【圓桌論壇·大模型應用全景掃描】

編者按 政務智能化面臨數據安全與場景適配雙重挑戰，DeepSeek以“開源+雙輪架構”破局，借“生成+推理”穿透垂直場景，用全棧國產化部署筑牢安全防線。本期業內專家從技術、安全、落地等維度，解析DeepSeek如何以“開源鑰匙”開啟“本土智治”，在合規與適配間走出“攻守之道”，為政務數字化轉型提供技術與安全平衡的國產方案。

用“開源鑰匙”開啟政務數智化試驗田

——業內專家共議DeepSeek政務落地“攻守之道”

主持人：

本報記者 張明柳

嘉賓：

博思數采科技股份有限公司副總裁 陳  旭

國泰新點軟件股份有限公司副總裁 何永龍

浪潮云總經理助理               陳  堯

采招云數智化采購研究中心       宋  軍

主持人：DeepSeek憑借哪些核心技術與架構創新，成為垂直領域大模型應用的新標桿？

何永龍：DeepSeek在各個行業領域引發高度關注，核心在于其精準解構了垂直領域中“規則體系、數據要素與決策鏈條”的復雜關聯。其“內容生成+邏輯推理”雙輪驅動的架構，不僅拓展了通用模型的能力邊界，更是構建了透明化、可審計的決策機制。在招標采購領域，隨著數智化建設的縱深推進，兼具招采專業深度與業務邏輯的垂直領域大模型也逐步成為剛需，而DeepSeek在各行業的成功實踐已為招標采購行業樹立了標桿。

陳旭：DeepSeek創新采用“生成+推理”融合架構，突破傳統大模型“黑箱”局限。其邏輯推理準確率高于ChatGPT-4，且能輸出逐步推導過程。例如，在政策解讀場景中，DeepSeek-R1不僅給出結論，還附帶推理鏈條，使決策過程可追溯，契合政務領域對AI決策合規性的嚴苛要求。相較之下，ChatGPT基于單一Transformer架構，參數規模雖大但推理過程不可解釋，難以滿足政務場景對透明度的需求。

陳堯：DeepSeek通過多頭潛在注意力（MLA）、多令牌預測（MTP）等技術，在數學、代碼、自然語言推理等任務中表現卓越。以公文處理為例，其語義理解與生成能力可提升效率30%以上，為數字政府建設提供核心技術支撐。

主持人：“生成+推理”融合架構在政務等場景中具備哪些獨特優勢？

何永龍：DeepSeek-R1通過“生成+推理”雙引擎的原生協同與閉環進化，準確性和可解釋性需求內化為其核心能力。推理引擎作為“邏輯錨點”和“規則衛士”，在生成前、中、后進行深度介入與驗證，確保輸出嚴格基于事實與規則；同時，其推理過程的結構化顯性化輸出，徹底打破了傳統大模型的黑箱困境。相較于依賴統計概率和通用知識的ChatGPT等模型，DeepSeek實現了預防性糾錯、過程可審計、決策可溯源的質變，為構建可信、可靠、透明的招標采購領域智能應用提供了堅實的技術基礎。

陳旭：DeepSeek基于6710億參數的MoE（混合專家）架構，包含256個專家模塊，每次僅激活8個，實現高效知識利用。其模型分支V3側重對話生成，通過指令微調和強化學習優化互動體驗；R1側重邏輯推理，結合鏈式思維（CoT）技術，實現復雜問題的逐步分解。例如，在政策解讀時，R1會自動關聯歷史版本、相關法規及執行案例，確保輸出與政策意圖一致，同時附帶推理步驟，增強可信度。

陳堯：針對簡單業務場景，使用DeepSeek生成式模型，依賴高質量政務語料（政策文件、辦事指南等）訓練，確保內容合規性；針對復雜業務場景，使用DeepSeek推理模型引入思維鏈技術，對生成內容進行多輪事實核查與因果鏈驗證，例如在解讀政策時，自動關聯歷史版本、相關法規及執行案例，確保輸出與政策意圖一致。通過以上“生成+推理”雙能力方案，盡可能定向使用不同類型模型擅長能力，降低幻覺問題。同時，使復雜模型推理過程盡可能顯化，降低用戶幻覺感覺。

主持人：DeepSeek怎樣實現中文公文生成的嚴謹性和語境貼合度遠超通用模型？

何永龍：DeepSeek憑借根植中國土壤的獨特基因，展現出顯著的本土化優勢。在招標采購領域，專業政策術語以及業務的依賴表述較為常見。我們通過對大模型的強化學習，使其對招標采購行業復雜且動態更新的法規體系能夠做到精準理解。相較于ChatGPT等通用模型，其在中文場景處理上更具優勢，能避免國際通用模型常有的“水土不服”現象。

陳旭：DeepSeek訓練語料涵蓋政策文件、法律條文、官方信函等，針對中國特色政務文本進行專項調優，確保措辭符合制度與文化語境。DeepSeek生成的中文內容措辭嚴謹、貼合語境，在政策解讀、智能寫作等任務中表現專業。例如，用戶反饋其公文生成能力可直接用于正式文件起草，中文表達力優于通用模型。反觀ChatGPT，雖具有多語言能力，但因訓練語料側重不同，在處理中文公務場景時往往不夠地道，術語理解準確率較DeepSeek低。

陳堯：DeepSeek基于海量中文語料訓練，支持方言及口語化表達轉換，并引入思維鏈技術強化邏輯推理，使其在政策術語解析、民眾訴求分析等場景中更精準，增強政府與群眾溝通的親和力。

