模型发布概览 - 在ChatGPT发布三周年之际，DeepSeek同时发布了两款新模型：DeepSeek-V3.2和DeepSeek-V3.2-Speciale [1] - DeepSeek-V3.2聚焦平衡实用，适用于日常问答、通用Agent任务和真实应用场景下的工具调用 [1] - DeepSeek-V3.2-Speciale主打极致推理，推理基准性能媲美Gemini-3.0-Pro [3] 模型核心能力与定位 - DeepSeek-V3.2的推理能力达GPT-5水平，略低于Gemini-3.0-Pro [2] - DeepSeek-V3.2-Speciale在高度复杂数学推理、编程竞赛、学术研究类任务上能力出众 [13] - DeepSeek-V3.2-Speciale在指令跟随、数学证明、逻辑验证方面能力出众，但未针对日常对话与写作做专项优化，且仅供研究使用，不支持工具调用 [13][14][15] - 在高度复杂任务上，Speciale模型大幅优于标准版本，但消耗的Tokens也显著更多，成本更高 [16] 关键性能指标与竞赛表现 - DeepSeek-V3.2-Speciale斩获IMO 2025、CMO 2025、ICPC World Finals 2025、IOI 2025金牌 [4] - 在ICPC竞赛中达到人类选手第二、IOI竞赛中达到人类选手第十名水平 [5] - 在AIME 2025（美国数学邀请赛）中，DeepSeek-V3.2-Speciale得分为96.0，高于GPT-5 High的94.6和Gemini-3.0 Pro的95.0 [17] - 在HMMT Feb 2025（哈佛MIT数学竞赛）中，DeepSeek-V3.2-Speciale得分为99.2，显著高于GPT-5 High的88.3和Gemini-3.0 Pro的97.5 [17] - 在CodeForces（世界级编程竞赛）中，DeepSeek-V3.2-Speciale评分为2701，接近Gemini-3.0 Pro的2708，并高于GPT-5 High的2537 [17] 架构创新：DSA稀疏注意力机制 - DeepSeek-V3.2最大的架构创新是引入了DSA（DeepSeek Sparse Attention）机制 [21] - 传统注意力机制在处理长序列时计算复杂度是O(L²)，而DSA将计算复杂度降低到O(L·k)，其中k远小于L [22][23] - DSA包含两个组件：闪电索引器（lightning indexer）和细粒度token选择（fine-grained token selection）机制 [27] - 闪电索引器负责快速计算查询token和历史token之间的相关性分数，然后只选择top-k个最相关的token进行注意力计算 [28] - 团队采用了两阶段训练策略：第一阶段是Dense Warm-up，保持密集注意力，只训练lightning indexer，用了1000步，处理了21亿个tokens；第二阶段引入稀疏机制，每个查询token选择2048个键值对，训练了15000步，总共处理了9437亿个tokens [30][31][32][33] - 在128k长度的序列上，当序列长度达到128K时，预填充阶段每百万token的成本从0.7美元降到了0.2美元左右，解码阶段从2.4美元降到了0.8美元，推理成本比V3.1-Terminus降低了好几倍 [35] 强化学习与后训练 - 强化学习训练的计算预算已经超过了预训练成本的10%，这在开源模型中相当罕见 [37][38] - 团队开发了稳定、可扩展的RL协议，使训练后阶段的计算预算超过了预训练成本的10% [40] - 团队在GRPO算法基础上做了多项改进，包括无偏KL估计、离线序列掩码策略，并特别针对MoE模型设计了Keep Routing操作 [41][42][44][46] - 在具体训练上，团队采用了专家蒸馏的策略，先为数学、编程、通用逻辑推理、通用Agent任务、Agent编程和Agent搜索这6个领域训练专门的模型，然后用这些专家模型生成特定领域的数据来训练最终模型 [47][48] Agent能力突破 - DeepSeek-V3.2模型在Agent评测中达到了当前开源模型的最高水平 [8] - 团队找到了让模型同时具备推理和工具使用能力的方法 [50] - 团队设计了新的思考上下文管理机制：只有在引入新的用户消息时才丢弃历史推理内容，如果只是添加工具相关消息，推理内容会被保留 [54] - 团队开发了一个自动环境合成pipeline，生成了1827个任务导向的环境和85000个复杂提示 [58] - 在代码Agent方面，团队从GitHub挖掘了数百万个issue-PR对，成功搭建了数万个可执行的软件问题解决环境 [63] - 评测结果显示，DeepSeek-V3.2在SWE-Verified上达到73.1%的解决率，在Terminal Bench 2.0上准确率46.4%，都大幅超越了现有开源模型 [64] - 在MCP-Universe和Tool-Decathlon等工具使用基准测试上，DeepSeek-V3.2也展现出了接近闭源模型的性能 [65] 综合基准测试表现 - 在工具使用基准T2-Bench上，DeepSeek-V3.2得分为80.3，低于Claude-4.5-Sonnet的84.7和Gemini-3.0 Pro的85.4，但高于GPT-5 High的80.2 [12] - 在MCP-Universe基准上，DeepSeek-V3.2成功率为45.9%，低于Gemini-3.0 Pro的50.7%，但高于Claude-4.5-Sonnet的46.5%和GPT-5 High的47.9% [12] - 在Tool-Decathlon基准上，DeepSeek-V3.2得分为35.2，高于GPT-5 High的29.0和Gemini-3.0 Pro的36.4 [12] - 在MMLU-Pro（EM）基准上，DeepSeek-V3.2得分为85.0，低于Gemini-3.0 Pro的90.1，但高于Claude-4.5-Sonnet的88.2和GPT-5 High的87.5 [66] - 在GPQA Diamond（理工科博士生测试）基准上，DeepSeek-V3.2得分为82.4，低于Gemini-3.0 Pro的91.9和GPT-5 High的85.7 [66] - 在LiveCodeBench（世界级编程竞赛）基准上，DeepSeek-V3.2得分为83.3，低于Gemini-3.0 Pro的90.7和GPT-5 High的84.5 [66] 模型局限性 - 由于总训练FLOPs较少，DeepSeek-V3.2的世界知识广度仍落后于领先的闭源模型 [68] - Token效率是个挑战，通常情况下，本次上新的两个模型需要生成更长的轨迹，才能达到Gemini-3.0-Pro的输出质量 [69]

产品概述与市场热度 - Hogi公司推出的AI动画生成Agent产品OiiOii在市场上引起现象级关注，7210个内测名额迅速被抢光[7] - 免费邀请码在二手平台闲鱼上被炒至30元人民币，内测群数量超过50个，按500人/群估算约有2万多人排队等待内测[7][8] - 内测用户中包括粉丝量达2000万的顶级创作者，显示产品对专业内容创作者的吸引力[7] 技术突破与产品差异化 - 产品成功攻克AI视频动画领域的核心痛点"人物一致性"，这得益于Sora2和nanobanana2技术的突破[5][30] - 采用多Agent协同系统模拟专业动画制作流程，包含艺术总监、场景设计师、编剧、分镜师等7个AI Agent角色[15][18] - 与传统AI视频工具不同，OiiOii将用户定位为"甲方"，只需提供需求而不需编写复杂提示词，大幅降低使用门槛[14][37] - 生成内容具备专业导演感，包含推拉摇移等镜头语言设计和景别变化，符合影视逻辑[28] 市场定位与需求分析 - 精准选择动画垂直赛道，规避真实世界视频生成的"恐怖谷效应"，利用观众对动画风格更高宽容度的特点[34] - 将动画创作目标用户从1万专业人群扩展至20万泛创作者，显著扩大市场规模[5][73] - 