DeepSeek，攪了誰的局？_風聞
定焦One-深度影响创新。1小时前
定焦One（dingjiaoone）原創
作者 | 蘇琦
編輯 | 魏佳
上一次AI行業引起全民震動還是2022年11月ChatGPT的橫空出世，此後AI行業每逢重大變革，都被稱為是“ChatGPT時刻”。
這個詞在2024年年底被改寫，“DeepSeek時刻”出現，被看作是AI歷史上的新轉折點。
2025年春節前期，中國杭州的一家AI企業DeepSeek（深度求索）接連發布了V3（2024年12月26日）和R1（2025年1月20日）兩大開源模型。
其中，DeepSeek宣稱V3在性能上接近閉源模型OpenAI的GPT-4o與Anthropic的Claude-3.5-Sonnet，優於開源模型Meta的Llama 3，且總訓練成本僅為557.6萬美元。推理模型R1的效果則逼近OpenAI o1，同時API（應用程序編程接口）價格僅為OpenAI o1的3.7%。
這是一家成立於2023年7月17日的初創公司，手上卻握着萬張英偉達芯片，以海外AI巨頭們7%左右的成本訓練出了性能不錯的大模型。這家公司早在2024年5月發佈V2模型後，正式打響中國大模型價格戰，被字節、阿里、百度等大公司盯上，年底又成功將價格戰燒到海外。
DeepSeek的出現，一度讓全球算力概念股暴跌，疊加美股科技股普跌的影響，英偉達股價下跌近17%，市值蒸發近6000億美元，規模創美股史上最大。OpenAI和谷歌也在近期緊急上線最新模型，AI行業堪稱烈火烹油。
DeepSeek爆火之後，硅谷巨頭們開始掀桌，OpenAI表示已經發現證據，證明DeepSeek“蒸餾”OpenAI模型的跡象，Anthropic創始人和CEO Dario Amodei發文否認R1取得的突破，並呼籲加強對中國的算力出口管制。
拋開這場盛宴背後的情緒，本文試圖理清，DeepSeek到底有沒有被“高估”，以及DeepSeek將會對國內外AI產業帶來哪些漣漪效應。
DeepSeek-R1上線20多天，接受了多少掌聲，就承受了多少壓力。
AI行業從業者林志向「定焦One」總結了DeepSeek口碑的來源：1、完全免費使用。2、在和用户聊天時會展示思維過程，這樣也能反向優化用户的提問形式，提升對話體驗，而o1就沒有公佈思考過程，原因可能是怕競爭對手將過程拷貝後訓練自己的模型。3、將技術論文和模型進行毫無保留的開源，部分開源大模型還是會將最好的版本留給自己。
但前幾天因為熱度前來的用户發現，DeepSeek頻繁出現宕機，幾乎無法正常使用，原因是公司服務器受到了大規模DDoS惡意攻擊，截至發稿，DeepSeek已恢復正常使用。
當然，上述特徵只是讓DeepSeek有了用户自發傳播的基礎，DeepSeek之所以火爆，一定程度上是因為它讓海外AI巨頭“破防”，出現了“掀桌子”的行為。
面對不少人士“DeepSeek是否有創新”的質疑，DeepSeek在其披露的V3和R1的技術論文中已經有過回應：1、V3模型採用多項自研技術進行架構創新，包括DeepSeekMoE+DeepSeekMLA架構、MTP多Token預測技術，使低成本訓練成為可能；2、R1模型放棄了傳統RLHF（人類反饋強化學習）中的HF部分，通過純強化學習（RL）直接訓練，驗證了RL的優先級和有效性，進一步優化了訓練效率。
這也意味着，DeepSeek證明了自己的確可以做到“以不到600萬美元的訓練成本（可以理解為淨算力成本），完成一個性能接近巨頭的模型”。
不過，半導體市場分析和預測公司SemiAnalysis指出，557.6萬美元這個數字主要指的是模型預訓練的GPU成本，考慮到服務器資本支出、運營成本等因素，DeepSeek的總成本在4年內可能達到25.73億美元。
不可忽略的是，創新成本下降的趨勢早已開始，DeepSeek只是加速了這一進程。方舟投資管理公司的創始人兼CEO“木頭姐”指出，在DeepSeek之前，人工智能訓練成本每年下降75%，推理成本甚至下降85%到90%。
