深度求索DeepSeek：人工智能、技術創新與新質生產力

［摘"要］國產大語言模型DeepSeek集易用性、通用性、商用性等屬性于一身，被認為是新一代人工智能的典型“代表”，引領了技術創新的發展方向，但能否撬動新質生產力持續涌現有待“深度求索”。“DeepSeek現象”拓展了“技術—經濟”范式，呈現出“創新—技術—產業—生產力”的發展脈絡，為研究人工智能、技術創新與新質生產力相互作用等問題提供了思路。理論邏輯上，根據現代創新經濟學、全要素生產率等原理分析，以DeepSeek為代表的人工智能推動技術創新，繼而引致新質生產力有其合理性。作用機理上，從DeepSeek到新質生產力，實現了創新鏈產業鏈并行向人才鏈思維鏈融合的演進，勞動者、勞動資料、勞動對象及其優化組合等四個方面均發生了“化學反應”。實現路徑上，可進一步拓展DeepSeek的短時成功“軌跡”，逐步打通從創新資源投入直至生產力整體躍升的閉合回路，找到更多技術創新的“突破點”，推行通用性和開放性的技術開發路線，加快技術創新與產業創新深度融合，創造更多新質生產力落地的真實應用場景。

［關鍵詞］人工智能；新質生產力；DeepSeek；大模型；技術變革；科技創新

［中圖分類號］""F49；F124［文獻標識碼］"A［文章編號］"1673-0461（2025）06-0001-11

一、引言

國產大語言模型DeepSeek以其低成本、開源化和自主性等特征，快速成為各地區各行業的“新寵”。通過查看官網獲知，北京、廣東等地已在企業登記、民生服務等有關政務服務場景嵌入DeepSeek，三大電信運營商等企業均開始與DeepSeek合作。作為新一代人工智能的最新“代表”，DeepSeek的快速“爆紅”有跡可循，其體現了先進性、聯動性和系統性等技術創新的一般特質。歷史上看，DeepSeek與蒸汽機等技術“范例”出現之時有相似之處，但能否有“更大作為”從而引發新一輪技術變革，尚待進一步觀察。現實來看，DeepSeek正以“四兩撥千斤”之勢帶動創新鏈與產業鏈精準對接，同時也帶來諸如人工智能如何創新發展等方面的反思。人工智能重新“飛入尋常百姓家”，是技術創新與產業創新加速融合的實實在在的成果，是新質生產力不斷涌現的真實寫照。習近平總書記指出，“科技創新和產業創新，是發展新質生產力的基本路徑”，強調“抓科技創新和產業創新融合，要搭建平臺、健全體制機制，強化企業創新主體地位，讓創新鏈和產業鏈無縫對接”［1］，對統籌協調科技創新與產業創新關系、將創新成果更好惠及人民等提出了新的更高要求。“DeepSeek現象”說明，創新資源在產業鏈間共享與整合，促進科技成果有效轉化，實現全要素生產率提升，正在成為賦能新質生產力的努力方向，而加強新領域制度供給、加大新產業政策支持等，也應作為以人工智能為“支點”撬動新質生產力發展的重要保障。為此，以DeepSeek為例研究人工智能、技術創新、新質生產力之間的內在邏輯與實現路徑等問題，便具有一定的理論價值與現實意義。

2025年國務院《政府工作報告》提出，“因地制宜發展新質生產力，加快建設現代化產業體系”，特別提到要持續推進“人工智能+”行動，支持大模型廣泛應用，大力發展智能網聯新能源汽車、人工智能手機和電腦、智能機器人等新一代智能終端，以及智能制造裝備，人工智能健康發展迎來新的戰略機遇期。DeepSeek的示范效應不斷“放大”，與之相關的討論快速“升溫”，陸續有專門學術論文“浮出水面”，多以中國知網網絡首發的形式呈現。其中，發布一個月下載量即已超過36萬次的《DeepSeekR1是怎樣煉成的？》一文，對其技術創新、實際應用和可能突破等內容做了詳細闡釋［2］，不過略顯美中不足的是未對技術之上的問題加以拓展。搭DeepSeek火爆的“便車”，關于人工智能或數字經濟賦能新質生產力的研究逐漸增多。學界普遍認為，數字經濟是人工智能等新技術綜合作用催生的經濟新樣態，是“技術—經濟”范式下生產力的新變化，逐步成為新質生產力的動力來源［3］。新質生產力面臨需求不足、供給過剩、預期偏弱等三重約束，集中體現在對技術創新各類要素的過度依賴，技術這類“產品”在需求、供給和環境三個維度的均衡配置，是創新賦能新質生產力的應然邏輯［4］。在知識生產、技術整合與產業升級等方面，人工智能具有人機協同與網絡聯結等獨特優勢，對于高智能勞動者、高效能勞動資料、高性能勞動對象的生產發揮正外部效應，有利于新質生產力系統的快速構建等［5］。總的來看，人工智能是“引領新一輪科技革命和產業變革的戰略性技術”，通過技術創新和數字經濟等“中間環節”賦能新質生產力，具有一定的合理性和可能性，但如何以DeepSeek等新的技術“范例”為突破口，更加精準地把握人工智能與新質生產力的相似性與關聯性，找到更多一體推進人工智能與新質生產力發展的“可行性”，仍有進一步研究與探討的空間。

二、DeepSeek驅動新質生產力的理論模型

（一）DeepSeek有何“過人之處”

DeepSeek是杭州深度求索公司開發的人工智能大模型產品的統稱，因其DeepSeekR1版本性能出眾且開源引發“熱議”，被稱為世界第二款推理大模型，前一版本DeepSeekV3于2024年底首次上線即開源，新版本DeepSeekR1則于2025年1月20日發布。目前網頁端已全面開放，使用中國大陸手機號或微信號可一鍵登錄，部分代碼和相關信息均已在GitHub網站公開，可供開發者、企業和其他用戶免費或部分付費使用。官網自述文件顯示，“DeepSeekR1在后訓練階段大規模使用了強化學習技術，在僅有極少標注數據的情況下，極大提升了模型推理能力。在數學、代碼、自然語言推理等任務上，性能比肩OpenAIo1正式版”①。OpenAIo1是美國初創公司OpenAI于2024年9月推出的全球首個專用推理大模型，開啟了人工智能AI（Artificial"Intelligence）深度推理能力的“先河”，使AI向通用人工智能AGI（Artificial"General"Intelligence）階段邁進了一大步。

