DeepSeek崩了！

来源：市场资讯

（来源：燕财局）

作者 | 燕大

没想到，被遗忘许久的DeepSeek“崩了”一夜。

昨晚DeepSeek网页、App服务出现重大中断，页面卡顿、频繁弹出“服务器繁忙”提示，相关功能近乎瘫痪，DS从21：35开始发现服务异常即进行调查、修复，但直到今天上午十点左右都还处在罢工状态。

临近中午的时候我试了下，终于恢复了。有网友在调侃，可能是它太累了，中场休息一下。

说实话，如果不是今天看到它因为宕机上了热搜，我都忘了多久没用过它了。

现在能用的人工智能工具非常多，国内的有：百度AI、腾讯元宝、字节的豆包、阿里的千问；有条件的还能用国外的，像ChatGPT、谷歌的Gemini、还有马斯克的Grok。

这些大模型各有特色，有的擅长搜索增强型问答，有的擅长处理会议纪要，有的在语音识别上比较精准且反应快，连方言都能识别，有的则擅长逻辑推理、编程，写报告是它的强项，还有的在拟人方面表现最强，抓取信息快，风格幽默。

如果你的工作需要借助AI的话，那必然能在这里面挑中适合自己的，又或者多个AI一起用，互相佐证，既避免出错，又能够把信息最完善化。

但难道DeepSeek就过气了、凉凉了？

虽然DeepSeek现在给人一种被遗忘或者声量下降的感觉，但绝没有过气，更没有凉凉。

就好比你第一次见到上海的摩天大楼一样，第一次肯定是惊艳的，等你看到还有其他摩天大楼不断拔地而起，那感觉上就会失去新鲜感，但并不代表最初见的那座摩天大楼就过气或落后了。

说白了，就是好东西出现的越来越多，对于消费者而言，一是会审美疲劳，二就是用不过来，原本只有一个DS，后面随着其他AI的出现，用户也自然出现分流。

这背后是大模型行业从“技术奇点”爆发期，转入产品落地淘汰期的必然结果，而deepseek当初的横空出世，就是那个技术奇点。

DS在2025年初爆火，核心在于打破了“高性能=高算力成本”的行业神话，用大白话说就是在DS出来之前，你没有最多最顶尖的AI芯片就造不出好的AI大模型，但当DS出现之后大家才发现，原来用性能稍差的AI芯片和很低的成本也能创造顶级人工智能。

竞争规则从DS出世那一刻被改变了。低成本的可行性得到验证，然后整合市场的巨头们开启扎堆出品自己的AI大模型，就好比“养龙虾”出现后大厂们扎堆推出“龙虾”产品一样。

各家推出的AI往往自带特色，用户会发现，虽然DeepSeek的推理能力依然顶尖，但在“做PPT时一键自动生成”、“写文档时一键调用AI”等无缝嵌入的场景里，大厂巨头能凭借生态黏性截留大批用户。

就好比大家都用微信，那对腾讯元宝的使用就大大增加，许多人连看一篇文章时都会犯懒，直接让元宝总结关键点。

DS虽不再是唯一，但AI江湖从没离开过它。因为DS的开源策略，许多大厂都在扎堆推出各种自研AI模型产品，但同时大量大厂、车企及其他企业在B端、云平台、车机等服务中，接入、融合部署了DS模型。

就好比车机系统，目前有超过20家车企已接入DS模型，你在新能源车上对话的AI车机智能，可能就接入了DS模型；

再好比腾讯，他是公开接入DS最全面的大厂，自研为主，DeepSeek做推理增强和场景补位；再好比三大运营商的云服务、一些大厂的云服务，许多都把DS大模型搬到了自家的服务器上（私有化部署），自己用、自己管、不连外网，数据完全在内部流转。

包括央企，据报道已经有超过20家接入DeepSeek，涉及能源、通信、汽车、金融、建筑等多个领域，像中石化、中核、南电网等巨头企业，已完成DS大模型私有化部署，全面接入企业自有的AI大模型。

所以啊，即使直接使用deepseek的用户量大幅下降，可实际上间接用到它的用户反而在增多，比最初出世那会还要多的多。

说来也怪，最近两次DS上热搜都不是因为什么好事。

上次是因为DS的母公司“幻方量化公司”的亿元腐败案，幻方的老人李某在2018-2023年间伙同某券商营业部经理，通过虚构经纪人身份，将幻方量化交易放在指定营业部，套取券商“交易佣金40%提成”，6年累计搞了1.18亿。

这次呢，因为DS宕机了一整夜，都不是啥好消息。颇有点流年不利的赶脚。

话说回来，这次为什么会崩，而且宕机那么久？

没看到DS官方给出详细说明，不过还是“有据可查”的。在出现卡顿和宕机之前，许多用户报告DeepSeek网页版发生了变化，身份标识更新了，抓取来的知识的截止日期似乎也更新了。

而且比较巧合的是，这个月DS正在发布新一代基座大模型DeepSeek V4，相比24年底发布的V3，此次升级幅度堪称跨越式，碾压前代。

换句话说，这次宕机冲上热搜，可能是因为DeepSeek正在进行系统升级或模型更新所导致的。

其实这事也给所有大厂提了个醒，AI宕机表面上是技术故障，深层反映的是AI行业在快速发展中面临的共同挑战——

如何在技术快速迭代、用户规模急剧扩张的同时，确保服务的低容错率、高可用性和稳定性。

对于迭代数年的AI大模型如此，最新的“养龙虾”也是如此。