大厂“拥抱”Deepseek，打不过就加入？_风闻

这个春节，人工智能无疑成为了社交话题的C位，前有人形机器人在春晚跳扭秧歌而出圈，后有“Deepseek”的强势崛起。

网友们疯狂涌入Deepseek，有人找Deepseek算命，有人问Deepseek怎样才能暴富，还有科技金融行业的打工人，年还没有过完，就得忙着加班写研报、测试模型。

但海外市场对此却态度微妙，OpenAI一度宣称Deepseek“偷窃”了其“技术成果”，但一转头，微软、英伟达等大厂都宣布在自家产品中接入Deepseek，OpenAI CEO山姆·奥特曼更表示Deepseek的R1模型“令人印象深刻”。

国内的互联网巨头们也没有错失这波Deepseek的热度，2月6日，有道正式宣布全面拥抱DeepSeek-R1。此外，Hi Echo、有道智云、QAnything等产品也将全面接入DeepSeek的推理能力，并于近日陆续升级。

一时之间，这场AI大模型的技术迭代，不知不觉就演变成全球科技行业的现象级事件，Deepseek也被视为引领大模型行业从“大而全”到“小而美”的全新变量。

但热闹过后，Deepseek还需要回答更多的新问题，全球大模型行业该如何抓住“变革的火花”，或许才是接下来的关键。

三大变量引爆Deepseek

在普通用户看来，Deepseek是在此次中美大模型技术之争中“一战成名”，但更早之前，Deepseek便已经因为“价格便宜”而被AI圈广泛关注。

去年中，国内大模型行业大打“价格战”，但第一个“挑起战火”的并非阿里、百度等大厂，而是Deepseek，彼时其新推出的DeepSeek-V2价格仅为 GPT-4-Turbo 的百分之一左右。

此次“降价”也让Deepseek被冠以“AI界拼多多”之称，但相较于大厂们的“以价换市场”的惯常做法，Deepseek对于“降价”并没有太多压力，因为其降价之后也仍有利润。

事实上，这才是Deepseek能够震惊全球科技界的主要原因，其能够以更低的成本换来更高的性能，颠覆了过去大模型行业依靠堆显卡、堆资本来发展AI的“Scaling law”。

这是因为Deepseek的模型训练路径不同于传统通用大模型，以ChatGPT为代表的传统AI，主要采用监督微调（简称 SFT）作为大模型训练的核心环节，即通过人工标注数据进行监督训练，再结合强化学习进行优化，本质上大模型并不会思考，只是通过模仿人类思维方式来提升推理能力。

但在1月底发布的Deepseek-R1-Zero却颠覆了这一规则，其对模型架构进行了全方位创新，通过单纯的强化学习（RL）训练实现推理能力。简单来说，SFT是人类生成数据，机器学习；而RL是机器生成数据，机器学习。

除此以外，据每日财经新闻报道，DeepSeek创新性地同时使用了FP8、MLA（多头潜在注意力）和MoE（利用混合专家架构）三种技术。

其中，相较于其他模型使用的MoE架构，DeepSeek-V3的更为精简有效，其就像是医院的“分诊制度”，可以将大模型拆分成多个“专家”，训练时分工协作，推理时根据任务分配给最适合的专家模块。据悉，Deepseek能够将无效训练从传统模型的90%降低至60%。

在Deepseek-R1发布后，一位Meta员工在美国匿名职场社区teamblind上留言，称Deepseek最近的一系列动作让Meta的生成式AI团队陷入了恐慌。

据这位员工爆料，“Meta一个负责AI项目的高管年薪拿出来，就足够训练Deepseek了”。据每日经济新闻报道，Deepseek R1的预训练费用只有557.6万美元，还不到OpenAI GPT-4o模型训练成本的十分之一。

但从实际性能来看，Deepseek-R1已经能够比肩OpenAI-o1正式版，特别是在数学、代码、自然语言推理等任务上。

在美国数学竞赛（AMC）以及全球顶级编程竞赛（codeforces）等权威评测中，DeepSeek-R1-Lite-Preview 模型已经大幅超越了 GPT-4o 等顶尖模型，有三项成绩还领先于 OpenAI o1-preview。

除了“低成本、高算力”这一突破之外，Deepseek之所以在这个春节“燃起来”，还因为其竟然不是出自传统的大厂，而是一家量化基金公司。

Deepseek成立于2023年12月，在此之前，其创始人梁文锋于2015年便成立了名为“幻方量化”的量化对冲基金，可以说Deepseek的前身其实是服务于量化交易的。

这样的背景也为Deepseek增添了更多“看点”，比如梁文锋之所以不差钱，是因为其在量化交易上赚得风生水起，网友甚至戏称Deepseek的训练成本是来自于造空英伟达。

还有背靠千亿量化基金的梁文锋，明明可以选择轻松躺赚，却选择投身到全球创新的浪潮里，他坦言“对AGI的好奇与探索比商业回报更具驱动力”，这种一往无前的“理想主义”，想让也让Deepseek的“故事”变得更加动人。

大厂打不过就加入

不过，技术上的逆袭，尚不足以彻底震惊科技界，真正引爆Deepseek的变量，其实是“开源”。据悉，Deepseek已经把模型架构和参数开源，在大模型公司普遍选择闭源的当下，训练数据的开源在业界少有先例。

梁文锋曾在媒体采访中表示，“过去很多年，中国公司习惯了别人做技术创新，我们拿过来做应用变现，但这并非是一种理所当然。我们的出发点不是趁机赚一笔，而是走到技术的前沿，去推动整个生态发展。”

