DeepSeek的出现不仅在全球范围内引发了广泛关注，更在AI领域掀起了一场技术与商业的双重革命。本文将深入探讨DeepSeek如何通过其低成本、高效率的模型设计，打破传统AI巨头的垄断，推动AI技术的普及和应用。

2025年的新年，人们十足地过了一把“AI年”。除了机器人和无人机地表演外，最炸裂的莫过于DeepSeek了。

目前，该模型受到世界范围内的用户青睐。其中，在Token价格方面，DeepSeek-R1相对于OpenAI的o3-mini低约50%。

在日活跃用户方面，业界统计，前者已在短时间之内达到2215万，距离ChatGPT的5323万已达到其41.6%。顺理成章地，DeepSeek成为历史上用户增长最快的AI产品。

一些受访者对DeepSeek的用户增长十分自信，并表示其可能会成为世界上用户量最大的AI产品。

现在，人们在用它学习外语、诊断姻缘甚至玄学算命（部分功能受限）。它的回答“更懂”国人，相当多的人已经形成了DeepSeek依赖。

从对于AI行业发展的结果来看，DeepSeek所带来的影响正在释放。首先，它降低了AI应用的算力成本。“很多以前只能用‘H卡’（英伟达H系列GPU）跑的需求，现在4090就能跑。”一位从业者回答。

其次是，对比其他家流量较小的开源模型，DeepSeek正在展现出十足商业潜力。

但目前，全民DeepSeek的热潮下，仍不足以打破英伟达等AI巨头的垄断，而国产卡的未来仍然任重道远。

01 DeepSeek是对AI行业的利好

西安电子科技大学电子工程学院教授、博士生导师吴家骥认为，DeepSeek出现后，美国科技头牌企业构筑的垄断门槛逻辑出现问题。

过去，OpenAI等公司在研发上投入巨大，但DeepSeek以极低的训练成本实现了与行业领先水平相当的模型效果。这表明，高投入并非实现技术突破的唯一路径。

一位前小米高管认为，DeepSeek最大的价值在于算法。

技术上，DeepSeek在算法和工程方面围绕MoE（混合专家模型）进行了创新，从V2的160个专家扩展到V3的256个专家，实现671B参数量下仅需激活37B参数的高效运算，突破了MoE模型此前训练难度大的限制。

直接影响是，它削弱了美国闭源模型的市场竞争力。

庞大的日活用户和几次封禁DeepSeek的失败，让AI人才有了逆流之势。据了解，在关于DeepSeek的制裁令发布后72小时内，DeepSeek硅谷研究院收到327份来自美国头部科技公司的求职申请，包括17名Meta首席工程师。

青云科技市场总监王玉圆认为，ChatGPT是行业的第一把火，而DeepSeek是另一个里程碑。

在她看来，在开源领域，Meta的Llama也没有达到如此热度。最为重要的是，DeepSeek所引导的低成本、高性价比模型将催生AI发展的下一轮百花齐放。“这无疑是对做AI应用和个人开发者的重大利好”，她补充。

一位AI应用开发者对数科星球DigitalPlanet称，他曾尝试用8G显存的笔记本电脑跑DeepSeek7B私有部署大模型。虽然只是理论上能跑，具体效果还不甚理想，但他已经“非常感动”了。

因为，一旦未来该款大模型可进行进一步的向下兼容，那么他将不需为GPU算力公司缴纳高昂的算力费用。

他向数科星球DigitalPlanet展示了自己正在开发的自动考试和做题软件。需要用到实时算力以生成考试题，在他看来，这种项目要求算力水平不高，如果算力问题解决，那么会成为颇受欢迎的AI应用。

王玉圆认为，AI算力成本的下降会催生更多AI应用的诞生，所有的应用都会用生成式AI的逻辑再做一遍（从春节期间，人们在各种领域的尝试，可见一斑）。

而同时，因为国产和私有部署的缘故，以往对AI较为保守的ToB客户的热情也在被调动。一些从业者的回复称，新年开年上班第一天，他所在的公司已在着手推动新的AI产品采购计划。

