DeepSeek 能够 挺立于AI舞台的中央，不只在于其在大语言模型(LLM)上所 获得的 打破，更在于为AI开启了 指望之门，而这也正是最大的悬念所在 。

凭借其一系列大模型，DeepSeek 攻破了AI大模型进展的传统范式—— 使用高昂的GPU， 消费大量电力和资源，通过训练更大的模型，换取AI性能的线性增进 。而DeepSeek R1则另辟蹊径，借助强化学习技术在微调环节让模型性能实现 超过 。 将来AI的竞争不再单纯取决于资金投入，而是更 重视成本效益，开启了AI新的进展方向 。

DeepSeek的崛起表明，规模并非 衡量模型优劣的唯一 标准，较小规模、更灵便的模型也能有出众 体现，为企业提供性能更优的 取舍 。

DeepSeek的 顺利也表明， 将来 体现最好的模型将是开源的，对客户和AI开发者都有利的，有助于实现AI的大众化 。而国内外企业纷纷接入DeepSeek大模型，热衷于用DeepSeek R1等开源模型取代OpenAI等高昂的 关闭大模型 。

正像美国总统特朗普而言，DeepSeek的浮现不是 要挟，而是一个“ 硕大”的机会，为消费者、模型推理、模型训练、模型小型化、AI 利用等制造更多的机会 。 将来的AI竞争可能不再仅仅是“谁有更多的钱，谁就能训练更强的模型”，而是“谁能用更少的钱，达到 雷同甚至更好的 动机” 。

1.星火燎原，更多企业与服务接入DeepSeek开源大模

千千万万的 利用都以DeepSeek为基座，由此构建的生态将重塑AI产业格局 。

开源便是源代码在Web上免费提供， 能够进行 批改和再一次 散发 。与OpenAI等竞争对手的大模型不同，DeepSeek的模型是开源的，其中DeepSeek R1在MIT许可下开源 使用 。

DeepSeek开源 特点和低计算要求大大减低了成本，加快了AI的采纳 。消费者 能够在Web、iPhone/iPad、Android、云计算、各种软件等上免费 获得DeepSeek 利用 。云服务商 能够免费接入，甚至 能够推出自己的AI大模型服务 。

开源模型不存在硬件和软件护城河，开发人员十分热衷于用DeepSeek R1等开源模型取代OpenAI高昂的 关闭模型 。

“DeepSeek 壮大的新人工智能模型不只不过中国的 成功，也是Databricks、Mistral、Hugging Face等开源技术的 成功 。”开源人工智能“不再只不过一个非商业探究 方案，而是像OpenAI GPT等 关闭模型的可行、可 扩充的 代替 方案” 。

DeepSeek迅速成为 寰球下载量最大的 利用 。Gartner预测，到2026年，超过80%的企业将 使用GenAI或部署GenAI 利用 。组织同时利用数百个模型，并面临着为其各种 使用案例 取舍最佳模型的压力 。而 取舍正确的AI模型并 快捷部署关于 获得市场优势至关重要 。

在不同平台上，DeepSeek下载量都 获得 打破，其消费者正在日益添加 。在苹果的App Store上，DeepSeek取代了竞争对手OpenAI，成为下载量最大的免费 利用程序 。在另一个移动 利用商店Google Play中，自1月28日以来DeepSeek下载量向来 维持率先，在短短18天的下载量达到了1600万次， 几乎是OpenAI ChatGPT刚公布时900万次下载量的两倍 。

开放AI模型的 支撑者对DeepSeek 充斥 热诚 。基于DeepSeek-V3和R1的700多个模型现已在AI社区平台HuggingFace上提供，下载超过了500万次 。

