DeepSeek是由中国初创企业DeepSeek开发的大语言模型（LLM），其模型DeepSeek-V3和DeepSeek-R1在性能和成本效益上的表现引发了广泛的关注。

性能表现

- DeepSeek-V3：参数规模达6710亿，在14.8T tokens的数据集上进行预训练，上下文长度可达128K。在多项评测中超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上与闭源模型GPT-4o及Claude-3.5-Sonnet不分上下。

- DeepSeek-R1：性能更强，在数学、代码、自然语言推理等任务上，性能比肩OpenAI o1正式版。

成本效益

- 训练成本：DeepSeek-V3的训练成本仅为558万美元，远低于其他主流模型（如GPT-4）的1/10左右。

- 硬件资源：仅用了2048个GPU在57天内便完成了训练，相较于其他需要1.6万到10万个GPU集群的模型，DeepSeek-V3的硬件资源使用更为高效。

技术创新

- 架构创新：DeepSeek-V3基于Transformer框架，采用了MLA（多头潜在注意力）和独创的DeepSeekMoE（混合专家架构），共同推动了算力成本的下降。

- 训练框架：设计了FP8混合精度训练框架，并验证了其可行性和有效性。

- 数据优化：在训练语料库中提高了数学和编程样本的比例，扩展了多语言覆盖范围，在后训练阶段使用了模型生成的数据，并利用强化学习的奖励机制，从而提升了模型性能，尤其是推理能力。

开源策略

- 开源模式：DeepSeek-V3的开源策略受到业界热烈欢迎，以更便宜的价格提供顶级模型，且还是开源的。

- 行业影响：这种低成本、高效能的创新模式，正在挑战美国通过大规模资本投入推动AI发展的传统路径。DeepSeek的开源策略也促使更多企业重新评估其技术策略，尤其是在开源与闭源模式、硬件依赖与软件创新之间的平衡。

行业影响

- 竞争力：DeepSeek的成功正在改变行业发展路径，打破了此前OpenAI、Anthropic和Google主导的专有闭源模型竞争格局。

- 全球AI发展：开源的DeepSeek-V3有助于美国之外的国家和地区在AI领域自主发展，推动全球AI技术向更加开放、多元和高效的方向迈进。

- 对美国科技巨头的影响：DeepSeek的崛起引发了硅谷的恐慌