DeepSeek 從熱潮到應用，騰訊云攜手行業(yè)專家共探 AI 下一步

2025年，技術圈的新晉“頂流”DeepSeek 在短短七天內完成一億用戶的增長，成為全球增速最快的 AI 應用，其發(fā)展堪稱現象級。DeepSeek 在全球范圍內掀起新一輪技術熱潮，徹底顛覆人工智能行業(yè)的發(fā)展模式，國內外廠商紛紛積極擁抱 DeepSeek。

隨著 DeepSeek 的迭代發(fā)展，新的應用場景和產品如雨后春筍般涌現，推動全球的智能化變革。面對這股 AI 熱潮，如何結合 DeepSeek的優(yōu)勢來落地 AI 應用，以迎接 AGI 新時代的到來，成為每個開發(fā)者和企業(yè)必須思考的問題。

3 月 1 日，由騰訊云 TVP 主辦的「DeepSeek 從熱潮到應用」TVP AI 創(chuàng)變研討會在北京成功舉辦。本次活動匯聚多位 AI 領域大咖，圍繞 DeepSeek 的技術演進、應用趨勢及行業(yè)實踐展開深度研討，共同探索大模型從“技術爆發(fā)”到“價值創(chuàng)造”的躍遷邏輯，更設置“DeepSeek 熱點頭腦風暴”環(huán)節(jié)，各位專家暢所欲言，進行精彩的觀點碰撞，梳理技術發(fā)展脈絡，共探AI 創(chuàng)新發(fā)展未來。

主持人文因互聯 CEO、聯合創(chuàng)始人、騰訊云TVP 鮑捷

主持人文因互聯 CEO、聯合創(chuàng)始人、騰訊云TVP 鮑捷在開場時表示，他期待 DeepSeek 所帶來的新一輪應用狂潮，這股浪潮正在重新點燃人們內心對人工智能的激情和信心，而這種激情與信心是非常珍貴的。在場的老師們作為“種下種子的人”，不僅見證 AI 的發(fā)展并積極貢獻自己的經驗和能力，還為年輕人帶來希望，激發(fā)他們的潛力，共同開拓出全新的世界，推動科技的進步。

從DeepSeek的成功看大語言模型的技術演進與未來趨勢

碳硅智慧聯合創(chuàng)始人、騰訊云TVP 鄧亞峰

碳硅智慧聯合創(chuàng)始人、騰訊云TVP鄧亞峰發(fā)表題為《從DeepSeek的成功看大語言模型的技術演進與未來趨勢》的主題演講，解讀DeepSeek 的發(fā)展歷程、技術創(chuàng)新、總結成功經驗，展望未來語言模型應用和技術發(fā)展。

鄧亞峰從 DeepSeek 的成功講起，指出 DeepSeek 作為史上增速最快的產品，僅用七天就增長了1億用戶。DeepSeek得到廣泛的認可的主要有以下幾個原因：它是由中國團隊開發(fā)；DeepSeek開源開放，賦予它強大的生命力；DeepSeek 是大多數人首次接觸到的推理模型，讓每個人無需任何成本就能體驗到 AI 。

鄧亞峰介紹 AI 學習范式的四個發(fā)展階段：

● 傳統(tǒng)AI階段（1956-2012年），主要依賴于傳統(tǒng)機器學習方法，特征提取多為手工完成；

● 新AI階段一（2012-2018年），以有監(jiān)督學習和深度模型為特點；

● 新AI階段二（2018-2024年），該階段的標志是自監(jiān)督學習和通用大模型的發(fā)展；

● 新AI階段三（2024年及以后），思維鏈與強化學習相結合，致力于開發(fā)推理模型。

在新 AI 階段三中，DeepSeek在開源屆一直是中國頂流。DeepSeek 系列模型從最初的 LLM 版本到 V2、V3 和 R1 版本，逐步在架構設計、訓練效率和推理能力上實現突破。隨后，鄧亞峰詳細介紹DeepSeek在提高計算效率和降低訓練成本方面的工作，包括使用混合專家（MOE）系統(tǒng)，在每次預測時激活部分網絡參數以加快速度；通過 MLA 方法壓縮中間信息來提升處理速度；使用 fp8 訓練以及 PTX 等底層優(yōu)化技術，DeepSeek在保持效果的同時大幅降低成本，DeepSeek-V3 使用1/20 的算力訓練就達到 Llama 同等效果，DeepSeek-V3使用成本約為 GPT 4o 的1/100，DeepSeek R1 使用成本約為 GPT-o1 的 1/30，顯著提升速度和效率。

