DeepSeek 衝擊：企業 AI 採購策略要改變了嗎？

2025 年 1 月，中國 AI 公司 DeepSeek 發布了 R1 模型。訓練成本約 600 萬美元，使用 2,000 張 Nvidia H800 GPU——而 GPT-4 的訓練成本估計在 8,000 萬到 1 億美元之間。

更關鍵的是，R1 在多項基準測試中逼近甚至超越 GPT-4 的表現，而且以 MIT 授權完全開源。

這個消息震動了整個產業。Nvidia 股價單日重挫，華爾街重新評估 AI 基礎設施的投資邏輯，企業 CIO 開始問一個之前不太敢問的問題：我們還需要花這麼多錢在 AI 上嗎？

答案比想像中複雜。

DeepSeek 到底改變了什麼

很多媒體把 DeepSeek 定位成「中國的 ChatGPT 挑戰者」，但這個框架太窄了。DeepSeek 真正改變的不是誰能做出最好的 AI 模型，而是 AI 的成本結構。

Bain & Company 的分析指出，DeepSeek 的意義在於證明了一件事：透過更高效的訓練方法（如稀疏注意力機制和混合專家模型），AI 的訓練和推論成本可以大幅下降，而且下降的速度比多數人預期的更快。

對企業來說，這意味著三個變化：

AI 推論成本正在快速趨近於零。 如果你現在每月花 10 萬在 AI API 呼叫上，一年後同樣的使用量可能只要 3 萬。這不是猜測——過去 18 個月，主要 AI 提供商的 API 價格已經降了 50% 以上，DeepSeek 的出現加速了這個趨勢。

開源模型成為企業可認真考慮的選項。 DeepSeek 之前，多數企業 CIO 認為開源 AI 模型只適合實驗和原型，真正上線要用商用模型。DeepSeek 打破了這個假設——一個開源模型可以達到商用水準，而且你擁有完整的控制權。

地端部署的經濟學改變了。 當模型本身免費、硬體成本持續下降，地端部署的總體成本開始接近甚至低於長期使用雲端 API 的成本。對有資料主權需求的企業（金融、醫療、政府），這是一個重大的策略轉折點。

但 DeepSeek 不是萬靈丹

在企業急著擁抱 DeepSeek 之前，有幾件事需要冷靜看待。

資料隱私和合規是最大的障礙。 DeepSeek 是中國公司，伺服器在中國。如果你使用 DeepSeek 的雲端 API，你的資料會經過中國的伺服器。對很多台灣和歐美企業來說，這在合規上是不可接受的——特別是金融業和政府單位。MIT Technology Review 的分析也指出，儘管授權成本低（MIT License），但缺乏資料隱私保障和治理合規是企業採用的主要障礙。

開源不等於免費。 模型本身開源，但部署、維護、調校、安全性管理都需要人力和基礎設施。一家沒有 AI 工程團隊的企業，拿到開源模型跟拿到一台沒有司機的卡車差不多——東西是你的，但你開不了。

效能和商用模型的差距仍然存在。 DeepSeek R1 在基準測試上表現優異，但基準測試和企業實際使用場景是兩回事。在中文理解的深度、特定產業術語的掌握、以及長期對話的一致性上，商用模型通常還是有優勢。這個差距在縮小，但還沒消失。

企業 AI 採購策略的三個調整

DeepSeek 的出現不代表你應該立刻放棄現有的 AI 供應商，但它確實意味著你的採購策略需要調整。

第一，把「模型自由」列為採購條件

如果你的 AI 平台只能用某一家的模型，你就失去了利用成本下降趨勢的能力。當更便宜、更好的模型出現，你切換不了——因為你的整合代碼、知識庫、業務邏輯都跟特定模型綁在一起。

MaiAgent 從架構設計上就支持多模型切換——今天用 Claude，明天換成 GPT、Gemini、或是開源模型如 DeepSeek，你的知識庫、Agent Skill、工具整合全都不用改。這不是技術炫耀，是商業生存策略。（想了解 MCP 如何解決 AI 供應商鎖定問題，可以參考：MCP 接通工具，Agent Skills 沉澱知識：企業 AI 整合的三個世代）

第二，重新分配你的 AI 預算

當模型推論的成本持續下降，企業的 AI 預算應該從「買模型」轉向「建知識」。模型是商品，會越來越便宜；但你的企業知識庫、你的業務流程、你的 Agent Skill——這些是護城河，不會因為模型降價而貶值。