QuestMobile数据显示，DeepSeek在2月1日 打破3000万大关，成为史上最快达成这一里程碑的 利用 。

在国外，包含英伟达、微软、亚马逊在内的多家美国公司纷纷 领先采纳DeepSeek-R1模型，为消费者提供服务 。

微软最早将DeepSeek-R1模型被纳入微软平台Azure AI Foundry和GitHub的模型目录，开发者将 能够在Copilot +PC 受骗地运行DeepSeek-R1精简模型，以及在Windows上 宏大的GPU生态系统中运行 。

随后亚马逊云科技AWS也 宣告，消费者 能够在Amazon Bedrock和Amazon SageMaker AI两大AI服务平台上部署“ 性能 壮大、成本效益高”的DeepSeek-R1模型 。

英伟达1月30日 宣告，DeepSeek-R1模型可作为NVIDIA NIM微服务预览版 使用 。NVIDIA NIM是NVIDIA AI Enterprise的一 部分，为跨云、数据 核心和工作站的自托管GPU加快推理微服务提供容器，用于预训练和自定义AI模型 。

而一些规模较小的美国科技公司也采纳了DeepSeek模型 。美国AI初创公司Perplexity 宣告接入了DeepSeek模型，将其与OpenAI的GPT-o1和Anthropic的Claude-3.5 并列作为高性能选项 。

New Relic公司通过DeepSeek集成 扩充AI可观测性，以协助客户减低开发、部署和监控生成式AI 利用的复杂性和成本 。

DeepSeek自1月初推出以来，印度下载量惊人 。印度的Yotta Data Services推出了“myShakti”，就基于DeepSee开源AI模型构建，竟被称为是印度第一个 彻底主权的B2C生成式AI聊天机器人 。另一家印度公司Ola的AI平台Krutrim 将DeepSeek模型集成到其云 根底设施中 。

开源的DeepSeek之所以受到国外消费者与服务商的 欢送，源于：模型开源， 能够免费 获得，部署算力需求低；API价格比GPT-4廉价10倍，甚至比Claude廉价15倍；速度极快，并且在某些基准测试中与GPT-4相当，甚至更好等 。

中国云服务商、软件企业等接入DeepSeek，操作系统、网络安全、 利用软件、云服务等不同领域都集成了DeepSeek，为软件和 利用带来AI 威力 。

腾讯云、百度智能云、阿里云、京东云、青云等，以及三家 根底电信企业都先后接入DeepSeek大模型，麒麟软件、金蝶、用友、钉钉、南威软件、远光软件、万兴科技、超图软件等先后 宣告已 实现对DeepSeek的适配、接入 。

例如，中国电子云CECSTACK智算云平台正式上线MoE架构的671B全量DeepSeek-R1/V3模型，以及DeepSeek-R1的蒸馏系列Qwen/Llama模型，并提供私有化部署 方案，为 要害行业消费者提供安全牢靠、智能集约的智能化解决 方案 。

当前，中国电子云已在湖北机场 集团进行了DeepSeek-R1私有化部署， 依附DeepSeek-R1大模型服务湖北机场 集团打造企业 常识库等智能 利用 。

DeepSeek大模型已与银河麒麟智算操作系统V10、银河麒麟高级服务器操作系统V10 实现兼容适配，可实现当地部署， 支撑通过Chatbox AI客户端 使用DeepSeek，通过vscode集成DeepSeek实现辅助编程 。银河麒麟高级服务器操作系统V10作为云底座 根底设施已全面 支撑各大云厂商，实现DeepSeek的云端部署与 使用 。

天融信公布的DeepSeek安全智算一体机以“算力硬件平台+智算平台”为基座，集成DeepSeek大模型， 交融“计算、存储、网络、安全、智能”五大 威力，旨在为客户提供高性能、安全牢靠的一体化智算 核心建设 方案 。

中国电动汽车巨头比亚迪近将为其汽车公布“DiPilot”辅助驾驶系统，正在将DeepSeek的人工智能集成到最先进的新驾驶员辅助系统中 。

DeepSeek大模型的开源，为AI技术的 遍及和行业 利用带来了新的 机会和动力 。据赛迪预测，到2035年，我国人工智能核心产业规模将达到1.73万亿元， 寰球占比将超过30% 。

