大厂AI专家解读deepseek

DeepSeek R1 在未进行市场推广的情况下，登顶中美 App Store 总榜第一，超越 ChatGPT，展现了强大的口碑效应和市场影响力。 DeepSeek V3 对标 GPT-4，R1 对标 GPT-4.0 的 O1，在数学、代码、通识、日常问答等领域表现出色，具备 COT（Chain of Thought）自思考能力 和 完善的推理能力。 预训练成本与市场误解：DeepSeek 的训练成本并非远低于 GPT-4，其预训练效率提升约 20%-30%，主要得益于 计算效率优化，绕过 CUDA，直接进行底层编程，而非部分自媒体所称的数百倍提升。 数据训练优化：DeepSeek 通过强化学习替代传统标注数据，降低了训练成本，但其在专业领域知识的自推理能力仍存在局限，需要进一步优化。 开源对市场的影响： 降低国内企业进入大模型领域的门槛，加速大厂技术进展。 迫使大厂调整商业模式，可能导致 API 价格下降，利润空间收缩。 促进 B 端企业采用 DeepSeek 进行业务创新，推动 AI 落地应用发展。 推理效率提升：DeepSeek 的预推理技术优化了推理速度，一个 token 响应时间可达 15 毫秒，显著提高了推理效率，尤其在电商推荐等领域表现突出。 国内市场格局变化： 大型互联网公司（如字节、百度、腾讯等）可能基于 DeepSeek 调整 AI 战略，探索新的商业模式。 传统行业企业（如汽车、制造业、电商等）或加快自研大模型的步伐，减少对国外大模型的依赖。 创业型 AI 企业可能围绕 DeepSeek 生态，提供 AI 解决方案和服务，加速行业 AI 化。 Q&A 重点讨论 1. DeepSeek R1 的发布对中美市场的影响？国内头部大厂如何评价其成本和 AI 市场影响？ DeepSeek R1 的成功 反映出国内大模型技术已具备全球竞争力，并可能重塑 AI 市场格局。 中台在 AI 落地中的作用：在大厂内部，中台负责 AI 能力评估、资源分配、并发能力管理等，需要确保 AI 业务应用的可行性和商业化路径。 B 端市场趋势： 目前国内 AI API 供应主要由创业公司（“六小虎”“六小龙”）和大厂（BAT、字节等）主导。 B 端应用相对 C 端滞后一个技术阶段，需在 C 端验证成功后再推广至 B 端。 DeepSeek 开源可能加速 B 端大模型应用推广，但对技术服务商和大厂 API 业务形成冲击。 2. DeepSeek 的技术突破及市场误解 预训练效率：DeepSeek V3 使用 14 万亿 tokens，约为 GPT-4 的 2/3，训练时间 52 天，使用 2000 多块 H800，相比 GPT-4（1 万块 A100，20 天训练）提升约 20%-30%，远非自媒体所称的数百倍提升。 计算效率优化： DeepSeek 采用 C++ 和汇编级优化，绕过 CUDA，直接进行底层 P 层编程，实现更高效的计算。 由于该优化 未完全开源，其他企业无法直接复用这一技术优势。 数据训练方式： 通过强化学习替代人工标注数据，减少训练成本。 但在 数学、教育等专业领域，仍需额外数据标注和精调，以适配考试大纲等要求。 3. DeepSeek 开源对国内大厂的影响 （1）对大厂 AI 业务的冲击 闭源大模型策略受挑战： 百度等企业强调 闭源 API 盈利模式，DeepSeek 开源可能导致大厂 API 价格下降，盈利模式调整。 大厂可能需要 重新定义 B 端 AI 业务策略，提供更具竞争力的 API 服务或定制化 AI 解决方案。 C 端 AI 应用加速变革： 过去一年，京东等电商平台 AI 功能逐渐减少，DeepSeek 可能 重塑电商推荐、内容创作等 AI 业务。 C 端 APP 可能涌现基于 DeepSeek 的 AI 赋能服务，如地方团购、智能客服、个性化推荐等。 （2）技术路径与组织架构调整 部分大厂可能调整资源分配，投入 DeepSeek 相关技术优化，以提升 AI 业务竞争力。 短期内，DeepSeek 可能成为国内 AI 企业的标准选项，形成类似于 Llama、Mistral 在国外 AI 生态中的影响力。 未来半年内，国内 AI 创业公司可能基于 DeepSeek 进行快速应用创新，催生新一批 AI 技术服务商。 4. DeepSeek 的技术未来及发展方向 COT（Chain of Thought）技术的重要性： OpenAI 的 COT 并未完全开源，国内部分大厂如通义千问在 COT 方面也未公开详细实现。DeepSeek 的开源可能 加速国内自推理技术发展，提升大模型的逻辑推理能力。 未来 AI 发展方向： 目前大模型仍处于 枚举阶段，即基于已有数据进行最优解推理。 下一阶段 AI 发展方向是 自规划能力，即能主动构建实验、设计方案，如解答数学、物理实验题目。 DeepSeek 的自推理能力仍有较大优化空间，但已为国内 AI 发展提供了重要技术突破。 DeepSeek 的发布标志着国内大模型技术取得重要进展，可能加速 AI 行业的市场变革。 大厂面临商业模式和技术路线调整压力，需重新评估闭源 API 的盈利能力，并可能转向 DeepSeek 生态进行二次开发。 国内 AI 创业环境将迎来新一轮增长，DeepSeek 降低了大模型应用门槛，可能催生一批基于大模型的新兴企业。 技术突破方面，DeepSeek 在计算效率、数据训练方式上具有独特优势，但在 专业领域知识、COT 推理能力等方面仍有提升空间。