来源：期刊VIP网 时间：
作者：郑志明;
单位：北京航空航天大学复杂关键软件环境全国重点实验室;
摘要：<正>随着数智化时代的加速到来，人工智能技术正以前所未有的速度重塑商业范式与价值创造方式。行业大模型的市场规模逐年扩大，为数智商务开辟了新的增长空间。然而，我们也必须清醒地认识到，传统大模型性能的提升遵循“参数量—数据量—算力”的幂律规律，这导致算力与资金投入呈指数级攀升。目前，高算力需求已成为制约我国大模型快速发展的突出瓶颈。以DeepSeek为代表的工程化创新路径，展现了我国在大模型研发上的坚实实力。通过计算压缩、数据压缩与并行计算等高效优化方法，Deep Seek有效降低了训练与推理成本，实现了模型计算的“参数脱敏”，在一定程度上摆脱了对超大参数规模和海外特定硬件体系的依赖。这一探索不仅为我国行业大模型自主可控提供了可贵经验，也为数智商务中大模型的低成本化与规模化应用奠定了基础。
