DeepSeek 爆火出圈，国产 AI 大模型如何突围？

2025年春节期间，DeepSeek爆火出圈，发布开源大模型，在数学、代码、自然语言推理等任务上表现追平OpenAI，在美国对我国AI产业链全方位打压遏制的背景下，成功走出了一条低成本、高性能、国产化“突围之路”并震惊世界，为加速国产AI大模型降本提效、生态繁荣注入了强大动力。

1、出圈情况

DeepSeek凭借“低成本+高性能”模型全球破圈。DeepSeek早前发布的V3模型每训练1万亿tokens仅需在2048块H800 GPU集群上耗时3.7天，总计278万 GPU小时、557.6万美元的训练成本，约为GPT-o1的1/20、Llama 3.1的1/10。

新(xīn)发(fā)布(bù)的(de)R1模(mó)型(xíng)API服(fú)务(wu)价(jià)格(gé)为(wèi)每(měi)百(bǎi)万(wàn)输(shū)入(rù)tokens 1-4元(yuán)、每(měi)百(bǎi)万(wàn)输(shū)出(chū)tokens 16元(yuán)，远(yuǎn)低(dī)于(yú)同(tóng)期(qī) OpenAI o1 API定(dìng)价(jià)水(shuǐ)平(píng)，且(qiě)在(zài)逻(luó)辑(ji)、数(shù)学(xué)及(jí)中(zhōng)文任(rèn)务(wu)中(zhōng)表现优异。DeepSeek应用程序霸榜苹果应用商店第一名，获全球主流公有云公司平台接入。

2、成功原因

①DeepSeek通过较少算力实现高性能模型表现，主要通过算法创新和工程优化等方式大幅提升模型效率。

一是成功走通“纯”强化学习（RL）路径。DeepSeek-R1抛开以预设思维链模板和监督式微调等为特点的AI推理能力传统训练方法，仅依靠简单的奖惩信号来指导优化模型行为，不仅省去了SFT和复杂的奖惩模型对计算资源的需求，还促使模型以“顿悟”的形式学会思考。二是实现算法、框架和硬件的优化协同。为大幅减少内存占用和计算量，DeepSeek系列模型在算法层面引入专家混合模型、多头隐式注意力、多token预测，框架层面实现FP8混合精度训练，硬件层面采用优化(huà)的(de)流(liú)水(shuǐ)线(xiàn)并(bìng)行(xíng)策(cè)略(è)，同(tóng)时(shí)高(gāo)效(xiào)配(pèi)置(zhì)专(zhuān)家(jiā)分(fēn)发(fā)与(yǔ)跨(kuà)节(jié)点(diǎn)通(tōng)信(xìn)，实(shí)现(xiàn)最(zuì)优(yōu)效(xiào)率(lǜ)配(pèi)置(zhì)和(hé)资(zī)源(yuán)节(jié)约(yuē)。

②DeepSeek具有拥抱AI的创始基因丰富的算力资源储备、极具天赋的本土人才团队。

一是自带AI创始基因。创始人梁文锋毕业于浙江大学电(diàn)子(zi)信(xìn)息(xi)工(gōng)程(chéng)和(hé)计(jì)算(suàn)机(jī)科(kē)学(xué)专(zhuān)业(yè)，早(zǎo)年(nián)创(chuàng)立(lì)对(duì)冲(chōng)基(jī)金(jīn)“幻(huàn)方(fāng)量(liàng)化(huà)”，实(shí)现(xiàn)投(tóu)资(zī)策(cè)略(è)全面(miàn)AI化(huà)，2023年(nián)5月(yuè)成(chéng)立(lì)深(shēn)度(dù)求(qiú)索(suǒ)，聚(jù)焦(jiāo)发(fā)展(zhǎn)通(tōng)用(yòng)人(rén)工(gōng)智(zhì)能(néng)。二(èr)是(shì)丰(fēng)富(fù)的(de)算(suàn)力(lì)资(zī)源(yuán)储(chǔ)备(bèi)。幻(huàn)方(fāng)量(liàng)化(huà)曾(céng)投(tóu)资(zī)超(chāo)过(guò)10亿(yì)元(yuán)，先(xiān)后(hòu)研(yán)发(fā)了(le)AI超(chāo)级(jí)计(jì)算(suàn)机(jī)“萤(yíng)火一号”和“萤火二号”。其中，“萤火二号”搭载了约1万张英伟达A100显卡。三是极具天赋的本土人才团队。DeepSeek团队工程师和研发人员几乎都来自清华大学、北京大学、中山大学、北京邮电大学等国内顶尖高校，鲜有“海归”，以走出校园不久的博士为主，也有部分成员有英伟达、微软等国外企业工(gōng)作(zuò)或(huò)实(shí)习(xí)经(jīng)历(lì)。

3、产(chǎn)业(yè)影(yǐng)响(xiǎng)

一(yī)是(shì)DeepSeek打(dǎ)破(pò)大(dà)模(mó)型(xíng)发(fā)展(zhǎn)路径依(yī)赖(lài)，基(jī)本(běn)确(què)立(lì)了(le)符(fú)合(hé)中(zhōng)国(guó)实(shí)际(jì)的(de)AI发展道路。DeepSeek 打破了 AI 大模型发展对算力和标注数据的高度依赖，展示了通过改进模型架构和训练方法，以较少的数据标注量和算力消耗提升模型推理能力的可行性，标志着我国在硬件上长期存在代际差距的情况下，可采取软硬协同方式实现对海外顶尖大模型的性能追赶和成本领先。

二是DeepSeek提升行业对模型的后训练和推理需求，长期提振算力需求。DeepSeek R1在 V3 的基础上进行了两次强化学习，明显提升了训练的探索时间和推理思考时间，将在后训练阶段延续Scaling Law法则。随着高性能低成本模型的出现将大幅降低国内AI赋能千行百业的应用开发门槛，推动AI产业链从“训练驱动”向“推理驱动”转变，带动推理算力需求加速释放。

三是DeepSeek以模型开源推动AI平权，开源路线有望打造应用繁荣的“安卓时刻”。DeepSeek完全开源了模型权重，允许其他开发者将模型用于商业用途并进行模型蒸馏。已发布了基于R1蒸馏Llama与Qwen的6个小模型，在多项基础测试集中性能对标 o1-mini，被Facebook首席人工智能科学家杨立昆誉为“开源模型对闭源模型的胜利”。开源模型通过知识蒸馏快速打造高性能、轻量化小模型，将驱(qū)动(dòng)端(duān)侧(cè)模(mó)型(xíng)在(zài)手(shǒu)机(jī)、电(diàn)脑(nǎo)、眼(yǎn)镜(jìng)等(děng)智(zhì)能(néng)硬(yìng)件(jiàn)上(shàng)的(de)部(bù)署(shǔ)应(yīng)用(yòng)，形(xíng)成(chéng)AI应(yīng)用(yòng)百(bǎi)花(huā)齐(qí)放(fàng)的(de)格(gé)局(jú)。

作(zuò)者(zhě)：邓(dèng)衢(qú)文

单(dān)位(wèi)：中移湾区（广东）创新研究院有限公司