每经记者 王嘉琦 每经编辑 兰素英
2025年1月中旬，英伟达CEO黄仁勋的中国之行备受瞩目。从北京到深圳，再到台中和上海，这位AI时代的“卖铲人”每到一处都掀起一阵热潮。然而，就在距离英伟达上海办公室仅200公里的杭州，一场足以撼动AI产业格局的风暴正在悄然酝酿。彼时，身家1200亿美元的黄仁勋或许并未意识到，一家名为深度求索（DeepSeek）的低调中国公司，即将在7天后成为英伟达的“黑天鹅”。
从1月20日推理模型DeepSeek-R1开源至今13天来，DeepSeek引起全球的惊讶，英伟达市值一周蒸发5520亿美元，硅谷巨头的恐慌，华尔街的焦虑。
1月21日，特朗普在白宫宣布启动四年总投资5000亿美元、名为“星际之门”（Stargate）的AI基础设施计划。
前一天（1月20日），DeepSeek悄然开源了推理模型DeepSeek-R1。
随后，英伟达自己的科学家Jim Fan率先解读出了它的颠覆性意义。他说：“我们生活在这样一个时代：由非美国公司延续OpenAI最初的使命——做真正开放的前沿研究、为所有人赋能。”
然而，那一周全球的目光都聚焦在刚刚上任的特朗普身上。
但临近周末，DeepSeek突然成为科技圈、投资圈和媒体圈讨论的对象。摩根大通分析师Joshua Meyers说：“周五，我收到的问题95%都是围绕Deepseek的。”
有市场评论员预言，DeepSeek是“美国股市最大的威胁”。
但为时已晚，英伟达的跌势已经开始。1月24日（周五）英伟达股价跌去3.12%。1月27日（周一），英伟达遭遇17%的“历史性”大跌，市值蒸发近6000亿美元，黄仁勋的个人财富一夜之间缩水208亿美元。本周，英伟达累跌15.8%，市值蒸发5520亿美元。
DeepSeek-R1带来的最直接冲击来自三个方面：性能、价格和开源。
性能比肩 o1
“白菜价”颠覆市场
DeepSeek-R1的价格低得惊人：API端口缓存命中1元/百万Tokens，缓存未命中4元/百万输入 tokens，输出16元/百万Tokens。仅为o1的2%~3%。
DeepSeek移动应用和网页端免费，而能力相当的 ChatGPT o1一个月200美元。
完全开源
DeepSeek-R1完全开源，任何人都可以自由地使用、修改、分发和商业化该模型，彻底打破了以往大型语言模型被少数公司垄断的局面，将AI技术交到了广大开发者和研究人员的手中。
1月24日，著名投资公司A16z的创始人马克·安德森发文称，Deepseek-R1是他见过的最令人惊叹、最令人印象深刻的突破之一，而且还是开源的，它是给世界的一份礼物。
最具煽动性的评价来自Scale AI创始人亚历山大·王（Alexandr Wang）。他说：过去十年来，美国可能一直在AI竞赛中领先于中国，但DeepSeek的AI大模型发布可能会“改变一切”。
相比于技术，投资者更关心自己投资的公司将遭遇怎样的挑战。
他们开始思考，如果DeepSeek的低成本训练有效，是否意味着巨头们在算力上的投入不值得了。如果不需要疯狂投入，市场对英伟达的业绩预期还有支撑吗？
正如投行Jeffreies股票分析师Edison Lee团队1月27日在研报中所说，如今美国AI企业的管理层可能面临更大的压力。他们需要回答一个问题：进一步提高AI资本支出是否是合理的？
硅谷公司还面临着投资者的拷问。1月27日上午，高盛分析师Keita Umetani和多名投资者进行了谈话，不少投资者质疑：“如果没有回报，还能证明资本支出的合理吗？”
随后，华尔街投行们纷纷发布报告安抚市场。
摩根大通分析师Joshua Meyers说，DeepSeek的（低成本）并不意味着扩张的终结，也不意味着不再需要更多的算力。
花旗分析师Atif Malik团队称，尽管DeepSeek的成就可能是开创性的，但如果没有使用先进的GPU对其进行微调和/或通过蒸馏技术构建最终模型所基于的底层大模型，DeepSeek的成就就不可能实现。
DeepSeek-R1的训练成本尚未公布。因此，一个月前（去年12月26日）发布的开源模型DeepSeek-V3成为主要分析对象。
DeepSeek-V3仅使用2048块英伟达H800 GPU，在短短两个月内训练完成。H800是英伟达特供中国市场的AI芯片，在性能上不及先进的H200、H100等。
官方声称的558万美元只是训练开销，真实总支出尚无定论。《DeepSeek-V3技术报告》中明确指出：请注意，上述成本仅包括 DeepSeek-V3的正式训练，不包括与架构、算法或数据相关的先前的研究或精简实验的成本。
