DS目前走的道路，也是适合中国国情的生产力提升力，更加精确地讲，提升新质生产力之路。首先看DS的一些特性 1. 垂直领域模型。结合专家混合系统，不需要大而全。2. 缩小部署规模，模型不应该只能布在云里，中国是制造业大国，有大量应用场景需要布在端和边。3. MIT开源，彻底开放，根源上解决合规性，安全性方面的障碍。4. 关注推理多于预训练。解决问题的是推理能力，而不一定需要无所不知的AI大神。 对于生产力提升： 1. DS带来了全域智能化的可能性。不同参数规模的大模型，分别部署在公有云，私有云，边缘设备，端设备（包括各种机器人），形成智能间协同，彻底解决敏捷性问题。 2. 通过内置大模型的产品的智能化或者智能体，可以承载跨越时代的产品创新，和产品升级，而且成本可控。建筑，汽车，消费电子等产业，大量的生产性服务业都将得到提升。 3. DS让国产自主可控的AI技术生态成为可能，有助于拉动中国整个行业的发展。 4. DS的持续行业化领域化对需要大量的数据语料，有利于数据要素市场的健康运行。

确实是个比较困难的问题。个人建议是串行进行，一次只干一件事，这就要看重构升级的选择时机。找一个合适的时机进行重构升级，先暂停新需求，可监控、可灰度、可回滚，等完成升级后再接新需求。 不然在升级过程中接新需求，新旧两边都要兼容，而且也容易出错。 个人观点，欢迎讨论。

区块链，元宇宙，LLM，都是这些年风口的一些技术。 朋友，你可以调研一下： 区块链，现在有哪些典型应用场景。 元宇宙，现在有哪些典型应用场景。 LLM，现在有哪些典型应用场景。 你就会知道，LLM是不是一场华丽的的美梦了。

DeepSeek开源运营的深远影响 DeepSeek的开源运营是其核心战略之一，借鉴了Google开源安卓系统的成功经验。这一模式不仅推动了AI技术的快速普及和创新，还在技术研发、应用推广以及协作创新等多个领域，对全球和国内的大模型格局产生了深远影响。 对全球大模型格局的影响 降低技术门槛：极大地降低了AI技术的使用门槛，使开发者能够更聚焦于业务场景的设计。 加速技术扩散：以极低成本参与AI技术的开发和应用，推动了技术的快速扩散。 削弱技术壁垒：削弱了大型AI公司构建的技术壁垒，重构全球AI生态。DeepSeek凭借高性能和低成本，成为OpenAI等闭源模型的强劲竞争对手，甚至迫使OpenAI重新审视其开源策略。 推动行业标准制定：通过开源协议和社区协作，DeepSeek正在形成事实上的技术基准，推动全球AI行业标准的制定。 对国内大模型格局的影响 降低技术门槛：使更多企业和研究机构能够参与到大模型的研发和应用中。 提升国际影响力：在全球范围内获得了广泛的关注和认可，提升了中国AI技术的国际影响力，推动中国AI技术在全球范围内的应用和推广。 加速生态建设：开源策略吸引了大量开发者参与，形成了一个充满活力的生态系统，为国内AI企业提供了更多的应用场景和商业机会。 总结 DeepSeek的开源运营加速了AI技术的普及和创新。在全球范围内，开源模式正在重构AI生态，推动技术标准的制定；在国内，开源策略降低了技术门槛，加速了生态建设，提升了中国AI的国际竞争力。未来，随着开源模式的进一步发展，DeepSeek有望在全球AI领域发挥更大的作用。