Deepseek
摘要：
本文深入探討了DeepSeek這一新興的人工智能力量對全球AI格局產生的巨大沖擊。首先闡述了DeepSeek的技術原理及特點，接著分析其對全球AI格局的潛在影響，回顧全球AI格局的現狀與發展趨勢，剖析DeepSeek一夜之間產生重大影響的原因，最后預測未來全球AI格局在DeepSeek沖擊下的走向。通過對這些方面的研究，揭示DeepSeek在全球AI領域的重要意義以及它如何成為改變格局的關鍵力量。
一、DeepSeek的技術原理及特點
（一）架構設計創新：Mixture - of - Experts（MoE）架構
DeepSeek - V2、DeepSeek - V3等模型采用了Mixture - of - Experts（MoE）架構。這種架構是一種創新的設計思路，其核心原理是將任務分配給多個專家模型進行處理，每個專家模型專注于特定的子任務 。例如，在DeepSeek - V3擁有驚人的6710億參數，但實際運行過程中，每個輸入只會觸發370億參數，如同在巨大圖書館中僅尋找所需書籍般高效，以此方式大大降低了計算成本，并保持高性能 。這種有選擇地激活特定專家模型的策略，解決了大規模模型中計算資源浪費的問題，實現了在保持高性能的同時提升計算效率的平衡，與傳統的密集模型相比，實現了更高的參數利用率，減少了不必要的計算開銷。
（二）高效的推理能力與技術優化
1. KV緩存使用的減少與生成吞吐量的提高
DeepSeek - V2利用MoE架構和MLA技術在推理過程中顯著減少了KV緩存的使用，提高了生成吞吐量。這有助于模型在面對大規模文本生成任務時，更快速、高效地輸出結果，滿足用戶對于實時性和高質量輸出的需求 。
2. 長上下文長度的支持
DeepSeek - V2支持128K的上下文長度，這一特點使其在處理長文本任務時比其他許多模型更具優勢。在實際應用場景中，如文檔分析、長篇小說創作或需要對大量歷史數據進行理解和回應的任務中，能夠更好地捕捉和關聯文本中的信息，從而生成更精準和連貫的回答 。
（三）多模態支持能力
DeepSeek不僅可以處理文本，還能夠友好地支持多模態輸入，例如圖像和音頻。這一特性將其應用范圍拓展到更廣泛的領域。在AI繪畫與AI寫作的聯動發展方面，DeepSeek可以利用其對文本的處理能力，結合AI繪畫工具創建視覺效果。例如，在【搜狐簡單AI】這樣的平臺上，用戶通過DeepSeek生成的文本描述結合AI繪畫工具進行視覺創作，從而提升創作的效率和靈活性，為用戶提供更為豐富的交互體驗，這體現了DeepSeek在多模態交互環境下強大的整合能力 。
（四）數據處理算法和訓練技巧創新
1. 算力與效率的突破
DeepSeek在數據處理算法方面取得成果，實現了性能與算力成本的巨大優化。以其發布的特定模型為例，能夠以2000個CPU的算力，在不到600萬美元的投資和兩個月的時間內，完成其他頂尖大模型所需要的，往往要用16000個GPU且計算成本高出10倍的訓練任務 。
2. 訓練方法的創新：有針對性的訓練策略
采用大量高質量數據的監督學習以及一些獨有的技術，如上下文結構解析技術，使模型在訓練過程中能更智能地捕捉語境中的關鍵信息，從而提升語言理解和生成能力。在DeepSeek - R1的訓練中發現，后訓練階段大規模使用強化學習（RL）技術，在極少人工標注數據的情況下極大提升了模型推理能力，這一策略為其推理能力的提高開辟了新的路徑，而在傳統的模型訓練中往往較多依賴人工標注數據的監督微調（SFT），DeepSeek這種訓練方式展示出創新之處，即減少監督微調依賴而通過強化學習達成較好的推理效果，雖然過程中也出現過如在DeepSeek - R1 - Zero中的某些問題，但通過引入冷啟動數據和多段強化學習可以解決并獲得良好性能的模型如DeepSeek - R1 。
二、DeepSeek對全球AI格局的潛在影響