满足短视频时代爆发式增长的视觉表达需求，为自媒体、博主、创业者等提供动画内容制作解决方案[70][41] 产品能力与用户体验 - 在30分钟内可将用户想法转化为60秒时长的动画短片，包含音频、画面和转场等完整要素[22][46] - 通过"托管模式"实现一键生成，用户仅需确认关键节点，极大简化操作流程[21] - 当前画质尚未达到工业级标准，但在自媒体短视频和MV概念片领域可达到70-80分水准[32] 行业洞察与发展趋势 - AI动画创作正从专业技能向基础能力转变，让非专业人士也能创作70分作品[51] - 技术发展类似摄影史演进轨迹：从专业艺术到大众创作工具，最终丰富整个内容生态[49] - 行业迎来技术窗口期，人物一致性问题的解决为AI视频动画爆发奠定基础[64][66] 核心竞争力与商业壁垒 - 核心壁垒在于行业Know How而非单纯技术，包括镜头语言、节奏感和角色一致性等隐性知识[54][55][56][57] - 团队具备动画行业背景，理解专业制作流程，这是纯技术团队难以复制的优势[60] - 产品开发周期仅两个月，展现团队快速将前沿技术产品化的能力[54] 商业模式与未来挑战 - 内测期间免费提供服务，但未来商业化面临定价挑战，据估算20秒视频成本接近2元[76] - 关键挑战在于找到产品市场契合点，验证用户付费意愿和可持续商业模式[76][77] - 需要平衡技术成本与用户接受度，确定合理的收费策略[76]

文章核心观点 - 人工智能革命竞争激烈，其发展可能导致商业模式高度集中，甚至对现有巨头构成挑战 [1] - 领先科技公司在人工智能领域投入巨额研发资金，预示行业将发生重大变革 [1] 行业趋势与竞争格局 - 人工智能行业的竞争很可能导致更加垄断的商业模式，类似互联网和移动互联网的发展趋势 [1] - 人工智能和智能体（Agent）的实现可能使全球市场被少数几家公司控制，这些公司的市值可能达到不可思议的规模 [1] 公司动态与战略投入 - 亚马逊过去一年的研发投入为1250亿美元 [1] - 谷歌过去一年的研发投入为900亿美元 [1] - 微软与OpenAI联合宣布的投入规模约为1000亿美元 [1] - 人工智能革命可能对腾讯、微信等现有商业模式构成重大挑战 [1]

文章核心观点 - 反对当前ToB公司盲目投入GEO，认为90%的中国ToB公司不需要GEO [2] - 支持AI Agent作为下一代产品形态和真正的未来流量入口 [1][20][21] - 现阶段GEO存在产品和商业闭环不成熟、流量效果有限、行业结构性不稳定等问题 [3][5][6][7][8] GEO的现状与问题 - GEO尚未形成成熟的产品和商业形态，缺乏稳定的利益闭环 [3][5] - 现阶段GEO形态是大模型进行产品推荐排名，但ToB用户采购行为习惯仍在搜索端，AI大模型带来的流量极少，并未颠覆用户进入习惯 [6] - 大模型不断迭代且市场份额不稳定，导致GEO存在行业级结构性不稳定性，权重评估逻辑变动频繁，无法形成体系化方法论 [7] - 目前没有任何一家ToB企业能通过GEO直接撬走别人的搜索份额，没有弯道超车的案例 [14][15] 流量来源分析 - 百度是中国ToB流量的主要来源，百度有的流量中国ToB就有，百度没有的哪里也没有 [10] - 百度流量远超AI大模型流量，且百度也在将搜索流量导入AISearch和自有AI生态 [11][12] - 当前数据下滑是整体环境问题而非竞争对手通过GEO抢走流量，SEO和GEO本质上仍属同一流量池 [12][13] SEO与GEO的关系 - 许多公司GEO效果差的根本原因是之前的SEO基础未打好，如网站架构混乱、关键词布局不合理等 [17] - 在技术上GEO是SEO的新型替代，但在业务上并非SEO的升级，地基不稳固无法指望上层建筑 [18][19] - 对于小团队，若产品力过硬，GEO是争取品牌曝光的机会点，但难以立刻获取海量流量 [19] AI Agent的未来展望 - 从SEO到GEO仅是过渡形态，真正的下一个时代是AI Agent [20][21] - 未来流量不依赖搜索引擎或GEO技巧，而是取决于产品能否成为大模型的“能力模块” [22] - 产品形态若是Agent，模型会自动根据业务需求将其推给用户，使其融入使用场景，成为系统的一部分 [22]

