从对资本市场的影响，到行业争相部署，再到技术的创新应用，本文将深入解读DeepSeek的崛起背后的力量，为大家呈现一个全新的AI时代的图景。
春节前夕，DeepSeek-R1模型公布开源，下载量迅速登上了免费榜榜首。随后，引起了美国资本市场的大波动，算力巨头英伟达出现了股价暴跌17%的罕见跌幅……
开源后的DeepSeek到底对资本、科技产生了何种影响？是什么让其具有这么大的能量？我们如何拥抱DeepSeek带来的新AI时代？继DeepSeek之后，AI将有什么新的趋势？
这篇文章，将由清华大学计算机博士、阿里云MVP（人工智能领域最有价值专家）陈旸为我们一一解读上述问题。
2025年1月20日，DeepSeek-R1模型正式公布；1月26日在中国区、美国区苹果App Store中的免费榜上同时冲到了第一名。
随后，美国资本市场出现大幅波动，标准普尔500指数在10天内跌幅接近10%。英伟达股票在1月27日当天暴跌了17%，美股主要科技公司(英伟达、微软、Meta、亚马逊等)市值共计蒸发上万亿美元。
在DeepSeek-R1出现前，算力是大模型训练的关键因素，美国限制中国使用英伟达的显卡，因此大家普遍会认为美国在AI大模型的领先优势是“断层式”的，这也是美国对华科技限制采取“小院高墙”战略的底层逻辑。
DeepSeek用少量的显卡训练出了与其媲美的模型，相当于打破了美国对华在人工智能领域的战略限制。
就连OpenAI的CEO山姆奥特曼也重新思考了OpenAI的开源战略，迅速推出了o3-mini模型，在使用中开放了思考推理过程。
在这之前，OpenAI并不是完全开源的，我们只能使用o1模型，现在我们也可以使用其o3模型进行更深入的思考。
通过OpenAI o3 mini与DeepSeek R1的使用对比，可以发现DeepSeek-R1的思考时间更长，思考逻辑更完整，推理结果更好。
同时，DeepSeek会将推理过程完整地展现出来，而OpenAI以前不会展示思考的过程，而思考的过程其实非常有价值的。
今年1月，美国宣布“星际之门”计划，软银向OpenAI投资400亿美元，用于OpenAI对星际之门的承诺，投后估值达3000亿美元；而具有对标OpenAI能力的DeepSeek，同样受到国内近百家资本的青睐，对其表达了投资意向，可以预见DeepSeek的估值将会上到一个新的高度。
在DeepSeek宣布开源R1之后，各个行业都开始集成或部署DeepSeek的相关模型。
国内的华为云、百度智能云、阿里云、腾讯云、京东云、火山引擎以及三大运营商等云平台都相继部署了DeepSeek的R1/V3等模型。
国外的亚马逊、微软、英伟达、AMD等平台也快速地将DeepSeek R1/V3模型部署或集成到相关的产品和服务上。
在产业端，吉利、岚图、东风、广汽、智己、长城、宝骏、零跑等车企也宣布与DeepSeek进行融合，未来智驾上也可以体验到与DeepSeek的交互。
金融领域，国泰君安、国金证券、兴业证券、广发证券等证券机构进行了本地化部署和调试，应用于行业研究、市场研判、风险管理、信息检索、文档处理等多种场景。
当然，部署与开发完成还需一定的测试过程，但也体现出各个行业不甘落后的状态，也说明与先进的大模型融合使用将是大势所趋。
DeepSeek完全版的尺寸是671B，由于采用创新的MOE架构，在推理过程中激活少部分参数，因此推理速度更快，所需训练资源更小。
DeepSeek蒸馏版有Qwen2.5-Math-1.5B、Qwen2.5-Math-7B、Uama-3.1-8B、Qwen2.5-14B、Qwen2.5-32B、Llama-3.3-70B-Instruct等多个尺寸。它选了两个开源模型进行训练，国内是Qwen2.5，国外则选用了Llama，蒸馏模型更小更快，但能力相对弱一些。
对于性能要求不太高、GPU资源有限的企业，蒸馏版是一个更优选择。因为完全版需要的显存是496GB，而R1：1.5B只需要2G显存、R1：7B也只需要8G显存，最高的R1：70B蒸馏版也只需要128G显存，大幅降低了私有化部署的资源要求。