（一）打破壟斷局面
1. 從技術層面來看
DeepSeek以其技術實力打破了之前由少數科技巨頭在AI模型性能、成本等方面形成的局部壟斷格局。例如在模型參數量超過6000億的開源大模型發布上，其性能達到與Meta的羊駝和OpenAI的大模型相當水平，而且訓練成本僅為這些巨頭的10%左右。這使得之前對于模型開發訓練只能由少數資金雄厚企業進行的局面被打破，很多企業開始認識到可以以更低的成本去開發有競爭力的模型 。
2. 沖擊市場份額方面
全球AI市場份額主要被谷歌、亞馬遜、微軟、IBM等大型科技公司占據著，這些公司憑借強大的研發能力和廣泛的應用場景處于領先地位。然而DeepSeek的出現憑借其各種優勢尤其是成本優勢吸引了更多開發者、企業和用戶，無論是在中國還是國際市場逐漸占據了一定份額，對現有科技巨頭的市場份額形成沖擊。例如一些之前與谷歌等公司合作開發AI應用的企業可能會轉向DeepSeek尋求更好的效益。
（二）推動AI技術的普及與開源生態的發展
1. 技術的共享與傳播
DeepSeek發布的開源大模型開啟了模型技術共享的新局面。其公布的模型技術不僅使得中國的AI技術成果在全球得到擴散，全球開發者可以根據這本書共享的技術進行新模型開發或者對DeepSeek模型進行改進和優化。以DeepSeek - V3為例，許多開發者在對其MoE架構的基礎學習之后應用到自己的研究項目中，促進了人工智能技術的快速發展。
2. 開源生態的增強
它推動了全球AI技術的民主化。以前，只有少數科技巨頭能夠開發和使用高端的大模型，但現在通過開放源代碼，來自世界各地的技術愛好者和企業都可以參與其中。這一發展增強了開源AI的生態系統，促使更多的開源社區、開發者和企業加入到AI技術創新的隊伍中來，同時也將促使全球AI產業朝著多元化和普惠化的方向發展。
（三）引發AI企業的競爭與合作新局面
1. 競爭加劇
在DeepSeek的沖擊下，其他AI企業面臨更大的競爭壓力。如Meta公司內部陷入恐慌，工程師們正在拼命分析DeepSeek以試圖復制其技術優勢，因為他們發現在自身相對高預算下開發的模型效果和成本效益沒有DeepSeek好，在模型性能方面不能占據上風或者成本極高，這就使得其他AI企業為了不丟失現有的市場份額和技術優勢紛紛加大研發投入。像在大模型競爭中，之前相對平穩的競爭狀態被打破，各個企業加速探索新技術、挖掘更高效的訓練算法和更低成本的數據處理方式等。
2. 合作新趨勢
同時，也有企業開始尋求與DeepSeek的商業合作，例如一些小型的AI初創企業可能希望借助DeepSeek的開源模型和技術降低開發成本進行聯合應用開發或者借助其品牌影響力拓展市場。在全球AI研發合作體系中，企業之間的合作可能會出現相應的調整，更加強化資源互補、共同開發和對抗單個競爭對手等合作方式。
（四）影響對AI技術倫理的考量
1. 內容生成方面
因為DeepSeek具有可以生成自然語言等多類型內容的能力，而且其開源等特性會讓更多的個體和企業能夠利用該模型進行內容生成。這樣在內容生成中就需要重新思考如何避免產生虛假信息、不良信息等問題。例如如果模型被用于自動新聞寫作，如何確保新聞真實性和客觀性，如果被用于社交媒體內容生成如何防止謠言傳播等就成為新的技術倫理關注焦點。
2. 在信息傳播中的責任歸屬
由于其技術的普及性和影響力，當模型輸出產生了負面社會影響（如歧視性言論等）時，關于是模型開發者的責任、使用者的責任還是開源社區的責任等需要重新劃分界定。這促使整個AI行業不得不重新審視和完善現有的關于AI技術倫理相關的規范和制度建設。
三、全球AI格局的現狀與發展趨勢
（一）技術應用廣泛滲透各個行業
1. 醫療領域革新
AI輔助診斷系統目前已能夠準確識別病癥，提高診斷效率。例如IBMWatson在腫瘤治療中的應用，它通過分析大量醫學文獻和病歷數據，為醫生提供個性化的治療方案建議。這一技術的不斷發展有助于人類在攻克疑難病癥上取得更多成果，也會逐漸改變醫療行業資源分配和服務模式 。