活动基本信息 - 2025中国技术力量年度榜单评选报名将于11月30日截止，目前仅剩一周时间[2][3] - 今年是InfoQ连续第五年举办该榜单评选，每年基本收到来自100余家企业的案例申报[4] - 评选结果将于12月19日在AICon·北京站揭晓，颁奖典礼同期举行[8] - 大会为期两天，地点为北京石景山万达嘉华酒店[9] 参与企业阵容 - 参评企业阵容强大，包括阿里、腾讯、京东、百度、字节跳动、网易、科大讯飞、蚂蚁科技、神州数码、商汤科技等行业巨头[4] - 昆仑万维、博查科技、无问芯穹、小影科技等创新代表也积极加盟[4] 榜单主题与类别 - 本次榜单以“洞察AI变革，见证智能未来”为主题[4] - 围绕AI基础设施、工程与部署、智能体生产力、行业应用、数据智能、AI Coding、具身智能与开源等八大方向[4] - 具体包括八大榜单类别，如年度AI基础设施卓越奖TOP20、AI工程与部署卓越奖TOP20等[5] 大会议程核心议题 - 大会将聚焦Agent（智能体）、AI编程、具身智能和多模态等热门AI议题[8] - 首日主题包括多模态大模型驱动的内容创作范式革命、Agent技术演进与落地、LLM时代的软件研发新范式等[10] - 专题讨论涵盖Context Engineering、Data+AI/Agent落地实践、大模型系统工程等领域[11][12] - 次日议题涉及企业级Agent的设计与落地、大模型时代下的搜广推系统实践、AI产品设计与体验创新等[14][15] - 其他重点议题包括大模型推理优化与边缘AI部署、多模态从技术突破到创新应用落地等[16] 演讲嘉宾与内容 - 智象未来联合创始人姚霆博士将分享多模态大模型驱动的内容创作范式革命[10] - 360集团副总裁梁志辉将探讨Agent技术从工具到伙伴的生产力变革[10] - 来自蚂蚁集团、百度、平安科技、汽车之家等公司的专家将分享AI在企业研发、测试等环节的落地实践[10] - 商汤科技、腾讯、火山引擎、阿里云等公司的专家将分享数据驱动智能体的实战经验[11] - 小米、实在智能、豆神教育、阿里巴巴、OPPO等公司代表将分享企业级Agent技术的落地实践与思考[14]

文章核心观点 - AI时代价值创造的核心模式是围绕“组合”与“拆分”展开的，技术通过解构现有体系创造机会，而商业通过重新组合这些解构的模块来捕获价值 [2][94][95] - Grammarly通过收购Coda和Superhuman，从单一语法工具转型为开放AI Agent平台，其战略是用开放生态的组合对抗微软等巨头的封闭生态组合 [4][28][29] - 集装箱的历史表明，标准化和模块化能引发局部创新和指数级增长，AI作为“智能的集装箱”有望通过解构和重组知识与能力，带来经济模式的根本性变革 [67][78][80] (一) 一个有护城河，但没有城堡的产品 - Grammarly年收入超过7亿美元，用户量突破4000万，并反向收购了文档独角兽Coda和邮箱客户端Superhuman，将新集团更名为Superhuman [4] - Grammarly的核心护城河是其构建的底层分发能力，能嵌入50万个应用和网站，实现AI在各种工作场景中的无缝读写和修改，这被比喻为一条“高速公路” [11][12] - Grammarly缺少一个核心目的地或“城堡”，收购Coda是为了获得文档中心作为大本营，收购Superhuman是为了占据邮件这一第一大使用场景，从而将Agent、文档和邮件彻底打通 [14] - 新战略是将Grammarly的分发渠道开放为Agent平台，解决“AI最后一公里”问题，例如将教授chatbot嵌入学生写作业的文档中，让AI主动跑到用户身边 [16][20][21] - 未来想象场景是销售人员的肩膀上可同时坐着语法修改Agent、CRM Agent、Support Agent甚至书籍知识Agent，实现多维度智能辅助 [24][25][26] - 第三方应用如Duolingo可通过Grammarly平台实现场景重塑，从被动打开的应用变为寄生在工作流中主动服务的精灵，例如根据用户实际学习内容动态调整课程 [27] (二) 一位硅谷顶尖CEO的世界观：万物皆可Bundle - 新集团CEO Shishir Mehrotra拥有丰富的组合实践经历，包括在微软见证Office套件、在YouTube探索订阅制、在Spotify定义流媒体打包形式，以及在Coda打造一体化文档界面 [38] - 组合策略的核心价值在于激活“非刚需用户”，例如Spotify通过打包音乐盘活了用户“还算喜欢但不愿单独购买”的需求，而单点付费模式只能赚取“刚需用户”的钱 [32] - 最佳组合策略是捆绑用户群体错开但非刚需用户重叠的产品，例如Spotify学生包组合了音乐、Hulu视频和Showtime视频，利润惊人，因为同时订阅这些服务的学生原本非常少 [40] - 组合内收入分配的关键不是使用量，而是边际流失贡献，即移除某个产品会导致多少用户退订，例如有线电视套餐中体育频道分成是历史频道的20倍，因其不可替代性更高 [41][42] - 产品可根据使用量和边际流失贡献分为四类，高使用量低边际流失贡献的产品适合卖广告，低使用量高边际流失贡献的产品适合直接向用户收费 [45] - AI时代生产力工具进入Agent时代，软件呈现“双重低成本”特征，这将导致软件大爆发，单点AI工具的红利期非常短暂，很快会被平台聚合进套件 [48][50][51] - AI使得“千人千面的动态组合”成为可能，产品可基于用户数据实时定制个性化组合，实现价值榨取的最大化 [51] - 组合思维可应用于更广领域，例如医疗保险本质是将健康人群与患病人群组合，并在不同国家与就业或国籍进行再组合 [54][55] (三) 读完集装箱的历史，我对AI非常乐观 - 技术革命遵循“拆分创造市场机会，重组捕获价值”的规律，价值链中的稀缺资源决定了重组的权力 [56] - 人类传播革命经历了多次拆分：文字拆分消费与创作、印刷机拆分复制、互联网拆分分发，AI则最后一次拆分了想法产生与具象化过程 [58][60][63][65] - 集装箱通过标准化协议解绑了制造业，其二阶效应是促使全球供应链专业化竞争，导致创新从公司内部能力上限解放出来，呈现“分形式增长”，全球GDP曲线在1960年代后加速 [70][72][74][75] - AI类似于“智能集装箱”，将认知劳动向量化，使能力和知识得以在全球范围内自由调用和重组 [80] - 未来竞争将分化为两极：一端是极致的组件专家在细分领域卷到世界第一，另一端是极致的整合大师将智能模块重组为新物种 [82] - 创新速度将呈指数级增长，每个AI组件的小幅提升都能使依赖它的所有业务同步提升 [83][84] - 生产成本下降和分发精准度提升将使长尾经济成为可能，长尾需求的总和将超过头部市场 [85][86][88] - 职业分类将发生根本改变，白领工作可能走向“好莱坞模式”，人员以项目制集结，职业被解构为可租用的能力向量 [89][90][91]

核心观点 - Gemini 3 Pro在多模态理解和逻辑推理两大关键能力上显著提升 [1] - 建议关注以多模态为代表的应用机会，同步关注模型发展带来的算力新需求 [1] 模型能力提升 - 多模态性能有显著领先 [1] - Agent相关能力在长文本检索、任务流程规划等方面形成亮点 [1] - Coding方面以前端开发为主要方向 [1] 产业机遇 - 持续关注原生多模态技术发展带来的产业变化 [1] - 关注多模态推理带来的全新应用场景机会 [1] - 模型能力和开发平台升级更好支持细分场景的Agent开发落地 [1] 投资关注方向 - 多模态应用机会 [1] - Agent应用机会 [1] - 模型发展带来的算力产业链需求 [1]