除了高性能、高智商和高復用等“三高”特性之外，DeepSeekR1還具有低成本、低門檻和低能耗等“三低”特色。公開數據顯示，其訓練成本不足OpenAI的十分之一，使用成本也只有后者的三十分之一；有非常詳細的安裝指南與使用手冊，簡單便捷的問答界面，可以輕松上手和本地部署；由于采用了新的架構設計和優化機制，改變了以往“燒顯卡”的大模型工作原理，使其可以在較低配置的終端設備安裝使用。就技術創新和突出貢獻而言，后訓練、蒸餾、MoE和GRPO四個方面可被看作DeepSeek取得成功的基本要素。

其一，后訓練（PostTraining）就是“站在巨人肩膀上成長”，直接在基礎模型（其他之前版本的大模型）上強化學習（Reinforcement"Learning），省略了監督微調（Supervised"Finetuning）的初始環節，讓模型通過“思維鏈”（ChainofThought）方式不斷地自我“思考”和自行提升，從而迭代出較強的推理能力②。以網頁版DeepSeekR1的對話為例，思維鏈展示了AI如何從提問者的視角分析問題、查找信息、提供參考的全過程，它會逐步從其他網頁和自帶的知識庫同時檢索數據，經過后臺對比篩選之后作出回答，為了增加“說服力”和可信度，相關信息的來源均以數字小標形式附帶鏈接，方便使用者核對驗證，如同學術論文寫作時的“旁征博引”一般。

其二，蒸餾（Distillation）技術類似“師傅帶徒弟”，是一種基于知識遷移的模型壓縮技術，就是把大型語言模型（教師或師傅模型）的推理能力和知識表征傳遞給輕量級的小語言模型（學生或徒弟模型），在顯著降低計算成本和存儲需求的同時，讓“小”模型保持或接近“大”模型的性能。蒸餾技術被OpenAI、Meta等企業當作降低AI應用成本的關鍵技術，核心原理包括軟標簽知識遷移、多層級知識對齊等。DeepSeek所使用的自適應蒸餾策略稍有創新，比如可以動態調整蒸餾強度，訓練初期側重軟標簽學習，后期則逐步引入中間層特征對齊，避免學生模型過度依賴教師模型；引入溫度系數調節機制，能夠根據任務復雜度（如數學推理與文本生成差異）自動調整概率分布的平滑程度；多任務聯合優化機制，同時訓練學生模型完成主任務（如數學解題）和輔助任務（如錯誤路徑識別），通過任務間的關聯性使其更好地適應多樣化場景。

其三，混合專家模型MoE（Mixture"of"Experts）相當于“集智攻關”，就是把一個大模型分成多個“專家”（Experts）子模型，每個專家有自己的專屬領域，在“應答”環節針對不同問題和提問者，專家組通過“門控機制”（Gating"Mechanism）分配最相關的專家去應對。MoE模型架構在大語言模型中應用廣泛，其中“專家”子模型可以是全連接神經網絡、卷積神經網絡（CNN）或其他類模型。門控機制則會根據輸入的數據決定哪些專家被激活來“牽頭”，是一種“稀疏激活”方式，即每次“會商”時只征詢部分專家意見而非整個團隊，從而最大限度地減少計算成本。同時，還允許模型在參數規模上大幅擴展，增加專家數量以擴大模型容量卻不增加額外成本，由此整個大模型便具備了更強的任務適應能力。

其四，群組相對策略優化GRPO（Group"Relative"Policy"Optimization）好比“小組錦標賽”，就是在“研發”過程中針對同一任務收集到一組方案（不同方法或答案），按照均值、標準差等參數評選優劣并排名，從高獎勵樣本中選出最優解，然后再通過其他方式決定是否采用。此種策略在技術層面可以極大地減少計算資源消耗，在方法論層面能夠改進科研范式，形成一種“人類主導決策、AI增強執行”的協作模式。GRPO策略可在物流機器人、智能制造等領域發揮實際作用，比如動態調整多個機器人（車）的路徑規劃，當某區域訂單激增時，由該策略快速對比并分配最優路線，以此平衡效率與能耗；在現代化制造工廠，通過該策略調度不同設備（如機械臂、包裝模塊）分別執行任務，根據實時數據調整節奏和次序等。

（二）DeepSeek是新質生產力嗎

DeepSeek證明了人工智能應用的較高水平，除了“寫代碼、讀文件、生成各種創意內容”等基礎功能外，還具有較強的拓展“本領”，可以嵌入其他系統也可本地部署使用。其多個開源版本模型，已經實現與其他大模型產品的強關聯，比如百度AI搜索DeepSeekR1滿血版、WPS"AI等，越來越多地被當作新的生產力“利器”，以至于“DeepSeek”一度成為新質生產力的“代名詞”。習近平總書記提出的新質生產力理論認為，“新質生產力是創新起主導作用，擺脫傳統經濟增長方式、生產力發展路徑，具有高科技、高效能、高質量特征，符合新發展理念的先進生產力質態”，強調“以勞動者、勞動資料、勞動對象及其優化組合的躍升為基本內涵，以全要素生產率大幅提升為核心標志”［6］。相對而言，人工智能是技術與應用相結合產生的新事物，隨著實踐領域的不斷創新，其內涵也在逐步擴大，國內外許多機構與學者先后對人工智能下過定義，包括技術論、學科論、領域論等。《現代漢語詞典》中的人工智能指：“計算機科學技術的一個分支，利用計算機模擬人類智力活動。”利用DeepSeek網頁版詢問的答案是：“人工智能（Artificial"Intelligence，簡稱AI）是指通過計算機系統模擬人類智能的能力，使其能夠執行通常需要人類智慧的任務。”

與其他大模型產品不同，DeepSeek（特別是DeepSeek"R1"671B全參數基礎大模型）更具通用性和“人性化”，一定程度上代表了技術創新的最新方向，這類新技術的快速應用，也將促使生產力系統各類要素發生“質”的改變。比如，推動勞動者技能提升成為各類型人才，運用新型勞動資料提高資源利用效率，經由數字化轉型擴大勞動對象范圍，通過要素組合的優化配置提升全要素生產率等，繼而催生出新質生產力。