在實現推理能力上，DeepSeek采用的路線是無需收集大量思維鏈數據（無SFT），直接采用強化學習機制，模型自己學會自我驗證、反思和長思維鏈，從而獲得更好的效果。

鄧亞峰總結 DeepSeek 團隊獲得成功的三大原因：由 AI 算法系統(tǒng)成功經驗的技術專家領銜，創(chuàng)始人梁文峰有堅定的技術信仰，持續(xù)在對的方向上不斷嘗試；有足夠的算力及對數據的重視；團隊極致的工程優(yōu)化。

鄧亞峰預測大預言模型的未來發(fā)展：基礎模型的推理能力將進一步增強；DeepSeek的開源將極大地促進應用的普及和發(fā)展，特別是在 AI 搜索、AI 助手等領域；大模型的下一步是讓模型能自動完成任務。這一輪 AI 革命為什么影響深遠？鄧亞峰表示，關鍵是通用，技術統(tǒng)一和能力通用。他強調，模型架構統(tǒng)一是未來趨勢。

最后，他從人類的角度探討 AI 帶來的影響。隨著 AI 的發(fā)展，教育和學習方式正在發(fā)生根本性的變化，這不僅影響下一代的學習模式，也讓我們反思自身在新時代中的價值與作用，人類需要重新定義自身的價值所在。鄧亞峰說，“我們非常幸運，既見證中國的蓬勃發(fā)展，也親歷 AI 技術的巨大飛躍?！?/strong>

騰訊云大數據+DeepSeek，共創(chuàng) Data 新生態(tài)

騰訊云大數據基礎產品中心總經理 程彬

騰訊云大數據基礎產品中心總經理 程彬在《跨越邊界：騰訊云大數據+DeepSeek 共創(chuàng) Data 新生態(tài)》的主題演講中，分享騰訊云大數據如何結合 DeepSeek 等大模型技術，創(chuàng)新打造 Data+AI 一體化平臺。

程彬介紹了以 DeepSeek 為代表的大模型對傳統(tǒng)大數據領域帶來的三大變革與思考：如何使用AI技術來提升數據系統(tǒng)的效率、如何提升數據開發(fā)和數學科學為代表的 Data+A鏈路的生產效率；如何使用已有的大數據來實現production 級別的LLM應用。

然而，當前傳統(tǒng)數據平臺在面對這些變化時遇到一些挑戰(zhàn)。例如，大數據和 AI 平臺是割裂的，基于兩套獨立系統(tǒng)建設的，因此企業(yè)需要不同的團隊來完成相關任務；大模型應用對接困難，傳統(tǒng)數據平臺的使用對象是人，AI Agent 難調用平臺分析能力；面向 SQL 專業(yè)用戶而生，限制數據平臺的服務范圍，想通過自然語言查詢獲取確定性信息面臨諸多挑戰(zhàn)；運維投入大，海量告警、監(jiān)控需要人力處理，大多數系統(tǒng)為傳統(tǒng) AIOps 設計，缺乏“自動駕駛”的能力。

針對上述挑戰(zhàn)，騰訊云大數據團隊提出構建基于 AI 時代的統(tǒng)一數據平臺的設想。該平臺旨在簡化用戶的使用界面，比如引入自然語言查詢技術，同時提供一體化平臺支持實時數據分析，并將數據從采集到分析再到模型訓練和推理的過程整合起來。具體來說，下一代數據平臺涵蓋四大關鍵能力：一是集成 DataOps+MLOps+LLMOps 的一體化平臺；二是面向 Agent 的數據分析工具；三是支持自然語言查詢 NL2SQL；四是 AIOps 實現運維數據平臺的“自動駕駛”。

基于 DeepSeek 出色的多模態(tài)推理能力與性價比，它可以推動下一代數據平臺加速往數據智能演進。因此，騰訊云大數據+DeepSeek 構建 Data+AI 一體化平臺。該平臺架構分為四層：最底層為 Lakehouse 底座服務，第三層為基礎大模型服務，第二層為 Data+AI 一體化分析和訓推；最上層為統(tǒng)一DataOps+MLOps+LLMOps 開發(fā)平臺。

