前言：这个世界怎么了？

2025 年 1 月 20 日，DeepSeek-R1 正式发布。

然后，我的朋友圈炸了。我的 Twitter 炸了。我的技术群炸了。连我妈都问我："儿子，那个深度求索是不是很厉害？"

我：？？？

当你妈都开始关心 AI 的时候，你就知道，这事儿不简单了。

有人说这是"DeepSeek 时刻"，堪比当年 ChatGPT 横空出世。有人说中国 AI 终于站起来了。还有人说硅谷的大佬们一夜之间睡不着觉了。

作为一个在 AI 领域摸爬滚打的老韭菜，我觉得有必要冷静下来，好好聊聊：

DeepSeek 到底是何方神圣？它真的值得这波热度吗？

一、DeepSeek 是谁？从哪来？到哪去？

1.1 身世之谜

DeepSeek（深度求索）并不是突然冒出来的野生 AI，而是有正经"户口本"的：

没错，DeepSeek 的爹是幻方量化——一家搞量化交易的公司。

你可能会问：一个搞金融的，怎么跑来做 AI 了？

答案很简单：有钱，有算力，有野心。

幻方量化本身就需要大量算力来做交易策略，据说囤了上万张 A100。当 OpenAI 证明大模型这条路走得通之后，梁文锋大手一挥："既然有这么多卡，不如顺便训个模型？"

这就像你买了一台顶配游戏电脑，本来是为了打游戏，结果发现拿来挖矿也挺香。

1.2 为什么叫"深度求索"？

官方解释是：追求 AGI（通用人工智能），探索智能的本质。

我的理解是：在 AI 这条路上，走得足够深，才能找到出路。

或者用另一种方式理解：Deep（深度学习）+ Seek（搜索/探索）= DeepSeek

好了，名字解释完了。接下来进入正题。

二、什么是大模型？（给小白的 30 秒科普）

在聊 DeepSeek 之前，我们先快速过一遍大模型的基础概念。老司机可以直接跳到下一节。

2.1 大模型 = 超大号的"文字接龙选手"

