算力霸权崩塌之夜:一场颠覆AI工业体系的静默革命
当DeepSeek用600万美元训练成本击穿硅谷巨头60亿美元的护城河时,整个AI工业体系的地基正在发生断裂。这场看似技术跃迁的盛宴,实则是算力霸权崩塌的末日钟声——当中国团队用1/10的显卡数量训练出性能碾压Llama3的模型,硅谷引以为傲的暴力堆料范式正在沦为数字时代的蒸汽机车。
效率革命的背后暗藏致命悖论:MoE架构创造的11倍训练效率奇迹,是否正在透支AI模型的进化潜力?GRPO算法实现的零标注突破,会否成为智能进化的潘多拉魔盒?更令人不安的是,开源策略造就的开发者狂欢,是否正在孕育新型技术垄断的温床?当全球开发者争相蒸馏R1模型时,我们究竟在见证技术平权运动,还是在为下一个AI封建王朝奠基?
这场效率革命暴露出行业集体认知的致命盲区。华尔街追捧的"参数崇拜"在DeepSeek的性价比铁拳下碎成齑粉,OpenAI用天价资本堆砌的护城河在MIT License面前形同虚设。但更深层的危机正在浮现:当推理成本压缩到GPT-4的3%,AI服务的商品化进程将彻底改写行业价值链条——那些依赖高溢价生存的AI企业,是否已在悬崖边起舞?
市场狂欢中潜伏着更黑暗的疑问:极低成本突破是否意味着数据灰产的胜利?训练效率的指数级提升,是否以牺牲模型伦理底线为代价?当德国世界报警告DeepSeek威胁美股时,他们真正恐惧的,究竟是技术突破本身,还是西方主导的AI秩序正在遭遇釜底抽薪?
这场静默革命正在重塑三个维度:技术民主化撕开算力垄断的铁幕,成本重构颠覆资本游戏的规则,开源生态孕育出反中心化的技术基因。但当我们为"中国模型"的崛起欢呼时,更应警惕技术达尔文主义的新陷阱——今天的屠龙者,是否会成为明天的恶龙?
Deepseek为什么会这么爆火?
![【深度分析】Deepseek为什么会这么爆火?_第1张图片](http://img.e-com-net.com/image/info8/eb68feb3a0224c33929b7a206be94846.jpg)
Deepseek爆火的多方面原因
一、技术层面的突出表现
- 高效的训练成果展示
- DeepSeek在模型训练效率方面有着令人瞩目的成绩。例如,DeepSeek - V3仅用2048块H800显卡、耗时两个月,就训出了一个6710亿参数的模型。而Meta训练参数量4050亿的Llama3,使用16,384块更强的H100显卡,花费了54天,Deepseek的训练效率提升了11倍[1]。这样高效的训练效果,展示出DeepSeek在技术优化和资源利用上的优势。
- 2025年1月20日发布的DeepSeek - R1模型在后训练阶段大规模使用强化学习技术,在仅有极少标注数据的情况下,极大提升了模型推理能力。在数学、代码、自然语言推理等任务上,性能能够比肩OpenAIo1正式版[1]。这种通过较少资源投入(标注数据少)却能达到顶尖性能的能力,在AI领域是非常有竞争力的。
- 性价比优势
- 从成本角度看,DeepSeek模型性价比极高。以DeepSeek - V3为例,其总训练成本仅为不到600万美元,对比Meta旗下Llama - 3405B超6000万美元的训练成本,仅为其十分之一不到。同时,中信证券研报指出,DeepSeek模型相比GPT4模型更小的参数量也意味着更低的推理成本。具体而言,DeepSeek - R1API服务定价为每百万输入tokens1元(缓存命中)/4元(缓存未命中),每百万输出tokens16元,而OpenAIo1输出API价格是其3%左右[27]。这种高性价比让企业和开发者在使用AI技术时有了更经济实惠的选择。
二、媒体与行业权威的影响力
- 媒体的广泛报道