2. 金融與經濟領域的深度融合
在金融領域，智能風控系統有效降低了信貸風險，同時AI技術被廣泛用于信貸評估、風險管理、算法交易等多個層面。如螞蟻金服的信貸評估系統通過分析用戶的交易數據和行為模式，自動評估信貸風險，提高了審批效率和準確性。這不僅改變了金融機構的業務操作模式，也在宏觀上促使全球金融市場向更加智能化的風險管理和交易決策方向發展 。
3. 教育領域的個性化變革
AI在教育中的應用包括個性化學習平臺和智能輔導系統。像Knewton提供的自適應學習系統能夠根據學生的學習進度和表現動態調整教學內容和難度，以滿足不同學生的個性化需求。這種教育模式變革有潛力解決傳統教育中普遍存在的個體化教育程度不足的問題，全球范圍內各個國家都在探索如何更好地利用AI推動教育公平性和教育效果的提升。
（二）研發競爭圍繞算法、數據和計算效率展開
1. 算法創新競爭激烈
企業不斷致力于開發更先進的算法，以提高AI系統的準確性和響應速度。例如在自然語言處理領域，Transformer架構推動了語言模型的巨大發展，基于此眾多企業又在不斷進行算法優化改進在預訓練方式、微調策略等算法層面創新，從而提升模型解決問題的能力和推理能力等。
2. 數據處理能力是關鍵因素
數據是訓練AI模型的基礎燃料，如何獲取海量、優質的數據并且進行高效的清洗和預處理是眾多AI企業關注的焦點。在圖像識別領域為了讓模型更好地識別各種環境下的物體需要大規模的高質量圖像數據，而數據隱私與安全保護也是數據處理過程中必須考慮的問題，如歐盟的《通用數據保護條例》（GDPR）就為企業的數據處理過程提出了眾多約束條件。
3. 計算效率成為競爭焦點
AI模型的訓練需要大量的計算資源，尤其是在開發大規模語言模型時，提升計算效率可以大幅度降低成本。不同架構和技術如GPU加速技術的應用、新的并行計算策略和模型稀疏化設計（像MoE架構在DeepSeek中的設計）都是圍繞提升計算效率展開的競爭，誰能夠更有效地利用硬件計算資源就可以在研發中取得先機。
（三）市場呈現多元化多極化發展
1. 巨頭企業引領技術方向和占據主要份額
谷歌、亞馬遜、微軟、IBM等跨國科技巨頭憑借其長期積累的技術基礎、數據資源和龐大資金投入等繼續在全球AI市場占據主導地位，他們開發的AI技術往往最早應用到自己的多種業務領域并且以產品或云服務的形式向其他企業和開發者提供AI能力，如谷歌的人工智能研究成果經常會應用到其搜索引擎、云計算服務等系列產品線上。
2. 新興企業與初創公司異軍突起
像DeepSeek一樣的新興企業和眾多AI初創公司雖然整體規模和資源比不上科技巨頭，但憑借創新的技術理念、靈活的市場策略和專注于細分領域的研發成果逐漸站穩腳跟。例如商湯科技在計算機視覺領域通過專注技術研發和商業場景的結合獲得了在安防、自動駕駛等多場景下的商業成功；科大訊飛在語音識別和自然語言處理技術上占據一定的市場份額并在教育、辦公等領域不斷拓展人工智能的應用邊界。
（四）國際合作與政策逐漸成為重要影響因素
1. 國際合作推動技術共享與協同創新
各國之間在AI研究上基于共同利益開始開展多形式合作。在基礎研究層面，不同國家的科研組織通過聯合科研項目對某些共性問題展開研究（如AI基礎算法提升、通用模型安全性研究等）；在應用領域各國企業可能達成合作協議共同開拓某一方為主體的國際市場（如某個發展中國家的AI智慧交通建設項目由國外企業提供先進技術和本地企業合作落地等）。
2. 政策制定影響當地AI發展走向
各國政府紛紛出臺政策扶持AI產業發展，對本國的AI產業布局、人才培養、倫理監管等方面進行引導。中國通過一系列的政策措施鼓勵本國企業自主創新、加大研發投入，并在數據安全、產業應用等方面逐步建立起相關標準規范；美國政府則在保障國家安全和促進AI商業創新發展方面通過政策引導和資金投入等方式保持本國在技術前沿的競爭力。
