最近一周，中国的神秘AI公司、被称为“AI界拼多多”的人工智能初创企业深度求索（DeepSeek）刷屏全球各大主流媒体和社交网站，尤其让美国AI科技圈极为震撼。
其最新发布的R1模型不仅在性能上比肩甚至超越了OpenAI的 o1，并完全开源，且以极低的成本实现了这一突破。
左为梁文锋
1月20日，极少露面的DeepSeek老板梁文锋首次亮相新闻联播，受邀参加座谈会并发言。同一天，DeepSeek在官微上发布了DeepSeek-R1，性能对标OpenAI o1正式版，并同步开源模型权重。
按照官方说法，DeepSeek-R1在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩OpenAI o1正式版。
DeepSeek-R1 API 服务定价为每百万输入tokens 1 元（缓存命中）/ 4元（缓存未命中），每百万输出tokens 16元。
对比OpenAI o1的 API定价：每百万输入tokens 15美元、每百万输出tokens 60美元。
也就是说，每百万输出定价，DeepSeek-R1大概仅为OpenAI o1的3.65%，拥有极高的性价比。
更让人惊讶的是，DeepSeek-V3在仅使用2048块H800 GPU的情况下，完成了6710亿参数模型的训练，成本仅为557.6万美元，远低于其他顶级模型的训练成本（如GPT-4的10亿美元）。
因此，一些人认为，DeepSeek可能会颠覆NVIDIA在AI硬件领域的主导地位。
1月24日，在国外大模型排名Arena上，DeepSeek-R1基准测试已经升至全类别大模型第三，其中在风格控制类模型（StyleCtrl）分类中与OpenAI o1并列第一。
就在Arena放榜之后，全球关于DeepSeek的讨论再次升级。
NVIDIA的高级研究科学家Jim Fan（范麟熙）评价道：“我们生活在这样一个时代：一家非美国公司正在让OpenAI的初衷得以延续——真正开放、为所有人赋能的前沿研究。”
1月25日，NVIDA的“老对手”AMD火速为DeepSeek“站台”，宣布全新的DeepSeek-V3模型已集成至AMD InstinctGPU上。
美国私人投资基金Noah's Arc Capital Management认为，DeepSeek-V3模型的突破显著降低了AI培训成本，使AMD GPU成为比NVIDIA更具有成本效益的替代品，增强了AMD的市场地位。
那DeepSeek-R1为何让美国乃至全球的AI圈有如此大的反应？因为它突破了一个规则，一个由美国和OpenAI建立起的规则。
以往，全球AI的底层发展路线，是由OpenAI引领的，倡导“大力出奇迹”，以规模制胜。但也种“军备竞赛”的发展模式也将AI发展带入了一个怪圈，为追求更高的性能，大模型的体积只能不断膨胀，参数数量呈现指数级增长，同时带来了惊人的能源消耗和训练成本，一家公司想发展AI，就必须投入高昂的成本向NVIDIA买GPU训练，绝大多数公司根本难以为继。
但DeepSeek的诞生，让低成本、高性能AI成为了可能。大模型对算力投入的需求可能会从训练侧向推理侧倾斜，即未来对推理算力的需求将成为主要驱动力。而NVIDIA等硬件商的传统优势更多集中在训练侧，这可能会对其市场地位和战略布局产生影响。
要知道，前不久美国总统特朗普刚刚在白宫宣布，日本软银集团、美国开放人工智能研究中心和美国甲骨文公司三家企业将投资5000亿美元，用于在美国建设支持人工智能（AI）发展的基础设施。
美股大V“THE SHORT BEAR”在社交媒体上表示，DeepSeek创造了一个AI巨头们的痛苦时刻，根据红杉，美国AI公司每年必须产生约6000亿美元收入来支付其AI硬件费用。但现在看来，这种冒险行为变得越来越无利可图！
还有不少人把DeepSeek称为“美国股市最大的威胁”，甚至把DeepSeek与近期NVIDIA的回调联系在一起。1月24日，NVIDIA股价大跌3.12%，创下公司在年初CES展产品不及预期表现后的最大跌幅。
更重要的是，DeepSeek来自中国！一家名不见经传的“小公司”！
