李建聪的博客
0%

DeepSeek：550万美元打造的"中国版GPT"，为何春节后突然爆火？

Posted on Edited on

本文介绍了2023年7月成立的人工智能公司 DeepSeek（深度求索），该公司以低成本高性能开源了性能媲美 OpenAI o1 的大语言模型，在2025年春节期间在国内外爆火，甚至有人称这是国运级的创造，真有那么神么？让我们一起来看看。

DeepSeek 公司简介

DeepSeek（深度求索）是一家成立于2023年7月的中国人工智能公司，总部位于杭州，由知名量化资管机构幻方量化孵化，创始人梁文锋。公司定位为"探索通用人工智能（AGI）本质"的科技企业，专注于大语言模型（LLM）研发。

产品概览

1
2
3
4
5
6
7
timeline
    title DeepSeek 产品发布时间轴
    section 2024年
        DeepSeek-V2 : 5月7日
        DeepSeek-V3 : 12月26日
    section 2025年
        DeepSeek-R1 : 1月20日

我们重点介绍 V3 与 R1 两款产品:

DeepSeek 热度来源

第一个是性能。在多个基准测试中，V3的能力超过了许多开源对手，例如Meta公司的Llama-3.1模型和阿里巴巴的Qwen2.5模型。跟不了解这块的同学解释一下，Meta就是之前的Facebook，而Llama模型则是AI开源模型中一直处于顶尖水平的产品。在DeepSeek官网上，他们不仅展示了与其他开源模型的对比数据，还在多个任务中与OpenAI和Claude这类闭源模型进行了能力对比。一般情况下，顶级闭源模型的能力通常优于开源模型，但DeepSeek在代码生成、数学运算等方向表现出了非凡的实力。

第二个是在有限资源下的成本控制。这也是让其他同行视其为研究对象的核心原因。

我用几个数字来说明，你就能理解为什么其他企业对此感到震惊了：DeepSeek的V3模型只用了2048张英伟达H800显卡，两个月时间，便训练出了一个拥有6710亿参数的超大规模模型，训练成本约为550万美元。

数据对比后，DeepSeek的厉害之处更为明显。如果是其他硅谷公司来完成同等能力的模型，通常会选择最高端的英伟达显卡，而不是价格较低的H800显卡。

此外，他们至少需要1.6万块高端显卡才能达到类似水平，远无法像DeepSeek这样仅用2000块H800显卡完成任务。从算力上看，V3的训练耗费仅为同等规模硅谷公司模型的十一分之一。而在成本上，Meta的同等能力模型训练花费高达数亿美元，完全无法与DeepSeek的性价比相提并论。

在拥有媲美商业模型的性能的同时，DeepSeek选择全面开源，这在AI领域是非常少见的。

在我的印象中，如果一家公司没有持续的技术创新，那么它开源自己最新的技术，无异于把自己的优势拱手让人，毕竟比起算力或资金实力 DeepSeek不占优势。但开源也给 DeepSeek 带来了很多好处，首先它在用户使用协议中说明了可能使用用户的数据用于训练模型[1]，这样可以让模型更快的迭代。

DeepSeek V3 与 R1 的区别

DeepSeek V3 作为通用的大语言模型，其性能表现在多个基准测试中均领先同类产品。而 R1 则是一款开源的推理模型，擅长处理复杂任务且可免费商用。两者在应用场景和擅长领域上有较大差异，下面我们将详细介绍。

  • 通用模型擅长: 文本生成、创意写作、多轮对话、开放性问答、摘要生成

  • 推理模型擅长: 数学推导、逻辑分析、代码生成、复杂问题拆解

  • 通用模型: 需显式引导推理步骤（如通过CoT提示），否则可能跳过关键逻辑。

  • 推理模型: 提示语更简洁，只需明确任务目标和需求（因其已内化思维链具有逻辑推理能力）。无需逐步指导，模型自动生成结构化推理过程（若强行拆解步骤，反而可能限制其能力）。

之前在第一次用 DeepSeek R1 时，默认使用了以前使用的提示词，但 R1 的回答就特别不靠谱，我一度以为 R1 的能力不如 V3，后面去除提示词，R1 的回答就特别靠谱了。其逻辑推理能力真的很强，但是需要用户提供更多的信息，而不是像 V3 那样只需要一个提示词就能回答。换句话说 R1 需要更好的描述问题，问题越具体，回答越准确。

在使用过程中我发现，使用 DeepSeek R1 总结论文，或者生成摘要时，效果不如 DeepSeek V3。

后续在了解 DeepSeek R1 的技术原理后知道，R1 是使用具有确定答案的方法训练出来的，换句话说 R1 使用了大量的数学和代码类问题训练出来的，所以也更加适合逻辑推理等有具体或确定答案的资料，当然这就特别符合我工作中的使用场景，需要具体且精确不需要创意的回答。

DeepSeek 目前存在的问题与挑战

据Get笔记开发者，快刀青衣提到过，Get笔记使用 DeepSeek 时，时常在下午4点到6点出现接口返回慢的问题[2]，在 DeepSeek API 接受大量请求时，会出现接口返回慢的问题，这也是 DeepSeek 目前存在的问题之一。

在 2025年春节期间，DeepSeek 也遭受了大量国外黑客的 DDos 攻击，导致 DeepSeek 服务不可用， 如下图 DeepSeek 服务状态图[3]所示：

在过完年回来， DeepSeek 因为过于火爆，导致了 API 充值通道关闭，我的额度用完了，每天都刷新好几次，但是都没有充值的按钮，只能等待 DeepSeek 的 API 充值通道重新开放。