四、DeepSeek一夜之間產生重大影響的原因
（一）突破性的性價比優勢
1. 訓練成本低達驚人程度
DeepSeek能夠以非常低的成本進行模型的訓練任務，以其特定模型為例，僅用2000個CPU的算力和不到600萬美元投資在兩個月內就可完成其他模型需要大量GPU和高昂成本的任務，其訓練成本可能僅為同類其他頂尖模型的10%，如與Meta的Llama3系列模型相比，Meta投入的計算預算多達3930萬H100 GPU Hours用于模型訓練，而DeepSeek - V3僅需266.4萬H800 GPU Hours，可想而知各大企業在看到如此巨大的成本優勢后必然極為震驚和重視 。
2. 以低成本換來高性能
盡管訓練成本極低，但DeepSeek的模型在性能上卻毫不遜色。在多項標準基準測試中表現出色，在C - Eval和CMMLU基準測試中，DeepSeek - V2分別取得了81.7%和84.0%的高分，遠超同類模型。在與其他國際頂級模型對比時，像DeepSeek - V3與GPT - 4o以及Claude - 3.5 - Sonnet在性能上不分伯仲，新出的DeepSeek - R1在數學、代碼、自然語言推理等任務上性能比肩OpenAIo1正式版甚至在部分場景超越，這就表明企業和開發者花費較少資源就能夠得到性能很好的模型用于自身項目開發或研究需求。
（二）技術的開源策略
1. 廣泛吸引全球開發者
DeepSeek實行開源策略其技術源代碼可供全球開發者獲取和使用。這一策略打破了技術發展的隔閡和壁壘，讓全球的技術愛好者、AI科研人員和企業開發者可以深入研究模型的技術精髓。對于開發者來說他們有機會利用開源代碼加快自己開發項目的進度、降低開發成本或者在開源模型基礎上進行個性化定制開發針對自己特定應用場景的AI模型。
2. 推動全球技術發展融合
開源促使全球范圍內AI技術發展經驗和創新思路的融合。不同地區和文化背景下經驗與創新思路在DeepSeek的開源模型周圍集聚，可能產生更多新的技術構思、商業模式以及應用場景開發方向等。例如，中國獨特的市場需求和應用場景下的AI開發思路結合西方先進的算法理論研究成果在開源平臺上相互交流學習有利于全球AI技術發展速度的加快。
（三）優秀高效的團隊協同與人才策略
1. 精英團隊的年輕化構成
DeepSeek的團隊成員有許多來自于清華、北大等中國頂尖學府，甚至有應屆生放棄去斯坦福、MIT研讀博士的機會選擇加入DeepSeek。整個團隊相當年輕化，雖然員工規模不及OpenAI的五分之一（百人左右，70人專注于AI模型研發），但是充滿活力和創造力。這些年輕人才思維活躍，接受新鮮事物較快而且具有較強的拼搏精神，他們更敢于嘗試新的技術方向和挑戰高難度的技術問題，像在DeepSeek - R1的開發過程及其訓練算法創新等都離不開這些年輕人才的探索和鉆研 。
2. 獨特的團隊協作文化與領導者理念
團隊領導梁文鋒重視帶領團隊共同突破技術難關而不僅僅是依賴個別的技術大牛，更多地挖掘團隊成員的潛力，無論是從熱情出發凝聚團隊力量還是從技術創新理念上去引導團隊前進表現出獨特領導風格。整個團隊在研發過程中遵循只招1%的年輕天才做99%的人無法做到的事情這種目標理想，通過一種非傳統的人員篩選機制和團隊協同方式讓團隊持續保持高效的創新和開發能力，使得模型研發能夠快速推進并取得成果。
五、未來全球AI格局在DeepSeek沖擊下的走向
（一）市場競爭更激烈，格局進一步分化
1. 技術迭代加速競爭白熱化