其一，DeepSeek屬于高數字素養的人機結合型勞動者。新質生產力的核心特征在于勞動者素質的整體提升，實質上是創新驅動下勞動者與先進技術的密切協同。DeepSeek通過模擬人類邏輯思維和知識整合方式，可以實現對復雜任務的動態解析與決策優化，比如閱讀大量文獻后自動生成文獻綜述或論文摘要等。具體而言，DeepSeek基于預訓練模型的語義理解能力，能夠精準識別用戶需求并生成專業方案；通過強化學習機制實現自我迭代，形成“數據輸入—算法優化—效能輸出”的正反饋循環；依托人機交互界面構建協同網絡，使人類專家可以專心“創作”，重復性、高復雜度任務則由AI完成。以小見大，以DeepSeek為代表的新一代人工智能，已非一般意義上的簡單技術，而是越來越接近甚至超過人類智慧、可以“獨自工作”的顛覆性方法，將憑借其獨有的通用性與靈活性，重塑生產力各要素，改變人們的生產生活方式。

其二，DeepSeek是高配置效率的數實融合型勞動資料。新質生產力的初衷，是通過科技創新加快生成具有高技術含量、高科技特征的新型勞動資料，用科技創新和產業創新融合成果，為人民群眾謀福利。DeepSeek集聚了模型算法、算力網絡、數據分析等各類技術優勢，較好地促進了生產力各要素的數字化轉型。從微觀角度看，MoE模型架構支持萬億級參數動態激活，據其自述文件顯示，DeepSeek比傳統模型能耗降低67%，同時推理速度提升40%以上；蒸餾技術則突破多模態的業務分界，文本、圖像、代碼等多源異構數據都能通過同一模型融合生成等。從產業應用看，DeepSeek已深度嵌入軟硬件開發、云服務等重點領域，微軟、英偉達、亞馬遜等國際企業相繼宣布上線DeepSeek服務，騰訊云、阿里云等國內廠商均支持該模型一鍵部署［7］。DeepSeek的短時成功表明，人工智能創新發展并非只有一條常規路線，強大的性能亦可借助巧妙的工程設計以及高效的訓練方法等來達成，而不必動輒消耗大量人力資源和人工成本。

其三，DeepSeek是多維賦能場景的智能涌現型勞動對象。在創新驅動作用下，新質生產力不再是對傳統生產力的局部優化，而是以“要素—技術—業態”的系統性重構、多場景復現等催生出的先進生產力。DeepSeek打破了傳統生產力的實體邊界，在數據、技術等新型生產要素推動下，傳統的勞動對象正在向數字形態轉變，人機結合、數實融合的新型勞動對象不斷出現，逐步構建起虛實交融的新型生產“客體”。拓展到產業鏈視角下，大模型是各行業各領域人工智能應用的最上游，次上游是芯片制造商或數據采集單位，中游包括模型訓練、應用接入等企業，下游涉及數據中心、運維團隊等，而獲益最快的是算力產業。DeepSeek全量模型在甘肅慶陽、江蘇無錫、四川成都等的多家智算中心部署了數萬張訓練芯片卡，天數智芯、摩爾線程、海光信息等多個國內GPU制造企業已經完成與DeepSeek模型的適配［8］。從實際應用看，人工智能在交通、農業、醫療、教育等領域普及較快，特別是開源、低成本大模型的快速推廣，將打通模型訓練、系統部署、評測應用、模型優化的產業鏈閉環，不斷開拓新的應用場景和生產模式，激發出更多新的經濟增長點。

（三）DeepSeek驅動的“創新—技術—產業—生產力”分析框架

生產力是人類在生產過程中把自然物改造成適合自己需要的物質資料的力量，生產力三要素包括勞動者、勞動資料和勞動對象。為了提高生產效率，勞動者需要不斷改進工具和技術等勞動資料，引進新技術之后要由更高技能的勞動者來使用，他們熟練操作后又會有改進工具性能的需求。在這樣的循環往復過程中，生產力三要素不斷重新組合，一直持續到生產力系統有了質的飛躍，全要素生產率較大幅度提升時，便會自然而然地變成新質生產力。人類步入數字時代，諸如DeepSeek這樣的技術創新，已經可以根據實際需要實時變換“角色”，甚至還會“代替”人類決策，生產力內部各要素之間相互作用、相互影響，并不斷出現新的組合方式，當達到某個“奇點”時，也會涌現出新質生產力。這類現象印證了亞當·斯密生產力理論和詹姆斯·摩爾創新生態理論，部分“映射”出技術創新與新質生產力的內在關系。有學者以數據要素為例，構建出一套“數據要素×”驅動新質生產力的理論模型，提出“持續創新的動力循環”概念，認為新質生產力既是終點又是起點，通過循環系統中各要素的自我強化與協同作用，在加速技術進步和產業升級的同時，將會推動社會生產力的整體提升［9］。依據上述觀點，如果從技術創新的角度看，人工智能特別是通用人工智能與“數據要素×”的特點較為相似，在激發創新活力、提升生產效率、優化資源配置和升級產業結構等四個方面均釋放出正外部效應。為此，結合以上分析，嘗試搭建DeepSeek驅動的“創新—技術—產業—生產力”分析框架（見圖1）。

從DeepSeek的演進歷程可見，它拓展了“技術—經濟”范式的范圍，從研發到落地的各個環節，反映出新質生產力生成的一般規律。比如，創新方面以算法優化突破規模報酬遞減規律，技術方面以開源生態重構生產要素配置方式，產業方面以嵌入式應用帶動產業鏈一體聯動，生產力系統則通過各種智能化組合實現整體躍升。由此

圖1"DeepSeek驅動的“創新—技術—產業—生產力”分析框架

進一步推斷，新質生產力應是一個不斷迭代升級的過程，通常是以創新驅動和資源配置為起點，以技術進步與成果轉化為標志，以產業升級和場景落地為支撐，以生產力各要素整體躍升為目標，繼而反向推動創新資源優化配置的良性循環。首先，要有一定的創新資源投入，比如國家層面突出人才培養與使用，企業層面則體現為研發部門或經費支持效率，戰略規劃與制度保障是必備因素等；其次，技術進步是指“人類改造世界過程中技能、方法、手段等的更迭或進化”，技術進步過程中的階段性突出成果被稱為“技術創新”；再次，產業是技術創新與成果應用的結合體，傳統產業數字化與新的數字產業化同步推進，當環境整體改善、結構優化整合到一定程度時，就會出現全產業鏈深度轉型升級的良好勢頭［10］；最后，生產力是個較為復雜的系統，技術、數據等新型生產要素嵌入勞動者、勞動資料和勞動對象之中，通過交換資源、相互促進，將源源不斷地催生更多新質生產力。