企业和服务商为何情愿接入DeepSeek？一是 遍及工作效率 。DeepSeek 能够卓著缩小推理 工夫，对消费者问题给出答案 。如在内容创作部门，通过输入 要害信息和要求，短 工夫内就能生成初稿，从而加快市场响应速度 。

二是减低人力成本 。DeepSeek 能够自动 实现数据标注 使命，削减对 根底、 反复性工作的依赖，同时通过智能客服系统，7*24小时不间断地为客户解答常见问题， 节俭人力 开销并 晋升服务的及时性和 巩固性等 。

三是 支撑数据 综合与决策 。DeepSeek对海量的市场数据、消费者反馈数据进行 快捷 综合， 发掘潜在 法令和趋向，协助企业 制订科学 正当的 策略规划和市场营销策略 。

四是提供个性化服务 。DeepSeek技术 能够依据消费者的需求和偏好提供定制化的服务，如在电商领域推进个性化推举系统的 遍及， 遍及购物体验和中意度等 。

2.推理模型 崛起，芯片有望百花齐放

DeepSeek R1的迅速崛起，使一种被称为推理模型的新兴AI模型成为人们关注的焦点 。随着生成式AI 利用 超过对话界面，推理模型的 性能和 使用可能会添加 。

DeepSeek R1推理模型的不同之处在于做到了将预训练模型，变成一个 性能更 壮大的推理模型，并且成本更低，资源利用效率更高，其运行成本惟 唯一般LLM三十分之一 。就像在 PC 和互联网市场，产品价格 下落有助于推进 利用一样，DeepSeek R1同样以更低的模型运行成本，把人工智能市场推上了长 工夫增进的 路径，堪称一个 存在里程碑 意思的时刻 。

DeepSeek R1 顺利表明，有了足够 壮大的 根底模型，强化学习就足以在没有任何人工监督的状况下从语言模型中引出推理 。随后在通用大模型GPT-3、GPT-4(OpenAI)、BERT(Google)等之后，浮现了像OpenAI o1-mini、OpenAI o3-mini、Gemini 2.0 Flash Thinking等推理模型 。

进展推理模型成为AI进展的一个重要机会 。推理大模型是指 能够在传统的大语言模型 根底上，强化推理、逻辑 综合和决策 威力的模型 。它们通常具备额外的技术，如强化学习、神经符号推理、元学习等，以 加强其推理和问题解决 威力 。如DeepSeek-R1、GPT-o3在逻辑推理、数学推理和实时问题解决方面 体现突出 。

而非推理大模型如OpenAI、Gemini、阿里巴巴的Qwen等 实用于大多数 使命，重要用于语言生成、语言 了解、文本分类、翻译等 使命 。此类模型通常通过对大量文本数据的训练，一般 侧重于语言生成、上下文 了解和自然语言 解决等，而不强调深度推理 威力 。

与可能直接生成答案的通用LLM不同，推理模型 通过专门训练以 展示他们的工作，并遵照更 构造化的思维过程 。一些模型不显示它们的逻辑推理阶段，而另一些模型则明确显示它们的逻辑推理阶段 。推理阶段 展示了模型如何将所述问题分解为较小的问题(分解)，尝试不同的 步骤(构思)， 取舍最佳 步骤(验证)， 回绝无效 步骤(可能回溯)，并最后 取舍最佳答案(执行/求解) 。

推理模型与通用模型 比较

材料 起源：微软

随着核心技术日益商品化和廉价化，推理模型和一般的LLM将变得多样化并专门用于更 狭隘的 使命 。

当前，AI企业推出了各种构建和改良推理模型的技术，也为 其余企业提供技术创新的机会 。

遍及LLM的推理 威力的 步骤在不停进展，如推理时 扩充(在推理过程中添加计算资源以 遍及输出 品质)、纯强化学习(RL)、监督微 和谐强化学习(SFT + RL)等 。据介绍，DeepSeek R1采纳不同的技术，引入了三个不同的推理模型变体：