同时，OpenAI 也发布了 Operator、DeepResearch，这也是 DeepSeek 目前面临的竞争。

DeepSeek 因为其开源的特性，也得到了诸多厂家支持，AMD、华为云、硅基流动、国家超算平台都相继宣布与 DeepSeek 合作，部署 DeepSeek 服务。也减轻了 DeepSeek 自己服务器的压力。

DeepSeek SWOT 分析

结合如上所述，我们对 DeepSeek 进行 SWOT 分析：

  • 优势：开源多样部署、上手快准确率高、不需翻墙
  • 劣势：工程能力弱，服务可用度不稳定，与 O1 相比优势不够明显。“代码不等于产品”——API 服务状态与商业化支持不足
  • 机会：国内 AGI 市场尚在快速扩张，政策红利与需求旺盛
  • 威胁：OpenAI DeepResearch、其他大厂自研 LLM 带来竞争压力

常见疑问与解答

DeepSeek有5万张H100吗？

这方面传言最夸张的是Scale AI公司的CEO亚历山大·王的说法。他在接受CNBC采访时说，DeepSeek有大约5万张H100，但因为有美国的出口管制，所以DeepSeek不能公开说。

比较靠谱的分析来自Semianalysis最新一篇对DeepSeek的深度分析报告。我把链接放在文稿中了。当然，今天已经有很多上万字的中文翻译版了，感兴趣可以逐字逐句看。我简要地说一下结论：

Semianalysis认为，DeepSeek一共6万张计算卡，其中A100、H800、H100各1万张，H20还有3万张。

咱们以H100为标准，假如它的算力值是100的话，其他几张卡的算力都是多少呢？A100是它的上一代，算力大约50；H800是H100的第一次阉割版本，算力60；H20是H100的第二次阉割版，算力15。之所以阉割两次，是因为美国前后两次出台芯片禁令，英伟达不得不配合禁令为中国生产阉割版计算卡。如果是5万张H100的话，算力应该是500万；而现在DeepSeek拥有6万张拼凑起来的计算卡，总算力是255万。

训练成本600万美元，真有这么低吗？

600万美元的说法，来自DeepSeek自己公布的V3模型的预训练费用。其中包含100万美元的14.8Ttoken的数据费用，还有460万美元的H800 GPU运行费用。这个费用就是按照算力对应的GPU时长和市面上租赁H800 GPU每小时的费用相乘得到的。两者相加，是560万美元。但还有其他费用没有计入——V3基础模型训练完，做微调后让它成为R1模型，还需要额外的100万美元。所以把基础模型的预训练和微调成R1整个算上，就是660万美元；不算微调就是560万美元。这就是600万美元训练成本的来源。

但DeepSeek毕竟不是租用算力做的模型，而是自己买卡，自己搭建服务器，自己人员高薪待遇搞研究、搞训练，所以硬件成本和人力成本都要计入成本，这些才占大头。

具体花费多少呢？还是依据Semianalysis的分析：购买GPU需要7亿美元；搭建服务器需要的其他零件、CPU、存储系统、操作系统的各种软件、冷却系统，这些需要9亿美元；这四年的运营成本加在一起还有9.44亿美元。总计大约26亿美元。

当然，由于今后开发新模型还会继续用到这些硬件，所以26亿美元并不能当作R1模型的训练成本，而是多年以后的总成本。

为什么 DeepSeek 有时候会说自己是GPT？

训练大语言模型的公司，除了OpenAI作为第一个开创者，所有的数据都需要自己操办之外，后续加入的公司，数据一般都不是自己搞定的，而是从专门的数据公司买的。

所以 DeepSeek 所使用训练数据很可能也是从专门的数据公司购买的，而早期的数据公司，很可能从 OpenAI API 接口下载数据，所以 DeepSeek 的数据和 OpenAI 的数据有很多相似之处，导致了你问 DeepSeek 他有时回答自己是 ChatGPT 的原因。

之前很多数据公司都瞄准了OpenAI薅羊毛，它们的训练数据如果清洗得不太干净，里面自然包含了很多原始出处的标签，别的模型拿这些数据训练，有时候就会回答自己是GPT。

DeepSeek 出现后，算力的需求是不是减弱了？

先说结论，算力的需求没有减弱，而是增加了。

V3和R1出现后，训练和推理成本大约下降了一个数量级，更多中小参与者也动念加入千卡、万卡的竞争中了。

个人使用感受

  • DeepSeek V3 在论文中的性能测试中性能接近 OpenAI o1 的水平，在我使用的过程中，DeepSeek V3的回答与OpenAI GPT-4回答结果质量相当，并没有明显的优势。
  • DeepSeek R1 在推理方面过程中，可以看到其思考的过程，使用起来更加直观，但是在生成摘要等方面，效果不如 DeepSeek V3。
  • OpenAI o1 在推理方面速度更快，DeepSeek R1 的回答通常需要等待30s以上，才能生成的差不多。
  • DeepSeek 的开源带动了国内的 AGI 研究，展示了我们国内的公司也可以做出技术领先的产品，给其他一直只是模仿和仿制，打价格战的公司树立了榜样。
  • DeepSeek 的服务在春节回来后没有恢复，导致我无法使用，我使用了其他云平台提供的 API 进行访问，如 硅基流动、华为云等。

总结与展望

DeepSeek 作为一家年轻的AI公司，通过其创新的技术和开源策略在短时间内取得了显著成就，相信以后 DeepSeek 会继续在技术创新、商业化运营等方面取得更大突破。

  1. DeepSeek Privacy Policy ↩︎

  2. 381 | DeepSeek 爆火背后，我们普通人可以知道的八件事： ↩︎

  3. DeepSeek 服务状态图 ↩︎