- DeepSeek发布的成果受到众多媒体关注。像《纽约时报》对DeepSeek的成功进行了报道,揭示其以极低成本和少量芯片实现与科技巨头相媲美的性能,这引发了更多人的关注。此外,海外主流财经媒体如英国《金融时报》、《经济学人》、《连线》杂志以及CNBC等也纷纷对DeepSeek进行关注报道[3]。这些媒体的报道极大地扩大了DeepSeek的影响力,让更多人了解到DeepSeek的成果和优势。
- 行业权威的肯定
- 华尔街顶级风投A16Z的创始人马克·安德森等大佬对DeepSeek力挺。马克·安德森称赞DeepSeek的R1模型为最令人惊叹、最令人印象深刻的突破之一,作为AI领域的权威人士,他的认可向市场传递出积极信号,吸引更多人关注和研究DeepSeek。而且,DeepSeek - R1模型在专业大模型排名Arena上也取得优异成绩,升至全类别大模型第三,并在风格控制类模型中与OpenAIO1并列第一,这一成绩进一步提高了它在行业内的权威性和知名度[3][7]。
三、市场与竞争环境中的机遇
- 市场需求对低成本高效方案的渴望
- 在当前AI市场,企业和开发者都在寻求成本更低、性能更高的AI解决方案。DeepSeek刚好满足这一需求,其低成本打造高性能模型的能力,无论是对于小型企业进行AI应用开发,还是大型企业寻求降低AI应用成本都是非常有吸引力的选择。比如一些初创企业受到资本限制,更倾向于选择性价比高的 DeepSeek模型进行业务构建。
- 竞品空档占据优势
- 在主流产品因政策、算力限制或商业化策略出现空档时,DeepSeek能够迅速填补。例如,ChatGPT等产品在满足市场需求的过程中可能存在某些不足或者限制情况,而DeepSeek凭借自身的优势快速赢得市场份额[9]。
四、国际化传播与应用的成果
- 国际社交平台的传播
- 一条发布在匿名平台teamblind上的帖子疯传,一位Meta员工称Meta内部因为DeepSeek的模型进入恐慌模式,这一消息迅速在社交平台引起关注。此外,1月24号德国世界报知名市场评论员HolgerZschaepitz表示中国的DeepSeek可能代表对美国股市的最大威胁,因为该公司似乎以极低的成本构建了一个突破性的人工智能模型,并且无需使用尖端芯片,这一言论也在国际上被广泛传播,让更多人知道了DeepSeek的存在及其影响力[1]。
- 在国际应用商店取得成功
- DeepSeek应用已取代竞争对手OpenAI的ChatGPT,成为美国苹果应用商店下载量最大的免费应用程序。无论是美国市场还是中国市场,它在应用商店中的优异表现,表明其在全球范围内被用户接受和使用,这进一步推动了它的爆火态势,让更多人看到了DeepSeek的价值和竞争力。
Deepseek受欢迎的因素全方位分析
一、技术创新及性能卓越
- 算法架构与优化
- DeepSeek采用一些先进的算法架构或者优化策略来提高模型的性能。例如在DS - V3采用MoE架构(Mixture of Experts,混合专家模型),通过将大模型变成多个稀疏的专家小模型,并通过多个模型聚合来达到和传统大模型相当的能力,这种创新架构有效降低了计算成本。而且,在DS - V3的训练方法上进行重要创新,采用FP8混合精度训练,效率是常规BF16精度的约1.6倍,同时优化了并行流水线,提升了训练和推理效率[13]。
- 在DeepSeek - R1中,采用创新性的GRPO(组相关策略优化)强化学习方法,无需庞大的人类标注数据库。通过让模型自主生成并验证结果的方式,R1展现出强大的推理能力,随着训练步数增加,其思维链(Chain - of - Thought,CoT)的长度不断增长,模型甚至开始在推理过程中进行自我反思。这种在算法和模型训练上的创新使得DeepSeek的模型在性能表现上能够比肩甚至超越其他同类型产品[13]。
- 多任务处理能力优秀