DeepSeek-R1-Zero基于2024年12月公布的671B预训练DeepSeek-V3 根底模型， 使用 存在两种 嘉奖的强化学习(RL)对其进行训练，被称为 “冷启动”训练 。

DeepSeek-R1是DeepSeek的旗舰推理模型，基于DeepSeek-R1-Zero构建，通过额外的SFT阶段和进一步的RL训练进一步完善，改良了“冷启动”R1-Zero 模型 。

DeepSeek-R1-Distill，利用前面步骤生成的SFT数据，DeepSeek团队对开源的Qwen和Llama模型进行了微调，以 加强其推理 威力 。 固然不是传统 意思上的蒸馏，但这个过程 波及在更大的DeepSeek-R1 671B模型的输出上训练较小的模型(Llama 8B和70B以及Qwen 1.5B-30B) 。

DeepSeek和推理模型的 崛起也将对 解决器需求产生影响，推进推理芯片市场的增进 。推理是 支 使用和 利用AI依据新信息做出预测或决策的行为，而不是构建或训练模型 。简而言之，AI训练是构建工具或算法，而推理是实际部署此工具以用于实际 利用程序 。

AI训练是计算密集型的，但推理 能够 使用 性能较弱的芯片， 通过编程 能够执行 规模更窄的 使命 。随着客户采纳和构建DeepSeek的开源模型，对推理芯片和计算的需求将添加 。

DeepSeek的测试表明，华为的HiSilicon Ascend 910C 解决器的推理性能超出了预期 。此外，通过对CUNN内核的手动优化， 能够进一步 遍及其效率 。DeepSeek对Ascend 解决器及其 PyTorch存储库的原生 支撑，同意以 起码的工作量实现无缝的CUDA到CUNN转换，从而更轻松地将华为的硬件集成到AI工作流中 。

新的 Ascend 910C采纳小芯片封装，其主计算SoC 占有约530亿个晶体管，是由中芯国际采纳其第二代7nm级工艺技术制造的 。

AWS推出的推理芯片重要为Inferentia系列，在 晋升推理效率与减低成本方面 体现出众 。AWS 推理芯片有Inferentia和Inferentia2两代 。第一代Inferentia为EC2 Inf1实例提供 支撑，吞吐量 晋升2.3倍，推理成本降70%，搭载多个NeuronCore， 支撑多种数据类型 。

第二代Inferentia2性能飞跃，吞吐量 遍及4倍，延迟减低，内存和带 宽容幅 晋升， 支撑更多数据类型 。搭配AWS Neuron SDK可集成抢手框架，助力AI 利用 。

寒武纪在推理芯片领域 成绩卓著，思元370芯片 体现亮眼 。它基于7nm制程工艺，是首款采纳chiplet技术的AI芯片，集成390亿晶体管，最大算力256tops(int8) ，相较思元270算力翻倍，基于mluarch03架构，实测性能出众 。它也是国内首款公开公布 支撑lpddr5内存的云端AI芯片，内存带宽为上一代3倍，访存能效高 。

思元370搭载mlu - link多芯互联技术，在 分布式 使命中为多芯片提供高效协同，每颗芯片有200gb/s额外跨芯片通信 威力 。软件平台上，寒武纪 根底软件平台 晋级，新增推理加快引擎MagicMind，实现训推一体， 晋升开发部署效率，减低成本 。MagicMind对标英伟达TensorRT，架构和 性能更优，优势是性能极致、精度牢靠、编程接口简洁，插件化设计还能满足客户差别化需求 。

3.更小的成本也能训练大模型，AI训练芯片走向多样化

DeepSeek最突出的是模型效率、训练精度和软件优先的创新，设计了更快、更精简、更智能的模型 。DeepSeek的模型通过 证实效率 能够与原始计算 威力相媲美， 挑战了传统的AI 根底设施依赖 。

