DeepSeek崛起，到底誰將受益？

文|新摘，作者|豆包&nbsp；

2023年，OpenAI憑藉具有顛覆性的ChatGPT，站在了AI行業的C比特上。 當時，國內的頭部公司和OpenAI的差距只有2-3個月，也有人說是3-5年，甚至有人認為是10年。 2-3個月也好，10年也罷，中國企業在大模型領域的位置一直都沒變，始終處於追趕狀態。

2025年，情况出現了變化，DeepSeek憑藉質價比模式，站在了AI行業的C比特上。 1月11日前後，DeepSeek在全球範圍內上線了App，據Sensor Tower資料顯示，DeepSeek在發佈的18天內累計下載量高達1600萬次，而在同一時間段，ChatGPT的下載量為900萬次。 截至2月5日，DeepSeek的全球下載量接近4000萬，ChatGPT則為4100萬。 日活方面，DeepSeek在1月31日取得了2215萬的成績，相當於ChatGPT的41.6%。

DeepSeek雖然在總用戶量和日活上和ChatGPT有差距，但他的增速已經足以刺激到包括後者在內的所有大模型廠商。 與此同時，所有人都在問，DeepSeek是怎麼做到的？

另外在今日，百度集團執行副總裁、百度智慧雲事業群總裁沈抖在全員會上提到，DeepSeek在短期內會對百度產生影響，但長期來看是利大於弊的。 他表示，面對DeepSeek的來勢洶洶，首當其衝的AI產品，沈抖認為，是位元組跳動的豆包，理由是其訓練成本和投流成本都很高，那麼
DeepSeek崛起，到底誰將受益？ 誰又受傷害最大？

一、關於DeepSeek的真相與謠言

不同於OpenAI，DeepSeek的成立時間很短，其背後的運營主體是杭州深度求索人工智慧基礎科技研究有限公司，該公司成立於2023年7月17日。 如果算上和深度求索關係密切的幻方量化，他的歷史比OpenAI久一些。

不過，在科技行業，歷史長短並不是一家企業科技能力高低的决定性因素，深度求索用兩個模型證明了這一點。

2024年底，深度求索發佈了新一代大語言模型V3。 當時的測試結果顯示，V3的多項評測成績超越了一些主流開源模型，而且還具有成本優勢。 今年1月24日，深度求索又發佈了R1，R1是深度求索引發全球關注的主要原因。 據深度求索介紹，R1模型在科技上實現了重要突破&mdash； 用純深度學習的方法讓AI自發湧現出推理能力，在數學、程式碼、自然語言推理等任務上，效能比肩OpenAI的o1模型正式版。

更重要的是，R1延續了V3的高性價比特點，其模型訓練成本只有600萬美元，而OpenAI、穀歌等公司的投入規模為數億美元乃至數十億美元。

效能不弱+成本更低，這兩個buff讓DeepSeek吸引了全球的關注，同時也引來了爭議，第一個爭議，也是最主要的爭議就是&mdash； 成本真的有這麼低嗎？

在DeepSeek之前，行業的模式是通過大規模堆料，也就是算力、數據，獲得效能更强的大模型。 在這種邏輯的指導下，大模型一直被認為是巨頭的遊戲，隨著各巨頭豪擲千金，邏輯被進一步強化，而DeepSeek打破了這個邏輯。

現時廣為流傳的成本數據是600萬美元，嚴格來說，這600萬美元指的只是預訓練過程中GPU的花費，這只是總成本中的一部分。 眾所周知，英偉達是訓練大模型GPU的主要提供者，為了應對法規要求，英偉達推出了不同版本的H100（如H800、H20），現時中國公司只能使用H20，深度求索的主力GPU應是H20，其他還包括H800和H100。

據知名電晶體研究機構Semianalysis推算，深度求索大約擁有大約10000個H800和10000個H100，以及數量更多的H20，其服務器資本支出約為16億美元，其中與運營這些集羣相關的成本高達9.44億美元。 也就是說，深度求索的投入規模也是億級，即便如此，其成本還是大幅低於OpenAI、穀歌等。 對於用了多少GPU，深度求索其實也給出了數據&mdash； 用2048塊GPU即可訓練R1，這個成本也比OpenAI低。