- DeepSeek的模型在多任务处理能力方面表现出色。从用户反馈来看,在各种任务中都能给予较好的回答。例如在处理自然语言推理任务时,能够准确理解语义并给出合理答案;在处理代码相关任务时,能为开发者提供有效的代码编写建议或者代码纠错等服务;在数学任务方面,能进行数学计算和数学问题解答等。这种多任务处理的能力适应了不同用户的需求,使其在不同领域的用户中都具有较高的受欢迎程度。
二、成本优势带来的高性价比
- 训练成本与定价策略
- DeepSeek诱人的成本优势是其受欢迎的重要因素。如前面提到的DeepSeek - V3训练成本仅为不到600万美元,这一极低的成本使得模型的开发在经济上更可行,尤其是对于小型研发团队或者研究机构来说。从定价策略上看,DeepSeek - R1API服务定价为每百万输入tokens1元(缓存命中)/4元(缓存未命中),每百万输出tokens16元,相比其他竞品如OpenAIo1的昂贵价格具有极大的价格竞争力。这种成本优势使得更多企业和开发者能够使用AI技术,降低了总体的使用门槛,从成本效益角度为用户提供了很好的选择[13]。
- 推理成本效益
- 除了训练成本低,DeepSeek的推理成本也较低。更小的参数量意味着更低的推理成本,这对大规模应用场景下的成本控制是非常重要的。例如在企业级的应用中,当大量用户使用AI服务进行查询、推理等操作时,较低的推理成本能够减少企业的运营成本,从而提高企业对于DeepSeek的接受度和使用意愿。
三、开源开放助力社区发展
- 模型权重开源的影响力
- DeepSeek - R1模型完全开源且权重公开,这一举措吸引了众多开发者。开发者可以在遵循MIT License的情况下,蒸馏R1训练其他模型。开源模型对于AI社区的发展非常重要,它可以让更多开发者进行研究、改进和优化。以其他开源项目为例,开源之后会吸引全球范围内的开发者参与,共同提升项目的质量和性能,DeepSeek的开源也不例外。
- 促进技术交流与共享文化
- 通过开源,DeepSeek促进了技术交流,开发者之间可以互相分享在使用DeepSeek - R1过程中的经验、技巧以及改进思路等。这种开源带来的共享文化有助于推动整个AI行业的技术创新和发展,也让DeepSeek在开发者群体中更受欢迎,因为它提供了一个学习、交流和创新的平台。
四、满足市场趋势和应用需求
- AI应用平民化适配
- 随着AI技术的发展,市场上越来越需要让非专业用户能够轻松使用AI技术。DeepSeek在设计上可能降低了使用门槛,比如其操作界面可能相对友好简单,非专业用户能快速上手进行各种操作,如普通用户进行简单的文字创作、信息查询等操作时不需要复杂的专业知识就可以使用DeepSeek,满足了当前AI平民化的市场趋势。
- 企业级需求的满足
- DeepSeek在满足企业级需求方面也表现不错。在企业数字化转型过程中,对于数据安全、私有化部署等有着强烈的需求。如果DeepSeek能够提供相关的企业级服务,如数据隐私保护、在企业内部服务器上的本地部署等,这将吸引众多企业的关注和使用。同时,对于企业内容创作、营销等业务场景,DeepSeek可以帮助企业生成合适的内容,提高工作效率,适应企业的商业运营需求。
Deepseek与类似产品的对比
一、性能方面的对比
- 与OpenAI产品对比
- 在模型性能上,DeepSeek - R1在数学、代码、自然语言推理等任务上的性能能够比肩OpenAIo1正式版。但两者也有差异,例如,虽然都是基于Transformer架构,GPT的优势在于参数规模巨大以及可多模态输入(支持更多类型的输入数据格式),而DeepSeek可能在某些方面如推理成本、工作效率提升等小参数量优势上表现不同。并且基于性能的不同,在不同应用场景下会有不同的优势。对于一些需要大规模参数量应对复杂多模态任务的场景,OpenAI可能更具优势,而对于注重成本效益和快速推理处理的场景,DeepSeek可能更胜一筹。
