DeepSeek的压力，终于还是传递到了黄仁勋身上。
北京时间1月27日晚，英伟达美股股价盘前暴跌近11%，按目前市值34928亿美元计算，英伟达市值恐将缩水超3500亿美元。
DeepSeek所掀起的低成本大模型训练策略，正在让资本市场怀疑，即当用相对较少的算力也能实现不输于OpenAI的模型性能表现时，英伟达所代表的高端算力芯片是否正迎来新的泡沫？
这股担忧情绪正进一步助推着DeepSeek的热度攀升。趁着DeepSeek R1新模型发布档口，短短一周时间，到1月27日，DeepSeek应用就拿下了美区App Store和中国区App Store免费榜的双料第一。
值得一提的是，这是首次有AI助手类产品超越OpenAI的ChatGPT，且登顶美区App Store。
爆火的用户体验场面，直接导致DeepSeek在两天之内接连出现服务宕机现象。继1月26日出现短时闪崩后，1月27日，DeepSeek再次短暂出现网页/API不可用的服务提示。官方回应称，其可能和服务维护、请求限制等因素有关。
新模型DeepSeek R1，无疑是引发这场围绕DeepSeek的全球用户大讨论的直接导火索。1月20日，DeepSeek正式发布了性能比肩OpenAI o1完整版的R1。
在数据越多、效果越好的Scaling Law（模型规模定律）触达瓶颈之下，去年9月份，OpenAI对外发布了新推理模型o1，后者采用了RL（强化学习）的新训练方式，被行业视为是大模型领域的一次“范式转移”。
但直到DeepSeek R1发布之前，国内一众大模型厂商均尚未推出能够对标OpenAI o1的模型。DeepSeek成了第一个攻破OpenAI技术黑匣子的玩家。
更重要的是，相比OpenAI在模型上的闭源，以及o1模型付费使用限制，DeepSeek R1不仅开源，而且还免费供全球用户无限调用。
R1的出现，除了打破旗舰开源模型只能由科技大厂来推动的行业传统共识之外，还打破了业内在去年形成的另一条共识，即通用大模型，正越来越成为一场大厂间的资本比拼游戏。DeepSeek用不到OpenAI十分之一的资源，就做出了性能堪比o1的R1。
DeepSeek携一众用户带来的冲击，已经让一些大厂坐不住了。
首当其冲的是Meta。一贯被行业视为“大模型开源之王”的Meta，内部被曝出开始担心起还未发布的Llama 4，在性能上可能无法赶上DeepSeek R1。
被拿来全面对标的OpenAI，也开始感受到压力。OpenAI CEO奥特曼不仅通过发布首个智能体Operator抢热度，还开始对外剧透起即将上线的o3-mini新消息。
可以预见的是，DeepSeek掀起的行业地震，波及的将不只是国外公司，国内大厂也难逃例外。
一
作为一款开源模型，DeepSeek R1在数学、代码、自然语言推理等任务上的性能，号称可以比肩OpenAI o1模型正式版。
在AIME 2024数学基准测试中，DeepSeek R1得分率为79.8%，OpenAI o1的得分率为79.2%；在MATH-500基准测试中，DeepSeek R1得分率为97.3%，OpenAI o1的得分率为96.4%。
同为推理模型，DeepSeek R1不同于OpenAI o1的技术关键点，在于其创新的训练方法，如在数据训练环节使用的R1-Zero路线，直接将强化学习（RL）应用于基础模型，而无需依赖监督微调（SFT）和已标注数据。
此前，OpenAI的数据训练非常依赖人工干预，旗下数据团队甚至被建设成为不同水平的层级，数据量大、标注要求简单明确的浅层数据，交给肯尼亚等廉价外包劳工，高等级的数据则交给更高素质标记人员，不少都是训练有素的高校博士。
DeepSeek R1的直接强化学习路线，就像让一个天才儿童在没有任何范例和指导的情况下，纯粹通过不断尝试和获得反馈来学习解题。
Perplexity公司CEO阿拉文·斯里尼瓦斯评价道：“需求是发明之母。因为DeepSeek必须找到解决办法，最终它们创造出了更高效的技术。”
除此之外，在获取高质量数据方面，DeepSeek也有所创新。
根据DeepSeek官方技术文档，R1模型使用数据蒸馏技术（Distillation）生成的高质量数据，提升了训练效率。数据蒸馏指的是通过一系列算法和策略，将原始的、复杂的数据进行去噪、降维、提炼等操作，从而得到更为精炼、有用的数据。
这也是DeepSeek能够凭借更小参数量，就实现比肩OpenAI o1模型性能的一大关键。人工智能专家丁磊博士告诉字母榜，模型参数量大小与最终模型呈现的效果之间，两者“投入产出并不成正比，而是非线性的……数据多只是一个定性，更重要的是考验团队数据清洗的能力，否则随着数据增多，数据干扰也将随之变大。”
