近日，DeepSeek在AI大模型领域引发热议，凭借其惊人的性能表现和低成本训练模式，迅速吸引了全球关注。虽然市场上几乎充满了赞叹声，但理性的业内人士已经开始提出质疑，认为这一现象可能并非一蹴而就，值得等待更多的验证。

DeepSeek究竟为何引发如此广泛的关注？2024年12月，DeepSeek发布的V3模型突破了多个开源大模型的性能，超越了阿里自研的Qwen2.5-72B和Meta的Llama 3.1-405B等模型，并与OpenAI的GPT-4o、Anthropic的Claude 3.5-Sonnet等闭源大模型相抗衡。在此基础上，DeepSeek于2025年1月20日发布并开源了DeepSeek-R1模型，该模型在数学、编程和自然语言推理等领域表现出色，甚至与OpenAI的O1模型相匹敌。此举不仅让DeepSeek在市场中名声大噪，还使其在苹果App Store的美国地区免费应用程式下载榜单上登顶，超越了ChatGPT等热门应用。

然而，DeepSeek的成功并非仅仅凭借其卓越的性能，更多的亮点在于其低成本与高效的训练模式。简而言之，DeepSeek通过极低的成本，成功实现了接近GPT等先进模型的性能，这一点引起了业界的广泛关注。

无法证真，难以证伪的成本惹争议提及成本，DeepSeek发表的原始报告中有详细解释这笔成本的计算：“在预训练阶段，每兆个token上训练DeepSeek-V3仅需要180K H800 GPU小时，也就是说，在我们拥有2048个H800 GPU的丛集上需要3.7天。因此，我们的预训练阶段在不到两个月的时间内完成，耗费2664K GPU小时。加上上下文长度扩充所需的119K GPU小时和后制训练所需的5K GPU小时，DeepSeek-V3的完整训练仅需2.788M GPU小时。假设H800 GPU的租赁价格为每GPU小时2美元，我们的总训练成本仅为557.6万美元。”

与此同时，该论文称：“上述成本仅包括DeepSeek-V3的正式训练，并不包括与架构、算法或数据方面的先前研究和实验相关的所有其它成本。”

而说到不包括与架构、算法或数据方面的先前研究和实验相关的所有其它成本，据媒体报道，2019年，推出DeepSeek的幻方量化成立AI公司，其自研的深度学习训练平台“萤火一号”总投资近2亿元，搭载了1100张GPU；两年后，“萤火二号”的投入增加到10亿元，搭载了约1万张英伟达A100显卡。

我们不清楚上述这些前期的投资与近日爆火的DeepSeek-V3和R-1（主要是R-1）到底有多少相关性，但从其搭载的为深度学习训练平台看，肯定是有，且相关性还不一定低。而这也理应分摊到成本之中。

此外，值得注意的是，上述557.6万美元仅是DeepSeek-V3的训练成本，虽然R-1模型的训练时间仍未有详尽披露，但“DeepSeek用远低于ChatGPT的成本达到相同效果”的说法已经开始广为流传。

对此，全球咨询公司DGA Group的合伙人保罗•特里奥洛（Paul Triolo）在Substack上撰文称：“OpenAI的o1的训练成本肯定远超过GPT-4，同样，（DeepSeek）R1的训练成本也肯定高于V3。从o3到o4/o5或从R1到R2/R3，训练计算成本只会增加。”

无独有偶，近日知名的SemiAnalysis公开发布的《DeepSeek Debates: Chinese Leadership On Cost, True Training Cost, Closed Model Margin Impacts》的报告中称：DeepSeek论文中提到的600万美元成本仅指预训练运行的GPU成本，这只是模型总成本的一小部分，他们在硬件上的花费远高于5亿美元。例如为了开发新的架构创新，在模型开发过程中，需要投入大量资金来测试新想法、新架构思路，并进行消融实验。开发和实现这些想法需要整个团队投入大量人力和GPU计算时间。例如深度求索的关键创新—多头潜在注意力机制（Multi-Head Latent Attention），就耗费了数月时间。



综上公开信息和权威机构的公开报告，我们认为，业内流传的关于DeepSeek用远低于ChatGPT的成本达到相同效果的说法因漏读和误导而颇为值得商榷。

当然，由于商业机密等多重因素，业内，包括我们，事实上无法通过复现来证实557.6万美元训练成本是虚假的，即证伪；而基于同样的因素，推出DeepSeek-V3和R-1的幻方量化也不可能公开透明的向外界或者通过外界证明557.6万美元就是真实的训练成本，即证真。所以业内对于其成本争议的产生也自在情理之中了。

