DeepSeek对数据要素产业的关键影响分析｜iLaw

2025年，中国自主研发的DeepSeek-R1大模型横空出世，以开源、高性能、低成本的核心优势，7天用户破亿，迅速成为全球AI产业的焦点。其技术突破不仅重新定义了AI研发范式，更通过对数据要素产业的深度重构，推动经济形态向智能化跃迁。本文聚焦DeepSeek-R1对数据要素产业链的重塑效应，并展望通用人工智能（AGI）的未来影响。

DeepSeek: 以高质量数据工程实现数据质量革命

数据优选系统提高了数据利用效率，传统模型依赖海量数据训练，而DeepSeek通过强化学习自动筛选高价值推理数据，使训练数据量需求从千亿级降至百亿级。数据质量优先原则逐渐成为领域共识，比数据规模更重要的是数据质量与密度。

开展了教科书级的数据工程，DeepSeek采用LaTeX结构化数据、图文关联标注、多模态对其技术，数据预处理效率和输出呈现效果得到极大提升。

合成数据表现出色。DeepSeek采用的高质量合成数据与其训练方式、推理任务相匹配，极大降低了数据成本。DeepSeek-R1 Zero首次证明了基于大规模强化学习与高质量合成数据结合的技术路径，可在不依赖标注数据的情况下，获得高水平推理能力。此外，DeepSeek-R1能够通过合成数据将高级推理能力迁移到较小的模型中，达到接近在原始数据上训练的效果。

产业重构：数据要素上中下游的协同迭代

（一）上游：数据与算力产业的迭代

1.语料行业：数据需求从“量”向“质”转变

传统数据标注业或受到冲击。MIT协议允许自由蒸馏R1模型，导致对传统语料数据集的需求萎缩。某从业者坦言“DeepSeek-V3/R1的诞生，冲击最大的行业是数据集公司，因为R1是MIT协议，蒸馏下随便就能超高分数，再老实买数据集从头训练似乎不太划算了”。另一位从业者直言“传统语料生意迟早是要萧条的，DeepSeek搞的数据真是好，教科书一般，图文并茂，真不是一般的好，节约了太多预处理工作量。现在各个大厂都在猛蒸馏 DeepSeek”。这一转变推动数据要素产业从粗放式采集向精细化治理升级，倒逼数据标注等环节迭代。

模型提升将更多依赖RL自主强化学习，而非人工标注。随着DeepSeek-R1/Chatgpt o3的诞生，大模型的智商已经超越了普通人，只有专家级别的标注人员，才有可能进一步帮助模型提升，传统的数据标注企业基本很难再给DeepSeek这类模型提供有价值的数据集了。同时，任何专家标注数据都无法使得AI逃离人类思维的枷锁，因此为了训练出更强大的模型，DeepSeek等AI企业将进一步挖掘RL的自主强化学习能力，利用未标注数据进行预训练，通过挖掘数据中的内在规律和特征，进一步摆脱对人工乃至专家标注数据的依赖。

2.算力行业：国产化、边缘化与云端化并行

DeepSeek-R1的算法优化打破了“算力即权力”的深话，推动推理算力需求占比从30%升至65%。其影响体现在：依托国产算力摆脱英伟达依赖。DeepSeek推动算力市场从“英伟达依赖”向“多元适配”转型，带动国产芯片应用。目前DeepSeek已完成对华为昇腾910B、寒武纪MLU370的完整适配，在国产芯片集群上实现92%的英伟达A100等效算力利用率，成本低40%。催动边缘计算崛起。DeepSeek采用先进的模型压缩技术，大幅减少模型参数量和计算复杂度，使其能在资源受限的边缘设备上高效运行，突破了设备性能限制，模型轻量化技术使智能手机可本地运行R1级模型，其高隐私、低延迟、高可靠能有效满足市场需求。带动云计算产业升级。中金报告指出，DeepSeek推动算力需求从训练向推理迁移过程中，光模块、AI服务器等硬件需求激增，而云计算服务商通过提供弹性算力服务，成为连接数据要素与终端应用的关键节点。

（二）中游：数据流通范式迁移

数据交易形式迭代。进一步从“数据集”交易模式迭代到“数据服务”交易模式。目前上海数据交易所场内的数据产品交易中，数据服务及数据应用数量已超过数据集。随着DeepSeek接入交易所和供需企业，基于DeepSeek部署的数据服务交易会越来越多。此类实践标志着数据要素从“原材料”向“高附加值商品”的跨越。

数据交易流程优化。传统数据交易面临数据定价难、供需匹配效率低等痛点。DeepSeek可助力开展智能定价与撮合，基于AI的数据价值评估模型可动态分析数据稀缺性、应用场景和合规风险，为交易双方提供精准定价参考。目前上海数据交易所正推动数据资产入表、数据资产估值（金准估）、数据资产披露对接（金拱桥）等环节深度嵌入DeepSeek，提升入表、估值、撮合效率，提升数据交易及数据价值化实现效率。

