DeepSeek作为一款国产AI芯片，成功实现了openAI上亿美元做到的事，仅用了550万美元的成本。

　　2.DeepSeek具有低整体成本、训练方法、编程不同和AI Infra四大创新点。

　　3.由于DeepSeek的性能惊人，芯片厂商纷纷宣布支持，如华为、沐曦、天数智芯等。

　　4.除此之外，各行各业也不断支持DeepSeek，如汽车产业、手机、云计算、教育应用等。

　　5.DeepSeek的诞生不仅是技术突破，更是对AI未来形态的积极探索，为人类与AI共生的未来提供了一种可能性。

　　遥想两年前，ChatGPT给了世界一记AI冲击，而DeepSeek无疑是第二记冲击。我们不仅对DeepSeek强劲的性能所震撼，也让远在大洋彼岸的OpenAI、谷歌、META等一众玩家感受到莫大压力，从而纷纷继续“卷”起来，效仿DeepSeek的“开源”模式。

　　对于DeepSeek本身，人们关注其如何在有限算力实现强大性能，更关注其在重重条令围城之下的未来之路。而在最近，全世界的芯片厂商集体出动，纷纷宣布支持DeepSeek。尤其是众多国产AI芯片厂商，集体发力，为DeepSeek建立了一个坚实的后盾。

　　为什么DeepSeek能够掀起如此巨浪？因为令人惊讶的是，目前普遍认为DeepSeek仅仅用了550万美元的成本实现了openAI上亿美元做到的事。总结起来，DeepSeek有四点创新：

　　第一，拉低整体成本。信息显示，DeepSeek V3模型的训练总计耗用278.8万GPU小时，相当于在2048块H800 GPU集群上训练约2个月，成本为557.6万美元。相比之下，GPT-4o的训练成本约为1亿美元，需使用上万块性能更强的H100 GPU。同时，DeepSeek V3的成本仅为Llama 3的7%。AI专家指出，达到DeepSeek V3级别的能力需接近16000颗GPU的集群。

　　之所以有很低的成本，是DeepSeek的模型架构与主流设计有所不同，采用了细颗粒度的MoE（混合专家）结构。虽然细颗粒度MoE并非首创，例如阿里也在探索这一方向，但DeepSeek通过这一架构在推理时仅激活部分参数，从而显著降低成本。此外，DeepSeek在推理机制中引入了LLA，与市场上常见的多头注意力机制不同，后者需要所有参数参与计算，而DeepSeek仅激活少量参数，进一步提升了效率。当前先进模型大多采用邓氏架构，而DeepSeek的创新在于通过细颗粒度MoE和LLA实现了更高效的推理。

　　第二，训练方法。传统方法为FP32和FP16的混合精度，DeepSeek则采用FP8参数，比较敏感的组件还是FP16。分布式混合精度目前做的比较少，训练方法里面也有工程优化，之前时延导致GPU利用率不是很高，DeepSeek用流水线并行，高效利用通信网络，提升速率。

　　第三，编程不同。DeepSeek采用了NVIDIA PTX指令集（Parallel Thread Execution ISA）来提升执行效能。PTX是NVIDIA GPU最底层的控制语言，用更细颗粒度来调度底层单元，将硬件调度细化。不过，此处需要注意PTX并非是CUDA的替代品，对于大部分开发者来说学习门槛较高，所以才有了CUDA来简化开发过程。

　　第四，AI Infra，通常集群是三层网络，DeepSeek是两层，通信库降低PCIe消耗，减少GPU内存消耗增高网络通信速度，HF Reduce、分布式文件系统、调度平台用得比较灵活。

　　虽说在各种突破之下，DeepSeek的表现惊人。但对大多数用户来说，也许更多的体验是“服务器繁忙，请稍后再试”，除了国外对于DeepSeek的攻击以外，也许DeepSeek的算力真的不够用了。

　　根据国泰君安证券分析师舒迪、李奇测算，假设DeepSeek日均访问量为1亿次、每次提问10次，每次提问的回复用到1000个token，1000个token大概对应750个英文字母，则DeepSeek每秒的推理算力需求为1.6*1019TOPs。在这种普通推理情境下，假设DeepSeek采用的是FP8精度的H100卡做推理，利用率50%，那么推理端H100卡的需求为16177张，A100卡的需求为51282张。

　　事实上，芯片算力一直都在追着大模型奔跑。换句话说，未来算力需求一定难以满足现在AI发展，DeepSeek未来会面对。

　　据OpenAI测算，自2012年以来，AI模型训练算力需求每3~4个月就翻一番，每年训练AI模型所需算力增长幅度高达10倍。而连摩尔定律中，芯片计算性能翻一番的周期为18～24个月，更何况摩尔定律已经出现放缓迹象。专家预测，未来几年OpenAI仅训练模型⾄少还需要200～300亿美元的硬件，Google需要200-300亿美元，Anthropic需要100-200亿美元，未来几年至少投入1000亿美元纯粹用到训练⼤模型。