“在美国每天发生的大量创新里，这是非常普通的一个。他们之所以惊讶，是因为这是一个中国公司，在以创新贡献者的身份，加入到他们游戏里去。毕竟大部分中国公司习惯 follow，而不是创新。” 梁文锋说。
他认为，中国AI不可能永远处在跟随的位置。我们经常说中国AI和美国有一两年差距，但真实的gap是原创和模仿之差。如果这个不改变，中国永远只能是追随者，所以有些探索也是逃不掉的。
NVIDIA的领先，不只是一个公司的努力，而是整个西方技术社区和产业共同努力的结果。他们能看到下一代的技术趋势，手里有路线图。中国 AI 的发展，同样需要这样的生态。
很多国产芯片发展不起来，也是因为缺乏配套的技术社区，只有第二手消息，所以中国必然需要有人站到技术的前沿。
苹果App Store中国区免费榜显示，近一周全球刷屏的DeepSeek一举登上首位。同时，DeepSeek在美区苹果App Store免费榜从昨日的第六位飚升至第一位，超越ChatGPT、Meta旗下的社交媒体平台Threads、Google Gemini、Microsoft Copilot等美国科技公司的生成式AI产品。
据了解，这是唯一一次中国应用同时在中国和美区苹果App Store占据第一位。其火爆程度可见一斑了。
近日，一篇在匿名平台teamblind上发布的文章遭疯传，有一位自称是Meta员工称公司内部因DeepSeek模型而进入恐慌模式，并提到DeepSeek-V3在基准测试中，已经让（Meta推出的）Llama 4相形见绌，而更让人难堪的是一家“仅用550万美元训练预算的中国公司”就做到这一点。
该文称，Meta工程师正争分夺秒分析DeepSeek，试图复制其中的一切可能技术，而DeepSeek-R1的出现，也让情况更加严峻。
另据The Information爆料，Meta生成AI小组和基础设施团队的经理和工程师已开设了四个作战室来学习DeepSeek的工作原理。
其中两个动员起来的小组正在试图了解High-Flyer如何降低训练和运行DeepSeek的成本。第三个Meta研究小组正在试图弄清楚High-Flyer可能使用哪些数据来训练其模型。第四作战室正在考虑基于DeepSeek模型属性重构Meta模型的新技术。
AI科技初创公司Scale AI创始人亚历山大·王（Alexandr Wang）接受电视媒体公开采访时表示，中国人工智能公司DeepSeek的AI大模型性能大致与美国最好的模型相当。过去十年来，美国可能一直在人工智能竞赛中领先于中国，但DeepSeek的AI大模型发布可能会“改变一切”。
Meta创始人兼CEO扎克伯格表示，DeepSeek非常先进，并认为中美之间的AI差距非常小。
扎克伯格还表示，中国正在全力冲刺，如果将来有一个开源模型能被全世界广泛使用，我们希望它是一个美国模型。
随着DeepSeek全球爆火，其创始人梁文锋从幕后走到了台前。
20日下午，高层主持召开专家、企业家和教科文卫体等领域代表座谈会。此前，非常少露面的DeepSeek老板梁文锋，受邀参加并发言。
此前接受媒体采访时，梁文锋表示，中国AI不可能永远处在跟随的位置。“我们经常说中国 AI 和美国有一两年差距，但真实的gap是原创和模仿之差。如果这个不改变，中国永远只能是追随者，所以有些探索也是逃不掉的。”
他认为，英伟达的领先，不只是一个公司的努力，而是整个西方技术社区和产业共同努力的结果。
他们能看到下一代的技术趋势，手里有路线图。中国AI的发展，同样需要这样的生态。
很多国产芯片发展不起来，也是因为缺乏配套的技术社区，只有第二手消息，所以中国必然需要有人站到技术的前沿。
谈到开源，梁文锋表示，在颠覆性的技术面前，闭源形成的护城河是短暂的。即使OpenAI闭源，也无法阻止被别人赶超。所以我们把价值沉淀在团队上，我们的同事在这个过程中得到成长，积累很多 =know-how， 形成可以创新的组织和文化，就是我们的护城河。
左为梁文锋
公开资料显示，梁文锋，1985年出生于广东省湛江市。浙江大学毕业，拥有信息与电子工程学系本科和硕士学位。杭州幻方科技有限公司、DeepSeek创始人。
2008年起，梁文锋开始带领团队使用机器学习等技术探索全自动量化交易。2015年，幻方量化正式成立，2019年，其资金管理规模突破百亿元。