数据流通基础设施提质增效。数据空间是解决数据流通安全问题和收益分配问题的尝试，基于区块链、隐私计算等技术高效实现“数据脱敏”和“数据确权”，推动医疗等领域的敏感数据“供出来”。DeepSeek或将提升数据空间中的价值挖掘与供需方匹配效率，并结合区块链为供数方精准定价及收益透明分配，提升各方供数意愿、降低用数难度。2024年上海数据交易所联合芯超数据多方共建幽门螺杆菌数据空间，未来将结合AI进一步提升数据供需方间的流通效率。

数商服务将从专业化走向一体化。数商生态包括了数据经纪服务商、数据产品开发服务商、数据资产评估服务商、数据合规评估服务商、数据授权运营服务商、数据质量评估服务商、数据咨询服务商等多种类型。随着DeepSeek应用渗透率提升，未来形态的数商将更多具备数据产品/数据资产全链条服务能力，为数据服务需方提供更高效优惠的“一站式”服务。这要求数商的能力维度从“垂直纵深”向“横向覆盖”演变。

（三）下游：“数据要素×重点行业”的应用场景变革

DeepSeek的开源战略打破了传统AI研发的封闭性，形成“技术普惠—场景扩展—生态繁荣”的正向循环，使中小企业和科研机构能够低成本部署AI能力，加速数据要素的应用场景扩展。开源模型衍生出金融、医疗、教育等数十个垂直子模型，推动技术生态从“通用大模型”向“行业小模型”下沉。

金融领域。国盛证券通过部署DeepSeek实现智能客户问答与系统运维，效率提升20%；江苏银行利用AI进行合同质检与估值对账，业务准确率显著提高。

医疗领域。平安好医生开发的诊疗Agent日均处理量等效300名全科医生，准确率达85%，推动医疗资源普惠化。

教育领域。学而思、作业帮等平台接入DeepSeek后，教育AI市场规模预计2025年突破800亿元，智能辅导覆盖超千万学生。金山办公WPS智能助手使合同撰写效率提升4倍，错误率降至0.3%以下。

文娱领域。视觉中国接入DeepSeek多模态API，3D素材库扩容后毛利率提升15%；横店影视城利用AI生成剧本分镜，制作周期压缩40%，实现文娱产业降本增效。

商贸领域。某电商客服系统引入DeepSeek后，日均处理量从百万级跃升至千万级，GPU集群扩容3倍以上。

这一过程中，中小企业的角色从“技术追随者”转变为“场景创新者”，开源模型引发的去中心化、低成本、遍地开花式的场景应用，其效能远远超过闭源的中心化、付费型产业互联网推进流程，将在“技术普惠”逻辑下极大提升我国的产业能力。

未来展望：通向AGI的数据要素产业演进

（一）AGI演进路线预测

当前较多被引用的预测主要来自2023年11月谷歌DeepMind联合创始人Shane Legg以及2024年7月OpenAI CEO Sam Altman分别提出的AGI分级框架。前者认为AGI可能在2028年到来，而后者则估计AGI将在2035年实现。目前以DeepSeek-R1和Chatgpt o1/o3为代表的推理模型大致已达到DeepMind路线图中Level 2“熟练AI”，以及OpenAI第二阶段“推理者”的水平。

图一：谷歌DeepMind提出的AGI分级框架

图二：OpenAI提出的AGI分级框架

（二）通往AGI时代的数据要素产业特征

对未来数据要素产业的预测很难精确，但大致将包含如下特征：一是数据自生产闭环，AI及人形机器人的组合系统可自主生成训练数据，如特斯拉人形机器人实时生成工业操作数据，使其能够自主学习和适应动态环境。二是数据流通方式演进，未来数据交易所、数商等模式将发生重大调整，更多数据交易/交换或将由沉淀在每个机构内的“边缘AI”间经由基于区块链的数据空间开展。三是数据价值评估方式变革，从线性的静态估值模型演进为非线性的动态估值模型，通过动态评估同一数据集在不同应用场景中的价值差异，数据价值将取决于其在最终决策中产生的实时增益。四是以数据收益分配驱动数据价值化创新，通过区块链记录的数据贡献链条（“数据贡献度通证”）将得到更广泛应用，并按贡献比例分配收益。例如医疗领域，或将出现链接各类医疗机构的超大规模数据空间，而分散部署在各医疗机构的诊疗Agent将由消化了全国医疗数据的大模型定制生成，Agent间的收益分配将由数据空间内的数据贡献度通证确定，数据空间由部署在各机构的“连接器”来体现。当前，上海数据交易所正推动构建基于各行业数据空间的“泛在互联”交易体系，致力于实现数据供需方间的泛在链接、生态互联。