大厂“拥抱”Deepseek，打不过就加入？

今年春节，人工智能无疑成为社会话题的C位，有人形机器人在春晚跳秧歌而爆红，之后又有“Deepseek“强势崛起。

网民们疯狂地涌入Deepseek，有些人在寻找Deepseek算命，有些人问Deepseek如何致富，还有科技金融行业的农民工，年还没结束，就得忙着加班写研究报告和测试模型。

但是外国市场对此的态度却很微妙，OpenAI曾经声称Deepseek“盗窃”了它的“技术成果”，但是一转头，微软、英伟达等大厂商都宣布将Deepseek接入自己的产品，OpenAI CEO山姆·奥特曼甚至表示，Deepseek的R1模型“令人印象深刻”。

国内互联网巨头也没有错过这波Deepseek的热度，2月6日，有道正式宣布全面拥抱DeepSeek-R1。另外，Hi Echo、有道智云、QAnything等商品也将全面接入DeepSeek的推理能力，并于近期相继升级。

有一段时间，AI大模型的技术迭代在不知不觉中变成了全球科技行业的现象级事件，Deepseek也被视为推动大模型行业从“专精”到“小精”的全新变量。

但是热闹过之后，Deepseek还会回答更多的新问题，如何把握全球大模型产业的“变革之火”，也许就是下一步的关键。

01 Deepseek三大变量点爆

对于普通用户来说，Deepseek是在这场中美大模型技术之争中“一战成名”，但是早些时候，Deepseek就因为“便宜”而受到AI圈的高度关注。

去年年中，国内大型产业大打出手，但第一个“挑起战争”的不是阿里、百度等大厂商，而是Deepseek，当时其新推出的DeepSeek-V2价格仅为 GPT-4-Turbo 大约1%左右。

这次“降价”也使得Deepseek被称为“AI界拼多多”，但与大厂商“以价换市场”的惯例相比，Deepseek对“降价”的压力并不大，因为降价后还是有利可图的。

事实上，这就是Deepseek能够震惊全球科技界的主要原因。它可以以更低的成本换取更高的性能，颠覆了过去依靠堆叠显卡和资本来发展AI的大型行业。Scaling law”。

由于Deepseek的模型训练路径不同于传统的大型通用模型，以ChatGPT为代表的传统AI主要采用监管微调(简称 SFT）作为大模型训练的核心环节，即通过人工标注信息进行监督训练，然后结合强化学习进行优化。本质上，大模型不会思考，只是通过模仿人类的思维方式来提高推理能力。

然而，Deepseek-R1-Zero在1月底发布，却颠覆了这一规则，通过简单的强化学习，全方位创新了模型架构。（RL）培养推理能力。简而言之，SFT就是人类生成数据，机器学习；而RL就是机器生成数据，机器学习。

此外，根据每日财经新闻报道，DeepSeek创新性地使用了FP8、MLA三种技术：(双头潜在注意力)和MoE(使用混合专家架构)。

在这些模型中，MoE架构与其它模型相比，DeepSeek-V3更简洁有效，就像医院的“分诊系统”。大模型可以分成多个“专家”，培训时可以分工合作，推理时可以根据任务分配给最合适的专家模块。据报道，Deepseek可以将无效训练从过去90%降低到60%。

Deepseek-R1发布后，一名Meta员工在美国匿名职场社区teamblind上留言，称Deepseek最近的一系列动作让Meta的生成人工智能团队陷入恐慌。

根据该员工的消息，“Meta一位负责AI项目的高管的年薪已经足够训练Deepseek了”。根据国家商报的报道，Deepseek R1的预训练费只有557.6万美元，还不到OpenAI。 GPT-4o模型训练费用的十分之一。

但是从实际表现来看，Deepseek-R1已能与OpenAI-o1正式版本相媲美，特别是在数学、代码、自然语言推理等方面。

数学比赛在美国举行（AMC）以及全球顶级编程竞赛（codeforces）等待权威评估，DeepSeek-R1-Lite-Preview 这个模型已经大大超越了 GPT-4o 等待顶级模型，有三项成绩仍然领先于三项。 OpenAI o1-preview。

除了“低成本、高计算能力”的突破，Deepseek之所以在这个春节“点燃”，是因为它不是来自传统的大公司，而是一家量化的基金公司。

Deepseek成立于2023年12月，在此之前，其创始人梁文锋于2015年成立了一只名为“幻方量化”的量化对冲基金，可以说Deepseek的前身实际上是为量化交易服务的。

这种背景也为Deepseek增添了更多的“看点”，比如梁文锋之所以不缺钱，是因为它在量化交易中赚得很顺利，网友们甚至开玩笑说，Deepseek的练习费用来自于造空英伟达。

还有梁文锋，他背靠1000亿的量化基金，显然可以选择轻松躺着赚钱，但他选择投身于全球创新的浪潮。他承认“对AGI的好奇和探索比商业收入更有动力”，这种不屈不挠的“理想主义”希望让Deepseek的“故事”更加感人。

02 大厂打不过就加入

但是，技术上的反击，还不足以完全震惊科技界，真正点燃Deepseek的变量，其实就是“开源”。据报道，Deepseek已经开源了模型架构和参数，目前在模型公司普遍选择闭源的情况下，行业内很少有开源培训数据的例子。

梁文锋曾在接受媒体采访时表示:“在过去的几年里，中国公司习惯了别人的技术创新，我们把它们作为应用来实现，但这不是理所当然的事情。我们的初衷不是借机赚钱，而是走在技术的前沿，促进整个生态发展。”