大模型的本质是一个概率预测器：给定一段文字，预测下一个最可能出现的词。

就这么简单？对，就这么简单。

但当你把这个"文字接龙"玩到极致——几千亿个参数、几万亿 token 的训练数据、几万张 GPU——奇迹就发生了：

模型开始"涌现"出各种能力：理解上下文、逻辑推理、代码编写、多语言翻译……

这就是所谓的 Scaling Law（规模定律）：模型越大，数据越多，能力越强。

2.2 大模型的核心组件

关键概念速览：

好，基础知识补完，我们正式进入 DeepSeek 的世界。

三、DeepSeek 的核心创新点

3.1 创新一：MLA（Multi-Head Latent Attention）

传统的多头注意力机制（MHA）有个问题：KV Cache 太大了。

什么是 KV Cache？简单说，模型在推理时需要缓存之前所有 token 的 Key 和 Value，以便计算注意力。上下文越长，缓存越大，显存越爆炸。

DeepSeek 的解决方案是 MLA（多头潜在注意力）：

核心思想：不直接缓存完整的 KV，而是压缩到一个低维的"潜在空间"，用的时候再解压。

效果：KV Cache 减少了 93.3%！

这就像你本来要搬一柜子的书，现在只需要带一个目录，到了目的地再按目录还原。

3.2 创新二：DeepSeekMoE（混合专家架构）

MoE（Mixture of Experts）不是 DeepSeek 发明的，但 DeepSeek 把它玩出了新花样。

传统大模型：每次推理都要激活所有参数。参数越多，计算越慢，越费钱。

MoE 的思路：把模型拆成多个"专家"，每次只激活一部分。

DeepSeek-V3 的参数配置：

• 总参数量：671B（6710亿）
• 每次激活参数：37B（370亿）
• 专家数量：256 个路由专家 + 1 个共享专家

这意味着什么？模型有 671B 的"知识储备"，但每次推理只用 37B 的计算量。

性价比直接拉满。

3.3 创新三：FP8 混合精度训练

训练大模型通常用 FP16 或 BF16 精度。DeepSeek 大胆使用了 FP8：

• FP16：16位浮点数，精度高，显存占用大
• FP8：8位浮点数，精度低，显存占用小

风险：FP8 精度低，容易训崩。

DeepSeek 的解决方案：精细的量化策略 + 关键位置保持高精度。

效果：训练成本大幅降低，且模型性能没有明显下降。

3.4 创新四：辅助损失无关的负载均衡

MoE 有个经典问题：负载不均衡。

如果路由器总是把 token 发给少数几个专家，其他专家就会"失业"，造成资源浪费。

传统方案：加一个辅助损失（auxiliary loss），惩罚不均衡的路由。但这会干扰主任务的训练。

DeepSeek 的方案：无辅助损失的负载均衡。

核心思想：通过动态调整路由器的偏置项来实现负载均衡，而不是加额外的损失函数。

效果：训练更稳定，模型性能更好。

3.5 创新五：R1 的强化学习训练范式

DeepSeek-R1 最炸裂的创新在于它的训练方法：

核心发现：

1. 不需要大量人工标注的 CoT（思维链）数据
2. 纯强化学习就能让模型学会"思考"
3. 模型会自发产生反思、验证等行为

这颠覆了之前的认知：大家以为要训练一个会推理的模型，必须先有大量高质量的推理数据。DeepSeek 证明：让模型自己探索，给对了奖励，它自己就能学会推理。

四、为什么老外这么激动？

4.1 成本震撼

DeepSeek-V3 的训练成本：557 万美元。

对比一下：

成本只有 GPT-4 的 5% 左右。

这意味着什么？OpenAI 的护城河可能没有想象中那么深。

4.2 开源震撼

DeepSeek-R1 完全开源，MIT 协议。

你可以：

• 免费下载模型权重
• 免费商用
• 任意修改和分发

而 OpenAI 的 o1？闭源，API 收费，而且还限制使用。

4.3 性能震撼

在多个权威 benchmark 上，DeepSeek-R1 的表现：

在数学和代码上，DeepSeek-R1 甚至略胜 OpenAI o1。

4.4 地缘政治震撼

在美国对中国实施 AI 芯片禁令的背景下，一家中国公司用"受限"的硬件条件，训出了和美国顶级 AI 公司对标的模型。

这让很多人开始质疑：

1. 芯片禁令真的有用吗？
2. 美国的 AI 领先优势还能保持多久？
3. 是否需要重新评估 AI 竞争格局？

据说 DeepSeek 发布后，Nvidia 股价一度暴跌超过 10%。

五、如何高效使用 DeepSeek

5.1 使用方式总览

5.2 官方 API 使用

DeepSeek API 兼容 OpenAI 格式，切换成本极低：

from openai import OpenAI

client = OpenAI(
    api_key="your-deepseek-api-key",
    base_url="https://api.deepseek.com"
)

# 使用 DeepSeek-V3
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": "解释一下什么是 MoE 架构"}
    ]
)

# 使用 DeepSeek-R1（推理模型）
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[
        {"role": "user", "content": "证明根号2是无理数"}
    ]
)

5.3 R1 的正确使用姿势

DeepSeek-R1 是推理模型，和普通对话模型的使用方式不太一样：

R1 的特点：

1. 会输出思考过程：返回中会包含 <think> 标签，里面是模型的推理链
2. 响应较慢：因为要"思考"，所以比普通模型慢
3. 更适合难题：简单问题用 R1 是杀鸡用牛刀