三、內在邏輯：從DeepSeek到新質生產力的“突變”

新質生產力是技術革命性突破、要素創新性配置、產業深度轉型升級等催生出的新的生產力，其“新”對應于創新，“質”是高質和優質，核心標志是“全要素生產率大幅提升”。技術進步與資源優化配置，被認為是全要素生產率提升的兩條主要途徑，因而從技術創新到全要素生產率提升，應是新質生產力的目標指向。相對而言，人工智能是人類制造出來的智能，是機器、算法、系統等代理者（Agent）模仿人類智能的能力，長遠來看是一種技術進步，階段性講則是一類技術創新。DeepSeek等人工智能賦能新質生產力，通常會通過算法轉譯、算力聯結、數據驅動、技術嵌入等功能的綜合作用，維持新質生產力穩定生成，其中創新起到“紐帶”作用［11］。

（一）創新驅動：人才鏈向思維鏈的“轉型升級”

熊彼特創新理論認為，創新是“生產要素重新組合”所引發的“創造性破壞”過程。由此觀之，DeepSeek在算法、架構、思維鏈等方面，均是不同要素的優化組合，而且“潛移默化”地影響著使用者的思維習慣。比如，DeepSeekR1可以站在人的角度“思考”問題，思維鏈展示出從哪里引用數據、通過何種角度分析、為何作出相關解答等。與以往人工智能應用只是一味“回答”不同，DeepSeek是一種啟發式的互動方式，經過多輪對答之后，得到的結論會相對更加完善。值得肯定的是，DeepSeek利用優化的架構設計、MoE模型架構和多頭潛在注意力機制（MLA）等，實現高效算力資源分配與強大推理能力“齊頭并進”，極大地降低了普通勞動者的進入“門檻”，基本無需培訓即可輕松上手。它陸續在說文解字、答疑解惑、尋醫問藥等多個實用場景“開花結果”，用實實在在的便利性、功能性和拓展性，滿足不同人群對生產力新“利器”的需求，這種“以人民為中心”的創新理念，正是中國自主創新的精神所在。

實踐證明，創新是經濟發展的重要動力，是企業、產業乃至整個國家競爭力的核心要件。狹義上的創新能夠促進富裕、增加收入，廣義上的創新則可對全人類共同繁榮作出貢獻，促進優質要素資源在世界范圍內有序流動，全球均可共享創新成果帶來的便利。微觀層面，創新可以快速提升人們的生活質量，比如使用數字化新技術讓科技走進生活、讓不會使用電腦的人借助智能終端享受“數字紅利”；創新還催生出前所未有的新產品、新服務或新樣態，比如手機導航讓人們不再迷路、電商平臺少了中間商扣差價等。中觀層面，創新有利于減少對于技術引進的過分依賴，專項資金投入與研發部門發展既是企業的創新之路，也是推動產學研用合作、加快技術成果轉化的前提條件。宏觀層面，創新鏈條的完整性與自主性，從“源頭”影響產業鏈韌性和安全水平，為此“實現科技自主創新和人才自主培養良性互動”［12］被擺在更高位置。總的來講，新質生產力發展最終要落實到勞動者身上，除了要不斷提高人的綜合素質、培養更多人才之外，勞動者的技術駕馭能力、人機協同能力等，也是決定創新效能能否有效釋放的關鍵所在。

DeepSeek等人工智能產品的健康發展，加快了各類要素流動，人機結合與數據共享創造了更加公平的就業渠道，縮短了人才成熟進程，人人皆可成為技術變革的推動者。比如，DeepSeek在研發過程中，借鑒了大量實習生的新點子，通過實時在GitHub網站公開有關信息接受網絡專家指導等，這樣的開源或開放理念，已經成為人工智能領域創新的“公開秘密”。從研發團隊的教育背景也可略見一斑，大部分核心成員畢業于國內“雙一流”高校，多位來自中國人民大學高瓴人工智能學院，且在校期間參加過信息學相關競賽。實踐證明，網絡化、數字化、智能化時代的創新，已不能僅靠“單打獨斗”來取勝，技術、數據這些新型生產要素都會“無縫隙”嵌入生產生活各環節，不同類型的人與物結合、人與數組合、技與數耦合等，都有機會催生出更多可能性或新突破。DeepSeek的創新有諸多可取之處，但也帶來一些新思考，如何正確地向DeepSeek提問、回答結果怎么可以“為我所用”、是否可以在本地部署以及如何安裝專屬大模型等新問題接踵而至。善用者言其善、不明者曰之難，新的“數字鴻溝”和安全風險等負外部性也相伴而生，能否解決這些問題，既是對微觀層面更好使用科技產品與服務的現實回應，也是對宏觀層面進一步促進新質生產力的深度求索。

（二）技術進步：創新鏈與產業鏈的“化學反應”

《現代漢語詞典》（第七版）里“技術”有兩層含義：一個指“人類在認識自然和利用自然的過程中積累起來并在生產勞動中體現出來的經驗和知識，也泛指其他操作方面的技巧”；另一個指“技術裝備”。現代創新經濟學則認為，技術是“正式、系統的整套知識”，技術創新表示知識的進步，因此技術創新常與組織創新、制度創新等聯系起來。如前所述，技術創新是技術進步的階段性成果，自從蒸汽機的發明引發人類對技術進步的關注開始，在歷次工業革命和產業變革中，技術創新均發揮著“牽一發而動全身”的撬動作用。歷史經驗證明，連續的技術變化有可能形成所謂的熊彼特經濟“長波”，這取決于作用其間的某些創新能否引起持久的“擾動”，以及它們以何種方式組合在一起。以發展新質生產力為目標且能夠自我迭代的創新循環，不僅可以加速技術進步、推動產業升級，還能為經濟社會發展持續提供動力，當創新轉化率不斷提高、技術進步時滯性明顯降低時，就有可能促進全要素生產率提升。

