参考资料<br>
https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf<br>
https://api-docs.deepseek.com/
https://github.com/deepseek-ai/awesome-deepseek-integration/tree/main
https://blog.csdn.net/qq_42257666/article/details/144418291?utm_source=chatgpt.com<br>
deepseek引起较大轰动的背景说明
AGI（通用人工智能）技术是美国列入国防优先分配系统（DPAS）的研发方向，与核武器同一级别，deepseek作为国产开元模型，在AGI方向上突破了美国算力、模型等多个环节的综合效果，评分全面优于GPT 4o。主要事实包括：
OpenAI 在相关方面的投资还有5-7万亿美元缺口，而deepseek使用557美元完成训练
不仅便宜，效果更好：在相同的行业测试试卷Benchmark (Metric)上，DeepSeek V3 全面优于 GPT-4o
英伟达股价1个月之内暴跌26%，分析：国外通用大模型主流技术过于依赖堆算力（OpenAI 有约35W颗A100 GPU，马斯克组建10W卡集群），而deepseek 改进base model 改进，降低了模型训练成本、推理成本，pretrain 需求增速放缓，post-train 和 inference scaling 还没有足够快地 scale up，因此但英伟达和台积电都在跌（长期叙事依然利好），美国AI圈的二级算力公司大环境也一样
OpenAI CEO 奥特曼为什么声称“闭源战略失败”? deepseek的开源成效（截止0205）
云和智算厂商
国内：阿里、腾讯、华为、火山等推出deepseek模型集成服务，预计几天后覆盖率会趋近100%
国外：google, 微软、英伟达、AWS、Perplexity等
应用（app）厂商
官方发布：https://github.com/deepseek-ai/awesome-deepseek-integration/tree/main<br>同时开放丰富的接口文档，可接入飞书、微信等
deepseek优势分析
在数学推理、编程能力和语言理解等方面，DeepSeek 的表现与国际顶尖模型（如 GPT-4）相当。 <br>
API 调用费用仅为竞争对手的十分之一，每百万元输入成本仅 0.1-1 元人民币。 <br>
技术优势
更高效的技术路线：基于混合专家（MoE）架构，总参数量达到 6710 亿，每个 token 激活 37 亿参数。 <br>
核心竞争力：GRPO，工程化门道比较多，很多大厂尝试但没有突破，暂不展开讨论
架构创新：采用多头潜在注意力（MLA）机制，通过低秩联合压缩，减少键值（KV）缓存需求，提升推理效率。 <br>
训练效率与成本的优化
使用FP8混合精度训练，通过将模型参数和梯度表示为8位浮点数来减少内存占用和计算量。
训练数据优化
使用 14.8 万亿个高质量、多样化的 token 进行训练，覆盖广泛的领域和任务。 <br>
计算效率优化
训练成本仅为 557 万美元，远低于行业平均水平。 <br>
推理速度快，首次响应时间约为 1.1 秒，每秒生成 87.5 个 token。 <br>
机会1:智算行业PaaS能力加强
灵活部署Deepseek模型（r1/v3）：PaaS能力全面加强，近几个月生态伙伴研发的工具链会爆发式增加
国内外云厂商紧急提供deepseek模型服务（阿里、华为、腾讯、火山、京东等）
deepseek团队重点探索模型，团队放弃了很多方向，如安全、多模态等，方向极度聚焦，为生态伙伴提供合作空间
智算带通算方案更新：deepseek+工具链+X
机会2:云端推理需求增加，推理算力市场迎来新机会
Deepseek是从base model 改进得到的（更加高效），还是遵循Scaling Law（算力资源需要依然会不断提高），deepseek生态用户数增加、场景增加、使用频率增加，促使推理卡需求增加
高性能：A100、V100<br>性价比：RTX 4090/3090、A30<br>低功耗：T4
机会4:部分行业有井喷潜力
潜在行业：互联网、互联网化的 B2C/B2B2C公司
Deepseek在应用侧的突出贡献是降低C端使用成本
