DeepSeek

总部位于中国杭州的人工智能企业，同时也是其开源大语言模型系列。以低成本、高性能的模型在2025年给全球AI行业带来冲击。

DeepSeek

概述

DeepSeek（深度求索）是2023年7月在中国浙江省杭州成立的人工智能研究企业，同时也是该公司发布的大语言模型（LLM）系列的名称。创始人为广东籍的梁文锋，他同时也是量化对冲基金幻方（High-Flyer）的创始人。DeepSeek在开源阵营中以极低的训练成本实现了接近商用顶级模型的性能，被视为2025年初撼动全球AI产业格局的代表性案例。

主要内容

创立背景与母公司

DeepSeek起源于幻方资本（High-Flyer Capital）的AI研究组织。梁文锋自2021年前后起便持续获取大规模GPU集群，并以在量化交易中积累的资本与基础设施为基础，于2023年将DeepSeek分拆为独立法人。与一般的风险投资融资模式不同，这是一种以自有资金和自有算力资源开展研究的独特结构。

主要模型谱系

  • DeepSeek LLM（2023年11月）：首个公开模型，参数规模为67B。以中英文性能的平衡为目标。
  • DeepSeek-V2（2024年5月）：引入MoE（Mixture of Experts，混合专家）结构与MLA（Multi-head Latent Attention，多头潜在注意力），大幅降低了推理成本。自此“高性价比”的形象得以确立。
  • DeepSeek-V3（2024年12月）：总参数671B、每token激活参数约37B的MoE模型。据披露，其训练耗时约278.8万GPU小时（以H800计），以约为业界普遍认知十分之一的成本而备受关注。
  • DeepSeek-R1（2025年1月）：基于强化学习的推理（reasoning）模型。号称在数学、编程、逻辑领域达到OpenAI o1级性能，公开后立即成为热门话题。此后陆续公开了R1-Zero、蒸馏（distill）版本等众多衍生模型。

技术特点

DeepSeek的核心技术差异化在于效率。通过MoE架构在推理时仅激活部分专家层，并以MLA减少KV缓存占用量。此外还应用FP8混合精度训练、多token预测（MTP）等，同时降低训练与推理成本。据悉R1系列采用了GRPO（Group Relative Policy Optimization，组相对策略优化）技术，无需额外的大规模监督学习数据，仅凭纯强化学习便提升推理能力。

开源战略与生态

DeepSeek以MIT许可证公开模型权重，广泛允许商业性使用。据此，全球云服务商（AWS、Azure、NVIDIA NIM等）以及海内外企业纷纷在其平台中搭载DeepSeek模型，同时也为小规模企业创造了可在自有服务器上进行微调的环境。

最新动态

2025年1月，DeepSeek应用登上美国苹果App Store免费应用榜首，引发英伟达股价单日暴跌约17%的“DeepSeek冲击”。这一事件对“开发前沿模型必须投入巨额资本”的普遍认知提出了疑问。此后DeepSeek接连公开V3与R1的后续版本（V3-0324、R1-0528等），持续改进性能。2025年，各国监管机构就数据安全与个人信息问题提出质疑，部分公共机构与企业也出现了限制使用DeepSeek的动向。与此同时，开源阵营中大量参考DeepSeek架构的衍生模型相继涌现，低成本高效率模型的竞争不断加速。在韩国国内，通信运营商、门户网站与初创企业将DeepSeek模型整合进自家服务，或推出增强韩语性能的微调模型的事例也在增多。

相关主题

  • [[大语言模型]]
  • [[开源AI]]
  • [[强化学习]]
  • [[英伟达]]
  • [[AI芯片]]
  • [[中国IT产业]]