专家访谈汇总：座谈会带来全面科技自信

企业如华为（任正非）、韦尔半导体（虞仁荣）、奇安信（齐向东）等的出席标志着半导体和信息技术的政策倾斜。

比亚迪（王传福）、宁德时代（曾毓群）的参与表明，新能源产业，尤其是新能源汽车与动力电池领域，将继续获得政府支持，强化全球竞争力。

阿里巴巴（马云）等头部企业的参与传达了民营经济在政策中的稳定地位，减轻了市场的监管不确定性忧虑。

作为国产AI创新的代表，DeepSeek通过大幅降低训练与推理成本，推动了大模型的普及，预计将在AI应用中实现重大突破。

随着DeepSeek的普及，对算力的需求激增，国产芯片和云服务厂商将受益，尤其是华为云与硅基流动等在推理服务上的合作，进一步加速国产算力市场的发展。

随着2025年特斯拉机器人和L3级自动驾驶车的量产，预计相关领域将迎来技术突破与市场爆发，尤其是中阶智驾将成为普及标配。

随着Neuralink等公司的临床进展，脑机接口技术将逐步走向商业化，特别是侵入式技术的快速推进将推动行业进步。

随着监管环境对平台经济的转向，健康发展成为政策重点，平台经济与实体经济的深度融合有望加速。

涉及医疗、金融、财税等领域的AI企业（如润达医疗、久远银海、顶点软件等）将享受技术发展与市场扩展的双重红利。

2、《DeepSeek的全球影响》摘要

DeepSeek（深度求索）成立于2023年，专注于大语言模型（LLM）及相关技术，并取得了显著进展。

其DeepSeek-V3与DeepSeek-R1模型采用了创新技术，如FP8训练与多令牌预测，显著提升了训练效率与推理性能。

这些模型在数学、代码、自然语言推理等任务上与全球顶尖模型（如OpenAI的GPT-4）比肩，震动了国内外AI产业。

DeepSeek的开源策略与国内团队的创新，特别是在算力有限的情况下，通过算法创新推动AI技术突破，提振了国产AI的信心。

自DeepSeek-R1发布后，OpenAI等美系AI公司也加大了模型迭代和技术投入，推动全球AI市场加速创新和发展。

DeepSeek推动了AI应用在多个领域的突破，特别是在2G（通用应用）、2B（企业应用）和2C（消费类应用）市场的广泛应用。

DeepSeek的技术突破预计会推动AI产业的快速发展，特别是对于算力供应商（如寒武纪、浪潮信息等）和AI应用公司（如科大讯飞、金蝶国际等）而言，市场前景广阔。

随着DeepSeek等本土创新企业的崛起，国内AI产业的估值有望得到重新评估，为投资者提供了新的机会。

3、《人形机器人的GhatGPT时刻已至》摘要

特斯拉具有自研的芯片、数据训练、大模型和机器人本体制造技术，计划在2025年实现千台量产目标，并将机器人产品用于广泛的商业化场景。

作为算力和数据训练的领先公司，英伟达通过微软的技术平台支持人形机器人公司，已经与14家机器人公司合作，成为行业的重要推动力。

Google从最初放弃机器本体发展转向与机器人公司合作，专注开发下一代机器人，具备强大的大模型能力。

OpenAI目前在机器人领域投入较小，主要通过投资和自研推进机器人本体的研发，但尚未全面投入。

专注人形机器人，已获得宝马和亚马逊等订单，预计未来四年订单需求达10万台，2025年销量目标为几千台。

随着海外公司进入大规模生产阶段，预计中国厂商将成为供应链的主要受益者，特别是特斯拉的Tier1供应商。

重点推荐Tier1供应商如三花智控、拓普集团，Tier2供应商如鸣志电器、绿的谐波、双环传动，并关注北特科技、浙江荣泰等。

4、《2025年宏观经济的“变”与“定”》摘要

新质生产力和技术创新成为中国经济复苏的重要动力，预计全要素生产率（TFP）将在2023年回升至0.8%，并可能迎来新一轮上行。

中国通过超常规逆周期调节，包括更大力度的财政和货币政策、推动核心技术突破、强化自主产业链等手段。

DeepSeek作为一个以“算法创新+有限算力”作为发展路径的公司，对国内外AI产业、算力需求、芯片格局等多个领域产生了深远影响。

DeepSeek优化了AI模型的训练和推理过程，虽然短期内训练侧算力需求可能受到影响，但通过推理价格下降，DeepSeek吸引了更多的用户调用模型，推动了算力需求的增长。

这种变化表明，短期内算力需求量虽然受到短期因素影响，但中长期内，推理算力需求将持续增长，并推动英伟达H100等高端GPU租赁价格提升。

Sora从文本和图像数据扩展到视频数据，大幅提升了算力需求，因此多模态的广泛应用将是未来算力需求增长的一个关键驱动因素。

尽管DeepSeek提高了训练算力的使用效率，英伟达（NV）在计算能力和生态系统上的护城河仍然强大。

推理侧正在朝着推理化、国产化、ASIC化三个方向发展，国产AI芯片将逐步填补市场空白，推动行业向自主可控方向发展。

DeepSeek的技术创新主要体现在模型结构优化（MLA+MOE）、训练方法创新（DalPipe）和针对性GPU优化（FP8混合精度）等方面。

通过这些技术提升，DeepSeek降低了训练成本并支持开源，使得下游企业能够通过本地部署或云端调用，进一步降低了使用成本。

Sparse模型（MOE模型）通过多专家模型能够更高效、专业地解决特定任务，因此未来AI模型可能会朝着Sparse（MOE）方向发展，以提高任务处理效率。

蒸馏技术可以通过将大参数模型“压缩”成小型高效模型来减少硬件需求、推理时间和成本，特别适合在本地部署和端侧应用。

AI大模型正逐渐从单一的文本扩展到多模态（如图像、视频等），推动了跨领域、跨模态的深度学习应用。

通过降低推理成本，DeepSeek使得各行各业的AI应用（尤其是在AI推理方面）能够更快地实现商业化，带动应用领域的跨越式增长。

北美CSP（云服务提供商）厂商通过增加资本开支，强化了服务器和数据中心的建设，重视模型预训练与推理技术的发展，特别是DeepSeek所带来的技术创新。