平替版Claude、和GPT-4「可以一戰」、震撼矽谷的「國產之光」…2025年初，AI圈的首炸，屬於脫胎於量化公司的DeepSeek。能用十分之一的價格、不到150人的研發團隊，對打矽谷頭牌大模型，DeepSeek的秘密何在？

當全球「AGI信仰」正因科技放緩遭遇挑戰，「AI六小虎」的光芒開始褪色，沉寂的大模型領域急需一個振奮人心的新故事。

作為開年AI圈首炸，DeepSeek頂著「國產之光」的新王冠橫空出世，震撼了海內外的一眾科技大佬。

2024年12月，DeepSeek發表了最新的V3開源模型，評測成績不僅超越了Qwen2.5-72B（阿里自研大模型）和Llama 3.1-405B（Meta自研大模型）等頂級開源模型，甚至能和GPT-4o、Claude 3.5-Sonnet（Anthropic自研大模型）等頂級閉源模型掰手腕。

更令人振奮的是，DeepSeek的故事很大程度上，打破了困擾國產大模型許久的算力晶片限製瓶頸。

V3模型是在2000塊英偉達H800 GPU（針對中國市場的低配版GPU）上訓練完成的，而矽谷大廠模型訓練普遍跑在幾十萬塊更高性能的英偉達H100 GPU上。

這也讓DeepSeek的訓練成本得以被大幅壓縮。 SemiAnalysis數據顯示，OpenAI GPT-4訓練成本高達6,300萬美元，而DeepSeek-V3成本只有其十分之一不到。

12月底，雷軍開出千萬年薪挖角DeepSeek研究員羅福莉的新聞，也讓人們把更多目光投向了這個神秘團隊。

據報道，DeepSeek包括創辦人梁文鋒在內，僅有139名工程師和研究人員。與之對比，OpenAI有1200名研究人員，Anthropic則有500多位研究人員。

2024年，這家鮮少做行銷、創始團隊極為低調的公司，也遊離在主流視野之外。第一次引起普遍關注，還是因6個月前，DeepSeek首次掀起了大模型價格戰，而被稱為「AI界的拼多多」。

如今，沒有尋求外部融資、創辦人有「囤卡富翁」之稱、團隊全是「清北等名校年輕人出品」——一串吸睛的標籤，讓這家AI創業圈的隱形巨頭走向台前。

這次，擺脫英偉達晶片束縛、技術平權的故事，輪到DeepSeek來講了。

在矽谷「出圈」了

平替版Claude、和GPT-4「可以一戰」、國產之光…2025年初的最大驚喜，屬於脫胎於量化公司的DeepSeek。

相較於大模型公司的大手筆投流，或如Kimi、豆包等頭部玩家還在用巨額營銷換C端用戶認知，DeepSeek的火熱出圈，讓故事有了「自上而下」的另一種講法。

2024年12月底，DeepSeek V3大模型發表後便完全開源。模型計算數據顯示，DeepSeek V3雖然文字生成類別任務較弱，但其程式碼、邏輯推理和數學推理能力都名列前茅。

V3大模型上線後，DeepSeek同時上線了53頁論文，將模型的關鍵技術與訓練細節和盤托出。

論文揭露：V3整個訓練過程只花了不到280萬個GPU小時。相較之下，Llama 3 405B的訓練時間是3080萬GPU小時。考慮到V3訓練晶片使用的是低配版的H800 GPU，其訓練成本也大幅縮減。這也動搖了產業內，「大模型能力跟晶片限制強綁定」的普遍認知。

OpenAI創始團隊成員Andrej Karpathy發文讚歎：DeepSeek-V3效能高過Llama3最強模型，且耗費資源僅十分之一，「未來或許不需要超大規模的GPU叢集了」。

這也為長期受算力限制的創業團隊們，提出了一個新解法——即便在算力有限的情況下，使用高品質數據、更好的演算法，同樣能訓練出高性能大模型。

Meta科學家田淵棟驚嘆道：“FP8預訓練、MoE、預算非常有限的強大性能、從CoT中提取以進行引導……哇！這是偉大的工作！”

效能更強、速度更快的模型上線，也把DeepSeek的API呼叫定價進一步打了下來。近日，官方宣布DeepSeek的tokens價格調整為每百萬輸入tokens 0.5元（快取命中）/2元（快取未命中），每百萬輸出tokens 8元。

V3的發布，也引發了國內專業開發者社群的熱烈討論。不少AI應用層創業者、從業者讚歎：“V3是用過的國產大模型裡，編碼能力最強的。”