英諾天使基金合夥人王晟也有相同看法，比如年初發布的模型，到年底再發布同樣的模型，成本都會有大幅度下降，甚至有可能降至1/10。而且OpenAI作為閉源模型，對外披露的算力成本也有虛高的可能性，因為要留部分利潤空間，也要不斷對資本市場強化成本很貴的故事，以此得到更高的投資。
不過，DeepSeek的可貴性並不僅僅在於“便宜”，更在於它是一個“屠龍少年”的故事。
在ChatGPT橫空出世之前，在中國面臨算力管制之前，DeepSeek就已經擁有了超萬張的GPU儲備。這關聯到DeepSeek的創始人梁文峯從2008年開始探索的量化交易，因為要將深度學習模型應用於實盤交易，必須儲備大量算力，2019年至2021年間，梁文峯的另一家公司幻方相繼自主研發了“螢火一號”與“螢火二號”AI集羣，囤積大量芯片和技術人才。
幻方為梁文峯提供了很多東西，足夠的卡、對AI的sense以及模型層面的工程化能力，梁文峯也為DeepSeek提供了很多東西，不以盈利為導向，對AGI純粹的好奇心和探索欲，以及足夠開放的心態。有參與者表示，幻方曾用很低的價格將卡提供給算法研究機構使用。
這樣的故事具有不可複製性和美感，這也使得DeepSeek聚集了全民性的熱度。
DeepSeek火了之後，一石激起千層浪，中美AI產業鏈上下游的企業都受到了衝擊。
首當其衝的要數chatbot類（聊天機器人）AI應用，根據AI產品榜的數據，DeepSeek在2025年除夕前後，日活超過2000萬，超越國內的豆包和Kimi登頂中國第一。同時，DeepSeek僅用一週就用户破億，而ChatGPT用時2個月。
林志認為，這件事充分展示了用户對chatbot這種模式的忠誠度是很低的，一旦出現了更強大更便宜更快的模型，大家就會遷移過去。
不過，從產品形態來看，豆包已經在產品中接入多模態大模型，而DeepSeek目前還只有對話，且體驗不穩定。雖然DeepSeek在除夕當天（1月28日）發佈了開源文字生成圖像（文生圖）大模型Janus-Pro 7B，但是暫時還沒有接入DeepSeek網頁和APP中使用。
在真正的殺手級應用出現之前，比拼的還是背後的大模型能力。在這個層面上來看，目前受到DeepSeek直接影響的第二批公司是自研大模型公司。
從投資人的視角出發，王晟指出，從2024年5月DeepSeek發佈V2模型打響中國大模型價格戰時，圈內基本達成一個共識——國內巨頭中，最好用的大模型是阿里的Qwen，豆包在2023年還不夠好用但在2024年下半年提升很快；創業公司裏DeepSeek和月之暗面（Kimi）增長最快，其餘五小龍（零一萬物、MiniMax、百川智能、智譜AI、階躍星辰），有的轉型、有的放棄、有的背靠國資，但增長逐漸慢下去了，六小龍的格局也基本瓦解。
某種程度上，這些閉源大模型公司也要面臨和國外巨頭一樣的拷問：訓練成本能不能降下來？有沒有更高效的訓練方式？API價格戰還打不打？
至於DeepSeek是否會改變芯片市場的格局，多位行業人士則表示，算力之爭不會消失，但是現在到了一個重估的階段。之前英偉達的熱度過高，現在股價只是迴歸到了合理區間，但是最終英偉達的價值還是會上去。也就是説，英偉達並非DeepSeek的受害者。反而是隨着模型應用場景的擴展，模型越“平權”，對算力的需求越大。
DeepSeek把大家從一腔熱血只追求AGI的上限，拉回到轉向關注產業落地的現實裏，它用很低的成本給到相對高的能力，能促進產業鏈上的創新，將利好AI原生應用和AI硬件的發展。“2025年將是AI商業化落地元年”，林志稱。
同時，DeepSeek驗證了國內AI產業從芯片到模型是可以部分實現國產替代的，提振了產業信心。春節期間，國內雲服務廠商和GPU廠商紛紛部署DeepSeek。
不過，隨着一步步被推向“神壇”，DeepSeek的最大沖擊或許將來自於自身的選擇。
有信源稱，阿里正計劃以100億美元的估值，投資10億美元認購DeepSeek10%的股權。這一估值已經超過月之暗面（33億美元）和智譜AI（20億美元）。這一消息被阿里方面否定，也有人指出背靠幻方的DeepSeek一直沒有尋求過融資，但市場仍擔心還有其他戰略方正在接觸DeepSeek。
