今年1月份，AI 方面最火爆的议题莫过于针对杭州的 DeepSeek 公司(深度求索)的AI技术、产品的讨论热度，急剧上升，连续霸榜中国以及西方的科技头条。
尤其是在美国 X社交平台(推特)上的一些科技大佬名人，夸赞了DeepSeek坚持开源、某些性能不弱于美国顶尖AI产品后，这些言论被转回国内社交平台上，掀起了一浪高过一浪拆解、分析、盛赞DeepSeek的舆论。
为什么DeepSeek 的大模型这么火爆，让西方科技巨头如临大敌呢
背景
现在训练顶级 AI 模型贵得离谱！OpenAI、Anthropic，Meta 这些科技巨头公司动不动烧 1 亿美金起步进行训练。他们需要塞满几万台 GPU 的数据中心，相当于为了开个工厂先得建发电站。
结果
DeepSeek用实力打脸: 我们花 550 万美金就能搞定，而且模型实测性能已经赶超 GPT-4 和 Claude，典型的 "加量不加价"。于是乎，整个 AI 圈为之震惊。一位 Meta 员工在匿名的帖子中写道：“工程师们正在疯狂地分析 DeepSeek，试图从中复制任何可能的东西。这一点都不夸张。”更令他们担忧的是，“当生成式 AI 组织中的每个‘领导’的薪资都比训练整个 DeepSeek-V3 的成本还要高，而我们有好几十个这样的‘领导’时，他们要如何面对高层？”
DeepSeek如何做
他们的操作分三步走：
第一步，精准瘦身：传统 AI 就像用 32 位小数记账，DeepSeek 直接改用 8 位：“反正够用就行！” 内存需求立减 75%。就像把 100 斤的胖子直接减到 25 斤，还能跑马拉松。
第二步，打包处理：普通 AI 看文字像小学生指读：“小…… 明…… 吃…… 饭……”，他们直接整句扫读。速度翻倍，准确率还能保持在 90%。当处理几十亿词汇时，这就非常重要了。
第三步，专家会诊：传统模型是逼着 1 个学霸同时精通医学法律编程，DeepSeek 搞了个专家联盟(MOE)：平时谁也不理谁的，需要时才摇人。18,000 亿参数的传统模型？人家总共 6710 亿参数，但每次只用 370 亿。相当于去医院看病，直接给你匹配知名专家。 用专业一点的术语解释
在MOE架构中，引入了路由专家 (Routed Experts) 和共享专家 (Shared Experts) 。主要是用来激活那些参数需要被更新。路由专家中主要是用来选择参数进行激活。对于每个输入的token，只有一部分路由专家会被选中来参与计算。这个选择过程是由一个门控机制决定的，比如DeepSeek MoE中用的那种根据亲和度分数来选的Top-K方式。而共享专家始终参与所有输入的处理。无论输入是什么，所有共享专家都会贡献它们的力量。
效果有多离谱呢？
训练成本：1 亿刀→550 万刀（直接打骨折） GPU 需求：10 万台→2000 台（网吧配置就能玩） API 价格：直接砍到脚踝价（便宜 95%） 用游戏显卡就能跑（英伟达数据中心卡滞销警告, 1.28的交易日创下历史最大跌幅 跌了3w亿软妹币）
对股市的影响
DeepSeek的低成本训练方法依赖于更高效的算法或新型硬件，可能减少对传统高性能GPU的依赖，从而影响NVIDIA的某些产品线需求。目前市场已经用脚投票，英伟达，博通，台积电 等公司大跌10% 以上，美国纳斯达克指数暴跌3%
但是 高性能的大模型会刺激 模型应用的进一步普及，长期会进一步刺激AI 应用对 硬件的需求。这里有个疑问，对显卡的需求 不一定是 英伟达一直收益，可能是其他公司的 GPU 产品。
