互联网从业者caoz认为，它对行业发展的促进价值是值得肯定的，但谈及颠覆还为时尚早。一些专业测评来看，在一些关键问题的解决上并没有超越ChatGPT。
比如有人测试，模拟典型的小球在封闭空间的弹跳代码，DeepSeek编写出来的程序表现，和ChatGPT o3-mini相比，从物理学的遵循度角度来看，还是有差距的。
不要过度神话它，但也不要无脑贬低它。
关于DeepSeek的技术成就，目前存在两种极端观点：一种把它的技术突破，称为"颠覆性革命"；另一种则认为这不过是对国外模型的模仿，甚至还有猜测，它是通过蒸馏OpenAI模型获得进展。
微软说DeepSeek蒸馏了ChatGPT的结果，所以一些人也借题发挥，把DeepSeek贬低的一钱不值。
事实上，这两种观点都过于片面。
更准确地说，DeepSeek的突破是一次面向产业痛点的工程范式升级，为AI推理开辟“少即是多”新路径。
它主要做了三个层面的创新：
首先通过训练架构瘦身——例如GRPO算法通过省去传统强化学习中必须的Critic模型（即"双引擎"设计），将复杂算法简化为可落地执行的工程方案；
第二，采用了简评估标准，典型如在代码生成场景直接用编译结果和单元测试通过率替代人工评分，这种基于确定性的规则体系有效破解了AI训练中的主观偏差难题；
最后在数据策略上找到精妙平衡点，通过纯算法自主进化的Zero模式与仅需数千条人工标注数据的R1模式组合，既保留模型自主进化能力又保障人类可解释性。
但是，这些改进并没有突破深度学习的理论边界，也没有彻底颠覆OpenAI o1/o3等头部模型的技术范式，而是通过系统级优化解决了产业的痛点。
DeepSeek完全开源并详细记录了这些创新点，全世界都能借助这些进展来改进自己的AI模型训练。这些创新点可以从开源文件中看出。
Stability AI前研究主管Tanishq Mathew Abraham在近期的博文中也强调了DeepSeek的三个创新点：
1、多头注意力机制：大语言模型通常是基于Transformer架构，使用所谓的多头注意力（MHA）机制。DeepSeek团队开发了一种MHA机制的变体，这种机制既能更高效地利用内存，又能获得更好的性能表现。
2、可验证奖励的GRPO：DeepSeek证明了一个非常简单的强化学习（RL）流程实际上可以达到类似GPT-4的效果。更重要的是，他们开发了一种称为GRPO的PPO强化学习算法变体，这种算法更加高效且性能更好。
3、DualPipe：在多GPU环境下训练AI模型时，需要考虑很多效率相关的因素。DeepSeek团队设计了一种称为DualPipe的新方法，这种方法的效率和速度都显著提高。
传统意义上的"蒸馏"指的是对token概率（logits）的训练，而ChatGPT并未开放这类数据，所以基本不可能去“蒸馏”ChatGPT。
因此，从技术角度看，DeepSeek的成就不应因此受到质疑。由于OpenAI o1相关思维链推理过程从未公开，单纯依靠"蒸馏"ChatGPT根本难以实现这一成果。
而caoz认为，DeepSeek的训练中，可能部分利用了一些蒸馏的语料信息，或者做了少许的蒸馏验证，但这个对它整个模型的质量和价值影响应该很低。
此外，基于领先模型蒸馏验证优化自己的模型，是很多大模型团队的一个常规操作，但毕竟需要联网API，能获得的信息非常有限，不太可能是决定性的影响因素，相对于海量的互联网数据信息来说，通过api调用领先大模型能获得的语料杯水车薪，合理的猜测是更多用于对策略的验证分析，而不是直接用作大规模训练。
所有大模型都需要从互联网获得语料训练，而领先的大模型也在不断为互联网贡献语料，从这个角度来说，每个领先的大模型都摆脱不了被采集，被蒸馏的宿命，但其实也没必要把这个当作是决定成败的关键。
图：DeepSeek-V3论文中关于成本的论述
那么，DeepSeek-V3论文中声称的550万美元成本是否准确呢？
Semianalysis（一家专注半导体和人工智能的独立研究与分析公司）也给出了DeepSeek的AI TCO （人工智能领域中的总成本）分析，这张表总结了DeepSeek AI在使用四种不同型号GPU（A100、H20、H800和H100）时的总成本情况，包括买设备、建服务器和运营的费用。按照四年周期来算，这60,000块GPU的总花费是25.73亿美元，其中主要是买服务器的费用（16.29亿美元）和运营的费用（9.44亿美元）。
当然，外界没有人准确知道DeepSeek究竟拥有多少卡以及各个型号的占比究竟有多少，所有的一切都只是估算。
巨额资本支出投资算力
只是巨大的浪费？
这是一个广为流传但相当片面的观点。确实，DeepSeek在训练效率上展现出了优势，也暴露出一些头部的AI公司在计算资源使用上可能存在效率问题。甚至英伟达短期的暴跌也可能也与这个误读广为流传有关。
但这并不意味着拥有更多计算资源是一件坏事。从Scaling Laws（扩展定律）的角度来看，更多的计算能力始终意味着更好的性能。自2017年Transformer架构问世以来，这一趋势一直延续，而DeepSeek的模型，也是基于Transformer架构的。
AI 发展的重点虽然在不断演变——从最初的模型规模，到数据集大小，再到现在的推理计算和合成数据，但"更多计算等于更好性能"的核心规律并未改变。
论文的原文如下：
“we employ customized PTX（Parallel Thread Execution）instructions and auto-tune the communication chunk size, which significantly reduces the use of the L2 cache and the interference to other SMs。”“我们采用定制的PTX（并行线程执行）指令并自动调整通信块大小，这大大减少了L2缓存的使用和对其他SM的干扰。”
这段内容，网络上流传着两个解读，一种声音认为，这是为了“绕开CUDA垄断”；另外一种声音是， 因为DeepSeek无法获得最高端的芯片，为了解决H800 GPU互联带宽受限的问题，不得不下沉到更低一层，来提升跨芯片通信能力。
上海交通大学副教授戴国浩认为，这两种说法都不太准确。首先，PTX（并行线程执行）指令实际上是位于CUDA驱动层内部的一个组件，它仍然依赖于CUDA生态系统。所以，用PTX绕过CUDA的垄断这种说法是错误的。
戴国浩教授用一张PPT清晰地解释了PTX和CUDA的关系：
CUDA是一个相对更上层的接口，提供了面向用户的一系列编程接口。而PTX一般被隐藏在了CUDA的驱动中，所以几乎所有的深度学习或大模型算法工程师是不会接触到这一层。
那为什么这一层会很重要呢？原因是在于可以看到从这个身位上，PTX是直接和底层的硬件去发生交互的，能够实现对底层硬件更好的编程和调用。
关注公众号
获取更多院士及科技动态