DeepSeek也有通用的大模型DeepSeek-V3、DeepSeek-R1等，其中DeepSeek-V3包含670亿参数，在2万亿token的中英文数据集上训练，可用于语义 综合、计算推理、问答对话等，在推理、编码、数学和中文 了解等方面 超过Llama2 70B base， 展示出卓著的泛化 威力 。DeepSeek V3的基准测试分数与OpenAI GPT-4o和Anthropic Claude 3.5 Sonnet 相当或击败对手 。

DeepSeek-R1总参数671亿，重要用于数学推理、代码生成、自然语言推理等需求深度逻辑 综合的 使命，在数学、编码等 使命中性能对标OpenAI o1，但API成本仅为后者的1/30 。推理模型DeepSeek-R1思维链推理 类似于OpenAI o1 。 固然R1不是第一个开放推理模型，但它比以前的模型 性能更 壮大 。

DeepSeek R1是一款开源 LLM，与OpenAI的最佳产品相比， 占有卓越的性能的同时需求的计算和训练资源大大削减， 因而在科技领域掀起了波澜 。早些时候微软 示意，在2025年将在AI 根底设施上 花费800亿美元，而Meta CEO扎克伯格 示意， 方案在2025年投资600亿至650亿美元的资本支出，作为其AI 策略的一 部分 。

在DeepSeek的示范下， 将来越来越多的LLM将商品化 。随着大模型训练技术变得越来越先进，以及培训和运行LLM所 波及的成本不停 降落，估计LLM将在不久的 将来成为一种商品 。

DeepSeek R1模型的问世被一些科技公司CEO视为LLM正变得越来越商品化的进一步指标 。

Hugging Face是开源AI项 目标常用代码仓库 。Hugging Face的联合 独创人兼首席科学官 Thomas Wolf 示意，LLM将更多地集成到与公司自己的数据库相连的智能系统中 。人工智能的Airbnb、人工智能的Stripe将浮现，他们与模型无关，而是使模型对 使命有用 。

微软CEO Satya Nadella认为，随着人工智能变得更加高效和可及，我们将看到LLM的 使用量猛增，将其变成我们可能 无奈 彻底满足其需求的商品 。

与此同时，美国软件公司 Appian CEOMatt Calkins说，DeepSeek的 顺利表明AI模型在 将来将更多地成为一种商品 。许多公司将实现有竞争力的AI，而高成本必定会影响大模型的销售 。

显然，英伟达在大模型训练的AI芯片市场占领主导地位，但竞争比以前任何时候都更加 强烈 。瑞穗证券估量，英伟达操纵着70%到95%的AI芯片市场，用于训练和部署LLM 。78%的毛利率凸显了英伟达的定价 威力 。竞争对手芯片制造商英特尔和AMD报告的最新季度毛利率分别为41%和47% 。

英伟达旗舰AI GPU如H100，再外加该公司的CUDA软件，使其在竞争中率先一步， 甚至于切换到 代替 方案 仿佛 几乎是不可 设想的 。

只管英伟达GPU市场从30亿美元膨胀到约900亿美元 。英伟达承诺每年公布一种新的AI芯片架构，而不是像历史上那样每隔一年公布一次，并推出 能够更 深刻地将其芯片融入AI软件的新软件 。

从跨国公司到新兴初创公司都在 抢夺AI芯片市场的份额， 将来五年市场规模可能达到 4000亿美元 。

AMD生产用于游戏的GPU，并且与英伟达一样，正在将其 利用于数据 核心内的AI 。它的旗舰芯片是Instinct MI300X 。AMD CEO苏姿丰博士强调了该芯片在推理方面的卓越 体现，而不是与英伟达竞争训练 。微软正在 使用AMD Instinct GPU为其Copilot模型提供服务 。今年AMD的人工智能芯片销售额可能超过40亿美元 。