査詢成本的&ldquo； 物美價廉&rdquo； 也說明了DeepSeek具有成本優勢。 現時，DeepSeek R1模型的每百萬個token（符元，AI時代最基礎的運算組織）的査詢成本為0.14美元，OpenAI的成本為7.50美元。

關於DeepSeek的第二個爭議是，是否使用了OpenAI的數據，提出質疑的是OpenAI和微軟。

1月31日， OpenAI表示已經發現證據，證明DeepSeek利用他們的模型進行訓練，這涉嫌侵犯知識產權。 具體來說，他們發現了DeepSeek&ldquo； 蒸餾&rdquo； OpenAI模型的迹象，即使用更大模型的輸出來提高較小模型的效能，從而以較低成本在特定任務上取得類似結果。 微軟則表示正在調查DeepSeek是否使用了OpenAI的API。

對於這一點，兩者的做法雖然有依據，但並不符合行業主流趨勢。

OpenAI的服務條款有規定，任何人都可以注册使用OpenAI的API，但是不能使用輸出數據訓練對OpenAI造成競爭威脅的模型，也就是說DeepSeek可以調用OpenAI的數據，但不可以用來訓練大模型。 不過，這個規定被很多人認為是&ldquo； 雙標&rdquo；， 因為OpenAI在訓練大模型使用了大量數據，其中的一部分就沒有得到數據所有者的授權，而且使用蒸餾數據是行業內的普遍做法。

相比之下，微軟的做法更能說明這一質疑是否站得住脚，他在指控DeepSeek涉嫌侵權的幾個小時後，就在自家的AI平臺上就接入了DeepSeek。

二、DeepSeepk有什麼過人之處？

超低的成本帶來超高的效能，是DeepSeek帶給AI行業最大的震撼。 回顧中國企業在其他行業的發展軌跡，他們一直善於做質價比，囙此DeepSeek能脫穎而出其實是必然的。

前面提到，
大模型行業此前存在算力信仰，無論是誰，如果想開發出效能更强的產品，都只能選擇堆算力和數據這一條路。
誠然，這個策略開啟了大模型時代，海外的OpenAI和國內的百度、位元組等都受益於此。 這種策略雖然仍在發揮作用，但邊際效應可能正在遞減。

以OpenAI為例，從2012年到2020年，其算力消耗平均每3.4個月就翻倍一次，8年間算力增長了30萬倍。 OpenAI首席執行官Sam Altman接受公開採訪表示，GTP-4參數量為GTP-3的20倍，需要的計算量為GTP-3的10倍； GTP-5在2024年底至2025年發佈，它的參數量為GTP-3的100倍，需要的計算量為GTP-3的200-400倍。

如果每一代的效能都能有巨大的提升，那高昂的成本是可以接受的，問題在於，如果GPT-5今年還做不出來，或者效能成本提高10倍效能只提升10%、20%，那這種模式的追隨者就會大大减少。

導致這種情況出現的原因在於，OpenAI陷入了創新者窘境，他是行業開創者，背負了巨大的成本包袱，此時選擇閉源策略是合理的。 如果GPT能持續大幅提高效能，市場就會持續買單。

而DeepSeek在科技上採取了開源的策略，所謂開源指的是軟件的原始程式碼可以在網絡上免費提供，以便進行修改和再分發。
如果GPT-5的效能真的只提升了10%，那就會有很多人選擇開源，進而幫助DeepSeek成為AI時代的安卓。 囙此，在效能接近的前提下，DeepSeek的策略更具有普適性。

簡單來說，DeepSeek並沒有帶來顛覆性創新，但他的策略給行業提供了一個更有普適性的方向，讓大家不必再去堆算力也能做出高性能的大模型。

Stability AI前研究首長Tanishq Mathew Abraham，在近期的博文中強調了DeepSeek的三個創新點。

首先是多頭注意力機制，大語言模型通常是基於Transformer架構，使用所謂的多頭注意力（MHA）機制。 DeepSeek團隊開發了一種MHA機制的變體，這種機制既能更高效地利用記憶體，又能獲得更好的效能表現。 其次是可驗證獎勵的GRPO，DeepSeek證明了一個非常簡單的强化學習（RL）流程實際上可以達到類似GPT-4的效果。 更重要的是，他們開發了一種稱為GRPO的PPO强化學習算灋變體，這種算灋更加高效且效能更好。 最後是DualPipe，在多GPU環境下訓練AI模型時，需要考慮很多效率相關的因素。 DeepSeek團隊設計了一種稱為DualPipe的新方法，這種方法的效率和速度都顯著提高。

