ai顛覆者：deepseek的過去、現在與未來

文|窄播，作者|余智敏

2025年開年，ai行業迎來了一場出乎意料的“地震”——國內的deepseek以顛覆性姿態炸裂出圈，短短數日登頂全球應用下載榜榜首，日活用戶迅速突破1500萬。

中美科技界對deepseek進行了激烈的爭論，觀點交鋒，有人高度認可，有人冷嘲熱諷，更有人陷入恐慌。anthropic ceo達里奧·阿莫迪萬字長文呼籲進一步加強對華的晶片封鎖;openai ceo山姆·奧特曼罕見認錯，並且承認openai的領先性被削弱。不僅是科技行業，美國總統川普也指出deepseek給美國敲響了警鐘。

deepseek到底做了什麼？為何會引發全球性的轟動？deepseek的出現，打破了哪些行業共識？如何理解deepseek帶來的機會以及未來的挑戰？本文將會逐個探討這些問題。

deepseek做了什麼？

deepseek引發ai行業地震的前提包含三個基礎事實：模型能力追平行業領先水平;在算法和工程上有核心創新;產品引發全球關注。

第一，模型能力上，r1追平行業領先水平。

關於年初發布的deepseek r1模型能力，相信大家已經看到足夠多的信息，或者也自己體驗過了，測評層面，deepseek r1在數學、代碼、自然語言推理等任務上，性能比肩 openai o1正式版。

對於大語言模型，邏輯能力和語文能力是最直觀可以感受到的。claude 3.5 sonnet去年發布之後，這兩項能力是非常突出的，個人體感是比gpt還優秀，尤其是語文能力，最近半年多最主要使用的也是claude。

如今的deepseek r1在邏輯和語文能力上也是非常突出，結合外顯的思考過程，給用戶的衝擊非常強烈。小紅書上出現了大量deepseek的“銳評帖”、“情感貼”，因其詳實全面的思考過程，被網友戲稱為“最內耗的ai”。並且，deepseek針對法律、市場營銷等專業領域的問題，也能給出全面、有洞察，甚至是讓業者“不寒而慄”的回答。

總的來說，目前deepseek r1在基礎能力上，明確地屬於第一梯隊。

第二，核心創新上，v3在算法和工程上圍繞moe進行了大膽嘗試。

關於deepseek模型的爭議有很多，r1雖然效果很亮眼，有很好地運用了強化學習的範式，但是這個算是在行業中已經被運用的方法，deepseek進行了很好的實踐，更像是對openai的o1進行復現，有不同的地方是，deepseek把思考的過程給用戶呈現了。

deepseek在算法和工程方面最具創新性的突破在於moe（混合專家模型）的規模化應用。從v2開始，deepseek將專家數量從傳統的8或16個擴展到160個;到v3時期，更是突破性地達到256個專家數量，實現了671b參數量下僅需激活37b參數的高效運算。

moe模型的效率優勢正源於其選擇性激活機制。與傳統模型（如llama）需要激活全部網絡權重不同，moe通過對計算網絡進行“分類”，只激活相關專家進行運算，顯著降低計算成本。類似分成8個專家，運算的時候激活1個，這樣運算量就只有八分之一，剩下的7個專家都是和輸入八竿子打不著的部分，沒必要進行運算。

那如果moe這麼高效，為什麼此前行業沒有大規模運用呢？

moe模型此前未被廣泛應用的主要障礙是訓練難度大，容易出現信息分類不當。deepseek v3通過創新性的算法和工程優化，成功突破這一限制，在保證模型效果的同時，實現了僅需激活5%參數的高效運算，開創了大規模moe的先河。

第三，產品表現上，引發全球轟動，日活迅速超1500萬。

模型能力、技術創新引發全球性討論的同時，deepseek的app也陸續在全球100多個國家登頂下載榜榜首，日活很快超過了1500萬。矽谷一線風投a16z的創始人marc andreessen也轉發了相關的對比數據，顯示deepseek日活已經達到了chatgpt的23%。實際上公司因為遭受了不明原因的大規模攻擊，不得不暫停了海外新用戶的註冊，不然這個增長勢頭可能會更猛烈。

deepseek為什麼能引發全球轟動？

列完這三個基礎的事實，不知道大家有沒有發現，deepseek產品表現上只是追趕到第一梯隊，並不是超越當前市面上的產品，也不是底層的範式創新。要說模型能力，其實anthropic的claude 3.5 sonnet真的也很能打，都半年多了，但是看數據就知道和chatgpt的聲量（日活）是完全沒法比的，除了ai的從業者，外部的討論微乎其微。