更重要的是，DeepSeek是在用不到十分之一的资源基础上，取得的上述成绩。
去年12月底发布的DeepSeek-V3开源基础模型，性能对标GPT-4o，但官方介绍的训练成本只有2048块英伟达H800，总花费约557.6万美元。
作为对比，GPT-4o模型的训练成本约为1亿美元，占用英伟达GPU量级在万块以上，且是比H800性能更强的H100。
当时，前OpenAI联创、特斯拉自动驾驶负责人安德烈·卡帕西就发文表示，DeepSeek-V3级别的能力，通常需要接近16000颗GPU的集群。
目前，DeepSeek官方尚未公布训练推理模型R1的完整成本，但官方公布了其API定价，R1每百万输入tokens在1～4元人民币，每百万输出tokens为16元人民币。作为对比，OpenAI o1的运行成本约为前者的30倍。
这样的表现也引发Scale AI创始人亚历山大·王（Alexandr Wang）评价道，中国人工智能公司DeepSeek的AI大模型性能大致与美国最好的模型相当。“过去十年来，美国可能一直在人工智能竞赛中领先于中国，但DeepSeek的AI大模型发布可能会‘改变一切’。”
a16z合伙人、AI大模型Mistral董事会成员 Anjney Midha更是发文说道，从斯坦福到麻省理工，DeepSeek R1几乎一夜之间就成了美国顶尖大学研究人员的首选模型。
包括斯坦福大学计算机科学系客座教授吴恩达、微软董事长兼CEO萨提亚·纳德拉等大佬在内，也都开始关注起这款来自中国的新模型。
事实上，这并非DeepSeek第一次出圈。在宣布组建团队自研大模型以来，DeepSeek曾两度引发热议，只不过，之前更多局限在国内。
2023年4月，千亿量化私募巨头幻方量化发布公告，称将集中资源和力量，投身人工智能技术，成立新的独立研究组织，探索AGI（通用人工智能）。
一个月后的2023年5月，该组织被命名为“深度求索”，并发布了首款模型DeepSeek V1。当时，《财经十一人》报道称，国内拥有超过1万枚GPU的企业不超过5家。而DeepSeek就是其中之一，并由此开始得到外界关注。
及至2024年5月，DeepSeek再次借助大模型价格战一跃成名。当时，DeepSeek发布了DeepSeek V2开源模型，并在行业内率先降价，将推理成本降到每百万token仅1块钱，约等于GPT-4 Turbo的七十分之一。
随后，字节、腾讯、百度、阿里等大厂纷纷降价跟进。中国大模型价格战由此揭幕。
二
DeepSeek R1的出现，进一步向外界证明着，在大模型，尤其是通用大模型方面，创业公司依然有机会。
1月初，零一万物创始人李开复对外正式表态，自己将退出对AGI的追寻，未来公司主攻中小参数的行业模型。“从商业角度考虑，我们认为只有大公司能继续做超大模型。”李开复说道。
投资人们比李开复更激进。从2023年开始，作为金沙江创投主管合伙人的朱啸虎，便觉得大模型在摧毁创业，因为模型、算力和数据等三大支柱都向大厂集中，看不到创业公司的机会，且直接在大模型上做应用护城河太低，多次提醒创业者不要迷信通用大模型。
远望资本程浩更是直接认为中国版的ChatGPT，只会在5家公司里产生：BAT+字节+华为。在程浩看来，创业者只有在具有先发优势的情况下，才有可能跑赢大厂。
正是因为当初谷歌等国外大厂并不看好OpenAI的大语言模型路线，才让ChatGPT借助先发势能跑了出来。但是，当下研发大模型已经成为中国科技大厂的共识，甚至百度、阿里推出产品的动作，比创业公司还快。
但在接受“暗涌”访谈中，DeepSeek创始人梁文锋在回应与大厂竞争中曾说道，“大厂肯定有优势，但如果不能很快应用，大厂也不一定能持续坚持，因为它更需要看到结果。头部的创业公司也有技术做得很扎实的，但和老的一波AI创业公司一样，都要面对商业化难题。”
背靠千亿量化基金的DeepSeek，在免去资金的后顾之忧外，选择了一条颇显理想主义的路径，即只做模型研究，不考虑商业变现，且大胆启动年轻人。
在DeepSeek的150左右团队中，大多是一帮Top高校的应届毕业生、没毕业的博四、博五实习生，以及一些毕业才几年的年轻人。
这是梁文锋有意选择的结果，也是DeepSeek能够抢在大厂前面推出R1模型的秘诀之一，“如果追求短期目标，找现成有经验的人是对的。但如果看长远，经验就没那么重要，基础能力、创造性、热爱等更重要。”梁文锋解释道。