- 在价格方面,OpenAIo1收取每百万输入词元15美元和每百万输出词元60美元,而DeepSeek - R1仅收取每百万输入词元0.55美元和每百万输出词元2.19美元。这种价格上的巨大差异反映出DeepSeek在性价比方面的优势,也体现了相对于OpenAI产品在成本效益上的竞争力[7]。
- 与Meta旗下Llama对比
- DeepSeek - V3与Meta的Llama系列相比,在训练效率上,DeepSeek - V3有着极大的优势。如前面提到,DeepSeek - V3仅用2,048块H800显卡、耗时两个月完成6710亿参数模型的训练,而Meta的Llama3训练4050亿参数量需要用16,384块更强的H100显卡,花费54天。从性能的结果来看,DeepSeek - V3在基准测试中让Llama4相形见绌,表明DeepSeek - V3在性能测试指标方面表现优于Meta的Llama系列模型。这种性能和训练效率的对比,显示出DeepSeek在模型构建和优化方面的强大能力。
二、成本效益的对比
- 训练成本对比
- 以DeepSeek - V3和Meta的Llama - 3405B对比,DeepSeek - V3的总训练成本仅为不到600万美元,而Llama - 3405B的训练成本超6000万美元,DeepSeek - V3在训练成本上有着巨大的优势。这一优势可以让更多的公司或者研究团队在有限的预算下进行AI开发研究。再以DeepSeek与OpenAI对比,虽然没有确切的OpenAI训练成本数据,但从定价策略和可用资源利用来看,DeepSeek凭借低价的训练方式,在成本略方面表现优异。
- 推理成本对比
- 与OpenAI相比,DeepSeek模型相比GPT4模型更小的参数量意味着更低的推理成本。从企业应用角度看,推理成本在大规模使用AI产品时会影响整体运营成本。低推理成本使得DeepSeek在企业大规模部署AI应用场景下更具吸引力,例如在每天有大量查询任务的客服中心等场景下,使用DeepSeek可以有效降低成本,而对于OpenAI如果推理成本较高可能需要在服务价格等方面进行调整才能适应类似场景。
三、开源与闭源策略对比
- 开源的DeepSeek
- DeepSeek - R1采用开源策略,其模型权重完全开源,并且允许所有人在遵循MIT License的情况下,蒸馏R1训练其他模型。这种开源策略有利于吸引更多的开发者参与,能够快速汇集全球开发者的智慧进行改进和创新。对于科研机构和小型研发团队来说,通过开源可以免费使用模型进行自己的研究和开发项目,有助于推动整个AI技术在更多方向上的发展。
- 闭源的OpenAI等产品
- OpenAI等公司的产品多采用闭源策略。闭源产品在技术保密等方面有一定优势,例如可以保护技术专利或者商业机密。但是相对来说,闭源产品的用户社区参与度较低,只能依赖公司内部团队进行研发改进。在发展速度上可能相对开源产品会慢一些,因为无法利用全球开发者的大规模资源,而开源产品如DeepSeek则可以迅速吸收更多的创意和改进思路来加速自身发展。
Deepseek的行业影响力探究
一、对AI技术研发方向的影响
- 推动低成本高效模型研发模式
- DeepSeek以低成本构建了高性能的人工智能模型,这种模式给整个AI行业的研发方向带来了新的思路。即不一定大量投入尖端芯片或者庞大的资本就能构建出优秀的AI模型。其他企业或者研究团队可能会借鉴DeepSeek的经验,探索在有限预算下如何优化模型架构、训练算法等以提高模型性能。例如,一些小型研发团队原本因成本限制无法开展大规模AI模型研发工作,如今可能会重新考虑调整研发策略,朝着低成本高效能的方向探索。
- 激励对训练算法和模型架构创新
