8.5 DeepSeek 是什么：从小创业到独角兽

理解一个 AI 公司如何在不到 5 年内从无到有，挑战全球巨头

8.5.1 DeepSeek 的三个版本

要理解 DeepSeek，需要知道它不是一个“模型”，而是一个“产品系列”。

DeepSeek的演化：

DeepSeek V1（2023年底）
└─ 开源模型，初次亮相
└─ 性能：不错，但不突出

DeepSeek V2（2024年中）
└─ 升级版本
└─ MLA架构首次亮相
└─ 开始被关注

DeepSeek V3（2024年底）
└─ 最新版本，也是最强版本
└─ 多个新创新
└─ 性能与GPT-4-Turbo相当
└─ 成本仅为GPT-4的1/18

DeepSeek-R1（2025年1月）
└─ 推理模型版本
└─ 与OpenAI o1竞争
└─ 成本优势巨大

8.5.2 为什么叫“DeepSeek”？

名字的含义：

• Deep：深入思考和研究

• Seek：探求真理和最优方案

公司的理念就体现在名字里：不是最快推出产品，而是最深入地理解问题。

8.5.3 DeepSeek 公司的背景

创始人和融资

创始人：梁文锋
背景：
├─ DeepSeek 创始人兼 CEO
├─ 也是量化机构 High-Flyer 的联合创始人之一
├─ 公司早期发展与 High-Flyer 的团队和算力积累密切相关
└─ 以低成本高性能模型路线受到行业关注

融资历程：
└─ 公开资料未见清晰的种子轮 / A 轮融资披露
└─ 早期发展更常被描述为依托既有团队与资源积累
└─ 外部融资细节并非其公开叙事重点

总融资：公开口径有限，不宜与 OpenAI 直接按融资轮次类比
但足以支持AI研究

公司规模和位置

公司规模：
├─ 员工数：数百人（对比OpenAI的千人规模）
├─ 研究团队：专业的深度学习团队
└─ 工程团队：高效的实现和优化

位置：中国（杭州）
└─ 访问中国的算力资源
└─ 但也面临出口管制的挑战
└─ 创新性地在这些约束下工作

8.5.4 DeepSeek 的战略选择

选择 1：开源而非闭源

这是关键的战略决定：

闭源的好处：
├─ 可以完全控制产品
├─ 可以通过API收费
└─ 不担心竞争对手直接复制

开源的好处：
├─ 获得社区的信任和支持
├─ 加快创新（社区贡献）
├─ 建立品牌和影响力
├─ 长期的商业机会（企业版、咨询）
└─ 对抗"AI垄断"的叙事

DeepSeek的选择：
完全开源！

这意味着：
任何人都可以下载、修改、使用DeepSeek的模型
不需要API，不需要付费（对于开源版本）

为什么这很勇敢？
└─ 意味着无法通过模型本身直接获利
└─ 意味着竞争对手可以直接使用你的研究
└─ 意味着相信长期价值而不是短期收入

选择 2：专注于效率而非规模

大多数AI公司的策略：
更大的模型 = 更好的性能
不断增加参数和数据

DeepSeek的策略：
相同性能下，最小化成本和资源

这导致了一系列的架构创新：
├─ MLA（多头潜在注意力）
├─ MoE（专家混合）
├─ 高效的训练流程
└─ 智能的数据选择

选择 3：推理与基础模型并行

大多数公司：
先做基础模型（如GPT-4）
然后才考虑推理模型（如o1）

DeepSeek的速度：
V3和R1几乎同时推出
意味着：
├─ 强大的研究能力
├─ 快速的迭代周期
├─ 对推理问题的早期关注

8.5.5 DeepSeek 的成功指标

性能对标

在多个评测中，DeepSeek V3的表现：

MMLU（语言理解）：
DeepSeek V3：88.5%
GPT-4-Turbo：86.5%
Claude 3.5 Sonnet：88.0%
→ DeepSeek最强！

MATH（数学能力）：
DeepSeek V3（with R1）：96%
GPT-4：92%
Claude 3.5：92%
→ DeepSeek领先！

代码（Leetcode Hard）：
DeepSeek V3：48%
GPT-4-Turbo：47%
Claude 3.5 Sonnet：51%
→ Claude领先，但DeepSeek很接近

总体结论：
DeepSeek V3 ≈ GPT-4 ≈ Claude 3.5
在某些任务上甚至更强

用户采纳

DeepSeek的采纳速度：
2024年底发布 → 2025年初爆发

用户数量增长曲线：
11月：数千用户
12月初：数十万用户
12月中：数百万用户

对比OpenAI ChatGPT：
ChatGPT花了2个月达到100万用户
DeepSeek可能更快（因为社区关注）

8.5.6 DeepSeek 与中国 AI 生态的关系

中国 AI 的现状

中国的AI模型：
├─ 通义千问（阿里）：商用为主
├─ 文心一言（百度）：商用为主
├─ Kimi（月之暗面）：注重长上下文
└─ DeepSeek：注重开源和效率

DeepSeek的独特点：
└─ 完全开源，国际导向
└─ 强调技术创新而非商业优先
└─ 获得国际研究社区的尊重

这改变了国际社会对"中国AI"的认知：
从"本地化的模仿"
到"技术创新的领导者"

地缘政治的考量

DeepSeek面临的挑战：

芯片限制：
├─ 美国对中国实施芯片出口管制
├─ 限制高端GPU的使用
└─ DeepSeek必须在这些约束下创新

但DeepSeek的成功表明：
├─ 算法创新可以弥补硬件限制
├─ 高效的设计可以用更少资源做更多事
└─ 这对全球AI产业有深远影响

8.5.7 DeepSeek 的商业模式

如何盈利（虽然开源）？

短期收入：
├─ API服务（DeeSeek Chat API）
│  └─ 比OpenAI便宜10倍以上
├─ 企业付费版本
│  └─ 高级支持、定制化、部署协助
└─ 研究和咨询

长期价值：
├─ 品牌和影响力
│  └─ 成为全球AI研究的参考
├─ 人才吸引
│  └─ 顶级研究人员想为这样的公司工作
├─ 技术积累
│  └─ 建立长期的技术领导地位
└─ 生态建设
   └─ 在开源模型上构建的整个生态

为什么这个模式可行？

与传统软件的对比：

传统模式：
├─ 开发私有软件
├─ 收费给用户
└─ 利润高但用户有限

开源模式：
├─ 开发开源软件
├─ 通过服务赚钱（支持、云托管、企业版）
└─ 利润可能更高（因为用户基数大）

例子：
└─ Linux：完全开源，但红帽靠支持赚数十亿
└─ Python：完全开源，但相关服务价值巨大
└─ DeepSeek：完全开源，模式类似

关键：制造极好的产品，然后围绕它提供价值

8.5.8 本节小结

DeepSeek 的成功不是侥幸，而是战略和执行的结果：

• 战略选择：开源、注重效率而非规模

• 技术创新：MLA、MoE 等突破性架构

• 快速迭代：从 V1 到 R1 的快速发展

• 国际视野：面向全球，而非仅国内市场

这开启了 AI 产业的新可能：

• 不需要数十亿融资也能做出顶级 AI

• 开源和闭源不必对立，可以共存

• 效率和创新可能比规模更重要

DeepSeek 证明了 AI 产业还有更多的玩法。

8.5.9 思考题

1. 为什么 DeepSeek 敢于完全开源？有什么长期风险吗？

2. 如果 DeepSeek 的模型可以本地运行（不需要云），这对 OpenAI 的商业模式意味着什么？

3. DeepSeek 的成功是否意味着“大公司的 AI 优势”消失了？