作者/新摘 豆包

2023年，OpenAI凭借具有颠覆性的ChatGPT，站在了AI行业的C位上。当时，国内的头部公司和OpenAI的差距只有2-3个月，也有人说是3-5年，甚至有人认为是10年。2-3个月也好，10年也罢，中国企业在大模型领域的位置一直都没变，始终处于追赶状态。

2025年，情况出现了变化，DeepSeek凭借质价比模式，站在了AI行业的C位上。1月11日前后，DeepSeek在全球范围内上线了App，据Sensor Tower数据显示，DeepSeek在发布的18天内累计下载量高达1600万次，而在同一时间段，ChatGPT的下载量为900万次。截至2月5日，DeepSeek 的全球下载量接近4000万，ChatGPT则为4100万。日活方面，DeepSeek在1月31日取得了2215万的成绩，相当于ChatGPT的41.6%。

DeepSeek虽然在总用户量和日活上和ChatGPT有差距，但他的增速已经足以刺激到包括后者在内的所有大模型厂商。与此同时，所有人都在问，DeepSeek是怎么做到的？

另外在今日，百度集团执行副总裁、百度智能云事业群总裁沈抖在全员会上提到，DeepSeek在短期内会对百度产生影响，但长期来看是利大于弊的。他表示，面对DeepSeek的来势汹汹，首当其冲的AI产品，沈抖认为，是字节跳动的豆包，理由是其训练成本和投流成本都很高 ，那么DeepSeek崛起，到底谁将受益？谁又受伤害最大？

一、关于DeepSeek的真相与谣言

不同于OpenAI，DeepSeek的成立时间很短，其背后的运营主体是杭州深度求索人工智能基础技术研究有限公司，该公司成立于2023年7月17日。如果算上和深度求索关系密切的幻方量化，他的历史比OpenAI久一些。

不过，在科技行业，历史长短并不是一家企业技术能力高低的决定性因素，深度求索用两个模型证明了这一点。

2024年底，深度求索发布了新一代大语言模型V3。当时的测试结果显示，V3的多项评测成绩超越了一些主流开源模型，而且还具有成本优势。今年1月24日，深度求索又发布了R1，R1是深度求索引发全球关注的主要原因。据深度求索介绍，R1模型在技术上实现了重要突破—用纯深度学习的方法让AI自发涌现出推理能力，在数学、代码、自然语言推理等任务上，性能比肩OpenAI的o1模型正式版。

更重要的是，R1延续了V3的高性价比特点，其模型训练成本只有600万美元，而OpenAI、谷歌等公司的投入规模为数亿美元乃至数十亿美元。

性能不弱+成本更低，这两个buff让DeepSeek吸引了全球的关注，同时也引来了争议，第一个争议，也是最主要的争议就是—成本真的有这么低吗？

在DeepSeek之前，行业的模式是通过大规模堆料，也就是算力、数据，获得性能更强的大模型。在这种逻辑的指导下，大模型一直被认为是巨头的游戏，随着各巨头豪掷千金，逻辑被进一步强化，而DeepSeek打破了这个逻辑。

目前广为流传的成本数据是600万美元，严格来说，这600万美元指的只是预训练过程中 GPU的花费，这只是总成本中的一部分。众所周知，英伟达是训练大模型GPU的主要提供者，为了应对法规要求，英伟达推出了不同版本的H100（如H800、H20），目前中国公司只能使用H20，深度求索的主力GPU应是H20，其他还包括H800和H100。

据知名半导体研究机构 Semianalysis推算，深度求索大约拥有大约10000个H800和10000个H100，以及数量更多的H20，其服务器资本支出约为16亿美元，其中与运营这些集群相关的成本高达9.44亿美元。也就是说，深度求索的投入规模也是亿级，即便如此，其成本还是大幅低于OpenAI、谷歌等。对于用了多少GPU，深度求索其实也给出了数据—用2048块GPU即可训练R1，这个成本也比OpenAI低。