在R1模型之前，DeepSeek推出V3通用模型，在推理速度上相较历史模型有了大幅提升。一度在大模型主流榜单中，位于开源模型榜首，与世界最先进的闭源模型也不分伯仲。
而V3模型最大的特点是训练成本极低，需要的显卡数量和训练时间较于OpenAI只是一个零头。
2024年12月，V3模型正式推出，但当时并没有太大波澜。
而以V3模型为基础，通过新的奖励机制GRPO(group relative policy optimization),并使用规则类验证机制自动对输出进行打分，在一个多月时间内训练出了DeepSeek-R1模型，性能堪比GPT-o1模型，使R1迅速火出了圈。而R1模型与V3模型相比，其性能也有了大幅提升。
R1模型遵循MIT License（一种非常宽松的开源许可协议，允许用户自由地使用、修改、分发和商业化软件或模型。），允许用户通过蒸馏技术借助R1训练其他模型。
相比之下，Meta Llama的License相对严格，虽然LLaMA3是开源的，但许可协议限制了商业用途和对模型的修改，比如新的模型如果使用LLaMA，需要名称上带有LLaMA标识。
DeepSeek-R1上线API,对用户开放思维链输出，因此一经发布，多家企业就宣布融合DeepSeek-R1的各个版本，因为是完全开源的模型，在版权上就减少了不少风险。
在开源DeepSeek-R1-Zero和DeepSeek-R1两个660B模型的同时，通过DeepSeek-R1的输出，蒸馏了6个小模型，其中32B和70B模型在多项能力上实现了对标0penAlo1-mini的效果.
① 创新策略
第一，引入MLA(Multi-Head Latent Attention)。
在“All you need is attention”的背景下，传统的多头注意力(MHA，Multi-Head Attention)的键值(KV)缓存机制事实上对计算效率形成了较大阻碍。缩小KV缓存(KV Cache)大小，并提高性能，在之前的模型架构中并未得到很好的解决。
DeepSeek引入了MLA，一种通过低秩键值联合压缩的注意力机制，在显著减小KV缓存的同时提高计算效率。低秩近似是快速矩阵计算的常用方法，在MLA之前很少用于大模型计算。
从大模型架构的演进情况来看，Prefill和KV Cache容量瓶颈的问题正一步步被新的模型架构攻克，巨大的KV Cache正逐渐成为历史(实际上在2024年6月发布的DeepSeek-V2就已经很好的降低了KV Cache的大小)。
第二，创新使用了DeepSeek-MoE架构策略。
V3使用了61个MoE(Mix of Expert混合专家)block，虽然总参数量很大，但每次训练或推理时只激活了很少链路，训练成本大大降低，推理速度显著提高。
第三，DeepSeek采用混合精度框架。
在不同的区块里使用不同的精度来存储数据。我们知道精度越高，内存占用越多，运算复杂度越大。
DeepSeek在一些不需要很高精度的模块，使用很低的精度FP8储存数据，极大的降低了训练计算量。
② 创新策略带来的效果
第一，计算速度快，成本低。
架构设计方面：DeepSeek MoE架构在推理时仅激活部分专家，避免了激活所有参数带来的计算资源浪费；MLA架构通过降秩KV矩阵，减少了显存消耗。
训练策略方面：在训练过程中采用多token预测(MTP)目标，即在每个位置上预测多个未来token，增加了训练信号的密度，提高了数据效率。
在训练中，对于占据大量计算量的通用矩阵乘法(GEMM)操作，采用FP8精度执行；同时，通过细粒度量化策略和高精度累积过程，解决了低精度训练中出现的量化误差问题。
第二，推理能力强大。
强化学习驱动：DeepSeek-R1通过大规模强化学习技术显著提升了推理能力。在数学、代码和自然语言推理等任务上表现出色，性能与OpenAl的o1正式版相当。
长链推理(CoT)技术：DeepSeek-R1采用长链推理技术，其思维链长度可达数万字，能够逐步分解复杂问题，通过多步骤的逻辑推理来解决问题。