有AI從業者在業務場景中應用後認為：“DeepSeek是目前國內唯一一個可以跟4o、Sonnet平起平坐的國產LLM（大語言模型）。”

能從系統角度，讓模型越來越便宜，也為最近日趨焦灼的捲卡、卷算力、捲商業落地的大模型之戰，提供了一種新的解法。

偏愛競賽生，學院派管理

那麼，能打造出如此低成本、高品質的模型，DeepSeek的團隊又是怎樣一群人呢？

事實上，早在DeepSeek出圈前，AI業界對它的技術實力評價就非常高。只因為公司不融資，創辦人鮮少露面，公司不做C端應用，以至於大眾認知度偏弱。

從公開資料來看，DeepSeek團隊最大的特色就是名校、年輕。有大模型領域的獵人頭告訴《財經天下》，當下「C9」院校的高端人才各家都在爭搶。 “DeepSeek更著重宣傳，符合他們家年輕化，求知欲的價值觀。”

即使是團隊leader級別，年紀也多在35歲以下。該獵人頭表示，DeepSeek管理職很少內部提升，大多挖的是有經驗的，也會卡年齡。 “我們這邊推薦的幾個leader崗，超過40歲沒有特別大的優勢，人家看都不願意看。”

DeepSeek創辦人梁文鋒在接受36氪採訪時，曾透露過招募標準：看能力，不看經驗，核心技術職位以應屆和畢業一兩年為主。

衡量年輕畢業生「優秀」與否的標準，除了院校，還有競賽成績，「基本金獎以下就不要了」。

DeepSeek也不偏好資深的技術人。例如，DeepSeekMath的三位核心作者，朱琪豪、邵智宏、Peiyi Wang，是在博士實習期間完成了相關的研究工作。 V3研究成員代達勱，2024年才剛從北大獲得博士學位。

在管理上，DeepSeek採取的是淡化職級、極為扁平的文化，將團隊一直控制在150人左右的規模。用粗暴砸錢、給卡，相當扁平和「學院派」的管理方式，挽留人才。

梁文鋒將這種組織形式形容為「自下而上」「自然分工」：「每個人都有自己獨特的成長經歷，都是自帶想法的，不需要push他……當一個idea顯示出潛力，我們也會自上而下地去調配資源。

「只招1%的天才，去做99%中國公司做不到的事情。」曾經面試過DeepSeek的應屆生如此評價其招募風格。

這種人才選擇和管理模式，某種程度上很像OpenAI。二者都比較像是純粹的研究機構──早期不融資，不做應用，不考慮商業化。

在當下AI大模型市場漸趨飽和之下，DeepSeek也因不爭搶排名座次，不造輿論聲勢，重用應屆生，專注做底層技術優化，成為了國內為數不多還在招攬有“AGI信仰”人才的公司。

實際上，從DeepSeek創立之初，它的履歷便像個產業「異類」。

2023年，DeepSeek的AI產品正式對外亮相。此前數年，該公司曾對該產品內部“孵化”許久，並對外招聘過文科人才，職位定位為“數據百曉生”，提供歷史、文化、科學等相關知識來源。

DeepSeek的母公司是梁文鋒在2015年創立、量化基金起家的幻方量化。作為一個“80後”，梁文鋒本科、研究生都就讀於浙江大學，擁有資訊與電子工程學系本科和碩士學位。

幻方量化也是頭部量化基金的「例外」：多數量化基金創始班底，都或多或少有海外對沖基金的履歷。唯獨幻方完全靠著本土班底起家，獨自摸索著長大──這跟DeepSeek 的用人風格也極為相似。

2017年，幻方量化宣稱實現投資策略全面AI化。 2019年，其資金管理規模超100億，成為國內量化私募「四巨頭」之一，也曾一度是國內首家突破千億私募的量化大廠。

當幻方量化規模節節攀升時，梁文鋒卻開始轉移視野。

在业界，幻方一直以敢于在硬件上投入著称，以支撑其交易系统的实施。2017年前后，梁文锋开始涉足AI相关探索，探索孵化AI项目“萤火虫”。2018年，“萤火虫”超级计算机对外正式亮相，并称计算机占地面积为数个篮球场，前后投入超过10亿元。

2021年，在梁文鋒參與的論文中提到，他們正在部署的螢火二號系統，“配備了1萬張A100GPU晶片”，在性能上接近DGX-A100（英偉達推出的人工智慧專用超級電腦），但成本降低了一半，同時能耗減少了40%——業界通常認為，1萬枚英偉達A100晶片是做自訓大模型的算力門檻，當時國內超過1萬枚GPU的企業不超過5家。

