2022年11月30日，OpenAI发布ChatGPT全新聊天机器人模型，这是一种人工智能文本生成技术，它可以模拟人类对话的方式，生成有逻辑、有思考、有趣味的文本。ChatGPT这一款革命性产品的上线引爆全球，成为用户破亿速度最快的消费级应用。OpenAI逆袭成全球AI“新王”，开启新一轮AI革命的大幕。
截至2024年12月，OpenAI的ChatGPT每周活跃用户数量已达到2.5亿，在未来一年内，OpenAI计划将这一数字提升至10亿。目前，OpenAI估值达到了惊人的1570亿美元。
OpenAI大模型诞生于中国贸易战、科技战非常激烈的背景下，引发了科技界、产业界对于中美博弈未来的强烈关注，与中国芯片的发展一样，成为中国能够打赢中美博弈中科技战的焦点。很多专家都在预测，认为中国芯片与大模型的代差大概是两三代、两三年以上。
在去年，华为新手机与芯片的出现，让国人为之振奋。而时隔两年以后，当DeepSeek团队以其1320亿参数模型打开认知智能新天地的时候，DeepSeek大模型突破性表现引发全球的关注。
跟中国制造业的创新一样，DeepSeek的崛起也走了一条“高科技白菜价”路径，本质上共享了一套植根于中国特色的创新逻辑。这种模式并非简单复制美国的技术路线，而是走了一条差异化的道路。
国家将AI列为国家战略，通过“新一代人工智能发展规划”等政策形成顶层设计。与当年扶持高铁、光伏产业类似，政府通过新基建投资（如智算中心建设）、数据开放平台、应用场景试点等举措，为DeepSeek等企业提供了技术孵化的基础设施。这种集中力量办大事的模式，降低了企业前期研发的沉没成本，也实现了国家意志与市场需求的共振。
笔者长期接触制造业，投资制造业VC与PE的投资逻辑与基于商业模式的投资逻辑并不一样。很多基于商业模式的投资，它可以通过大量的投入驱动场景的出现。如滴滴打车可以通过大量的补贴驱动消费场景出现。
而制造业投资逻辑则走的是场景反哺技术的资本循环。与美国科技发展依赖风险资本长期输血，追求技术理想主义不同，中国企业更强调“造血能力”。
DeepSeek选择从金融、教育等付费意愿强的垂直场景切入，通过行业Know-how的积累反哺技术迭代，形成“落地场景-现金流-技术优化-估值提升”的正向循环。这种路径与制造业“以市场养研发”的策略如出一辙。
其次是工程创新的估值溢价。资本市场对中国企业的估值逻辑，更看重工程化能力而非单纯的技术先进性。
DeepSeek通过算法压缩、混合精度训练等技术将模型推理成本降低至GPT-4的1%，这种“极致降本”能力恰是制造业“成本杀手”基因的数字化延伸。当美国追求“更大参数、更多算力”时，中国企业正在证明，效率创新同样能重构技术壁垒。
中国制造业曾在外资品牌夹缝中，通过满足本土市场的极致性价比需求突围。DeepSeek面对的是一群“既要效果对标GPT-4，又要成本低于GPT-3.5”的务实客户。这种市场环境倒逼出独特的创新路径——通过知识蒸馏、小样本学习等技术，在有限算力下实现可用性突破。
与制造业“微创新-快速迭代”模式相似，中国AI企业更擅长将技术拆解为可组合的模块。例如，DeepSeek的MoE（混合专家）架构允许灵活调用不同功能模块，这种“积木式创新”既能快速响应场景需求，又降低了试错成本，形成与美国“端到端大模型”的差异化竞争，实现从“可用”到“好用”的进化。
中国制造业曾通过设备国产化打破西方垄断，如今AI领域正在复刻这一路径。DeepSeek开源的70亿参数模型，以1/10的算力消耗达到Llama2-70B水平，实质是在降低大模型使用门槛。这种“技术民主化”策略，与中国制造业通过研发降本推动产业发展的逻辑异曲同工。
其次是面对算力芯片封锁，中国AI创新转向“软硬协同”突围。如DeepSeek与国产芯片厂商合作优化算子库，通过算法补偿硬件性能差距。这类似华为在5G受限时，通过天线算法创新提升基站性能。用软件创新对冲硬件短板，成为中国科技企业的共性生存智慧。
DeepSeek团队突破性实现模型训练成本下降80%的技术路径，揭示了技术创新的本质规律。其“系统化创新”方法论——将算法优化、数据工程、算力调度等要素进行深度耦合，这种创新范式恰与制造业转型升级需求形成共振。
DeepSeek的出现，首先是能用，其次是好用，对于未来制造业通过AI重构制造业竞争力有极其重要的意义。
首先，通过AI技术，如视觉检测系统和迁移学习技术，提升缺陷识别的准确率，缩短质量问题追溯时间，降低质量成本。
其次，利用AI技术实现从设计到生产的自动转化，缩短个性化订单的交付周期，提升企业的毛利率。
第三，通过数字孪生技术构建虚拟工厂，利用实时数据映射和强化学习算法预测和避免生产事故，缩短新产品研发周期，降低试制成本。
第四，工业知识的AI化封装非常重要，将传统工艺知识转化为可复用的数字模型，提升产品合格率，改变制造业的人力资源结构，催生“数字工匠”。
第五是边缘智能，部署分布式AI控制系统，在设备端实现实时工艺参数调整，提升产品一致性，构建制造业的“自主神经系统”。
AI技术将在推动制造业向智能化、高效化和可持续化方向发展发挥越来越重要作用。
去年底，广东省中小企业发展促进会（下简称“促进会”）在探讨研发降本时就曾经提到，促进会就是一个非常好的研发降本生态，可以通过大量的跨业对标学习，实现不同行业的知识迁移，以大幅度降低企业成本。去年，促进会也开始协同会员企业的数字化改造。
而今在DeepSeek大模型的背景下，也可以进一步形成会员企业联合成立AI协同创新中心，借鉴大模型训练中的分布式计算理念，构建起跨企业的智能制造资源调度平台。
平台可以将各企业的计算资源、数据资源和制造资源进行整合和优化调度。采用云计算和边缘计算相结合的架构，确保数据处理的高效性和实时性。各企业的生产数据通过边缘计算节点进行初步处理，再上传至云端进行深度分析和优化。
通过制定数据共享协议，确保各企业在数据安全和隐私保护的前提下，共享生产数据、库存数据和供应链数据，以调整生产计划，优化库存水平。并根据实时数据和预测模型，动态调整生产计划和资源分配。
可以通过应用机器学习和大数据分析技术，开发库存优化算法和交付周期预测模型，提升库存周转率和交付效率。
DeepSeek与制造业的路径耦合，揭示了中国创新的底层密码——在约束条件下寻找最优解的能力。这就是我们战略研究经常讲的非对称竞争优势。
这种能力既源于制造业时代积累的工程化基因，也受益于数字时代的数据与场景红利。当美国在“技术理想主义”道路上一骑绝尘时，中国正通过“技术实用主义”开辟新战场：不是追求绝对技术领先，而是用成本重构、场景深耕和生态协同，重新定义全球创新规则。
这种范式或许难以诞生“第一个ChatGPT”，但可能孕育出更有普世意义的产业变革力量。由此可见，场景、成本、开放、开源与生态，是中国产业创新的重要逻辑。
