近期，DeepSeek V3模型凭借仅557.6万的训练成本，实现与OpenAIO1推理模型相近性能，在全球科技领域引发强烈反响。这一成果不仅冲击了英伟达的市场地位，更在技术创新、开源生态等方面带来诸多变革。
从技术创新角度看，DeepSeek V3采用GRPO（分组相对策略优化）方法，在基础模型能力提升上成效显著。陈羽北教授指出，基础模型DeepSeekV3本身的能力是关键，其混合专家网络（MoE）对负载均衡的优化，以及在Attention Layer上节省键值缓存（KVCache），大大提高了架构效率。同时，“让大模型训练小模型”的方法也产生重大影响，通过自启发式回答问题提升大模型能力，并将其传授给小模型，为模型训练提供新思路。此外，DeepSeekV3的多头潜在注意力机制（Multihead Latent Attention）虽有类似研究，但也展现出独特优势。
在对英伟达的影响方面，呈现出复杂态势。JohnYue认为这是一把双刃剑，利好之处在于DeepSeek激发了AI行业活力，吸引更多初创企业探索应用，增加了芯片需求。然而，其也对英伟达的溢价造成冲击，MOE的优化削弱了英伟达互联技术的重要性，且DeepSeek团队证明可“绕开”CUDA，直接调用PTX进行优化，虽未完全冲垮英伟达的壁垒，但提供了新的可能性。不过，从长期看，英伟达凭借其CUDA通用调用系统和强大的软件支持，仍在芯片市场占据优势。
开源生态方面，DeepSeek的开源举措意义重大。JohnYue表示，这增强了开发者信心，降低了AI应用准入门槛，让更多人敢于投入应用开发。随着更多人使用，模型能获得更多反馈，有助于进一步优化。陈羽北也强调开源生态对整个社区的重要性，像DeepSeek、LlaMA等开源模型为开发者提供了构建应用的基础，推动了AI应用的发展。
在API价格与小模型应用领域，DeepSeek通过一系列优化，大幅降低了API成本，如从PTX调用、GPU到MOE架构等方面的优化，降低了对芯片的要求。这使得芯片降级成为可能，未来虚拟化GPU可能更多用于降低成本。此外，小模型在过去几个月发展迅速，陈羽北认为小模型在很多领域有基本应用，未来将形成端-边-云的分层智能体系，可极大节省推理成本。
最后，对于DeepSeek公司，陈羽北好奇其数据构成与处理细节，认为这些关键内容若能公开，将有助于他人复现研究。JohnYue则关注其持续创新能力，若能不断突破，将改变芯片和基础设施领域格局。