基于以上理念和設計，騰訊云大數據在去年底推出新一代數據智能平臺TCHouse-X，擁有一體化架構、易用、高性能、實時高效、智能化等優(yōu)勢。

DeepSeek 為 Data+AI 一體化平臺帶來哪些價值？程彬以智能自治、AI Search 和 NL2SQL 三個場景為例，詳細闡述 DeepSeek 所具備顯著的差異化優(yōu)勢：復雜任務推理能力出色，語義理解和意圖識別能力，推理成本低，強數學推理和代碼推理，更重要的是開源開放。程彬著重強調DeepSeek開源開放的重要性。他認為，一個好的平臺不應該鎖定用戶，而是要讓用戶自由選擇。正因如此，騰訊云大數據平臺遵循開源開放的原則，希望為更多人提供一個易于上手的開發(fā)環(huán)境，無論是傳統(tǒng)數據工程師還是從事 AI 研究的專業(yè)人士，都能在這個平臺上輕松實現數據分析和 AI 應用的落地，共創(chuàng) Data+AI 新生態(tài)。

DeepSeek 發(fā)展啟示錄與未來展望

硅基流動聯合創(chuàng)始人、增長副總裁、騰訊云 TVP 楊攀

在本次大會上，硅基流動聯合創(chuàng)始人、增長副總裁、騰訊云TVP 楊攀帶來《聊聊 DeepSeek 的那些事兒：發(fā)展觀察與未來展望》的分享。他指出，大模型算力正在經歷根本性轉變——從訓練向推理傾斜，"訓練在這個星球上所占用的 GPU 比重會越來越小，最后應該大部分都放在推理上"。作為專注于大模型推理服務的創(chuàng)業(yè)公司，硅基流動在 DeepSeek 官網癱瘓期間承接了大量用戶流量，親歷了這一變革。

楊攀表示，“DeepSeek 的歷史意義在于認知上的破圈，讓所有企業(yè)都意識到可以低成本的擁有一個自己的模型，當模型成本趨近于零的時候，帶來下一波應用和算力的爆發(fā)。”楊攀以“杰文斯悖論”來分析 DeepSeek 帶來的影響。具體來說，成本每下降十倍就會催生百倍千倍市場——看似 DeepSeek 降低了算力需求，實則是用推理成本重構打開了千萬級新場景。

關于 DeepSeek 的商業(yè)應用，楊攀提出了三個明確方向：一是 AI 編碼，企業(yè)大量采購用于內部員工提效；二是 AI 搜索，不僅整合結果還形成深度分析；三是 Agent 能力提升，隨著 Reasoning 能力增強，復雜工作流可被簡化甚至直接內化到模型中。關于中國 AI 應用出海，楊攀指出兩條明確路徑：一是以低成本復制已被硅谷驗證的產品；二是專注發(fā)展 AI 工具本身。他同時坦言，目前將 AI 融入既有業(yè)務的商業(yè)價值仍不明朗，真正有收益的往往是專門針對 AI 的新工具和應用。

他同時提出隨著模型能力提升，可能從"模型作為能力"轉變?yōu)?quot;模型本身成為終極產品"："隨著R1推出以后，我越來越覺得終極的AGI或ASI，它有可能本身就變成一個產品，這個產品不是你手機里裝的APP，本身它就具有完整的功能，能解決問題，能做事，正在往這個方向發(fā)展。"

最后，楊攀總結道："如果有一個技術誕生出來，整個產業(yè)迅速達成共識，意味著它已經形成了事實上的標準。標準形成后，產業(yè)整體成本會大幅降低，因為降低了溝通成本、協(xié)作成本、接口成本和認知成本。"他強調，企業(yè)越早對齊 DeepSeek 這樣的新標準，越能享受到產業(yè)紅利，這是每個企業(yè)需要深刻思考的問題。

DeepSeek 時代的 AI 投研變革：機遇、挑戰(zhàn)與實踐

熵簡科技聯合創(chuàng)始人、騰訊云 TVP 李漁

熵簡科技聯合創(chuàng)始人、騰訊云 TVP李漁進行《DeepSeek 時代的 AI 投研機遇、挑戰(zhàn)與落地實踐》的主題分享。

李漁認為，DeepSeek 團隊的核心優(yōu)勢之一在于基礎設施層面的極致優(yōu)化。例如，使用 FP8 混合精度訓練、MLA 架構以及GRPO算法，這些改進顯著降低計算開銷和顯存消耗。通過這些優(yōu)化，DeepSeek 能在 60 多天內完成 V3 版基座模型的訓練，成本為 600 萬美元，相比同等規(guī)模的Llama 模型節(jié)省約 20 倍的成本。此外，DeepSeek 通過純強化學習的方式實現自我提升的能力，這在業(yè)界是一個重要的里程碑。DeepSeek 的成功表明，在偏通用場景下，關鍵在于為模型提供更廣闊的探索空間和更明確的反饋信號，使其能持續(xù)自我提升。這一技術路線 DeepSeek 在 2025 年繼續(xù)推進，包括后續(xù) R2 和 R3 的工作。

