在AI领域的激烈角逐中，DeepSeek脱颖而出，引发全球关注。知名投资人“木头姐”凯茜·伍德称其加剧了人工智能的成本崩溃，这一“神秘的东方力量”不仅让行业内众多从业者为之侧目，更引发了关于中美AI领导地位更替的思考。
DeepSeek的颠覆性创新，体现在极致的效率革命上。1月20日发布的DeepSeek-R1模型系列表现亮眼，在大模型排行榜ChatbotArena上，DeepSeek-R1的基准测试排名升至全类别第三，与Chat[GPT-4](https://ai-kit.cn/sites/1023.html)o最新版不相上下，在风格控制类模型分类中还与OpenAI-o1并列头名。
虽R1模型训练成本未公布，但参考DeepSeekV3技术报告，V3模型训练只需278.8万GPU小时，成本仅557.6万美金。传言R1模型训练成本与之相当，可参数规模达6710亿。相比之下，GPT-4o模型训练成本约1亿美元，MetaLlama 3系列模型训练需要3930万H100 GPU小时，DeepSeek训练成本仅约为Llama3的7%。这家中国初创AI公司仅用不到十分之一的成本，就达到世界一流水平。
DeepSeek“四两拨千斤”的能力，得益于其自研的MLA和MOE架构，大幅降低了模型训练成本。此外，R1模型采用数据蒸馏技术，对原始数据去噪、降维、提炼，提升训练效率。这就好比DeepSeek用更高效的学习方法取得好成绩，而OpenAI还在依赖“题海战术”。
半导体领域遵循摩尔定律，AGI行业则依据ScalingLaw发展，即模型性能与规模呈正相关。然而，DeepSeek的出现打破了这一定律，至少让ScalingLaw的边际效益放缓。这启示人工智能产业不再单纯追求大规模算力投入，而是要在模型架构和工程优化上寻求突破。
DeepSeek带来的“范式转移”，破除了科技大厂的技术壁垒和重资本比拼的惯例。它不仅开源还免费，引得OpenAI紧急上线新一代推理模型o3系列的mini版本，并首次免费开放基础功能。奥特曼也承认在开源问题上需调整策略。
尽管DeepSeek改变了超大规模扩张算力的行业路径，但就此认为应彻底放弃算力建设还为时尚早。我国算力基础设施尚处初步搭建阶段，远未过剩。一方面，DeepSeek用户量激增，其深度思考和联网搜索功能出现宕机，移动应用下载量可观。另一方面，DeepSeek目前功能有限，未来拓展图片、音频和视频生成领域，对算力和训练成本的需求将大幅增长。
目前，算力建设已上升为国家级战略。我国算力基础设施规模占全球26%，位列第二。根据规划，到2025年，我国算力规模将进一步提升。“东数西算”工程稳步推进，国内智算中心建设蓬勃发展，国产芯片厂商也迎来发展机遇。
DeepSeek的成功，体现了中国在资源有限的条件下，以低成本开发优质产品的智慧与韧性。在中美AI竞争中，中国企业虽有突破，但仍需保持冷静与谦逊，而算力基础设施始终是AI发展的重要支撑。