- DeepSeek在训练算法(如采用创新性的GRPO强化学习方法)和模型架构(如DS - V3采用MoE架构)上的创新成果激励着整个行业在这些方面进行深入研究。研发团队可能会更加注重算法的改进和新架构的探索以提升模型的性能,特别是在如何减少对标注数据的依赖以及提高模型在多种任务场景下的推理能力等方面。这种技术创新的影响力有助于推动AI技术整体向更高效、更智能的方向发展。
二、对市场竞争格局的影响
- 对开源模型与闭源模型竞争态势的改变
- 在开源模型方面,DeepSeek V3的高性能和开源特性提升了整个开源模型的竞争力。开发者和企业现在有了一个性价比更高的选择,这促使更多的开发者参与到开源模型的研究和改进中来,也吸引了原本可能倾向闭源模型的用户。比如一些对成本较敏感的企业或开发者会转移到DeepSeek这样的开源模型上。
- 对于闭源模型厂商而言,DeepSeek的高性能和低成本给他们带来了巨大压力。例如OpenAI的GPT - 4o就面临着来自DeepSeekV3在性能和成本上的挑战。为了应对竞争,闭源模型企业不得不加大研发投入,进行技术创新和优化,降低价格或者提高性能来保持市场份额。这种竞争态势有助于改变开源与闭源模型之间的市场占比和竞争格局。
- 对不同规模企业竞争的影响
- 对于小微型的AI创业公司来说,DeepSeek的成功案例给予他们更多的信心。证明了小团队在有限资源下通过技术创新也能在AI市场中有一席之地,这可能会促使更多的小微型企业加入AI领域的竞争,导致行业内竞争者数量增加。而对于大型企业来说,他们需要重新审视自己的AI技术战略,重新调整研发方向和定价策略以应对DeepSeek带来的挑战。例如大型企业可能会重新考虑是否加大在开源模型方向的投入,或者如何优化自己的闭源模型研发流程来提高性价比。
三、对AI应用普及与人才流动的影响
- 推动AI应用的普及
- 由于DeepSeek模型性价比高,推理成本低,更多企业和开发者能够使用先进的AI技术。这将加速AI技术在各行各业的应用和发展。如在媒体行业可以用于新闻创作、内容审核,在教育行业用于辅助教学、作业批改等。更多行业的应用会让AI技术更加普及,让用户更加熟悉AI技术的功能和价值,进一步推动整个社会的数字化转型进程。
- 引发AI人才的竞争与流动
- DeepSeek的成功引发了全球范围内对AI人才的激烈争夺。一方面,它吸引了大量优秀人才加入DeepSeek团队,其开发的创新性技术和氛围对人才有强大的吸引力。另一方面,其他机构也会加大对AI人才培养和引进的投入。例如,一些研究机构可能会提高对AI人才的待遇或者提供更好的研究条件以留住人才或者吸引新的人才,这种人才的竞争与流动有助于整个AI行业的人才发展和技术创新传播。
用户对Deepseek爆火的评价
一、从性能和性价比角度的正面评价
- 高效性与成本效益受认可
- 许多用户认可DeepSeek的高效性和成本效益。从开发者角度看,低训练成本和低推理成本意味着他们可以用较少的资源构建和使用AI模型。例如一些初创的AI开发企业,在资本有限的情况下选择DeepSeek进行项目开发。而对于企业应用端,高性价比的DeepSeek可以让企业在不投入大量资金的情况下将AI技术融入到业务流程中,如内部的客服系统采用DeepSeek技术进行智能问答等,从而提高工作效率,节省成本。这种成本效益的优势让用户对DeepSeek爆火表示合理和认同。
- 从性能方面,部分用户测试后发现DeepSeek在多任务处理上表现良好。在自然语言处理任务等方面能给出较好的答案,例如在一些对中文内容处理要求较高的用户中,DeepSeek在中文语境下的理解能力被认为相当出色,能够有效地进行文本创作、信息提取等任务,与一些国际知名产品相比毫不逊色,所以用户认可其爆火的实力基础[27]。
二、对行业发展意义的积极看法
- 推动开源策略发展
