央國企數字化應用市場洞察

央國企在大模型落地過程中普遍采用“N+X”的推進節奏。

1.市場洞察 1：央國企數科子公司利潤中心角色凸顯，深耕所屬行業更易實現商業化目標

在央國企數字化轉型的進程中，數科子公司作為關鍵參與者，承擔著對內數字化建設支持的重要職 責。此類公司在央國企數字化項目中通常扮演以下三類角色：一是類似央國企內部的 IT 部門，負責 需求傳達、項目驗收等關鍵環節；二是系統集成商，整合各類技術資源以推動項目落地；三是技術 與產品供應商，直接為項目提供核心技術和解決方案。憑借背靠央國企這一強大后盾，數科子公司 在資源獲取與項目推進上具有顯著優勢。 然而，研究發現，央國企數科子公司正逐漸承擔起對外輸出的重任。從傳統的 IT 部門或信息中心演 變而來，數科子公司亟需從成本中心向利潤中心轉型。在競爭激烈的軟件市場中，實現對外輸出的 商業化目標并非易事。央企數科公司不僅要面對傳統IT企業的競爭壓力，還需應對來自互聯網巨頭、 初創企業等多元競爭對手的挑戰。為了實現可持續的商業化成功，數科子公司必須不斷提升自身為 客戶創造價值的能力。

目前，央國企數科子公司的業務方向主要分為兩大類。其一是通用類產品，如云計算、即時通訊（IM） 等。在這些領域，央國企數科子公司面臨的競爭壓力較大，競爭力相對較弱。其二是垂直類業務， 即與所屬央國企的業務場景高度相關的領域。數科子公司將母公司作為行業領軍企業的專業知識與 經驗（know-how）沉淀到數字化產品或服務中，打造具有競爭力的解決方案，構建競爭壁壘。例 如，寶信軟件憑借其在鋼鐵行業的深厚積累，提供涵蓋一體化經營管理、多基地制造協同 MES、鋼 鐵行業 APS、工序一貫質量管理、工廠運營與輔助決策、集控中心、數字鋼卷、移動操檢、自動出 鋼、無人化行車、工業機器人等核心應用的智慧制造解決方案。這些方案廣泛應用于鐵區、煉鋼、 熱軋、中厚板、棒線、型鋼、冷軋、鋼管及特鋼等全產線全流程，成功打造了多個業內標桿工程，助力鋼鐵企業實現核心競爭力的提升與數智化轉型。根據寶信軟件 2024 年上半年財報，其與母公司 的關聯交易僅占同類交易金額的 7%左右，顯示出其在獨立市場中的強勁競爭力。

2.市場洞察 2：DeepSeek 引領技術潮流，助力央國企大模型應用跨越“深水區”

央國企在大模型落地過程中普遍采用“N+X”的推進節奏。“N”代表通用場景，如知識問答、合 同起草、招標采購等，通常對應技術廠商的標準化產品。這些場景落地難度較低，但價值也相對有 限，屬于大模型應用的“淺水區”。“X”則代表行業特定的業務場景，例如煤炭行業的勘探、電力 行業的設備巡檢、運營商行業的寬帶報修等。這些場景通常需要央國企與技術廠商深度共創，落地 難度較大，但潛在價值較高，屬于大模型應用的“深水區”。 在 2023 年和 2024 年，央國企主要聚焦于推進“N”類場景的落地，同時也在探索“X”類場景的 應用，但進展相對緩慢。核心問題在于現有大模型缺乏對央國企復雜業務邏輯的理解能力，難以直 接應用于業務場景。然而，DeepSeek 開源的 DeepSeek R1 模型為這一困境帶來了突破性解決方 案。通過開源，DeepSeek R1 使央國企的大模型能夠理解業務邏輯，從而為“深水區”場景的落地 提供了可能。

目前，央國企可通過以下三種方式實現這一目標： l 模型蒸餾與能力遷移：央國企可通過蒸餾 DeepSeek R1 獲取推理能力，并將其“復制”到自 有模型上，快速提升模型的業務適配性。 l 技術路徑參考與自主構建：央國企可參照 DeepSeek 公開的技術路徑，從頭構建思維鏈數據， 并通過微調、強化學習等方式改造自有模型，實現深度定制化。 l 定制化合作：未來，若 DeepSeek 提供定制化服務，央國企可直接與 DeepSeek 合作，對自身 大模型進行針對性改造，加速“深水區”場景的落地。

無論選擇何種方式，DeepSeek 引領的技術潮流都將助力央國企跨越大模型應用的“深水區”，使 其在業務場景中真正發揮核心價值。與此同時，央國企在大模型落地規劃層面也需要重新審視，充 分評估 DeepSeek 及其技術潮流帶來的影響與促進作用。 根據愛分析的統計數據，截至 2 月 21 日，已有 45%的央企完成了 DeepSeek 模型的部署。在不到 一個月的時間內，如此高比例的央企實現了對開源模型的快速覆蓋，這一速度在過去是難以想象的。

3.市場洞察 3：DeepSeek 引領技術潮流，促使央國企重新規劃算力投入

央國企在 2023 年和 2024 年迅速完成了 AI 算力的規劃、采購與部署。然而，DeepSeek 及其引領 的技術潮流的發展速度超出業內預期，導致央國企現有的算力投入規劃面臨失效風險。 央國企對算力需求的超預期變動主要體現在以下三個方面：

（1）雙模型部署 過去，大模型主要以快速、直觀、自動的思維方式運行，類似于人類的無意識行為，依賴直覺和經 驗，能夠迅速做出反應。例如，當人們看到一個熟悉的面孔時，幾乎無需思考就能認出它。我們將 這類模型稱為非推理模型。 然而，當前備受關注的 OpenAI o1 和 DeepSeek R1 則代表了推理模型。這類模型以慢速、深思熟 慮、邏輯性的方式運行，通過強化學習訓練，在回答問題之前會通過思維鏈進行“思考”，思考時 間越長，在推理任務上的表現就越好。這種思維方式需要有意識的努力和思考，用于解決復雜問題 或做出深思熟慮的決策。 非推理模型和推理模型各有所長，未來企業需要同時部署這兩類模型，這超出了此前的預期。在 DeepSeek R1 出現之前，企業尚未意識到推理模型的快速發展和廣泛應用。當前，企業的算力規劃 主要針對非推理模型，而未來則需要同時支持非推理和推理兩類模型，因此對算力的需求將顯著增 加。

（2）用戶數量激增 DeepSeek 的破圈效應相當于對全民進行了一次 AI 普及教育，其影響力遠超企業內部的任何一次培 訓。預計會有更多央國企員工主動使用 AI 工具來解決工作問題，以提升效率和質量。用戶數量的激 增將導致對算力的需求大幅超過企業原有的規劃。

（3）訓練與蒸餾 如果央國企希望對 DeepSeek R1 進行蒸餾，將其推理能力復制到自身的大模型上，或者參照 DeepSeek 公開的技術路徑，從頭構建思維鏈數據并通過微調、強化學習等方式改造自有模型，這 些操作都將顯著增加對算力的需求。 根據愛分析的專家調研結果，央國企對算力的需求預計將是原先的 3-5 倍。因此，企業需要重新規 劃算力投入。鑒于大模型領域的技術和產品發展迅猛，同時算力成本也在逐步降低，采用租用算力 的方式來彌補算力缺口將是一種更為靈活且經濟的選擇。