DeepSeek R1如何重塑AI竞争格局

目录

1. DeepSeek是一家怎样的公司
2. 600万美元的真相与谎言
3. 技术创新：GRPO与纯强化学习
4. 性能真的达到OpenAI o1水平吗
5. 为什么选择开源
6. 中美AI竞争与芯片制裁的悖论
7. 审查问题与R1-1776
8. 市场冲击
9. 给AI行业的问题

1. DeepSeek是一家怎样的公司

DeepSeek的故事始于一个出人意料的地方——不是硅谷，而是中国杭州；不是AI初创公司，而是一家量化对冲基金。

创始人梁文锋

梁文锋1985年出生于广东省一个小村庄，在浙江大学获得电子信息工程学士和硕士学位。2008年金融危机期间，他与同学构思了算法交易的想法，2015年创立了量化对冲基金幻方量化（High-Flyer）。

幻方量化利用数学和AI进行量化投资，快速发展，到2021年管理资产突破1000亿元人民币（约140亿美元）。梁文锋的关键远见是从2021年开始大量囤积Nvidia GPU——在美国芯片出口限制开始之前，他确保了约10,000个A100 GPU。

DeepSeek的诞生

2023年4月，幻方量化宣布成立AGI（通用人工智能）研究实验室，7月将其分拆为独立公司DeepSeek。梁文锋兼任CEO。

DeepSeek的独特之处在于不接受外部投资。VC希望快速退出，但梁文锋为专注长期研究而拒绝了。幻方量化的资金实力使这成为可能。

组织文化

梁文锋在采访中将DeepSeek描述为"完全自下而上的结构"。团队内没有层级，自然形成分工，任何人都可以自由访问GPU进行实验。一位年轻研究员出于个人好奇心开始的MLA（Multi-head Latent Attention）技术成为DeepSeek-V2核心成本节省技术的典型案例。

2. 600万美元的真相与谎言

DeepSeek R1发布时最引人注目的数字是"560万美元训练成本"——与OpenAI GPT-4的1亿美元以上、Meta Llama 3的数千万美元相比，低得惊人。

数字的真相

然而，这个数字只是全貌的一部分。

根据SemiAnalysis的分析，DeepSeek拥有至少50,000个Nvidia H系列GPU，AI基础设施总投资可能超过13亿美元。560万美元仅是DeepSeek-V3最终训练阶段（使用2,048个H800）的GPU租赁成本。

仍然创新的原因

即使数字被夸大，DeepSeek的成本效率仍然令人惊叹。

第一，用更少的资源实现了相当的性能。 如果Anthropic Claude 3.5 Sonnet的训练花费"数千万美元"，即使总投资13亿美元，DeepSeek也开发了更多模型。

第二，从受限芯片中榨取最大效率。 Nvidia H800因美国出口限制性能被限制为H100的一半。DeepSeek用这种"劣质"芯片打造了世界级模型。

第三，开发了创新的算法技术。 MoE（混合专家）、MLA、GRPO等技术节省内存和计算，使同样的资源能做更多事。

3. 技术创新：GRPO与纯强化学习

DeepSeek R1的真正创新不在于成本，而在于训练方法论。

传统LLM训练 vs DeepSeek方法

典型的大型语言模型经过以下步骤：

1. 预训练（Pre-training）：从海量文本数据学习语言模式
2. 监督微调（SFT）：用人工编写的示例改进响应质量
3. 人类反馈强化学习（RLHF）：通过人类评估者偏好进行对齐

DeepSeek R1-Zero完全跳过了第2步（SFT）。直接在预训练的DeepSeek-V3-Base上应用强化学习来学习推理能力。

什么是GRPO？

GRPO（Group Relative Policy Optimization）是DeepSeek开发的强化学习算法。

传统强化学习（如PPO）需要单独的"评论家模型（Critic Model）"，计算成本高。GRPO无需评论家模型，通过将同一提示的多个响应分组并相对比较来优化，大大节省计算资源。

惊人发现：自我进化

在纯强化学习训练的R1-Zero中，研究人员观察到意想不到的行为：

• 思维过程自然延长：问题越难，生成的思维链越长
• 自我验证：在中间步骤发现错误时回头修正
• "顿悟时刻"：卡住后突然找到解决方案的瞬间被实际观察到

这是AI研究的重要发现——证明了LLM可以在没有人类监督的情况下学习"如何思考"。

从R1-Zero到R1

R1-Zero推理能力出色但存在问题：

• 可读性差（句子别扭）
• 语言混杂（英文和中文混在一起）
• 无限重复（不断生成相同内容）

为解决这些问题，DeepSeek添加了Cold Start数据（少量高质量示例）和额外微调，完成了最终的R1模型。

4. 性能真的达到OpenAI o1水平吗

DeepSeek R1声称达到了与OpenAI o1-1217（2024年12月版本）相当的性能。看看主要基准测试结果。

数学推理

在数学方面，与o1持平或略微领先。

编程

在竞技编程级别也展现强劲性能。

局限性

然而，R1也有局限：

• 中文SimpleQA性能下降：安全强化学习后拒绝某些查询，得分低于DeepSeek-V3
• 长输出中的无限重复：偶尔不断生成相同内容
• 幻觉：仍可能生成不真实的内容

