2025年春节期间，DeepSeek爆火出圈，发布开源大模型，在数学、代码、自然语言推理等任务上表现追平OpenAI，在美国对我国AI产业链全方位打压遏制的背景下，成功走出了一条低成本、高性能、国产化“突围之路”并震惊世界，为加速国产AI大模型降本提效、生态繁荣注入了强大动力。
1、出圈情况
DeepSeek凭借“低成本+高性能”模型全球破圈。DeepSeek早前发布的V3模型每训练1万亿tokens仅需在2048块H800 GPU集群上耗时3.7天，总计278万 GPU小时、557.6万美元的训练成本，约为GPT-o1的1/20、Llama 3.1的1/10。
新发布的R1模型API服务价格为每百万输入tokens 1-4元、每百万输出tokens 16元，远低于同期 OpenAI o1 API定价水平，且在逻辑、数学及中文任务中表现优异。DeepSeek应用程序霸榜苹果应用商店(diàn)第(dì)一(yī)名，获(huò)全球(qiú)主流(liú)公(gōng)有(yǒu)云(yún)公(gōng)司(sī)平(píng)台(tái)接(jiē)入(rù)。
2、成(chéng)功(gōng)原(yuán)因(yīn)
①DeepSeek通(tōng)过(guò)较(jiào)少(shǎo)算(suàn)力实现高性能模型表现，主要通过算法创新和工程优化等方式大幅提升模型效率。
一是成功走通“纯”强化学习（RL）路径。DeepSeek-R1抛(pāo)开(kāi)以(yǐ)预(yù)设(shè)思(sī)维(wéi)链(liàn)模(mó)板(bǎn)和(hé)监(jiān)督(dū)式(shì)微(wēi)调(diào)等(děng)为(wèi)特(tè)点(diǎn)的(de)AI推(tuī)理(lǐ)能(néng)力(lì)传(chuán)统(tǒng)训(xun)练(liàn)方(fāng)法(fǎ)，仅(jǐn)依(yī)靠(kào)简(jiǎn)单(dān)的(de)奖(jiǎng)惩(chéng)信(xìn)号来指导优化模型行为，不仅省去了SFT和复杂的奖惩模型对计算资源的需求，还促使模型以“顿悟”的形式学会思考。二是实现算法、框架和硬件的优化协同。为大幅减少内存占用和计算量，DeepSeek系列模型在算法层面引入专家混合模型、多头隐式注意力、多token预测，框架层面实现FP8混合精度训练，硬件层面采用优化的流水线并行策略，同时高效配置专家分发与跨节点通信，实现最优效率配置和资源节约。
②DeepSeek具有拥抱AI的创始基因丰富的算力资源储备、极具天赋的本土人才团队。
一是自带AI创始基因。创始人梁文锋毕业于浙江大学电子信息工程(chéng)和(hé)计(jì)算(suàn)机(jī)科(kē)学(xué)专(zhuān)业(yè)，早(zǎo)年(nián)创(chuàng)立(lì)对(duì)冲(chōng)基(jī)金(jīn)“幻(huàn)方(fāng)量(liàng)化(huà)”，实(shí)现(xiàn)投(tóu)资(zī)策(cè)略(è)全面(miàn)AI化(huà)，2023年(nián)5月(yuè)成(chéng)立(lì)深(shēn)度(dù)求(qiú)索(suǒ)，聚(jù)焦(jiāo)发(fā)展(zhǎn)通(tōng)用(yòng)人(rén)工(gōng)智(zhì)能(néng)。二(èr)是(shì)丰(fēng)富(fù)的(de)算(suàn)力(lì)资(zī)源(yuán)储(chǔ)备(bèi)。幻(huàn)方(fāng)量(liàng)化曾投资超过10亿元，先后研发了AI超级计算机“萤火一号”和“萤火二号”。其中，“萤火二号”搭载了约1万张英伟达A100显卡。三是极具天赋的本土人才团队。DeepSeek团队工程师和研发人员几乎都来自清华大学、北京大(dà)学(xué)、中(zhōng)山(shān)大(dà)学(xué)、北(běi)京(jīng)邮(yóu)电(diàn)大(dà)学(xué)等(děng)国(guó)内(nèi)顶(dǐng)尖(jiān)高(gāo)校(xiào)，鲜(xiān)有(yǒu)“海(hǎi)归(guī)”，以(yǐ)走(zǒu)出(chū)校(xiào)园(yuán)不(bù)久(jiǔ)的(de)博(bó)士(shì)为(wèi)主，也(yě)有(yǒu)部(bù)分(fēn)成(chéng)员(yuán)有(yǒu)英(yīng)伟(wěi)达(dá)、微(wēi)软(ruǎn)等(děng)国(guó)外(wài)企(qǐ)业工作或实习经历。
3、产业影响
一是DeepSeek打破大模型发展路径依赖，基本确立了符合中国实际的AI发展道路。DeepSeek 打破了 AI 大模型发展对算力和标注数据的高度依赖，展示了通过改进模型架构和训练方法，以较少的数据标注(zhù)量(liàng)和(hé)算力消耗提升模型推理能力的可行性，标志着我国在硬件上长期存在代际差距的情况下，可采取软硬协同方式实现对海外顶尖大模型的性能追赶和成本领先。
二是DeepSeek提升行业对模型的后训练和推理需求，长期提振算力需求。DeepSeek R1在 V3 的基础上进行了两次强化学习，明显提升了训练的探索时间和推理思考时间，将在后训练阶段延续Scaling Law法则。随着高性能低成本模型的出现将大幅降(jiàng)低(dī)国(guó)内(nèi)AI赋(fù)能(néng)千(qiān)行(xíng)百(bǎi)业(yè)的(de)应(yīng)用(yòng)开(kāi)发(fā)门(mén)槛(kǎn)，推(tuī)动(dòng)AI产(chǎn)业(yè)链(liàn)从(cóng)“训(xun)练(liàn)驱(qū)动(dòng)”向(xiàng)“推(tuī)理(lǐ)驱(qū)动(dòng)”转(zhuǎn)变(biàn)，带(dài)动(dòng)推(tuī)理(lǐ)算(suàn)力(lì)需(xū)求(qiú)加(jiā)速(sù)释(shì)放(fàng)。
三是DeepSeek以模型开源推动AI平权，开源路线有望打造应用繁荣的“安卓时刻”。DeepSeek完全开源了模型权重，允许其他开发者将模(mó)型用于商业用途并进行模型蒸馏。已发布了基于R1蒸馏Llama与Qwen的6个小模型，在多项基础测试集中性能对标 o1-mini，被Facebook首席人工智能科学家杨立昆誉为“开源模型对闭源模型的胜利”。开源模型通过知识蒸馏快速打造高性能、轻量化小模型，将驱动端侧模型在手机、电脑、眼镜等智能硬件上的部署应用，形成AI应用百花齐放的格局。
作者：邓衢文
单位：中移湾区（广东）创新研究院有限公司