所以，可以说，DeepSeek的火爆，是对AI行业的利好。

02 DeepSeek刺激了算力行业发展

DeepSeek对算力供应商而言，展现了惊人的”鲇鱼效应“。

一位算力行业从业者提到，“以前，要租一个算力机柜要5年起租”。

据数科星球DigitalPlanet计算，彼时便宜的算力机柜可能每月3000元左右，5年总价约18万元；贵的如一些一线城市核心地段、高功率、高配置并带有优质服务和高带宽的机柜，每月可能12,000元甚至更高，5年总价约72万元及以上。

而现在，用户已可以选择按Token计费、按算力计费（选卡，选租赁时间）两种模式。所以，大面积的AI开发者的加入、算力成本的下降加之性能优化可能让闲置算力得到再次利用。

“DeepSeek的火爆有可能改善目前智算中心的经营模式”，一位前IDC从业者透露。在他看来，目前的智算中心虽搭建颇多，但运营情况不佳。“我估计，80%的国产算力卡都在闲置，但凡能租赁的算力都是英伟达卡”。

这种闲置的规模颇大，他透露，一些智算中心甚至有50%是国产卡（硬性要求）。在过去，国产卡在训练的效果不佳，只能分担一些推理需求（大模型共分训练和推理两个使用算力的场景）。

不过在算力出现新的使用方式后，国产卡的使用率有可能提升。

吴家骥认为，作为大模型厂商而言，不选择国产卡的理由是“尽量减少折腾”，模型厂商更需要稳妥方案、专心研究模型技术而不是和GPU厂家搞适配。

那么DeepSeek是怎么做出来的？

一些专家指出，它使用了PTX（比CUDA更底层）而不是完全使用CUDA（英伟达深度学习的生态系统）。

PTX允许开发者对GPU进行更细粒度的控制，能更精准地调度计算任务，实现更高效的计算资源利用。在处理大规模分布式训练时，可避开CUDA框架的抽象层，减少潜在的效率损失，有数据表明PTX优化可提升约16%的理论算力。

影响是，在当前国产GPU发展的背景下使用PTX，便于DeepSeek未来适配国产GPU。它只需了解国产硬件驱动提供的基本函数接口，就可仿照英伟达GPU硬件的编程接口编写相关代码，为国产GPU的软件兼容性突破提供参考。

吴家骥认为，DeepSeek之所以选用PTX技术，反而是因为他们没有足够多的卡。“如果卡够多，也不会考虑的”，他说。

应该说，从这个角度而言，DeepSeek的最大贡献是，可以让厂商选择非英伟达硬件时也可以高效运行模型。

当然，至少目前想要冲击英伟达的市场，还需不断完善生态。在DeepSeek的刺激下，目前一些对成本敏感或有自主可控需求的用户，可能会更倾向于选择国产GPU产品。

总而言之，可以肯定的是，DeepSeek的出现可以在一定程度上缓解高端GPU禁售的影响。

03 端侧模型：AI硬件的新想象

DeepSeek的远期影响是AI硬件。长久以来，端侧模型成为了制约AI硬件发展的桎梏。而目前，这种情况有望缓解。

现在，手机的显存通常在4GB-12GB之间。中高端手机为例，真正能分配给模型的显存可能仅在2GB-4GB左右。由于手机散热、功耗等方面的限制，长时间高负载运行大显存模型会导致手机发热严重、电量消耗过快，影响用户体验。

而由于更便宜、更好用的大模型到来后，AI硬件的大面积改良或将成为可能。

一位AI硬件创业者指出，DeepSeek的出现改变了AI硬件在大模型行业发展的方向。其中，众多团队开始向算法效率优化倾斜。

在未来可预期的范围内，针对AI硬件的算法将出现海量迭代。

此外，由于DeepSeek的推理成本降至OpenAI模型的1/50，使得AI手机、AI眼镜、智能穿戴等设备能够采用低功耗芯片实现高性能AI功能。

所以硬件的开发门槛也被降低了。

正如上文所述，在海量AI应用呼之欲出之际，将倒逼AI硬件的进化。有乐观人士称，端侧智能与国产替代将成为新的核心增长引擎。