技術(shù)層面

• 訓(xùn)練成本與效率：在訓(xùn)練 DeepSeek-V3 這個參數(shù)量高達(dá) 671b 的大模型時，僅使用 2048 塊 GPU 訓(xùn)練 2 個月，花費 557.6 萬美元，訓(xùn)練過程僅用了不到 280 萬個 GPU 小時。相比之下，OpenAI 等為維持在 AI 領(lǐng)域的優(yōu)勢地位每年要花費上百億美金，這表明 DeepSeek 以較低成本和較高效率實現(xiàn)了大模型訓(xùn)練，打破了過往認(rèn)為只有巨額投入才能訓(xùn)練出頂級模型的認(rèn)知。
• 模型性能：DeepSeek 推出的多個模型性能出色。如 DeepSeek-V3 在知識類任務(wù)上水平顯著提升，接近 Claude-3.5-sonnet-1022，在美國數(shù)學(xué)競賽和全國高中數(shù)學(xué)聯(lián)賽上大幅超過其他開源閉源模型；DeepSeek-Coder-V2 在代碼特定任務(wù)中達(dá)到與 GPT4-Turbo 相當(dāng)?shù)男阅�，還將支持的編程語言從 86 種擴展到 338 種，將上下文長度從 16k 擴展到 128k。
• 技術(shù)創(chuàng)新：其核心產(chǎn)品 DeepSeek-R1 在三維空間推理方面達(dá)到 87.6% 的準(zhǔn)確率，跨模態(tài)意圖理解的 F1 值高達(dá) 91.2%，突破了機器人技術(shù)瓶頸，為提升機器人決策速度與反應(yīng)能力帶來潛力，在具身智能領(lǐng)域有重大技術(shù)創(chuàng)新。

行業(yè)競爭層面

• 重新定義競爭壁壘：過去 AI 行業(yè)認(rèn)為大量資金與硬件投入是取得領(lǐng)先的關(guān)鍵，DeepSeek 證明了數(shù)千萬美元的投資也能取得顯著成果。如 UC 伯克利博士生潘家怡復(fù)現(xiàn) DeepSeek R1-Zero，整個實現(xiàn)成本不到 30 美金，說明低成本構(gòu)建具備推理能力的模型成為可能，預(yù)訓(xùn)練模型的巨額投入不再是必需，這顛覆了傳統(tǒng)競爭模式。
• 開源模式?jīng)_擊：與 OpenAI 的閉源路線不同，DeepSeek 選擇完全開源，將代碼、模型權(quán)重和訓(xùn)練日志全部公開。當(dāng)開源模型性能能與閉源模型相媲美甚至在部分領(lǐng)域超越時，會吸引越來越多開發(fā)者，降低構(gòu)建應(yīng)用程序的成本，促進(jìn) AI 行業(yè)的創(chuàng)新和發(fā)展，就像安卓系統(tǒng)對手機行業(yè)的影響，可能使 AI 行業(yè)生態(tài)更加繁榮。

發(fā)展環(huán)境層面

• 突破外部限制：在 GPU 短缺和芯片禁運的背景下，DeepSeek 作為一家中國公司，僅依靠少量硬件配置和幾十名年輕的博士生就完成了跨越式的技術(shù)突破，這表明即使在外部環(huán)境受限的情況下，通過創(chuàng)新和開放的技術(shù)交流，依然能在 AI 領(lǐng)域取得重大進(jìn)展，打破了美國的 AI 資源限制和技術(shù)封鎖。
• 彰顯發(fā)展路線差異：DeepSeek 的出現(xiàn)代表了中國 AI 發(fā)展追求效率極限的路線，與美國押注模型能力提升的路線形成對比，為全球 AI 發(fā)展提供了不同的思路和方向，促使各國重新審視自身 AI 發(fā)展策略，推動全球 AI 行業(yè)多元化發(fā)展。隨著AI應(yīng)用的逐漸落地，模型效率將會成為打通中國大模型商業(yè)化循環(huán)的一把“鑰匙”。