相較而言，deepseek的新模型發布之所以能在ai領域掀起驚濤駭浪，是因為有三點遠超大家預期。

第一個遠超預期的點是deepseek r1做到了又好又便宜。

在模型效果追平第一梯隊的情況下，deepseek的訓練成本不到600萬美金，而meta開源的llama3-405b訓練成本超6000萬美金，deepseek用不到meta十分之一的訓練成本，實現了更好的模型表現。

在推理的api定價的層面，與能力相當的openai o1模型進行對比，deepseek的定價約為o1的三十分之一。參考deepseek去年推出的v2模型，如果效果不好，但是便宜，不會引起這麼大轟動;參考anthropic的claude 3.5 sonnet，如果效果好，但是不便宜，也不會有這麼大的轟動。

如果要給好和便宜排個序，肯定是便宜更超預期。因為好的層面，已經有gpt和claude，其他的也在追趕。好到追平第一梯隊，不能說太超預期。但是在好的基礎上，還便宜這個點，是全世界沒有其他團隊做到的。因此給了業界極大的衝擊。

至於團隊是如何做到如此大幅度的降成本，重要原因是剛才提到的算法和工程的創新，moe大膽地拓到了256個，實際運行只需要激活5%左右的參數，極大地提升了運算的效率。

第二個遠超預期的點是deepseek做到了完全開源。

第一梯隊的模型gpt和claude都是閉源的，開源的llama效果要比gpt和claude遜色一些。現在deepseek在比肩第一梯隊的情況下，還做到了開源，而且是在論文中公布了詳實的模型細節。openai沒能做到的open和開源，反而讓來自中國的deepseek做到了。

第三個遠超預期的點是deepseek的成果由中國團隊做出。

一直以來都被認為是追趕者的中國公司，第一次在ai行業中站上世界舞台的中心，給到全球一個又好又便宜，還開源的大模型。而且deepseek的核心研究員都是中國本土培養的博士，沒有海外留學的背景。

deepseek打破了哪些共識？

deepseek打破的第一個共識是：美國引領一切。

ai科技領域，美國長期以來都是創新的引領者，中國企業往往扮演跟隨者的角色，更擅長技術的應用場景拓展。現在竟然有中國的團隊，在ai技術領域，做出了像消費電子般的中國“智造”模型，又好又便宜，在一定程度上打破了技術創新只能在美國出現的刻板印象。

圖靈獎得主lecun也藉此痛批矽谷傲慢病：患有這種病症的人認為自己所在的小圈子壟斷了好想法，甚至認為其圈子以外的所有創新都是通過“作弊手段”得來的。

第二個被打破的共識是：資金密集投入，大力出奇蹟，壟斷市場就能獲得超額收益。

deepseek的全球熱議還帶來了美股的驚天震動，英偉達單日大跌近17%，市值蒸發5950億美金，近6000億美金，相當於人民幣4.3萬億，創美股單日跌幅最高記錄。

二級市場短期是情緒的體現，大家恐慌性地拋售，原因不僅是因為deepseek訓練成本下降，帶來了晶片算力需求可能會下降的恐慌，也源自傳統的美國科技資本邏輯受到的衝擊。

傳統邏輯是：在行業中進行密集的資金投入，寡頭的幾家企業獲得壟斷性的資金優勢，進而大力出奇蹟，帶來技術成果後獲得壟斷市場的主導地位。簡單來說，就是大資金、大投入、長周期帶來超額回報。從網際網路時代開始，到移動網際網路已經多次印證了這個邏輯。

在ai的時代，由於算力成本高昂，這個邏輯更是被放大。像是最近公布的有川普站台的“星際之門”（stargate）計劃，由openai、孫正義（softbank 軟銀掌門人）以及中東基金共同推動，宣稱要在4年內投入5000億美金，打造“全球算力中心”，想要依靠大規模投入建立算力優勢。

deepseek的出現，給這個資本邏輯一記重拳——在ai領域大資金、大投入並不意味著一勞永逸。實現領先有可能根本不需要這麼大資金的投入，抑或是這麼大資金的投入之後，即使是閉源，也無法保證壟斷。假如基本的邏輯開始面臨挑戰，逐利的資本顯然需要重新思考自己的投資思路。