英特尔近期 宣告了其AI加快器的第三个版本Gaudi 3 。英特尔将其直接与竞争对手进行了 比较，将其 形容为更具成本效益的 代替 方案，在运行推理方面优于英伟达H100，同时在训练模型方面速度更快 。英特尔 占有不到1%的AI芯片市场份额 。

更 宽泛采纳的重要 阻碍可能是软件 。AMD和Intel都 参加了一个名为UXL基金会的大型行业组织，该组织正在 奋力 创立Nvidia CUDA的免费 代替品，用于操纵AI 利用的硬件 。

英伟达 将来将与其最大的客户在芯片上翟看竞争 。 固然包含 Google、Microsoft、亚马逊、甲骨文在内等的云服务GPU的 洽购额占到英伟达收入的 40% 以上，但都在构建供内部 使用的 解决器 。

除了推理芯片Inferentia外，AWS首次推出了针对大模型训练的AI芯片Tranium 。客户以通过AWS租用该芯片 。该芯片首个消费者是苹果公司 。

Google自2015年以来，向来在 使用所谓的张量 解决单元(TPU)来训练和部署AI模型 。已经有六个版本的Trillium芯片，用于开发其模型包含Gemini和Imagen 。谷歌还 使用英伟达芯片并通过其云提供它们 。

微软正在构建自己的AI加快器和 解决器，名为Maia和Cobalt 。OpenAI 的定制芯片设计已接近 实现，与Broadcom合作设计，由台积电制造， 使用其3纳米工艺技术，以确保芯片 能够进行大规模生产 。假如 顺利，该芯片将于2026年在台积电开始量产 。

摩根大通 综合师估量，为大型云提供商构建定制芯片的市场价格可能高达300亿美元，每年可能增进20% 。

开发人员越来越多地将AI工作从服务器转移到个人 占有的笔记本、PC和手机 。像OpenAI开发的大模型需求大量 壮大的GPU集群来进行推理一样，像Apple和微软这样的公司正在开发“小模型”，需求更少的电力和数据，并且 能够在电池供电的 设施上运行 。Apple和Qualcomm正在更新他们的芯片，以更有效地运行AI，为AI模型添加了神经 解决器的专门 部分 。

4.让模型变小有章可循，小模型 利用前景喜人

越来越多的企业正在推出SLM， 挑战AI模型开发中“越大越好”的 风行 观点 。而DeepSeek R1推理模型在首次亮相后，以低廉的训练成本 展示了率先的性能 。DeepSeek的崛起表明，规模更大并不 象征着更好，规模更小、更灵便的发烧友 能够与AI巨头大模型相媲美，并有可能战胜它们 。

SLM以更低的成本，更高的效率，可能会转变企业AI部署的格局，使 估算有限的中小企业企业更方便 获得AI模型的高级 性能 。

DeepSeek也有许多小模型 。如DeepSeek-Coder，由一系列代码语言模型构成，从1B到33B版本不等，在2万亿token上训练，数据集含87%代码和13%中英文自然语言 。重要用于代码编写等 使命，在多种编程语言和基准测试中达开源代码模型先进性能 。

DeepSeek-VL则是开源视觉-语言模型，采纳混合视觉编码器，能 解决高分辩率图像 。有1.3B和7B模型，在视觉-语言基准测试中性能出众，可用于视觉问答等多种视觉与语言 联合的 使命 。

DeepSeek衍生和蒸馏的小模型，包含Qwen系列蒸馏模型、Llama系列蒸馏模型、DeepSeek-R1-Distill模型等，如DeepSeek-R1-Distill-Qwen-7B和DeepSeek-R1-Distill-Llama-70B 。前者在多个推理基准测试中 超过同规模模型，后者推理速度大幅 晋升，在GSM8K和HumanEval等领域接近顶级闭源模型 。它们的参数量在15B到70B 规模内，相比大模型计算和内存 消费卓著减低 。这些小模型继承了大模型的核心推理 威力，可在教育领域自动批改数学作业、医疗领域辅助 快捷诊断等 。

