业内人士眼中的DeepSeek

大模型行业的“黑马”DeepSeek到底有哪些“本领”，将给石油和化工行业发展带来哪些影响？《中国化工报》记者就此采访了多名业内人士。

广州石化信息化专家张洪灏：DeepSeek最大的优势在于算法的改进和优化，这极大节省了算力和数据量，使得训练成本大幅降低。同时，其低训练成本也会降低硬件的投入门槛，从而解决美国限制出口高端GPU“卡脖子”问题。

DeepSeek-R1大模型在解决复杂数学问题时拥有极强的“拆解能力”，能够将复杂任务分解为更小的步骤并逐一执行，从而提高其准确性。打个比方，ChatGPT像“文科生”，擅长编段子、写文章，而DeepSeek更像理科生，擅长推理和深度思考。DeepSeek基于思维链，模型推理能力和深度思考能力极为强大。其通过建立智能化知识库，可改变知识的获取模式，借助语言大模型整合各类专业知识，更加高效精准地反馈给员工。

未来，科学智能将是更高层次的人工智能大模型，将在新材料科学探索方面，解决科研人员面临的缺乏数据和有效的数据分析方法、很多研究依靠经验和试错方法、理论研究难以用来解决实际问题等痛点，使实验与模拟能力大幅提升，加速化工新材料、炼油化工催化剂的研发进程。

北京化工大学教授、博士生导师辛春林：在推动石油和化工行业转型发展方面，DeepSeek将提升企业的数据分析与决策能力，助力研发与可持续创新，同时优化生产运营与成本控制。

DeepSeek拥有强大的深度学习与自然语言处理能力，可以快速处理和分析海量行业数据，包括生产数据、市场数据、供应链数据等，帮助企业更准确地预测市场需求、优化生产计划、调整供应链策略，从而提高运营效率和经济效益。

DeepSeek通过分析原油价格波动、成品油市场需求变化等数据，能为企业提供决策支持，帮助制定更合理的采购和销售策略。

DeepSeek开源模型的社区协作机制还加速了技术的迭代和创新。具体到新材料研发领域，DeepSeek可以通过高效文献检索与知识整合，快速获取最新的研究成果和技术信息，帮助研究人员了解行业前沿动态，启发创新思路。同时，DeepSeek还可以协助进行实验方案优化与预测，为研究人员提供优化的实验方案和预测结果，提高研发效率和成功率。

另外，在生产运营与成本控制方面，DeepSeek可对石化生产过程中的各种数据进行实时监测和分析，及时发现生产过程中的异常情况和潜在问题，帮助企业采取有效的措施进行调整和优化，提高生产效率和产品质量。同时，它还能帮助企业更准确地掌握原材料采购成本、能源消耗成本等信息，制定合理的成本控制策略，降低生产成本和碳排放。

江苏华昌化工股份有限公司有关负责人：DeepSeek等深度分析模型在化工行业应用前景广阔，有望推动全产业链智能化升级。在生产环节，DeepSeek类模型可通过对反应参数、设备状态等海量数据的实时分析，优化工艺条件，提升原料转化率，降低能耗；在质量控制方面，结合计算机视觉技术，可实现对产品微观结构的智能检测，提升缺陷识别准确率；在预测性维护领域，通过建立设备数字孪生模型，提前预警关键机组故障，降低非计划停机损失；在安全管控层面，可整合DCS、视频监控等多源数据，实现动态风险预警，减少人为误判风险。随着化工行业数字化转型深化，深度分析技术将成为实现智能制造、绿色生产的关键驱动力。

西南化工研究设计院变压吸附所副总工程师梁军：如果DeepSeek能够提供接口，接入石化行业现有的服务程序中，将会更加适应行业特点，为行业提供更加精准的规划、资讯等方面的帮助。

捷诚能源首席分析师闫建涛：DeepSeek强大的逻辑推理和预测功能，能为我们这些做能源深度研究的人提供更加有益的建议。在企业发展战略层面，DeepSeek能够提供更充分的数据支撑、更多的情景分析，市场分析和营销预测也会更精准；在生产经营层面，能够引导企业管理更规范，风险控制更及时，从而降低全产业链成本。

清华大学新闻学院教授沈少阳：如果说传统的生成式大模型是“兼职助理”，那么推理大模型就是“正式员工”，并且是一位对工作可以“兜底”的员工，包括理解需求、推理使用场景、寻找生产资料，并输出完整的结构化内容。强大的推理大模型是“善解人意”的好助手，但它会因为“太聪明”而自作主张，出现对提示语“视而不见”的情况。因此现阶段还需保持耐心，随时接受推理大模型“罢工”，因为推理大模型也需要“调教”。