从商业角度来看，很难下结论“开源”是否是更好的策略。毕竟培训模式需要成本，吸引客户也需要广告成本。从字节豆包大规模投放广告和kimi几次接受融资可以看出，大型公司有自己的困难。

但是对中国的大模型产业来说，也许正是梁文锋的“理想主义”，让Deepseek成为颠覆行业格局的“变量”。

另一方面，开源可以吸引更多的大型工厂和技术人才加入，通过共创共创，使Deepseek更加强大，从而促进整个人工智能大模型生态的发展，形成全新的生态。

梁文锋曾经告诉媒体，未来公司不会像OpenAI那样选择从开源到闭源。“我们认为首先拥有强大的技术生态更重要。” 。

另一方面，对于以OpenAI为代表的竞争对手来说，这也是一个致命的打击。毕竟，当消费者面前出现平等或免费的产品时，人们不可避免地会进行比较。谁性价比更高，谁性能更好，都需要用实际效果来检验，而不仅仅是“吹泡沫”。

目前，英伟达、英特尔、亚马逊、微软、微软、微软、微软、微软等海外大公司都是第一个做出选择的。AMD、等待大型海外科技公司，都宣布将Deepseek接入自己的产品。

值得注意的是，欧美许多国家仍然对Deepseek的安全性和隐私问题提出质疑。许多美国官员表示，他们正在对Deepseek进行国防安全调查，包括国防部、国会和NASA部门，他们都被要求禁止使用Deepseek。

另外，根据彭博社等媒体的报道，微软也进行了调查。 OpenAI 中国的Deepseek团队是否以未经授权的方式获取技术输出数据，例如通过“蒸馏技术”非法获取模型导出数据。

然而，在这些争议得到解决之前，大公司显然迫不及待地想加入Deepseek生态系统，这仍然是基于“利益至上”的原则。

根据斯坦福大学计算机科学系和电子工程系副教授吴恩达的说法，OpenAI - tokeneno1模型每百万导出模型。 而Deepseek-R1的费用是60美元 则只需 2.19 美元，这接近30倍的成本差距，相信大厂也会算账。

其次是生态效应，吴恩达认为，“降价” “开源”正在商业化基础模型层，为应用开发者创造了巨大的机会。尽快加入这个生态系统，让自己的大模型与之结合，也有望带来更多的创新感受，“收缩”一些DeepSeek用户的需求。

因此，除了海外大厂商，如阿里巴巴云、百度云等国内大厂商也逐渐集中接入Deepseek，在各自的平台上提供适应服务。只有当他们打不过的时候，他们才能加入，共享创新收入。

03 东风乘坐Deepseek

事实上，在春天爆红的Deepseek，不仅给大型行业带来了一股“微风”，也给普通用户带来了更多的新机遇。

第一批使用Deepseek赚钱的人已经出现了。面对更智能、更高效的大模型，AI取代了人类的焦虑，再次成为收获用户的“武器”，就像当时诞生的ChatGPT一样。

社交媒体上已经出现了很多“如何使用Deepseek进行XXX”的课程，面向社交媒体、电子商务、广告等不同行业的应用和实现。

当然，学习新知识是绝对正确的，但与被焦虑“收获”并成为大V私域流量的一员相比，你不妨先试试Deepseek，根据你的实际工作和你擅长的内容。

目前，Deepseek在技术上取得了意想不到的突破。对于普通用户来说，它可以展示思维链的全过程，更方便人类与AI的交流。业内人士甚至称之为目前最好的开源模式，但不需要太多的“神化”。Deepseek。

第一，从使用体验来看，Deepseek仍然无法承受蜂拥而至的流量。事实上，Deepseek在几年前就已经小规模地“爆红”了，那时它还可以一起使用深度思考和网络功能，输出文章的框架和成文的确令人惊叹。

但是随着用户数量的不断增加，目前Deepseek已经关闭了网络功能，整理导出质量大大降低，而且大部分时间Deepseek都处于“服务繁忙”的状态。

虽然梁文锋曾经说过“商业化”不是目前首要考虑的问题，但“幻方”的资金规模是根据私募基金的规模来计算的，1000亿的规模不等于1000亿的资金规模，“幻方”只收取1000亿的管理费，与大厂商的资金差距还是很大的。

但是要继续保持C端的使用体验，Deepseek必然需要烧钱，后续如何补充资金，或者如何调整使用，梁文锋都需要提出更清晰的玩法。

第二，目前Deepseek在图片、视频方面的优势是不够的，现阶段要说Deepseek可以直接与头部闭源模型进行挑战，恐怕还为时过早。

然而，它的发展也给了Open。 AI，而且更多的垂直模型带来了压力，相信会在一定程度上促进整个大模型生态的发展。

最终，Deepseek仍然面临着政策和数据安全的争议，走向世界仍然是一条漫长的道路。此外，它的计算资源和计算率仍然有限，这意味着国内硬件需要继续努力来支持软件的不断创新。

当然，对于全球大模型行业来说，只有竞争才有动力。就像智能手机行业一样，如果参与者多了，行业内的板块就会越来越多，爆发的机会也就越多。

Deepseek的出现就像国内大型模型行业的一个“火花”，不仅是思维碰撞的突破，也是灵感的瞬间。接下来，我相信只有国内大型模型行业在软硬件方面不断创新，才能抓住这个机会，让中国科技行业从“追随者”走向“领导者”。

本文来自微信微信官方账号“新媒体科技评论”，作者：新媒体编辑部，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com