低成本、开源与推理模型：DeepSeek 如何改写 AI 竞争的规则

从一家量化基金走出的实验室，用几百万美元级别的训练预算，把前沿模型的成本打到了行业想象不到的低位。本文梳理 DeepSeek 的来路、技术选择与它给整个行业留下的启示。

一、从量化基金走出的 AI 实验室

DeepSeek（深度求索）由幻方量化创始人梁文峰于 2023 年创立。它没有大厂背景、没有风投光环，背后是一家靠量化交易挣到现金流的公司——这意味着两件事：一是训练算力有内部供给（幻方在 2023 年前后大规模购入 H800），二是试错空间大，不必向投资人按季度交代。

这种"非典型"出身，后来被证明恰恰是 DeepSeek 敢走"低成本"路线的底气：它不需要靠讲算力堆料的故事融资，可以直接按"把钱花在刀刃上"的原则做技术。

二、V2 / V3：把训练成本打到地板

DeepSeek-V2（2024 年 5 月）是路线的分水岭：采用 MoE（混合专家）架构，并首次大规模使用 MLA（Multi-head Latent Attention） 压缩 KV cache，把推理侧的显存与带宽开销大幅压低——在长上下文场景下，推理成本比同级别模型低一个数量级。

DeepSeek-V3（2024 年 12 月）则把"低成本"讲成了行业事件。据官方技术报告，V3 训练使用了约 278.8 万 H800 GPU 小时，折合现金成本约 560 万美元——大约是同期 Llama-3.1-405B 训练成本的 1/40。它的配置是 671B 总参数、37B 激活参数的 MoE，支持 128K 上下文，权重开放。

对行业来说，这两个数字的信号意义远超模型本身：前沿能力的价格曲线被重新定价了。

三、R1 时刻：o1 的挑战者

2025 年 1 月 20 日，DeepSeek 开源了 R1。它的技术报告核心主张是：推理能力不必靠海量标注数据监督（SFT）堆出来，而是可以用强化学习直接"激励"出来——让模型在长思维链中自我检查、自我纠错，再配合 GRPO（Group Relative Policy Optimization）等策略优化算法，数学、代码、逻辑推理等任务上追平了 OpenAI 的 o1。

资本市场立刻给出了反应：一周之内，美股芯片与 AI 板块大幅下挫，"DeepSeek 时刻"成为 2025 年初最热的词。它的真正冲击在于打破了"只有烧钱最多的玩家才配谈前沿"的叙事，把全球玩家的预期成本线整体拉低。

四、值得记住的技术选择

• MLA 注意力压缩：KV cache 低秩化，长上下文推理成本显著下降，是"成本优先"哲学的代表性设计；
• 无辅助损失的负载均衡（DeepSeekMoE）：在 MoE 训练中避免专家路由塌缩，工程上更稳定；
• 多 Token 预测（MTP）：解码时一次预测多个 token，提高吞吐；
• RL 优先的推理训练（R1）：把"推理"从标注密集型工作变成可优化目标，小模型通过蒸馏即可获得接近前沿的推理表现；
• 后续迭代（2025 年年中）：V3.1 引入混合思考（hybrid thinking）与增量更新（Updater）架构，Engram 条件记忆模块把低频知识参数移出主干——继续沿袭"架构换算力"的思路。

五、争议与边界

"低成本"与"开源"都需要放在放大镜下看：

1. 成本口径：560 万美元是官方报告的训练成本，未含迭代、失败与运维摊销，实际投入必然更高——但"显著低于大厂"的方向性结论仍然成立；
2. 开源边界：权重采用 MIT 许可证开放，但训练数据与完整工程并未完全公开，API 条款对商用有限制，"开源"是"开放权重"意义上的；
3. 推理可靠性：R1 类模型在长思维链上存在方差，非推理任务（如事实性问答）的稳定性仍在打磨；
4. 地缘因素：在算力出口管制背景下，DeepSeek 用国产/受限算力做到这一水平，既是技术故事，也是行业叙事的一部分。

六、启示

DeepSeek 留下的不只是几个模型，而是三条被验证的路径：

• 架构与算法效率 = 算力杠杆：前沿能力不只有"堆更多卡"一条路，MLA、MoE、RL 这些设计选择本身就在创造成本优势；
• 开放权重降低全行业门槛：全球大量下游微调、行业模型直接建立在 DeepSeek 权重之上，开源生态反过来成为它的护城河；
• 推理成为可优化的目标：R1 把"会思考"变成训练时可以激励的一等公民，这一范式已被几乎所有头部实验室跟进。

对行业的下一站而言，真正的悬念不在"谁能训练更强的模型"，而在当成本曲线被再次打穿时，谁的反应更快。DeepSeek 做的事情，本质上是把这个问题提前写在了每个对手的日程表上。

（本文为技术梳理，引用数据以 DeepSeek 官方技术报告为准；观点部分仅供参考。）