“性价比”是商业社会中的制胜法宝之一，从消费电子到零售服务，从传统制造业到互联网经济，高性价比在撬动市场、赢得用户方面屡试不爽。而如今，在“规模法则”（Scaling Law）主导下、“大力出奇迹”的大模型“烧钱”竞赛中，来自中国杭州的大模型初创企业深度求索（DeepSeek）凭借高性价比迅速出圈，被冠以“AI界的拼多多”称号，吸引了国内外的广泛关注。

　　截至1月10日，深度求索的最新大模型产品DeepSeek V3已发布并开源半个月之久，如同“鲇鱼”般给原本卡在“瓶颈”中的全球大模型市场注入了新的活力，《中国经营报》记者通过采访业内人士，希望深度探讨DeepSeek这条“鲇鱼”将搅起市场的哪些变化。

　　“AI界的拼多多”验证新思路？

　　DeepSeek被冠以“AI界的拼多多”称号，主要是因为它极高的性价比，与拼多多在电商领域以高性价比著称的模式相似。有趣的是，在DeepSeek V3生成的“自我介绍”中也使用了这一称谓。

　　深度求索公司创立于2023年7月，是由中国量化私募公司“幻方量化”创始人梁文峰创立，2024年5月推出了第二代开源模型DeepSeek V2，到2024年12月26日又推出最新的开源模型DeepSeek V3。DeepSeek官网显示，在多项基准测试——涵盖英语、中文、数学、代码等结果中，DeepSeek V3的成绩超过了阿里的千问“Qwen2.5-72B”、Meta公司的Llama3.1-405B等开源模型，而且与OpenAI的GPT-4o、Anthropic公司的Claude3.5-Sonnet两大闭源模型的表现也不相上下。更为重要的是，DeepSeek方面披露，其训练成本仅为557.6万美元和2000块英伟达H800 GPU（图形处理器）。

　　与之形成鲜明对比的是，据斯坦福大学HAI研究院发布的《2024年人工智能指数报告》预估，OpenAI于2023年3月发布的GPT-4模型训练成本约在7800万美元，同年发布的谷歌Gemini Ultra的计算成本花费预估为1.91亿美元。据Meta官方信息，2024年7月面世的开源模型Llama3.1-405B，训练使用了1.6万块英伟达H100 GPU。超级富豪埃隆·马斯克同样曾在2024年7月宣布建立孟菲斯超级AI集群，使用10万个英伟达 H100 GPU。另据美国媒体报道，GPT-4o的训练成本约在1亿美元，GPU数量预计在万个级别；而Claude3.5-Sonnet的训练成本或略低于1亿美元，使用的GPU数量推测为数千至上万个。从这些直观的数据对比中不难看出，DeepSeek大幅度降低了模型训练和推理成本。

　　关于DeepSeek如何实现高性价比的问题，本报记者咨询了数名来自高校、企业的技术专家，他们做出了一些专业技术方面的解释，涉及多头潜在注意力机制（MLA架构）、稀疏专家混合模型（MoE）架构、FP8混合精度训练、数据蒸馏与算法优化等。简单来说，DeepSeek没有“堆砌算力”，而是在算力限制下转而探索效率优先的途径。