2025年DeepSeek十大关键问题解读

一 、DeepSeek十大关键问题解答

Q1：DeepSeek对于算力的影响？——Jevons悖论

AI的演进路径中，推理成本不断下降，计算效率持续提高是长期趋势。例如：据Semi a n a l y sis，算法进步的速度约为每年4次；Anthropic CEO Dario甚至认为，这一进步速度可能达到10倍。 Jevons 悖论：技术进步提高了资源使用效率，效率提高降低了资源使用成本，成本下降刺激了资源需求的增长，需求增长可能超过效率提升带来的节约，最终导致资源总消耗增加。 我们认为，短期训练侧算力需求或受影响，但De epSe ek推理价格下降吸引更多用户调用模型，带来英伟达H100 GPU的租赁价格提升，故表明算力需求量短期仍呈提升趋势，中长期推理算力需求有望持续增长。

Q2：文本与多模态对算力的需求差别？

多模态大模型是一种基于深度学习的机器学习模型，类似于人脑能够同时处理文本、声音、图像等不同类型的信息，多模态模型能够处理和整合“图像+文本” 、 “视频+音频” 、 “语音+文字”等多种模态的数据和信息，利用不同模态之间的互补和协同，来提高模型的全面感知和泛化能力，使其能够应对更多复杂的任务和场景，以实现更好的性能表现。 与传统的单模态模型相比，多模态对算力供给提出了更高的要求。急剧飙升的算法复杂度及工程难度、模型迭代下动辄千亿规模的参数量和远高于单模态模型的大量图片、文本和视频数据集，不仅需要消耗大量计算资源，对算力的速度、精度、性能等方面的要求也水涨船高。

Q3：对芯片未来格局的影响？

NV仍具备计算与生态护城河。我们认为，DeepSeek的成果使用低精度计算、模型侧发展MOE架构、使用PTX层，这些会带来预训练算力使用效率的提升，但是这些技术仍与NV生态紧密联系，NV护城河仍在。 模型训练算力使用效率提升，NV高等级芯片或主要用于探索AGI。根据《De epSe ek-V3 Te chni c a l Report》，模型的训练过程仅使用2048块H800，这表明使用A100、H800等相对低端的芯片可以实现类似OpenAI o1类似性能。这可能会影响英伟达2025年以后，B200 等最先进GPU的普及，Blackwell/Rubin 等最先进的 GPU 的用途，初期可能会被局限在探索下一代大模型（探索AGI）上。

Q4：De epSe ek系列模型为何引起轰动？——技术与开源

模型的优势点：我们认为，DeepSeek优化模型结构（MLA+MOE）、模型训练方法（DualPipe）、针对性GPU优化（FP8混合精度等）等内容，降低了训练成本，同时进行开源，各下游企业可以直接通过本地部署或云端调用，降低了调用成本。 De e p S e e k的轰动性：1）快速的技术突破：2 0 2 4年9月Op e nAI发布o 1模型，但是2 0 2 5年1月d e e p s e e k就推出类比OpenAIo1的De epSe ek R1，这改变海外对于国内模型能力与迭代速度的认知。2）开源：DeepSeek R1模型实现了开源，采用MIT协议，一定程度打破高级闭源模型的封闭生态。开源免费调用有助于先行占据市场份额，成为规则制定者，率先拓展生态粘性。

Q5：模型未来侧重Dens e还是Spar s e（MOE）？

MoE是大模型架构的一种，其核心工作设计思路是“术业有专攻”，即将任务分 门别类，然后分给多个“专家”进行解决。与MoE相对应的概念是稠密（Dens e） 模型，可以理解为它是一个“通才”模型。一个通才能够处理多个不同的任务，但 一群专家能够更高效、更专业地解决多个问题。

Q6：蒸馏模型的定义与发展潜力？

模型蒸馏作为一种更有效利用先进大语言模型能力的方法，引起了越来越多的关注。通过将知识从更大更强的LLM 迁移到更小的模型中，数据蒸馏成为了一个显著的后发优势，能够以更少的人工标注和更少的计算资源与探索来实现 SOTA 性能。  李飞飞s1-32B模型：据每日经济新闻报道，2月6日，李飞飞团队以不到50美元的云计算费用，成功训练出了一个名为s1-32B的人工智能推理模型。其方法是用从谷歌模型中提炼出来的1000个样本，然后对阿里通义千问（Qwen）模型进行微调而成。

Q7：多模态的演进路径？

AI大模型技术和应用逐渐从文本扩展至更多模态。多模态大一 统模型的理念最早由谷歌提出，Gemini 便是这一理念的代表之 作。其核心设计在于运用 Transformer 架构，将文本、图像、音 频等多种模态的数据进行统一处理，实现对不同模态信息的理解 与生成。

Q8：De epSe ek发生后对应用侧的影响？

核心观点：DeepSeek在推动降本、强推理等层面驱动下，有望加速AI应用普及度迎来跨越式提升。 云端算力是新的卖铲子公司。我们认为，无论是开源还是闭源模型，计算资源都很重要，如果云厂商基于计算资源打造上层服务或产品，那么计算资源的价值就有可能提升，这意味着更多的Capex流向硬件领域，软件也有望受益。 模型厂商：DeepSeek R1模型能力对标OpenAI o1,且开源，对于闭源模型厂商等或造成一定冲击，但其也可在此基础上训练。应用侧：我们认为，C端用户数据基础好、生态和产品力强、与AI结合度好的公司，B端行业市占率高、用户基数大、积累较多用户数据和产品案例的厂商，且具备AI结合能力的公司有望受益。

Q9：De epSe ek发布对于端侧的影响？

DeepSeek产品协议明确可“模型蒸馏” ，有望加速AI端侧落地。DeepSeek决定支持用户进行“模型蒸馏” ，已更新线上产品的用户协议，有望加速AI在端侧进程，未来手机、PC、小型设备等端侧或可部署。我们认为，除AI眼镜和AI手机外，机器人、电子狗、AR/VR设备后期有望迎来快速成长，大模型在端侧的应用发展之后，会进一步带动AI算力硬件的需求。

报告节选：