DeepSeek：震撼世界的AI“黑马”，如何异军突起？

春节前后，科技圈被一个名字彻底点燃 ——DeepSeek。这个来自中国的 AI 大模型，犹如一颗重磅炸弹，在全球范围内掀起了惊涛骇浪。

1 月 27 日，苹果 App Store 中国区和美国区免费榜同时被 DeepSeek 登顶 ，其下载量一骑绝尘，将 ChatGPT、Google Gemini、Microsoft Copilot 等一众美国科技公司的生成式 AI 产品远远甩在身后，成为首个同期在中国和美区苹果 App Store 占据榜首的中国应用。一时间，全球用户疯狂涌入，体验这款来自东方的神奇 AI。

而在大洋彼岸的美国股市，DeepSeek 同样掀起了惊涛骇浪。当地时间 1 月 27 日，美股科技股集体暴跌，英伟达收跌 16.97%，市值一夜蒸发近 5900 亿美元，创下美国金融史纪录 。博通、台积电等芯片股也未能幸免，纷纷大幅下挫。这场暴跌的导火索，正是 DeepSeek 推出的低成本高性能 AI 模型，让市场对美国科技巨头的高投入、高成本 AI 发展模式产生了深深的质疑。

DeepSeek 背后的公司 —— 杭州深度求索人工智能基础技术研究有限公司，于 2023 年 7 月 17 日在杭州市拱墅区市场监督管理局登记成立，由知名量化资管巨头幻方量化创立 。公司创始人兼 CEO 梁文锋，1985 年出生于广东湛江，硕士毕业于浙江大学信息与通信工程专业。他在量化投资和高性能计算领域拥有深厚的背景和丰富的经验，2015 年成立的幻方量化，在 2021 年资产管理规模就突破了千亿，成为国内量化私募 “四大天王” 之一。

从成立之初，深度求索就展现出了惊人的发展速度。2024 年 5 月，DeepSeek 发布 DeepSeek-V2 模型，凭借创新的模型架构和性价比引发关注，其 API 定价仅为美国 OpenAI GPT-4 Turbo 的百分之一，一度引发国内大模型的 “价格战” 。同年 12 月 26 日，DeepSeek-V3 模型发布，多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，甚至能与 GPT-4o、Claude 3.5-Sonnet 等顶级闭源模型一较高下，而它仅使用 2048 颗算力稍弱的英伟达 H800 GPU，成本约为 557.6 万美元，以十分之一的成本实现了与 GPT-4o 较量的水平，震惊业界 。

进入 2025 年，DeepSeek 的发展更是势如破竹。1 月 20 日，正式发布推理大模型 DeepSeek R1，在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版，而训练成本仅为 560 万美元 。短短两年时间，DeepSeek 就从一家初创公司成长为全球 AI 领域的重要参与者，推出了多个具有划时代意义的模型，每一次发布都在全球科技圈掀起巨浪，这样的发展速度，在 AI 发展史上都极为罕见。

DeepSeek-R1 的发布，无疑是 AI 领域的一场地震。在数学能力基准测试中，它的准确率达到了 77.5%，与 OpenAI 的 o1 不相上下 ；在编程领域的 Codeforces 评测中，它更是达到了 2441 分的水平，高于 96.3% 的人类参与者 。在算法类代码场景（Codeforces）和知识类测试（GPQA、MMLU）中，DeepSeek-R1 的得分略低于 OpenAI o1，但在工程类代码场景（SWE-Bench Verified）、美国数学竞赛（AIME 2024, MATH）项目上，均超过了 OpenAI o1 。与上月发布的大模型 DeepSeek-V3 相比，DeepSeek-R1 在 AIME 2024 和 Codeforces 中的得分提升了近一倍，而其余项也均有不同程度的提升。这些数据，无疑是 DeepSeek-R1 强大实力的最好证明。

DeepSeek-R1 的强大，不仅体现在其卓越的性能上，更体现在其独特的训练技术上。在训练过程中，它大规模使用了强化学习（RL）技术，在仅有极少人工标注数据的情况下，极大提升了模型推理能力，几乎跳过了监督微调（SFT）步骤，就实现了推理能力自我提升 。

通常情况下，强化学习可以通过与外界评价反馈，不断让模型自我优化，生成更符合人类偏好的内容。而监督微调则是指在预训练使用人工标注的数据进行干预，可以让生成的内容更准确且符合预期，这也是当年 ChatGPT 成功的关键。但从成本上来说，强化学习虽然需要大量人类反馈，且训练复杂计算成本高，但监督微调则非常依赖高质量的人工标注数据。DeepSeek-R1 的这种创新训练方式，不仅降低了对大量高质量标注数据的依赖，还提升了模型的自主性和适应性，为 AI 训练开辟了一条新的道路。

