用十分之一计算量挑战AI巨头？这家中国AI公司正在“搅动”硅谷

封面新闻记者 边雪

蛇年新春钟声还未敲响，人工智能领域就迎来了新春大礼包——中国AI初创公司深度求索（DeepSeek）发布了其最新推理大模型DeepSeek-R1。

这是DeepSeek在短短一月之内，即DeepSeek-V3 后发布的第二款大模型，凭借极高的计算效率、卓越的性能表现和极低的开发成本，成功在国际AI领域掀起了波澜。

DeepSeek-R1的输入token定价为0.55美元/百万（OpenAI为15美元/百万），输出token为2.19美元/百万（OpenAI为60美元/百万），成本降低超90%，而此前DeepSeek-V3仅用550万元研发成本、2000张显卡打造，却达到与Llama 3 405B相媲美的性能，而OpenAI为了实现这一目标，花费了数亿美元。

DeepSeek的最新发布，不仅展示了中国AI技术的实力，更重新定义了行业的竞争规则：DeepSeek-R1发布后，国外媒体纷纷聚焦DeepSeek，并一致认为中国大模型的新进展为硅谷敲响了警钟：图灵奖得主Yann LeCun评价称，DeepSeek验证了“开源模型正超越闭源系统”。

性能比肩OpenAI o1

开源与低成本颠覆行业

封面新闻记者注意到，DeepSeek-R1首次通过纯强化学习（无需监督微调SFT）实现推理能力的突破。实验版本DeepSeek-R1-Zero直接在基座模型上应用RL训练，成功在数学、编程等任务中达到接近人类专家的水平。例如，其在美国数学邀请赛（AIME 2024）中的准确率从初始的15.6%跃升至71%，最终通过多阶段优化提升至86.7%，与OpenAI o1-0912相当。

模型在训练中展现出类似人类的“反思”行为，例如主动暂停推理、重新评估解题步骤并探索替代方案。这种自发的“顿悟时刻”被视为强化学习能力的自然涌现，而非人工编程设计。

DeepSeek-V3模型使用界面。

值得注意的是，团队开发的GRPO（Group Relative Policy Optimization）算法摒弃传统Critic网络，通过群组相对优势估计优化策略，显著降低计算成本。奖励机制结合准确性、格式和语言一致性，确保推理过程结构化且符合人类习惯。

DeepSeek-R1模型权重及训练细节全公开，采用MIT协议，允许商用和二次开发 由此看来，这不仅是中国AI技术自主创新的里程碑，更以开源和低成本策略推动全球AI生态向开放、高效方向演进。

正如周鸿祎所言，“中国大模型技术复仇者联盟”已悄然成型，DeepSeek正成为对抗技术霸权的关键力量。

技术新标杆：DeepSeek-V3的三大创新

DeepSeek-V3是DeepSeek系列中的最新迭代版本，是一款基于Mixture-of-Experts（MoE）架构的先进语言模型（中国大模型崛起：MiniMax-Text-01引领AI创新潮流）。该模型拥有671亿个总参数，其中每个token会激活37亿个参数，使其在处理自然语言处理（NLP）到计算机视觉等多种任务时，都展现出卓越的能力。

DeepSeek-V3的显著优势在于其能够处理更大规模的数据集、在各项任务中表现出更强的泛化能力、提供更快的推理时间，并且在与竞争对手相比时，保持了较小的计算足迹。其成功背后，离不开其三大核心架构创新，这些技术突破在降低成本的同时，显著提升了性能，为行业树立了新的标杆。

首先，多头隐注意力（Multi-Layered Attention, MLA）技术解决了长文本推理的高成本问题。传统大模型在处理长文本时往往消耗巨大算力，而DeepSeek团队通过潜注意力机制，优化了模型对上下文信息的捕捉效率，大幅降低了长文本推理的计算成本。这项技术不仅提升了模型对复杂语境的理解能力，还让其在实际应用中表现更加稳定高效。

DeepSeek-V3多项测试成绩处于第一。

其次，混合专家模型（Mixture of Experts, MoE）技术的改良，攻克了困扰业界已久的路由崩溃问题。传统MoE架构在高并发任务中，容易出现部分路由节点超负荷的问题，从而影响模型性能。而DeepSeek团队通过创新的路由算法，优化了任务分配机制，显著提升了训练效率与系统稳定性。

有海外网友拿“DeepSeek-V3”和OpenAI发布的“GPT-4o”进行比较，并得出“两款产品不相上下”的结论。美国硅谷的技术大牛也把“DeepSeek-V3”拿来使用，企图挑点毛病，但挑来挑去，只能用“不可思议”来总结心情。