查询成本的“物美价廉”也说明了DeepSeek具有成本优势。目前，DeepSeek R1模型的每百万个token（符元，AI时代最基础的运算单位）的查询成本为0.14美元，OpenAI的成本为7.50美元。

关于DeepSeek的第二个争议是，是否使用了OpenAI的数据，提出质疑的是OpenAI和微软。

1月31日， OpenAI表示已经发现证据，证明DeepSeek利用他们的模型进行训练，这涉嫌侵犯知识产权。具体来说，他们发现了DeepSeek“蒸馏”OpenAI模型的迹象，即使用更大模型的输出来提高较小模型的性能，从而以较低成本在特定任务上取得类似结果。微软则表示正在调查DeepSeek是否使用了OpenAI的API。

对于这一点，两者的做法虽然有依据，但并不符合行业主流趋势。

OpenAI的服务条款有规定，任何人都可以注册使用OpenAI的API，但是不能使用输出数据训练对OpenAI造成竞争威胁的模型，也就是说DeepSeek可以调用OpenAI的数据，但不可以用来训练大模型。不过，这个规定被很多人认为是“双标”，因为OpenAI在训练大模型使用了大量数据，其中的一部分就没有得到数据所有者的授权，而且使用蒸馏数据是行业内的普遍做法。

相比之下，微软的做法更能说明这一质疑是否站得住脚，他在指控DeepSeek涉嫌侵权的几个小时后，就在自家的AI平台上就接入了DeepSeek。

二、DeepSeepk有什么过人之处？

超低的成本带来超高的性能，是DeepSeek带给AI行业最大的震撼。回顾中国企业在其他行业的发展轨迹，他们一直善于做质价比，因此DeepSeek能脱颖而出其实是必然的。

前面提到，大模型行业此前存在算力信仰，无论是谁，如果想开发出性能更强的产品，都只能选择堆算力和数据这一条路。诚然，这个策略开启了大模型时代，海外的OpenAI和国内的百度、字节等都受益于此。这种策略虽然仍在发挥作用，但边际效应可能正在递减。

以OpenAI为例，从2012年到2020年，其算力消耗平均每3.4个月就翻倍一次，8年间算力增长了30万倍。OpenAI首席执行官Sam Altman接受公开采访表示，GTP-4参数量为GTP-3的20倍，需要的计算量为GTP-3的10倍；GTP-5在2024年底至2025年发布，它的参数量为GTP-3的100倍，需要的计算量为GTP-3的200-400倍。

如果每一代的性能都能有巨大的提升，那高昂的成本是可以接受的，问题在于，如果GPT-5今年还做不出来，或者性能成本提高10倍性能只提升10%、20%，那这种模式的追随者就会大大减少。

导致这种情况出现的原因在于，OpenAI陷入了创新者窘境，他是行业开创者，背负了巨大的成本包袱，此时选择闭源策略是合理的。如果GPT能持续大幅提高性能，市场就会持续买单。

而DeepSeek在技术上采取了开源的策略，所谓开源指的是软件的源代码可以在网络上免费提供，以便进行修改和再分发。如果GPT-5的性能真的只提升了10%，那就会有很多人选择开源，进而帮助DeepSeek成为AI时代的安卓。因此，在性能接近的前提下，DeepSeek的策略更具有普适性。

简单来说，DeepSeek并没有带来颠覆性创新，但他的策略给行业提供了一个更有普适性的方向，让大家不必再去堆算力也能做出高性能的大模型。

Stability AI前研究主管Tanishq Mathew Abraham，在近期的博文中强调了DeepSeek的三个创新点。

首先是多头注意力机制，大语言模型通常是基于Transformer架构，使用所谓的多头注意力（MHA）机制。DeepSeek团队开发了一种MHA机制的变体，这种机制既能更高效地利用内存，又能获得更好的性能表现。其次是可验证奖励的GRPO，DeepSeek证明了一个非常简单的强化学习（RL）流程实际上可以达到类似GPT-4的效果。更重要的是，他们开发了一种称为GRPO的PPO强化学习算法变体，这种算法更加高效且性能更好。最后是DualPipe，在多GPU环境下训练AI模型时，需要考虑很多效率相关的因素。DeepSeek团队设计了一种称为DualPipe的新方法，这种方法的效率和速度都显著提高。

