央国企动态系列报告之33：多领域央企接入DEEPSEEK 数据要素价值加速释放

　　国产开源模型DeepSeek 成功优化工程效率，性能高、成本低的优势突出，目前已有多家央企上市公司宣布接入，涉及算力端与应用端的多个领域。从更长周期来看，DeepSeek 等国产大模型，或将与央企的数据要素优势相结合，加速AI 应用的落地并创新商业模式，深刻重塑央企的发展动能与竞争优势。

    　　算力端上，中国电科、中国电子、中国信科旗下部分上市公司与三大运营商等央企，已完成DeepSeek 系列大模型的适配与部署，并呈现两大特征。一是DeepSeek 的工程效率优化优势对硬件端的要求有所降低，推动以昇腾为代表的国产智算硬件生态形成，中国移动、中国电信等央企实现从芯片层、推理引擎到模型服务的全国产化链路。二是DeepSeek 的开源特征与安全可控需求，使大模型本地化私有化部署渐成主流，如中国电子云已与部分地方政府及地方国企合作开展DeepSeek 系列模型的部署。

    　　应用端上，汽车、能源、网络安全、航运、传媒、智能办公乃至集成电路等多个领域的央企接入DeepSeek，AI+应用朝纵深发展。相较此前的国产模型或海外开源模型，DeepSeek R1 模型在推理能力、泛化能力等突破明显，较好满足各领域央企在复杂生产经营环境中的痛点与需求，牵引央企主动应用更先进的大模型。同时，2024 年初以来实施的央企“AI+”专项行动，要求“以应用带技术”加快重点行业赋能，央企对应用人工智能已有一定经验，为央企当前快速落地DeepSeek 模型的行动奠定基础。

    　　DeepSeek R1 性能强、成本低但幻觉问题突出，央企积淀的丰富数据有助于缓解模型幻觉问题，更快实现AI 技术应用落地。根据可信AI 平台Vectara 对大模型的幻觉测试结果，DeepSeek R1 的幻觉率明显远高于行业水平。受训练数据集等因素影响，OpenAI o1 等大模型也难以避免幻觉问题，这在公开数据少、知识壁垒高的专业领域更为明显。央企在能源、通信、交通等领域积累了海量的结构化数据，并在长期经营生产中形成较多的专业知识沉淀。基于这些垂类数据对DeepSeek 等大模型进行微调优化或训练，有助于降低模型的泛化偏差与缓解幻觉问题，加速AI 应用端的落地，助力央企提质增效、转换增长动能。

    　　DeepSeek 的开源生态及其带动的AI 需求，加速数据要素的流通与市场化趋势，央企的数据要素价值将进一步释放。DeepSeek 很大程度上正推动AI 生态从闭源走向开源，也推动着数据要素的流通速度与配置效率的提高，近期相关政策还将加速数据要素的流通与市场化趋势。2025 年1 月6日，发改委等六部委联合印发《关于完善数据流通安全治理 更好促进数据要素市场化价值化的实施方案》，促进数据开发利用；根据《经济观察报》2 月13 日报道，国资委正在筹备新央企国家数据集团，进一步整合和优化全国数据资源，推动数据要素的高效配置与深度应用。随着数据要素市场化机制的完善，央企将进一步释放数据价值，并有望成为各自产业领域数据治理的标准制定者与生态维护者，构建差异化的竞争优势。

    　　风险提示：国企改革相关政策的推进进度不及预期，或后续政策方向发生变化；人工智能的发展不及预期；报告中列示上市公司不涉及投资建议。