华泰证券：微信+DeepSeek，开启中国AI应用创新时代

核心观点

模型平权：AI应用放量前提

DeepSeek以开源/可商用/低成本模型为切口，快速拉近中美AI差距，解决了中国AI应用对于“高性价比”模型的迫切需求。DeepSeek-V3、R1等模型发布以来，获得海内外应用厂商的高度认可，国内软件厂商陆续官宣AI应用/平台接入DeepSeek模型。我们认为，模型平权加速AI应用能力升级，让应用放量具备基本前提。同时DeepSeek-V3单次训练的低成本，以及R1达到o1级别的高性能，直接加速了国内外模型厂商的迭代进度，我们认为后续基础模型的能力提升与成本控制将实现有效平衡，大模型将成为AI时代的基础可用资源，“稀缺性”特征将逐步消失，“商品化”特征将逐步凸显。

数据壁垒：AI应用决胜关键

数据质量决定应用效果，数据壁垒是AI应用的决胜关键。1）2C应用：微信AI搜索以公众号为核心数据源，构建产品差异点；2C应用沿着公域数据—>专有信息类数据—>个人行为数据的方向拓展，目前微信/小红书/豆包已进入专有数据（公众号/小红书内容/抖音内容）的竞争环节，个人行为数据将成为后续个人Agent能力比拼的关键；2）2B应用：区别于大厂，软件厂商具备企业数据优势，在2B Agent场景仍具竞争力。2B应用沿着公域数据—>企业本地系统数据—>跨业务环节数据的方向拓展，后续跨业务系统的数据打通与治理，将成为2B Agent的能力根源。我们认为，数据壁垒将成为AI时代软件应用的核心竞争因素，看好数据基础好的大厂与IT厂商。

应用演进：从简单数据场景到复杂数据场景

AI应用的演进不再以业务流程为切分，而是从数据复杂度的维度，从简单数据场景向复杂数据场景逐步演进。1）2C应用的演进路径为：通用AI搜索—>AI个人知识管理—>个人Agent助理（办公/购物/学习/消费）；2）2B应用的演进路径为：企业知识库—>单点Agent功能（客服/代码/财务）—>多Agent跨业务协同。目前AI应用已具备复杂场景应用的雏形，伴随模型能力提升与数据质量优化，有望在25年实现能力边界的突破，加速商业落地。

产业链相关公司梳理

1）腾讯软件相关公司；2）腾讯算力相关公司；3）2B应用相关公司；4）2C应用相关公司；5）云基建相关公司；6）数据中台相关公司。具体公司名单，请见研报原文。

风险提示：AI技术迭代不及预期；AI商业化不及预期；本报告基于客观信息整理，不构成投资建议。

正文

微信+DeepSeek：开启中国AI应用创新时代

腾讯旗下微信开启DeepSeek灰度测试，中国AI应用有望进入商业放量元年。2025年2月16日，微信开启DeepSeek模型的AI搜索灰度测试，在灰度测试范围的用户，可在对话框顶部搜索入口，看到“AI搜索”字样，点击进入后，可使用腾讯混元大模型或者DeepSeek-R1满血版模型，获得更多元化的搜索体验，同时腾讯旗下ima.Copilot也增量上线DeepSeek-R1模型。微信作为DAU 10亿量级的超级应用，拥有充足的流量入口与数据积累，有望凭借底层模型的升级，加速实现产品渗透，形成较好的产品粘性。我们认为，以腾讯为代表的大厂积极布局AI应用，有望带动全行业进入加速发展期，中国AI应用有望在2025年进入规模化放量的新阶段，看好中国AI应用产品化升级与商业化突围。

AI应用的成功商业化需要同时模型、数据、生态三大核心要素。综合海外AI应用成功经验与国内AI应用实际进展，我们认为AI应用能否成功商业化，主要取决于三点要素：

1）模型：无论从开源与闭源的视角，还是从海外与国内的视角对比，全球大模型基础能力差距逐步缩小；同时，模型推理成本快速下降，低成本意味着更低的准入门槛和更高的投资回报率，是应用规模化放量的重要关键；

2）数据：大模型时代数据价值得到重估，大模型是典型的“优质输入”导致“优质输出”的场景；从海外2B AI应用落地经验来看，企业数据质量是决定应用输出效果的关键因素，Palantir凭借超强的数据治理能力成为美国AI商业化龙头；