這或許是市場最不想看到的結局，在這個春節接到“潑天富貴”的DeepSeek，原本是一家自由的公司，梁文鋒也曾對媒體提到，與大廠模型的最大區別是，“大廠會和平台或生態捆綁，而我們是完全自由的”。有人擔心如果DeepSeek此次拿了任何戰略投資方的錢，AI六小龍的故事或許將在它身上重現。
還有成長空間
放到更大視角來看，DeepSeek的崛起之所以被海外巨頭如此重視，背後是兩種路徑的對比。
王晟解釋，AI產業在跑通AGI方向上往往有兩種不同的路徑選擇：一個是“算力軍備”範式，堆技術堆錢堆算力，先把大模型性能拉至一個高點，不斷推高AGI的能力上限，再考慮產業落地；另外一個是“算法效率”範式，一開始就以產業落地為目標，通過架構創新和工程化能力，推出低成本高性能模型。
可以看到，以往大模型公司之間的競爭，基本都是押注“算力軍備”範式。在這種範式下，OpenAI、Anthropic、谷歌，包括國內AI六小龍等企業，都是重資本投入型企業。
因為需要巨大的資金量，這意味着資本市場只能支持少數幾家企業，AI巨頭的市場集中度遠高於其他行業。
DeepSeek-R1發佈之際，美國總統特朗普宣佈了一個總額達5000億美元的AI基礎設施項目“星際之門”，OpenAI、軟銀和甲骨文等都已承諾參與其中。稍早前，微軟表示2025年將在AI基礎設施上投入800億美元，扎克伯格則計劃在2025年為其AI戰略投資600多億美元。
一個無法忽略的市場環境是，過去大家都在追求AGI能力的不斷增長，只要模型性能增長的夠快，競爭對手在後面無論怎麼進行數據工程優化都追不上頭部企業。但是到2024年11月左右，“高質量文本訓練數據即將被消耗殆盡”的論調敲響了行業警鐘，如果數據供應停滯，模型訓練也可能停滯，大家意識到之前比較粗放的訓練模式確實可能存在瓶頸，即使往上堆算力，延長訓練時間和增大數據量級，能力增長也幾乎到頭了。
在這個時間點，其實也有企業認為“算法效率”範式是當下可行的範式，只是DeepSeek先做出來了。“它的一系列模型也證明了，在天花板漲不動的情況下，把重點放在優化效率而非能力增長上的範式也具有可行性。”王晟稱。
這樣的背景下，DeepSeek以一個“攪局者”的身份出現，美國AI巨頭“花錢砸模型很值”的資本故事逐漸不成立了。
DeepSeek以開源模型入場，被視為是靠生態的力量去挑戰領先者，而領先者為了怕被攪局，通常會越來越封閉。
“其實中美的主流路線已經完全反過來了”，林志稱。在阿里Qwen性能追趕上來之前，全球最主流的開源模型是Meta的Llama，在海外市場，Llama一度落後於OpenAI跟Claude等閉源模型，但在國內，目前在大模型上支大旗的反而是開源模型。
不過，也有不少業內人士認為不應該過分樂觀，因為DeepSeek只能説是給2025年開了個好頭，競爭還在繼續，差距依舊存在。
近期，幾大海外巨頭就推出了新模型。2月1日，OpenAI發佈最新推理模型o3-mini系列，這是OpenAI首個開放給免費用户的推理模型。2月6日，谷歌官宣Gemini 2.0家族更新，其中Gemini 2.0 Flash-Lite版本被稱為谷歌目前為止性價比最高的模型。
正如梁文鋒自己所説，雖然具體技術方向一直在變，但模型、數據和算力這三者的組合是不變的。數據工程也是其中很重要的一環，OpenAI雖然面臨侵權問題但積累了自己的數據庫，豆包因為TikTok事件影響也宣稱自己不會進行數據蒸餾，“原生搭建的數據庫”成為大廠的護城河之一。
另外，王晟提到，根據Trade-off Curves（取捨曲線），DeepSeek選擇的路徑意味着它的精力重點在於工程優化，那就很難在能力上限上取得突破，“它用現有方法繼續迭代新版本，能力能提升多少？這是個問題。”
從學生時代起，梁文鋒就展現出探索AGI的熱情和不斷創新的追求，DeepSeek此前只是躲開了無效或失敗的嘗試，但我們也不應該否認前一種路徑中，巨頭們不惜代價，通過各種未知的嘗試來拓寬AGI邊界的努力。
DeepSeek攪動的這一片汪洋，漣漪還在繼續擴大。
*題圖來源於Pexels。應受訪者要求，文中林志為化名。