DeepSeek衍生和蒸馏的小模型在多个领域 存在 宽泛的 利用价格， 存在很强的示范价格 。 将来，AI企业 能够通过进展不同的小模型，推进AI的 利用 。

蒸馏模型通过削减参数量和计算复杂度，卓著 晋升了推理速度 。例如，DeepSeek-R1-Distill-Qwen-7B的推理速度比原始模型 遍及了约50倍，使其 能够在资源受限的 设施上高效运行 。

小模型的部署成本大幅减低， 合适在计算资源有限的场景中 使用 。DeepSeek的蒸馏模型在 维持高性能的同时，训练和推理成本卓著减低，推进了AI技术的 遍及 。

多 使命适应性 。蒸馏模型通过多 使命适应性机制， 能够依据不同 使命优化其性能， 实用于自然语言 解决、代码生成、数学推理等多种 利用场景 。如小模型的轻量化设计使其 能够在智能手机、智能手表等边缘 设施上运行，实 事实时决策和低能耗操作， 实用于自动驾驶、健康监测等需求 快捷响应的场景 。

将小模型 利用等不同的行业 。如在教育领域，蒸馏模型 能够提供个性化的学习推举和智能辅导，协助学生 制订个性化的学习路径， 晋升学习效率 。蒸馏模型在医疗影像 综合和疾病预测中 体现出众， 能够提供实时的医疗 提议和辅助诊断， 晋升医疗服务的效率和 品质 。在金融领域，蒸馏模型 能够用于市场趋向 综合、风险评估和智能投顾，提供个性化的投资 提议 和风险治理 方案 。

当前，市场上已经浮现不少创新技术，通过开源模型和创新技术，大幅减低模型训练成本和模型小型化成本 。

如来自斯坦福大学和华盛顿大学的联合团队已经训练了一个以数学和编码为重点的大型语言模型，该模型的性能与OpenAI o1 和DeepSeek R1推理模型一样好，构建它 只有50美元的云计算积分 。

该团队 使用了一个现成的 根底模型， 而后将Google Gemini 2.0 Flash Thinking Experimental模型提炼到其中 。提炼AI的过程包含从较大的AI模型中提取 有关信息以 实现特定 使命，并将其传输到较小的AI模型 。

又如Hugging Face公布OpenAI Deep Research和Google Gemini Deep Research工具的竞争对手，称为Open Deep Research，利用免费开源LLM，大概需求20美元的云计算积分，并且 只有不到30分钟即可 实现训练 。

Hugging Face的模型随后在通用AI帮手(GAIA)基准测试中 获得了55%的精确率，该基准测试用于测试代理AI系统的 威力 。相比之下，OpenAI Deep Research 得分在67– 73%的精确率中间，具体取决于响应 步骤 。

阿里的李飞飞团队基于阿里云通义千问(Qwen)模型进行监督微调， 顺利开发出s1模型 。训练该模型仅 花费不到50美元， 使用16张英伟达H100 GPU，仅耗时26分钟 。DeepSeek通过蒸馏技术将大模型 威力传递给小模型，而李飞飞团队则是微调现有大模型，借助高 品质数据和测试时拓展技术，实现低成本、高性能的模型训练 。

以DeepSeek为代表的开源模型凭借低廉API服务费用，对传统闭源大模型 发动 挑战， 将来可能重塑AI市场格局 。

低成本高 效劳大模型的浮现，给AI 利用公司、云厂商、消费者带来新 机会 。AI 利用公司可基于新模型开发创新产品， 遍及资本回报率；云厂商则加快布局开源大模型生态服务，抢占算力需求市场；消费者 能够基于开源大模型，训练和部署自己专属的大模型 。

免责声明：凡标注转载/编译字样内容并非本站原创，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。