一個實際的比喻：如果你經營咖啡店，咖啡豆的價格你控制不了，但你的配方、你的服務流程、你的客戶關係——這些才是讓你跟隔壁區分開來的東西。AI 也是一樣。（想了解如何評估 AI 投資的回報，可以參考：AI 導入的 ROI 怎麼算？一個企業可以用的評估框架）

第三，為「混合部署」做好準備

未來的企業 AI 架構，很可能不是純雲端、也不是純地端，而是混合的——敏感資料用地端模型處理，一般任務用雲端 API，不同場景選用不同模型。這個混合架構需要一個統一的管理層，讓不同模型、不同部署方式對上層應用透明。

DeepSeek 加速了這個趨勢，因為它讓地端部署變得更可行。但真正讓混合架構運作起來的，不是模型本身，而是中間那一層能力——知識庫管理、Agent 編排、工具整合、權限控制。

台灣企業的特殊考量

台灣的企業 AI 市場有幾個特殊的背景。

根據 Statista 的預測，台灣的生成式 AI 市場規模在 2024 年約 5.1 億美元，預計到 2030 年將成長到 16 億美元，年複合成長率超過 20%。這個成長速度意味著，今天的採購決策會深刻影響未來五年的 AI 能力。

資料主權在台灣特別敏感。金管會的 AI 指引明確要求金融業的敏感資料不能離開台灣，PDPA 也對個人資料的跨境傳輸有嚴格限制。（想了解為什麼對內和對外的 AI Agent 需要不同的導入策略，可以參考：導入 AI Agent 之前，先想清楚一件事）

中文語言能力是另一個考量。繁體中文是全球 AI 模型相對弱勢的語言，特別是台灣特有的產業術語、法律用語、政府公文格式。在地的 AI 服務商在這方面有先天優勢，因為訓練資料和使用場景都更貼近本地需求。

DeepSeek 的出現對台灣企業的意義是：開源模型提供了更多選擇，但選擇更多不代表決策更容易。你需要的不是最便宜的模型，而是一個能讓你在不同模型之間自由切換、同時保護資料主權的平台。

常見問題

DeepSeek 適合台灣企業直接使用嗎？

要區分使用方式。如果是使用 DeepSeek 的雲端 API，企業資料會經過中國伺服器，對有合規要求的企業不適合。如果是下載開源模型部署在自己的伺服器上（地端部署），資料不離開企業，這在技術上是可行的——但需要具備自行部署和維護 AI 模型的技術能力。

DeepSeek 會讓 AI 服務變免費嗎？

模型推論的成本確實在快速下降，但企業 AI 的成本不只有模型——知識庫建置、系統整合、安全性管理、持續優化都需要投資。模型免費了，但讓 AI 真正在企業裡有用，這件事不會變免費。

企業現在應該等更便宜的 AI 方案，還是先導入？

不應該等。AI 成本下降是持續的趨勢，如果一直等「更便宜」，你永遠不會開始。正確的策略是現在就導入，但選擇一個不會被特定模型綁住的平台，這樣你能持續享受模型降價的好處，而不需要重新來過。

DeepSeek 跟 ChatGPT Enterprise 比，企業該選哪個？

這不是非此即彼的選擇。DeepSeek 的優勢在成本和開源靈活性，ChatGPT Enterprise 的優勢在成熟的企業功能和合規認證。更好的問題是：你的 AI 平台能不能讓你同時使用兩者，根據場景選擇最合適的模型？如果能，選哪個模型就不是一次性的大決策，而是可以隨時調整的戰術選擇。

引用來源

1. Bain & Company — DeepSeek: A Game-Changer in AI Efficiency（DeepSeek 訓練成本 $6M、效率突破之分析）

2. MIT Technology Review — Enterprise AI Beyond the DeepSeek Moment（企業採用障礙：隱私、合規、治理）

3. IBM Think — DeepSeek's Global AI Impact（DeepSeek 對全球 AI 市場的影響分析）

4. Statista — Taiwan Generative AI Market Forecast（台灣 AI 市場規模：2024 年 $511M，2030 年 $1.6B）

5. Chambers Global Practice Guide — Taiwan AI Trends 2025（台灣 AI 產業趨勢與法規環境）