大廠“擁抱”Deepseek，打不過就加入？_風聞

這個春節，人工智能無疑成為了社交話題的C位，前有人形機器人在春晚跳扭秧歌而出圈，後有“Deepseek”的強勢崛起。

網友們瘋狂湧入Deepseek，有人找Deepseek算命，有人問Deepseek怎樣才能暴富，還有科技金融行業的打工人，年還沒有過完，就得忙着加班寫研報、測試模型。

但海外市場對此卻態度微妙，OpenAI一度宣稱Deepseek“偷竊”了其“技術成果”，但一轉頭，微軟、英偉達等大廠都宣佈在自家產品中接入Deepseek，OpenAI CEO山姆·奧特曼更表示Deepseek的R1模型“令人印象深刻”。

國內的互聯網巨頭們也沒有錯失這波Deepseek的熱度，2月6日，有道正式宣佈全面擁抱DeepSeek-R1。此外，Hi Echo、有道智雲、QAnything等產品也將全面接入DeepSeek的推理能力，並於近日陸續升級。

一時之間，這場AI大模型的技術迭代，不知不覺就演變成全球科技行業的現象級事件，Deepseek也被視為引領大模型行業從“大而全”到“小而美”的全新變量。

但熱鬧過後，Deepseek還需要回答更多的新問題，全球大模型行業該如何抓住“變革的火花”，或許才是接下來的關鍵。

三大變量引爆Deepseek

在普通用户看來，Deepseek是在此次中美大模型技術之爭中“一戰成名”，但更早之前，Deepseek便已經因為“價格便宜”而被AI圈廣泛關注。

去年中，國內大模型行業大打“價格戰”，但第一個“挑起戰火”的並非阿里、百度等大廠，而是Deepseek，彼時其新推出的DeepSeek-V2價格僅為 GPT-4-Turbo 的百分之一左右。

此次“降價”也讓Deepseek被冠以“AI界拼多多”之稱，但相較於大廠們的“以價換市場”的慣常做法，Deepseek對於“降價”並沒有太多壓力，因為其降價之後也仍有利潤。

事實上，這才是Deepseek能夠震驚全球科技界的主要原因，其能夠以更低的成本換來更高的性能，顛覆了過去大模型行業依靠堆顯卡、堆資本來發展AI的“Scaling law”。

這是因為Deepseek的模型訓練路徑不同於傳統通用大模型，以ChatGPT為代表的傳統AI，主要採用監督微調（簡稱 SFT）作為大模型訓練的核心環節，即通過人工標註數據進行監督訓練，再結合強化學習進行優化，本質上大模型並不會思考，只是通過模仿人類思維方式來提升推理能力。

但在1月底發佈的Deepseek-R1-Zero卻顛覆了這一規則，其對模型架構進行了全方位創新，通過單純的強化學習（RL）訓練實現推理能力。簡單來説，SFT是人類生成數據，機器學習；而RL是機器生成數據，機器學習。

除此以外，據每日財經新聞報道，DeepSeek創新性地同時使用了FP8、MLA（多頭潛在注意力）和MoE（利用混合專家架構）三種技術。

其中，相較於其他模型使用的MoE架構，DeepSeek-V3的更為精簡有效，其就像是醫院的“分診制度”，可以將大模型拆分成多個“專家”，訓練時分工協作，推理時根據任務分配給最適合的專家模塊。據悉，Deepseek能夠將無效訓練從傳統模型的90%降低至60%。

在Deepseek-R1發佈後，一位Meta員工在美國匿名職場社區teamblind上留言，稱Deepseek最近的一系列動作讓Meta的生成式AI團隊陷入了恐慌。

據這位員工爆料，“Meta一個負責AI項目的高管年薪拿出來，就足夠訓練Deepseek了”。據每日經濟新聞報道，Deepseek R1的預訓練費用只有557.6萬美元，還不到OpenAI GPT-4o模型訓練成本的十分之一。

但從實際性能來看，Deepseek-R1已經能夠比肩OpenAI-o1正式版，特別是在數學、代碼、自然語言推理等任務上。

在美國數學競賽（AMC）以及全球頂級編程競賽（codeforces）等權威評測中，DeepSeek-R1-Lite-Preview 模型已經大幅超越了 GPT-4o 等頂尖模型，有三項成績還領先於 OpenAI o1-preview。

除了“低成本、高算力”這一突破之外，Deepseek之所以在這個春節“燃起來”，還因為其竟然不是出自傳統的大廠，而是一家量化基金公司。

Deepseek成立於2023年12月，在此之前，其創始人梁文鋒於2015年便成立了名為“幻方量化”的量化對沖基金，可以説Deepseek的前身其實是服務於量化交易的。

這樣的背景也為Deepseek增添了更多“看點”，比如梁文鋒之所以不差錢，是因為其在量化交易上賺得風生水起，網友甚至戲稱Deepseek的訓練成本是來自於造空英偉達。

還有背靠千億量化基金的梁文鋒，明明可以選擇輕鬆躺賺，卻選擇投身到全球創新的浪潮裏，他坦言“對AGI的好奇與探索比商業回報更具驅動力”，這種一往無前的“理想主義”，想讓也讓Deepseek的“故事”變得更加動人。

大廠打不過就加入

不過，技術上的逆襲，尚不足以徹底震驚科技界，真正引爆Deepseek的變量，其實是“開源”。據悉，Deepseek已經把模型架構和參數開源，在大模型公司普遍選擇閉源的當下，訓練數據的開源在業界少有先例。

梁文鋒曾在媒體採訪中表示，“過去很多年，中國公司習慣了別人做技術創新，我們拿過來做應用變現，但這並非是一種理所當然。我們的出發點不是趁機賺一筆，而是走到技術的前沿，去推動整個生態發展。”