接著，李漁分享熵簡科技在 AI 投研的場景探索。2018年，熵簡科技開始探索構建智能投研體系，旨在構建基于大數據和AI的全天候自動化投資研究系統(tǒng)。其智能投研體系架構包括海量外部數據和私有數據的接入與治理，并通過統(tǒng)一的數據中臺處理后，利用AI邏輯實現投資信號挖掘和最終執(zhí)行。

熵簡的技術路線分為 L1 到 L5，當前正處于從 L2 向 L3 過渡階段。L2 階段的大模型可以實現部分投資研究過程的自動串聯，但無法做出最終決策；L3 階段預計在未來一兩年內實現特定市場的端到端投資決策。具體應用場景包括數據層的海量數據接入及治理工作，覆蓋全球資本市場的一手資料；模型層采用大小模型配合的方式，結合 DeepSeek R1 開源基座和行業(yè)小模型，用于推理和生成任務；應用端的AlphaEngine平臺提供了面向全球資本市場的 AI 工具，支持實時會議記錄、紀要生成AI深度研究等功能，提升分析師的工作效率。

技術創(chuàng)新方面，熵簡采用大模型代理層來負責編排和調度各種應用，連接模型底座和數據底座，優(yōu)化推理鏈路。文本模型方面，早期針對金融文本進行增量訓練，現已升級并集成DeepSeek-R1模型，提升有用性和用戶滿意度。語音識別方面，專業(yè)詞匯識別能力提升38%。向量化模型上，FinBERT模型已擴展至 640 億金融語料，廣泛應用于金融機構和學術研究團隊。

李漁表示，目前有一個初步結論，即對于資管機構而言，AI 已成為其超額收益的重要來源。隨著DeepSeek-R1 等模型的發(fā)展，它們接近專業(yè)分析師的水平，這種能力仍在不斷增強。未來幾年內，這些模型的能力將會越來越強，進一步提升超額收益的可能性。

最后，李漁表示，AI 技術發(fā)展日新月異，當下我們正在經歷一場持續(xù)至少 20 年以上的生產力大變革，并且是全行業(yè)的。只要真心想參與，任何時候開始都是最好的時機。從投資角度來類比，一旦確定某個趨勢具有確定性，買入點并不那么重要，關鍵是能“上車”。

頭腦風暴，開放論道

TVP AI 創(chuàng)變研討會以注重交流互動為特色，特別設計開放式的頭腦風暴環(huán)節(jié)作為本次活動的壓軸部分。在這一環(huán)節(jié)中，數十位 AI 專家被分為十個小組，圍繞主持人鮑捷提出的五個關于DeepSeek 的熱點問題展開討論。每相鄰的兩個小組聚焦同一話題，分別從正反兩方的角度深入探討PK，激發(fā)思維碰撞。各小組代表隨后進行總結發(fā)言，分享討論成果。現場氣氛熱烈，專家們見解獨到、妙語連珠，為AI創(chuàng)新帶來新的靈感與思路。

話題一：企業(yè)部署DeepSeek是否需要建立行業(yè)專屬的數據壁壘？

碳硅智慧聯合創(chuàng)始人、騰訊云 TVP 鄧亞峰

來自第一組的發(fā)言代表，碳硅智慧聯合創(chuàng)始人、騰訊云 TVP鄧亞峰表示，企業(yè)系統(tǒng)架構分為業(yè)務層、數據層和模型能力層，其中模型能力又分為通用能力和差異化能力。其中，通用模型能力如 DeepSeek 等提供行業(yè)紅利，可以直接利用，無需自行開發(fā)。若要實現差異化競爭，則需專注于小模型層面進行差異化設計。

