深度剖析DeepSeek：测评、成本、合规与行业影响

近期，DeepSeek成为全球热门话题，引发广泛讨论。然而，在众多自媒体和非专业报道解读中，存在不少对其关键信息的误导。

在对DeepSeek的认知上，过度神话与无脑贬低都不可取。从专业测评看，虽它对行业发展有促进价值，但谈及颠覆尚早。如模拟小球弹跳代码测试，与chatgpto3-mini相比，在物理学遵循程度上有差距，目前多测评显示各有千秋，未实现反超。

同时，微软称DeepSeek蒸馏了chatgpt结果，有人借此贬低。但实际测试发现，DeepSeek回答更发散，其训练或许部分利用蒸馏语料或做少许验证，对模型质量价值影响低，且开源后全球专家研究，翻车概率低。基于领先模型蒸馏验证优化自身模型是常见操作，但因联网API获取信息有限，多用于策略验证分析，非大规模训练。各领先大模型相互影响，迭代前进。

关于DeepSeek成本优势，也存在诸多误读。论文提及的训练成本有前提，未包含研发、硬件购置及前期测试迭代成本。实际上，其前期成本非几百万美金那么少，幻方虽有大量卡，但资金和资源有限，合理估算几年来累计投入十几亿甚至二十多亿人民币，相比美国同行较省钱。

此外，DeepSeek包含App和开源代码库。App未做全球分区和本地化处理，面临合规风险，一些国家地区有针对性政策；而开源系统采用大气开源协议，政府多不限制，国际巨头快速部署服务。目前DeepSeek生态蓬勃发展。

DeepSeek对行业影响深远，最大贡献是加速AI产业迭代效率，其新的优化思路和工程思想理念将被巨头吸收用于产品迭代。虽给中国厂商新思路，但CUDA也会与时俱进。不过，其训练成本低且开源，若黑灰产无约束使用，后果堪忧。