- 部分用户认为DeepSeek的爆火对开源策略在AI领域的发展有着积极意义。作为开源模型取得优异成绩的代表,DeepSeek吸引着更多企业和开发者关注开源模式的潜力。他们认为,如果更多的AI模型采用开源模式,将会加速整个行业的发展速度,通过全球开发者的共同努力让AI技术更快地进步。这种推动开源发展的作用让关注行业发展趋势的用户对DeepSeek爆火感到兴奋。
- 此外,从对抗巨头垄断的角度,一些用户觉得DeepSeek的成功有助于打破一些大型闭源企业在AI行业的潜在垄断局面。在以前,少数大型闭源企业主导着AI技术发展方向和市场份额,DeepSeek的出现让更多企业和开发者有了新的选择,为AI行业竞争创造了更加公平和多样化的环境,这也是用户对其爆火积极看待的一个方面。
三、存在的质疑与担忧
- 技术原创性忧虑
- 也有部分用户对DeepSeek的爆火持保留态度。其中一个关注点是技术的原创性问题。在AI领域,数据、算法的来源合法性和原创性一直是备受关注的焦点。一些用户担心DeepSeek在训练过程中是否完全遵循了技术和数据使用的规范,是否存在某种程度上对其他模型成果的依赖,如对数据或者算法的过度借鉴等情况。这种担忧反映了部分用户对技术原创性的高标准要求。
- 对竞争格局带来不稳定因素的担忧
- 从市场竞争角度,一些用户担忧DeepSeek的爆火会对现有的市场竞争格局带来过度的冲击,造成不稳定。例如前面提到它对闭源企业的巨大压力,如果闭源企业在应对过程中出现经营问题或者调整策略不当,可能会影响整个AI市场的健康稳定发展。而且,如果大量资金和人才迅速流向DeepSeek这一类新兴的高竞争力企业,可能会导致其他企业尤其是小型企业难以生存,影响整个行业的生态平衡。
参考资料:
1. 英伟达下跌罪魁祸首?DeepSeek周末爆火 国产大模型性价比遥遥领先 百家号 [2025-01-26]
2. Deepseek为什么爆火?|代码 www.163.com [2025-01-28]
3. ...市场:DeepSeek爆火,R1模型挑战AI行业共识 搜狐 [2025-01-26]
4. 60秒看懂DeepSeek爆火原因_新浪科技 finance.sina.com.cn [2025-01-28]
5. 用大白话,讲一下最近爆火的Deepseek t.cj.sina.com.cn [2025-01-27]
6. 中国DeepSeek爆火!美国前一天刚夸完后一天就称其是 偷窃 东方财富财经频道 [2025-01-29]
7. 从DeepSeek爆火后遭受大规模网络攻击事件看国家网络安全挑战与... 东方财富网财富号 [2025-01-28]
8. DeepSeek创始人回应爆火:展现中国AI崛起,呼吁原创性发展 中网资讯中心 [2025-01-28]
9. 为什么DeepSeek这么火?_技术 www.sohu.com [2025-01-29]
10. DeepSeek创始人回应爆火:中国AI技术崛起,未来需持续创新与开放... 中网资讯中心 [2025-01-28]
11. DeepSeek 凭什么火爆?四大因素揭秘 laoyaoba.com [2025-01-26]
12. 这篇对DeepSeek 的分析:获马斯克点赞 网易 [2025-01-28]
13. DeepSeek的出现让特朗普说 这很好,因为你不用花那么多钱,这是... 新浪财经 [2025-01-29]
14. 马斯克:这是我见过的对DeepSeek最透彻的分析! 今日头条 [2025-01-28]
15. 股市分析:聊聊deepseek! 搜狐 [2025-01-28]
16. 来看看deep seek 自己对这件事的分析 user.guancha.cn [2025-01-29]
17. DeepSeek引发资本市场对算力增长展望的担忧华泰证券分析 和讯股票行情 [2025-01-29]
