预计51.7亿 - 59.5亿元 [7] - 中微公司2024年总收入预计90.65亿元，蚀刻设备销售额72.76亿元 [7] 行业发展趋势 - 产品升级，国产替代加速，全品类半导体设备综合国产化率超40%，2025年将突破50% [8] - 本土设备市场竞争力提升，北方华创预计2024年半导体业务营收增长39.4%，排名升至第6 [8] - 市场需求持续增长、国产设备前景向好，预计2025年全球半导体设备销售额达1280亿美元，中国市场占主导 [8] - 产业整合与协同发展趋势明显，企业通过并购、重组实现资源整合和技术互补 [9]

文章核心观点 科技产业发展使金融监管创新需求迫切，移动支付有望成金融普惠新范式但有风险，香港科技产业发展及监管面临新挑战，专家就中国科技公司发展、全球扩张、算法透明度、移动支付等问题给出见解 [1] 分组1：中国科技公司发展 - DeepSeek发展迅猛，促进AI行业良性竞争，行业发展需挑战极限并关注综合能源问题 [2] - 中国科技公司全球扩张关键在于人才储备和沟通，可通过建立培训机制或整合资源解决人才稀缺问题，利用社交媒体等渠道展示成果 [3] - 看好中国科技产业发展，其技术进步快且促进良性竞争，全球会持续关注 [4] 分组2：算法透明度 - 算法透明度是AI治理重点，能确保金融决策公平，对用户、监管机构和接收端人群都有重要价值 [5] - 实现算法透明度可通过强制推行制度或采取激励措施，政府可建立“监管沙盒”机制鼓励私营部门展示和分享经验 [5][6] 分组3：移动支付 - 移动支付是推动金融普惠的工具，缩小金融包容性差距，偏远地区数字支付呈指数级增长 [7] - 移动支付存在依赖基础设施和欺诈诈骗两大风险，过去5年诈骗案件每年增长50%，可利用AI技术打击犯罪 [7] - 建立有利监管环境保护消费者，多数司法管辖区正努力打造稳固监管环境，移动支付发展空间广阔 [8] 分组4：香港科技产业 - 虚拟资产合法化下，移动支付结合区块链技术发展，应维持现有法规并根据新技术调整，关注环境变化应对新风险 [9] - 香港是科技产业创新和实验的地方，应分享成功和欠佳经验，让金融体系更稳健强大 [10]