3）生态：在模型能力追平、产品功能相似的技术前期，企业原有的用户生态与产品生态是应用快速导入的关键；从海外看，SAP等传统企业服务商凭借用户粘性快速完成AI应用商业导入；从国内看，字节豆包、腾讯AI搜索都有望凭借充足的流量入口加速AI应用渗透。

模型：模型突围加速应用迭代，关注BBAT等国内厂商

DeepSeek-R1在模型和应用层面均达到现象级别

DeepSeek-R1在模型和应用两个层面，达到增长的高峰。模型层面，1）DeepSeek-R1问世即开源，理论上所有用户均可以下载、部署和使用；2）并且DeepSeek-R1采取了较为宽松的MIT License，允许商用；3）作为免费开源模型，DeepSeek-R1的能力达到了OpenAI闭源的o1水平。据Hugging Face统计，DeepSeek-R1在其开源社区上的点赞数（Like）增速几乎成直线斜率提升，远超Meta之前开源的Llama。应用层面看，据非凡产研、Sensor Tower等统计数据，活跃用户上，DeepSeek APP于2025年1月11日在苹果应用商店上线一个月后，全平台（Web+App未去重）日活跃用户为5449万，为ChatGPT全平台（Web+App未去重）日活跃用户的41.30%。用户增速上，推出仅12天即达到了1亿用户，远超ChatGPT的61天。DeepSeek在模型和应用两个层面都是现象级别。

DeepSeek-R1带动头部模型厂商加速迭代

DeepSeek-R1影响下，海外头部模型厂商和国内互联网大厂均加速动作。DeepSeek-V3单次训练的低成本，以及R1达到o1级别的高性能，直接加速了国内外模型厂商的迭代进度。1）海外头部厂商：OpenAI CEO Sam Altman与2月13日表示，GPT-4.5将于数周后发布，GPT-5将于数月后发布。Anthropic在加速推理模型的迭代。Google或将在今年5月的I/O大会上更新Gemini 2.0 Ultra版本。马斯克指出xAI将于美太平洋时间2月17日发布最新的Grok 3模型。2）国内互联网大厂：字节在依托豆包模型拓展全线AI应用的同时，持续在模型架构、空间智能等领域上有建树。腾讯积极接入了DeepSeek-R1模型，并且与自身微信等生态结合，有望依托其庞大的生态用户基数实现AI应用的后发先至。阿里不仅在开源模型社区中依靠Qwen系列拿到模型生态用户，而且正在与Apple合作，共同推进端侧AI在国内的落地。百度和360同样依靠其互联网用户基数，将AI与搜索结合。

腾讯接入DeepSeek-R1或标志着模型“商品化”已基本完成，AI应用加速在即。从微信客户端中可以看到，2月15日左右，客户端测试性推送了AI搜索功能，点击微信主页顶部的搜索条，既能看到“AI搜索”字样。AI搜索除了自家的混元模型外，还接入了DeepSeek-R1模型，甚至搜索结果可以分享和转发。此外，腾讯旗下的元宝、ima.copilot助手也正式接入DeepSeek-R1模型，能够在用户上传的知识库基础上，进行检索和推理。我们认为，腾讯之前在大模型上的态度以“竞争性防御为主”，而当下腾讯接入DeepSeek-R1，或标志着模型能力已经“商品化”平权，而依托自身的用户、数据、场景，结合这种“商品化”的能力，将AI赋能应用，已经进入了关键性的节点。我们认为，有用户、数据和场景的公司有望最先受益。

数据：数据壁垒是AI应用的决胜关键

数据质量决定应用效果，高质量数据厂商优势凸显。目前微信DeepSeek版AI搜索的数据源参考以微信公众号数据为主，实现了AI产品对于存量数据的增量挖掘。数据壁垒成为各类应用打造差异化的关键。我们认为，具备高质量数据的厂商有望成为本轮AI应用的领先者，同时数据飞轮效应将带动此类公司持续加深数据壁垒。

数据价值重估：应用厂商布局数据中台产品

数据价值成为海外软件共识，云厂商、数据工具商、应用厂商纷纷发力数据中台产品。1）云厂商：微软2023年5月推出Microsoft Fabric功能，打造全新的、综合性的统一数据分析平台；2）数据工具商：Snowflake 2024年6月推出Snowflake Cortex功能，为用户提供了直接在其数据平台内进行 AI 应用开发的能力；3）应用厂商：Palantir的Ontology、Salesforce的Data cloud、ServiceNow的RaptorDB的功能定位均为企业数据中台，旨在整合全面的企业应用数据，构建AI应用的底层数据基础。