总体而言：数学、编程、逻辑推理世界顶级；通用知识略微落后。

5. 为什么选择开源

DeepSeek R1以MIT许可证完全开源发布——模型权重、训练方法论、技术报告全部公开。为什么？

梁文锋的哲学

2024年7月的采访中，梁文锋说：

开源的连锁效应

R1发布后几周内：

• Hugging Face下载量爆发
• Perplexity发布去审查版本（R1-1776）
• 数十个衍生模型出现
• 引发中国科技巨头的开源竞争

6. 中美AI竞争与芯片制裁的悖论

DeepSeek R1必须在中美技术竞争的背景下理解。

美国芯片出口管制

2022年10月，拜登政府开始限制对华先进半导体出口。此后限制不断加强：

目的很明确：放缓中国AI发展。

悖论性结果

然而，DeepSeek的成功表明管制可能产生相反效果。

"需要是发明之母"变成了现实。 被迫从有限芯片中榨取最大效率的DeepSeek，反而开发出了创新的算法和架构。

MIT Technology Review分析道：

中国AI生态系统的反应

DeepSeek之后，中国AI生态系统活跃起来：

• 阿里巴巴：开源通义千问系列，宣布3年内投资530亿美元于AI
• 字节跳动、百度：竞相发布新模型
• 政府支持：扩大国家级AI资金支持
• 华为：尝试用昇腾910C芯片替代Nvidia

特朗普总统称DeepSeek是"对我们行业的警钟"。

7. 审查问题与R1-1776

DeepSeek R1的一大弱点是内置了中国政府审查。

什么被审查

向DeepSeek询问以下话题，它会回避或重复中国政府立场：

• 天安门事件（1989年）
• 台湾独立
• 习近平批评
• 维吾尔人权问题
• 西藏
• 香港民主运动

Perplexity的R1-1776

2025年2月，Perplexity AI发布了R1-1776——以美国独立年份命名的去审查版本。

• 人类专家识别了约300个被审查的话题
• 用40,000个多语言提示进行微调
• 可以对天安门、台湾等提供事实性回答

然而，研究表明R1-1776也不完美：

• 用中文提问可能仍然得到审查后的回答
• 事实准确性可能下降：去审查过程中部分事实信息也被扭曲
• 审查不仅是"拒绝回答"——训练数据本身存在偏见，难以完全消除

8. 市场冲击

DeepSeek R1发布在金融市场引发了地震。

股价暴跌

2025年1月27日，DeepSeek登顶美国iOS应用商店当天：

后续恢复

市场随后部分恢复。分析师指出：

• DeepSeek的成本声明被夸大
• AI需求仍然爆发式增长
• 高效AI实际上可能促进更多应用

9. 给AI行业的问题

DeepSeek R1向整个AI行业提出了重要问题。

问题1：扩展定律的极限？

迄今为止，AI进步的公式很简单：更多数据 + 更多计算 = 更好的模型。这被称为"扩展定律"。

DeepSeek展示了另一条路。算法创新可以从相同计算量中提取更多价值。这提出了一个新的研究方向："高效扩展"。

问题2：开源 vs 闭源

DeepSeek的成功证明开源模型可以与闭源模型竞争，重新点燃了关于AI未来的辩论。

问题3：出口管制有效吗？

如果美国芯片管制实际上激发了中国的高效创新，是否应该重新考虑策略？专家意见分歧。

问题4：AI民主化还是新风险？

DeepSeek R1开源发布具有两面性：

积极方面：

• 资源有限的研究者和开发者可以获得顶级AI
• 增强全球南方的AI能力
• 增加研究透明度

令人担忧的方面：

• 审查和偏见向全球扩散
• 滥用可能性（深度伪造、诈骗等）
• 与中国政府的关联（数据安全担忧）

术语表

更新日志

本内容不构成投资建议。使用特定AI服务时，请查阅其服务条款、隐私政策和数据安全政策。

© 2026 PRISM by Liabooks. All rights reserved.