引微软和OpenAI知识产权疑虑，都是“蒸馏”惹得祸除了前述的DeepSeek成本之谜，最近，OpenAI和微软均向媒体证实，已掌握疑似DeepSeek通过“蒸馏”（distillation）技术，利用OpenAI专有模型来训练其AI大模型。这使得DeepSeek能够以较低的成本在特定任务上达到类似的效果。OpenAI虽未进一步提供证据的细节，但根据其服务条款，用户不得“复制”任何OpenAI的服务，或“利用输出结果开发与OpenAI竞争的模型”。



与此同时，微软和OpenAI也在调查DeepSeek是否通过未经授权的方式，不当获取OpenAI技术输出的信息。例如，微软早在2024年秋天就注意到，有人通过OpenAI应用程序接口（API）输出大量数据，怀疑这些行为与DeepSeek有关（注：OpenAI等公司对API调用和行为模式有严格监控，任何异常行为都会触发防护机制）。

除企业外，美国总统川普政府的AI专家大卫•塞克斯（David Sacks）也在福斯新闻访谈中提到“蒸馏”技术，并表示有“大量证据”显示DeepSeek依赖OpenAI的模型输出来协助开发其技术，但他并未进一步提供证据。他还提到，未来几个月，美国领先的人工智能公司将采取措施，防止“蒸馏”技术的滥用。

从目前公开的信息来看，OpenAI、微软和AI专家的核心关切在于DeepSeek是否采用了“蒸馏”技术，并且是否通过这种方式使用了OpenAI的专有模型。

问题的关键在于，DeepSeek是否使用了“蒸馏”技术来训练其模型；如果使用了，是否获得了OpenAI的授权，或者是否违反了OpenAI的服务条款？

对于上述两个核心问题，目前业内人士和媒体的说法纷繁复杂。有的观点认为DeepSeek（主要是R1模型）根本没有使用“蒸馏”技术；而有的则称，DeepSeek的技术文档表示，R1模型使用了“蒸馏”技术生成的高质量数据，以提升训练效率。

在我们看来，由于DeepSeek R-1刚发布不久，且其突破是在DeepSeek-V3的基础上进行的，而DeepSeek发布的原始报告中以V3为例（例如前文提到的成本），这表明R1与V3之间有着较强的关联性。因此，我们不妨从V3的角度出发，考察其是否采用了“蒸馏”技术，从而更客观地推测R1是否采用了“蒸馏”技术。

事实上，关于DeepSeek V3，曾在测试中出现过异常：该模型自称是OpenAI的ChatGPT，并能提供OpenAI的API使用说明。专家认为，这很可能是由于训练数据中混入了大量由ChatGPT生成的内容（即“蒸馏”数据），导致模型发生了“身份混淆”。



这一问题引发了部分网友的“套壳”质疑。不过，也有网友指出，当前数据清洗过程中最基本的原则之一，就是去除类似蒸馏GPT4的痕迹，删去这类数据是个非常简单的操作。那么，为什么DeepSeek没有采取这一操作呢？

对此，存在两种可能性：一是DeepSeek根本没有使用OpenAI的API生成数据，但网络上有不少人贡献了OpenAI的访问日志，而DeepSeek可能用了这部分数据；二是DeepSeek在合成数据时选择了他们认为最有效的方式，并且并不打算掩饰这一过程。

如果这些仍然只是部分网友的争议观点，那么，最近由中国科学院深圳先进技术研究院、北京大学、01.AI、南方科技大学、Leibowitz AI等多个知名机构的研究团队联合发表的《Distillation Quantification for Large Language Models（大语言模型的蒸馏量化）》论文则显示DeepSeek V3的蒸馏过程可能主要来自GPT4o，且蒸馏程度较高。

该论文提出了一个系统化的框架，量化并评估大模型蒸馏的过程及其影响，采用了“响应相似性评估（RSE）”和“身份一致性评估（ICE）”两个量化指标。RSE实验结果显示，DeepSeek V3的蒸馏程度与GPT4o接近，评分为4.102，远高于其他模型（如Llama 3.1-70B和Doubao-Pro-32k）。在ICE实验中，DeepSeek V3也显示出较高的蒸馏程度，属于可疑响应数量最多的模型之一。