第一种，直接访问DeepSeek官网。虽然免费，但由于访问量过大，表现极不稳定。
第二种，在GitHub上下载cherry Studio（或者一些其它工具），使用Cherry Studio+DeepSeek API做本地部署。但官方DeepSeek API也存在不稳定的情况。
第三种，使用Cherry Studio+第三方云厂商DeepSeek API做本地部署。使用第三方云厂商的DeepSeekAPI稳定很多，相比官方API价格也便宜。
Cherry部署之后，除了DeepSeek，还可以使用OpenAI、月之暗面、智谱清言等API。
假设我们来解一道高考数学题：设集合A中的元素皆为无重复数字的三位正整数，且元素中任意两者之积皆为偶数，求集合中元素个数的最大值是多少？
这是一个非常复杂、难度较大的问题，如果采用通义千问等通用大模型，大概率得不出正确答案，而DeepSeek通过分步骤的长链深度思考，一步步给出了正确答案。
以构建投资研究框架为例，我们来展示用DeepSeek+知识库的使用。
第一步，配置embedding模型。嵌入模型，把知识库进行向量化，并进行快速检索；选择嵌入模型（可以使用硅基流动），在Cherry Studio设置中，设置对应的API Key。
第二步，整理知识库。在Cherry studio的知识库中，配置投研报告知识库，上传相关投研报告（处理知识库主要用到文字，所以知识库支持PDF、PPT、Excel、word等多种文本文件）。完成后，你就在本地有了知识库。
第三步，在智能对话助手中，选择对应的知识库。
最后一步，针对知识库进行提问。可以看到，DeepSeek会进行长链思考并展现思考过程。
需要注意，虽然云厂商不会主动收集你的数据，但并不能100%保证数据安全，对于企业的敏感数据（如财务、营销数据），建议进行本地私有化部署。
知识库并不能完全展现DeepSeek的深度思考能力，借助于其它工具（如Cursor）可以完成更复杂的任务，如物理世界的小球碰撞实验。
首先，我们在Cursor的【File->Preferences->Cursor Settings】中设置DeepSeek-r1和DeepSeek-v3模型。
然后，在openAI API Key中进行设置（这里采用openAI的协议），可以使用自定义的模型。
设置好DeepSeek-r1和DeepSeek-v3模型之后，接下来就可以在Cursor中选择该模型进行编程。
我们看一个实际的例子：一个红色的小球在三角区域内运动，碰到边界就反弹，编写一个HTML网页。
Cursor会新建一个工程，动态展示编程结构。而DeepSeek在长链思考之后，编写出HTML代码，但代码运行可能不符合要求，需要进一步调整，调整的过程我们也只需发出语言（文字对话）指令。
调整过程如下：
基于之前的思考，帮我完善HTML。（动作：DeepSeek思考并完善HTML代码。效果：HTML样式有了调整，但是小球还是会飞出三角区域，需要进一步调整。）
小球弹了之后，弹出去了啊，帮我检查代码……
考虑小球的重力，以及三角区域的支撑力，小球的弹力进行完善……
每次运行，小球可以从随机的任意方向抛出……
小球的弹力大一些……
最后到地面都垂直弹跳了，不是应该还会滚动么，就是有水平的速度……
下面增加一个刷新按钮，可以重新执行这个HTML……
中文显示是乱码，另外考虑到手机显示，页面需要做自适应……
经过多次调校，DeepSeek终于生成了符合我们要求的HTML代码，并在Cursor工程中进行效果演示。
通过上面的演示，我们发现，即使不懂代码，也可以通过DeepSeek来完成机器编程，获得期望的效果。
从AlphaGo与围棋世界冠军李世石大战开始，人工智能逐渐介入我们的生活。机器第一次能进行自主思考，完成简单（其实战胜世界冠军这个任务并不简单）任务。
在发展中的人工智能也一度被我们吐槽为“人工智障”，但从OpenAI开始，人工智能逐渐会处理一些复杂任务了，而DeepSeek展现出了超越普通人的长思维链路，我们不得不感叹：AI真的“智能”了。