核心观点 - 建议关注以多模态为代表的应用机会，同步关注模型发展带来的算力新需求，具体包括多模态、Agent、算力产业链三大方向 [1] 多模态能力 - Gemini3Pro在多模态理解和逻辑推理两大关键能力上显著提升，其中多模态性能有显著领先 [1] - 应持续关注原生多模态技术发展带来的产业变化，以及多模态推理带来的全新应用场景机会 [1] Agent能力 - Agent相关能力升级符合预期，在长文本检索、任务流程规划等方面形成亮点 [1] - 结合模型能力和开发平台升级，更好支持细分场景的Agent开发落地 [1] 编程能力 - Coding方面以前端开发为主要方向，相关效果值得期待 [1] 投资建议 - 建议关注三大方向：多模态、Agent、算力产业链 [1]

可灵AI业务表现 - 2025年第三季度可灵AI营业收入超过3亿元 [1] - 可灵AI全球用户规模突破4500万，累计生成超2亿个视频和4亿张图片 [1] - 2025年9月底推出2.5 Turbo模型，在文本响应、动态效果、风格保持、美学质量等多个维度实现大幅提升 [1] 视频生成赛道竞争格局 - 视频生成赛道涌现出来自互联网大厂与创业公司等众多参与者，行业仍处在快速技术迭代和产品形态探索的早期阶段 [1] - 行业竞争加速技术进步，推动视频生成技术更好地满足用户需求，渗透更多应用场景 [1] - Sora 2等产品将视频生成与社交互动深度融合，C端消费级应用的落地进程明显加快 [2] 可灵AI未来战略方向 - 公司愿景是"让每个人都能用AI讲出好故事"，聚焦于AI影视创作这一核心目标 [2] - 迭代方向围绕技术领先性与产品想象力双线推进，结合多模态交互理念持续升级基础模型与产品能力 [2] - 当前主要精力面向专业创作者以提升使用体验和付费意愿，同时保持在C端应用场景的探索，未来将技术与社交互动结合以加速商业化 [2] AI在快手的整体应用 - AI大模型在快手内部深度赋能内容与商业生态，并显著提升内部组织与研发效率 [2] - 公司正构建以用户需求为核心、立足现有业务场景的AI技术与应用体系，赋能内容生态、商业生态和组织基建 [3] - 从AI技术创新到应用落地，再到营收增长的良性循环正在公司内部形成，全方位的AI应用生态使公司具备更强的市场适应性和增长潜力 [3]

公司战略与AI转型 - 公司正积极拥抱AI，内部快速组建专门算法和AI团队攻坚Agent落地，计划在明年年初正式推出新一代商旅费控Agent产品 [1] - 公司创始人判断未来两三年内Agent将成为AI产品主流形态，公司目标为打造可用且好用的Agent服务企业支出管理 [4][7] - AI战略以务实态度推进，重心由Copilot转向Agent，多个Agent研发齐头并进，最终将整合成完整下一代产品 [7][9][18] 商业模式与行业定位 - 公司商业模式定位在商旅消费和费控报销两条赛道交汇点，通过一个平台满足企业两方面需求 [5] - 公司发展路径迥异于单一基因厂商，从商旅切入并打通供应链后扩展至费控，其“干掉报销”口号已成为行业共识，目前至少90%以上报销已被消灭 [6] - 公司计划用24个月时间实现至少50%以上GMV通过Agent渠道完成，商业模式将顺势下沉至小微客户群体并放大出海机会 [20] 产品研发与场景应用 - 以商旅为核心场景已裂变出四五款Agent，包括管控Agent、AI审批和AI砍价等，覆盖流程改造和效率优化 [1][9][15] - 商旅Agent研发注重场景价值与第一性原理，通过将出差需求结构化并运用大模型+小模型结合方式提升行程规划和智能推荐精准度 [14][15][16] - 产品考核以GMV规模为关键KPI，旨在评估客户实际使用情况，例如管控Agent可帮助客户识别资损，单需求点能为每月消费支出100万元客户找到5万元资损，全年省下60万元 [17][19] 公司运营与创始人角色 - 公司创始人兼首席执行官兰希入选2025年《财富》中国40位40岁以下商界精英榜单，评语肯定其战略和投融资经验优势 [2] - 创始人过去10个月拜访160多家客户，将一半以上时间投入AI产品研发，亲自把控产品细节，既是最大产品经理也是一线体验官 [10][15] - 公司今年已实现盈利且现金流健康，GMV整体保持两位数增长，创业第九年经历起伏后正迎来AI带来的正反馈和兴奋感 [20]