中国造人工智能DeepSeek有多强？
短短 30 天，中国初创企业深度求索（DeepSeek）发布两款性能比肩GPT-4o的大模型。据数据显示，DeepSeek活跃用户数2月1日突破3000万，成为史上最快达成这一里程碑的应用。
价格“感人”是让DeepSeek快速出圈的第一个标签。DeepSeek-R1的API服务定价为每百万输入tokens（指文本被分割成的基本单位）1元或4元，每百万输出tokens 16元。
相较谷歌Gemini，DeepSeek-R1更便宜、上下文更长、推理性能更佳。低成本比肩OpenAI的o1模型，令硅谷的“烧钱模式”一时间遭到猛烈质疑。
DeepSeek-V3模型的训练成本为557.6万美元。相比之下，同样是开源模型的Meta旗下Llama-3.1模型训练成本超过6000万美元，而OpenAI的GPT-4o模型的训练成本为1亿美元。
DeepSeek问世之前，全球人工智能巨头不约而同走上一条参数越“炼”越大的路线。另辟蹊径的DeepSeek并不盲目追求参数之大，而是选择了一条更高效的训练方法提升性能。
“DeepSeek通过有限资源的极致高效利用，实现了以少胜多。”面壁智能首席科学家刘知远说。算力封锁下的破局，得益于DeepSeek技术架构、数据策略、工程实践三方面的关键突破。
传统大模型的架构好比高速公路，当车辆（数据）多时会导致堵车（计算慢、能耗高）。而DeepSeek架构则把一条串行的高速路，变成了辐射状的快递分拣中心，因此既能提高速度又能节约能耗。
传统的数据策略好比去农场随便采捡，常有价值不高的烂菜叶（低质量数据）。而DeepSeek创新的数据蒸馏技术，有针对性地筛选掉质量不高的烂菜叶，相比随机采样训练效率提升3.2倍。
传统大模型的训练方式好比手工造车，一次只能装配一台，效率低下。而DeepSeek的3D并行相当于通过流水线并行把造车流程拆分为10个步骤，同时组装10辆车（数据分块处理）。