18. DeepSeek的出现对东方精工主要是利好,具体分析如下:降低成本... 东方财富网财富号 [2025-01-28]
19. 评论丨DeepSeek"横空出世",成功的关键源于这两点 www.toutiao.com [2025-01-27]
20. 对话周鸿祎、李大海:DeepSeek能否改写AI战局? 澎湃新闻网 [2025-01-29]
21. ...、glm ,deepseek的模型 对垂直领域的能力的支持情况对比 CSDN博客频道 [2025-01-08]
22. 它们都比deepseek 好,我知道 finance.sina.com.cn [2025-01-27]
23. 【AI编程】超10倍性价比的DeepSeek+Cline完胜Cursor? 效果意... 哔哩哔哩 [2025-01-02]
24. 根据搜索结果,*DeepSeek与浪潮信息的合作主要集中在AI服务器... 东方财富网财富号 [2025-01-29]
25. 【实测】DeepSeek V3真有那么神?搭档Roo Cline,对比Claude 3.5 ... 哔哩哔哩 [2024-12-29]
26. 用了一晚上deepseek,也对比了豆包,总体感觉,deepseek回答的问题都 caifuhao.eastmoney.com [2025-01-28]
27. 周末吹爆,DeepSeek一夜刷屏,核心标的(一文梳理) 网易 [2025-01-26]
28. 中国DeepSeek取得惊人突破:令美国竞争对手感到震惊 腾讯新闻 [2025-01-27]
29. DeepSeek引发人工智能领域大战阿里巴巴应战发布最新模型版本 网易 [2025-01-29]
30. DeepSeek认为Faker是电竞界的Goat:对行业的深远影响+跨领域... 腾讯新闻 [2025-01-29]
31. 不止英伟达 DeepSeek"冲击波"还影响了哪些行业? 凤凰网 [2025-01-29]
32. DeepSeek会对AI行业产生什么影响改变市场格局 中华网新闻频道 [2025-01-26]
33. DeepSeek何以创造了"行业奇迹" m.bjnews.com.cn [2025-01-27]
34. AI界的黑马:DeepSeek如何以低成本撼动行业格局 手机搜狐 [2025-01-14]
35. DeepSeek创始人的创业征程与行业风云 www.toutiao.com [2025-01-28]
36. DeepSeek让美国有些人诧异了 冲击美股科技板块 3g.china.com [2025-01-28]
37. Deepseek冲击美国领域,美霸权岂能 长治久安 ? 网易 [2025-01-28]
38. 中国DeepSeek取得惊人突破:令美国竞争对手感到震惊 网易 [2025-01-27]
39. DeepSeek爆火用AI锐评国产手机品牌如何? 搜狐 [2025-01-28]
40. DeepSeek评价自己与ChatGPT的差距:四个领域可把它按在地上摩擦 网易 [2025-01-29]
41. DeepSeek刷屏:国产大模型崛起,用户热议背后的秘密 t.cj.sina.com.cn [2025-01-28]
42. 一天蒸发5900亿美元!英伟达评价DeepSeek:是卓越进步,推理需要大量... 澎湃新闻 [2025-01-28]
43. DeepSeek 外网爆火 www.toutiao.com [2025-01-26]
44. NBC火爆专题: DeepSeek超越美国的AI突破,和PerPlexity创始人讨论 网易 [2025-01-26]
45. Deepseek火爆 news.qq.com [2025-01-27]
46. DeepSeek 事件全解析!从爆火到被攻击,到底发生了什么 今日头条 [2025-01-29]