簡單理解，全要素生產率是產出與綜合要素投入之比，綜合要素包括資本、勞動、能源和其他要素等，創新可以較大程度上提升這一比率。實際上，產業范圍內小規模的技術創新，每年甚至每月都在發生，不過產生的效果多數是漸進式的，若要使其成為催生新經濟、新樣態的“導火索”，就要跟新產業、新技術的增長周期等指標結合起來。例如，全要素生產率提升有利于促進就業，但需要一大批各類型技術創新持續推動，才能形成有較強輻射力的技術進步［13］。仍以蒸汽機為例，蒸汽機發明出來后之所以可以廣為流行，并不是因為該發明本身，而是取決于其他三個重要因素。第一，蒸汽機的尺寸加大，降低了每馬力能量的價格；第二，改良后的新型高壓蒸汽機，效率更高從而降低每馬力燒煤量；第三，此前不使用蒸汽機的鐵路機車，改進設計后可以裝入蒸汽機，這才使客貨運輸量高速增長。與蒸汽機的技術創新類似，DeepSeek迅速“崛起”的原因有三：第一，引入模型蒸餾技術后，降低了大模型使用時的算力價格；第二，借助MoE模型架構優化能量分配方式，從而減少了算力消耗；第三，開源方式與輕量化設計等，降低了普通人的使用難度，從而吸引大批開發者、愛好者以及企業等主動接入。

由此可見，技術創新有其一般規律，技術進步也好、創新發展也罷，都不是孤立事件，均是復雜的系統工程。歷史上的每一次技術革命，都是以若干批技術創新為基礎的，其中的一些創新包含著大變革和突變性，因而被認為是“里程碑”或者“開拓者”；另一些或許只發生了一點小改進，只能暫且被當作“試驗品”或者“陪練者”。整個創新系統中生產力發展與技術進步的相互關系，或者技術創新取得的階段性成果等，有利于系統中的“主打”技術發生“質變”并引起連鎖反應，這些主流型號的技術便有可能“標榜史冊”。倘若微觀層面的事實尚不足以說明技術創新的意義所在，那么中觀層面的案例或許可以增加說服力。從新華網檢索發現，國內已有超過20家車企或品牌與DeepSeek深度融合，華為、榮耀、OPPO等手機制造商已接入DeepSeek，并完成AI技術迭代升級，深圳全市政務服務領域已全面啟用DeepSeek大模型等③。匯總官方消息可知，百度、騰訊、OpenAI等公司的多款國內外大模型產品收費已經降價，DeepSeek的“鯰魚效應”推動了人工智能從創新鏈到產業鏈的整體躍升。

（三）產業升級：產業鏈與價值鏈的“無縫連接”

產業是衡量各地經濟水平的基本單位，是聯結各類勞動者、勞動資料和勞動對象的重要載體，為此常被作為發展生產力的重要抓手。不同類型產業相互作用、互相影響，逐步形成新的供應鏈或產業鏈，并以數字產業集群、數實經濟融合等新樣態展現出來，相對應的數據要素和新技術的潛能等，也經由現實場景、商品價值等“可見物”得以釋放。發展新質生產力的主要目的，在于通過科技創新帶動人才鏈、產業鏈協同發展，利用新型勞動資料“改造”數字化的勞動對象，提高創新資源投入產出比率即全要素生產率，從而推動我國走向國際價值鏈更前沿。DeepSeek能夠脫穎而出，正是利用優化模型架構、引入多頭潛在注意力機制，以及采用寬松的開源協議等組合“戰術”，雖然不是從0到1的顛覆性創新，卻實現了從1到100的原創性創新。此外，DeepSeek通過API（應用程序編程接口）開源衍生出“模型即服務”（MaaS）等諸多新業態，體現了新質生產力“技術—產業—市場”的螺旋上升規律。

實踐證明，人工智能是新技術新理念的綜合體，當不同類型的人工智能技術或人工智能的不同功能，被嵌入不同行業或領域時，不僅可以推動傳統行業升級改造，還能催生更多新模式、新樣態。比如，AI賦能傳統產業升級出現的具身智能、無人駕駛等新技術，融入未來信息、未來空間、未來健康等未來產業中釋放新動能等。作為技術進步的典型代表，人工智能既是技術創新的自我迭代，也是對生產力的持續改造，將不斷推動生產方式和產業模式變革，與新質生產力“創新”“優質”等特征高度契合［14］。從價值實現角度講，DeepSeek秉持“小而美”原則，以“花最少錢辦最多事兒”的理念，成就了杭州深度求索公司的“異軍突起”，成全了相關算力產業、數據企業等整個產業鏈的“供不應求”，進而推動各類資源重新分配與優化配置，新的社會分工和就業崗位等也隨之出現。DeepSeek憑借其獨特的技術優勢和先進理念，已經成為推動新質生產力的重要動力，在人機協同、自我迭代、數實融合等機制綜合作用下，將帶動各行業各領域不斷催生新的更多新質生產力。

進一步地，從技術變革的周期性特點看，在特定時期的某類主導技術，無論是以計算機、集成電路、通信等為主，還是由大模型與人形機器人“獨領風騷”，只有當它們共同發展并且具備能夠充分利用該技術優勢的有利時機時，才能形成一個促進生產率提高的一體化網絡，通過該網絡的穩定運行與內部協作，才有可能實現從技術創新到新質生產力的“蝶變”。DeepSeek并非首款國產大模型，卻先于百度、阿里、騰訊等“大廠”產品超越ChatGPT等國外同類應用，正是眾多算力企業、研發機構、政府部門、開源社區共同支撐的結果，這是整個中國大模型產業鏈的“集體功勞”。“DeepSeek效應”緩解了國內算力資源供需匹配難題，開源模式激活了具身智能、模型訓練等人工智能領域產業潛力，多種應用場景還將催生出更多“全球首款”新品等。但與此同時，如何避免“一哄而上”“扎堆創新”“一味求新”等誤區，防止“脫實向虛”“惡意競爭”“抄襲侵權”等問題，在DeepSeek等人工智能推廣過程中需要高度重視。

（四）新質生產力：全鏈條融合發展的“鏈式回路”

新質生產力以“全要素生產率大幅提升”為核心標志，全要素生產率主要反映勞動者的積極性、勞動資料的配置狀況、勞動對象的實時變化，以及組織管理水平等，實際上是創新驅動、技術進步、產業升級等共同形成的“合力優勢”。DeepSeek能否帶來新一輪產業變革或“技術革命性突破”，繼而取得“顛覆性”創新？這不僅取決于人工智能領域的“自身努力”，還依賴于內外部環境以及全社會的支持與認同。一方面，創新承認需求的作用，認可新產品或新工藝存在潛在市場；另一方面，創新受技術和知識的影響，其中有些技術、知識已經普及，有些還只是開創性研究活動中“新鮮出爐”的技術或理念，比如產品試制、開發設計、原型試產，以及新品試售等活動。若要從技術創新“突變”為新質生產力，就要把技術可能性與市場可行性結合起來，改變創新范式，以更高效的發展路徑推動生產力“質”“量”共促［15］。