可见，在学习过程中，对于复杂任务的处理有一个逐渐成熟的过程，一切都可以从最简单的开始。当你具备了一些常见的思考、自我更新、自我迭代的能力，就可以完成一些更有价值的作品。
比如，如果你是一名投资分析师，会用哪种AI助手来辅助完成投研报告呢？如果用通用大模型（相当于文科生）写报告，可能也会完成任务，但显然缺乏严谨的逻辑推理过程。
因此可能带来市场的盲目跟投或者疯狂踩踏，而DeepSeek的R1模型的严谨推理过程，可以胜任你的助手了。
在R1及其蒸馏模型推出后，李飞飞团队用不到50美金的云计算费用，成功训练出了一个名为s1的推理模型。该模型在数学和编码能力中的表现，与0penAI的o1和DeepSeek-R1等尖端推理模型不相上下。
s1模型的训练只用了1000个样本数据，具体过程是：使用Gemini对这1000个样本完善推理过程，然后对Qwen模型进行监督微调。
消息出来，在网络上一度刷屏。但我们也要了解这个模型成功的背景：
其一，s1模型是站在巨人的肩膀上，在阿里Qwen和谷歌Gemini大模型进一步训练得到的；
其二，成本之所以低，是因为只使用了1000个样本（对于企业来说，1000个样本可能足够了，但对于训练完整的大模型是不可能的），通过26分钟花费50美金，达到了一个比较理想的推理效果（与o1相差不大）。
也就是说，在每个企业中，未来大家都有机会用1000个样本经过精细训练就可能达到类似效果。
如果稍微展开，可以发现s1模型背后有自己的独特方法论：
首先，数据集的构建有三个标准（难度、多样性和质量），从这三个标准出发，挑选了1000个问题及对应的推理路径。
S1的数据集包含了不同领域，如数学竞赛、物理竞赛，并且新增了两个原创数据集；s1-prob和s1-teasers，分别涵盖了概率问题和定量交易面试中的难题。
其次，采用了预算强制技术。这是一种控制测试时计算的技术，通过强制终止或延长模型的思考过程(通过添加“wait”字符串)，使模型有机会重新检查答案，从而可能纠正错误的推理步骤。
在预算强制技术下，有三个强制策略。
其一，设定思考时间限制：当模型开始处理一个问题时，首先为其设定了一个最大思考时间(以token数量衡量)。如果模型在这个时间内完成了思考并准备给出答案，则按照正常流程进行。
其二，强制结束思考过程：如果模型生成的思考token超过了预设的最大值，系统会强行终止模型的思考过程。这通常是通过添加一个特殊的end-of-thinking token delimiter实现的，促使模型停止进一步的推理，并转向生成最终答案。
其三，鼓励更深入的探索：如果希望模型花更多的时间来考虑一个问题，可以抑制end-of-thinking token delimiter的生成，并在当前的推理路径后面追加“wait”字符串=>为了让模型有机会重新评估其先前的推理步骤，可能会纠正一些快速但不准确的回答。
趋势一：小模型将成为主流(大模型蒸馏）。
通过蒸馏技术将大型模型的推理能力成功迁移到小型模型中，显著提升了小型模型的性能（DeepSeek-R1-Distil-Qwen-7B在AIME 2024竞赛中击败了32B模型）。
趋势二：使用合成数据进行训练成为主流。
虽然蒸馏数据是公开的秘密，但很多表现不是蒸馏能解释的。比如v3的中文能力，很多用词和表达方式非常接地气，可能是用了数据合成方法做的预训练。
趋势三：AI模型将自我迭代（强化学习新范式）。
让模型自己出题自己做，自己检查。
第一步：模型自己出题（比如100万道）；
第二步，模型自己检查对错；
第三步，筛选验证对的内容，将结果与思维链合成新的数据。
比如在100万道题目中，模型检查后发现有1万道能验证是对的，那么解出这1万道题的思维链就成了新的训练数据。通过不断迭代，探索出之前人类没有探索到的地方(类似AlphaGo-Zero战胜AlphaGo)。
分享嘉宾：陈旸，阿里云MVP，清华大学计算机博士。
本文来自嘉宾@陈旸 在量子教育的分享
本文由人人都是产品经理作者【笔记侠】，微信公众号：【笔记侠】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。