DeepSeek 無疑是最火爆的話題之一

在 DeepSeek 旗下大模型

DeepSeek-R1 “爆火”后

多個云平臺宣布上線 DeepSeek 旗下模型

2025 年的春節(jié)無疑已被 DeepSeek 霸屏。

過去三年每年的春節(jié)都有一次重磅的 AI 討論：2023 年是 ChatGPT、2024 年是 Sora，這兩股風潮都是由 OpenAI 掀起，而 2025 年則是 DeepSeek 的 V3 與 R1。

除夕當天 1 月 28 日，DeepSeek 更是趁熱發(fā)布了文生圖模型 Janus-Pro，但后者沒有 V3 與 R1 吸引的關(guān)注大，原因在于其沒有像前者一樣動搖了過去基座大模型的「奇跡」來源：算力。

DeepSeek V3 的參數(shù)規(guī)模是 6710 億，訓練成本不到 560 萬美元，訓練時長在 280 萬 GPU 小時。相比之下，GPT-4o 的訓練成本約為 1 億美元，Llama 3 405B 訓練時長則為 3080 萬 GPU 小時。

Meta 的 Llama 3 是用 16000 張 H00 訓練，此前還計劃在 2024 年囤卡 60 萬張英偉達 GPU 去做模型升級;馬斯克創(chuàng)立的 XAI 甚至囤卡 10 萬張 H100 建數(shù)據(jù)中心。

根據(jù)媒體報道，DeepSeek V3 與 R1 發(fā)布后，Meta 在內(nèi)的多家硅谷企業(yè)受到極大震撼，并開始質(zhì)疑以往 OpenAI「大力出奇跡」的成功方法論，引起硅谷多家科技巨頭的暴跌，比如英偉達一夜之間被干掉 4.3 萬億市值，相當于騰訊與美團兩家中國互聯(lián)網(wǎng)巨頭加起來的市值。

對于 DeepSeek 帶來的震撼，業(yè)界不難聯(lián)想到「漂亮國將出臺一系列制裁政策」等等往日常規(guī)反應(yīng)。

值得注意的是，在 DeepSeek 給硅谷帶來地震的不久前，1 月 15 日，美國才剛將中國最早的大模型創(chuàng)業(yè)公司「智譜 AI」列入實體清單。AI 1.0 時代，商湯、曠視等企業(yè)也被美國列入實體清單。被列入實體清單的一大掣肘就是難以購買海外英偉達生產(chǎn)制造的 GPU，其在短期內(nèi)仍是基座大模型訓練升級的一個重要條件。但 DeepSeek 的崛起證明了：

根據(jù)相關(guān)消息，DeepSeek 至今仍未計劃對外融資，其主要依托幻方與梁文鋒個人輸血，但對中國其他大模型公司的融資與戰(zhàn)略也將帶來不小的震撼。據(jù)筆者觀察，春節(jié)期間不僅硅谷動蕩，國內(nèi)其他幾家主流的大模型公司也在加班拆解 DeepSeek 的模型秘籍。

DeepSeek 的崛起，肉眼可見將從以下幾個角度影響中國大模型的競爭：

首先是技術(shù)創(chuàng)新的天花板被拉高。

DeepSeek 不是第一家提出「要在 OpenAI 以外創(chuàng)新」的大模型團隊，此前其他國產(chǎn)大模型團隊的創(chuàng)始人也提出過相似的觀點，但 DeepSeek 是第一家通過發(fā)布新技術(shù)、身體力行踐行了這一觀點的團隊。

V3 證明了訓練千億基座大模型的成本可以進一步將下降，R1 的獨創(chuàng)(如完全用強化學習替代 SFT)證明了 OpenAI 并不是唯一能夠提出 AGI 解法的公司。盡管 GPT-5 遲遲未發(fā)布、大模型一度被認為已停滯不前，但 DeepSeek 在近兩個月的研究突破表明：大模型的潛在技術(shù)空間仍然是非常大的。

放棄預訓練的團隊，或許是資源不足，也或許是技術(shù)創(chuàng)新力不夠。這也驗證了大模型的技術(shù)創(chuàng)新在短期內(nèi)存在高壁壘，應(yīng)心存敬畏。

其次是「高效訓練」的概念將得到重視。

在當前的第一梯隊大模型公司中，「高效訓練」并不占主流觀點。例如，MiniMax 的大模型雖然也是采用 MoE 架構(gòu)，但在其他高效訓練的方法創(chuàng)新上不見明顯發(fā)力。反而是第二梯隊的面壁智能一度通過端側(cè)模型引起業(yè)內(nèi)關(guān)注。但在 DeepSeek 受追捧前，即使面壁智能、乃至一切企圖顛覆 Transformer 架構(gòu)的基座模型研究都不受重視。

此前大算力訓練是基座模型廠商融資與構(gòu)建壁壘的競爭砝碼，但 DeepSeek V3 的參數(shù)規(guī)模為 6710 億、訓練成本卻不足 560 萬美金，過去大算力出奇跡的粗放方式也受到了質(zhì)疑。接下來，高效模型不僅是 DeepSeek、面壁與通義等開源擁躉的追求，在其他模型團隊的優(yōu)先級上也會更加靠前。

高效訓練的目標在于用更小的參數(shù)規(guī)模、更小的訓練成本來實現(xiàn)更高的性能。以面壁小鋼炮系列為例：MiniCPM 3.0 只有 4B 參數(shù)就能帶來超越 GPT-3.5 的性能，量化后的內(nèi)存僅 2GB;MiniCPM-o 2.6 的參數(shù)規(guī)模僅 8B 就逼近了 GPT-4o，而且實現(xiàn)了實時流式的全模態(tài)看聽說，在“真視頻”等很多功能上達到了以端勝云的效果。

DeepSeek 有訓練條件，此前傳出有一萬張卡，其做法是先做大再做小，而面壁智能由于融資與算力所限，并沒有采取先做大再做小的方法，而是直接做端側(cè)小模型。蒸餾后的小模型更擅長特定任務(wù)，在部分任務(wù)上的表現(xiàn)或不如通用模型，但在個人移動設(shè)備的部署上已綽綽有余。未來或許可以結(jié)合定制化芯片開拓出新的市場。

降本三家企業(yè)同日宣布接入deepSeek

1 月 31 日，英偉達、亞馬遜和微軟這三家美國科技巨頭在同一天宣布接入由中國企業(yè)開發(fā)的先進大語言模型 DeepSeek-R1。

其中，英偉達宣布 NVIDIA NIM 已經(jīng)可以使用 DeepSeek-R1 模型。同日，亞馬遜也表示 DeepSeek-R1 模型可以在 Amazon Web Services 上使用。微軟也在同一天宣布將 DeepSeek-R1 正式納入 Azure AI Foundry，成為該企業(yè)級 AI 服務(wù)平臺的一部分。

DeepSeek-R1 被公認為是目前最先進的大語言模型之一，能夠提供高質(zhì)量的語言處理能力，這對于希望在其產(chǎn)品中集成最新 AI 功能的企業(yè)來說極具吸引力。

來源：應(yīng)用觀察