“DeepSeek-V3 在性能上超越了其他开源模型，并能够与主流闭源模型相媲美，它创新性地采用了 MTP 目标，将预测范围扩展到每个位置的多个后续 token。”1月26日，业内人士告诉封面新闻记者，DeepSeek-V3可适用于科研、企业、开发者及AI爱好者，特别在逻辑推理、代码生成、文本生成、数学计算和多语言处理方面表现出色。

从无到有：DeepSeek的崛起之路

DeepSeek的迅速崛起，离不开其团队的技术积累和精准的战略布局。这家成立于2023年的中国企业，以挑战全球AI巨头为目标，仅用了不到2年时间，便成为行业先锋，背后既有技术创新的支撑，也有商业策略的成功。

外界都觉得DeepSeek很神秘，其创始人梁文锋鲜少对外发声，但总是频上热搜。

DeepSeek的成名之作是其发布的DeepSeek V2开源模型，该模型以其史无前例的性价比震惊了业界。推理成本被降至每百万token仅1块钱，这一成本仅为Llama3 70B的七分之一，GPT-4 Turbo的七十分之一。这一创新不仅让DeepSeek获得了“AI界拼多多”的称号，也促使字节、腾讯、百度、阿里等大厂纷纷降价，从而引发了中国大模型市场的价格战。

2025年初，梁文锋现身《新闻联播》，以AI初创公司深度求索（DeepSeek）创始人的身份罕见参加了一场国家超高规格座谈会，并现场发言。

近期“雷军千万年薪挖95后天才AI少女”的热门话题也间接地与梁文锋有关：这位AI天才少女罗福莉，此前正是DeepSeek团队的研发成员。

值得一提的是，DeepSeek始终坚持“资源最优”策略，与OpenAI等巨头动辄数亿美元的投入相比，DeepSeek在研发成本上仅用了百万级别，却依然打造出具有国际竞争力的大模型。团队通过对算力的精细化管理和资源的高效配置，证明了中国AI企业在技术研发上的独特优势。

商业层面，DeepSeek的成功也离不开其敏锐的市场洞察力。公司精准切入对算力成本敏感的中小型企业市场，为客户提供高性价比的AI解决方案。1月25日，AMD宣布，已将新的DeepSeek-V3模型集成到Instinct MI300X GPU上，该模型旨在与SGLang一起实现最佳性能。DeepSeek-V3针对Al推理进行了优化。

DeepSeek如何重塑AI竞争格局

近年来，LLM经历了快速迭代和演进，逐步缩小了与通用人工智能（AGI） 的差距。2024年，斯坦福大学和Epoch AI的研究人员曾发表了一项研究，称到2027年，最大型的模型的训练成本将超过10亿美元。然而，DeepSeek以极低的价格建立了一个突破性的AI模型，在性能突破的同时，还展现了极高的资源利用效率，在全球AI技术领域掀起了一场“高效革命”。

近日，投资者Geiger Capital在社交平台上发文表示：“Deepseek和OpenAI一样好，甚至更好，而且价格只有后者的3%……纳斯达克会怎样呢？”

封面新闻记者注意到，在DeepSeek-R1发布之后，市场情绪已然做出反应。1月24日，英伟达股价报142.62美元，跌3.12%，市值一夜蒸发1127亿美元（约合人民币8165亿元）。

在中国的大模型创业公司中，DeepSeek以其低调而高效的姿态，逐渐在AI领域崭露头角。这家公司不仅在技术上实现了突破，更在商业模式上引发了行业的价格战，成为了中国AI界的一股不可忽视的力量。

多位业内人士告诉封面新闻记者，DeepSeek的低成本、高性能策略将对行业竞争模式产生深远影响。一位国内AI创业公司创始人直言：“DeepSeek用最小的资源实现了最高的效能，向全球企业展示了高效研发的可能性。这种模式的成功，可能迫使行业重新思考‘大模型=大投入’的传统观念。”

“DeepSeek的目标是实现AGI（人工通用智能），而不仅仅是短期的商业化。”梁文锋曾在采访中强调，DeepSeek的降价并非为了抢用户，而是基于成本下降和对普惠AI的追求。他相信，随着经济的发展，中国也应该成为技术创新的贡献者，而不仅仅是应用创新的跟随者。

在全球AI竞争加剧的背景下，DeepSeek不仅挑战了行业的常规，也为中国AI的未来发展提供了新的思路和方向，其低成本、高效率的研发路径，为技术创新提供了新的参考方向，也向世界展示了中国AI企业的潜力与决心。

或许“搅动”硅谷，只是个开始。