争先恐后接入DeepSeek的企业们，你们考虑过后果吗？

今天小编分享的教育经验：争先恐后接入DeepSeek的企业们，你们考虑过后果吗？，欢迎阅读。

作者 | AI 工作坊

来源 | AI 深度研究员 管理智慧 AI+

咨询合作 | 13699120588

文章仅代表作者本人观点

昨天，极兔快遞宣布全面接入 DeepSeek 大模型，成为 3 月份第 N 家加入 "DeepSeek 大军 " 的企业。公司表示，这将协助提升人力资源效率和国际件标准清晰度，降低培训各类员工成本。公关稿中还强调，"DeepSeek 是一款基于强化学习的开源推理大模型，运行成本远低于市场上同类产品 "。

自 2 月初 DeepSeek" 出圈 " 以来，企业界掀起了一场前所未有的接入热潮。2 月 6 日，吉利汽车宣布星睿大模型完成与 DeepSeek 深度融合；2 月 8 日，长城汽车紧随其后；2 月 9 日，广汽、奇瑞相继跟进；2 月 10 日，比亚迪、上汽、北汽接连宣布接入 ... 甚至连一汽 - 大众、东风日产这样的合资企业也未能幸免。

仅仅一个月内，超过 50 家大中型企业争先恐后宣布 " 接入 DeepSeek"，引发资本市场一片沸腾。但作为一个长期观察 AI 浪潮的研究者，我不得不发出一个疑问：在这场集体狂欢中，有多少企业是真正思考过的选择，又有多少只是盲目跟风的结果？

我要泼个冷水：大部分公司盲目接入 DeepSeek 可能是一个严重的错误。在与众多企业深入合作后，我发现一个扎心的现实：事实上，大部分公司不仅不需要盲目追逐 DeepSeek，甚至根本不应该有一个仅仅为了跟风而制定的 AI 战略。

或许你听了很惊讶，甚至觉得我是不是说反了？没有接入 DeepSeek，没有 AI 战略的话，公司岂不是要输在起跑线上了吗？我的回答是：并不会，理由有以下几个：

大部分公司其实根本没做好用 AI 的准备

想象一下，就算某天一份完美的 "AI 战略计划 " 神奇地出现在了 CEO 的邮箱里，大部分公司也完全没法真正落地。这是因为，它们连最基本的基础准备都还没做好。

其中最核心的问题，就是 " 数据 "。 如果数据质量差——不完整、有偏差或者根本杂乱无章——那么 AI 的表现自然会很差劲。你可以有一个非常棒的战略目标，但糟糕的数据会让你寸步难行。到头来，"AI 战略 " 只会浪费公司的精力和资源，让企业忘记了真正应该去做的事情。

以极兔快遞为例，他们宣称要用 DeepSeek 来 " 提升人力资源效率和国际件标准清晰度 "，但问题是：这家快递公司是否已经建立了完整的员工绩效数据库？国际件标准是否已经实现了数字化？如果没有这些基础工作，仅仅接入一个大模型能解决什么问题？

举个更具体的例子：假设一家制造业企业想要用 AI 来预测设备故障，以减少生产线的停工时间。这听起来很好，对吧？但要做到这一点，公司首先得用历史数据识别各种设备可能发生的故障类型，并找到这些故障的 " 信号 " ——也就是故障前兆的特定数据模式或趋势。接下来，利用这些数据通过机器学习技术建立算法，预测故障的出现。

到目前为止一切都很好，然而现实却是：大部分公司根本没有收集过足够的历史数据来训练 AI 模型。想积累足够的高质量数据并建立精准的算法，往往需要几个月甚至几年时间。

AI 并不是一个孤立的 " 孤岛 "

AI 是一种技术，就跟区块链、物联网、元宇宙一样。公司为什么偏偏需要给 AI 制定单独的战略？

看看百度、阿里云、腾讯云等科技巨头纷纷宣布接入 DeepSeek 的新闻，似乎接入大模型已经成为衡量企业创新能力的标准。但实际上，真正的创新在于如何将这些技术与现有业务场景深度融合，而不仅仅是做个接口对接就草草了事。

更进一步说，"AI" 其实也不只是一种技术，而是很多相关技术的集合，比如机器学习、计算机视觉、机器人技术、影像识别，还有当下火热的生成式 AI。DeepSeek 仅是其中一种，而非全部。

再看看现实里企业是怎么成功利用 AI 的，你会发现它们大多是将 AI 与其他技术结合在一起，共同融入到具体的业务场景中，而不是孤立地单独使用。

极兔快遞提到要将 DeepSeek 应用到 " 物流全链路 "，但一个成功的智能物流解决方案必然需要结合物联网技术追踪包裹、云计算处理海量订单数据、数据分析优化配送路线等多种技术协同工作，仅仅依靠一个语言模型是远远不够的。

回到制造业的例子：假设公司确实已经具备了相关的数据，成功训练出了算法。那么，完整的解决方案一定还需要其他技术，比如设备上的传感器实时采集数据，通过物联网传输数据，再用云计算平台存储和处理数据，在云端运行算法，实时监控设备状态并发出故障预警。