實踐證明，在數字化新技術的共同作用下，數據、技術、知識等看不見的物體都已參與到了勞動之中。新的生產力系統不斷發展直至“躍升”，對應的勞動者與勞動資料、勞動對象的主客體關系被徹底扭轉，生產關系超越人與人的單一范疇，技術和數據作為“主角”引領生產力發展。而從數據要素流轉角度看，新質生產力的生成與新基建賦能制造業的原理相似，技術進步驅動產業鏈、供應鏈、數據鏈、價值鏈相互貫通，繼而形成鏈式發展“回路”［16］。沿著這條路徑，新的生產力各要素之間交流共促并形成合力，就有可能轉化為不同類型的科技成果或產業樣態等現實生產力。從實際應用看，除了網頁版、手機App等多種使用方式，DeepSeekR1還提供免費的本地部署代碼和開放的API，在金融、云服務、網絡科技等多領域“大受歡迎”。國產大模型從“跟跑”到“領跑”，正在走出一條中國特色的技術創新“軌跡”，從創新鏈到產業鏈幾乎可以做到“無感知”切換。

未來而言，DeepSeek等人工智能的技術迭代與快速落地，將進一步縮小創新鏈與產業鏈的“間隙”，為新質生產力發展帶來更多可能性。DeepSeek之所以“誕生”于杭州，得益于那里良好的創新環境和有利的政策條件，深度求索公司摸索出的“好企業大格局+好氣候好土壤”的創新模式，是一種數字化與制度化并行的發展路線。一方面，借由勞動優化、要素深化和產業迭代等方式，DeepSeek對生產力三要素產生積極影響，加快整個產業鏈數字化轉型；另一方面，通過有效的產權保護、市場引導、產業鏈安全等制度規約，為新質生產力發展提供安全“屏障”，確保創新鏈向價值鏈有序轉化。在此基礎上，產業鏈與創新鏈相互交織并不斷融合，產業“自我”創新引導技術創新與產業升級精準匹配，不斷創造出跟社會需求、群眾所盼更相適應的產品和服務，真實可見的應用場景則反過來彰顯新質生產力的價值所在。按照此種邏輯，若要更好地體現集體利益和公共價值，就必須用更高品質的產品服務來滿足人民群眾日益增長的新需求，因而發展新質生產力成為迫切需要，相應地也對技術創新、產業創新等提出更高要求，由此便構成了“創新鏈—產業鏈—價值鏈—創新鏈”的循環鏈條。

四、政策建議：找準技術創新與產業創新融合的“支點”

新質生產力是科技創新驅動下現代化經濟體系展現出的新型生產能力，DeepSeek等人工智能是階段性科技創新的重要成果，兩者相互融合而成的新動能，必將通過創新鏈與產業鏈融合等方式加快釋放。但與此同時，科技創新領域發展不平衡不充分問題仍較為嚴重，高精尖人才缺乏的現象普遍存在，科技成果轉化、人才培養使用、企業公平參與等方面還有一些機制短板，必須加快破解創新鏈與人才鏈、產業鏈之間的內生梗阻與人為屏障。為此，要在處理好人工智能倫理和價值問題的前提下，認真貫徹落實黨的二十屆三中全會提出的“健全因地制宜發展新質生產力的體制機制”等多項戰略部署，把握人工智能與新質生產力相互賦能、一體推進的新規律，以DeepSeek等技術創新為支撐，摸索出更多有實效、“接地氣”的創新路徑。

（一）實現科技自主創新和人才自主培養良性互動

一是聚焦頂層設計與基層落實兩端發力。發揮各級政府的主導作用，把新型舉國體制建設、彰顯我國獨有制度優勢等宏觀要求，與支持創新人才發展、激勵企業投身新興領域等具體政策結合起來，在大力宣傳類似DeepSeek的人性化、親民性等“品質”的同時，運用身邊日常事例和專家權威解讀等多方面經驗，鼓勵大家擁抱新技術、接受新理念。注重教育科技人才一體推進的末端環節，在制定具體政策時以產業或企業為對象逐步向以人才為對象轉變，將教育的基礎性作用、就業的專業性牽引、技術的擠占式激勵等聚焦到同一維度，試行跨部門、跨行業、跨領域聯合編制階段性人才發展規劃等新模式。

二是探索全過程的人才培養與使用機制。積極培育全社會創新意識，重新劃分勞動者類別和人才類型，可按照以產業鏈上下游關系、數據鏈流轉路徑、人工智能要素組成等為依據，以定點、定位、定人、定崗等“四定”原則為指導，結合地區與行業現狀等因素，設置新的職業名稱與社會分工，施行技術人才與專業人才相區別的績效考核辦法。拓展不同類型人才能上能下、可進可出的發展空間，增加在職學習培訓與學歷申請機會，采用學分互認、成果共享、算法共研等方式，打破高等教育、職業教育、終身教育與技術創新、自學成才、民間“高手”之間的數據壁壘和領域隔閡，將“毛遂自薦”“同行評議”“匿名評審”等手段作為“組織考察”的重要補充。

三是開辟更多創新資源交流共享渠道。集聚社會各界力量，突出“投資于人”理念，打造工業孵化器、科研試驗室、工廠實習間等合而為一的創新聯合體，引導各類資本投入創新鏈“源頭”，開放更多架構設計、模型優化、代碼編寫等任務公開招募機會，在有條件的地區或企業摸索跨界合作、兼職創作、人機協作等選題立項新范式。試點基于競合原則的交叉研究新機制，分級分類完善制度規范，智慧能源、智慧金融和科學智算等實際應用以遵守行業規約為主，中試驗證、智能制造和運營管理等賦能場景應盡快找到新規定，在操作系統開發、智能芯片設計等底層技術中嵌入人工干預環節。