从商业角度来看，“开源”是不是一个更佳的策略，尚难以下定论。毕竟训练模型需要成本，招揽用户也需要推广费用，从此前字节豆包大规模投放广告、kimi多次接受融资就可以看出，大模型公司有自己的难处。

但对于中国大模型行业来说，或许正是梁文锋的“理想主义”，才让Deepseek能够成为颠覆行业格局的“变量”。

一方面，开源将能吸引更多大厂和技术人才加入，通过共建共创让Deepseek变得更加强大，从而推动整个人工智能大模型生态的发展，形成一个全新的生态。

梁文锋曾对媒体表示，公司未来不会像OpenAI一样选择从开源走向闭源，“我们认为先有一个强大的技术生态更重要” 。

另一方面，对于以OpenAI为代表的竞争对手来说，这也是一个致命的打击。毕竟，当一个旗鼓相当的，还是免费的产品出现在消费者面前，大家难免就会进行比较，谁的性价比更高，谁的性能更优秀，都需要实打实的使用效果来验证，而不仅仅只是“吹泡沫”。

而率先作出选择的，便是一众海外大厂，目前包括英伟达、英特尔、亚马逊、微软、AMD、等海外科技大厂，均宣布在自家产品中接入Deepseek。

值得一提的是，欧美多国对于Deepseek的安全性、隐私问题依然存在质疑。美国多位官员表示正在对Deepseek开展国家安全调查，包括国防部、国会和NASA等部门均被要求禁用Deepseek。

此外，据彭博社等媒体报道，微软还曾调查 OpenAI 技术输出的数据是否被中国的Deepseek团队以未经授权的方式获取，比如通过“蒸馏技术”非法获取其模型输出数据。

但在这些争议尚未解决之前，大厂们显然已经迫不及待想要加入Deepseek生态，本质上还是基于“利益至上”的原则。

据斯坦福大学计算机科学系和电子工程系副教授吴恩达表示，OpenAI - o1模型每百万输出token 的成本为60美元，而Deepseek-R1 则仅需 2.19 美元，这接近30倍的成本差距，相信大厂们也会算账。

其次则是生态效应，吴恩达认为，“降价”+“开源”正在将基础模型层商品化，为应用开发者创造了巨大的机遇。尽早加入这一生态，让自家大模型与之相结合，也有望带来更多创新体验，“收拢”部分DeepSeek用户的需求。

因此，除了海外大厂之外，诸如阿里云、百度云等国内大厂也开始集中接入Deepseek，在各自平台提供的适配服务，打不过就加入，才能共享创新红利。

乘上Deepseek的东风

事实上，在开春爆火的Deepseek，不仅为大模型行业带来了一阵“春风”，对于普通用户来说，也带来了更多新机会。

第一批利用Deepseek搞钱的人已经出现了，跟彼时横空出世的ChatGPT一样，面对更加智能、更加高效的大模型，AI取代人类的焦虑感，再次成为收割用户的“武器”。

社交平台上已经出现了不少“如何使用Deepseek进行XXX”的课程，面向社交媒体、电商、广告等不同行业的应用和变现。

当然，学习新知识肯定是没错的，但相较于被焦虑感“收割”，并沦为大V私域流量中的一员，大家不妨根据自己的实际工作和擅长内容，先上手试用一下Deepseek。

目前来看，Deepseek在技术上确实有意想不到的突破，对于普通用户来说，其能够展示思维链全过程，更方便人类与AI交流，业内人士甚至称之为当前最好用的开源模型，但也不需要过度“神化”Deepseek。

首先，从使用体验来看，Deepseek尚无法承受蜂拥而至的流量。其实，Deepseek在年前便已经小范围的“爆火”，其当时尚能同时使用深度思考和联网功能，输出的文章框架和成文确实比较惊艳。

但随着使用者不断增多，目前Deepseek已经关闭了联网功能，整理输出质量有较大的下降，且大部分时间Deepseek都呈现“服务繁忙”的状态。

虽然梁文锋曾表示“商业化”不是当前首要考虑的问题，但按私募基金的体量来推算“幻方”的资金规模，千亿规模不等于千亿资金体量，“幻方”只是在千亿规模上收取管理费，其跟大厂之间的资金差距还是很大的。

但要继续维持C端的使用体验，Deepseek必然需要烧钱，后续如何补充资金，还是调整使用模式，梁文锋都需要提出更明确的打法。

其次，目前Deepseek在图文、视频方面的能力是缺失的，现阶段要说Deepseek能够与头部闭源模型直接打擂台，恐怕还为时尚早。

不过，其发展也给Open AI，以及更多垂直模型带来了压力，相信将能在一定程度上推动整个大模型生态的发展。

最后，Deepseek依然面临着政策、数据安全等争议，要走向全球依然是漫漫长路；此外，其在计算资源与算力方面依然受限，这意味着国产硬件还需要继续努力，才能支撑软件的不断创新。

当然，对于全球大模型行业来说，有竞争才有动力，就像智能手机行业一样，参与者多了，行业盘子就会越来越多，也才有机会爆发出更多的机会。

Deepseek的出现就像是国内大模型行业的一点“火花”，既是思维碰撞的突破，也是灵感乍现的瞬间。接下来，相信还需要国内大模型行业在软硬件方面的持续创新，才能抓住这一机遇，让中国科技行业能够从“跟随者”向“引领者”进发。