面對DeepSeek的壓力，其他AI企業將加速產品和技術迭代，不斷提高性能并降低成本以求在市場中生存。一方面領先的科技巨頭如OpenAI、谷歌等會利用自身的資源優勢加快下一代模型的研發和優化，進行更深入的算法研究和數據挖掘，如加大在量子計算與AI融合領域的探索以期待從根本上改變模型的計算能力；另一方面新的初創公司也可能采用更加創新的技術路線或者商業策略，如專注于特定領域垂直應用的小模型開發并利用新技術使得小模型具有更強的針對性和性價比優勢。在這一過程中隨著企業之間的差距拉開全球AI市場格局會進一步分化為技術和競爭力較強的頭部企業陣營與其他眾多的差異化生存小企業陣營。
2. 成本優勢引發價格戰重塑商業模式
由于DeepSeek帶來的高性價比壓力，可能引發AI產品的價格戰。企業在降低模型開發成本的同時尋求模型商業化和盈利模式的新平衡。一些傳統以閉源收費制為主的企業可能被迫轉向更靈活的定價措施，比如降低模型使用費用、推出更多功能差異化的版本來滿足不同用戶的價格需求。同時還有企業會加大成本管理投入優化自身的研發過程，使得AI產品的價格逐漸平民化，這也將促使整個AI業務模式從單純出售模型或者軟件結果向更多元服務化如AI - as - a - Service方向轉變。
（二）開源與閉源發展路徑的重新抉擇與探索
1. 開源趨勢的深化推進
在DeepSeek開源模式成功沖擊市場后，更多企業可能會重新思索開源的潛力。將會有更多企業特別是中小規模企業以及科研團隊更積極主動地參與開源AI社區建設或者將自身成果開源分享，形成一種更加廣泛深入的開源態勢。開源可以幫助企業更快獲取外界創意、促進技術交流，也有利于吸引更多開發者群體圍繞自身產品展開生態建設如插件開發、應用適配等。像之前一些處于閉源觀望狀態的企業可能會逐步嘗試有限度的開源發布。
2. 閉源高端定制化服務仍有市場
雖然開源是一個趨勢但并不代表閉源完全沒有發展空間。對于高端企業客戶需要定制化且嚴格安全保密的AI服務時閉源能夠提供更可靠和專業的保障。一些擁有特殊行業數據或者對模型安全性、精確性要求極高的客戶如政府機構或者金融高端業務部門依然需要性能卓越且高度定制化閉源大模型的技術支持。因而閉源AI企業將朝著高端定制化方向強化自身的技術和服務體系，以差異化發展與開源商業化形成互補。
（三）全球AI研發合作趨勢新動向
1. 國際間聯合應對新興挑戰
隨著DeepSeek等因素對AI格局的改變使得技術復雜性和發展的不確定性增加，國際間在AI研發上會催生更多應對新興挑戰的聯合力量。例如針對AI普遍存在的倫理問題如算法偏見、模型濫用等可能出現跨國組織的聯合研究和標準制定團隊，再者可能在新興的技術變革面前如量子AI真正實現實用化時各國聯合技術資源共同開展有風險的探索性研發以搶占技術的先發優勢。
2. 跨企業合作多元化整合資源
企業之間的合作形式將更加多元化。除了傳統的技術共享和商業應用開發合作以外還可能出現跨領域的資源整合。比如AI企業與能源和硬件制造企業結成聯盟，一方面AI企業可以保障擁有穩定且高效的硬件算力供應同時能源和硬件企業也可以借助AI技術優化自身生產流程或者進行產品智能化升級。此外不同技術方向的AI企業也會進行互補合作如結合自然語言處理技術和圖像識別技術開發新的視覺語義理解產品等。
（四）AI技術應用場景的拓展與深入
1. 向未知領域進軍
受DeepSeek顯示出的技術創新刺激，AI實體將致力于探索目前未被充分開發的新應用場景。例如在深海探索領域利用AI處理深海探測設備采集的海量數據以發現新的生物、資源或者地質結構信息；在航天航空領域運用人工智能進行太空船操作優化、深空信號解碼等。這將促進AI技術邊界的不斷擴張，對人類認識和改造未知領域起到關鍵的推動作用。
2. 傳統領域的深度滲透結合
在已有的醫療、金融、教育等應用廣泛的傳統領域會繼續深入滲透。在醫療領域除了當下的疾病診斷助手外，未來可能會利用AI技術構建虛擬醫療模擬環境來培訓醫護人員，在金融領域可能利用AI技術實現完全自動化的金融產品定制和實時監管等。這表明AI技術將在現有應用范圍內與各領域業務邏輯進行深度結合，進一步改變和重塑傳統行業的運作模式。