（二）技術創新要轉化為實實在在的生產力

一方面，就供給側而言，要聚焦人民群眾的痛點難點問題尋找創新突破點。從產品設計、用戶定位、成本核算等前端設置“門控”機制，及時整合與分配人力資源、專家力量，集智攻關、齊抓共管，共同做好從實驗室到加工廠再到個人終端的全過程管理。把教育科技人才作為一個大系統，集聚全社會力量打造創新共同體，可嘗試在各級政府中建立教育科技人才一體推進的專職機構或常設部門，讓各類企業特別是高新技術企業設立更多實習見習崗位，高校院所采取“走出去”“帶進來”相結合等方式確定研究課題和試驗重點，“先行一步”的創新主體定期公開學術論文、設計圖紙、基礎數據等成熟度較高的創新資源。

另一方面，就需求側而言，要瞄準技術發展的最新動態發現更多契合點。從場景適配、技術適用、能量夠用等角度評判創新效能，實時反饋DeepSeek等人工智能應用的真實體驗，通過合理化、公開化途徑向有關單位和機構反映，為政策制定、產業布局、資金投入等提供參考。堅持“包容審慎”原則推動科技成果轉化，按照“從上到下”思路營造有利于創新的發展環境，及時修訂《生成式人工智能服務管理暫行辦法》等國家性制度，酌情出臺適用性更強的地方性法規或行業類規定，在重點行業和重點領域優先推廣大模型等人工智能產品使用，完善科研成果與工作績效掛鉤、職稱評審與成果數量脫離等機制，用群眾評價、用戶反映或市場表現等“實在”方式檢驗科研成果轉化效率。

（三）產業創新要守牢實體經濟這個根基

一方面，要加強數字經濟與實體經濟深度融合。產業數字化與數字化產業相結合向“產業鏈數字化”轉變，發揮人工智能全鏈條全產業全場景的“黏合”作用，圍繞數據鏈流轉路徑貫通人才鏈創新鏈產業鏈全鏈條，根據算力網絡中的不同分工確定“節點”產業與“核心”企業，重新編制數實融合的產業類型和統計方法。人工智能研發錨定核心技術、民生服務等重點領域發力，研究用新技術培育新技術、以新產業孵化新產業的“自我迭代”新模式，重點扶持新產品上市、新服務上線、新技術發布等首發經濟，加快產學研用一體化發展的“數字化轉型”，加大網絡空間和數字空間的技術交流與項目合作。

另一方面，要進一步激發人工智能潛力。推動“人工智能+”賦能傳統產業行動，按序實施系統性產業融合計劃，打造更多具身智能、嵌入終端等“示范性”新產業，鼓勵新技術新產品“先試用后量產”“邊生產邊優化”等模式改革，摸索“開放式”“半公開”“外審制”等技術創新成果轉化新機制。提升產業鏈自我防護能力，重視數字經濟、智能經濟等新樣態發展中的治理問題，在確保安全基礎上拓展算力網絡等新興產業，建立企業、高校、行業、政府等共同參與的新產品、新項目交叉審批機制，支持有條件的企業設立技術安全審核部門。著眼公共服務保障、城鄉融合發展、教育資源分配等群眾急難愁盼問題設計應用場景，在未來能源、未來信息等未來產業開發時突出“人”的因素，利用通用人工智能技術提升未來產業的“人性化”和親和力，積極引導未來產業盡早落地并“回歸”實體經濟。

（四）為創新鏈產業鏈無縫對接創造條件

一是搭建盤活用好人力資源的一體化平臺。建立政府牽頭、企業助力、社會參與的高新技術人才聯盟和創新資源共享中心，盡快出臺全國適用的通用型創新績效考評指標，把入學就業、積分落戶、醫療養老等方面政策向核心技術研發、基礎領域研究等領域重點人群傾斜。注重運用人工智能技術與理念，探索人才鏈創新鏈向“思維鏈”“知識鏈”升級的新場景、新行業，創造更多與人工智能新興產業、技術創新型未來產業等相適應的職業門類與就業機會。

二是健全科研創新與產業孵化雙賦能機制。完善以人才規模為參照系的創新資源與產業發展供需匹配、任務分配機制，敞開技能型人才與管理類崗位定期交流“全雙工”通道，培養更多既懂數字化又會生產經營的創新型復合人才。試點改革科研經費支配、研究成果認定、職稱晉級評審、在職學歷獲取等研究人員專項管理機制，在重點行業和關鍵部門增設技術型公職人員崗位，試驗依據數據確權或技術專利分頭組織政府項目的政企合作新模式。

三是強化各類企業研發機構創新主體地位。堅持黨的領導下各類企業的“數字化轉型”，加強民營企業、新興行業黨的組織建設，創新骨干、技術專家中的優秀人員優先發展為入黨積極分子、參加各級黨校學習培訓。企業帶頭采用綠色生產方式，倡導通用性、標準化的技術開發路線，減少專門產品、定制服務和“獨門”設計用于日常生活和公共場景，優化技術部門、研發部門參與企業經營管理工作的新機制，摸索“人工+智能”推進企業治理現代化的新路子。

五、結語

大語言模型DeepSeek的迅速崛起與廣泛應用，為人工智能賦能新質生產力提供了新“樣本”。首先作為一種戰略性新興技術，人工智能在引領數字經濟、智能經濟發展方面積累了豐富經驗，實際上已經儲備了足以構成“躍升”條件的一定的“量”。然而，從量變到質變還需要許多其他條件，比如需求增加、技術突破或者新的理論指導。習近平總書記提出的新質生產力理論，無疑為包括人工智能在內的新技術發生“質變”提供了理論遵循，各行業各領域新質生產力的加快涌現，則對新技術升級為新動能提出了新需求。在這樣的背景下，以DeepSeek為代表的新一代人工智能強勢生長并“破繭而出”，用一條不符合常規的顛覆性創新之路，實現了人工智能本身向新質生產力的躍升，同時帶動算力網絡、智能制造等新興產業飛速發展，這便引發了人工智能可否以及如何發展新質生產力相關問題的討論。

