超越ChatGPT登顶 Deepseek被“挤”到宕机！或将推动AI应用爆发

《科创板日报》1月27日讯（记者 黄心怡）“正如大家没法猜到，做游戏显卡的英伟达，最后会成为AI界最重要的公司。大家也没法猜到，中国AI大模型的希望，可能就在炒股的公司身上。”一名金融科技业内人士表示。

今日，国内AI初创公司DeepSeek出现了短时闪崩现象。据DeepSeek回应，其服务再次“宕机”，源自新模型发布后，用户访问量激增所致。

这家由知名私募巨头幻方量化于2023年4月创立的大模型公司，近日正式发布推理大模型DeepSeek-R1。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。

1月27日，DeepSeek应用登顶苹果美国地区应用商店免费APP下载排行榜，超越了ChatGPT。同日，苹果中国区应用商店免费榜显示，DeepSeek成为中国区第一。

“DeepSeek AI已经能思考了，这是质的飞跃。以前的模型在思考/推理方面不够稳定可靠，武汉大学计算机学院教授、中国人工智能学会心智计算专委会副主任委员蔡恒进如此评价DeepSeek。

在DeepSeek引发业内震动的同时，以科技股为主的纳斯达克100指数期货跌幅达3%，原因是市场担忧DeepSeek的AI模型可能会扰乱科技行业。

市场分析认为，DeepSeek R1的成功可能削弱了市场对英伟达AI芯片需求的预期。因为DeepSeek似乎以极低的成本构建了一个突破性的人工智能模型，并且无需使用顶尖芯片。这令人质疑对AI芯片投入数千亿美元支出的实际效用。

此前有消息称，DeepSeek仅用2048颗英伟达H800 GPU和约550万美元，就训练出6710亿参数的开源大模型，是Llama-3405B超6000万美元训练成本的十分之一不到。

不过，《科创板日报》记者了解到，550万美金只是DeepSeek-V3训练成本的一部分。根据DeepSeek的论文表述，这仅仅包括DeepSeek-V3的正式训练，不包括与架构、算法、数据相关的前期研究、消融实验的成本。而DeepSeek r1的真实算力成本投入远不止600万美元。

多名业内人士认为，OpenAI对大模型的前沿探索与DeepSeek的后发追赶，所需的算力原本就不是一个量级。创新和探索必然伴随着算力和各项成本的浪费，在确定性的路径上优化所付出的代价，与探索未知所付出的代价之间不宜简单对比。

但是，DeepSeek大模型的推出，无疑展示了模型架构在算法和数据层面创新的价值。

曾几何时，OpenAI的火爆来自“大力出奇迹”，即算力越大、数据越多，就能得到越强的大模型。这种“军备竞赛”型开发模式，带来了惊人的能源消耗和训练成本。受大模型训练的高昂成本拖累，OpenAI在2024年的亏损额可能达到50亿美元，预计到2026年其亏损将进一步攀升至140亿美元。

“DeepSeek则带来了对算力/能耗的需求十余倍的降低。”蔡恒进强调。

魔形智能创始人徐凌杰向《科创板日报》介绍，DeepSeek巧妙利用了多种优化手段来降低成本，其中包括采用低精度数据格式进行训练，复用和共享参数，以及通过MoE混合专家的架构动态激活部分参数。

除了降低AI大模型的硬件门槛和能源消耗，DeepSeek的成功，更重要的是为AI未来的应用落地铺平了道路。

随着模型性能的逐步稳定和应用的陆续落地，未来算力的推理需求将超过训练需求。Arm基础设施事业部产品解决方案副总裁Dermot O’Driscoll在接受《科创板日报》采访时就曾表示，接下来将看到更多关于AI推理领域的更多突破，即AI的实际应用。“这些创新将从数据中心延伸到边缘计算，再进一步扩展至终端设备。因此，下一轮创新的重点将从AI训练转向AI推理。这意味着在AI推理领域将迎来巨大的机遇。”

“历史数据表明，10倍成本下降可激发百倍需求，当前模型推理成本已进入快速下降通道，或将推动AI应用爆发。”徐凌杰表示，“针对-V3模型（参数量6710亿），其推理采用创新两阶段架构：32张H800 GPU并行处理预填充任务，320张H800集群加速流式解码。为追求极致性价比，需将数百GPU通过超高速网络组成‘超节点’，这一需求正推动智算中心集群化的演进，加速AI算力基础设施升级。”

目前，DeepSeek模型的端侧落地已在推进中。近日，AMD宣布将新的DeepSeek-V3模型集成到Instinct MI300X GPU上,该模型经过SGLang强化,针对Al推理进行了优化。而英特尔中国区技术部总经理高宇也表示：Deepseek-R1已经在AI PC上跑起来了！Flowy大模型AI PC应用平台现已支持在Intel Core Ultra AI PC上运行Deepseek-r。

端侧大模型正开始在智能手机、智能汽车、PC等多种设备上崭露头角。然而，硬件资源限制、模型压缩等多重挑战始终困扰着端侧大模型。Deepseek r1端侧大模型的推出，有望为下游应用的繁荣带来了更大的空间，推动更多推理芯片的涌现，以及大模型应用生态的发展。