金沙江创投董事总经理朱啸虎则表示，DeepSeek的核心是不再需要人类干预，本来是RLHF（人类反馈强化学习），现在直接做RL（强化学习）了，所以成本可以做得很低。

综合来看，DeepSeek的创新在于推理环节，通过工程创新，优化了大模型在推理环节上存在的痛点，让产品性能实现了大幅提升。而这其实是早已经注定的结果，从日用百货到手机、汽车，中国企业一直都擅长做质价比，DeepSeek在大模型领域延续了这一传统。

三、到底谁将受益？谁会受冲击？

毫无疑问，DeepSeek作为继OpenAI之后第二个对行业产生重大影响的大模型，必将会让一部分人受益，也会冲击一部分人的利益。

目前来看，受冲击较大的是提供GPU的英伟达，其市值因为DeepSeek一度下跌超过6000亿美元。不过，这只是表面现象，受DeepSeek冲击最大的其实是以OpenAI为首的闭源大模型厂商。

对英伟达来说，DeepSeek的另辟蹊径在一定程度上打破了大模型的唯算力论。但是，不管是DeepSeek还是OpenAI，在做训练时依然需要他的GPU，即便是其他大模型厂商转向DeepSeek的策略，也要依靠英伟达。瓦特在1759年改良蒸汽机后，更高效的蒸汽机开始广泛应用，这没有降低对煤炭的需求，英国的煤炭总消耗指数反而出现了上升，这种现象也适用于算力市场。

相比之下，DeepSeek对OpenAI为首的闭源大模型厂商的冲击更大。前面提到，如果OpenAI不能证明这种万卡集群模式能持续地帮助大模型大幅提升性能，那他不仅要被投资人质疑，还会被用户抛弃，如此一来，其商业模式就很难走通。

DeepSeek也将对传统搜索厂商产生冲击，这其实在OpenAI爆火后就出现过一次，当时的逻辑是大模型的高效和低成本将侵蚀谷歌的搜索市场的份额。在PC互联网时代，搜索是第一个杀手级应用，业内普遍认为，AI时代的第一个杀手级应用也是搜索。

与此同时，随着DeepSeek加快了人工智能从“训练阶段”到“推理阶段”的周期，这会增加对推理芯片的需求。

具体来说，推理指的是使用人工智能根据新的信息作出预测或决策的行为，这是DeepSeek的优势和创新点。不少行业人士认为，随着客户采用和构建DeepSeek的开源模型，对推理芯片和计算的需求会越来越大。

人工智能芯片初创公司d-Matrix的首席执行官Sid Sheth表示，DeepSeek已经证明，较小的开源模型可以训练得与大型专有模型一样强大，甚至更强大，而且成本很低。随着小型功能模型的广泛使用，他们催化了推理的时代。因此，随着成本的降低，AI应用的采用可能会呈指数级增长，推理环节的算力需求或将爆发。

值得注意的是，尽管DeepSeek的模式有独到之处，由于采取了开源的策略，对手也可以用他的技术开发出相似的产品，这对他的商业化提出了挑战。目前，李飞飞和斯坦福大学、华盛顿大学的研究人员已经以不到50美元（只是云计算服务费）的成本，成功训练出了类似R1的s1，s1在数学和编码能力测试中的表现，与OpenAI的O1和R1不相上下。

DeepSeek的成绩是值得关注的，但长期来看，他还需要找到一个合适的商业化模式，才能走得更远。