研究發現，新質生產力是科技創新特別是技術創新驅動下，現代化產業體系展現出的新型生產力，人工智能是階段性科技創新的重要成果，兩者融合而成的新動能，通過技術創新的轉化過程釋放出來。DeepSeek等人工智能的快速應用，賦予了生產力各要素新的質態，推動勞動者技能提升成為各類型人才，運用新型勞動資料提高資源利用效率，經由數字化轉型擴大勞動對象范圍，通過要素組合優化配置提升全要素生產率，從而形成新質生產力。在這個循環里，DeepSeek既是一種技術創新，也是一種工程創新，但它能否引發“技術革命性突破”繼而不斷催生新質生產力？回答此類問題，實際上不能僅靠“紙上談兵”，也不可只看到眼前的“繁榮”，而應放入歷史的長河中去比較，從理論和實踐多個角度尋找辦法。恰如DeepSeek官網招聘啟事中的介紹，“我們相信大模型是科研+工程+組織的優雅藝術”，歡迎“與我們一起進行高水平的科學研究和工程實踐”。DeepSeek或許只是技術創新的一個小小縮影，卻引起了幾乎全產業鏈的“擾動”，不得不令人反思，如何跳出技術的“一隅”多角度審視值得期待。展望未來，創新驅動發展戰略取得實效、因地制宜發展新質生產力，這些大局和任務都離不開像DeepSeek這樣的“小”創新，若要把它們都變成“大”成就，就要不斷地把科技成果轉化為現實生產力，用看得見的新成果、能落地的新產業等來滿足人民群眾日益增長的新需求。不過，畢竟是靜態“推演”的結果，上述所提對策建議難免存在一定的“想象空間”，有待實踐驗證與深度求索，這正是人工智能所闡釋的基本道理之一：人類也要深度學習、刻意練習與自我迭代。

【本文綜合使用DeepSeek網頁版（R1引擎）、百度AI搜索DeepSeekR1滿血版、華為手機小藝（內嵌DeepSeekR1）和WPS"AI助手提出有關問題并查看回答，但未引用實際內容，只在思維層面受到些許“啟發”】

［注"釋］

①

參見DeepSeek官網自述文件，網址為https：//apidocsdeepseekcom/。

②"參見GitHub網站DeepSeekR1相關信息，網址為https：//githubcom/deepseekai/DeepSeekR1。

③"參見新華網相關新聞報道，網址為https：//sonewscn/#search/0/DeepSeek/1/0。

［參考文獻］

［1］經濟大省要挑大梁為全國發展大局作貢獻［N］.人民日報，2025-03-06（1）.

［2］張慧敏.DeepSeekR1是怎樣煉成的？［J］.深圳大學學報（理工版），2025，42（2）：226-232.

［3］任保平，王子月.數字經濟推動形成新質生產力“技術—經濟范式”的框架與路徑［J］.經濟縱橫，2025（1）：76-87.

［4］張森，溫軍.數字經濟賦能新質生產力：一個分析框架［J］.當代經濟管理，2024，46（7）：1-9.

［5］王玨.人工智能視域下的新質生產力生成路徑［J］.新疆師范大學學報（哲學社會科學版），2025，46（1）：98-107.

［6］加快發展新質生產力"扎實推進高質量發展［N］.人民日報，2024-02-02（1）.

［7］李芃達.開源模型加速構建智能生態［N］.經濟日報，2025-03-21（6）.

［8］魏蔚.DeepSeek攪動產業鏈［N］.北京商報，2025-02-07（5）.

［9］張斌，李亮.“數據要素×”驅動新質生產力：內在邏輯與實現路徑［J］.當代經濟管理，2024，46（8）：1-10.

［10］陳夢根.新質生產力視域下發展未來產業的政策重點［J］.貴州省黨校學報，2024（5）：43-52.

［11］劉海軍，翟云.數字時代的新質生產力：現實挑戰、變革邏輯與實踐方略［J］.黨政研究，2024（3）：45-56.

［12］李晴，劉海軍，張海峰.“數實”融合：數字經濟分類治理的框架、邏輯與進路［J］.北京理工大學學報（社會科學版），2024，26（4）：164-175.

［13］蔡湘杰，賀正楚.新質生產力何以影響全要素生產率：科技創新效應的機理與檢驗［J］.當代經濟管理，2024，46（10）：1-14.

［14］黃先海，虞柳明.人工智能與新質生產力：邏輯、現實境遇與政策取向［J］.東南學術，2025（1）：125-137.

［15］朱海華，陳柳欽.新質生產力驅動經濟高質量發展的內在機理及實踐路徑［J］.貴州省黨校學報，2024（6）：87-95.

［16］劉海軍，李晴.新基建加速制造業轉型升級［J］.當代經濟管理，2020，42（9）：26-31.

DeepSeek："Artificial"Intelligence，"Technological"Innovation"and

New"Quality"Productive"Forces

Liu"Haijun1，Wen"Zanling2

（1Information"Technology"Department，Party"School"of"the"CPC"Central"Committee（National"Academy"of"Governance），"Beijing"100091，"China；

2School"of"Management，"Beijing"Institute"of"Technology，"Beijing"100081，"China）

Abstract：""The"domestically"developed"large"language"model，"DeepSeek，"integrates"usability，"versatility"and"commercial"viability."It"is"regarded"as"a"paradigmatic"exemplar"of"nextgeneration"artificial"intelligence"（AI），"guiding"the"trajectory"of"technological"innovation."However，"its"capacity"to"catalyze"sustained"emergence"of"new"quality"productive"forces"（NQPF）"warrants"further"exploration."The"“DeepSeek"Phenomenon”"expands"the"conventional"“technologyeconomy”"paradigm，"revealing"a"developmental"framework"of"“innovationtechnologyindustryproductivity”，"thereby"offering"novel"insights"into"the"interplay"among"AI，"technological"innovation，"and"NQPF."Theoretically，"grounded"in"modern"innovation"economics"and"total"factor"productivity"principles，"the"rationale"is"established"for"AI"represented"by"DeepSeek"to"drive"technological"innovation"and"subsequently"stimulate"NQPF."Mechanistically，"the"evolution"from"DeepSeek"to"NQPF"reflects"a"shift"from"parallel"innovationindustrial"chains"to"the"integration"of"talentideation"chains，"inducing"fundamental"transformations"across"four"dimensions："laborers，"production"materials，"labor"objects，"and"their"optimized"configurations."On"the"implementation"path，"we"can"further"expand"DeepSeek’s"shortterm"success"“trajectory”，"gradually"bridge"the"closed"loop"from"innovation"resource"investment"to"overall"leapfrogging"of"productivity"and"identify"more"“breakthrough"points”"for"technological"innovation."By"promoting"a"universal"and"open"technology"development"roadmap，"we"can"accelerate"the"deep"integration"of"technological"innovation"and"industrial"innovation，"creating"more"realworld"application"scenarios"for"the"implementation"of"NQPF.

Key"words：artificial"intelligence;"new"quality"productive"forces;"DeepSeek;"large"models;"technological"transformation;"scientific"and"technological"innovation

（責任編輯：張積慧）