Palantir凭借强大的企业数据治理能力，成为美国AI应用商业化龙头。以Palantir为例，相较于云厂商、其他应用厂商的数据中台，Palantir的数据中台产品具有更好的产品标准化、更强的非结构化数据处理能力、更深度的数据与现实融合，通过数据优势大幅优化了应用效果。自23Q3以来，Palantir收入持续加速，23Q3-24Q4连续6个季度收入超预期，收入同比增速分别为17%、20%、21%、27%、30%、36%。

数据壁垒：2C比拼用户数据、2B比拼企业数据

“数据复杂性”对应“应用复杂性”，越深的数据理解带来越大的能力边界。1）2C：目前面向消费者的AI应用以AI搜索、知识库应用为主，主要比拼的是底层检索信息的质量；腾讯AI搜索/小红书AI搜索/豆包AI助手等AI搜索产品，能力差异主要在于微信公众号/小红书帖子/抖音内容等专有数据；后续2C AI应用将向个人Agent方向发展，届时将实现公域信息类数据与私域用户行为数据的深度融合；2）2B：目前面向企业的AI应用以企业知识库、单点Agent为主，企业知识库基于企业私有数据给出检索反馈，单点Agent基于独立业务系统的数据给出辅助；后续2B AI应用将向多Agent协同方向发展，届时将实现企业跨业务系统的数据整合和流程治理。我们认为，数据质量将成为AI应用的成功关键。

生态：控制Agent入口的公司或将掌握更多主动权

产品生态与用户生态并重，AI应用正在向多入口、多任务方向加速演进。AI应用落地前期，主要比拼的是过去的生态积累，2C应用主要比拼流量入口，2B应用主要比拼产品粘性。我们认为，从2C应用的流量来看，大厂AI应用具备更强的产品竞争力；从2B应用的粘性来看，传统软件服务商具备更强的客户绑定与服务体系。展望后续，我们认为，AI应用将朝向多入口、多任务的方向加速演进。1）多入口：目前AI应用厂商多同步布局传统产品AI升级、独立AI产品线两类商业路径，同时推出PC、手机等多端应用，后续将进一步布局AI眼镜、AI耳机等新载体入口；2）多任务：目前AI应用解决的问题复杂性仍有待提升，以DeepSeek为代表的模型具有更好的推理能力，有望在多任务拆解上提供更好的底层支持，后续AI应用将加速实现多任务协同场景的落地。

AI应用更进一步，控制Agent入口的公司或将掌握更多主动权。Agent是LLM的延续，是AI应用更进一步的形态。因为LLM只能被动的进行问答，而Agent类的应用能够依托LLM能力，调用更多工具来进行action，实现“替代人”的效果（参考华泰研报《计算机: AI Agent：通往AGI的核心基础》，2024.7.15）。例如，1月24日，OpenAI如期发布智能体Operator，可以替人访问网络和执行Action。2月2日，OpenAI第二个智能体Deep research发布，用户给定研究内容提示词后，Deep research能够查找、分析和综合数百个网络资源（网页、PDF、图片）来进行多步骤研究，创建分析师级别的综合报告，将人类数小时的研究缩短到5-30分钟。我们认为，有用户、数据和场景的公司，或能够更快的完成AI应用到AI Agent的转型，在各自的领域中把控“入口”的关键卡位。例如腾讯目前在微信中测试接入DeepSeek-R1模型来赋能搜索+广告，未来或将充分结合微信公众号数据、用户体量和用户使用习惯数据等优势，卡位Agent入口，实现抽成、广告等AI商业化布局。

应用演进趋势：从简单数据场景到复杂数据场景

AI应用的演进不再以业务流程为切分，而是从数据复杂度的维度，从简单数据场景向复杂数据场景逐步演进。1）2C应用的演进路径为：通用AI搜索—>AI个人知识管理—>个人Agent助理（办公/购物/学习/消费）；2）2B应用的演进路径为：企业知识库—>单点Agent功能（客服/代码/财务）—>多Agent跨业务协同。目前AI应用已具备复杂场景应用的雏形，伴随模型能力提升与数据质量优化，有望在25年实现能力边界的突破，加速商业落地。

产业链相关公司

1）腾讯软件相关公司；2）腾讯算力相关公司；3）2B应用相关公司；4）2C应用相关公司；5）云基建相关公司；6）数据中台相关公司。