金沙江創投董事總經理朱嘯虎則表示，DeepSeek的覈心是不再需要人類干預，本來是RLHF（人類迴響强化學習），現在直接做RL（强化學習）了，所以成本可以做得很低。

綜合來看，DeepSeek的創新在於推理環節，通過工程創新，優化了大模型在推理環節上存在的痛點，讓產品效能實現了大幅提升。
而這其實是早已經註定的結果，從日用百貨到手機、汽車，中國企業一直都擅長做質價比，DeepSeek在大模型領域延續了這一傳統。

三、到底誰將受益？ 誰會受衝擊？

毫無疑問，DeepSeek作為繼OpenAI之後第二個對行業產生重大影響的大模型，必將會讓一部分人受益，也會衝擊一部分人的利益。

目前來看，受衝擊較大的是提供GPU的英偉達，其市值因為DeepSeek一度下跌超過6000億美元。 不過，這只是表面現象，受DeepSeek衝擊最大的其實是以OpenAI為首的閉源大模型廠商。

對英偉達來說，DeepSeek的另闢蹊徑在一定程度上打破了大模型的唯算力論。 但是，不管是DeepSeek還是OpenAI，在做訓練時依然需要他的GPU，即便是其他大模型廠商轉向DeepSeek的策略，也要依靠英偉達。 瓦特在1759年改良蒸汽機後，更高效的蒸汽機開始廣泛應用，這沒有降低對煤炭的需求，英國的煤炭總消耗指數反而出現了上升，這種現象也適用於算力市場。

相比之下，DeepSeek對OpenAI為首的閉源大模型廠商的衝擊更大。 前面提到，如果OpenAI不能證明這種萬卡集羣模式能持續地幫助大模型大幅提升效能，那他不僅要被投資人質疑，還會被用戶拋弃，如此一來，其商業模式就很難走通。

DeepSeek也將對傳統蒐索廠商產生衝擊，這其實在OpenAI爆火後就出現過一次，當時的邏輯是大模型的高效和低成本將侵蝕穀歌的蒐索市場的份額。 在PC互聯網時代，蒐索是第一個殺手級應用，業內普遍認為，AI時代的第一個殺手級應用也是蒐索。

與此同時，隨著DeepSeek加快了人工智慧從&ldquo； 訓練階段&rdquo； 到&ldquo； 推理階段&rdquo； 的週期，這會新增對推理晶片的需求。

具體來說，推理指的是使用人工智慧根據新的資訊作出預測或決策的行為，這是DeepSeek的優勢和創新點。 不少行業人士認為，隨著客戶採用和構建DeepSeek的開源模型，對推理晶片和計算的需求會越來越大。

人工智慧晶片初創公司d-Matrix的首席執行官Sid Sheth表示，DeepSeek已經證明，較小的開源模型可以訓練得與大型專有模型一樣强大，甚至更强大，而且成本很低。 隨著小型功能模型的廣泛使用，他們催化了推理的時代。 囙此，隨著成本的降低，AI應用的採用可能會呈指數級增長，推理環節的算力需求或將爆發。

值得注意的是，儘管DeepSeek的模式有獨到之處，由於採取了開源的策略，對手也可以用他的技術開發出相似的產品，這對他的商業化提出了挑戰。 現時，李飛飛和斯坦福大學、華盛頓大學的研究人員已經以不到50美元（只是云計算服務費）的成本，成功訓練出了類似R1的s1，s1在數學和編碼能力測試中的表現，與OpenAI的O1和R1不相上下。

DeepSeek的成績是值得關注的，但長期來看，他還需要找到一個合適的商業化模式，才能走得更遠。