GPU晶片的豐厚儲備，也為幻方量化接下來的轉型提供了基礎。

2023年5月，梁文鋒實控的AI研發機構北京「深度求索」成立，隔年DeepSeek正式上線。從這時起，幻方量化也開始主動縮減資金規模，不再參與量化基金第一梯隊的競爭。

2024年10月，幻方量化向投資者公告稱，計劃逐步將對沖產品投資部位降低至零。該公司部分對沖系列產品規模已降至千萬元以下。至2025年初，公司資金管理規模已小於300億，退出了業界前六名。

最像OpenAI的中國公司

從量化基金轉型後，能在短時間內衝上AI頭部玩家，DeepSeek的「神奇」技術在其53頁的論文中，也並不是秘密。

界面新闻报道，V3模型主要采用了模型压缩、专家并行训练、FP8混合精度训练等一系列创新技术降低成本。作为新兴的低精度训练方法，FP8技术通过减少数据表示所需的位数，显著降低了内存占用和计算需求。目前，零一万物、谷歌、Inflection AI都已将这种技术引入模型训练与推理中。

此外，在預訓練階段，對表現影響有限的地方，DeepSeek選擇了極致壓縮。而在後訓練階段，對模型擅長的領域，他們又傾注全力提升。

核心人才也帶來了關鍵的技術創新。量子位元報道，2024年5月發布的DeepSeek-V2中，其創造性地提出了一種“新型注意力”，在Transformer架構的基礎上，用MLA（Multi-head Latent Attention）替代了傳統的多頭注意力，大幅減少了計算量和推理顯存。

其中，高華佐和曾旺丁為MLA架構做出了關鍵創新。高華佐目前只知道是北大物理系畢業，這個名字在「大模型六小虎」之一的階躍星辰專利資訊中，也可以看到。

DeepSeek-V2还涉及了另一项关键成果——GRPO。这是PPO的一种变体RL算法，显著减少了训练资源的需求。在开源大模型阿里Qwen 2.5的技术报告中，GRPO技术也有所体现。

這些技術創新，也為當下有些「困窘」的國內大模型未來發展，提供了新的解題思維。

特別是2024年下半年，長文本市場競爭已在位元組的「飽和式攻擊」下逐漸塵埃落定。 AI圈中出現了一種無奈共識：在大廠射程範圍內，做類ChatGPT產品已經沒有機會，必須做出差異化。

大模型競賽也進入了下一段更艱鉅的賽程，成為了一場拼資源的“戰爭”，要拼資金、人才密度、數據算力能力。

去年還風光無限的「大模型六小虎」正在加速尋找垂類場景商業化機會。近期，MiniMax轉戰文生視頻，宣布要跟Sora掰手腕；智譜則瞄準智能體（Agent）市場，從做智能體商店到邀測PC端智能體；百川智能逐漸專注於醫療市場；零一萬物則宣布深耕零售行銷業務，不再追求AGI。

而DeepSeek能夠奇襲，很大程度源自於和頭部大模型公司保持距離，遠離融資的熱鬧和商業化的壓力。

在梁文鋒為數不多的發聲中，他表示DeepSeek創立初期，就在接觸投資圈後清醒認識到，「很多VC對做研究有顧慮，他們有退出需求，希望盡快做出產品商業化。而按照我們優先做研究的思路，很難從VC那裡獲得融資」。

他也對外表達過“短期內沒有融資計劃”，並認為當下面臨的問題“從來不是錢，而是高端晶片（短缺）”。

梁文鋒也明確提出，矽谷對DeepSeek「驚嘆」的原因－－「因為這是一個中國公司，在以創新貢獻者的身份，加入到他們遊戲裡去。畢竟大部分中國公司習慣follow，而不是創新。 」

「中國也要逐步成為貢獻者，而不是一直搭便車。」梁文峰說。 「我們已經習慣摩爾定律從天而降，躺在家裡18個月就會出來更好的硬體和軟體，Scaling Law（規模定律）也在被如此對待。但其實，這是西方主導的科技社群世代代孜孜不倦創造出來的，只因為之前我們沒有參與這個過程，以至於忽略了它的存在。

梁文鋒認為，中國AI的發展，同樣需要這樣的生態。 “很多國產晶片發展不起來，也是因為缺乏配套的技術社區，只有第二手消息，中國必然需要有人站到技術的前沿。”

作者 | 趙小天