这也使得DeepSeek成了中国大模型创业公司中，唯一一家只做基础模型、暂不考虑商业化的公司，还要加上一条，即有能力继续开源旗舰模型的公司。
截至目前，DeepSeek R1已经成为开源社区Hugging Face上下载量最高的大模型之一，下载量超过10万次。
此前，国内以百度创始人李彦宏为代表的一派，坚决认为开源路线打不过闭源路线，且缺乏商业化支撑的开源模型，会在往后的竞争中差距越拉越大。
但起码从目前来看，DeepSeek R1的出现，证明靠开源路线依然能够追上大模型头部玩家的脚步，且创业公司依然有能力推动开源生态发展。
Meta AI首席科学家杨立昆（Yann LeCun）在评价中就提到，“给那些看到DeepSeek的表现后，觉得‘中国在AI方面正在超越美国’的人，你们的解读是错的。正确的解读应该是，‘开源模型正在超越专有模型’。”
在去年DeepSeekv3发布后，梁文锋就曾对外表示，公司未来不会像OpenAI一样选择从开源走向闭源，“我们认为先有一个强大的技术生态更重要。”
毕竟，OpenAI的经验起码说明了，在颠覆性的技术面前，闭源难以形成足够的护城河，更无法阻止被别人赶超。“所以我们把价值沉淀在团队上，我们的同事在这个过程中得到成长，积累很多know-how，形成可以创新的组织和文化，就是我们的护城河。”
2020年发布GPT-3时，OpenAI曾详细公开了模型训练的所有技术细节。中国人民大学高瓴人工智能学院执行院长文继荣认为，国内很多大模型其实都有GPT-3的影子。
但随着OpenAI在GPT-4上一改开源策略，逐渐走向封闭，一些国产大模型就此失去了可供复制的追赶路径。
如今，DeepSeek携开源R1的到来，无疑将给国内外大模型玩家在对标o1的推理模型研发方面，创建起一条新的借鉴思路。
三
DeepSeek在大模型领域掀起的这场蝴蝶效应，已经开始影响到部分大厂。
有Meta员工在硅谷匿名八卦分享平台Blind上发布消息称，Meta的生成式AI部门正因DeepSeek处于恐慌中，甚至爆料称尚未发布的新一代开源模型Llama 4，在基准测试中已经落后于DeepSeek。
在外媒的进一步报道中，Meta生成式AI团队和基础设施团队，正在组建4个作战小分队来像素级剖析DeepSeek，有的试图搞清楚DeepSeek是如何降低训练和运行成本的，有的负责研究DeepSeek可能使用了哪些数据来训练模型，有的则考虑基于DeepSeek模型的属性重组Meta模型的新技术。
与此同时，为了鼓舞士气，作为Meta创始人的扎克伯格，更是放出2025年继续扩大AI投资的新消息，称2025年围绕AI的整体支出将达到600亿-650亿美元，相比去年的380亿-400亿美元，增长了超过70%，从而构建起一个拥有130万块GPU的超级计算机集群。
除了跟Meta抢开源之王的名头外，DeepSeek正在从OpenAI手里抢走客户。
在比OpenAI便宜30倍的API价格诱惑力之下，一些初创公司正在改换门庭。企业级AI代理开发商SuperFocus的联合创始人Steve Hsu认为，DeepSeek的性能与为SuperFocus大部分生成式AI功能提供支持的OpenAI旗舰模型GPT-4相似甚至更好。“SuperFocus可能会在未来几周转向DeepSeek，因为DeepSeek可以免费下载、在自家服务器上存储和运行，并将增加销售产品的利润率。”
成为更多公司的模型底座，这也是梁文锋规划中DeepSeek最想占据的定位。在梁文锋看来，DeepSeek未来可以只负责基础模型和前沿的创新，然后其他公司在DeepSeek的基础上构建To B、To C的业务。“如果能形成完整的产业上下游，我们就没必要自己做应用。”梁文锋说道。
国内，对DeepSeek的研究也在同步进行。有报道称，字节跳动、阿里通义以及智谱、Kimi等团队，都在积极研究DeepSeek，字节跳动甚至可能在考虑与DeepSeek展开研究合作。
在这些公司之前，雷军更是先人一步挖起了DeepSeek的墙角。去年12月，第一财经爆料称，雷军疑似开出千万年薪亲自挖来“95后天才少女”罗福莉，后者是DeepSeek-V2开源模型的关键开发者。未来，罗福莉或将供职于小米AI实验室，领导小米大模型团队。
挖人之外，国内更激烈的竞争或将同样围绕API展开，“去年国内有一批创业公司和中小企业，因为OpenAI断供转向了国内大模型公司，现在DeepSeek很有可能成为收复OpenAI失地的那个野蛮人。”恒业资本创始人合伙人江一预测道。
压力传导到了这些国内大模型公司身上。如果它们不能快速将模型效果跟进到R1级别，客户就难免用脚投票。
