1月26日至27日，国内AI创业公司DeepSeek（深度求索）在短短两天内遭遇了两次短暂宕机，公司归因于新发布的推理大模型DeepSeek-R1引发的访问量激增。

新模型DeepSeek-R1的发布带来了前所未有的访问热潮。据统计，27日，DeepSeek在苹果美区应用商店的下载量超越了ChatGPT，成功登顶免费App下载排行榜。这家原本默默无闻的创业公司，在短短一年多时间内，已成为大模型行业的“黑马”，引发了业界对国内大模型能否实现弯道超车的广泛讨论。

DeepSeek：好用且经济实惠的选择

早在2024年12月，DeepSeek发布的新一代大语言模型V3就已在行业内引起了广泛讨论，但1月20日发布的R1更是将DeepSeek推向了新的高度。国外大模型排名榜单Arena的最新测评显示，R1在基准测试中全类别大模型中排名第三，在风格控制分类中与OpenAI o1并列第一，竞技场得分高达1357分，甚至略胜一筹。这也意味着DeepSeek-R1已成功跻身全球最强大模型之列。

DeepSeek的官方测试也进一步证实了R1的实力。在数学、代码、自然语言推理等任务上，R1的性能与OpenAI o1正式版不相上下。在小参数版本的模型比拼中，R1-32B与o1-mini各有千秋，其中R1-32B在数学推理方面表现尤为出色。

DeepSeek-R1性能与OpenAI-o1比肩。

DeepSeek的横空出世，令硅谷多位AI大佬刮目相看。无论是微软CEO还是OpenAI的投资人，都公开称赞DeepSeek-R1作为开源模型在推理计算能力上的出色表现。而《黑神话：悟空》的主创成员冯骥在使用R1后，更是指出了其六大优势：强大、便宜、开源、免费、联网和本土。特别是便宜、免费、联网等优势，让DeepSeek全面超越了OpenAI、Meta、Google等AI巨头。

DeepSeek的定价策略确实极具竞争力。推理模型R1的API服务定价为每百万tokens（词元）仅需1元（缓存命中）/4元（缓存未命中），每百万输出tokens为16元。而大语言模型V3的定价更为亲民，每百万tokens仅需0.1元（缓存命中）/1元（缓存未命中），每百万输出tokens为2元。这一定价策略约等于Llama 3-70B的七分之一，GPT-4 Turbo的七十分之一。

回顾2024年5月，国内大模型掀起了一股降价潮，不少大模型的API价格下调90%以上。而DeepSeek作为首家降价的大模型，被誉为AI界的“拼多多”。

展现本土技术创新的魅力

这样一款既便宜又好用的大模型，为何会诞生在一家成立仅1年半的创业公司？这不得不提DeepSeek与生俱来的算力优势和技术优势。

天眼查信息显示，DeepSeek背后的实控人是梁文锋，他所创立的幻方量化是国内知名的量化私募基金。这为DeepSeek提供了坚实的算力基础。不同于常规基金依赖基金经理，量化基金通过数量模型的计算寻找投资机会，对数据尤为敏感，其高频交易的特点更是离不开机器学习。为了从海量数据中挖掘投资机会，幻方量化早早开始囤积算力，先后斥资10亿元，在美国对芯片出口管制前购买了1万张英伟达A100型号GPU。机缘巧合下，幻方量化成为国内GPU算力最充足的企业之一。

DeepSeek成功登顶App Store美区榜首。

在AI行业中，有一条Scaling Law（规模化法则），即大模型的性能与其训练资源、数据集和参数规模存在正相关性。算力越大、参数越多，训练出的大模型性能就越好。幻方量化的算力基础，无疑成为了DeepSeek最大的王牌之一。

然而，光靠算力优势，DeepSeek显然无法与全球AI巨头抗衡。上海人工智能行业协会秘书长钟俊浩认为，DeepSeek之所以爆火，主要是因为其创新的技术路线。架构机制、训练方法和管道并行算法等创新，展现了中国本土AI技术的潜力，颠覆了中国只是AI技术跟随者、应用方的传统认知。

据DeepSeek公布的技术论文显示，R1在训练过程中实验了三种技术路径：直接强化学习、多阶段渐进训练和模型蒸馏。其中，R1首次证明了直接强化学习的有效性。科技媒体在技术解读中打了个比方：面对同一道题目，大模型同时多次进行回答，系统将给每个答案打分，依照“高分奖励低分惩罚”的逻辑进行循环，最终得出更具优势的推理路径。

与此同时，DeepSeek还采用了混合专家模型（MoE）创新架构，只需激活5%—10%的专家网络，就大幅降低了大模型训练的算力要求。同时，还采取了FP8混合精度训练，减少了模型训练的显存占用量。

本着“该省省该花花”的训练思路，DeepSeek最新大语言模型V3的训练成本仅为558万美元，不足GPT-4o的二十分之一。

展望未来：国内大模型的弯道超车机会

随着OpenAI o1、豆包、通义等推理大模型的陆续发布，DeepSeek-R1的加入无疑将这场推理竞赛推向了白热化。钟俊浩认为，人工智能技术的发展具有其内在逻辑，主要体现在实现从“记忆”到“思考”的跨越，一定程度上解决逻辑上的“幻觉”问题。

早期大模型的核心能力是海量知识的压缩存储与模式匹配，就像是“填鸭式”教育，把大量的知识都背出来。这种“死记硬背”的模式虽然能快速给出答案，但也存在问题，比如缺乏深度思考、甄别判断能力，容易人云亦云。而推理能力需要模型具备动态规划、因果推断和符号逻辑处理能力。OpenAI的o1通过改进架构和训练方法，使模型逐步从“鹦鹉学舌”转向“解题专家”。

在长文本交互和多模态的全球竞争中，国内大模型已经崭露头角。随着大模型推理能力的迭代，中国还有机会实现弯道超车。钟俊浩认为，高效利用计算资源、相对较低的成本以及更高的市场活跃度，是国内训练推理大模型的优势所在。

“推理模式所需的处理数据量相对较小，对高性能集成电路算力芯片的需求强度相对减少。”他表示，虽然国内面临高端算力芯片紧缺的难题，但推理大模型能更集约利用有限的算力资源。同时，国内算力基础设施较为完备，训练硬件成本较低。

更重要的是，中国的人工智能市场处于开放竞争的状态。不仅有阿里、字节、商汤等大型AI厂商，还有阶跃星辰、MiniMax等高水平的AI创业企业。而美国则主要集中在微软、谷歌等巨头。更多的市场参与者意味着更多的创新想法，也意味着市场更活跃。

此外，中国具有极强的政策引导能力。以上海发布的“模塑申城”实施方案为例，该方案进一步明确了“5+6”应用场景，为人工智能企业在推理方面的应用拓宽了发展空间，从而引导市场形成，加速商业化进程。

（文章来源：上观新闻）