　　芯片厂商当然没有错过DeepSeek这一机会，比如在春节期间，国外芯片厂商接连宣布支持DeepSeek：

　　自从AI大模型来了，英伟达喝汤喝到撑，GPU也就成了香饽饽。但在地缘政治局势愈发紧张的现如今，国内高端AI芯片不断被围追堵截。因此，自主可控成了不可不谈的问题。近几日，DeepSeek获国产芯片厂商力挺，成为支撑DeepSeek的“天团”。

　　1.华为：华为云宣布与硅基流动联合首发并上线基于华为云昇腾云服务的DeepSeek R1/V3推理服务；DeepSeek-R1、DeepSeek-V3、DeepSeek-V2、Janus-Pro正式上线昇腾社区；华为DCS AI全栈解决方案中的重要产品—ModelEngine，全面支持DeepSeek大模型R1&V3和蒸馏系列模型的本地部署与优化，加速客户AI应用快速落地；

　　4.摩尔线程：基于Ollama开源框架，完成了对DeepSeek-R1-Distill-Qwen-7B蒸馏模型的部署，并在多种中文任务中展现了优异的性能；

　　6.壁仞科技：DeepSeek R1在壁仞国产AI算力平台发布，全系列模型一站式赋能开发者创新；

　　7.太初元碁：基于太初T100加速卡2小时适配DeepSeek-R1系列模型，一键体验，免费API服务；

　　10.昆仑芯：完成全版本模型适配，这其中包括DeepSeek MoE 模型及其蒸馏的Llama/Qwen等小规模dense模型；

　　11.灵汐芯片：完成了DeepSeek-R1系列模型在灵汐KA200芯片及相关智算卡的适配，助力国产大模型与类脑智能硬件系统的深度融合；

　　12.鲲云科技：全新一代的可重构数据流AI芯片CAISA 430成功适配DeepSeek R1蒸馏模型推理；

　　13.希姆计算：仅用数小时就将DeepSeek-R1全系列蒸馏模型快速适配到自研RISC-V开源指令集的推理加速卡系列之上，并落地全国多个千卡级以上智算中心；

　　15.清微智能：可重构计算架构RPU芯片已完成DeepSeek-R1系列模型的适配和部署运行；

　　16.龙芯中科：搭载龙芯3号CPU的设备成功启动运行DeepSeek R1 7B模型，实现本地化部署；

　　17.瀚博：已完成DeepSeek-V3与R1全系列模型训推适配，单机可支持V3与R1 671B全量满血版模型部署。

　　AI芯片主要分为GPGPU（通用图形处理器）、FPGA（可编程逻辑器件）、ASIC（专用集成电路）、存算一体和类脑芯片几种。根据在网络中的位置，又可以分为云端AI芯片 、边缘和终端AI芯片。

　　GPU/GPGPU：与GPU不同，GPGPU就是将GPU图形显示部分“摘掉”，全力走通用计算，特别适合用在深度学习训练方面。目前国内GPU存在许多玩家，整个行业也经历过一轮洗牌。

　　值得一提的是，TPU，全称Tensor Processing Unit，是一种专为处理张量运算而设计的ASIC芯片，由谷歌自研在2016年推出首款产品，目前国内也有中昊芯英这一玩家。

　　1.汽车产业：吉利汽车、东风汽车、东风旗下岚图汽车等均宣布了接入DeepSeek，大模型“上车”已经成为大趋势；

　　3.云计算：阿里云、百度智能云、腾讯云、华为云已经官宣支持 DeepSeek大模型；

　　5.网络安全：360、奇安信、启明星辰、安恒、北信源、天融信、国投智能、安博通、永信至诚、亚信、拓尔思、观安信息均宣布接入DeepSeek；

　　6.生物医药：恒瑞医药、医渡科技、智云健康、豫资开勒均宣布了DeepSeek的接入与部署；

　　7.电信运营商：三大运营商中国移动、联通、电信全面宣布接入DeepSeek；

　　8.软件公司：远光软件、安恒信息、当虹科技、万兴科技、金慧软件接入DeepSeek模型。

　　总之，DeepSeek作为一次“全民狂欢”，其意义非凡。为了契合这个话题，我们也问了DeepSeek自己对于自己诞生的意义，它的回答是：DeepSeek的诞生不仅是技术上的突破，更是对AI未来形态的积极探索。它通过开源共享、垂直应用和AGI愿景，推动AI从“工具”向“伙伴”演进，同时助力中国在全球AI竞争中占据更重要的战略地位。其意义不仅限于商业成功，更在于为人类与AI共生的未来提供了一种可能性。天博官方认证渠道