“当部门里一个高管的薪资就超过训练整个DeepSeek-V3的成本，而且这样的高管还有数十位，他们该如何向高层交代？”Meta员工如是说。
DeepSeek训练成本低，一个重要原因是使用了数据蒸馏技术（Distillation）。数据蒸馏是将复杂模型的知识提炼到简单模型。通过已有的高质量模型来合成少量高质量数据，并作为新模型的训练数据。
根据技术报告，DeepSeek-V3利用DeepSeek-R1模型生成数据后，再使用专家模型来蒸馏生成最终的数据。
不过，数据蒸馏技术在行业内充满争议。南洋理工大学研究人员王汉卿向《每日经济新闻》记者表示，蒸馏技术存在一个巨大缺陷，就是被训练的模型（即“学生模型”）没法真正超越“教师模型”。OpenAI也把DeepSeek的蒸馏当作靶子加以攻击。
1月29日，OpenAI首席研究官Mark Chen发帖称，“外界对（DeepSeek的）成本优势的解读有些过头”。
不过，DeepSeek-V3的创新不仅于此。
资深业内人士向每经记者分析称，DeepSeek-V3创新性地同时使用了FP8、MLA（多头潜在注意力）和MoE（利用混合专家架构）三种技术。
相较于其他模型使用的MoE架构，DeepSeek-V3的更为精简有效，每次只需要占用很小比例的子集专家参数就可以完成计算。这一架构的更新是2024年1月DeepSeek团队提出的。
MLA机制则是完全由DeepSeek团队自主提出、并最早作为核心机制引入了DeepSeek-V2模型上，极大地降低了缓存使用。
2024年12月，清华大学计算机系长聘副教授、博士生导师喻纯在谈及中国AI发展时向《每日经济新闻》表示，中国在AI应用层有很大的优势，擅长“从1到10”，但原始创新能力（从0到1）还有待提高。
现在，这一看法可能不再适用了。
DeepSeek带来的最大“震撼”，是蹚出了一条与OpenAI截然不同的模型训练路径。
传统上，监督微调 （Supervised Fine-Tuning，简称 SFT）作为大模型训练的核心环节，需要先通过人工标注数据进行监督训练，再结合强化学习进行优化，这一范式曾被认为是 ChatGPT成功的关键技术路径。
但是，DeepSeek-R1-Zero是首个完全摒弃了SFT环节、而完全依赖强化学习（Reinforcement Learning，简称 RL）训练的大语言模型。DeepSeek-R1正是在R1-Zero的基础上进行了改进。
英伟达高级研究科学家Jim Fan用大白话解释说：
SFT是人类生成数据，机器学习；
RL是机器生成数据，机器学习。
这一突破为AI的自主学习范式提供了重要的实践范例。
DeepSeek为何不走捷径，而是寻求一条与OpenAI完全不同技术路线？背后的理由可以从创始人梁文锋的理想中探寻。
《每日经济新闻》记者了解到，DeepSeek规定员工不能对外接受采访。即便是DeepSeek用户群里的客服工作人员在解答群友疑问时也是小心翼翼，惜字如金。
DeepSeek选择“不做垂类和应用，而是做研究，做探索”“做最难的事”“解决世界上最难的问题”。
梁文锋口中的“难”，就是“原创”二字。
他说：“我们经常说中国AI和美国有一两年差距，但真实的gap是原创和模仿之差。如果这个不改变，中国永远只能是追随者，所以有些探索也是逃不掉的。”
对于选择和OpenAI不一样的路，梁文锋的口气中充满乐观：ChatGPT诞生在OpenAI“也有历史的偶然性”“OpenAI也不是神，不可能一直冲在前面”。
当地时间周一（1月27日）晚间，OpenAI首席执行官山姆·阿尔特曼终于对DeepSeek给出了他的评价。他在社交平台X上连发三条值得玩味的帖子。
首先，他重申了自己的目标——AGI。甚至比梁文锋更进一步，要“超越”AGI。
其次，他捍卫了自己的“路线”——算力不仅重要，而且前所未有地重要。
最后，他将DeepSeek-R1称作“一位新对手”，并表示“我们当然会推出更好的模型”。
当地时间1月31日，在携一众高管在reddit上举行AMA（问我任何问题）活动时，阿尔特曼正式承认DeepSeek是一个非常好的模型，OpenAI会制作出更好的模型，但领先优势会比以前减弱。
这是否是山姆·阿尔特曼向DeepSeek下的“宣战书”？他想较量的不仅关于谁是“更好的模型”，更是想用“大力出奇迹”的技术与“聪明”的技术进行一场比拼。
一边是硅谷、华尔街都在激辩DeepSeek的影响；另一边，科技巨头已经下场无缝连接DeepSeek-R1模型服务。