鄧亞峰小組有以下觀點：一是通用模型能力是基礎模型公司要做的工作，其投入成本高，對于業(yè)務型企業(yè)而言，無需在里邊過多投入；二是除了業(yè)務層的產品體驗優(yōu)勢外，企業(yè)的差異化主要通過高質量數據構建來實現的；三是由于AI技術是動態(tài)發(fā)展的，持續(xù)的數據迭代對于提升系統(tǒng)的AI能力至關重要。四是除了數據壁壘外，企業(yè)在業(yè)務上也應尋求差異化或壁壘，以確保競爭力。

彩食鮮 CTO、騰訊云 TVP 喬新亮

針對以上發(fā)言，第二組持反方觀點，彩食鮮CTO、騰訊云 TVP喬新亮表示，一是通用模型能力不應僅由基礎模型公司承擔，而應通過開源開放的方式共享，如DeepSeek所示，開源開放更有助于社會進步。二是針對通過數據構建差異化壁壘的觀點，業(yè)務本身也能建立壁壘，但實際操作中難度較大且與數據壁壘無關。他還強調，企業(yè)在追求差異化價值時，需要關注數據質量，因為數據質量差往往是業(yè)務執(zhí)行不佳的結果。最后他提出，要做好人工智能必須先做好數字化轉型。

話題二：金融、制造、醫(yī)療行業(yè)中挑選一個行業(yè)，如何落地DeepSeek智能客服平臺？

騰訊云TVP 蔣錦鵬

發(fā)言代表騰訊云TVP 蔣錦鵬表示，我們重點探討在醫(yī)療領域如何落地 AI 應用，如何通過 AI 客服提升患者體驗。系統(tǒng)架構設計覆蓋患者就診的診前、診中和診后全過程，包括預問診、導診、檢驗、檢查、解讀及康復指導等場景。為了實現這一目標，我們設計一個基于DeepSeek的系統(tǒng)，該系統(tǒng)不僅包含一個支持語音交互的Chat BOT，還需要與醫(yī)院的HIS（醫(yī)院信息系統(tǒng)）和EMR（電子病歷系統(tǒng)）打通，以獲取患者的詳細信息并提供個性化建議。此外，系統(tǒng)還需具備與真實世界交互的能力，如自動掛號等功能，確保流程的完整性和實用性。

然而，醫(yī)療行業(yè)的保守性和數據質量問題為 AI 的應用帶來諸多挑戰(zhàn)。首先，現有數據庫如 EMR 和 HIS 的數據質量參差不齊，難以直接用于 AI 分析。其次，醫(yī)學領域的知識庫需要從大量的文獻、指南和臨床路徑中提取并結構化，才能被 AI 理解并應用于實際場景。此外，AI 的幻覺問題在醫(yī)療行業(yè)尤為重要，任何錯誤的指導都可能對患者健康產生嚴重影響，因此必須確保所有建議都有臨床循證的支持，并通過人類專家的校驗來保證安全性。他強調，在證明 AI 價值時，不應僅著眼于替代現有業(yè)務人員的存量市場，而應關注提升用戶滿意度和增加服務使用量的增量市場，這才是 AI 在醫(yī)療領域更大的價值所在。

話題三：在互聯網巨頭、垂直AI企業(yè)和傳統(tǒng)行業(yè)轉型中各選擇一家公司作為研究對象，討論其在DeepSeek布局中的三大核心優(yōu)勢和三大劣勢。預測未來三年內哪一類玩家最有可能在DeepSeek應用領域取得成功，并分析其發(fā)展趨勢。

智鶴科技首席科學家、騰訊云 TVP 王曄

智鶴科技首席科學家、騰訊云 TVP王曄代表發(fā)言，他們選擇了互聯網行業(yè)作為研究對象，特別是像騰訊這樣的企業(yè)，具有以下顯著優(yōu)勢：第一，互聯網行業(yè)的數據量最大且增量持續(xù)，遠超傳統(tǒng)行業(yè)，這使得其在AI應用上更具潛力，能基于DeepSeek不斷訓練出更強大的模型。第二，互聯網行業(yè)匯聚大量頂尖人才，隨著DeepSeek的發(fā)展，人才的價值被進一步放大。第三，互聯網公司在數字技術積累方面更為深厚，最大化發(fā)揮大模型的商業(yè)價值。然而，互聯網行業(yè)也存在劣勢，由于它太通用了，在垂直領域缺乏數據壁壘，這反而促使它們通過激烈的競爭來彌補不足?；ヂ摼W公司面臨資本市場壓力，可能會影響其長期戰(zhàn)略方向，不像 DeepSeek 那樣能在無資本壓力下專注于學術研究和追求 AGI 成就。

