2025年开年，DeepSeek 用远低于行业水平的550万美元训练成本和屠遍各榜的性能表现，搅动得 AI 大模型圈风云变幻。2月，Claude3.7Sonnet 用数千万美元的训练成本和刷新 SOTA 的扩展思考模式，再次拔高了大模型的能力边界。

一轮又一轮的更新和发布，把 AI 大模型性能不断“卷”向新的高度。但与两年前 ChatGPT 问世时的盛况相比，新模型们总是缺少一些“惊艳”的感觉。

或许是因为，这两年我们见证了太多“最强大模型”的发布，从拼参数到拼上下文，从拼多模态到拼成本，似乎陷入了各大模型轮番屠榜的无限流中。

部署大模型的企业对此的感知或许更为深刻。前脚刚配置好硬件，选好大模型做完训练和微调，终于集成到企业系统中，后脚就发现又有更具性价比、更适合自身业务场景的大模型问世。这种快速迭代的技术环境，让企业在 AI 应用落地过程中面临巨大的不确定性。

在大模型层出不穷的当下，企业真正需要的，其实是多样化的模型选择和灵活的部署方式。

DeepSeek 火了，“带得动”AI 应用落地吗?

DeepSeek 的发布在全球范围内引发了连锁反应。过往，大家对大模型的固有认知是“高投入才能有高回报”。但 DeepSeek 走出了一条不一样的路——用 GPT-4十分之一的训练成本，打出了与之相当的性能表现。

更重要的是，DeepSeek 选择了开源。开源意味着技术的透明和共享，也意味着全球 AI 行业都可以沿着 DeepSeek 工程优化的路径，来降低模型的训练和推理成本。

在 DeepSeek 的推动下，全球掀起了低成本 AI 模型“狂欢”。与此同时，行业的关注点也在发生转变。

过去，企业在选择 AI 模型时，往往会优先关注模型的性能，如准确率、推理速度等技术参数。如今，随着以 DeepSeek 为代表的低成本 AI 模型光速出圈，AI 应用迎来“安卓”时刻，企业更关心的是如何快速将新模型应用到业务中，并产生商业价值。

这不是只属于 DeepSeek 一家公司的狂欢，因此，围绕 DeepSeek-R1的部署和集成，成了国内企业开年最重要的课题。

云厂商对此的反应十分迅速，且步调统一。1月30日，亚马逊云科技、微软 Azure 纷纷宣布接入 DeepSeek-R1模型。2月初，华为、腾讯、阿里等国内云厂商也开始陆续宣布接入。

一个有趣的现象是，云厂商们几乎都有自研大模型，为什么还要接入第三方大模型?

亚马逊 CEO Andy Jassy 曾在一场会议中给出了答案:“我们秉持一种信念，即几乎所有大型生成式人工智能应用都会使用多种模型类型，而且不同客户会针对不同类型的工作负载使用不同模型，那么你就要尽可能多地提供前沿模型让客户选择。我们正通过 Amazon Bedrock 这类服务来实现。这就是为什么我们迅速行动，确保 DeepSeek 模型能在 Amazon Bedrock 和 SageMaker 平台上使用。”

在这些接入 DeepSeek-R1模型的云厂商中，亚马逊云科技的动作迅速且坚决，甚至在3月11日，上线了完全托管的 DeepSeek-R1——企业不需要管理任何基础设施，甚至不用担心复杂的设置或运维，以 Serverless 按 token 付费的模式，将其应用于企业级部署。

Andy Jassy 在 LinkedIn 上发文表示:“我们让 DeepSeek-R1的使用变得更加轻松。该模型现已在 Amazon Bedrock 上以完全托管模式提供——亚马逊云科技是首个将 DeepSeek-R1作为完全托管服务推出的云服务提供商。用户无需进行任何配置或维护，即可获得所需的全套安全防护和工具（如 Guardrails、智能体 Agents 和知识库），用于构建高效实用的生成式 AI 应用。”