2016年10月21日，幻方量化推出第一个AI模型，第一份由深度学习生成的交易仓位上线执行，使用GPU进行计算。2017年，幻方量化宣称实现投资策略全面AI化。
2019年，梁文锋带领团队自主研发了“萤火一号”训练平台，总投资近2亿元，搭载了1100块GPU。两年后，“萤火二号”的投入增加到10亿元，搭载了约1万张英伟达A100显卡。
2021年，在梁文锋参与的论文中提到，他们正在部署的萤火二号系统，“配备了1万张A100 GPU芯片”，在性能上接近DGX-A100（英伟达推出的人工智能专用超级计算机），但成本降低了一半，同时能耗减少了40%。
2021年，幻方的资产管理规模突破千亿大关，跻身国内量化私募领域的“四大天王”之列。
2023年，他宣布将正式进军通用人工智能领域，并创办了深度求索DeepSeek，专注于做真正人类级别的人工智能。2023年7月，幻方量化宣布成立大模型公司DeepSeek，正式进军通用人工智能领域。梁文锋为创始人。
2024年5月，DeepSeek发布混合专家语言模型DeepSeek-V2。同年12月，DeepSeek-V3问世，这款性能优越且性价比极高的大语言模型，被硅谷同行誉为“来自东方的神秘力量”。
2025年1月20日，DeepSeek最新发布的R1模型不仅在性能上比肩甚至超越了OpenAI的 o1，并完全开源，且以极低的成本实现了这一突破。
在AI领域，DeepSeek带来的影响力，一点也不亚于“六代机”。那么，DeepSeek究竟厉害在哪里？
据新浪科技报道，今日，中国工程院院士、清华大学计算机系教授郑纬民指出了DeepSeek其成功出圈的关键所在。
目前，业界对于DeepSeek的喜爱与赞美，主要集中在三个方面。
第一，在技术层面，DeepSeek背后的DeepSeek-V3及公司新近推出的DeepSeek-R1两款模型，分别实现了比肩OpenAI 4o和o1模型的能力。
第二，DeepSeek研发的这两款模型成本更低，仅为OpenAI 4o和o1模型的十分之一左右。
第三，DeepSeek把这一两大模型的技术都开源了，这让更多的AI团队，能够基于最先进同时成本最低的模型，开发更多的AI原生应用。
DeepSeek是如何实现模型成本的降低的呢？郑纬民指出，“DeepSeek自研的MLA架构和DeepSeek MOE架构，为其自身的模型训练成本下降，起到了关键作用。”
他指出，“MLA主要通过改造注意力算子压缩了KV Cache大小，实现了在同样容量下可以存储更多的KV Cache，该架构和DeepSeek-V3模型中FFN 层的改造相配合，实现了一个非常大的稀疏MoE 层，这成为DeepSeek训练成本低最关键的原因。”
据了解，KV Cache是一种优化技术，常被用于存储人工智能模型运行时产生的token的键值对（即key- value数值），以提高计算效率。
具体而言，在模型运算过程中，KV cache会在模型运算过程中充当一个内存库的角色，以存储模型之前处理过的token键值，通过模型运算计算出注意力分数，有效控制被存储token的输入输出，通过“以存换算”避免了多数大模型运算每次都是从第一个token开始运算的重复计算，提升了算力使用效率。
此外，据郑纬民透露，DeepSeek还解决了“非常大同时非常稀疏的MoE模型”使用的性能难题，而这也成了“DeepSeek训练成本低最关键的原因”。
“DeepSeek比较厉害的是训练MoE的能力，成为公开MoE模型训练中第一个能训练成功这么大MoE的企业。”郑纬民说
此外，DeepSeek还充分利用专家网络被稀疏激活的设计，限制了每个token被发送往GPU集群节点（node）的数量，这使得GPU之间通信开销稳定在较低的水位。
早先，图灵奖得主、主导Meta AI研究的首席科学家杨立昆（Yann LeCun）认为，DeepSeek成功的最大收获并非中国竞争对其他国家带来更大威胁，而是AI开源的价值使任何人都能受益。
“对那些看到DeepSeek表现并认为‘中国在AI领域正超越美国’的人而言，你的解读错了”，杨立昆在Threads写道，“正确解读应是‘开源模型正超越专有模型’”。
觉得文章不错，点个“在看”分享一下呗