從商業角度來看，“開源”是不是一個更佳的策略，尚難以下定論。畢竟訓練模型需要成本，招攬用户也需要推廣費用，從此前字節豆包大規模投放廣告、kimi多次接受融資就可以看出，大模型公司有自己的難處。

但對於中國大模型行業來説，或許正是梁文鋒的“理想主義”，才讓Deepseek能夠成為顛覆行業格局的“變量”。

一方面，開源將能吸引更多大廠和技術人才加入，通過共建共創讓Deepseek變得更加強大，從而推動整個人工智能大模型生態的發展，形成一個全新的生態。

梁文鋒曾對媒體表示，公司未來不會像OpenAI一樣選擇從開源走向閉源，“我們認為先有一個強大的技術生態更重要” 。

另一方面，對於以OpenAI為代表的競爭對手來説，這也是一個致命的打擊。畢竟，當一個旗鼓相當的，還是免費的產品出現在消費者面前，大家難免就會進行比較，誰的性價比更高，誰的性能更優秀，都需要實打實的使用效果來驗證，而不僅僅只是“吹泡沫”。

而率先作出選擇的，便是一眾海外大廠，目前包括英偉達、英特爾、亞馬遜、微軟、AMD、等海外科技大廠，均宣佈在自家產品中接入Deepseek。

值得一提的是，歐美多國對於Deepseek的安全性、隱私問題依然存在質疑。美國多位官員表示正在對Deepseek開展國家安全調查，包括國防部、國會和NASA等部門均被要求禁用Deepseek。

此外，據彭博社等媒體報道，微軟還曾調查 OpenAI 技術輸出的數據是否被中國的Deepseek團隊以未經授權的方式獲取，比如通過“蒸餾技術”非法獲取其模型輸出數據。

但在這些爭議尚未解決之前，大廠們顯然已經迫不及待想要加入Deepseek生態，本質上還是基於“利益至上”的原則。

據斯坦福大學計算機科學系和電子工程系副教授吳恩達表示，OpenAI - o1模型每百萬輸出token 的成本為60美元，而Deepseek-R1 則僅需 2.19 美元，這接近30倍的成本差距，相信大廠們也會算賬。

其次則是生態效應，吳恩達認為，“降價”+“開源”正在將基礎模型層商品化，為應用開發者創造了巨大的機遇。儘早加入這一生態，讓自家大模型與之相結合，也有望帶來更多創新體驗，“收攏”部分DeepSeek用户的需求。

因此，除了海外大廠之外，諸如阿里雲、百度雲等國內大廠也開始集中接入Deepseek，在各自平台提供的適配服務，打不過就加入，才能共享創新紅利。

乘上Deepseek的東風

事實上，在開春爆火的Deepseek，不僅為大模型行業帶來了一陣“春風”，對於普通用户來説，也帶來了更多新機會。

第一批利用Deepseek搞錢的人已經出現了，跟彼時橫空出世的ChatGPT一樣，面對更加智能、更加高效的大模型，AI取代人類的焦慮感，再次成為收割用户的“武器”。

社交平台上已經出現了不少“如何使用Deepseek進行XXX”的課程，面向社交媒體、電商、廣告等不同行業的應用和變現。

當然，學習新知識肯定是沒錯的，但相較於被焦慮感“收割”，並淪為大V私域流量中的一員，大家不妨根據自己的實際工作和擅長內容，先上手試用一下Deepseek。

目前來看，Deepseek在技術上確實有意想不到的突破，對於普通用户來説，其能夠展示思維鏈全過程，更方便人類與AI交流，業內人士甚至稱之為當前最好用的開源模型，但也不需要過度“神化”Deepseek。

首先，從使用體驗來看，Deepseek尚無法承受蜂擁而至的流量。其實，Deepseek在年前便已經小範圍的“爆火”，其當時尚能同時使用深度思考和聯網功能，輸出的文章框架和成文確實比較驚豔。

但隨着使用者不斷增多，目前Deepseek已經關閉了聯網功能，整理輸出質量有較大的下降，且大部分時間Deepseek都呈現“服務繁忙”的狀態。

雖然梁文鋒曾表示“商業化”不是當前首要考慮的問題，但按私募基金的體量來推算“幻方”的資金規模，千億規模不等於千億資金體量，“幻方”只是在千億規模上收取管理費，其跟大廠之間的資金差距還是很大的。

但要繼續維持C端的使用體驗，Deepseek必然需要燒錢，後續如何補充資金，還是調整使用模式，梁文鋒都需要提出更明確的打法。

其次，目前Deepseek在圖文、視頻方面的能力是缺失的，現階段要説Deepseek能夠與頭部閉源模型直接打擂台，恐怕還為時尚早。

不過，其發展也給Open AI，以及更多垂直模型帶來了壓力，相信將能在一定程度上推動整個大模型生態的發展。

最後，Deepseek依然面臨着政策、數據安全等爭議，要走向全球依然是漫漫長路；此外，其在計算資源與算力方面依然受限，這意味着國產硬件還需要繼續努力，才能支撐軟件的不斷創新。

當然，對於全球大模型行業來説，有競爭才有動力，就像智能手機行業一樣，參與者多了，行業盤子就會越來越多，也才有機會爆發出更多的機會。

Deepseek的出現就像是國內大模型行業的一點“火花”，既是思維碰撞的突破，也是靈感乍現的瞬間。接下來，相信還需要國內大模型行業在軟硬件方面的持續創新，才能抓住這一機遇，讓中國科技行業能夠從“跟隨者”向“引領者”進發。