此外，论文还提出过度蒸馏的问题，过度蒸馏可能导致模型同质化，降低独特性，甚至影响模型的性能。DeepSeek的R1模型也面临类似问题，可能在蒸馏过程中出现性能下降。

需要补充说明的是，对于DeepSeek爆火之下，马斯克一直罕见地并未发表评论，却在最近点赞了一则推文。推文中提到了DeepSeek大量依赖模型蒸馏技术，需要借助ChatGPT-4o和o1才能完成训练。尽管模型蒸馏是一项常见的技术手段，能够将OpenAI中的大量数据迅速提炼重点并快速理解和应用，但这种模式只能让DeepSeek接近OpenAI，而难以真正超越OpenAI。

其实在我们看来，这种“捷径”方法的影响远不止技术层面。

首先，方法缺乏透明度，使研究界难以准确评估并借鉴所谓的进展。许多机构可能隐瞒实际方法，却夸大自身技术能力，导致对领域进展的认知偏差；其次，这种趋势导致创新停滞，研究人员越来越依赖对现有强大模型进行蒸馏来训练自己的AI模型，而非开发根本性的新技术和通用大模型（类似于ChatGPT）；第三，通过蒸馏提取出来的训练数据训练出来的AI模型存在固有局限性，即其能力受限于原有模型（O1），形成难以突破的天花板效应，阻碍真正的AI产业进步。

值得注意的是，近日，根据新闻可靠性评级服务机构NewsGuard的审查，DeepSeek的聊天机器人准确度仅为17%，在测试的11个聊天机器人中排名第10，远低于OpenAI的ChatGPT-4等。原因何在？是否与上述的过度蒸馏有关？

即使如此，DeepSeek仍然能够在成本上显著压倒其他大模型，这也是其被广泛关注的原因之一。

因此，关键问题是，DeepSeek是否获得了OpenAI的授权使用其模型进行蒸馏训练？如果没有，是否违反了OpenAI的服务条款？鉴于DeepSeek作为国内初创企业，可能并未充分研究OpenAI的服务条款，其可能面临法律挑战，尤其是在知识产权方面。

这里，我们可以不妨借用华为创始人任正非的做法，他常将一本名为《美国陷阱》的书放在办公桌上，并时常阅读。尽管书中的内容和他为何热衷于阅读它的原因并不在此展开，但我们可以借此说明，特别是美国科技公司，往往在其产品中埋设了大量的“地雷”，一不小心便可能误入雷区。

具体到DeepSeek，作为一家主要面向国内市场的初创AI企业，它是否会事无巨细地研究OpenAI的服务条款，尤其是其中关于版权、知识产权等敏感内容，实在令人存疑。此外，OpenAI的GPT作为闭源模型，其中可能包含许多知识产权、技术和商业机密。DeepSeek是否能够深入了解这些隐藏的内容，亦是一个值得考虑的问题。

再者，考虑到欧盟在数据隐私（如GDPR）和AI伦理等方面的严格监管，DeepSeek是否已经完全理解这些法律法规？若蒸馏过程中涉及到未经授权的OpenAI数据或受保护的商业模型，DeepSeek可能面临极其严苛的法律挑战。

最近，意大利隐私监管机构Garante向DeepSeek中国公司发出正式信息请求，要求其说明如何处理意大利用户的数据。Garante对DeepSeek是否对意大利用户的数据隐私构成风险表示担忧，并要求DeepSeek在20天内做出答复。同时，DeepSeek的应用在意大利的苹果和谷歌应用商店被下架。

除此之外，爱尔兰数据保护委员会和德国等欧洲国家也可能对DeepSeek展开调查。这些行动表明，DeepSeek的合规性问题在未来可能成为其发展道路上的重大挑战。

综上，尽管OpenAI、微软和AI专家未能提供直接证据，但一旦进入法律诉讼，DeepSeek的胜算仍然令人堪忧。特别是结合美国的国家安全法案等因素，DeepSeek面临的风险不可小觑。

从工程创新到基础创新：中国AI“软”实力几何？所谓瑕不掩瑜，当我们暂时抛开上述业内（包括厂商、相关专家等）部分对于DeepSeek成本、知识产权的质疑，仅站在AI（包括AI大模型）技术和产业的视角去看DeepSeek，其确实可圈可点。