DeepSeek 并没有满足于现有的成绩，而是在技术创新的道路上不断探索。在其公开测试结果中，透露了另一个未公开的大模型 ——DeepSeek-R1-Zero。该模型完全通过大规模使用强化学习替代了监督微调，虽然未对外公开，但却展现出了惊人的潜力。

在 DeepSeek-R1-Zero 自我学习的过程中，随着时间的增加，该模型 “涌现” 出了复杂的行为，如自我反思、评估先前步骤、自发寻找替代方案的情况，还包括一次 “尤里卡时刻”（“aha moment”） 。在一道数学题中，该模型学会了使用拟人化的语气进行自我反思，并主动为问题分配了更多的时间进行重新思考。工作人员并没有教 DeepSeek-R1-Zero 如何解决问题，只是提供了正确的激励，它就能自主发展出先进的问题解决策略。这一发现，让人们看到了强化学习为人工智能解锁新智能水平的可能性，也让我们对 DeepSeek 未来的技术创新充满了期待。

在 AI 模型的训练成本上，DeepSeek 展现出了令人惊叹的优势。以 DeepSeek-R1 为例，其训练成本仅为 560 万美元 ，而 OpenAI 的 GPT-4o 模型，训练成本高达 1 亿美元 ，两者相差近 20 倍。这意味着 DeepSeek 能够以极低的成本，实现与顶尖模型相媲美的性能，极大地降低了 AI 技术的研发门槛，让更多的企业和机构能够参与到 AI 的研发和应用中来。

DeepSeek 不仅训练成本低，使用价格也非常亲民。其 API 定价为每百万输入 tokens 1 元（缓存命中）/4 元（缓存未命中），每百万输出 tokens 16 元 。相比之下，OpenAI o1 的运行成本约为前者的 30 倍 。如此低廉的使用价格，使得 DeepSeek 在市场上具有极大的竞争力，无论是个人开发者还是大型企业，都能轻松负担得起，这无疑将加速 AI 技术的普及和应用。

在 AI 发展的生态构建上，DeepSeek 同样走出了一条独特且意义深远的道路，那就是完全开源策略。这一策略犹如一颗投入平静湖面的石子，在全球 AI 开发者社区中激起了层层涟漪，带来了一场生态繁荣的变革。

曾经，OpenAI 创立之初怀揣着 “以最有可能造福全人类的方式推进数字智能发展，而不受产生财务回报需求的限制” 的美好愿景 。然而，在 GPT-3 发布之后，它开始限制对模型的访问权限，仅通过 API 提供服务，到 GPT-4 发布时，更是将训练数据和模型权重隐藏，彻底走向了 “闭源” 。而 DeepSeek 却反其道而行之，选择了一条完全开源的道路，将模型代码和技术细节毫无保留地公之于众。

这一开源策略的影响是深远的。它极大地降低了用户的使用门槛，让更多的人能够接触和使用先进的 AI 技术。无论是经验丰富的开发者，还是刚刚踏入 AI 领域的新手，都能在 DeepSeek 的开源代码中找到自己的机会。通过在 GitHub 等平台上自由获取和修改模型代码，开发者们可以根据自己的需求进行定制化开发，将 DeepSeek 的模型应用到更多的领域和场景中。

大量开发者和研究人员被吸引到 DeepSeek 的开源项目中，形成了一个充满活力和创新的 AI 开发者社区协作生态 。在这个社区里，来自不同国家、不同背景的人们汇聚在一起，共同为 AI 技术的发展贡献力量。他们相互交流、分享经验，不断碰撞出创新的火花。截至目前，已有超过 47 万全球开发者参与到 DeepSeek 的社区建设中，基于 DeepSeek-R1 模型，根据不同领域的需求，衍生出了金融、医疗、教育等 17 个垂直子模型 。在金融领域，开发者利用 DeepSeek-R1 强大的数据分析和推理能力，开发出智能投资分析工具，能更准确地预测市场趋势，为投资者提供更科学的投资建议；在医疗领域，通过对大量医疗数据的学习和分析，DeepSeek-R1 的衍生模型可以辅助医生进行疾病诊断和治疗方案的制定，提高医疗效率和准确性。

