关于DeepSeek，你关心的答案都在这了

53 0 0

DeepSeek到底厉害在哪？

首先，DeepSeek到底厉害在哪？可以用三个词概括，性能、开源、成本。

第一，性能。

从性能上看，媒体和专业机构的测评用词是，DeepSeek R1的实际性能对标GPT-o1，有些能力甚至超过o1。

第二，开源。

整个模型不仅开源，而且开发团队还把研发过程写成论文，公开发布。

据说在过去两周里，全世界的AI实验室都在研读这篇论文。从16个月之前，DeepSeek就在开源社区（GitHub）持续提交自己的每一个版本，而且全部都是MIT协议，这是开源社区中对使用者要求最低的协议。你只要声明版权，就可以随意使用，可以用于学术，也可以用于商业，即使拿走之后自己改造，改造过的版本不再开源也行。

而在此之前，性能好的模型很贵，而开源不要钱的模型性能又不太行。DeepSeek是第一个开源，且性能对标o1的大模型。而且这是一个中国AI初创公司做的。之前一直号称非营利，把开放共享挂在嘴边的OpenAI，从来都没有做到这种程度的开源。

英伟达资深研究员Jim Fan对DeepSeek的评价是，我们生活的这个时间线上，是一家非美国公司，在延续OpenAI最初的、真正开放的前沿研究，赋能所有人。这最有趣的结局居然成真了。

Meta的首席人工智能科学家杨立昆说，这不是两个国家之间谁超越谁的问题，而是开源模型超越了专有模型，这是开源世界的胜利。

之前市面上还有人质疑，说DeepSeek R1是抄袭GPT，是从GPT蒸馏出来的。所谓蒸馏，就相当于压缩。比如张三是开快餐店的，但又不会炒菜，他就从李四开的大饭店里买回菜，然后分装成盒饭再去卖，这就属于张三蒸馏了李四。

但对于这个质疑，开源社区（GitHub）上的所有开发者早就有共识，DeepSeek不是抄袭，不是蒸馏。毕竟，人家之前的每一步都已经公开。而且所有的功能和自己公布的代码全都能对得上。现在已经有几十家规模不同的公司，用DeepSeek公开的信息，复现了R1大模型。

当然，假如仅仅是开源和性能，还不足以引起那么大的讨论。还有第三个关键因素，这就是R1的成本。

很多人说DeepSeek摆脱了对GPU的依赖，英伟达的股价都被DeepSeek搞垮了。这个说法其实不是很准确，咱们后面展开说。但回到成本，DeepSeek确实把成本打下来了。

从参数上看，R1是一个比较小的大模型，总共有6710亿个参数，而且一次推理调用的参数只有370亿个。什么概念？GPT-4的参数有1.76万亿个。

至于DeepSeek的具体成本，他们自己并没有公开过。目前市面上对R1成本最详细的分析，来自研究机构SemiAnalysis出具的报告。

根据SemiAnalysis的研究，DeepSeek一共有6万张计算卡，其中A100、H800、H100各一万张，H20三万张。其中相对最先进的，是H100。

假如以这个H100为基准，假设H100的算力是100，那么A100的算力大概是50，H800的算力是60，H20的算力是15，后面这些算力较低的计算卡，都是美国芯片禁令的结果，在这里就不多说了。

而这些计算卡的算力加起来，大概是255万。这个配置要远低于同规格的其它大模型。

从资金上看，外界盛传R1的成本只有600万美元，这其实不太准确。600万美元只是模型的预训练费用。确切说，是DeepSeek R1的上一版，DeepSeekV3的预训练费用，这笔钱是600万美元。

但是，DeepSeek并不是租用算力做的模型，而是自己买计算卡，自己搭建服务器。目前DeepSeek大概有150名员工，还会定期从北大、浙大招募人才，有潜力的候选人年薪能达到900多万元。而且DeepSeek背后的投资方，幻方量化早就意识到AI在金融之外的潜力，在2021年就买入了10000块A100计算卡。

2023年5月，DeepSeek从幻方拆分出来，全面专注于AI业务。这期间，前前后后购买GPU的总花费是7亿美元，搭建服务器等各类系统的费用大概9亿美元，再加上期间的运营成本等等。根据SemiAnalysis的估算，总费用应该在26亿美元。

当然，这26亿美元买入的硬件后续还会持续使用，它并不是针对R1的成本，而是这家公司多年之后的总成本。

换句话说，R1确实很厉害，但外界传闻的，一个金融公司，本来没想专门做AI，只是顺手不小心做出了个R1，这个说法多少有点夸张了。这背后哪有什么网络爽文式的故事？这是一家公司几年持续的大规模投入，一群顶尖人才持续研发的结果。

而回到R1，仅仅是这600万美元的训练成本，也已经比市面上的同类模型低了一个数量级。比如，Meta去年7月发布的Llama 3.1大模型，训练费用是6000万美元，这在当年已经算是很便宜的大模型了，但它的训练成本依然是R1的10倍。

关于R1的性价比，再说个更直观的例子，就是我们得到研发的新产品Get笔记。这个产品是去年6月推出的。

其中有一个环节是润色，假如使用GPT-4o，那么每天在润色环节上的花费大概是2000美元，而假如用当时DeepSeek的V2，也就是R1的前一个版本V3的再前一个版本，那么每天的花费能降低到120美元。一年算下来，能节省450万人民币。也许对于很多产品来说，因为更换这个模型，公司就能从亏损企业变成盈利企业。

前面说了这么多，细节和数字你可以不用记。我们只需要记住一件事，DeepSeek是目前世界上的大模型里，性价比最高，而且是唯一一个能够对标o1的完全开源的大模型。而它的创作者是一家名叫深度求索的中国AI公司。

AI领域的竞争格局走向何方？

那么，R1是怎么做到的呢？

DeepSeek公开的论文中给出的答案是，没有人为干预的强化学习。也就是，工程师并不告诉模型应该如何推理，而是只要模型做对了，就让它获得奖励，然后在这个反馈机制里一步步摸索，就好像AI在自己引导自己，自己调整自己一样。

对于很多外行人来说，人们更关心的，是这个技术的后续影响。

第一，R1节省了大量的显卡和算力，是不是意味着英伟达以后要不行了？

大概率上不会。R1确实在很大程度上打消了科技公司对算力的迷信。不需要几十万张算力卡，也能做出厉害的大模型。目前包括OpenAI在内的几个科技巨头，都在用R1的核心技术微调自己的模型，大家都想把算力的消耗降下来。

但是，这也许并不意味着英伟达就不行了。英伟达的股价确实出现了暴跌，在1月27日跌去了5900亿美元，创下了美股历史上单日最大市值下跌纪录。但问题是，英伟达的股价之前在AI概念的追捧下也许就已经严重虚高，这时稍微有点风吹草动，哪怕是黄仁勋得流感，都可能被庄家利用，当成暴跌的信号。

事实上，抛开股价不谈，英伟达的核心产品，H100算力卡的价格在R1推出后，是在持续上涨的，而之前H100的价格一度低迷。

为什么上涨？因为需求变多了。

为什么需求变多？因为R1的推出等于是告诉所有人，不需要那么多算力卡也能训练大模型。这就好比淘金，你突然告诉所有人，挖金子的难度和成本其实没有那么高，这个信号放出去，你觉得买铲子的人会变多还是变少？

出海的成本越低，大航海时代来得越猛。