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。
尤其是在技术领網域,这一点表现得尤为明显。比如,十年前放弃购买某个軟體或是决定不投资某个系统可能在当时是对的,但这些决定在今天可能已经成了障碍,限制了企业在 AI 应用上的空间。
领导者们可能会看到百度、阿里这样的科技巨头成功应用 AI 的案例,然后也想在自己公司里复制。但是,当他们真正去尝试的时候,却发现根本做不到——因为他们十年前就已经选择了另一条路。
有些公司过去很早就做了准备,比如早就对数据质量、技术平台和组织能力进行了大量投资,这样的公司自然能迅速抓住 AI 带来的机会。但大部分宣布接入 DeepSeek 的企业显然还远远没有做到这些准备。
说到底,大多数公司过去在数字转型中本来就行动缓慢,即使现在突然宣布接入 DeepSeek 或提出了所谓 "AI 战略 ",也不会一夜之间超越竞争对手。
如果一个企业一直以来都在数字化转型方面动作迟缓,光靠一个漂亮的 "AI 战略 " 是没法实现飞跃的。到头来,只会白白浪费精力。
所以,现实一点吧,别再幻想简单地接入 DeepSeek 能一夜之间带你走向成功。真正有用的 AI 战略,只属于那些已经做好扎实基础工作的公司,而不是大部分正在追逐潮流的企业。
参考资料:https://www.wsj.com/business/c-suite/ai-strategy-mistakes-5db90efa