先是微软，当地时间1月29日，将DeepSeek-R1模型添加到其Azure AI Foundry，开发者可以用新模型进行测试和构建基于云的应用程序和服务。
1月29日的第四季度业绩电话会上，微软首席CEO萨提亚·纳德拉（Satya Nadella）再次肯定了DeepSeek“确实有一些真正的创新”，并且宣布DeepSeek-R1已可通过微软的AI平台Azure AI Foundry和GitHub获取，并将很快在微软AI电脑Copilot+ PC上运行。
虽然微软是OpenAI的深度投资者且有很多合作，但在产品商业化上它依然选择多样性的模型。目前Azure的平台上既有OpenAI的GPT系列、Meta的Llama系列、Mistral的模型，现在新增了DeepSeek。
紧接着，AWS（亚马逊云科技）也宣布，用户可以在Amazon Bedrock和Amazon SageMaker AI两大AI服务平台上部署DeepSeek-R1模型。
再然后是英伟达于当地时间1月31日官宣，DeepSeek-R1模型已作为NVIDIA NIM微服务预览版，在英伟达面向开发者的网站上发布。
英伟达还在官网中表示，DeepSeek-R1是一个具有最先进推理能力的开放模型。DeepSeek-R1等推理模型不会提供直接响应，而是对查询进行多次推理，采用思路链、共识和搜索方法来生成最佳答案。此前，1月28日，英伟达（中国）在对每经记者的回应中说到：“推理过程需要大量英伟达GPU和高性能网络。”
想要在AI算力领域挑战英伟达的AMD也毫不犹豫为DeepSeek“站台”。1月25日，AMD宣布，DeepSeek-V3模型已集成至AMD InstinctGPU上，并借助SGLang进行了性能优化。此次集成将助力加速前沿AI应用与体验的开发。
阿斯麦总裁兼CEO富凯1月29日表示：“任何降低成本的事情，对阿斯麦来说都是好消息”，因为更低的成本意味着更多的应用场景，更多应用意味着更多芯片。
2020年1月，OpenAI发表论文《神经语言模型的规模法则》（Scaling Laws for Neural Language Models）。规模法则表明，通过增加模型规模、数据量和计算资源，可以显著提升模型性能。在AI领域，规模法则被俗称为“大力出奇迹”，也是OpenAI的制胜法宝。
2024年底，AI界传出大模型进化遭遇“数据墙”的消息。美国技术研究公司Epoch AI预测，互联网上可用的高质量文本数据可能会在2028年耗尽。图灵奖得主杨立昆（Yann LeCun）和OpenAI前首席科学家伊利亚•苏茨克维（Ilya Sutskever）等人直言，规模法则（Scaling Law）已触及天花板。
“大力出奇迹”的忠实拥趸——硅谷巨头们开始将千亿美元级的资本投入算力。这场“算力竞赛”的疯狂程度从下面这些数据中可见一斑。
但是，DeepLearning创始人吴恩达1月29日撰文提醒称，扩大规模（Scaling up）并非是实现AI进步的唯一途径。一直以来……人们过度关注扩大规模，而没有以更细致入微的视角，充分重视实现进步的多种不同方式。但算法创新正使训练成本大幅下降。
DeepSeek-R1开源至今已经过去13天，关于它的讨论还在继续。
DeepSeek的出现让人们开始重新审视开源的价值和风险，以及AI产业的竞争格局。这场由DeepSeek引发的“冲击波”，将对全球AI产业产生深远的影响。
未来的AI世界，是“大力出奇迹”的继续狂飙，还是“聪明”技术的异军突起？是巨头垄断的固化，还是百花齐放的繁荣？
DeepSeek出现，让AI界开始真正严肃地思考未来：是继续烧钱豪赌，还是让AI成果商业化、平民化和普惠化？
随着训练成本降低、技术成熟以及开源，大语言模型将愈发成为一种普通产品。
1月31日，Hugging Face联合创始人兼CEO托马斯・沃尔夫（Thomas Wolf）说：“我认为人们正在从对模型的狂热中冷静下来，因为他们明白，得益于开源……很多这类模型将会免费且可自由获取。”
巧合地是，同日，OpenAI正式推出了全新推理模型o3-mini，并首次向免费用户开放推理模型。这是OpenAI推理系列中最新、成本效益最高的模型，现在已经在ChatGPT和API中上线。在o3mini正式推出之时，Sam Altman携一众高管在reddit回答网友问题时，罕见承认OpenAI过去在开源方面一直站在“历史错误的一边”。Altman表示：“需要想出一个不同的开源策略”。
责任编辑：何俊熹《彩库宝典1.3.2香港版下载》