英伟达 AI 科学家 Jim Fan 称赞 DeepSeek 是 “真正开放的前沿研究，赋能所有人” 。这种开源模式，不仅促进了技术的传播和创新，更构建了一个全球 AI 协作的新网络，让 AI 技术能够更好地服务于全人类，为 AI 产业的发展注入了新的活力，也让我们看到了 AI 未来发展的无限可能。

DeepSeek 的横空出世，犹如一颗重磅炸弹，在全球金融市场掀起了惊涛骇浪，尤其是对美国科技股产生了巨大的冲击。当地时间 1 月 27 日，美国股市开盘后，人工智能主题股票遭遇疯狂抛售 。英伟达作为 AI 芯片领域的巨头，股价暴跌 16.97%，市值一夜之间蒸发近 5900 亿美元，创下美国金融史上单日市值损失的最高纪录 。这一跌幅让整个市场为之震惊，也让投资者们深刻感受到了 DeepSeek 带来的震撼力。

除了英伟达，博通、超微半导体等芯片股也未能幸免，纷纷大幅下挫。博通股价下跌 17%，超微半导体股价下跌 6% 。这些芯片公司在 AI 产业链中占据着重要地位，它们的股价暴跌，反映出市场对 AI 芯片未来需求的担忧。而微软、谷歌等科技巨头，虽然业务多元化，但在 AI 领域也投入了大量资源，DeepSeek 的出现，同样让它们的股价受到了不同程度的影响，微软股价下跌 2% 。人工智能领域的衍生品，如电力供应商也受到重创，美国联合能源公司股价下跌 21%，Vistra 的股价下跌 29% 。这是因为 AI 训练需要消耗大量的电力，DeepSeek 低成本高性能的模型，可能会减少对大规模数据中心的需求，从而影响到电力供应商的业务。

这种市场反应，不仅仅是股价的短期波动，更是市场对 AI 行业未来发展格局的重新审视。DeepSeek 以低成本、快速开发的模式达到了美国 OpenAI 模型的水平，让投资者们开始质疑，是否真的需要通过高成本的模式来进行人工智能的开发 。如果 DeepSeek 的模式可以被广泛复制，那么美国科技巨头们在 AI 领域的高投入、高成本发展模式，可能会面临巨大的挑战。这也意味着，AI 行业的竞争格局可能会发生重大变化，未来的市场将更加注重技术创新和成本控制，而不是单纯的资金投入。

在冲击市场的同时，DeepSeek 也为 AI 行业的发展注入了强大的动力，推动着整个行业迈向新的高度。

华福证券分析师杨晓峰指出，DeepSeek 从 V3 到 R1，将进一步推动全行业大模型的提升，更快地追赶 GPT4o 和 GPT-o1 。它的出现，让全球的 AI 研发团队看到了新的可能性，激发了更多的创新活力。其他公司为了在竞争中不被淘汰，必然会加大研发投入，不断优化自己的模型，从而推动整个行业的技术水平不断提升。

DeepSeek 的低成本优势，有助于 AI 应用和 AI 终端的普及 。随着 AI 技术的不断发展，应用场景越来越广泛，但高昂的成本一直是制约其普及的重要因素。DeepSeek 的出现，打破了这一困境，让更多的企业和个人能够负担得起 AI 技术。无论是在医疗、教育、金融等传统行业，还是在智能家居、智能交通等新兴领域，AI 技术的应用将变得更加广泛，为人们的生活带来更多的便利和创新。

从 AI 基建产业链来看，DeepSeek 的创新技术也带来了多方面的影响 。在推理阶段，随着计算成本的降低，AI 的潜在投资回报率将显著提升，这将为 GPU、ASIC、DCI 等环节带来新的机会。虽然训练需求的减少可能对 Retimers 和光模块等环节产生一定压力，但整体来看，AI 基础设施的建设将继续保持强劲增长。它的出现，加速了数据的流通与共享，有助于推动上下游企业的合作，增强整体产业链的韧性。

DeepSeek 的出现，让我们看到了 AI 技术发展的无限可能。它以卓越的技术突破、超高的性价比、开放的开源策略，在全球 AI 领域掀起了惊涛骇浪，不仅冲击了美国科技股的市场格局，更推动了 AI 行业的整体发展。

在未来，随着技术的不断进步，DeepSeek 有望在更多领域取得突破。在医疗领域，它可以帮助医生更准确地诊断疾病、制定治疗方案，提高医疗效率和质量；在教育领域，它能为学生提供个性化的学习方案，实现因材施教，让教育更加公平和高效；在金融领域，它可以更精准地预测市场趋势，降低投资风险，为投资者提供更优质的服务。