看到这里，你一定会发现问题所在了吧：相比制定一个单独的 AI 战略，企业真正需要的是一个全面考虑各种技术的整体战略。如果像那些宣称 " 接入 DeepSeek" 的家电企业，只把目光盯在大模型上，而不考虑整体的智能家居生态，反而会本末倒置，造成精力的分散。

于是问题又回到了原点：AI 究竟有什么特别的地方，以至于需要单独为它制定一个专门的战略呢？

人才还没准备好，你拿什么做 AI 战略？

调研显示，很多公司在 AI 这件事上还很 " 不成熟 "。什么意思呢？就是从公司高管到普通员工，绝大部分人其实根本不太懂 AI，也没有真正用过这些工具，更不习惯用数据来支持决策。 这种情况下，所谓的 "AI 战略 " 只会偏离实际，变成一场纸上谈兵。

专家数据显示，2024 年，人工智能整个专业的在校生大概只有 4 万多人，而与整个人工智能领網域预计的 500 万人才缺口相比，差距依然巨大。这种人才供需不平衡，使得企业在实施 AI 战略时面临巨大挑战。

近日，清华大学、北京大学罕见接连宣布，2025 年均将增加 150 个本科招生名额。短短一周时间内，上海交通大学、武汉大学、中国人民大学等超过 15 所知名高校密集宣布本科扩招。梳理下来，大部分高校扩招本科的学科范围多为人工智能、信息技术等战略新兴领網域。科技创新靠人才，人才培养靠教育。业内人士指出，随着 AI 赋能千行百业，市场既需要技术和理论创新型人才，也需要能够结合各行业实际需求的实操型人才。

但教育转型需要时间，而企业却急于求成。看看那些宣布与 DeepSeek" 深度融合 " 的券商、银行和公募基金们，有多少真正了解大模型能为金融分析带来什么样的价值？他们的分析师和投资经理真的准备好了使用这些先进工具吗？还是仅仅因为竞争对手都在做，所以不得不跟进？

试想一下，如果你是公司领导，自己都对 AI 一知半解，又怎么可能制定出一个靠谱的 AI 战略？显然不现实。

大部分公司的起点其实还处在摸索阶段，因此现在最重要的，并不是自上而下地去制定一套复杂的 AI 战略。相反，更应该鼓励一线员工主动去尝试各种 AI 工具，从日常的工作中发现机会，摸索可能的用途。这种由下而上的探索，才更容易诞生真正有用的创意和方案。当然，过程中还得确保有合适的 " 护栏 "，以便员工能够安全地、负责任地使用 AI，避免公司暴露在不必要的风险之中。

真正推动公司前进的，从来都不是技术，而是人。

要实现真正的 " 数字化成熟 "，可能需要几年甚至更长的时间，尤其当企业文化也需要同时转型的时候。如果你以为靠一夜之间接入 DeepSeek 就能实现数字化转型，那就好比你给一个两岁的孩子穿上一套西装，然后告诉大家：" 看，他现在是大人了！" 显然，这不现实。

强制 AI 战略，会让公司做出错误的决策

如果公司硬要强迫自己制定一个所谓的 AI 战略，很可能会导致员工在做决策时，凡事都戴着 "AI 眼镜 "，认为每个问题都能靠 AI 来解决。

现在的确是 DeepSeek 最火爆的时候，但这不代表它就能解决企业的所有问题。未来肯定还有其他新技术出现。如果过于聚焦于接入某一特定大模型，公司可能会忽视其他同样有效、甚至更适合的解决方案。

看看那些汽车企业的做法，从吉利星睿到长城 Coffee Agent，再到广汽 ADiGOSENSE，他们纷纷宣布与 DeepSeek" 深度融合 "，但消费者真正关心的是这些技术能否解决实际问题——更准确的导航、更安全的驾驶辅助、更舒适的用车体验，而不仅仅是能否回答一些常识性问题。

因此，真正需要讨论的不是 " 我们怎么才能接入 DeepSeek"，也不是怎么靠 AI 让公司利润翻倍或打造新商业模式。而是，公司应该持续思考：" 我们如何才能更好地运用数字技术，真正改善业务表现，实现战略目标？"AI 只是众多技术中的一个罢了。

之前的一篇文章里，也曾提出过类似的观点：甚至认为公司根本不应该有单独的 "IT 部门 "。如果你把技术（尤其是特定的技术，比如 AI）单独从业务部门割裂开，那相当于把真正负责提升公司业绩的人，与负责实施技术的人彻底隔绝了。长此以往，技术只会与业务脱节，最终带来失败。如果每次遇到问题，公司都只会喊着：" 赶快接入 DeepSeek！" 那么，你很可能永远都找不到真正适合你的解决方案。

历史决定了企业能走多远

研究还发现，企业在某一时刻能够做出的决策，其实很大程度上取决于过去做过的选择。即使当时那些决定在现在看来已经不合时宜，但历史的影响往往持续存在。