狂飙13天：开源DeepSeek如何撼动全球AI市场

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。

每经记者 王嘉琦 每经编辑 兰素英

图片来源：视觉中国

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。

DeepSeek 的 " 闪电战 "：性能、价格与开源三重冲击

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

1 月 24 日（周五）发布的聊天机器人竞技场（Chatbot Area）榜单上，DeepSeek-R1 综合排名第三，与 OpenAI 的 ChatGPT o1 并列。在高难度提示词、代码和数学等技术性极强的领域以及风格控制方面，DeepSeek-R1 位列第一。

" 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 "。

华尔街的焦虑：DeepSeek 动摇了英伟达的 " 算力信仰 " 吗？

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？"

图片来源：视觉中国

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。

图片来源：arXiv

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。

技术路线之争：DeepSeek 的 " 原创 " 与 OpenAI 的 " 大力出奇迹 "

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。

寻找梁文锋的人更是踏破铁鞋。外界对他的了解大多来自于 2023 年 5 月和 2024 年 7 月《暗涌》对他的专访。专访文章将他称为 " 一个更极致的中国技术理想主义者 "。和 OpenAI 创始人山姆 · 阿尔特曼（Sam Altman）一样，梁文锋的 " 目的地 " 是通用人工智能（AGI）。然而，梁文锋的理想不在于目的地，而是如何通往目的地。

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。

产业生态的博弈：微软、英伟达、AWS 纷纷接入 DeepSeek-R1

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。

DeepSeek 冲击波的深远影响：AI 的未来，何去何从？

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。

图片来源：每经制图

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 "。

免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。