第三個被打破的共識是：閉源始終領先。

關於ai開源閉源領先性的討論，其實一直爭論不斷。deepseek r1的出現，是一個巨大的變量。模型追上了閉源的openai和anthropic，而且進行了開源，為整個ai行業注入新的動力。openai ceo山姆·奧特曼也罕見認錯，認為openai在是否開源上，站在了歷史錯誤的一面。

關於開源閉源之爭，還有兩點值得關注。

ai語言模型vs傳統開源技術差異：

–技術同源而非分叉：對比android與ios的生態隔離，開源與閉源大模型均基於transformer架構，差異是在數據、算法運用、工程等維度，並非是截然不同的技術路線。

–企業主導型開源：meta、deepseek、openai等公司掌握開源與否的節奏，社區更多是參與者而非主導者，而傳統linux更像是社區驅動的模式。

ai多模態模型現狀：

–圖像生成：開源stable diffusion相關的生態繁榮，閉源的midjourney等企業也有很好的商業化。

–音樂生成：閉源的suno相對領先。

–視頻生成：閉源的runway、快手的可靈、生數科技的vidu等相對領先。

我們在討論deepseek開源的時候，語境都是llm大語言模型。但是除了語言模型，ai還有非常重要並行的領域是多模態模型。deepseek也在近期發布了圖像模型janus pro，但是效果一般。在多模態的領域，開源還有更長的路要走。

未來展望：機會與挑戰

首先，deepseek會給ai應用的發展帶來長期利好。

應用對基礎服務的需求，從來都是“又好又快又便宜”。如果要排序，好>便宜>快。不好的東西可以不用，同樣好用的產品，便宜當然是有優勢，然後速度快，服務穩定。deepseek當前的語言模型，做到了又好又便宜。

對於現有的ai應用來說，已經接入語言模型的應用，可以替換成價格是三十分之一的api，顯著降低的成本，可以更好地探索pmf（product market fit），有更大的空間進行嘗試。這個是第一步最直接的影響。

關於能否因此出現新的killer app，我的答案是：短期否定，長期肯定。

短期來看，ai的killer app需要的不只是pmf，在pmf之前，還有技術。技術在細分場景是不是足夠好用，是killer app的必要條件。而這個和模型的能力直接掛鈎，最早就有提到這次的出圈，並不是模型能力的突破，所以短期這個必要條件沒有變化。

長期來看，會利好ai應用的發展。原因在於deepseek這次的開源，讓行業最領先的水平平權了，會加速推動ai進化的速度，進而推動必要條件的成熟，帶來新的應用機會。

其次，推理晶片和雲服務也有望受益。

一方面，好用便宜，所以多用。會讓推理的市場需求加速擴大，對應的推理晶片和配套的雲服務市場也擴大。英偉達在訓練晶片上的優勢是更顯著的，推理晶片層面相對而言，國內頭部晶片代差會小一些。

另一方面，亞馬遜和微軟都已經接入deepseek，國內的百度雲、騰訊雲、阿里雲也都已經接入。上文提到的ai應用企業，使用api的選擇之一也是從雲服務接入。

當然，deepseek在未來也會面臨來自模型技術發展和地緣因素的雙重挑戰。

雖然這次deepseek給ai行業帶來一股強心劑，但是沒有改變是當前模型發展的困境。對於語言模型，還有類似幻覺這樣的問題難以解決，可能需要更底層的範式創新才能突破;對於多模態的模型，考驗就更多，圖片的指令遵循效果差，細節控制差。

視頻生成模型在過去半年，進展速度非常快，但是指令遵循、一致性等都還有很大空間，並且成本很高，非常需要像deepseek v3一樣能把價格打下來的模型。

同時，deepseek的出現給了中國企業更大的信心去做創新性的嘗試，也給美國敲響了警鐘。可以預見的是，中美的科技冷戰會進一步加劇。晶片的限制可能會進一步加強，中國企業的國際化也會面臨比以往更大的壓力。

道路難免崎嶇，前行必有曙光。

在通往agi的征程上，deepseek的崛起不僅打破了閉源壟斷的舊秩序，更以開源民主化的方式推動重構著ai領域的競爭規則。從“美國引領”到“中國創新”，從“資本密集”到“人人可及”，從“閉源壟斷”到“開放共享”，這些根本性的改變，正在塑造ai發展的新秩序。