有关技术方面，目前网络及专业媒体报道和分析的很多，我们就不班门弄斧了。只是引用下DeepSeek的说法，其得益于采用了Multi-head Latent Attention (MLA)和DeepSeek MoE架构，实现了高效的推理和经济高效的训练。又引入了辅助损失自由负载平衡策略和多token预测训练目标，提升了模型性能。同时，在14.8万亿个高质量token上进行预训练时，通过监督微调和强化学习阶段充分挖掘了其潜力。

看来DeepSeek-V3通过数据与算法层面的优化，大幅提升算力利用效率，实现了协同效应。简而言之，DeepSeek更多是赢在了AI“软”实力和工程创新上。而这也得到国内外众多业内专家、厂商的认可。

不过我们作为非专业AI媒体，更多还是从技术发展逻辑（非技术本身）、市场事实阐述下我们的看法。

DeepSeek创始人梁文锋2023年在接受36氪旗下《暗涌》采访提及中国大模型的差距时曾称，首先训练效率存在差距，由于结构和训练动态方面的差距，中国最好的模型可能需要两倍的计算能力才能与全球顶尖模型匹敌；数据效率也降低了一半，这意味着我们需要两倍的数据和计算才能获得相同的结果。综合起来，资源是原来的四倍。我们的目标是不断缩小这些差距。

从2023年至今，一年多的时间，DeepSeek不仅弥补了其所说的我们大模型与国外综合起来的资源差距，甚至资源的投入仅为国外的不到1/10，且实现了性能比肩，甚至部分的超越，这一技术进步在短短一年多内的发生，确实让业内人士感到意外，这也引发了对其背后技术路径和资源配置的更多讨论。

接下来我们看看除了对其极致性能的夸赞之外，选取些我们看到的DeepSeek的表现。

广发证券发布的测试结果显示，DeepSeek-V3总体能力与豆包、Kimi等其他大模型相当，但在逻辑推理和代码生成领域具有自身特点。

例如，在密文解码任务中，DeepSeek-V3是唯一给出正确答案的大模型；而在代码生成的任务中，DeepSeek-V3给出的代码注释、算法原理解释以及开发流程的指引是最为全面的。在文本生成和数学计算能力方面，DeepSeek-V3并未展现出明显优于其他大模型之处。



另据国内大模型测评机构SuperCLUE 最新发布的《中文大模型基准测评2024 年度报告》，总体趋势上，国内外第一梯队大模型在中文领域的通用能力差距正在扩大。

2023年5月至今，国内外大模型能力持续发展。其中GPT系列模型为代表的海外最好模型经过了从GPT3 . 5、GPT4、GPT4 - Turbo、GPT4o、o1的多个版本的迭代升级。

国内模型也经历了波澜壮阔的1 8个月的迭代周期，从2 0 2 3年5月的30.12%的差距，缩小至2024年8月的1.29%。但随着o1的发布，差距再次拉大到15.05%。



看完上述，不知业内作何感想？我们认为无论是DeepSeek自身，还是中国AI大模型的整体，绝非像目前看到某些媒体和业内评价的那么极致和领先。尤其是整体，至少从去年一年的发展周期看，我们AI大模型与国外的差距反而加大了。

更应让我们不能盲目乐观的是，站在整个AI产业（包括，但不限于AI大模型）的高度，中国在AI领域仍然面临一些核心技术上的瓶颈，尤其是在基础算法和数学模型的创新方面。尽管开源技术，例如现有的深度学习模型和开源框架（如TensorFlow、PyTorch等）为很多应用提供了便利，但它们主要依赖于已有的模型和算法设计，若要应对日益复杂的任务，仅仅依赖这些现成的工具将难以满足要求。更进一步，依赖国外开源代码的情况下，可能会被技术壁垒、算法封锁等所困扰。

基于此，我们AI技术的进一步前行必须依赖于自己原创算法的突破，而不仅仅是现有技术的跟随，尤其是当前深度学习技术发展到一定阶段，遇到“天花板”，需要新的数学工具和算法架构来继续推动技术进步。未来的AI将不仅仅依赖数据和算力，还需要融入更多的逻辑推理、知识图谱等元素，这些都需要新的数学和算法理论来支撑。

写在最后：所谓风物长宜放眼量。不可否认，DeepSeek作为近年来崛起的AI大模型，虽然面临关于其低成本训练的具体细节和是否存在未经授权使用OpenAI技术的争议，但其在工程创新、算力优化等方面仍值得我们高度肯定，尽管如此，纵观整个中国AI产业，我们依然面临计算资源与算力受限、架构与算法过度依赖开源，缺乏核心原创AI算法等挑战待破局。