宋軍：DeepSeek的設計使之既能流暢生成自然語言，又能逐步推理分解問題，輸出帶有清晰推理鏈條的答案。此外，DeepSeek還通過領域知識融合，將政務領域的專業知識和業務流程嵌入模型，使其在處理政務任務時更加得心應手。在實際應用中，DeepSeek的這些技術優勢得到了充分體現。例如，在智能問答系統中，它能夠提供準確、詳細的政策解讀；在公文生成與審核任務中，它能夠生成符合規范的公文，并進行嚴格的格式和內容檢查。

主持人：開源策略在降低成本和推動創新等方面有哪些助力？

何永龍：作為國產模型代表，DeepSeek以堅定開源策略打破僵局，將模型權重、訓練框架及數據管道全面開源，賦予用戶充分自由度，大幅降低使用成本，使開發者與企業能以較低成本進行模型微調和應用開發。同時，DeepSeek的開源促進了人工智能行業對底層技術的理解、掌握和自主創新能力的培養，是構建安全可控、具有國際競爭力的國產AI的關鍵路徑。這種開放的創新模式，也在加速人工智能大模型在各個行業領域的應用與落地。

陳旭：作為國內團隊自主研發的模型，DeepSeek采用開源策略，公開模型與算法，縮小開源與閉源性能差距，構建繁榮AI生態圈，契合國家信創產業戰略。同時，支持本地化部署，數據完全自主可控，符合信息安全與數據合規要求。這種模式大幅降低政務用戶使用AI的成本與門檻——訓練費用僅為ChatGPT的十分之一，推理算力需求為五分之一，且通過蒸餾技術解決數據稀缺問題，加速各行業應用落地。

主持人：如何利用開源特性低成本實現本地化適配？

何永龍：大模型輸出內容的精準性至關重要。一方面，不僅需緊密貼合地方業務實際；另一方面，更要確保表述嚴謹規范、通俗易懂。這一特性要求必須以行業的專業語料對大模型進行深度強化訓練，使其真正成為懂政策、熟流程、通業務的“行業專家”。為此，我們公司系統性梳理了招標采購領域的全場景知識圖譜，覆蓋公平競爭審查規則、智能輔助評標評審體系、政策法規解讀等核心業務模塊。通過構建結構化、本地化的知識網絡，在響應需求前大模型可自動觸發多維檢索機制：先基于行業知識庫進行內容匹配與邏輯校驗，再結合地方特色數據完成本地化校準，最終輸出兼具政策合規性、業務適配性與表達準確性的專業結果。

陳堯：政務系統的場景差異性要求大模型具備靈活適配能力。DeepSeek的開源特性免除模型采購費用，使資金可重點投入本地化適配。例如，在公文寫作場景中，不同地區對公文格式、政策引用的要求存在差異，DeepSeek支持快速微調，結合本地知識庫優化輸出。

宋軍：DeepSeek通過垂直領域預訓練與敏捷微調能力，為政務高頻場景提供專業化、可定制的AI模型支持。特別是DeepSeek針對政務高頻需求（如政策解讀、表格填寫、公文生成）預訓練專業模型，并支持快速微調。這種“開箱即用”的特性，使其成為政務智能化的“即插即用”型工具。也為政務服務開辟了新的服務空間，為公眾提供更優質的服務。

主持人：在政務場景中，如何實現數據安全與自主可控雙重保障？

陳旭：DeepSeek支持完全部署于本地服務器與政務內網，不依賴外部云服務，滿足敏感業務“網絡隔離”需求。例如，遼寧省鞍山市已在政務云信創環境下完成DeepSeek模型本地部署。不少央企和政務部門甚至實現了DeepSeek從底層國產芯片到模型框架的全棧適配，達成軟硬件自主可控。這種部署模式使政務部門可在離線或內網條件下使用模型，避免數據上傳云端的泄漏風險，同時不受網絡波動影響，在應急指揮等場景中實現99.99%的可用性。

ChatGPT依賴云端服務，數據需傳輸至第三方，政務機構無法掌控流向，且持續API付費成本高昂。DeepSeek在政務場景中實現了數據與外網隔離。諸如“原始數據不出域、數據可用不可見”等安全原則在實際部署中得到貫徹。DeepSeek還便于結合現有政務系統實行權限管控和日志審計——機構可限定僅授權用戶訪問模型，并記錄問答內容以供監管審查。與此同時，各地普遍將本地業務數據接入DeepSeek構建政務知識庫，即將本機關的文件材料等加工后“投喂”給模型，以提供領域定制知識。這種私有化+本地知識庫方式在最大程度上保證了安全性，也提升了模型回答的針對性和運行效率。

陳堯：私有化部署支持模型訓練、微調及交互全流程在內網完成，結合權限管控與日志審計系統，實現“數據不出域”與“操作可追溯”。例如，某政務部門通過限定僅授權用戶訪問模型，并記錄問答內容，確保敏感信息流轉可控。

宋軍：DeepSeek的數據安全防護系統是依據國家網信辦聯合國家發展改革委等七部門聯合公布的《生成式人工智能服務管理暫行辦法》的要求而構造的。該系統有三重防護：一是物理隔離。原始數據全程在內網處理存儲，不與外網交互；二是權限管控。結合政務系統現有權限體系，實現用戶訪問分級管理；三是知識本地化：對接本地政務知識庫，定向“投喂”政策文件與業務數據，提升回答精準度的同時避免敏感信息外溢。這種“數據可用不可見”模式，更具有中國特色，既符合監管要求，又能通過內容過濾規則定制，滿足不同政務場景的合規需求。

本報擁有此文版權，若需轉載或復制，請注明來源于中國政府采購報，標注作者，并保持文章的完整性。否則，將追究法律責任。