話題四：結合技術成熟度、商業(yè)價值、市場規(guī)模、實施難度，談談 DeepSeek 最具落地潛力的五大企業(yè)級應用場合。

立購在線CTO、騰訊云架構師同盟名人堂專家 閆國旗

小組代表立購在線 CTO、騰訊云架構師同盟名人堂專家閆國旗表示，我們基于 DeepSeek 對未來場景的深度預測分析進行深入探討，發(fā)現很多場景更側重于當下企業(yè)的的發(fā)展現狀。各組員結合自身所在行業(yè)和經驗，從各個場景的跨行業(yè)適用性、落地可行性和商業(yè)回報率聚焦出在線客服、企業(yè)知識庫、AI編程、智能營銷和銷售管理五大核心場景。

數據質量與算力支持是AI落地的關鍵因素。企業(yè)落地 AI 應用需要針對自身的需求特點進行模型的訓練或微調。避免因為數據質量問題，導致模型得不到預期的落地效果。算力部署方面，企業(yè)可根據自身需求選擇私有部署或MaaS云服務。隨著 DeepSeek 技術迭代，本地化部署成本持續(xù)降低，在滿足數據合規(guī)的同時有效控制企業(yè)投入。此外，需持續(xù)關注法規(guī)完善對AI應用提出的新要求。

他強調”與其追逐技術空想，不如深耕落地價值。"通過場景驅動實現 AI 技術與業(yè)務需求的深度耦合，確保技術投入能快速轉化為實際商業(yè)價值與社會價值。這一務實策略既符合當前技術發(fā)展階段，也為企業(yè)在不確定環(huán)境中建立可持續(xù)的競爭優(yōu)勢提供有效路徑。

話題五：DeepSeek如何變革行業(yè)與就業(yè)崗位，五年之內哪些行業(yè)和崗位會受到DeepSeek的沖擊或利好？

軟通動力研發(fā)總監(jiān)、騰訊云架構師同盟名人堂專家 鮑丹

小組代表軟通動力研發(fā)總監(jiān)、騰訊云架構師同盟名人堂專家鮑丹說，隨著大模型的發(fā)展，許多傳統(tǒng)崗位正在經歷變革。初級投研顧問、初級醫(yī)生、法務助理、客服、流水線操作員等重復性腦力勞動崗位需求量正在減少。這些崗位的工作可以被 AI 替代，例如審計助理、合同審查和翻譯等任務可通過 AI 更高效地完成。然而，新的職業(yè)機會也在出現，比如模型部署與微調專家、垂直領域的數據專家及數據倫理治理師等。

在崗位進化方面，強依賴于 AI 提效的崗位更容易被替代，那些需要高度人際互動的崗位則較難被替代。例如銷售和復雜決策者仍需人類獨特的社交技能和背景知識來做出準確判斷，則不容易被替代。此外，教師和研發(fā)人員雖然面臨 AI 帶來的挑戰(zhàn)，但如果能掌握并運用 AI 工具，則能顯著提升工作效率和質量。

結語

在精彩的觀點 PK 討論下，本次「DeepSeek從熱潮到應用」TVP AI 創(chuàng)變研討會圓滿落幕。通過今天的交流與探討，各位專家?guī)椭覀兪崂鞤eepSeek技術發(fā)展脈絡，分析熱潮背后的邏輯與創(chuàng)新，更重要的是探索 AI 落地實踐，為我們帶來許多啟發(fā)與思考。

TVP AI 創(chuàng)變研討會，是為 TVP 等技術管理者、AI 創(chuàng)業(yè)者打造的專屬交流活動，旨在聚焦 AI 前沿，通過系列專題研討，共同探索 AI 變革浪潮下的創(chuàng)業(yè)與創(chuàng)新機遇。未來，TVP AI 創(chuàng)變研討會將走進更多城市，期待與您見面。

TVP，即騰訊云最具價值專家(Tencent Cloud Valuable Professional)，是騰訊云授予云計算領域技術專家的一個獎項。TVP 致力打造與行業(yè)技術專家的交流平臺，促進騰訊云與技術專家和用戶之間的有效溝通，從而構建云計算技術生態(tài)，實現“用科技影響世界”的美好愿景。