使用建议：

# 好的 prompt
"请一步步分析这个问题，然后给出最终答案：[复杂问题]"

# 不太好的 prompt  
"今天天气怎么样？"  # 这种问题不需要用 R1

5.4 本地部署指南

如果你想在本地跑 DeepSeek，这里有几个选择：

1. 使用 Ollama（最简单）

# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 运行 DeepSeek R1 蒸馏版（7B，适合普通电脑）
ollama run deepseek-r1:7b

# 如果显存够大，可以试试 32B
ollama run deepseek-r1:32b

2. 显存需求参考

六、DeepSeek 的坑与问题

6.1 服务稳定性问题

最近几天，DeepSeek 的服务……怎么说呢……

没办法，全世界都在薅，服务器扛不住。

建议：

• 工作时间（北京时间）尽量避开
• 凌晨使用体验最好
• API 用户记得加重试逻辑

6.2 上下文长度限制

DeepSeek-V3 官方支持 128K 上下文，但实际使用中：

• API：确实支持 128K
• 网页版：实际可用长度有限制
• R1：因为要输出思考过程，实际可用的输入长度会更短

6.3 中文 vs 英文表现差异

虽然是中国公司，但 DeepSeek 的训练数据中英文占比更高。在某些任务上：

• 英文表现 > 中文表现
• 代码和数学主要是英文
• 中文日常对话其实还不错

6.4 R1 的"过度思考"问题

R1 有时候会陷入过度思考：

用户：1+1等于几？

R1：让我仔细思考这个问题...
首先，我需要理解什么是加法...
加法是一种基本的数学运算...
从集合论的角度来看...
（思考了 500 字）
答案是 2。

简单问题建议直接用 DeepSeek-V3（deepseek-chat），别用 R1。

6.5 知识时效性

DeepSeek 的知识截止日期大约在 2024 年中。对于最新的事件和信息，它可能不知道或者会胡说。

6.6 敏感内容限制

作为中国公司，DeepSeek 在某些话题上有限制。这不是技术问题，你懂的。

七、DeepSeek vs 其他模型

7.1 综合对比

7.2 价格对比

DeepSeek 的价格大约是竞品的 1/10 到 1/5。

这个定价策略，基本上就是在说："我不是针对谁，我是说在座的各位……"

八、我的使用建议

8.1 场景匹配指南

8.2 我的个人工作流

作为一个经常需要处理各种 AI 任务的开发者，我的建议是：

1. 日常编码：DeepSeek-V3（便宜好用）
2. 复杂算法题：DeepSeek-R1
3. 长文档处理：Claude
4. 需要联网搜索：GPT-4o 或 Perplexity
5. 敏感话题讨论：Claude 或 GPT

不要迷信任何一个模型，根据任务选择工具。

九、放弃的艺术

写到这里，按照「从入门到放弃」系列的传统，我应该告诉你为什么要"放弃"。

但这次不一样。

DeepSeek 的出现，让我看到了一种可能性：AI 不一定是硅谷巨头的专属游戏。

当然，DeepSeek 还有很多问题：服务不稳定、内容限制、生态不完善……

但它证明了：

• 用更少的资源，也能训出顶级模型
• 开源可以和闭源竞争
• 中国团队在 AI 领域的工程能力不容小觑

所以这次，我选择不放弃。

我选择继续关注 DeepSeek 的发展，继续尝试它的新功能，继续在它便宜的 API 上薅羊毛。

毕竟，能省一分是一分。

十、参考资料

1. DeepSeek-V3 Technical Report
2. DeepSeek-R1 Technical Report
3. DeepSeek 官方网站
4. DeepSeek GitHub
5. HuggingFace - DeepSeek 模型库

📝 后记

写完这篇文章的时候，DeepSeek 的服务器又崩了。

我试着用他们的 API 来帮我润色文章，结果返回了一个"服务繁忙"。

我：行吧，真是很有"DeepSeek特色"的体验。

不过没关系，等服务器恢复了，我一定第一时间去试试用 R1 来证明黎曼猜想。

开玩笑的。

我先去证明 1+1=2 。